El documento hace referncia a un curso emitido por la UNIR referente a la investigacion.
Se hace referencia al diseño y metodologia de la investigacion cualitativa.
4. 4
► Método científico: procedimiento que se utiliza para
averiguar/establecer las causas de los fenómenos y las leyes que los
determinan.
1.0. Métodos de investigación
MÉTODO CIENTÍFICO
Observación inicial Planteamiento del problema
2. Formulación de hipótesis
3. Diseño y realización del
experimento
Contraste de hipótesis
5. Generalización a la
población
Implica
Implica
5. 5
Diseño de investigación: Conjunto de operaciones estructuradas y
encaminadas a resolver los problemas que se plantean en investigación
1. Formulación de hipótesis
2. Especificación de variables
relevantes para el objeto de
estudio
3. Selección del número de
muestra y tipo de muestreo
4. Decisión acerca de la
forma de medir, actuar
o aplicar los
tratamientos asignados
5. Selección de las técnicas
para el análisis de los datos
1.0. Métodos de investigación
6. Las etapas o pasos necesarios para la aplicación del método científico se
corresponden con los siguientes niveles:
! Nivel teórico conceptual: se encarga de seleccionar el problema, los criterios para
seleccionarlo, cómo plantearlo, cómo realizar la revisión bibliográfica del mismo o qué
dice la literatura sobre este problema y cómo se formulan las hipótesis.
! Nivel técnico metodológico: se encarga de seleccionar el diseño de investigación
adecuado a los datos (establecimiento de estrategias de recogida de datos), cómo
seleccionar la muestra y los instrumentos necesarios para la recogida de datos.
! Nivel estadístico-analítico: análisis de los datos describiéndolos, relacionándolos,
comprobando hipótesis… En función del nivel de medida de los datos se seleccionarán
las herramientas estadísticas adecuadas. Los datos obtenidos se interpretan y se
relacionan con la teoría, sugiriendo nuevas vías de investigación, de ahí la
característica de circularidad del proceso.
6
7. Criterios para elegir el problema:
! Debe incrementar el cuerpo de conocimientos de la disciplina
(relevancia)
! Debe conducir a nuevos interrogantes e investigaciones
posteriores
! Que se pueda investigar (podrían ser círculos viciosos sin
respuesta)
! Debe ser viable para el investigador (conocimientos suficientes,
medios…)
7
8. 8
Muestra:
Grupo de sujetos que participan en tu estudio.
Condiciones:
Representativa de la población
Aleatoria
Grande
1.1. Conceptos básicos de investigación
9. 9
Grupos
Grupo experimental: recibe el tratamiento, la intervención,
modificas una variable.
Grupo control: no recibe el tratamiento.
1.1. Conceptos básicos de investigación
10. 10
Aleatorización de la muestra
Dejamos que sea el azar quien decida a cual de los grupos
va a pertenecer cada sujeto.
Así evitamos posibles sesgos de selección y “controlamos”
posibles variables aleatorias.
1.1. Conceptos básicos de investigación
11. 11
Pre-
tratamiento
Post-
tratamiento
Seguimiento
Visitas o mediciones
Pre-tratamiento: o visita basal. Es la que se realiza antes de
comenzar el experimento. Para valorar el estado inicial.
Post- tratamiento: es la que se realiza justo después de haber
recibido el tratamiento. Para valorar efectos agudos del tto.
Seguimiento: es la visita que se realiza tiempo después de haber
recibido el tratamiento. Para valorar efectos postergados del
tto.
1.1. Conceptos básicos de investigación
12. 12
Variables
Dependientes: o también llamada de resultado/respuesta/efecto. Es nuestra
variable de interés sobre la que medimos resultados del tratamiento.
Independientes: también llamada explicativas. Son las variables que de alguna
forma pueden explicar los resultados de nuestra variable dependiente.
