RESUMEN METODOLOGÍA

Metodo hipotético deductivo  las hipótesis se corroboran a partir de la existencia de observaciones.

Varsavsky

Las hipótesis deben tratarse desde tres puntos de vista:

- Importancia: la pregunta no debe ser la hipótesis sino el problema a investigar. como contribuyen o no al
cambio social. Un problema no tiene ni verdad ni valor, sino importancia.
- Valor ético: está ligado al proceso de justificación.
- Credibilidad

Proceso de investigación y diseño de investigación

Proceso de investigación: camino hacia la construcción de conocimiento que demanda la necesidad de construir
evidencia empírica, desde una perspectiva teórica determinada aplicando una serie de reglas de procedimiento
explícitas.

El problema como punto de partida del conocimiento científico: no debe ser la formulación de hipótesis, sino el
planteamiento del problema, la pregunta.

Un problema no tiene verdad ni valor: solo importancia. Sus posibles respuestas podrían llamarse hipótesis.

METODO CUALITATIVO: rechaza la cuantificación de la realidad social. Comprensión, subjetividad, participación.

Enfoque interpretativista. No existen leyes o tendencias que permiten explicar el comportamiento del fenómeno
social, no hay conducta regular que pueda generalizarse.

METODO CUANTITATIVO: explicación, objetividad, neutralidad, Enfoque positivista, generalista y canónico. Propone
cuantificar los aspectos de la realidad social para establecer sistemáticamente relaciones entre ellos. Postular leyes
generales sobre el funcionamiento social y los fenómenos sociales.

Es adecuada cuando el propósito del investigador es definir rasgos, opiniones, conductas de una población o cuando
se quiere poner a prueba hipótesis causales o medir la incidencia de un suceso o sus condiciones de ocurrencia de
ese suceso y sus consecuencias. Se busca conocer del objeto de estudio su faceta objetiva, no significa que el estudio
sea objetivo en términos de juicio de valor del investigador. Sera la parte visible y concreta del fenómeno. Indaga
sobre acciones presumibles, información que obtiene de manera directa, por ejemplo la edad. Esta no es visible, pero
es + concreta la toma del dato, no se reflexiona ni interpreta. El objetivo es establecer regularidades empíricas, que
expresan en relaciones entre variables con un alto contenido observacional. Demarcacion conceptual imprecisa y
cerrada.

Tecnicas de recolección son los modos de obtener información de la realidad social.

CUALITATIVA: mayor libertad del investigador. mayor capacitación de quien obtiene la info. investigador tiene un rol
fundamental para la recolección. enfoque singular concreto en universos pequeños y homogéneos. realidad
dinámica. resultados particulares. perspectiva interna de la situación.

CUANTITATIVA: menor libertad del investigador y acotes. menor capacitación de quien aplica la técnica. investigador
solo compara la info Enfoque general objetivo en universos grandes y heterogéneos. Realidad estática. Resultados
generales. Perspectiva lejano a los datos.

Variables / La operacionalización del problema de investigación: operacionalización de conceptos. 2) "La

operacionalización de conceptos" M. A. Cea D' Ancona

No toda investigación tiene hipótesis  no hay suficiente información al respecto

Hipótesis: suponen guías para trabajar el problema de investigación. explicaciones tentativas de nuestro fenómeno a
estudiar
Perspectiva cuantitativa de investigación  medición de aspectos.

Una variable se mide en unidades de análisis: medición de propiedades en objetos y sujetos.

Tipos de unidades de análisis:

 Individuales: Son las unidades que no pueden ser divididas a su interior, por ejemplo, las personas, los
individuos.
 Colectivas: Son las unidades que pueden ser divididas al interior y por lo tanto, contener lo que se llama
miembros. Una empresa, por ejemplo, puede ser subdividida en departamentos
 De información: cuando las unidades de análisis no nos pueden proveer por si mismas la información que
necesitamos. Nino=UA ; Madre=UI

Variable: cualquier propiedad, aspecto o dimensión de un objeto, que pueden variar y se pueden medir. La definición
de las variables y su procedimiento para su medición nos lo indica su marco teórico.

