SlideShare una empresa de Scribd logo
1 de 42
Integrantes:
- Armas López Víctor
- Ballena Uceda Juan Pablo
- Chong Quispe Ernesto
- Chirinos Alvarado Sheila
- Díaz Flores Martin
- Salvador Zevallos marco Junior
OPERACIONALIZACIÓN
Transformación de una variable teórica en variable
empírica directamente observables, con la finalidad
de poder medirlas.
OPERACIONALIZAR
Significa, identificar:
- ¿Cuál es la variable?
- ¿Cuáles son sus
dimensiones?
- ¿Cuáles los indicadores?
- Índice
DIMENSIONES
Son todas las facetas que nos permiten describir adecuadamente una variable
compleja.
Dimensiones de INTELIGENCIA,
ejemplo:
- Inteligencia Verbal
- Inteligencia Manual
- Inteligencia Social
Nos acercan más al plano
empírico, a lo observable.
Permite concretizar una
variable que antes solo había
sido definida teóricamente.
Especificar las dimensiones de una variable es dar una definición real de la misma.
CATEGORÍA DIMENSIÓN
Una categoría es una especie de casillero, donde
podemos ubicar a un sujeto: “Clase media” es una
categoría de la variable clases social porque no puedo
encasillar allí a un sujeto según ciertas características que
observé en él, características que surgen de las
dimensiones.
Todo sujeto es ubicable en una
determinada categoría pero
contiene todas las dimensiones,
pues cualquier sujeto tiene un
cierto ingreso, una cierta
educación formal, etc.
Se identifican mediante INSTRUMENTOS MECÁNICOS, se miden de manera directa.
OBJETIVA (FÍSICA)
DIMENSIONES DE UNA VARIABLE
UNIDIMENSIONAL
(Tiene un indicador directo)
Ejemplos: peso, talla, temperatura
MULTIDIMENSIONAL
(Compuesto de varios indicadores)
Ejemplos: IMC(requiere peso y talla)
SUBJETIVA (LÓGICA)
Se identifican mediante INSTRUMENTOS DOCUMENTALES, no se miden de manera
directa sino por dimensiones.
Ejemplos: inteligencia, motivación, creatividad, actitud, etc.
UNIDIMENSIONAL
(Tiene un solo indicador)
Ejemplos: dolor (Escala Visual Análoga)
MULTIDIMENSIONAL
(Compuesto de varios indicadores)
Ejemplos: Calidad de atención (Capacidad
de respuesta, seguridad)
Indicadores
Las dimensiones nos permiten acercarnos un poco
más al plano empírico.
Así como cuando dábamos una definición teórica
el profano no entendía de qué hablábamos, con el
mismo derecho cuando ahora le especificamos
dimensiones puede decirnos que eso de
“inteligencia verbal” es aún algo genérico y vago,
con lo cual nos vemos obligados a descender aún
más al nivel empírico, o sea, a partir de las
dimensiones buscaremos indicadores.
Estos nos indican qué cosas concretas y palpables
debe realizar un sujeto para poder decir si tiene o
no inteligencia verbal, manual o social, y en qué
medida.
Así entonces, un indicador es una propiedad manifiesta gracias a la cual
podemos medir directamente una propiedad latente que nos interesa (la
variable teórica). La aptitud para armar rompecabezas es una característica
manifiesta que me permite medir la inteligencia, que es una característica
latente.
Así entonces, un indicador es una propiedad manifiesta gracias a la cual podemos medir
directamente una propiedad latente que nos interesa (la variable teórica). La aptitud para armar
rompecabezas es una característica manifiesta que me permite medir la inteligencia, que es una
característica latente.
Una vez construido el test y previstas las distintas posibilidades de cada ítem, podemos
ahora administrarlo a un sujeto determinado. Una vez que éste respondió las preguntas o
hizo las pruebas correspondientes ya estamos en posesión de los primeros datos, ya que
el individuo quedó ubicado en alguna de las alternativas posibles.
Ejemplos de datos son “Juancito contestó que sí a la pregunta número 15”, o “Pedrito
cumplió sólo regularmente la prueba del rompecabezas”, o “Fulanito se sacó 6 en la
prueba de encontrar absurdos”.
INDICE
El índice será la cifra que razonablemente represente a los 20 o 30 datos
obtenidos
IMAGEN INICIAL
DIMENSIONES
INDICADORES
FORMACION DE INDICES
INDICE
OPERACIONALIZACION EJEMPLO
EJEMPLO
GRADO DE SATISFACCION CON LA CARRERA
EJEMPLO
GRADO DE SATISFACCION CON LA CARRERA
EJEMPLO
EJEMPLO
ORGANIZACIÓN DE
LOS DATOS
ORGANIZACIÓN DE LOS DATOS
 Una vez que hemos recolectado los datos, en lugar
de tener la información volcada en decenas de hojas,
tengamos solo una con la información organizada y
resumida de una forma clara.
ORGANIZACIÓN DE LOS DATOS –
Matriz de Datos
 En la siguiente matriz de datos se muestra la información de un test de CI aplicado a 85
personas.
ORGANIZACIÓN DE LOS DATOS –
Tabla de Frecuencia
 Una de las informaciones esenciales son las frecuencias, es decir asociar
una cantidad de sujetos en una categoría o valor.
ORGANIZACIÓN DE LOS DATOS –
Tabla de Frecuencias Acumulada
 Otra de las formas para representar las frecuencias, es realizando las
acumulaciones de las categorías predecesoras.
ORGANIZACIÓN DE LOS DATOS -
Continuación
 Las tablas mostradas anteriormente, resumen la información con respecto
a una sola variable. No obstante, lo que realmente interesa al investigador
no es la variable aislada, sino su vínculo con otras variables, por lo que
nuestro interés recaerá ahora sobre las tablas que puedan relacionar
variables entre sí.
 Podemos, entonces, distinguir 3 tipos de tablas:
 Univariadas o de simple entrada (informan sobre una variable).
 Bivariadas o de doble entrada (relacionan dos variables).
 Multivariadas o de múltiple entrada (relacionan 3 o más variables).
ORGANIZACIÓN DE LOS DATOS –
Tabla Univariada vs Tabla Bivariada
 Tabla univariada donde se describe a
una sola variable: Por ejemplo, de un
total de 450 personas evaluadas, 140
tienen un CI inferior a 90.
 Tabla bivariada suministra información de
dos variables: Inteligencia y clase social.
ORGANIZACIÓN DE LOS DATOS –
Tabla Bivariada
 Elementos básicos de una tabla bivariada que podemos distinguir:
 Las dos variables a relacionar.
 Título, como por ejemplo “Inteligencia según clase social en adolescentes de la
Ciudad de Buenos Aires, año 1980”. Como se ve, están aquí especificadas las
coordenadas espacio-temporales (dónde y cuándo) pero también se especifica
