Metodología de la Investigación II Tipos de DISEÑO Investigación Exprimental: exprimentos puros (enfoque Cuantitat.) preexperimentos cuasiexperimentos.

Presentación del tema: "Metodología de la Investigación II Tipos de DISEÑO Investigación Exprimental: exprimentos puros (enfoque Cuantitat.) preexperimentos cuasiexperimentos."— Transcripción de la presentación:

1 Metodología de la Investigación II Tipos de DISEÑO Investigación Exprimental: exprimentos puros (enfoque Cuantitat.) preexperimentos cuasiexperimentos Investigación NO Experimental: transeccional (Ambos enfoques) longitudinal

2 1° Requisito – Exp. PURO: manipulación intencional de la variable independiente Var. Independiente: se la considera la CAUSA en una relación entre variables. Var. Dependiente: EFECTO provocado por esa CAUSA. NIVELES de manipulación: Presencia- Ausencia: se expone un grupo a la presencia de la var. Independiente (“tratamiento experimental o estímulo experimental) y al otro no (“grupo de control”). Más de 2 grados: se manipula a la variable independiente en “cantidades o grados” Modalidad de manipulación en lugar de grados: se expone a los grupos experimentales a diferentes modalidades, sin implicar cantidad. Ejemplo: retroalimentación.

3 2° Requisito – Exp. PURO: MEDIR el efecto que la variable independiente tiene en la variable dependiente. Se miden a través de cuestionarios, observación, entrevistas, etc. 3° Requisito – Exp. PURO: CONTROL o validez interna de la situación experimental. CONTROL  saber que está ocurriendo realmenye con la relación entre las variables. Fuentes de INVALIDACIÓN INTERNA: fuentes que ATENTAN contra la validez interna de un experimento. VALIDEZ INTERNA  cuánta confianza tenemos en los resultados  calidad del experimento

4 ¿Cómo se logra el CONTROL de la validez interna? Varios grupos de control ( al menos 2) Equivalencia de los grupos en todo  Equivalencia inicial: equivalentes al momento de iniciar el experimento  Equivalencia durante el experimento: deben mantenerse similares durante el experimento (personas con las que tratan, ligar, clima, etc) Equivalencia INICIAL: Asignación al azar: nos asegura probabilísticamente que los 2 grupos son equivalentes. Emparejamiento: igualar a los grupos en relación con alguna variable específica

5 EMPAREJAMIENTO: 1° Paso: elegir la variable de acuerdo a algún citerio teórico. 2° paso: obtener una medición de la variable elegida para emparejar a los grupos. 3° Paso: ordenar a los sujetos en la variable sobre la cual se va a efectuar el emparejamiento. 4° Paso: formar parejas de sujetos según la variable de emparejamiento

6 Simbología de los Diseños Experimentales R Asignación al azar. Los sujetos han sido asignados a un grupo de manera aleatoria. G Grupo de sujetos (G 1 : grupo 1; G 2 : grupo 2; etc) X Tratamiento, estímulo o condición experimental 0 Medición a los sujetos del grupo. Si aparece ANTES del estímulo: preprueba (previa al tratamiento); DESPUÉS: posprueba (posterior al tratamiento) -- Ausencia del estímulo (grupo de control) Secuencia horizontal ( tiempos distintos): RG 1 0 X 0 ( asignación al azar del grupo, se aplica medición previa, se administra estímulo, se aplica medición posterior) Secuencia vertical (tiene lugar en el mismo momento) RG 1 X 0 RG 2 -- 0

7 PREEXPERIMENTOS Su grado de control es mínimo a)Estudio del caso con una sola medición: G X 0 … Se administra un estímulo, se aplica medición, se observa nivel del grupo b) Diseño de preprueba – posprueba con un solo grupo: G 0 1 X 0 2 … a un grupo se le aplica prueba previa al estímulo, se aplica tratamiento, se aplica prueba posterior Estos diseños se muestran vulnerables en cuanto a la posibilidad de control y validez interna  Deben usarse como ENSAYOS de otros experimentos con mayor control

8 CUASIEXPERIMENTOS Estos diseños también manipulan deliberadamente, al menos una variable independiente para observar su efecto y relación con una o más variables dependientes, difieren en los experiemntos “verdaderos” en el grado de seguridad o confiabilidad que pueda tenerse sobre la equivalencia inicial de los grupos

9 VALIDEZ EXTERNA Un experimento debe buscar ante todo validez interna (confianza en los resultados) pero también debe buscar validez externa (que tan generalizables son los resultados de un experimento a otros sujetos o poblaciones)

10 DISEÑOS NO EXPERIMENTALES Investigación que se realiza SIN MANIPULAR deliberadamente las variables. Observan fenómenos TAL Y COMO SE DAN en su contexto natural para después analizarlos. NO EXISTEN condiciones o estímulos a los que se expongan los sujetos. Experimento  se construye una realidad No experimento  se observan situaciones ya existentes, no provocadas por el investigador.

