Professional Documents
Culture Documents
Aqu se describe que tiene que hacer el investigador para demostrar la verdad o falsedad de la hiptesis planteada , por lo que se describe los diseos bsicos de contrastacin, la forma como obtener y analizar datos, como clasificarlos, resumirlos, evaluarlos a la luz de los antecedentes para hacer finalmente las Respectivas inferencias.
A.2. Contenido
1.MODELO LOGICO Y EXPERIMENTAL Aqu se identifica los pasos lgicos a travs de un modelo lgico (diagrama de flujo) y luego se identifica como proceder en la realidad a travs de un modelo experimental para recolectar los datos necesarios, se emplean grficos ideogramas 3. ANALISIS ESTADISTICO DE DATOS Es el proceso en la cual los datos tienen que ser medidos y expresados en nmeros para facilitar su manipulacin y tomar la decisin de aceptar o rechazar la hiptesis
2. RECOLECCION DE DATOS Los datos son resumidos y analizados, permiten confirmar o refutar la hiptesis. La recoleccin de datos es sobre: longitud, peso sexo, presin, etc. Si esta etapa es inadecuada, los resultados tambin lo sern.
4. INFERENCIA CIENTIFICA Es el proceso lgico que permite pasar de un conjunto de proposiciones originadas en la observacin cientfica (estado del Arte) a otro conjunto de proposiciones (consecuentes) que son las conclusiones
Consiste en seleccionar la muestra sobre la realidad problemtica que se desea investigar. En esta muestra se hace averiguaciones
03
Se utiliza cuando se quiere comparar una misma variable en diferentes lugares o situaciones para ver si tienen el mismo o diferente comportamiento
Ejemplo. cul es la incidencia de tuberculosis pulmonar en los distritos de la Esperanza , Porvenir y Florencia de Mora, de la provincia de Trujillo en el presente ao?.
-Diseo Correlacional.
OX
Donde:
M OY OZ M: representa la muestra OX, OY, Oz: observaciones
Este tipo de diseo se utiliza cuando se quiere comparar que relacin tienen diferentes variables que se pueden obtener de una misma muestra. Ejemplo. qu relacin existe entre la temperatura, oxigeno disuelto y turbidez de la laguna Sausacocha?.
- Diseo Longitudinal.
T1 M O1 O2 03 T2 T3
-Diseo Ex Posfacto
Son aquellos que se utilizan para determinar las relaciones entre variables tal y conforme se presentan en la realidad, sin intervencin del investigador
Ejemplo. De que manera influir la crisis econmica y la falta de empleo en la desercin estudiantil a nivel secundario en los prximos cinco aos en el Per?.
Pueden presentarse
- Diseos experimentales puros: Son aquellos que renen los dos requisitos
para lograr el control y validez interna Grupos de comparacin, cuando menos, uno experimental y otro de control Grupos equivalentes en sus caractersticas relevantes, no solo internas, sino tambin en las circunstancias ambientales (horas y lapsos de aplicacin de los estmulos, de las mediciones, etc) Existe Pre-Post Test y los grupos control y experimental son escogidos al azar. Se pueden presentar como Donde: 1. Grupos en paralelo A y B: son muestras que se aplica diferente estimulo y se hace un E1 A A Pre y Post-test. B E2 B
2. Diseo clsico
A E B A Donde: A y B son muestras una con y otra sin estimulo
Ejemplo. cul es el efecto que tiene la dieta rica en protenas sobre la fecundidad en mujeres de 24 a 26 aos
B. RECOLECCION DE DATOS
Como consecuencia de la aplicacin del modelo lgico y experimental (observacin o la experimentacin), se obtienen datos, los cuales resumidos y analizados, van a permitir confirmar o refutar una hiptesis. La recoleccin de los datos es una etapa importante, en la ejecucin de un trabajo de investigacin. Si la recoleccin de estos datos es hecha inadecuadamente, las generalizaciones consecuentes sern errneas y el trabajo cientfico ser intil
Los estudiantes universitarios Las pozas de cultivo de truchas Los ingenieros mineros del mundo
Varianza: Es una medida del grado de dispersin de los valores de las variables
en relacin a la media aritmtica.
B.3. Muestra
Universo Muestra: Aqu se realiza las observaciones para obtener datos, que son puntos de partida para las generalizaciones. Testigo: Muestra obtenida del mismo universo, para obtener iguales datos empricos en condiciones iguales y estmulos diferentes a la muestra, con el objeto de compararlos entre si como un control
B.3.1. Razones para el uso de las muestras 1. Ahorro de tiempo y dinero 2. Permite realizar mejor el trabajo 3. Evita perdidas innecesarias 4. Los errores se controlan mejor.
B.3.2. Limitaciones del muestreo 1. En casos de reas pequeas el muestreo resulta tan caro como un censo completo. 2. Cuando se necesitan datos a intervalos regulares de tiempo y es posible medir cambios muy pequeos entre periodos , la muestra tiene que ser muy grande para observar estos cambios. B.3.3. Criterios de aceptacin de un mtodo de muestreo
1.
Un buen mtodo de muestreo nos puede dar datos confiables en forma eficaz y econmica 2. Cualquier conjunto de elementos procedentes de una poblacin, no es una muestra simplemente por que proceden de una poblacin. 3. Para que una muestra sea aceptable, debe ser representativa de la poblacin y adecuada al universo del cual procede, solo as se asegurara la validez y y la confiabilidad de las generaciones. Igualmente debe ser homognea.
a.
