preguntas de contenido t 1 (2014)

8/19/2019 Preguntas de Contenido t 1 (2014)...

1/39

1

PREGUNTAS DE CONTENIDO TEMA 1

BLOQUES TEMÁTICOS EN ORDEN ALFABÉTICO:

ANÁLISIS DE DATOS

CONSTRUCTOS Y VARIABLES

EJERCICIOS DE AUTOEVALUACIÓN

ESCALAS DE MEDIDA

ESTADISTICA DESCRIPTIVA E INFERENCIAL

ESTADISTICOS DE CONTRASTE

ERROR DE LOS DATOS

FUENTES Y PLANTEAMIENTO DEL PROBLEMA

GLOSARIO

HIPÓTESIS

HIPÓTESIS, LEYES Y TEORÍAS

INDEPENDENCIA / DEPENDENCIA DE LAS OBSERVACIONES

LECTURA DE INVESTIGACIONES

METODO CIENTÍFICO

METODOLOGÍAS

MUESTREO Y MUESTREO PROBABILÍSTICO/ NO PROBABILÍSTICO

NIVELES DEL PROCESO DE INVESTIGACIÓN

PARTICIPANTES Y UNIDAD MUESTRAL

PLANTEAMIENTO DEL PROBLEMA

TÉCNICAS DE INOCULACIÓN DE ESTRÉS

VALIDEZ


2/39

2

ANÁLISIS DE DATOS

1. ¿Entra en el examen el punto 1.3.4. Anális is de datos?

Este punto entra en el examen, pues tiene que saber qué partede la investigación es el análisis de datos y que para esta fasecuenta con la estadística. Pero no vamos a preguntar fórmulas de estadística.

2. ¿Qué es la curva normal y el coefic iente de curtos is (Cuadro 1.9.)?

Estos son conceptos de Estadística Descriptiva que no son objeto de esta asignatura.

Estos conceptos los tiene explicados en la asignatura de Introducción al Análisis deDatos de primer curso. Aquí aparecen en un cuadro gris como informacióncomplementaria, pero no es materia de examen. Tendrá que estudiarlos en dichaasignatura.

3. ¿Qué son los contrastes paramétricos y no paramétricos? ¿Ejemplos?

Los contrastes paramétricos y no paramétricos son técnicasestadísticas que utilizamos para ver si nuestras hipótesis secumplen. Es decir, sirven para contrastar nuestras hipótesisestadísticas en las investigaciones. Como te resume el cuadro 1.10. (que al ser gris no

entra para examen), las técnicas o contrastes paramétricos nos permiten comprobarhipótesis sobre algún parámetro poblacional (por ejemplo, que la mediapoblacional de horas que dedican los españoles al deporte es de 3 a lasemana), mientras las técnicas no paramétricas no hacen hipótesissobre parámetros poblacionales. Las técnicas paramétricas son máspotentes a la hora de extraer conclusiones, pero para que se puedanaplicar requieren que se cumplan condiciones que no siempre se dan ypor ello surgieron las técnicas no paramétricas, que no son tanpotentes pero que se pueden aplicar cuando no se dan las condicionesestadísticas que requieren las primeras

Resumiendo, los contrastes paramétricos se aplican cuando los datos que tenemos

cumplen unos criterios (ej. se distribuyen normalmente, sus varianzasson homogéneas, etc.). En caso de que estos criterios no se cumplanempleamos los contrastes no-paramétricos. Esto es lo único que debensaber en este curso.

No podemos poner un ejemplo sin adentrarnos en losanálisis de datos propiamente dichos, contenido que no es materia deesta asignatura, ni es necesario a este nivel. La asignatura de 2º deGrado, Diseños de Investigación y Análisis de Datos versa íntegramente sobre estatemática por lo que verá numerosos ejemplos.


3/39

3

4. En el cuadro 1.10 dice "Utilizaremos la denominación genérica decontrastes no paramétricos para todos aquellos contrastes que no seajustan a una cualquiera de las tres características de loscontrastes paramétricos". Aquí en este cuadro sólo se mencionan dos,¿cuál es la otra característica?