cuál es la variable independiente y la dependiente (la expresión “según” nos lo
sugiere).
 Las categorías (o valores) de ambas variables. Por ejemplo de clase social
hemos consignado “alta”, “media” y “baja”. Un cuadro muestra siempre
categorías, pudiendo o no mostrar también dimensiones.
 Las frecuencias.
ORGANIZACIÓN DE LOS DATOS –
Tabla Bivariada - Frecuencias
 Hay distintos tipos de frecuencias:
 Condicionales: Corresponde al entrecruzamiento de dos categorías distintas.
 Marginal: Corresponde a solo una categoría.
 Totales: Es equivalente a la suma de frecuencias marginales, sea de forma
horizontal o vertical, ya que debe ser la misma.
ORGANIZACIÓN DE LOS DATOS –
Tipos de Tablas de Frecuencias
ORGANIZACIÓN DE LOS DATOS –
Tipos de Tablas de Frecuencias
ORGANIZACIÓN DE LOS DATOS –
Otras formas de Presentar los Datos
 La tabulación no es la única forma de resumir y organizar la información.
 Existen otros dos recursos estadísticos, que son la graficación y las
medidas estadísticas descriptivas (tanto de posición como dispersión).
 Ambas se construyen tomando como base una tabla de distribución de
frecuencias como las ya vistas.
ORGANIZACIÓN DE LOS DATOS –
Otras formas de Presentar los Datos
TABLA GRÁFICO MEDIDAS ESTADÍSTICAS
ANALISIS E
INTERPRETACION
DE DATOS
Análisis e Interpretación de Datos
Obtener tablas, gráficos o medidas
estadísticas como las indicadas no son
más que pasos preparatorios para
llegar a la operación central de la
investigación descriptiva: el análisis de
los datos
Análisis e Interpretación de Datos
 Los datos pueden analizarse tanto a partir
de una tabla, como de un gráfico o de las
medidas estadísticas, pero aquí daremos
una idea del modo de hacerlo según una
tabla. Desde este punto de vista, el análisis
de los datos es el momento donde debemos
hacer “hablar” a la tabla para saber qué
nuevo tipo de información nos dará
Interpretación en Tablas
 las cifras de la tabla nos están diciendo que comparativamente
existen muchas personas de clase baja con CI bajo (70 personas) y
muchas de clase alta con CI alto (80 personas). Dr. Antonio Alva Santos
- aalva1959@yahoo.es Decir que 70 y 80 son frecuencias
“comparativamente” altas significa que lo son en comparación con las
otras frecuencias condicionales (y no por ejemplo en comparación con
la frecuencia total, en cuyo caso aparecerían como frecuencias
bajas).
Interpretación en Tablas
 El cuadro también nos está diciendo que hay pocas personas de clase
baja con CI alto (hay 30), y pocas personas de clase alta con CI bajo
(hay 20), donde 20 y 30 son frecuencias también “comparativamente”
bajas. Todos estos exámenes nos están revelando a simple vista que
existe una alta correlación entre ambas variables, pues vemos que a
mayor nivel social le corresponde mayor inteligencia, y a menor nivel,
menor inteligencia.
Búsqueda de Nuevas Relaciones
 Una vez que nos hemos asegurado que no hay
correlación constatable, abandonamos este
último cuadro y continuamos la investigación
examinando nuevas relaciones entre más
variables hasta encontrar correlaciones. Si no las
encontramos no podremos seguir avanzando hacia
la etapa de la investigación explicativa.
Investigación descriptiva
 a) Formulación de una hipótesis.
 b) Identificación de las constantes
y variables en juego.
 c) Categorización de las variables.
 d) Operacionalización de las
variables.
 e) Obtención de los datos hasta
obtener índices.
 f) Categorización de los datos
obtenidos.
 g) Organización de los datos en
tablas, gráficos o medidas
estadísticas.
 h) Análisis de los datos.
Antes de pasar a la investigación explicativa, haremos una somera referencia al
problema de la medición, fundamental en la actividad científica, no sin antes ir
resumiendo los pasos de la investigación descriptiva:
MATRIZ DE CONSISTENCIA
 Es un instrumento de varios cuadros formado por columnas y filas y permite evaluar el grado de
coherencia y conexión lógica entre el título, el problema, los objetivos, las hipótesis, las variables,
el tipo, método, diseño de investigación la población y la muestra de estudio.
 Es un proceso metodológico que consiste en descomponer deductivamente las variables que
componen el problema de investigación, partiendo desde lo más general a lo más específico; es
decir que estas variables se dividen (si son complejas) en dimensiones, áreas, aspectos,
indicadores, índices, subíndices, ítems; mientras si son concretas solamente en indicadores,
índices e ítems.
ESCALA DE MEDICIÓN DE VARIABLES
DISEÑO METODOLÓGICO
 Es la determinación general del tipo de investigación a realizar, los métodos, técnicas y
procedimientos para la medición, análisis e interpretación de los datos.
LAS VARIABLES
 • Son las propiedades, aspectos, cualidades, dimensiones, atributos, etc. De un objeto, tales propiedades, pueden asumir distintos estados o
valores, sea por modificación, aumento o disminución.• Condición de la variable: La oscilación o cambio de una variable debe ser observable y
mensurable. Todo estado o valor asumido por una variable es un DATO o una PROPOSICIÓN.
CLASIFICACION DE LAS VARIABLES
CRITERIOS PARA SELECCIONAR VARIABLES E INDICADORES
 Son consecuencias de la
medición, puede llevarse según
diferentes conjuntos de reglas.
ESCALA DE MEDICIÓN DE VARIABLES
TIPOS DE ESCALAS DE MEDICIÓN
ESCALA NOMINAL ESCALA ORDINAL ESCALA DE
INTERVALO
ESCALA DE RAZÓN
PROPORCIÓN
Implica crear
números
para ordenar las
observaciones de
hechos.
• Se utiliza cuando
los datos
se pueden organizar
en
categorías exclusivas
y
exhaustivas.
Clasifica los objetos
fenómenos en forma
jerárquica.
• Los intervalos entre
los
datos clasificados no
son
necesariamente
iguales.
Ej. Nivel de Salud
Se da cuando la
propiedad
por medir, refleja no
solo el
orden sino la
distancia
constante entre
número y
número y el punto
origen
es un cero
convencional.
Es el nivel más alto
de medición.
Contiene las
características de
escala de intervalo
con la ventaja de
poseer el cero
absoluto lo que
permite
determinar la
proporción conocida
de
dos valores de la
escala
MUCHAS GRACIAS POR SU ATENCION