Representatividad de la muestra. Se dice que una muestra es representativa cuando sus componentes han sido escogidos sin tendencias y con la misma probabilidad de que cualquier elemento del universo pueda ser incluido en la muestra. Para asegurar la representatividad de una muestran se usan varias tcnicas de muestreo. Se tienen que tener en cuenta que existen otros tipos de muestreo que no necesariamente sus elementos son representativos de la poblacin. Se presentan dos grandes tipos de muestreo.
a.1. Muestreo probabilstico. Aquel en todos los elementos de la poblacin tienen la probabilidad de ser elegidos. En este muestreo se puede medir el tamao del error en nuestras predicciones. Para un muestreo probabilstico necesitamos dos cosas: Determinar el tamao de la muestra y seleccionar los elementos mustrales de forma aleatoria. Pueden ser: Muestreo al azar simple, Muestreo al azar sistemtico, Muestreo al azar estratificado, Muestreo al azar de conglomerados, Muestreo al azar en etapas sucesivas, Muestreo con diseos experimentales.
a.2. Muestreo No Probabilstico: En este muestreo la seleccin es informal y un poco arbitraria. Es decir la seleccin de los sujetos no dependen de que todos tengan la misma probabilidad de ser elegidos, sino al criterio del investigador. Los resultados son generalizados a la muestra en o no muestras similares pero no a una poblacin. Pueden ser: Muestreo intencional o selectivo, muestreo por cuotas, Muestreo accidental, Muestreo por expertos y Muestreo por sujetos tipo.
c. Adecuacin de la muestra:
Se presentan dos situaciones: Cuando las poblaciones requieren promedios y Cuando requieren proporciones.
B.4.5. Comparacin entre cuestionario y entrevista: El cuestionario recoge informacin esencial, mientras que la entrevista es mas rica y variada; en la entrevista, el entrevistador con su accin puede variar o influir en las respuestas de los sujetos, distorsionando la informacin, esto no ocurre en en el cuestionario; el cuestionario es mas extenso y costoso que la entrevista B.4.6. Anlisis de Contenido: Es una tcnica de investigacin para hacer inferencias validas y confiables los datos con respecto a su contexto. Puede ser aplicado a cualquier forma de comunicacin (programas televisivos o radiofnicos, artculos de prensa, poemas , conversaciones etc) B.4.7. Evaluacin: Es la medicin del desempeo, habilidades, potencialidades, aptitudes de la personalidad, cuyo proceso ha sido sometido a previos anlisis estadstico para la verificacin de sus niveles de valides y confiabilidad. Estas tcnicas pueden ser: Test o pruebas, las escalas o inventarios. B.4.8. Instrumentos: Son los medios auxiliares para recoger y registrar los datos obtenidos a travs de la tcnica de recoleccin de datos
Todo ello fundado en premisas referentes al: a. Universo en estudio b. Carcter de la muestra c. Diseo de la experiencia d. Naturaleza de las mediciones realizadas
Por ello el investigador puede elegir entre los mltiples modelos contenidos en la estadstica descriptiva y estadstica inferencial C.1.1.Estadstica descriptiva: Se utiliza para problemas de identificacin (problemas descriptivos), permite reducir, resumir y describir los datos cuantitativos obtenidos a partir de la medicin de observaciones empricas Dentro de estos modelos tenemos:
a. b. c.
Distribucin de frecuencia: Histogramas y polgonos de frecuencia Modelos de tendencia central: Media, mediana y moda Modelos de dispersin: Rango, desviacin estndar, varianza y coeficiente de variacin d. Otras estadsticas descriptivas de utilidad son: La asimetra y la curtosis
C.1.2. Estadstica inferencial: Se utiliza para problemas de explicacin, que implica generalizaciones de la muestra a la poblacin y comprobacin de una hiptesis y estimar parmetros. Adems se basa en el concepto de distribucin normal.
D. INFERENCIA CIENTIFICA
D.1. Definicin Es el proceso lgico que permite pasar de un conjunto de proposiciones originadas en la observacin cientfica (antecedentes) a otro conjunto de proposiciones (consecuentes) que son las conclusiones Como consecuencia de la observacin y experimentacin, se obtienen datos que deben ser analizados, clasificados y resumidos para ver su vinculacin con la hiptesis y la teora Si los hechos concuerda con la hiptesis esta ser aceptado y se habr logrado un nuevo conocimiento. Caso contrario ser rechazado y se tendr que proponer una nueva hiptesis Cuando la hiptesis concuerda con los hechos, el investigador se esfuerza para ubicar el lugar y el papel que desempea en el contexto del conocimiento cientfico
D.2. Interpretacin de los resultados La interpretacin de los resultados es un aspecto trascendente de la investigacin, es el momento de analizar racionalmente los resultados y encontrar las relaciones que se buscan Luego de clasificar y ordenar los datos, la interpretacin toma los resultados del anlisis- hace inferencias- y extrae conclusiones acerca de esas relaciones D.3. Incorporacin de los resultados a la teora Una hiptesis confirmada debe guardar coherencia y armona con leyes, teoras, principios disponibles, de ellos puede surgir nuevos problemas y provocar un avance multiplicador en el desarrollo del conocimiento
Por ello, la ciencia se orienta hacia la elaboracin de teoras, pues con ellas alcanza mayor cohesin en su contenido. Es a travs de la teora que la ciencia trata de lograr una visin mas amplia de las cosas que investiga
Marco Terico 9
Realidad Emprica 1
Realidad Contrastacin Delimitacin Problema Hiptesis .Problemtica y seleccin de hiptesis 11 2 4 12 del problema 3 Modelo lgico y experimental Estado Determinacin Recoleccin de del arte de las variables datos Anlisis 8 10 estadstico Inferencia cientfica