El principio del segundo párrafo del cuadro 1.10 te da las trescaracterísticas de los no paramétricos: (1) permiten poner a pruebahipótesis no referidas a un parámetro poblacional, (2) no necesitanestablecer supuestos exigentes y (3) no necesitan trabajar con datos anivel de intervalo o razón. Los paramétricos todo lo contrario.

5. ¿Qué son las pruebas t y las pruebas F de las que me habla mi tu tor enclase?

Las pruebas de contraste estadístico a las que haces referencia (pruebas t y F) noson materia de esta asignatura sino de Diseños de investigación yanálisis de datos (de 2º del Grado). Lo único que tenéis que saberahora son las líneas generales del contraste de hipótesis pero no losestadísticos específicos que se emplean para ello.

6. ¿Se uti liza la estadíst ica para la recogida de datos?

No, la estadística se emplea para analizar esos datos que previamentehas recogido. Es verdad que sin datos no habría análisis, pero la

estadística no se encarga de la recogida, solo del análisis.

CONSTRUCTOS Y VARIABLES

7. ¿Cuando a un constructo se le considera una variable?

Los constructos son variables no directamente observables como por ejemplo lainteligencia (que medimos a través de los tests). Los constructos dicho en términossencillos son conceptos. Los conceptos designan y definen cosas de manera más bienabstracta. En Psicología el término mente es un constructo, es un concepto quedesigna una entidad que puede ser determinante de la conducta. Pero hay muchosconstructos (conceptos) tales como inteligencia, ansiedad, o regulación emocional, yotro constructo es la función ejecutiva. Los conceptos como la función ejecutiva sirvenpara designar funciones cognitivas relacionadas con el control que se requiere parainhibir ciertas conductas para conseguir ciertos fines.

8. En la página 36 habla de las variables y poneejemplos de variables en Psicología: cociente intelectual, depresión,etc. ¿Son estos ejemplos de variables de tipo categórico? A continuación

dice: "estos conceptos serían constructos, pero los consideramos variables


4/39

4

cuando los definimos en términos explícitos y determinamos qué indiciosson los que nos permiten obtener una medida de ellos." No entiendo muybien qué quiere decir con "definirlos en términos explícitos", y tampoco aqué se refiere con " determinados indicios" .

Una cosa son los constructos, otra son las variables y otra lasposibles formas de realizar su medida.

Un constructo es un concepto como por ejemplo: resentimiento,eficiencia, violencia, etc. Son constructos porque son conceptos quehemos creado para resumir en una palabra muchas cosas. Pensemos en laviolencia, en este término se condensan muchos otros términos,agresión, impulsividad, agresión física, agresión verbal, enfado, etc.Cuando expresamos que alguien es violento no queremos decir solo quepegue a alguien, o que agreda verbalmente, queremos decir, muchasotras cosas, ¿no? Por ello violencia es un constructo (aquí estádefiniendo en términos explícitos violencia).

Si queremos saber si el calor genera conductores violentos, tendremosque observar qué ocurre con la violencia del conductor en diferentesépocas del año, y entonces debemos definir claramente qué es unviolento, qué conducta se considera violenta y cuál no. Si laviolencia es solo en el modo de conducir el coche o en los gestos delos conductores o los insultos, etc. Aquí está operativizando elconstructo violencia, está tratando de decir cuáles son los indiciosque observo que me indican que alguien está siendo violento durante laconducción. Supongamos que la violencia ya la ha definido comodeterminadas conductas durante la conducción, conductas como gestos, o

insultos a los demás (ya la ha explicitado).

Ahora bien usted puede definir aún más quiere medir la violencia delconductor de coche. para ello dice voy a contar los insultos, voy atomar registro de la velocidad a la que conduce, la distancia queguarda el conductor en la vía rápida con respecto del coche dedelante. Aquí cuando está midiendo conductas, a través de lasfrecuencias (contar los insultos) o de metros (la distancia queguarda) etc., está utilizando valores o medidas que le sirven deindicios que miden la violencia.

9. ¿Me podría poner algún ejemplo de constructo y explicar el constructo de

función ejecutiva?

Los constructos dicho en términos sencillos son conceptos. Los conceptos designan ydefinen cosas de manera más bien abstracta. En Psicología el término mente es unconstructo, es un concepto que designa una entidad que puede ser determinante de laconducta. Pero hay muchos constructos (conceptos) tales como inteligencia, ansiedad,o regulación emocional, y otro constructo es la función ejecutiva.