11 * Transeccional o Transversal -- Recolectan datos en un solo momento, en un único tiempo -- Propósito: describir variables y analizar su incidencia e interrelación. -- Puede abarcar varios grupos o subgrupo de personas. a)Exploratorios: -Comenzar a CONOCER una comunidad, evento o variable. -Exploración inicial en un momento dado. -Aplicable a problemas nuevos o poco conocidos b)Descriptivos: -Indagar incidencia y valores en que se manifiesta una o más variables (enfoque cuantitativo) -Ubicar, categorizar y proporcionar una visión de comunidad DISEÑOS NO EXPERIMENTALES

12 c) Correlacionales – Causales -Describen relaciones entre 2 o más categorías, conceptos o variables en un determinado momento. -Lo que se mide – analiza (cuantitativo) o evalúa – analiza (cualitativo) es la asociación entre categorías, conceptos, objetos o variables en un determinado tiempo. LONGITUDINAL -- Analiza cambios a través del tiempo en determinadas categorías o relaciones entre éstas. a)Tendencia: Analiza cambios en el tiempo en una población en general. b)De evolución de grupo. Analiza cambios en el tiempo en subpoblaciones o grupos específicos. Atención en grupos de individuos vinculados de alguna manera. c) Panel: Similar a las anteriores pero se observa el mismo sub grupo

13 UNIDAD 2 : Selección de la muestra ¿Sobre qué o quiénes se recolectarán datos? El interés se centra en “qué” o “quiénes”, es decir, sujetos, objetos, sucesos, eventos o contexto de estudio. Ejemplo: describir uso de la televisión por los niños. --- interrogar grupos de niños o también --- entrevistar mamás La elección entre uno, el otro o ambos depende no sólo del objetivo sino del diseño de investigación.

14 Para seleccionar MUESTRA primero hay que definir UNIDAD de ANÁLISIS (personas, organizaciones, comunidades, situaciones, eventos) El sobre qué o quiénes se va a recolectar datos depende del enfoque elegido (cuanti, cuali, mixto), del planteamientos del problema a investigar y de los alcances del estudio Ejemplo: En un estudio sobre el SIDA, la unidad de análisis fueron los receptores directos de sangre o derivados contaminados con VIH que sobreviven y los contactos de receptores directos (cónyuge e hijos nacidos durante 1984 – 1987) tanto si sobreviven como no.

15 Tanto para enfoques Cualitativos como Cualitativos se recolectan datos de una muestra. Enfoque CUANTI: MUESTRA es un subgrupo o población de interés y tiene que ser representativo. Debe lograr generalizarse o extrapolarse a la población y ser estadísticamente representativa. Enfoque CUALI: MUESTRA es una “unidad de análisis” o un “grupo” de personas, contextos, eventos, sucesos, comunidades de análisis sobre los que se recolecta datos sin la necesidad de que sea representativo. A veces la muestra no se determina hasta que no se hace una inmersión en el campo, puede variar conforme transcurre el tiempo.

16 Ejemplo: si decido analizar la comunidad médico- paciente de enfermos terminales de SIDA bajo la perspectiva cualitativa, después de una inmersión inicial (observar actos de comunicación médico-paciente, charlas informales con pacientes y médicos, vivir en el pabellón, etc) podría darme cuenta que dicha relación está mediatizada por el personal no médico (enfermeras, auxiliares, personal de limpieza) entonces debo ARREGLAR la muestra. Investigación CUALITATIVA requiere de una MUESTRA más flexible

17 ¿Cómo se delimita una población? Primero decidir si nos interesa delimitar la población. -- Por lo general en enfoques CUALITATIVOS la población o el universo NO se delimitan a priori -- En enfoques CUANTITATIVOS casi siempre sí. Población: conjunto de todos los casos que concuerdan con una serie de especificaciones (Selltiz, 1980) Definir con claridad la población para delimitar “parámetros muestrales” -- En enfoques MIXTOS ello depende de la situación de investigación.