Características de las variables:

 Exhaustivo: abarcativo para que todas las unidades de análisis se puedan incluir en una de las categorías. (si
hago categorías de ingresos que contemple la gran mayoría de todos los ingresos, desde 0 hasta un millón)
 Mutua exclusividad: las unidades de análisis deben incluirse solo en una categoría.
 Precisión: mayor numero de distinciones posibles que permita un mayor nivel de clasificación.
 Pertenecer a un mismo sistema conceptual (todo en pesos, por ejemplo, no “altos salarios” y otros
expresados en pesos)

Tipos de variables

Según nivel de medición del sistema de categorías de las variables

 Nominales: son exhaustivas y exclusivas, pero no hay relacion entre ellas. No establece orden o jerarquía.
 Ordinales: establece un orden o jerarquía entre las categorías. Expresan cualidad, no cantidad.
 Intervalares: clasificación, jerarquía, orden sumado a que se puede cuantificar la distancia exacta que separa
cada valor
 Proporción o razon: clasificación, jerarquía, ordenado y se puede cuantificar la distancia exacta que separa
cada valor, sumado a la posibilidad de establecer un cero absoluto (ausencia de propiedad) y permite calcular
proporciones.

Según la naturaleza de sus variables

 Cualitativas: miden aspectos, características no cuantitativas, no numérico. Nivel de medición: nominal u

ordinal y su sistema clasificatorio es un sistema de categorías.
 Cuantitativas: intenta establecer en qué cantidad se presenta determinada característica o atributo. Nivel de
medición: intervalares o cociente/razon y su sistema clasificatorio es un sistema de valores.

Según su escala de medición

 Variables continuas: puede hallarse valores intermedios entre dos valores (edad, pesos, ingresos)
 Variables discretas: no hay valores intermedios (cantidad de hijos, no tenes uno y medio)

Según la función en las hipótesis

 Variables independientes, explicativas o predictoras: “si…” causa

 Variables dependientes: “entonces…”, efecto
 Variable perturbadora o interviniente: actúan entre la dependiente y la independiente

Según su grado de abstracción/complejidad

 Indicadores o variables empíricas: pueden medirse más directamente, sencilla. La variable en si misma indica
el indicador a medir (edad, cantidad de hijos)
  Variables complejas o abstractas: lo que se quiere medir no está manifiesta en esa variable, está latente y
requiere procesos más complejos de medición. No son fáciles de medir en la observación. Es una variable
que se divide en muchas dimensiones. Son multidimensionales.

Operacionalización de conceptos o variables complejas: proceso de hacer mensurable una variable, lo hacemos
porque necesitamos evidencia empírica para responder nuestras preguntas. Acciones intermedias que permiten
medir mi variable por medio de indicadores. Hago subdivisiones sobre lo que interpreto de la variable compleja.
Ejemplo: grado de precarización laboral.

Concepto  dimensiones  indicadores

Medir: asignarle un valor a una unidad de análisis respecto de una determinada variable. Medimos variables en
unidades de análisis (mido promedio ingresos en hogares)

Dato: contiene una estructura tripartita  unidad de análisis, valor, variable.

Fases de la operacionalización

1. Definición del significado determinado que se da al concepto  marco teórico

2. Determinar la cantidad de dimensiones del concepto a medir e identificarlas  cantidad depende del marco
teorico y su definición. El peso de cada una de las dimensiones no necesariamente es igual.
3. Especificar los indicadores empíricos que se utilizarán para medir el grado de existencia del concepto en
determinados contextos. Se pueden ponderar.
4. Construcción de un índice: se trata de una medida resumen en las que se agrupan las diferentes mediciones
del concepto a través de los indicadores. Los indicadores nos aportan datos numéricos que una vez
manipulados nos permiten calcular el índice y ubicar a los sujetos en algun valor del mismo. Tabla de
referencias en función del puntaje obtenido.