Más contenido relacionado

La actualidad más candente

9. diseño de la investigación
9. diseño de la investigación9. diseño de la investigación
9. diseño de la investigaciónkrislesp
 
Correlacion de Pearson y Spearman
Correlacion de Pearson y SpearmanCorrelacion de Pearson y Spearman
Correlacion de Pearson y SpearmanMarianyelisMendoza
 
Operacionalización de variables ma sver01
Operacionalización de variables   ma sver01Operacionalización de variables   ma sver01
Operacionalización de variables ma sver01Rosa Gonzales
 
Matriz de operacionalización del instrumento de investigación
Matriz de operacionalización del instrumento de investigaciónMatriz de operacionalización del instrumento de investigación
Matriz de operacionalización del instrumento de investigaciónNicokll Taza Solis
 
Operacionalizacion matriz de variables
Operacionalizacion matriz de variablesOperacionalizacion matriz de variables
Operacionalizacion matriz de variablesemartineza
 
Operacionalizacion de variables
Operacionalizacion de variablesOperacionalizacion de variables
Operacionalizacion de variablesadriana castro
 
Procesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datosProcesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datosJOSE DANIEL URVIOLA CORZO
 
Operacionalizacion de variables
Operacionalizacion de variablesOperacionalizacion de variables
Operacionalizacion de variablesLola Rincon
 
Coeficiente de correlacion
Coeficiente de correlacionCoeficiente de correlacion
Coeficiente de correlacionOsmey González
 
Justificación de la investigación carlos méndez
Justificación de la investigación  carlos méndezJustificación de la investigación  carlos méndez
Justificación de la investigación carlos méndezSkepper63
 
Tipos de investigacion
Tipos de investigacionTipos de investigacion
Tipos de investigacionJosé Supo
 
Variables y escala de medición
Variables y escala de mediciónVariables y escala de medición
Variables y escala de mediciónabemen
 

La actualidad más candente (20)

9. diseño de la investigación
9. diseño de la investigación9. diseño de la investigación
9. diseño de la investigación
 
Hipotesis y variables 2012
Hipotesis y variables 2012Hipotesis y variables 2012
Hipotesis y variables 2012
 
Matriz consistencia
Matriz consistenciaMatriz consistencia
Matriz consistencia
 
Correlacion de Pearson y Spearman
Correlacion de Pearson y SpearmanCorrelacion de Pearson y Spearman
Correlacion de Pearson y Spearman
 
Operacionalización de variables ma sver01
Operacionalización de variables   ma sver01Operacionalización de variables   ma sver01
Operacionalización de variables ma sver01
 
Matriz de consistencia
Matriz de consistenciaMatriz de consistencia
Matriz de consistencia
 
Matriz de operacionalización del instrumento de investigación
Matriz de operacionalización del instrumento de investigaciónMatriz de operacionalización del instrumento de investigación
Matriz de operacionalización del instrumento de investigación
 
Diseño de la Investigación
Diseño de la InvestigaciónDiseño de la Investigación
Diseño de la Investigación
 
Operacionalizacion matriz de variables
Operacionalizacion matriz de variablesOperacionalizacion matriz de variables
Operacionalizacion matriz de variables
 
Coeficiente de correlacion spearman ok
Coeficiente de correlacion spearman okCoeficiente de correlacion spearman ok
Coeficiente de correlacion spearman ok
 
Operacionalizacion de variables
Operacionalizacion de variablesOperacionalizacion de variables
Operacionalizacion de variables
 
13. Técnicas de procesamiento de datos
13.  Técnicas de procesamiento de datos13.  Técnicas de procesamiento de datos
13. Técnicas de procesamiento de datos
 
PRUEBAS PARAMETRICAS
PRUEBAS PARAMETRICASPRUEBAS PARAMETRICAS
PRUEBAS PARAMETRICAS
 
Procesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datosProcesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datos
 
Operacionalizacion de variables
Operacionalizacion de variablesOperacionalizacion de variables
Operacionalizacion de variables
 
Coeficiente de correlacion
Coeficiente de correlacionCoeficiente de correlacion
Coeficiente de correlacion
 
Justificación de la investigación carlos méndez
Justificación de la investigación  carlos méndezJustificación de la investigación  carlos méndez
Justificación de la investigación carlos méndez
 
Tipos de investigacion
Tipos de investigacionTipos de investigacion
Tipos de investigacion
 
Operacionalización de variables estadistica
Operacionalización de variables estadisticaOperacionalización de variables estadistica
Operacionalización de variables estadistica
 
Variables y escala de medición
Variables y escala de mediciónVariables y escala de medición
Variables y escala de medición
 

Similar a (UNS_Chimbote)Operacionalización de variables - tesis

Similar a (UNS_Chimbote)Operacionalización de variables - tesis (20)

Capitulo 2
Capitulo 2Capitulo 2
Capitulo 2
 
Evolucion de estadistica
Evolucion de estadisticaEvolucion de estadistica
Evolucion de estadistica
 
CONCEPTOS CLAVES DE LA ESTADISTICA (1).pptx
CONCEPTOS CLAVES DE LA ESTADISTICA (1).pptxCONCEPTOS CLAVES DE LA ESTADISTICA (1).pptx
CONCEPTOS CLAVES DE LA ESTADISTICA (1).pptx
 
Presentacion escala de_medicion
Presentacion escala de_medicionPresentacion escala de_medicion
Presentacion escala de_medicion
 
Escalas de Medición
Escalas de MediciónEscalas de Medición
Escalas de Medición
 
Hector hernandez
Hector hernandezHector hernandez
Hector hernandez
 
Hector hernandez
Hector hernandezHector hernandez
Hector hernandez
 
Ce ps 2-08.01.2011-parte iii
Ce ps 2-08.01.2011-parte iiiCe ps 2-08.01.2011-parte iii
Ce ps 2-08.01.2011-parte iii
 
Saia trabajo de estadistica datos
Saia trabajo de estadistica datosSaia trabajo de estadistica datos
Saia trabajo de estadistica datos
 
Saia trabajo de estadistica datos
Saia trabajo de estadistica datosSaia trabajo de estadistica datos
Saia trabajo de estadistica datos
 
Saia trabajo de estadistica datos
Saia trabajo de estadistica datosSaia trabajo de estadistica datos
Saia trabajo de estadistica datos
 
estadistica_ManuelBeltran
 estadistica_ManuelBeltran estadistica_ManuelBeltran
estadistica_ManuelBeltran
 
Estadistica-manuelbeltran
Estadistica-manuelbeltranEstadistica-manuelbeltran
Estadistica-manuelbeltran
 
Estadistica descriptiva: repaso para clase
Estadistica descriptiva: repaso para claseEstadistica descriptiva: repaso para clase
Estadistica descriptiva: repaso para clase
 
Republica bolivariana de venezuela
Republica bolivariana de venezuelaRepublica bolivariana de venezuela
Republica bolivariana de venezuela
 
Presentación Escalas de Medición
Presentación Escalas de MediciónPresentación Escalas de Medición
Presentación Escalas de Medición
 
Estadistica daniel Mogollon
Estadistica daniel MogollonEstadistica daniel Mogollon
Estadistica daniel Mogollon
 
Presentacion escalas de_medicion
Presentacion escalas de_medicionPresentacion escalas de_medicion
Presentacion escalas de_medicion
 
Estadistica
EstadisticaEstadistica
Estadistica
 
organización de datos
organización de datosorganización de datos
organización de datos
 

Último

LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdfLEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdfAdelaHerrera9
 
NOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptxNOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptxJairReyna1
 
CFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric ProjectCFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric ProjectCarlos Delgado
 
Sistema de gestión de turnos para negocios
Sistema de gestión de turnos para negociosSistema de gestión de turnos para negocios
Sistema de gestión de turnos para negociosfranchescamassielmor
 
Electromagnetismo Fisica FisicaFisica.pdf
Electromagnetismo Fisica FisicaFisica.pdfElectromagnetismo Fisica FisicaFisica.pdf
Electromagnetismo Fisica FisicaFisica.pdfAnonymous0pBRsQXfnx
 
produccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptxproduccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptxEtse9
 
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptxNayeliZarzosa1
 
Edificio residencial Tarsia de AEDAS Homes Granada
Edificio residencial Tarsia de AEDAS Homes GranadaEdificio residencial Tarsia de AEDAS Homes Granada
Edificio residencial Tarsia de AEDAS Homes GranadaANDECE
 
Conservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de AlmeríaConservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de AlmeríaANDECE
 
QUIMICA ORGANICA I ENOLES Y ENAMINAS LIBR
QUIMICA ORGANICA I ENOLES Y ENAMINAS LIBRQUIMICA ORGANICA I ENOLES Y ENAMINAS LIBR
QUIMICA ORGANICA I ENOLES Y ENAMINAS LIBRyanimarca23
 
Topografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasTopografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasSegundo Silva Maguiña
 
Historia de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfHistoria de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfIsbelRodrguez
 
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...humberto espejo
 
Clase 1 Análisis Estructura. Para Arquitectura pptx
Clase 1 Análisis Estructura. Para Arquitectura pptxClase 1 Análisis Estructura. Para Arquitectura pptx
Clase 1 Análisis Estructura. Para Arquitectura pptxPaolaVillalba13
 
Diagrama de flujo metalurgia del cobre..pptx
Diagrama de flujo metalurgia del cobre..pptxDiagrama de flujo metalurgia del cobre..pptx
Diagrama de flujo metalurgia del cobre..pptxHarryArmandoLazaroBa
 
Parámetros de Perforación y Voladura. para Plataformas
Parámetros de  Perforación y Voladura. para PlataformasParámetros de  Perforación y Voladura. para Plataformas
Parámetros de Perforación y Voladura. para PlataformasSegundo Silva Maguiña
 
Estacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinación
Estacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinaciónEstacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinación
Estacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinaciónAlexisHernandez885688
 
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdfRicardoRomeroUrbano
 
Trabajo en altura de acuerdo a la normativa peruana
Trabajo en altura de acuerdo a la normativa peruanaTrabajo en altura de acuerdo a la normativa peruana
Trabajo en altura de acuerdo a la normativa peruana5extraviado
 
Sistema de Base de Datos (Rubén Alberto)
Sistema de Base de Datos (Rubén Alberto)Sistema de Base de Datos (Rubén Alberto)
Sistema de Base de Datos (Rubén Alberto)mendezruben1901
 

Último (20)

LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdfLEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
 
NOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptxNOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptx
 
CFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric ProjectCFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric Project
 
Sistema de gestión de turnos para negocios
Sistema de gestión de turnos para negociosSistema de gestión de turnos para negocios
Sistema de gestión de turnos para negocios
 
Electromagnetismo Fisica FisicaFisica.pdf
Electromagnetismo Fisica FisicaFisica.pdfElectromagnetismo Fisica FisicaFisica.pdf
Electromagnetismo Fisica FisicaFisica.pdf
 
produccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptxproduccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptx
 
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
 
Edificio residencial Tarsia de AEDAS Homes Granada
Edificio residencial Tarsia de AEDAS Homes GranadaEdificio residencial Tarsia de AEDAS Homes Granada
Edificio residencial Tarsia de AEDAS Homes Granada
 
Conservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de AlmeríaConservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de Almería
 
QUIMICA ORGANICA I ENOLES Y ENAMINAS LIBR
QUIMICA ORGANICA I ENOLES Y ENAMINAS LIBRQUIMICA ORGANICA I ENOLES Y ENAMINAS LIBR
QUIMICA ORGANICA I ENOLES Y ENAMINAS LIBR
 
Topografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasTopografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la Ingenierías
 
Historia de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfHistoria de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdf
 
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
 
Clase 1 Análisis Estructura. Para Arquitectura pptx
Clase 1 Análisis Estructura. Para Arquitectura pptxClase 1 Análisis Estructura. Para Arquitectura pptx
Clase 1 Análisis Estructura. Para Arquitectura pptx
 
Diagrama de flujo metalurgia del cobre..pptx
Diagrama de flujo metalurgia del cobre..pptxDiagrama de flujo metalurgia del cobre..pptx
Diagrama de flujo metalurgia del cobre..pptx
 
Parámetros de Perforación y Voladura. para Plataformas
Parámetros de  Perforación y Voladura. para PlataformasParámetros de  Perforación y Voladura. para Plataformas
Parámetros de Perforación y Voladura. para Plataformas
 
Estacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinación
Estacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinaciónEstacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinación
Estacionamientos, Existen 3 tipos, y tienen diferentes ángulos de inclinación
 
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
 
Trabajo en altura de acuerdo a la normativa peruana
Trabajo en altura de acuerdo a la normativa peruanaTrabajo en altura de acuerdo a la normativa peruana
Trabajo en altura de acuerdo a la normativa peruana
 
Sistema de Base de Datos (Rubén Alberto)
Sistema de Base de Datos (Rubén Alberto)Sistema de Base de Datos (Rubén Alberto)
Sistema de Base de Datos (Rubén Alberto)
 

(UNS_Chimbote)Operacionalización de variables - tesis

  • 1. Integrantes: - Armas López Víctor - Ballena Uceda Juan Pablo - Chong Quispe Ernesto - Chirinos Alvarado Sheila - Díaz Flores Martin - Salvador Zevallos marco Junior
  • 2. OPERACIONALIZACIÓN Transformación de una variable teórica en variable empírica directamente observables, con la finalidad de poder medirlas. OPERACIONALIZAR Significa, identificar: - ¿Cuál es la variable? - ¿Cuáles son sus dimensiones? - ¿Cuáles los indicadores? - Índice
  • 3. DIMENSIONES Son todas las facetas que nos permiten describir adecuadamente una variable compleja. Dimensiones de INTELIGENCIA, ejemplo: - Inteligencia Verbal - Inteligencia Manual - Inteligencia Social Nos acercan más al plano empírico, a lo observable. Permite concretizar una variable que antes solo había sido definida teóricamente. Especificar las dimensiones de una variable es dar una definición real de la misma.
  • 4. CATEGORÍA DIMENSIÓN Una categoría es una especie de casillero, donde podemos ubicar a un sujeto: “Clase media” es una categoría de la variable clases social porque no puedo encasillar allí a un sujeto según ciertas características que observé en él, características que surgen de las dimensiones. Todo sujeto es ubicable en una determinada categoría pero contiene todas las dimensiones, pues cualquier sujeto tiene un cierto ingreso, una cierta educación formal, etc.
  • 5. Se identifican mediante INSTRUMENTOS MECÁNICOS, se miden de manera directa. OBJETIVA (FÍSICA) DIMENSIONES DE UNA VARIABLE UNIDIMENSIONAL (Tiene un indicador directo) Ejemplos: peso, talla, temperatura MULTIDIMENSIONAL (Compuesto de varios indicadores) Ejemplos: IMC(requiere peso y talla) SUBJETIVA (LÓGICA) Se identifican mediante INSTRUMENTOS DOCUMENTALES, no se miden de manera directa sino por dimensiones. Ejemplos: inteligencia, motivación, creatividad, actitud, etc. UNIDIMENSIONAL (Tiene un solo indicador) Ejemplos: dolor (Escala Visual Análoga) MULTIDIMENSIONAL (Compuesto de varios indicadores) Ejemplos: Calidad de atención (Capacidad de respuesta, seguridad)
  • 6. Indicadores Las dimensiones nos permiten acercarnos un poco más al plano empírico. Así como cuando dábamos una definición teórica el profano no entendía de qué hablábamos, con el mismo derecho cuando ahora le especificamos dimensiones puede decirnos que eso de “inteligencia verbal” es aún algo genérico y vago, con lo cual nos vemos obligados a descender aún más al nivel empírico, o sea, a partir de las dimensiones buscaremos indicadores. Estos nos indican qué cosas concretas y palpables debe realizar un sujeto para poder decir si tiene o no inteligencia verbal, manual o social, y en qué medida.
  • 7. Así entonces, un indicador es una propiedad manifiesta gracias a la cual podemos medir directamente una propiedad latente que nos interesa (la variable teórica). La aptitud para armar rompecabezas es una característica manifiesta que me permite medir la inteligencia, que es una característica latente.
  • 8. Así entonces, un indicador es una propiedad manifiesta gracias a la cual podemos medir directamente una propiedad latente que nos interesa (la variable teórica). La aptitud para armar rompecabezas es una característica manifiesta que me permite medir la inteligencia, que es una característica latente.
  • 9. Una vez construido el test y previstas las distintas posibilidades de cada ítem, podemos ahora administrarlo a un sujeto determinado. Una vez que éste respondió las preguntas o hizo las pruebas correspondientes ya estamos en posesión de los primeros datos, ya que el individuo quedó ubicado en alguna de las alternativas posibles. Ejemplos de datos son “Juancito contestó que sí a la pregunta número 15”, o “Pedrito cumplió sólo regularmente la prueba del rompecabezas”, o “Fulanito se sacó 6 en la prueba de encontrar absurdos”.
  • 10. INDICE El índice será la cifra que razonablemente represente a los 20 o 30 datos obtenidos IMAGEN INICIAL DIMENSIONES INDICADORES FORMACION DE INDICES
  • 18. ORGANIZACIÓN DE LOS DATOS  Una vez que hemos recolectado los datos, en lugar de tener la información volcada en decenas de hojas, tengamos solo una con la información organizada y resumida de una forma clara.
  • 19. ORGANIZACIÓN DE LOS DATOS – Matriz de Datos  En la siguiente matriz de datos se muestra la información de un test de CI aplicado a 85 personas.
  • 20. ORGANIZACIÓN DE LOS DATOS – Tabla de Frecuencia  Una de las informaciones esenciales son las frecuencias, es decir asociar una cantidad de sujetos en una categoría o valor.
  • 21. ORGANIZACIÓN DE LOS DATOS – Tabla de Frecuencias Acumulada  Otra de las formas para representar las frecuencias, es realizando las acumulaciones de las categorías predecesoras.
  • 22. ORGANIZACIÓN DE LOS DATOS - Continuación  Las tablas mostradas anteriormente, resumen la información con respecto a una sola variable. No obstante, lo que realmente interesa al investigador no es la variable aislada, sino su vínculo con otras variables, por lo que nuestro interés recaerá ahora sobre las tablas que puedan relacionar variables entre sí.  Podemos, entonces, distinguir 3 tipos de tablas:  Univariadas o de simple entrada (informan sobre una variable).  Bivariadas o de doble entrada (relacionan dos variables).  Multivariadas o de múltiple entrada (relacionan 3 o más variables).
  • 23. ORGANIZACIÓN DE LOS DATOS – Tabla Univariada vs Tabla Bivariada  Tabla univariada donde se describe a una sola variable: Por ejemplo, de un total de 450 personas evaluadas, 140 tienen un CI inferior a 90.  Tabla bivariada suministra información de dos variables: Inteligencia y clase social.
  • 24. ORGANIZACIÓN DE LOS DATOS – Tabla Bivariada  Elementos básicos de una tabla bivariada que podemos distinguir:  Las dos variables a relacionar.  Título, como por ejemplo “Inteligencia según clase social en adolescentes de la Ciudad de Buenos Aires, año 1980”. Como se ve, están aquí especificadas las coordenadas espacio-temporales (dónde y cuándo) pero también se especifica cuál es la variable independiente y la dependiente (la expresión “según” nos lo sugiere).  Las categorías (o valores) de ambas variables. Por ejemplo de clase social hemos consignado “alta”, “media” y “baja”. Un cuadro muestra siempre categorías, pudiendo o no mostrar también dimensiones.  Las frecuencias.