18 Ejemplo: Uso de la televisión por los niños Unidad de análisis  niños Pero: ¿de qué población se trata? ¿de todos los niños del mundo? ¿de todos los niños de un determinados país? La población se delimita como: “Todos los niños del área metropolitana, que cursen 4°, 5° y 6° año de primaria en escuelas privadas y públicas del turno matutino” La calidad de un trabajo estriba en DELIMITAR claramente la población con BASE en los OBJETIVOS del estudio

19 ¿Cómo seleccionar la muestra bajo un enfoque CUANTITATIVO? MUESTRA: es un subgrupo de la población, es un subconjunto de elementos que pertenecen a ese conjunto definido en sus características al que llamamos población. Suele hablarse de: muestra representativa, muestra al azar, muestra aleatoria. “Todas las muestras bajo el enfoque CUANTITATIVO DEBEN ser representativas”. “Al azar” y “Aleatorio” denotan un TIPO de procedimiento mecánico relacionados con la probabilidad y con la SELECCIÓN de elementos, pero no aclara tipo de muestra o procedimiento de muestreo.

20 Tipos de Muestra * Muestra NO Probabilística: la elección de los elementos no depende de la probabilidad, sino de las causas relacionadas con la característica de la investigación o de quien hace la muestra. Procedimiento: no mecánico, no fórmulas de probabilidad, depende de toma de decisión del investigador. *Muestra Probabilística: todos los elementos de la población tienen la misma probabilidad de ser elegidos. Se obtiene definiendo las características de la población, el tamaño de la muestra y a través de selección aleatoria o mecánica de las unidades de análisis.

21 Ejemplo 1: Muestra Probabilística Se realiza una investigación para saber cuántos niños han sido vacunados y cuántos no, y las variables asociadas (nivel socioeconómico, lugar donde viven, educación) con esta conducta y sus motivaciones. Se hizo una muestra probabilística nacional de 1600 personas y de los datos se tomaron decisiones para formular estrategias de vacunación, así como mensajes dirigidos para persuadir la pronta y oportuna vacunación de los niños. Nota: Investigación por encuestas, a través de muestra probabilística, diseñada para que los datos lleguen a ser generalizados a la población con una estimación precisa del error que pudiera cometerse al realizar tales generalizaciones

22 Ejemplo 2: Muestra NO Probabilística Se diseñó un experimento para medir si los contenidos violentos de la televisión generan conductas antisociales en los niños. Para lograr tal objetivo se seleccionó en un colegio de 60 niños de 5 años de edad, de igual nivel socioeconómico e igual nivel intelectual, y se asignaron aleatoriamente a dos grupos o condiciones. 30 niños verán caricaturas prosociales y otros 30 verán caricaturas muy violentas. Inmediatamente después de la exposición a dichos contenidos violentos, los niños serán observados en un contexto de grupo y se medirán sus conductas violentas o prosociales. Nota: Aunque se asignan los niños de manera aleatoria a las 2 condiciones experimentales, para generalizar a la población se necesitarían repetidos experimentos. Es valioso porque el nivel causa-efecto es más preciso al aislar otras características pero no podemos generalizar a todos los niños. Es una muestra dirigida. Selección de la muestra no al azar pero la asignación de los niños a los grupos si.

23 Muestra probabilística en enfoque CUANTITATIVO Muestra Probabilística Ventaja: Puede medirse el tamaño del error en nuestras predicciones. El principal objetivo en el diseño de una muestra probabilística es “reducir al mínimo” este error, al que se le llama “error estándar” (Kish, 1995). Las muestras Prob. Son esenciales en los diseños de investigación transeccionales cuantitativos (por encuestas), donde se hacen estimaciones de variables en la población.  Variables se miden con instrumentos  Los datos se analizan con pruebas estadísticas  Todos los elementos de la población tienen la misma probabilidad de ser elegidos.  Elementos muestrales tendrán valores “parecidos” a los de la población.  Estimaciones en el subconjunto nos darán estimados precisos en el conjunto mayor.

24 Para hacer muestra probabilística: N Población: es un conjunto de elementos n Muestra: es un subconjunto de la población. Interesa conocer VALORES PROMEDIOS Igual al valor de una variable determinada V Es la varianza de la población con respecto a determinadas variables (cto se apartan de los valores medios) Los valores de la población no se conocen  seleccionamos muestra y mediante estimados en la muestra, inferimos los datos en la población Será el valor de

25 se = desviación estándar de la distribución muestral y representa la fluctuaciones de (y promedio) (se) 2 = error estándar al cuadrado. Con esto calculamos varianza. s 2 = varianza de la muestra, la cual podrá determinarse en términos de probabilidad s 2 = p (1-p) ; p: probabilidad. Para una muestra probabilística necesitamos: Determinar tamaño de muestra n Seleccionar elementos muestrales con la misma probabilidad de ser elegidos. Necesitamos, marco de selección y procedimiento que permita aleatoriedad.