De confusión: son variables que no podemos controlar o que a veces ni sabemos
de su influencia
Variable
dependiente
grasa
corporal
Variable
independiente
Sexo
Variable
independiente
Edad
Variable
independiente
Dieta
1.1. Conceptos básicos de investigación
13. 13
HIPÓTESIS NULA
(H0): La que el
investigador acepta
como verdadera de
partida
Cuando realicemos el contraste de hipótesis (comparación entre las dos teorías),
el valor de probabilidad indica si aceptamos o rechazamos la hipótesis nula.
Si p<0,05 rechazamos la H0 (existen diferencias significativas)
Si p≥0,05, aceptamos la H0 (no existen diferencias significativas)
HIPÓTESIS
ALTERNATIVA
(H1): La que suplanta
a la H0 cuando ésta no
es verdadera. Puede
haber más de una
Hipótesis
El investigador formula hipótesis basadas en el conocimiento previo o
evocación racional relacionada con el suceso que pretende estudiar
1.1. Conceptos básicos de investigación
14. 14
¿Cómo formular una hipótesis?
1º Formulamos la hipótesis nula (H0) en sentido neutro (no diferencias
entre grupos, no relación entre variables,…)
2º Formulamos la hipótesis alternativa (H1) que dirá justo lo contrario que
la hipótesis nula.
H0= el paracetamol es igual de eficaz que el ibuprofeno para reducir
la temperatura corporal del niño.
H1= el paracetamol NO es igual de eficaz que el ibuprofeno para
reducir la temperatura corporal del niño.
1.1. Conceptos básicos de investigación
15. 15
Objetivos
Se definen como las tareas concretas en que se materializan los pasos
necesarios para comprobar las hipótesis formuladas
1
•CLARIDAD: Los objetivos deben expresarse con la mayor claridad, para evitar sesgos o interferencias en el
proceso de investigación
2
•ALCANZABLES: Se trata de objetivos realistas, que puedan llevarse a cabo
3
•CONCRECIÓN: Deben ser específicos, incluyendo sólo una acción a ser desarrollada en un solo momento.
4
•PERTINENTES: Los objetivos deben tener una relación lógica con la hipóteisis planteada y una relevancia
en cuanto a la misma.
1.1. Conceptos básicos de investigación
16. 16
Objetivos generales: hacen referencia a la globalidad o al marco de referencia del
proyecto de investigación que el psicólogo se plantea.
Objetivos específicos: describen los detalles pormenorizados de los objetivos
generales (habitualmente dividen en pasos la globalidad formulada anteriormente) y
ayudan a identificar de manera más clara qué es lo queremos conseguir con nuestro
estudio.
1.1. Conceptos básicos de investigación
17. 17
1.- Enunciar una hipótesis consta de dos partes:
la hipótesis neutra y la hipótesis alternativa
2.- Los objetivos han de estar relacionados con las hipótesis que
enunciemos
3.- Los objetivos específicos nos van a permitir poder aceptar o
rechazar nuestras hipótesis
4.- 1 variable de resultado, 1 objetivo.
1.1. Conceptos básicos de investigación
18. 18
H0= el tratamiento A es igual de eficaz que el tratamiento B en la reducción del EPT
H1.1= el tratamiento A es más eficaz que el tratamiento B en la reducción del EPT
H1.2=el tratamiento A menos eficaz que el tratamiento B en la reducción del EPT
Objetivo general
- Conocer los efectos de los tratamientos A y B
Objetivo específico
- Comparar el efecto del tratamiento A frente al B en la reducción del EPT
- Conocer los efectos secundarios producidos por el tratamiento A y el tratamiento B
- Estudiar la satisfacción de los usuarios con los tratamientos A y B
1.1. Conceptos básicos de investigación
19. 19
Cuando aplicamos una determinada metodología podemos producir
sesgos y errores que nos pueden llevar a conclusiones erróneas
Validez Interna
Grado de confianza en una relación causa-efecto
Intentamos excluir posibles explicaciones
alternativas
Validez Externa
Grado de confianza en la generalización de un
resultado
1.1. Conceptos básicos de investigación
20. ¿Qué puede afectar a la validez interna?