La selección de las unidades de estudio: las muestras: Muestreo probabilístico y no probabilístico. Muestreo
teórico. 1) "El Universo de estudio y la Selección de la Muestra" S. Raquel Miguez

Planteo el problema de investigación  elijo técnica de producción de información más adecuada y antes de ir en
busca de la información, en caso de no querer/poder utilizar a la población completa  seleccionar una muestra.

Teoría del muestreo: establece los procedimientos a través de los cuales se realizan las generalizaciones sobre la
población a partir de un subconjunto de la misma, con un grado minimo de error.

En una muestra debe ser posible poner a prueba hipótesis o supuestos, proposiciones acerca de relaciones entre
variables y debe ser posible poner a prueba hipótesis de generalización – de la muestra al universo – sobre las
proposiciones establecidas en la muestra.

 Universo o población: conjunto total de unidades de análisis o elementos.

 Censo: relevamiento que se hace sobre el universo
 Homogeneidad / heterogeneidad del universo: presentación o no de diferencias significativas entre las unidades
de análisis
 Tamaño de la población (N): conocimiento de la cantidad total de elementos que conforman mi población.
 Muestra (n): subconjunto del total que es el universo o población que presume representativo, debe reflejar o
reproducir lo mas exactamente posible las características del universo.
 Tamaño de la muestra: conocimiento de la cantidad de elementos que la conforman.

Se realiza una muestra cuando la población es demasiado numerosa.

Marco muestral o base de la muestra: es una serie de datos secundarios o características de los elementos que
componen el universo o población que permitirán la identificación y selección posterior. Son imprescindibles en las
muestras de tipo probabilístico. Es el universo de trabajo/empírico, sobre el cual se realiza la muestra.

Tipos de muestras
  Muestras predispuestas: son aquellas que se seleccionaron del universo de manera tal que la comprobación
o refutación de las hipótesis pasa a ser el resultado de procedimientos de muestreo. Muestra sesgada.
 Muestras no predispuestas: son aquellas cuya probabilidad de extracción es conocida.

MUESTRAS PROBABILISTICAS: todas las unidades de análisis que componen el universo tienen probabilidad de ser
seleccionados, esa probabilidad es conocida. La selección de un elemento es independiente de la selección de otro
elemento. No existen condicionamientos en la elección de un elemento respecto de otro. Se debe conocer el tamaño
del universo y el marco muestral. A partir de los resultados se pueden establecer parámetros poblacionales, es decir,
generalizar. Los diseños de tipo cuantitativo suelen seleccionar muestras probabilísticas.

 Muestra simple al azar: seleccionar un tamaño de muestra tal que se logre un máximo de precisión con un
minimo de muestra. Requiere un listado de todos los elementos de la población.
V: no supone conocimiento previo de ninguna de las características de la población. Tiene a reflejar todas las
características del universo.
D: demanda mucho tiempo el listado,
 Muestra sistemática: parecido al muestro simple al azar, diferencia en el metodo de selección de los casos 
coeficiente de elevación: tamaño población/tamaño muestra (elijo punto de arranque y de ahí voy eligiendo cant
de elementos en función del coeficiente de elevación). Necesita un marco muestral y tamaño de la población.
V: más facil de seleccionar la muestra
D: pierde representatividad al haber elementos que pierden posibilidad de ser seleccionados.
 Muestra estratificada: cuando la población puede ser dividida en categorías/estratos/grupos que tienen un
interes analítico, información de la población y el tamaño. Proporcional: la fracción de muestreo sea igual que la
de la población  si el 40% de la población son mujeres, en la muestra deberia haber un 40% que sean mujeres.
No proporcional: permite representar grupos chicos.
V: la muestra es más homogénea, garantiza representatividad.
D: necesito conocer previamente las características de la población, dificultades para determinar estratos
homogéneos.
 Muestra por conglomerados: cuando la población a estudiar está dispersa en diversas áreas geográficas
extensas. Se divide a la población en conglomerados lo más homogéneos posibles. Ejemplo: si divido las
provincias en conglomerados por zonas, elijo una provincia del centro que va a representar a ese conglomerado
en su conjunto. Esta selección la hago por medio de un metodo simple al azar.
V: permite concentrar las unidades en áreas y evita el desplazamiento a lo largo de áreas muy extensas
D: se pierde precisión. Disminuye el carácter probabilístico de la muestra.

MUESTRAS NO PROBABILISTICAS: no permiten generalizar resultados, solo es aplicable al universo de datos sobre el
cual yo estoy trabajando. No se pueden inferir resultados a una población mayor. Son más sencillas de selección. No
marco muestral. No sabemos el tamaño de la población  no conozco probabilidad de que los elementos sean
extraídos. No requiere conocimientos de determinadas características del universo. Mas dificil que sea
representativa.

 Muestra casual, accidentales, erráticas: técnicas favoritas de periodistas. Elegir al azar a la persona que tiene a
mano, de forma casual. No se puede hacer una generalización. No conocemos el tamaño de la población. No hay
probabilidad conocida de formar parte de la muestra. No conocemos las características de los sujetos a
entrevistar.
 Muestra intencional, razonada, dirigida: investigación donde no contamos con marco muestral. La selección de
casos es según el criterio de algun experto, se seleccionan individuos “claves” respecto de la problemática a
investigar. Importantes en etapas exploratorias de la investigación. No hay probabilidad conocida de formar parte
de la muestra. no conocemos el tamaño de la población.
 Muestra por cuotas (proporcional o no): (muestro estratificado) no contamos con marco muestral o tamaño
población, no conocemos probabilidad de selección. Conocemos algunas características de la población que
creemos que pueden estar representadas en la muestra. Se le especifica características de las cuotas que va a
entrevistar, se le indica cantidad de personas por cada característica  10 mujeres, madres, con más de 2 hijos.
  Bola de nieve: se trata de seleccionar un primer contacto que cumpla con las características de la problemática
a estudair que me dará otro contacto. Se utiliza cuando la población se trata de grupos minoritarios, marginales,
de dificil acceso. No hay marco muestral, no tamaño de población ni probabilidad de formar parte de la muestra.

Recolección de los Datos I (Cuestionario y Escalas)

1)Barroso, H. "Técnicas de recolección de datos"

TÉCNICAS CUANTITATIVAS: la información recogida es comparable. Menor libertad de quien observa y del
observado. Menor capacitación de quien las aplica. La estructuración de la recolección permite la comparabilidad de
la información, buscan la objetividad y están orientadas a la medición de variables. Abstraen propiedades de los
objetos. La realidad está sujeta a regularidades. El uso de estadísticas es amplio, predecir acontecimientos y
tendencias. Los resultados son generalizables. La perspectiva es desde afuera y lejana a los datos. Observan universos
grandes y/u heterogéneos.

 Encuesta: técnica de recolección de datos que utiliza como instrumento un listado de preguntas (cuestionario,
formulario), fuertemente estructuradas y estandarizado, que recoge información para ser analizada e interpretada
estadísticamente, desde una perspectiva cuantitativa. Cuestionario a toda la población  censo.
 Cuestionario con encuestador/encuesta aplicada: cuestionario leído por entrevistador y contestado por
entrevistado. V: no importa grado alfabetización, respuestas profundas. DV: costo, entrevistado inhibido.
 Cuestionario autoadministrado: cuestionario leído y respondido por entrevistado. V: poco costoso, mas
libertad para contestar. DV: menos flexibles por el orden, leer en distinto orden y cambiar respuestas,
depende del grado de alfabetización para entender.
 Entrevista telefónica: V: no costosa, corto, exitosas. DV: dificultad para establecer relación, facil terminar
entrevista, desconfianza en preguntas delicadas.
 Entrevista por correo: V: muy bajo costo. DV: baja tasa de respuesta.

Tipos de preguntas:

 Abiertas: no dan opciones, libertad y espontaneidad de responder. Indagar aspectos cualitativos.

 Cerradas: respuestas están proporcionadas por el entrevistador. Facil de responder, codificar y analizar. No
permite expresión, puede imponer punto de vista.

Características principales:

 traducen en preguntas las variables de la investigación

 permiten obtener información de manera indirecta
 interroga un importante número de personas (unidades de análisis) sobre un número limitado pero amplio
de cuestiones (variables)
 sujetos interrogados integran una muestra representativa de una población mayor
 la información que se obtiene está conceptualmente estructurada para ser analizada e interpretada
estadísticamente
 generalmente coincide la unidad de análisis con la unidad de información (es decir que los sujetos indagados
informan sobre sí mismos).

TÉCNICAS CUALITATIVAS: profundidad y la captación de la subjetividad. Dificil generalizar. Predicción escasa/nula.

Mayor libertad del investigador y del actor investigado. Mayor capacitación y experiencia de quien obtiene la
información. Investigador como principal instrumento de recolección. Observar los procesos en una realidad
dinámica. El uso de estadísticas es muy limitado, los resultados no son generalizables. Observan universos pequeños
y/u homogéneos.

 Entrevista: técnica que mediante una conversación de carácter profesional obtiene información que será tratada
predominantemente en forma no estadística, cualitativa. Asimetría entre el entrevistador y el entrevistado 
intereses distintos y la dirección del diálogo está definida de antemano. Existe un sujeto que pregunta y otro que
responde.

Tipos de entrevista
  Estructurada: mayor definición de las preguntas y alternativas de respuestas fijas o casi fijas. Menor libertad
del entrevistado y también del entrevistador.
 Semiestructurada: guía de preguntas que en muchos aspectos se asemeja al cuestionario cédula de las
encuestas masivas. Mucha libertad para formular las preguntas y la posibilidad de aclararlas u orientarlas,
aunque tengan cierta estructuración. Pocas unidades de análisis y muy definidas. Informantes poseen cierta
clase de información muy específica: situación de poder, posibilidades de decisión o información especial.
 No estructurada: conversación donde el entrevistado y el entrevistador tienen amplia libertad para preguntar
y responder. Focalizada  situación particular y conocida de los entrevistados, experiencias muy vividas o
traumáticas, estímulo previo, o participado de alguna acción colectiva no controlada. Entrevista abierta o no
dirigida  investigador como instrumento de recolección de datos con amplia libertad para preguntar,
animar a hablar, y aclarar cuestiones. Requiere amplios conocimientos teóricos y entrenamiento. Información
muy profunda, íntima, singular, y por lo tanto no generalizable.
 Observación: orientada por marco teórico. Recolección de datos basada en lo percibido por el propio
investigador. Percepción de los fenómenos a través de los sentidos (o de instrumentos de observación auxiliares).
Capta fenómenos en el momento que suceden. Dificultad de percepción sensorial, influencia del observador sobre
los fenómenos, interdependencia entre la observación y la inferencia  percepción subjetiva.
 No participante: investigador se sitúa fuera del grupo o fenómeno observado
 Participante: investigador se incluye en el grupo a observar y participa de sus actividades, es decir, aprende
las reglas del juego jugándolo.
 Entrevista grupal: presencia simultánea de varios entrevistados que se relacionan a través de técnicas
conversacionales.
 Focus group: grupo de 6-10 personas que discuten determinado tema, objeto de la investigación durante 1 ½
/2 horas. La información es registrada y clasificada para analizar. Miembros seleccionados en función de los
objetivos del estudio y requisitos de la técnica. Grupos homogéneo y heterogéneos entre sí. Es una entrevista
múltiple que promueve la interacción entre los entrevistados  información buscada es el resultado de la
situación social de debate, donde unas opiniones son influidas por otras. Preguntas presentadas de forma
abierta al grupo en su conjunto y se estimula a los participantes a intercambiar ideas con los otros miembros.
Requiere: selección adecuada de integrantes de los grupos, moderador/facilitador entrenado, un clima de
confianza y tolerancia, y analistas experimentados. Baja estructuración en los contenidos de la información
que fluyen libremente. Solo son orientados a fin de evitar que los participantes se desvíen de la temática
propuesta. Comprensión de conductas y actitudes.
o Grupos cara a cara: presencia simultánea de los entrevistados en un mismo espacio permite ver
gestualidad y el lenguaje corporal. Reclutamiento en area geográfica limitada y desgrabación
demora.
o Grupos telefónicos: integrar individuos de diferentes lugares geográficos, menor costo, mayor
anonimato. Imposibilidad de presentar materiales, más tecnología menos accesible.
o Grupos focales online: acceso a áreas geográficas, mostrar todo tipo de material. No accesible para
todos, baja tasa de aceptación. No dinámica fluida.
 Tormenta de ideas o brainstorming: carácter no-estructurado y exploratorio. Para solución de problemas, en
la interacción creativa de grupo de expertos/especialistas.
 Grupo terapéutico: elaboración colectiva de problemas que afectan la vida individual.
 Grupos nominales/técnica dephi: tratamiento de problemas estratégicos basado en las opiniones de
expertos.

Recolección de los Datos II (Confiabilidad y Validez - Observación, Entrevista, Focus Group y estudio de caso)

1) N. Salkind "Confiabilidad y Validez";

Confiabilidad: coherencia, donde una prueba o medida de conducta confiable puede medir la misma cosa más de
una vez y producirá el mismo resultado.

Puede haber un margen de error donde lo que esperamos que suceda y lo que efectivamente sucede no coincidan 
error de metodo de método de medición, instrucciones pocos clara, características generales del individuo,
características duraderas del individuo, factores individuales temporales, factores que afectan la administración de la
prueba.

Aumentar la confiabilidad: cuanto mayor sea la muestra del universo más representativa y confiable será,
estandarizar las condiciones en las que se administra la prueba, minimizar los efectos de sucesos externos

Tipos de confiabilidad

 Prueba original y repetida: Es una medida de estabilidad. Se logra administrando la misma prueba en dos puntos
del tiempo distintos al mismo grupo de personas. Que tan estable es una prueba con el tiempo. Si hay correlación, es
confiable.
 Formas paralelas: Es una medida de equivalencia. Se logra administrando dos formas diferentes de la misma
prueba/instrumento al mismo grupo de personas.
 Intercalificador: Es una medida de acuerdo. Se logra haciendo que dos personas califiquen las conductas y
determinen el grado de acuerdo entre ellas

Consistencia interna: qué tan unificados están los reactivos en una prueba o evaluación. Es una forma de
confiabilidad que se establece con menos frecuencia. Se evalúa correlacionando el desempeño en cada uno de los
reactivos de una prueba o escala con el desempeño total en la prueba.

Validez: que la prueba o instrumento mida lo que se supone que debe medir. Se relaciona con la veracidad,
exactitud, autenticidad, genuinidad y solidez. Se refiere a los resultados de una prueba y no a la prueba misma.

1. Contenido: Es el grado en el que la medición representa al concepto medido. Un instrumento de medición

requiere contener representados prácticamente todos los ítems del dominio de contenido de las variables a
medir.
2. Criterio: qué tan bien una prueba estima el desempeño actual -validez concurrente- así como de qué tan
bien predice el desempeño futuro -validez predictiva-
3. Constructo: grado en el que una medición se relaciona de manera consistente con otras mediciones, de
acuerdo con hipótesis derivadas teóricamente y que conciernen a los conceptos (o constructos) que se están
midiendo.
4. Consistencia interna: medida de la consistencia con que cada reactivo mide el mismo constructo subyacente,
se logra correlacionando el desempeño en cada reactivo con el puntaje total de la prueba

Relación entre confiabilidad y validez  una prueba puede ser confiable, pero no válida, pero una prueba no puede
ser válida si no es confiable. La confiabilidad es una condición necesaria, pero no suficiente, para la validez. Una
prueba puede ser confiable y evaluar de manera consistente algún resultado, pero a menos que ese resultado se
relacione directamente con el aspecto que se está estudiando, la prueba no será válida.

2)"La recolección de datos" C. Sabino

Luego de seleccionar el diseño de investigación apropiado y la muestra, de acuerdo con nuestro enfoque elegido,
problema de estudio e hipótesis  recolectar los datos pertinentes sobre variables, sucesos, contextos, categorías,
comunidades u objetos involucrados en la investigación.

Recolectar los datos implica tres actividades vinculadas entre sí:

1. Seleccionar un instrumento o método de recolección de los datos entre los disponibles en el área de estudio
en la cual se inserte nuestra investigación o desarrollar uno, que sea válido y confiable
2. Aplicar ese instrumento o método para recolectar los datos, obteniendo observaciones, registros o
mediciones de variables, sucesos, etc
3. Preparar observaciones, registros y mediciones obtenidas para que se analicen correctamente.

Toda medición o instrumento de recolección de datos debe reunir dos requisitos esenciales:
 Confiabilidad: grado en que su aplicación repetida al mismo sujeto u objeto produce resultados iguales. Se
determina mediante diversas técnicas.
 Validez: grado en que un instrumento realmente mide la variable que pretende medir.

Recolección de datos desde el enfoque cuantitativo = medir  proceso de vincular conceptos abstractos con
indicadores empíricos para clasificar los datos disponibles en términos del concepto que el investigador tiene en
mente. Esta definición sugiere dos consideraciones: la primera es desde el punto de vista empírico y se resume en
que el centro de atención es la respuesta observable (sea una alternativa de respuesta marcada en un cuestionario,
una conducta grabada vía observación o una respuesta dada a un entrevistador); la segunda es desde una
perspectiva teórica y se refiere a que el interés se sitúa en el concepto subyacente no observable que es
representado por la respuesta. Un instrumento de medición adecuado es aquel que registra datos observables que
representan verdaderamente los conceptos o las variables que el investigador tiene en mente. En términos
cuantitativos: capturo verdaderamente la “realidad” que deseo capturar.

Factores que pueden afectar la confiabilidad y la validez

 Improvisación: improvisar al elegir instrumentos de medición o desarrollar  instrumentos poco válidos o

confiables, y no deben existir en la investigación.
 Cultura y tiempo: no todos los instrumentos son aplicables en todos los contextos.
 No empático: instrumento inadecuado para las personas que se aplica. (lenguaje en entrevistas, por ejemplo)
 Condiciones de aplicación: ruido, frio puede afectar negativamente.

"El Análisis de los Datos" Cap. 9 M. A. Cea D' Ancona

Una vez concluida la recogida de la información comienza la fase de análisis e interpretación de los datos, la cual es
compleja y crucial en el proceso de investigación.

Análisis de datos cualitativos

Los datos cualitativos son elaboraciones de informaciones relativas a las interacciones de los sujetos entre sí. Implica
una elaboración conceptual de esa información y un modo de expresarla

Analizar datos: examinar un conjunto de elementos informativos para delimitar partes y descubrir las relaciones
entre las mismas y las relaciones con el todo. Todo análisis supone alcanzar un conocimiento de la realidad y avanzar
en la comprensión de los modelos conceptuales.

Proceso de análisis: reducción de los datos: simplificación, el resumen, la selección de información para hacerla
abarcable y manejable  categorización y codificación.

Categorizar: clasificar conceptualmente las unidades.

Codificar: asignarle a una unidad un indicativo (codigo), marcas que les asignamos para identificar a que categoría
pertenecen.

Separación en unidades: diferenciarse unidades que resaltan relevantes y significativas. Criterios para separar la
información.

 Criterios espaciales: son ajenos al contenido de la información, tiene que ver con tomar como unidades líneas de
texto, paginas, bloques, etc.
 Criterios temporales: separación en unidades en función de registros temporales, minutos, horas, dias (de deben
anotar referencias temporales)
 Criterios temáticos
 Criterios gramaticales: separar el texto en oraciones o párrafos.
 Criterios conversacionales: declaraciones o turnos de palabra cuando intervienen sujetos o grupos, es
interesantes cuando deseamos analizar lo que brinda cada sujeto en particular.
 Criterios sociales: información relativa a sujetos que ocupan diferente lugar o status social.

Este proceso puede realizarse en diferentes momentos de la investigación. Las categorías pueden ser definidas
previamente, a medida que se recolectan los datos e ir agregando a medida que avanza la misma.

Codificación abierta: las mismas son ampliadas, modificadas, redefinidas, readaptadas.

Requisitos de las categorías: mutua exclusión, exhaustividad, único principio clasificatorio, objetividad, pertinencia.

Análisis de datos cualitativos

Se trata de realizar interpretaciones y análisis del comportamiento de nuestras variables o de la relación entre ellas
con el objetivo de dar respuesta a nuestros interrogantes de investigación

Contamos con la Estadística Descriptiva y la Inferencial

Análisis univariado  distribución de frecuencia

Análisis bivariado  matriz de datos.

Estadísticos univariables: miden la distribución de los valores de una variable. Su uso dependerá, sobre todo, del
nivel de medición de la variable.

Los estadísticos univariables se agrupan en tres grandes apartados:

Medidas de tendencia central: cómo se agrupan los atributos de una variable alrededor de un “valor típico” de la
distribución.

 Media: medida más representativa, siempre y cuando la variable sea cuantitativa (de intervalo o de razón). Se
ve afectado por valores muy extremos en una distribución  pierde representatividad
 Mediana: divide a la distribución en dos partes iguales. Permite el conocimiento de los valores de mayor
representación en la muestra.
 Moda: valor de mayor frecuencia en una distribución.

Medidas de dispersión: la mayor o menor variabilidad existente en torno a la media o a la mediana de distribución.

 Rango o recorrido: expresa el número de valores incluidos en la distribución. Máximo – Minimo

 Desviación típica: promedio de la desviación de los casos con respecto a la media. Como indicador de
heterogeneidad (o de dispersión de los valores de una distribución), su estimación se exige siempre que se
calcule la media, porque ayudará a la interpretación de su representatividad en la distribución.
 Varianza: el cuadrado de la desviación típica y su valor expresa el grado de heterogeneidad de una población
respecto a la variable medida, siendo sus características similares a la desviación.

El análisis bivariable: Después de los análisis exploratorios, procede la realización de los análisis bivariables, tanto
con fines descriptivos como explicativos.

Las tablas de contingencia: tablas formadas por el cruce, al menos, de dos variables. Si puede establecerse una
relación causal entre ellas, el orden convencional de exponer las variables es: dependiente “by” independiente. De
esta forma la variable dependiente figurará en las filas, mientras que la independiente en las columnas.

Dos variables se hallan relacionadas si sus atributos varían conjuntamente. Para la graduación de esta relación se
acude a alguno de los estadísticos de contingencia, dependiendo del nivel de medición de la variable:
Una vez medida la relación entre las variables, se comprueba su significatividad. Los datos analizados siempre
pertenecen a una muestra, de las múltiples posibles, que pueden extraerse de una misma población. Razón por la
cual, se exige la comprobación de la significatividad de los estadísticos y sus posibilidades de inferencia a la
población.

Análisis multivariable: más de dos variables al mismo tiempo para medir las influencias e interrelaciones existentes
entre grupos de variables. Opera un número elevado de variables de manera simultánea, basándose en el cálculo
matricial.