26 El Tamaño de la Muestra Cuando hacemos una muestra probabilística (en enfoque cuantitativo) debemos preguntarnos. ¿Cuál es el menor número de unidades muestrales (personas, organizaciones, etc) que necesito para conformar una muestra (n) que me asegure un error estándar menor de 0.01?. La respuesta a esta pregunta busca encontrar la probabilidad de ocurrencia de y que mi estimado de se acerque a, el valor real de mi población Para una determinada varianza (V) de y ¿qué tan grande debe ser mi muestra?

27 n’ = s 2 /V 2 = var. De la muestra/ var. De la población Tamaño provisional de la muestra (se corrige después con otros datos ajustándose si se conoce el tamaño de la población) n = n’ / (1 + n’ /N) Ejemplo: Se hace un estudio sobre directores generales considerando a todos aquellos directores generales de empresas industriales y comerciales que, en 1983, tienen un capital social superior a $30 millones, con ventas superiores a los $100 millones o con más de 300 personas empleadas. Con estas características se encontró una población de N= 1176 directores generales.

28 ¿Cuál es el número de directores generales n que se debe entrevistar, para tener un error estándar menor al 0.015? N: tamaño de la población de 1176 empresas : valor promedio de una variable = 1, un director general por empresa se = error estándar = 0.015 determinado por nosotros V 2 = varianza de la población s 2 = varianza de la muestra expresada como la probabilidad de ocurrencia n’ = tamaño de la muestra sin ajustar n = tamaño de la muestra

29 Sustituimos los valores (página 12) Obtenemos n =298 Es decir, para la investigación planteada se necesita una muestra de 298 directores generales. Muestra Probabilística Estratificada Siguiendo con el ejemplo anterior supongamos que necesitamos estratificar la muestra (n) con la finalidad de que los elementos muestrales o las unidades de análisis posean un determinado atributo. Es necesario diseñar una muestra probabilística estratificada cuando no basta que cada uno de los elementos muestrales tengan la misma probabilidad de ser escogidos sino que también es necesario tener en cuenta ciertas categorías o estratos de la muestra.

30 La estratificación aumenta la precisión de la muestra e implica el uso deliberado de diferentes tamaños de muestra para cada estrato, “a fin de lograr reducir la varianza de cada unidad de la medida muestral” (Kish, 1995). Kish afirma que, en un número determinado de elementos muestrales n =∑ nh, la varianza de la muestra media puede reducirse al mínimo, si el tamaño de la muestra para cada estrato es proporcional a la desviación estándar dentro del estrato. Esto es ∑ fh = n/N = ksh ; en donde la muestra n será igual a la suma de los elementos muestrales nh.

31 El tamaño de n y la varianza de pueden minimizarse, si calculamos “submuestras” proporcionales a la desviación estándar de cada estrato. fh = nh / Nh = ksh nh : muestra del estrato Nh : población del estrato sh : desviación estándar de cada elemento en un determinado estrato. Entonces Ksh = n / N En nuestro ejemplo: N = 1176, n = 298 Ksh = n / N = 298 / 1176 = 0.2534 Toda la subpoblación se multiplicará por esta fracción constante para obtener la muestra para el estrato

32

33 Muestreo Probabilístico por Racimos En este tipo de muestreo se reducen costos, tiempos y energía, al considerar que muchas veces las unidades de análisis se encuentran encapsuladas o encerradas en determinados lugares físicos o geográficos, a los que se les denomina RACIMOS. Ejemplo Unidad de Análisis Posibles racimos Adolescentes Secundarios Obreros Industrias Amas de casa Mercados

34 Muestrear por racimos implica diferenciar entre la unidad de análisis y la unidad muestral. Unidad de análisis: quienes van a ser medidos (sujetos a quienes vamos a aplicar el instrumento de medición) Unidad muestral: racimo a través del cual se logra el acceso a la unidad de análisis. Muestrear por racimos  2 etapas:  Seleccionar racimos siguiendo los pasos e una muestra probabilística simple o estratificada.  Dentro de los racimos se seleccionan a los sujetos u objetos que van a medirse. Ejercicio: Lea el ejemplo de la página 251 de Sampieri, 2006,4° Edición.