-Tiempo
-Medición
-Mala selección de la muestra
1.1. Conceptos básicos de investigación
21. ¿Qué puede afectar a la validez externa?
Condiciones no replicables
-Contexto
-Momento histórico
-Aplicación de pruebas determinada
-Uso de instrumentos de una u otra forma
1.1. Conceptos básicos de investigación
23. 23
2. Diseños de investigación
Diseños experimentales
Se manipulan variables independientes.
Se establecen comparaciones entre grupos creados de manera aleatoria.
Se pueden establecer relaciones de causalidad.
Diseños cuasi-experimentales
Se manipulan variables independientes.
Se establecen comparaciones entre grupos creados de
manera no aleatoria.
El establecimiento de las relaciones de causalidad no es
posible.
Pero sí se pueden establecer asociaciones/realizar
operaciones de correlación.
Diseños observacionales
No se manipulan variables independientes.
No es posible el establecimiento de las relaciones de
causalidad.
25. Diseño Observacional
1. El diseño observacional se caracteriza por la ausencia de
manipulación de las variables.
2. El investigador selecciona una muestra de participantes que
poseen características de interés para su investigación
midiendo en ellos una serie de variables.
3. La principal consecuencia es que no se puedeinferir de forma
clara causalidad, solo de relación.
25
26. Estudio Observacional Descriptivo
• El diseño observacional más sencillo (Análisis estadísticos
descriptivos).
• Objetivo es la descripción de determinadas características de
la muestra en un momento dado (transversalmente) o a lo
largo del tiempo (longitudinalmente).
• En psicología clínica o de la salud se utilizan para estimar la
prevalencia o la incidencia de las patologías principalmente
(Estudios epidemiológicos)
26
27. Estudio Observacional Descriptivo
• Prevalencia: proporción de personas con la patología.
Prevalencia de período: proporción de personas con la patología
en un período de tiempo.
Lifetime prevalence: proporción de la población que ha tenido la
patología en algún momento de su vida (o hasta el momento de
la evaluación).
• Incidencia: número de casos nuevos de la patología por
unidad de tiempo. (normalmente un año)
27
28. •Son estudios observacionales porque no existe manipulación
intencional de la VI. (una o ambas variables estudiadas ya han
ocurrido cuando el investigador va a analizarlas)
•El investigador posee una hipótesis sobre la relación entre
determinadas variables que quiere analizar (por eso se llaman
analíticos).
•el uso de estudios ex post facto no permite establecer relaciones
causales (no existe manipulacion de la VI), sino establecer
relaciones de covariación entre las variables.
•Los estudios ex-postfacto son un tipo de estudios mucho más
frecuentes (y mucho más interesantes) que los estudios
descriptivos.
28
Estudio Observacional Analítico
29. •Las técnicas de muestreo empleadas son un proceso muy
importante en estos estudios. (las conclusiones dependen de las
características de los sujetos)
•Este tipo de estudios se utilizan habitualmente para conocer
aquellos factores que se relacionan con los trastornos:
•De manera positiva (relación de las variables), factores de
riesgo, (consumo de cannabis factor de riesgo de desarrollar
psicosis)
•De manera negativa, (relación de las variables) factores
protectores (estilos de personalidad positiva factor protector de
la enfermedad)
29
Estudio Observacional Analítico
30. Estudio Observacional Analítico
1. ¿Existe relación entre las horas de estudio y el rendimiento
académico? ( Controlar por variables que puedan influir:
edad, sexo, CI…)
2. ¿Existe relación entre el trauma y el TLP? (Controlar por
variables que puedan influir: edad, sexo, CI…)
3. ¿Existe relación entre el tipo de trauma y el TLP?
30
La dificultad general de este tipo de diseños
es el control de variables extrañas.
31. Observacional Analítico se puede diferenciar entre:
1. Estudios prospectivos o estudios de cohortes: estudios en
los que los participantes son seleccionados por poseer un
determinado factor interesante para el estudio.
2. Estudios retrospectivos de casos y controles: estudios en los
que los participantes son seleccionados por poseer un
determinado trastorno interesante para el estudio.
31
33. Diseños cuasi-
experimentales
• 1.- Uno o varios grupos (GE, GC)
• 2.- Ausencia de asignación
aleatoria
• 3.- Inferencia de hipótesis de
causa-efecto con riesgo de sesgos
34. Diseños cuasi-
experimentales
Diseños de grupo control no
equivalente
(variable de asignación desconocida)
Diseños de discontinuidad en la
regresión
(Variable de asignación conocida)
Diseños de series
temporales
interrumpidas
4.3. Diseños cuasi-experimentales
35. Diseños de grupo control no equivalente
(variable asignación desconocida)
Diseño con grupo control no equivalente
Grupos Asignación Secuencia de registro
Grupo
experim.
No aleatoria
PRE tratamiento POST
si
Grupo
control
no
Ambos grupos
difieren en la
medición pretest!!
Contras:
•Al no tener grupos homogéneos de partida, puede haber sesgos
de selección.
•Al no haber asignación aleatoria puede haber variables de
confusión que distorsionen los resultados
•Sería necesario aplicar estadísticos de control (ANCOVA)
36. Diseño con doble pre-test
Grupos Asignaci
ón
Secuencia de registro
Grupo
experim.
No
aleatoria
PRE1 PRE2 tratamient
o
POST
si
Grupo
control
no
Pros:
Permite evaluar el curso natural de los grupos
Permite contar con dos evaluaciones iniciales que nos
permitiran observar mejor los valores extremos
Contras:
No es fácil que la muestra acceda a tanta evaluación
Diseños de grupo control no equivalente
(variable asignación desconocida)
37. Diseño de intercambio de tratamiento
Grupos Asig
nació
n
Secuencia de registro
G
experim.
No
aleato
ria
PRE TTO POST PRE
TTO
POST
si no
G
control
no si
Diseños de grupo control no equivalente
(variable asignación desconocida)
38. Diseño de cohorte básico
Cohortes Asignación Secuencia de registro
1
experim.
No aleatoria
PRE tratamient
o
POST
- si
2
control
no -
Pros:
Atenúa amenazas de validez interna
Contras:
Aunque parecidas, las cohorte siguen siendo diferentes
Diseños de grupo control no equivalente
(variable asignación desconocida)
39. Diseños de discontinuidad de la regresión
(variable de asignación conocida)
Grupo
s
Asignaci
ón
Secuencia de registro
1
experi
m.
No
aleatoria,
pero
conocida
PRE tratamient
o
POST
si
2
control
no
Distribuimos la muestra a GE o GC en base a su puntuación
en alguna de las variables del pretest.
Establecemos un punto de corte y los que estén por
encima/debajo reciben uno u otro tramiento
Ej: ayudas económicas, programas de mejora escolar..
40. Diseños de series temporales interrumpidas
Grupos Asignació
n
Secuencia de registro
1
experim
No
aleatoria
PRE tratamiento POST
1
POST 2 POST 3
Si
42. 2.3.
Diseños
experimen
tales
• El investigador MANIPULA LA VARIABLE
INDEPENDIENTE (el tratamiento)
• Intenta CONTROLAR LAS VARIABLES
EXTRAÑAS
• Existen 2 O MÁS GRUPOS que han sido
formados por un proceso de aleatorización
de la muestra
• Se estudia el EFECTO DE UN TRATAMIENTO
• Más complejo de realizar
• UNICO DISEÑO QUE PERMITE ESTABLECER
CAUSALIDAD!!
42
44. 4.1. Diseños experimentales
Diseño de grupos independientes
> Diseño Solomon
Las ventajas de este diseño se encuentran en la posibilidad de
comprobar la homogeneidad de los grupos y la ausencia de
interacciones entre la variable independiente y la medida
pretratamiento.
45. 4.1. Diseños experimentales
Diseño de bloques
• Aleatorización + bloqueo (matching) de variables de confusión
• Permite eliminar outlayers y crear grupos más homogéneos.
MAXIMIZAMOS EL CONTROL DE LAS VARIABLES EXTRAÑAS!!
47. Análisis de
datos
• El análisis de datos es un
conjunto de procedimientos
diseñados para:
• 1. Resumir y organizar datos
(estadística descriptiva).
• 2. Extraer conclusiones
(estadística inferencial -
contraste de hipótesis)
49. 3. 1. Estadística descriptiva
Frequencies of afl.finalists
Levels Counts % of Total Cumulative %
Adelaide 26 6.5% 6.5%
Brisbane 25 6.3% 12.8%
Carlton 26 6.5% 19.3%
Collingwood 28 7.0% 26.3%
Essendon 32 8.0% 34.3%
Fremantle 6 1.5% 35.8%
Geelong 39 9.8% 45.5%
Hawthorn 27 6.8% 52.3%
Melbourne 28 7.0% 59.3%
North Melbourne 28 7.0% 66.3%
Port Adelaide 17 4.3% 70.5%
Richmond 6 1.5% 72.0%
St Kilda 24 6.0% 78.0%
Sydney 26 6.5% 84.5%
West Coast 38 9.5% 94.0%
Western Bulldogs 24 6.0% 100.0%
50. 3. 1. Estadística descriptiva
Descriptives
afl.margins
N 176
Missing 0
Mean 35.3
Standard deviation 26.1
Range 116
Minimum 0.00
Maximum 116
51. 3. 2. Contraste de hipótesis
Comparaciones entre
parámetros o
estadísticos o entre
muestras
Pruebas de
conformidad o de
ajuste
Relaciones entre dos
o más variables
Pruebas de
independencia o
relación
52. ¿En qué consisten un contraste de hipótesis?
Una vez recogidos nuestros datos y analizados, tenemos que decidir con cual de
las dos hipótesis nos quedamos
¿Aceptamos H0 (Placebo y homeopatía son igual de eficaces) o rechazamos H0
(Placebo y homeopatía son diferentes (H1)?
Si p> 0,05 aceptaremos H0
Si p< 0,05 rechazaremos la H0
3. 2. Contraste de hipótesis
53. Pruebas de Chi-cuadrado y McNemar para comparar proporciones.
Pruebas t-Student y ANOVAS para comparar medias
Contrastes no-paramétricos para comparar medias (U de Mann-Whitney, Wilcoxon).
3. 2. Contraste de hipótesis
55. 3. 2. Contraste de hipótesis
Permite comparar proporciones no relacionadas y evaluar por tanto si
dos variables categóricas están o no relacionadas (hipótesis de
independencia).
Por ejemplo:
• ¿La proporción de fumadores es distinta entre hombres y mujeres?
• ¿La presencia de un trastorno de alimentación se relaciona con haber
practicado gimnasia rítmica?
¿Asistir a clase se relaciona con aprobar la asignatura?
CHI2
56. 3. 2. Contraste de hipótesis
Aquí podemos observar que la proporción de personas con obesidad
infantil que desarrolla un TA es del 65% ((64x100)/99) mientras que los
que no han tenido obesidad infantil es del 48% ((35x100)/73)).
El test de Chi-cuadrado permite evaluar si dicha diferencia es real o es
fruto del azar.
Dos o más variables categóricas se describen y
analizan mediante tablas de contingencia (o tablas
cruzadas).
CHI2
57. 3. 2. Contraste de hipótesis
Contingency Tables
Contingency Tables
choice
species puppy flower data Total
robot 13 30 44 87
human 15 13 65 93
Total 28 43 109 180
χ² Tests
Value df p
χ² 10.7 2 0.005
N 180
CHI2
58. 3. 2. Contraste de hipótesis
Permite comparar medias de dos grupos distintos y evaluar si
una variable categórica (que define los grupos) se asocia a
una cuantitativa (en la que calculamos las medias).
Por ejemplo:
¿El número de cigarrillos fumados es distinto entre hombres
y mujeres?
¿La puntuación en una escala de depresión se relaciona con
el tipo de depresión (mayor y distimia)?
¿Asistir a clase se relaciona con la nota en una asignatura?
T student
60. 3. 2. Contraste de hipótesis
T student
Independent Samples T-Test
Independent Samples T-Test
statistic df p
grade Student's t 2.12 31.0 0.043
Group Descriptives
Group N Mean Median SD SE
grade Anastasia 15 74.5 76.0 9.00 2.32
Bernadette 18 69.1 69.0 5.77 1.36
Plots
grade
Independent Samples T-Test
statistic df p
grade Student's t 2.12 31.0 0.043
Group Descriptives
Group N Mean Median SD SE
grade Anastasia 15 74.5 76.0 9.00 2.32
Bernadette 18 69.1 69.0 5.77 1.36
Plots
grade
References
[1] The jamovi project (2020). jamovi. (Version 1.2) [Computer Software]. Retrieved
[2] R Core Team (2019). R: A Language and environment for statistical computing.
Retrieved from https://cran.r-project.org/.
61. 3. 2. Contraste de hipótesis
Permite comparar medias de más de dos grupos
distintos y evaluar si una variable categórica (que
define los grupos) se asocia a una cuantitativa (en la
que calculamos las medias). Por ejemplo:
• ¿El número de cigarrillos fumados es distinto en
adolescentes, adultos y personas mayores?
• ¿La puntuación en una escala de depresión se
relaciona con el tipo de depresión (mayor, postparto y
distimia)?
• ¿el grado de asistencia a clase (nunca, a veces,
frecuentemente, siempre) se relaciona con la nota en
una asignatura?
Anova
62. 3. 2. Contraste de hipótesis
Anova
TRATAMIENTO
A
TRATAMIENTO
B
TRATAMIENTO
C
30 45 35
44 50 46
26 43 37
15 55 40
39 56 27
45 41 44
19 39 20
23 24 51
41 40 41
63. 3. 2. Contraste de hipótesis
Anova
Descriptives
drug mood.gain
N anxifree 6
joyzepam 6
placebo 6
Missing anxifree 0
joyzepam 0
placebo 0
Mean anxifree 0.717
joyzepam 1.48
placebo 0.450
Standard deviation anxifree 0.392
joyzepam 0.214
placebo 0.281
0.5
1.0
1.5
anxifree joyzepam placebo
drug
mood.gain
ANOVA - mood.gain
Sum of Squares df Mean Square F p
drug 3.45 2 1.7267 18.6 <.001
Residuals 1.39 15 0.0928
64. 3. 2. Contraste de hipótesis
Correlación
Permite ver si existe una relación (directa o indirecta) entre
dos variables cuantitativas). Por ejemplo:
• ¿El número de cigarrillos fumados se correlaciona con el
perímetro abdominal?
• ¿Existe relación entre el número de cigüeñas y el número de
nacimientos?
65. 3. 2. Contraste de hipótesis
Correlación
Correlation Matrix
dan.sleep baby.sleep
dan.sleep Pearson's r —
p-value —
baby.sleep Pearson's r 0.628 —
p-value <.001 —
5 6 7 8 9
5.0
7.5
10.0
12.5
1 0.31
1
0.24
0.49
1
0.18
0.31
0.38
1
0.13
0.39
0.53
0.29
1
A1
A2
A3
A4
A5
A
1
A
2
A
3
A
4
A
5
-1.0 -0.5 0.0 0.5 1.0
Pearson
Correlation
