Medición y diseño 2017 El objeto de estudio

Proceso de investigación Fase 1: Idea Fase 2: Planteamiento del problema Fase 3: Revisión de la literatura / marco teórico Fase 4: Visualización del alcance del estudio Fase 5: Formulación de hipótesis y definición de variables Fase 10: Elaboración del reporte de resultados Fase 9: Análisis de los datos Fase 8: Recolección de los datos Fase 7: Definición y selección de la muestra Fase 6: Elección del Diseño / Método de investigación

¿Qué tenemos hasta ahora? Problema de investigación (incluye objetivos, preguntas, antecedentes, justificación) Teoría (argumento) Hipótesis que relaciona variables.

Del argumento al análisis Argument (hypothesis, model, proposition, thesis) What are you claiming? 2. Analysis (appraisal, assessment, corroboration, demonstration, empirics, evaluation, methods, proof, testing, verification) How do we know it is true? 3. La distinción “no es clara y evidente” porque “las tareas se entremezclan” … “pero es escencial distinguir entre las propiedades formales de un argumento y los métodos por medio de los que se puede valorar ese argumento.” (95)

Fases del análisis 1) DISEÑO DE INVESTIGACIÓN (selección y organización de la evidencia). 2) ANÁLISIS DE DATOS. (El diseño triunfa sobre el análisis. Si metes basura, sacas basura) El análisis estadístico está orientado a corregir problemas de los datos. No se puede reparar un diseño débil con un análisis de datos fuerte. DISEÑO MATA ANÁLISIS.

El mundo real POBLACIÓN. (Universo de fenómenos que una hipótesis pretende describir o explicar.) MUESTRA. (Evidencia que se someterá a un examen directo.) UNIDADES (limitada espacialmente) O CASOS (limitados temporalmente). (Entidades limitadas que pueden ser observadas en el espacio o en el tiempo.) OBSERVACIONES (piezas de evidencia relevantes para una proposición descriptiva o causal.)

La matriz de datos

Ejemplos de matriz de datos

Criterios del diseño de investigación EXACTITUD. Precisión, validez, incertidumbre. VALIDEZ INTERNA Y EXTERNA (Generalización). MUESTREO (selección de casos/unidades). Representatividad (determinístico/ probabilístico -validez externa) Tamaño (N, cuanto mayor mejor) Nivel de análisis (inferencia ecológica) ACUMULACIÓN (la investigación es parte de un proceso colectivo). Estandarización, replicabilidad y transparencia) AJUSTE TEÓRICO (conexión y relevancia de la data para la teoría).

Precisión vs. exactitud