35 Procedimiento de selección de la muestra en el enfoque Cuantitativo Los tipos de muestra depende del tamaño de la muestra y del procedimiento de selección. Las unidades de análisis o los elementos muestrales se eligen siempre aleatoriamente para asegurarnos que cada elemento tenga la misma probabilidad de ser elegido 3 procedimientos: Tómbola: Consiste en numerar todos los elementos muestrales del 1 a n. Hacer fichas y elegir de a una. Números ramdom o aleatorios: implica utilizar un cuadro de números que implica un mecanismo de probabilidad muy bien diseñado

36 Ejemplo: Si tenemos una población de 270, se escogen en la tabla los 3 últimos dígitos y se seleccionan los casos Selección sistemática de elementos muestrales: Muy útil y fácil de aplicar e implica seleccionar dentro de una población N un número n de elementos a partir de un intervalo k, de Manera que k = N / n

37 Muestras NO PROBABILÍSTICAS También llamadas “muestras dirigidas” suponen un procedimiento de selección informal. A partir de ellas se hacen inferencias sobre la población. En el caso del enfoque cuantitativo, la muestra dirigida selecciona objetos “típicos” con la vaga esperanza de que serán casos representativos de una población determinada. Para fines deductivos – cuantitativos las muestras dirigidas implican desventajas: 1°) Al no ser probabilística, no se puede calcular con precisión el error estándar. 2°) Los datos no pueden generalizarse en una población. 3°) La elección de los sujetos depende de la decisión del investigador o del grupo investigador

38 Para el enfoque CUALITATIVO al no interesar tanto la posibilidad de generalizar los resultados, estas muestras son de gran valor pues logran obtener los casos que interesan al investigador ofreciendo gran riqueza para la recolección y el análisis de los datos. Las muestras dirigidas son: De sujetos voluntarios: se usa en estudios de laboratorio donde se procura que los sujetos sean homogéneos (en edad, sexo, inteligencia, etc) para que los resultados no obedezcan a diferencias individuales sino a las condiciones a las cuales fueron sometidos. De expertos: cuando es necesaria la opinión de expertos en ciertos temas, son frecuentes en estudios cualitativos y exploratorios. Los sujeto – tipo: se utilizan en estudios exploratorios y en cualitativos donde el objetivo es la riqueza, profundidad y calidad de la información. Por cuotas: se utiliza en estudios de opinión y de mercadotecnia. Los encuestadores reciben instrucciones de administrar cuestionarios con sujetos en la calle, y al hacerlo van conformando o llenando cuotas de acuerdo con la proporción de ciertas variables demográficas en la población.

39 Muestras Cualitativas Miles y Huberman (1994) dan pie a otras muestras no probabilísticas que suelen utilizarse en estudios cualitativos

40

41 Estudios de casos El estudio de casos no es una elección del método, sino del “objeto” o la muestra que se va a estudiar. El caso es la unidad básica de la investigación y puede tratarse de una persona, una pareja, una familia, un objeto. Un sistema (fiscal, educativo, terapéutico, de capacitación, de trabajo social) Una organización (hospital, fábrica, escuela) Una comunidad, un municipio, un departamento o estado, una nación.

42 El estudio de caso es tanto de : Corte cuantitativo (medir presión arterial, ritmos cardíaco) Corte cualitativo (percepciones abiertas sobre el propio estado de salud, la manera como se siente uno) Corte mixto (cualitativo – cuantitativo) Se realiza bajo cualquier diseño Experimental: por ejemplo: para saber si determinado medicamento mejora el estado de la salud y nuestra propia percepción de éste. No experimental transeccional: un diagnóstico hoy. Longitudinal: varios diagnósticos mensuales durante un año.

43 Stake (2000) identifica 3 tipos de estudio de caso: Intrínsecos: el propósito no es construir una teoría, sino que el caso mismo resulte de interés. Instrumentales: se examinan para proveer de insumos de conocimiento a algún tema o problema de investigador, refinar una teoría o aprender a trabajar con otros casos similares. Colectivos: sirven para ir construyendo un cuerpo teórico (sumando hallazgo, encontrando elementos comunes y diferencias, y acumulando información). El estudio de caso es útil para asesorar y desarrollar procesos de investigación en personas, familias, organizaciones, países, etc y desarrollan recomendaciones o cursos de acción a seguir. Requieren de descripciones detalladas del caso en si mismo y su contexto.

44 Los principales pasos en este tipo de muestra son: