El documento describe los conceptos de variable, indicador, propiedad y objeto al medir variables. Explica que una variable es un atributo que puede tomar diferentes valores y puede medirse directamente a través de indicadores presentes en las propiedades de un objeto o fenómeno. Luego, ofrece ejemplos de cómo medir la variable "deportividad" en un Bugatti Veyron a través de indicadores como la potencia, aerodinámica, ruedas y estética.

1. Instrumentos de
Recogida de Datos
Prof. Jesús González Monroy
Facultad de Educación de Ciudad Real
UCLM

2. Midiendo Variables

3. Midiendo Variables
Objeto: Bugatti Veyron
Objeto

4. Midiendo Variables
Objeto: Bugatti Veyron
Motor
Aerodinámica
Ruedas
Estética
Propiedades Objeto

5. Midiendo Variables
Objeto: Bugatti Veyron
Variable: Deportividad
Motor
Aerodinámica
Ruedas
Estética
PropiedadesVariable Objeto

6. Midiendo Variables
Objeto: Bugatti Veyron
Variable: Deportividad
Motor
Aerodinámica
Ruedas
Estética
Potencia
Coeficiente Cx
Perfil
y Medida
Colores
“racing”
PropiedadesIndicadoresVariable Objeto
a través de sobre del

7. Noción de Variable
Un atributo
que puede
TOMAR
DISTINTOS VALORES
(Representación
de una Propiedad)
Pueden Medirse
Directamente A Través de Indicadores

8. Noción de Variable
Un atributo
que puede
TOMAR DISTINTOS VALORES
(Representación
de una Propiedad)
Pueden Medirse
Directamente A Través de Indicadores

9. Noción de Variable
Un atributo
que puede
TOMAR DISTINTOS VALORES
Pueden Medirse
Directamente A Través de Indicadores
(Propiedad)

10. Noción de Variable
Pueden Medirse
Directamente A Través de Indicadores
(Propiedad)
atributo Nivel
Alcoholemia

11. Noción de Variable
Pueden Medirse
Directamente A Través de Indicadores
(Propiedad)
atributo Nivel
Alcoholemia
Toma distintos valores
Alegre0,0 “Perjudicado” “Ciego”

12. Noción de Variable
Pueden Medirse
Directamente A Través de Indicadores
(Propiedad)
atributo Nivel
Alcoholemia
Toma distintos valores
Alegre0,0 “Perjudicado” “Ciego”

13. Noción de Variable
Pueden Medirse
Directamente A Través de Indicadores
(Propiedad)
atributo Nivel
Alcoholemia
Toma distintos valores
Alegre0,0 “Perjudicado” “Ciego”

14. Midiendo Variables
Variables
Buscamos datos sobre
A través de...
Indicadores
Que encontramos en...
Propiedades
Presentes en...
Objetos o fenómenos

15. Dominio de la variable
Variable:
Ser “buen estudiante”

16. Dominio de la variable
Variable:
Ser “buen estudiante”

17. Dominio de la variable
Variable:
Ser “buen estudiante”

18. Dominio de la variable
Variable:
Ser “buen estudiante”

19. Dominio de la variable
Variable:
Ser “buen estudiante”

20. Dominio de la variable
Variable:
Ser “buen estudiante”

21. Dominio de la variable
Variable:
Ser “buen estudiante”

22. Dominio de la variable
Variable:
Ser “buen estudiante”

23. Dominio de la variable
Variable:
Ser “buen estudiante”
Indicadores

24. Dominio de la variable
Variable:
Ser “buen estudiante”
Dominio de la variable
Indicadores

25. Dominio de la variable
Variable:
Ser “buen estudiante”
Dominio de la variable
Indicadores
Definición
Teórica
Medición

26. Plan para obtener los datos
Sampieri, P 199
Objetivo Pregunta
¿Cuáles son las
Fuentes?
¿Cómo accedo a
ellas?
¿Qué método
utilizo para
recolectar datos?
¿Cómo los
organizaré para
analizarlos?
¿Qué variables
voy a Medir?
¿Sobre qué
muestra?
¿Con qué
Recursos?
¿Qué
instrumentos he
de elaborar?

27. TriangulaciónTriangulation Defined
• “the use of more than one method or source
of data in the study of a phenomenon so that
findings may be cross-checked”
Bryman (2008, pg. 700)
• This will allow them to identify key issues
which they can then use as a basis for mo
formal interviews and questionnaires
• Think of it as a Surveyor trying to find a po
they will locate the point based on three v
Questionnaire
Interview
Document
Analysis
Cuestionario
Entrevista
Análisis
Documental

28. Datos primarios y secundarios
Datos Primarios
Datos Secundarios
Recolectados de investigadores
anteriores o fuentes documentales
existentes
Recogidos
directamente por el
investigador

29. ¿Por qué usar datos secundarios?
Ventajas Limitaciones
• Menos recursos y tiempo
• Más tiempo para el análisis de los
datos
• Datos de Calidad
• Oportunidad para estudios
longitudinales
• El re-análisis permite nuevas
interpretaciones
• Menor familiaridad con los datos
• Mayor Complejidad de los datos
• No hay control sobre la calidad de
los datos
• No contamos con variables clave o
fijadas por el investigador.
• Los datos pueden ser obsoletos
• No satisfacen exigencias de la
metodología experimental.

30. Types of Secondary Data
Saunders et al (2009, pg. 259)

31. Datos Primarios
Recogidos
directamente por el
investigador

32. Técnicas de Recogida de Información
Técnicas de Encuesta
Técnicas
Sociométricas
Experimentos de Laboratorio
Entrevistas
Grupos de Discusión
Cuestionarios
Técnicas Proyectivas
Técnicas Documentales
Observación Escalas

33. Variables cuantitativas y cualitativas
Cualitativas
Cuantitativas
Atributo no numérico de un objeto
Atributo numérico de un objeto
Género, color, Codificamos
Discretas Continuas

34. Variables Cuantitativas vs Cualitativas
Cuantitativas Cualitativas
Permite análisis
numéricos
Permite hacer
predicciones
Resulta reduccionista
Conocimiento más
Real
Más costoso en
tiempo y recursos
Interpretar
Fenómenos

35. Niveles de Medición Cuantitativa
Nominal Categorías sin orden ni Jerarquía 215Tres cuestiones fundamentales para un instrumento o sistema de medición
1 = Católico
2 = Judío 1 + 2 = 3
3 = Protestante
4 = Musulmán ¿Un católico + un judío = un protestante?
5 = Otros (No tiene sentido)
Las variables nominales pueden incluir dos categorías (dicotómicas), o bien, tres o más cate-
gorías (categóricas). Ejemplos de variables nominales dicotómicas serían el género, el veredicto de
un jurado (culpable-no culpable) y el tipo de escuela a la que se asiste (privada-pública); y como
ejemplos de variables nominales categóricas tendríamos la afiliación política (partido A, partido
B, etc.), la licenciatura elegida, el grupo étnico, el departamento, la provincia o el estado de naci-
miento, la clase de material de construcción (“no” su resistencia, ésta sería otra variable), tipo de
medicamento suministrado (“no” la dosis, que sería una variable distinta), bloques de mercado
(asiático, latinoamericano, comunidad europea, etc.) y el canal de televisión preferido.
2. Nivel de medición ordinal. En este nivel hay varias categorías, pero además mantienen un orden de
mayor a menor. Las etiquetas o los símbolos de las categorías sí indican jerarquía. Por ejemplo, el
prestigio ocupacional en Estados Unidos se ha medido por diversas escalas que reordenan las
profesiones de acuerdo con su prestigio, por ejemplo:5
Valor en
escala
Profesión
90
80
60
50
02
Ingeniero químico
Científico de ciencias naturales (excluyendo la química)
Actor común
Operador de estaciones eléctricas de potencia
Manufacturero de tabaco
Los números (símbolos de categorías) definen posiciones, en el ejemplo: 90 es más que 80, 80
más que 60, 60 más que 50 y así sucesivamente. Sin embargo, las categorías no están ubicadas a
intervalos iguales (no hay un intervalo común). No podríamos decir con exactitud que entre un
actor (60) y un operador de estaciones eléctricas (50) existe la misma distancia en prestigio que
entre un científico de ciencias naturales (80) y un ingeniero químico (90). Al parecer, en ambos
casos la distancia es 10, pero no es una distancia real. Otra escala6
clasificó el prestigio de dichas
profesiones de la siguiente manera:
Valor en
escala
Profesión
98 Ingeniero químico
Ordinal
215Tres cuestiones fundamentales para un instrumento o sistema de medición
1 = Católico
2 = Judío 1 + 2 = 3
3 = Protestante
4 = Musulmán ¿Un católico + un judío = un protestante?
5 = Otros (No tiene sentido)
Las variables nominales pueden incluir dos categorías (dicotómicas), o bien, tres o más cate-
gorías (categóricas). Ejemplos de variables nominales dicotómicas serían el género, el veredicto de
un jurado (culpable-no culpable) y el tipo de escuela a la que se asiste (privada-pública); y como
ejemplos de variables nominales categóricas tendríamos la afiliación política (partido A, partido
B, etc.), la licenciatura elegida, el grupo étnico, el departamento, la provincia o el estado de naci-
miento, la clase de material de construcción (“no” su resistencia, ésta sería otra variable), tipo de
medicamento suministrado (“no” la dosis, que sería una variable distinta), bloques de mercado
(asiático, latinoamericano, comunidad europea, etc.) y el canal de televisión preferido.
2. Nivel de medición ordinal. En este nivel hay varias categorías, pero además mantienen un orden de
mayor a menor. Las etiquetas o los símbolos de las categorías sí indican jerarquía. Por ejemplo, el
prestigio ocupacional en Estados Unidos se ha medido por diversas escalas que reordenan las
profesiones de acuerdo con su prestigio, por ejemplo:5
Valor en
escala
Profesión
90
80
60
50
02
Ingeniero químico
Científico de ciencias naturales (excluyendo la química)
Actor común
Operador de estaciones eléctricas de potencia
Manufacturero de tabaco
Los números (símbolos de categorías) definen posiciones, en el ejemplo: 90 es más que 80, 80
más que 60, 60 más que 50 y así sucesivamente. Sin embargo, las categorías no están ubicadas a
intervalos iguales (no hay un intervalo común). No podríamos decir con exactitud que entre un
actor (60) y un operador de estaciones eléctricas (50) existe la misma distancia en prestigio que
entre un científico de ciencias naturales (80) y un ingeniero químico (90). Al parecer, en ambos
casos la distancia es 10, pero no es una distancia real. Otra escala6
clasificó el prestigio de dichas
profesiones de la siguiente manera:
Valor en
escala
Profesión
98
95
84
78
13
Ingeniero químico
Científico de ciencias naturales (excluyendo la química)
Actor común
Operador de estaciones eléctricas de potencia
Manufacturero de tabaco
Aquí la distancia entre un actor (84) y un operador de estaciones (78) es de seis, y la distancia
entre un ingeniero químico (98) y un científico de ciencias naturales (95) es de tres. Otro ejemplo
sería la posición jerárquica en la empresa:
Categorías Ordenadas, aunque no proporcionales
Intervalos Categorías Ordenadas, y proporcionales con cero arbitrario
De Razón Valores proporcionales continuos con cero absoluto.
Capítulo 9 Recolección de los datos cuantitativos216
Presidente
Vicepresidente
Director general
Gerente de área
Subgerente o superintendente
Jefe
Empleado A
Empleado B
Empleado C
Intendencia
10
9
8
7
6
5
4
3
2
1
Sabemos que el presidente (10) es más que el vicepresidente (9), éste más que el director gene-
ral (8), a su vez este último más que el gerente (7) y así sucesivamente; pero no se precisa en cada
caso cuánto más. Tampoco se utilizan las operaciones aritméticas básicas: no podríamos decir que
4 (empleado A) + 5 (jefe) = 9 (vicepresidente), ni que 10 (presidente) ÷ 5 (jefe) = 2 (empleado C).
Sería absurdo, no tiene sentido. Otros ejemplos de este nivel serían: la medición por rangos de las
preferencias de marcas de bebidas refrescantes con gas (refrescos o sodas), autopercepción del grado
de dolor de cabeza y jerarquización de valores (en primer lugar, en segundo lugar, en tercero).
3. Nivel de medición por intervalos. Además del orden o la jerarquía entre categorías, se establecen
intervalos iguales en la medición. Las distancias entre categorías son las mismas a lo largo de toda
la escala, por lo que hay un intervalo constante, una unidad de medida.
Figura 9.8 Escala con intervalos iguales entre categorías.
Intervalo constante
0 1 2 3 4 5 6 7 8 9 10
Por ejemplo, en una prueba de resolución de problemas matemáticos (30 problemas de igual
dificultad). Si Ana Cecilia resolvió 10, Laura resolvió 20 y Abigail, 30. La distancia entre Ana
Cecilia y Laura es igual a la distancia entre Laura y Abigail.
Sin embargo, el cero (0) en la medición es un cero arbitrario, no es real, ya que se asigna
arbitrariamente a una categoría el valor de cero y a partir de ésta se construye la escala. Un ejemplo
clásico en ciencias naturales es la temperatura, que puede medirse en grados centígrados y
Fahrenheit: el cero es arbitrario, pues no implica que en realidad haya cero (ninguna) temperatu-

36. Fiabilidad y Validez

37. Características
Fiabilidad
(confiabilidad)
Validez
Objetividad
Mide lo que dice medir
Siempre da la misma medida sobre un suceso
No se deja influenciar por el investigador

38. Fiabilidad y Validez
Fiable
No válido
Poca Fiabilidad
Poco válido
No Fiable
No válido
Fiable
Válido

39. Determinar la Fiabilidad
Medida de la Estabilidad
Método de formas paralelas
Método de Mitades Partidas
Medidas de Consistencia Interna Coeficiente alfa Cronbach
Test - retest

40. Tipos de Validez
Validez de
Contenido
Validez de
Criterio
Validez de
Constructo

41. Validez de Contenido
Variable:
Ser “buen estudiante”
Dominio de la variable

42. Validez de Contenido
Variable:
Ser “buen estudiante”
Dominio de la variable
Instrumento BInstrumento A

43. Validez de Contenido
Variable:
Ser “buen estudiante”
Dominio de la variable
Instrumento BInstrumento A

44. Validez de Contenido
Variable:
Ser “buen estudiante”
Dominio de la variable
Instrumento BInstrumento A

45. Validez de Contenido
Variable:
Ser “buen estudiante”
Dominio de la variable
Instrumento BInstrumento A
Válido

46. Validez de Contenido
Variable:
Ser “buen estudiante”
Dominio de la variable
Instrumento BInstrumento A
Válido
No Válido

47. Validez de Criterio
Referente
Externo
Validez Concurrente
Validez Predictiva

48. Validez de Constructo
¿Mide un concepto teórico
determinado?
Establecer la relación teórica entre los
conceptos
Correlacionar los conceptos y analizar esa
correlación
Interpretar la evidencia empírica de la validez
establecida

49. Validez de Expertos
El grado en que mide la variable de
acuerdo con expertos reconocidos

50. Objetividad
Estandarizar la aplicación del instrumento
Capacitación de los administradores de la prueba
Evaluación de los resultados
Independencia respecto del investigador
¿Cómo la
buscamos?