  • 25. ORGANIZACIÓN DE LOS DATOS – Tabla Bivariada - Frecuencias  Hay distintos tipos de frecuencias:  Condicionales: Corresponde al entrecruzamiento de dos categorías distintas.  Marginal: Corresponde a solo una categoría.  Totales: Es equivalente a la suma de frecuencias marginales, sea de forma horizontal o vertical, ya que debe ser la misma.
  • 26. ORGANIZACIÓN DE LOS DATOS – Tipos de Tablas de Frecuencias
  • 27. ORGANIZACIÓN DE LOS DATOS – Tipos de Tablas de Frecuencias
  • 28. ORGANIZACIÓN DE LOS DATOS – Otras formas de Presentar los Datos  La tabulación no es la única forma de resumir y organizar la información.  Existen otros dos recursos estadísticos, que son la graficación y las medidas estadísticas descriptivas (tanto de posición como dispersión).  Ambas se construyen tomando como base una tabla de distribución de frecuencias como las ya vistas.
  • 29. ORGANIZACIÓN DE LOS DATOS – Otras formas de Presentar los Datos TABLA GRÁFICO MEDIDAS ESTADÍSTICAS
  • 31. Análisis e Interpretación de Datos Obtener tablas, gráficos o medidas estadísticas como las indicadas no son más que pasos preparatorios para llegar a la operación central de la investigación descriptiva: el análisis de los datos
  • 32. Análisis e Interpretación de Datos  Los datos pueden analizarse tanto a partir de una tabla, como de un gráfico o de las medidas estadísticas, pero aquí daremos una idea del modo de hacerlo según una tabla. Desde este punto de vista, el análisis de los datos es el momento donde debemos hacer “hablar” a la tabla para saber qué nuevo tipo de información nos dará
  • 33. Interpretación en Tablas  las cifras de la tabla nos están diciendo que comparativamente existen muchas personas de clase baja con CI bajo (70 personas) y muchas de clase alta con CI alto (80 personas). Dr. Antonio Alva Santos - aalva1959@yahoo.es Decir que 70 y 80 son frecuencias “comparativamente” altas significa que lo son en comparación con las otras frecuencias condicionales (y no por ejemplo en comparación con la frecuencia total, en cuyo caso aparecerían como frecuencias bajas).
  • 34. Interpretación en Tablas  El cuadro también nos está diciendo que hay pocas personas de clase baja con CI alto (hay 30), y pocas personas de clase alta con CI bajo (hay 20), donde 20 y 30 son frecuencias también “comparativamente” bajas. Todos estos exámenes nos están revelando a simple vista que existe una alta correlación entre ambas variables, pues vemos que a mayor nivel social le corresponde mayor inteligencia, y a menor nivel, menor inteligencia.
  • 35. Búsqueda de Nuevas Relaciones  Una vez que nos hemos asegurado que no hay correlación constatable, abandonamos este último cuadro y continuamos la investigación examinando nuevas relaciones entre más variables hasta encontrar correlaciones. Si no las encontramos no podremos seguir avanzando hacia la etapa de la investigación explicativa.
  • 36. Investigación descriptiva  a) Formulación de una hipótesis.  b) Identificación de las constantes y variables en juego.  c) Categorización de las variables.  d) Operacionalización de las variables.  e) Obtención de los datos hasta obtener índices.  f) Categorización de los datos obtenidos.  g) Organización de los datos en tablas, gráficos o medidas estadísticas.  h) Análisis de los datos. Antes de pasar a la investigación explicativa, haremos una somera referencia al problema de la medición, fundamental en la actividad científica, no sin antes ir resumiendo los pasos de la investigación descriptiva:
  • 37. MATRIZ DE CONSISTENCIA  Es un instrumento de varios cuadros formado por columnas y filas y permite evaluar el grado de coherencia y conexión lógica entre el título, el problema, los objetivos, las hipótesis, las variables, el tipo, método, diseño de investigación la población y la muestra de estudio.  Es un proceso metodológico que consiste en descomponer deductivamente las variables que componen el problema de investigación, partiendo desde lo más general a lo más específico; es decir que estas variables se dividen (si son complejas) en dimensiones, áreas, aspectos, indicadores, índices, subíndices, ítems; mientras si son concretas solamente en indicadores, índices e ítems. ESCALA DE MEDICIÓN DE VARIABLES
  • 38. DISEÑO METODOLÓGICO  Es la determinación general del tipo de investigación a realizar, los métodos, técnicas y procedimientos para la medición, análisis e interpretación de los datos.
  • 39. LAS VARIABLES  • Son las propiedades, aspectos, cualidades, dimensiones, atributos, etc. De un objeto, tales propiedades, pueden asumir distintos estados o valores, sea por modificación, aumento o disminución.• Condición de la variable: La oscilación o cambio de una variable debe ser observable y mensurable. Todo estado o valor asumido por una variable es un DATO o una PROPOSICIÓN. CLASIFICACION DE LAS VARIABLES
  • 40. CRITERIOS PARA SELECCIONAR VARIABLES E INDICADORES  Son consecuencias de la medición, puede llevarse según diferentes conjuntos de reglas. ESCALA DE MEDICIÓN DE VARIABLES
  • 41. TIPOS DE ESCALAS DE MEDICIÓN ESCALA NOMINAL ESCALA ORDINAL ESCALA DE INTERVALO ESCALA DE RAZÓN PROPORCIÓN Implica crear números para ordenar las observaciones de hechos. • Se utiliza cuando los datos se pueden organizar en categorías exclusivas y exhaustivas. Clasifica los objetos fenómenos en forma jerárquica. • Los intervalos entre los datos clasificados no son necesariamente iguales. Ej. Nivel de Salud Se da cuando la propiedad por medir, refleja no solo el orden sino la distancia constante entre número y número y el punto origen es un cero convencional. Es el nivel más alto de medición. Contiene las características de escala de intervalo con la ventaja de poseer el cero absoluto lo que permite determinar la proporción conocida de dos valores de la escala
  • 42. MUCHAS GRACIAS POR SU ATENCION