UNIVERSIDAD YACAMBÚ VICERRECTORADO DE ESTUDIOS VIRTUALES DOCTORADO EN GERENCIA
Universidad yacambú revista equipo 12
description
Transcript of Universidad yacambú revista equipo 12
UNIVERSIDAD YACAMBÚ
VICERRECTORADO DE INVESTIGACIÓN Y POSTGRADO
INSTITUTO DE INVESTIGACIÓN Y POSTGRADO
DISEÑOS EXPERIMENTALES
LCDA. ANA MARIA PIÑA CI: V-15.886.961
LCDA JULIETA QUINTERO CI: V-19.712.087
LCDO CARLOS RODRIGUEZ C.I.: V-17.342.160
CABUDARE- MARZO 2015
EL DISEÑO EXPERIMENTAL
Es una técnica estadística que permite identificar
y cuantificar las causas de un efecto dentro de un
estudio experimental. En un diseño experimental
se manipulan deliberadamente una o más
variables,
vinculadas a las
causas, para medir
el efecto que tienen
en otra variable de
interés. El diseño
experimental
prescribe una serie
de pautas relativas
qué variables hay
que manipular, de
qué manera, cuántas veces hay que repetir el experimento y en qué
orden para poder establecer con un grado de confianza
predefinido la necesidad de una presunta relación de causa-efecto.
El diseño experimental encuentra aplicaciones en la industria, la
agricultura, la mercadotecnia, la medicina, la ecología, las ciencias
de la conducta, etc. constituyendo una fase esencial en el desarrollo
de un estudio experimental.
DISEÑOS
TRANSECCIONALES
DESCRIPTIVOS
Los diseños
transeccionales
descriptivos tienen como
objetivo indagar la incidencia y los valores en que se manifiesta
una o más variables. El procedimiento consiste en medir en un
grupo de personas u objetos, una o generalmente más variables y
proporcionar su descripción. Son, por lo tanto, estudios
puramente descriptivos que cuando establecen hipótesis, éstas son
también descriptivas.
Ejemplos
Las famosas encuestas
nacionales de opinión sobre
las tendencias de los votantes
durante periodos de elección.
Su objetivo es describir el
número de votantes en un
país que se indinan por los diferentes candidatos contendientes en
la elección. Es decir, se centran en la descripción de las
preferencias del electorado.
DISEÑOS TRANSECCIONALES
CORRELACIONALES/CAUSALES
Los diseños transeccionales correlacionales/causales tienen
como objetivo describir relaciones entre dos o más variables en un
momento determinado. Se trata también de descripciones, pero no
de variables individuales sino de sus relaciones, sean éstas
puramente correlacionales o relaciones causales. En estos diseños
lo que se mide es la relación entre variables en un tiempo
determinado. La diferencia entre los diseños transeccionales
descriptivos y los
correlacionales causales
puede expresarse gráfica-
mente de la siguiente
manera:
Por lo tanto, los diseños correlacionales/causales pueden
limitarse a establecer relaciones entre variables sin precisar
sentido de causalidad o pueden pretender analizar relaciones de
causalidad. Cuando se limitan a relaciones no causales, se
fundamentan en hipótesis correlacionales y cuando buscan evaluar
relaciones causales, se basan en hipótesis causales.
EJEMPLOS
Una investigación que pretendiera indagar la relación entre
la atracción física y la confianza durante el noviazgo en parejas de
jóvenes, observando qué tan relacionadas están ambas variables
(se limita a ser correlacional).
Una investigación que estudiara cómo la motivación
intrínseca influye en la productividad de los trabajadores de línea
de grandes empresas industriales, de determinado país y en cierto
momento, observando si los obreros más productivos son los más
motivados, y en caso de que así sea, evaluando el por qué y cómo
es que la motivación intrínseca contribuye a incrementar la
productividad (esta investigación establece primero la correlación
y luego la relación causal entre las variables).
Un estudio sobre la relación entre la urbanización y el
alfabetismo en una nación latinoamericana, para ver qué variables
macrosociales mediatizan tal relación (causal).
Una investigación que analizara cuáles son las variables que
regulan la relación existente entre organizaciones proveedoras
(vendedores) y organizaciones compradoras (clientes) en las
transacciones comerciales en Latinoamérica (con volúmenes de
intercambio anuales superiores a un millón de dólares), así como
estudiar la vinculación que se da entre dichas variables y las
razones que originan tal vinculación (se correlacionan las
variables y se evalúan causalmente).
De los ejemplos puede desprenderse lo que se ha comentado
anteriormente respecto a que en ciertas ocasiones sólo se pretende
correlacionar variables, pero en otras ocasiones se busca el
establecer relaciones causales. Desde luego, debemos recordar que
la causalidad implica correlación pero no toda correlación
significa causalidad. Primero establecemos correlación y luego
causalidad.
Estos diseños pueden ser sumamente complejos y abarcar
diversas variables. Cuando establecen relaciones causales son
explicativos. Su diferencia con los experimentos es la base de la
distinción entre experimentación y no experimentación. En los
diseños transeccionales correlacionales/causales, las causas y
efectos ya ocurrieron en la realidad (estaban dadas y
manifestadas) y el investigador las(os) observa y reporta. En
cambio, en los diseños experimentales y cuasiexperimentales el
investigador provoca —intencionalmente— al menos una causa y
analiza sus efectos o consecuencias.
Un diseño correlacional/causal puede limitarse a dos
variables o abarcar modelos o estructuras tan complejas como la
siguiente (donde cada letra en recuadro representa una variable):
O aun estructuras más complejas como la presentada en el
apartado de hipótesis causales multivariadas del capítulo cinco
(“Establecimiento de hipótesis”).
Estos diseños se fundamentan en hipótesis correlacionales y de
deferencia de grupos sin atribuir causalidad (cuando se limitan a
relaciones entre variables) y en hipótesis causales o de diferencia
de grupos con atribución de causalidad (cuando pretenden
establecer relaciones causales). Asimismo, los diseños
correlacionales/causales, en ocasiones, describen relaciones en uno
o más grupos o subgrupos y suelen describir primero las variables
incluidas en la investigación, para luego establecer las relaciones
entre éstas (en primer lugar son descriptivos de variables
individuales, pero luego van más allá de las descripciones: van a
establecer relaciones).
EJEMPLO
Una investigación para evaluar la credibilidad de tres
conductores (locutores) de televisión, y relacionar esta variable
con el sexo, la ocupación y el nivel socio-económico del
teleauditorio. Primero, mediríamos qué tan creíble es cada
conductor y describiríamos la credibilidad de los tres conductores.
Observaríamos el sexo de las personas e investigaríamos su
ocupación y nivel socio-económico, y describiríamos el sexo,
ocupación y nivel socioeconómico del teleauditorio.
Posteriormente, relacionaríamos la credibilidad y el sexo (para ver
si hay diferencias por sexo en cuanto a la credibilidad de los tres
conductores), la credibilidad y la ocupación (para ver si los
conductores tienen una credibilidad similar o diferente entre las
distintas ocupaciones) y credibilidad y nivel socio-económico (para
evaluar diferencias por nivel socioeconómico). Así, primero
describimos y luego correlacionamos.
CONCLUSIÓN
Tanto en los diseños transeccionales descriptivos cómo en
los correlacionales/causales vamos a observar variables o
relaciones entre éstas, en su ambiente natural y en un momento en
el tiempo.
Los diseños transeccionales correlacionales/causales buscan
describir correlaciones entre variables o relaciones causales entre
variables, en uno o más grupas de personas u objetos o
indicadores y en un momento determinado.
Investigación longitudinal
En ciertas ocasiones el interés del
investigador es analizar cambios a
través del tiempo en determinadas
variables o en las relaciones entre éstas.
Entonces se dispone de los diseños
longitudinales, los cuales recolectan datos a través del tiempo en
puntos o periodos
especificados, para
hacer inferencias
respecto al cambio, sus
determinantes y
consecuencias. Por
ejemplo, un
investigador que
buscara analizar cómo
evolucionan los niveles de empleo durante cinco años en una
ciudad u otro que pretendiera estudiar cómo ha cambiado el
contenido de sexo en las telenovelas (digamos de Venezuela) en los
últimos diez años.
Los diseños longitudinales suelen dividirse en tres tipos: diseños
de tendencia (trend), diseños de análisis evolutivo de grupos
(cohort) y diseños panel, como se indica en el siguiente esquema.
DISEÑOS LONGITUDINALES DE TENDENCIA
Los diseños de tendencia o trend son aquellos que analizan
cambios a través del tiempo (en variables o sus relaciones) dentro
de alguna
población en
general. Por
ejemplo, una
investigación
para analizar
cambios en la
actitud hacia el
aborto en una
comunidad. Dicha actitud se mide en varios puntos en el tiempo
(digamos anualmente durante 10 años) y se examina su evolución
a lo largo de este periodo. Se puede observar o medir toda la
población o bien tomar una muestra representativa de ella cada
vez que se observen o midan las variables o los relaciones entre
éstas. La característica distintiva de los diseños de tendencia o
trend es que la atención se centra en una población.
Estos diseños pueden representarse de la siguiente manera:
DISEÑOS LONGITUDINALES DE EVOLUCIÓN DE GRUPO
Los diseños de evolución de grupo o estudios “cohort”
examinan cambios a través del tiempo en subpoblaciones o grupos
específicos. Su atención son las “cohorts” o grupos de individuos
vinculados de alguna manera —generalmente la edad, grupos por
edad— (Glena, 1977). Un ejemplo de estos grupos (“cohoris”)
sería el formado por las personas que nacieron en 1930 en Brasil,
pero también
podría utilizarse
otro criterio de
agrupamiento
temporal como: las
personas que se
unieron en
matrimonio durante
1986 y 1987 en
Costa Rica o los niños de la Ciudad de México que asistían a
instrucción primaria durante el terremoto que ocurrió en 1985.
Los diseños de los que estamos hablando hacen seguimiento de
estos grupos a través del tiempo. Usualmente en estos diseños se
extrae una muestra cada vez que se mide al grupo o subpoblación
más que incluir a toda la subpoblación.
EJEMPLO
Una investigación nacional sobre las actitudes hacia la
dictadura militar de los chilenos nacidos en 1973, digamos cada
cinco años, comenzando a partir de 1985. En este año se obtendría
una muestra de chilenos de 12 años de edad y se medirían las
actitudes. En 1990, se obtendría una muestra de chilenos de 17
años y se medirían las actitudes. En 1995, se obtendría una
muestra de chilenos de 22 años y en el año 2 000 una muestra de
chilenos de 27 años, y así sucesivamente. Así, se analiza la
evolución o cambios de las actitudes mencionadas. Desde luego,
aunque el conjunto específico de personas estudiadas en cada
tiempo o medición pueda ser diferente, cada muestra representa a
los sobrevivientes del grupo de chilenos nacidos en 1973.
Que es una Variable?
La variable se define como las
características o atributos que admiten
diferentes valores, ejemplos de ellos: la
estatura, la edad,
el cociente
intelectual, la temperatura, el clima, entre
otros. Existen muchas formas de
clasificación de las variables, no obstante,
en esta investigación se clasificarán de acuerdo con el sujeto de
estudio y al uso de las
mismas.
De acuerdo con el
sujeto de investigación las
variables se clasifican en
categóricas y continuas. Las variables categóricas clasifican a los
sujetos distribuyéndolos en grupos, de acuerdo a algún atributo
previamente establecido, por ejemplo, el idioma, la ocupación,
entre otros. Este tipo de variables se subdividen a su vez en dos:
variables dicotómicas que poseen dos categorías por ejemplo
hombre-mujer, y variables
policotómicas que establecen tres o mas
categorías, por ejemplo estado civil,
nivel académico, etc. Son variables
continuas cuando se miden atributos
que toman un número infinito de
valores, como por ejemplo, el peso, la
talla, la estatura, entre otros.
LA OPERACIONALIZACIÓN DE LAS VARIABLES
En este punto es necesario definir qué es una variable. Una
variable es una propiedad que puede variar y cuya variación es
susceptible de medirse u observarse. Ejemplo de variables : el
sexo, la motivación intrínseca hacia el trabajo, el atractivo físico, el
aprendizaje de conceptos, la religión , la agresividad verbal, la
personalidad autoritaria, la cultura fiscal y la exposición a una
campaña de propaganda política. La variable se aplica a un grupo
de personas u objetos, los cuales adquieren diversos valores o
manifestaciones respecto a la variable.
La operacionalización de una variable es un proceso que se
inicia con la definición de las variables en función de factores
estrictamente medibles a los que se les llama indicadores.
Dicho proceso obliga a realizar una definición conceptual
de la variables para romper el concepto difuso que ella engloba y
así darle sentido concreto dentro de la investigación , luego en
función de ello se procese a realizar la definición operacional de la
misma para identificar los indicadores que permitirán realizar su
medición de forma empírica y cuantitativa, al igual que
cualitativamente llegado el caso.
La validez de una variable depende sistemáticamente del
marco teórico que fundamenta el problema y del cual se ha
desprendido, y de su relación directa con la hipótesis (o idea a
defender) que la respalda.
DEFINICIÓN CONCEPTUAL: Básicamente, la definición
conceptual de las variables constituye una abstracción articulada
en palabras para facilitar su comprensión y su adecuación a los
requerimientos prácticos de la investigación.
DEFINICIÓN OPERACIONAL: Una definición
operacional está constituida por una serie de procedimientos o
indicaciones para realizar la medición de una variable definida
conceptualmente. En la definición operacional se debe tener en
cuenta que lo que se intenta es obtener la mayor información
posible de la variable seleccionada, de modo que se capte su
sentido y se adecue al contexto, y para ello se deberá hacer una
cuidadosa revisión de la literatura disponible sobre el tema de
investigación.
La operacionalización de las variables está estrechamente
vinculada al tipo de técnica o metodología empleadas para la
recolección de datos. Estas deben ser compatibles con los objetivos
de la investigación, a la vez que responden al enfoque empleado, al
tipo de investigación que se realiza. Estas técnicas, en líneas
generales, pueden ser cualitativas o cuantitativas.
VARIABLES, DIMENSIONES E INDICADORES.
Cuando nos encontramos con variables complejas, donde
el pasaje de la definición conceptual a su operacionalización
requiere de instancias intermedias, entonces se puede hacer una
distinción entre variables, dimensiones e indicadores. A modo de
síntesis, puede afirmarse que el pasaje de la dimensión al
indicador hace un recorrido de lo general a lo particular, del plano
de lo teórico al plano de lo empíricamente contrastable.
Las dimensiones vendrían a ser subvariables o variables
con un nivel más cercano al indicador. Para el caso de definir a la
variable productividad, nos encontramos con diferentes
subdimensiones que forman parte de la variable, como ser: mano
de obra, maquinaria, materiales o energía. Cada una de estas
subvariables son las dimensiones de la variable productividad.
A su vez, estas dimensiones, para poder ser contrastadas
empíricamente por el investigador, requieren operacionalizarse en
indicadores, que no son otra cosa que parámetros que contribuyen
a ubicar la situación en la que se halla la problemática a estudiar.
En un sentido restringido, los indicadores son datos.
CLASIFICACIÓN DE VARIABLES
De acuerdo a su capacidad o nivel en que nos permitan
medir los objetos. Es decir, que la característica más común y
básica de una variables es la de diferenciar entre la presencia y la
ausencia de la propiedad que ella enuncia.
Variable continua: Se presenta cuando el fenómeno a medir
puede tomar valores cuantitativamente distintos. Ejemplos: la
edad cronológica.
Variables discretas: Son aquellas que establecen categorías
en términos no cuantitativos entre diversos individuos o elementos.
Ejemplo: el temperamento de los niños en relación con el
aprendizaje –los niños de temperamento calmado aprenden más
lentamente que los de temperamento.
Variables individuales: Presentan la característica o
propiedad que caracteriza a individuos determinados, y pueden
ser: Absolutas. Relacionales. Comparativas. Contextuales.
Variables colectivas: Presentan las características o
propiedades que distinguen a un grupo o colectivo determinado y
pueden ser: Analíticas. Estructurales. Globales.
Variable Antecedente: Es la que se supone como
antecedente, es decir, que hay variables que son antecedentes de
otras. Ejemplo: para realizar un aprendizaje se supone un grado
mínimo de inteligencia. Por tanto, la variable inteligencia es un
antecedente de la variable aprendizaje.
Variable independiente: Es la variable que antecede a una
variable dependiente, la que se presenta como causa y condición
de la variable dependiente, es decir, son las condiciones
manipuladas por el investigador a fin de producir ciertos efectos.
Variable dependiente: Es la variable que se presenta como
consecuencia de una variable antecedente. Es decir, que es el
efecto producido por la variable que se considera independiente, la
cual es manejada por el investigador.
Variable interviniente o alterna: Es la variable que aparece
interponiéndose entre la variable independiente y la variable
dependiente y en el momento de relacionar las variables interviene
en forma notoria. Conviene analizar si esta variable aparece a
partir de la variable independiente, es decir, posterior a ella y con
anterioridad a la variable dependiente, de tal forma que entre a
reemplazar la variable independiente que ha sido formulada, o su
actúa como factor concerniente en la relación de variables.
Variables extrañas: Cuando existe una variable independiente no relacionada con el propósito del estudio, pero que puede presentar efectos sobre la variable dependiente, tenemos una variable extraña.