Los conceptos como la función ejecutiva sirven para designar funciones cognitivasrelacionadas con el control que se requiere para inhibir ciertas conductas paraconseguir ciertos fines. El término de función ejecutiva en la página 41 se está


5/39

5

utilizando como ejemplo de cómo se pasa de un concepto (constructo) a unavariable observable y que pueda ser medible en este caso.

10. ¿Cómo identifico en un caso o una investigación las variables independientey dependiente?

Lo primero es ver el problema de la investigación, la hipótesis y luego delimitar lasvariables. Fíjate en este enunciado: Se quiere saber si el alcohol influye en elrendimiento en un test de conducir. La variable independiente (VI) será el alcohol quees la variable cuyo influjo se quiere estudiar y la variable dependiente (VD) será elrendimiento en el test de conducir, que es lo que vamos a medir.

Cuando se investiga, normalmente lo que se quiere es encontrar lacausa de que algo ocurra. La causa es la variable independiente y loque ésta genera es la variable dependiente. Por ejemplo, la causa de que el aguahierva es la temperatura. Temperatura =variable independiente. Agua hirviendo=

variable dependiente.

11. ¿Cuál es la variable a operativizar, la variable independiente o ladependiente?

Se operativizan siempre todas las variables, tanto las dependientes como lasindependientes. En el caso de los diseños univariados operativizamos la única variabledependiente que tenemos y la/s variables independiente/s. Si el diseño es multivariadose operativizan todas las variables dependientes y todas las independientes.

Cuando decimos que hay que operativizar la variable estamos diciendo que queremos

ver cómo podemos manejarnos con estas variables. Imagine esta hipótesis. Elaumento de la auto-estima hace que disminuyan la ansiedad de hablar en público. Lavariable independiente es la auto-estima y la dependiente la ansiedad.

Podemos hacer lo siguiente: a una muestra le medimos la auto-estima, una vezmedida, formamos tres grupos auto-estima alta, media, y baja. Tenemos tres gruposde personas con un determinado nivel de autoestima. Al hacer esto, hemos utilizadoun instrumento para medirla, hemos operado con la auto-estima midiéndola yformamos tres grupos (hemos operativizado la variable independiente). Ahora paracontrastar la hipótesis, ponemos a los participantes en una situación en la que tienenque hablar en público -les decimos que tienen que grabar un diálogo para la tele- o

una situación así. Bien, tenemos que medirle la ansiedad... ¿cómo se le ocurre que sela medimos? Supongamos que la medimos a través del nivel de sudoración, donde leponemos el aparato del micrófono le colocamos un aparato que la mide... a mássudoración, más ansiedad. ¿Qué está haciendo? La variable dependiente -ansiedadmedida a través de sudoración- la está midiendo con el aparato (hemos operativizadola variable dependiente) y de este modo tiene medidas de ansiedad y puede compararqué grupos -divididos por la auto-estima- obtienen las diferentes medidas desudoración... Está OPERATIVIZANDO ambas variables.


6/39

6

12. No entiendo lo referente a las variables cualitativas, dicotómicas, politómicasy su categoría.

Las variables cualitativas son aquellas que sólo designan una cualidad o atributo. Setiene o no se tiene una cualidad o se tiene en mayor, menor o igual grado. La cualidado atributo se subdivide en clases mutuamente exclusivas y exhaustivas. Esto es: unobjeto no puede pertenecer a más de una clase y todos los objetos se puedenadjudicar a alguna clase... De esta forma las variables nominales y ordinales soncualitativas. Las variables cualitativas pueden dividirse en: dicotómicas (tienen sólodos clases o categorías) o politómicas (admiten más de dos clases o categorías). Lareligión considerando católicos, protestantes y judíos entre otros podría considerarsepolitómica. Sin embargo, el grado de apertura, considerado como abierto o cerrado, esuna variable dicotómica. Es decir:

Una variable cualitativa dicotómica sólo tiene dos valores o categorías, como porejemplo la variable género sólo tiene dos valores, hombre y mujer.

Una variable cualitativa politómica puede tener más de dos valores o categorías comopor ejemplo estatus socioeconómico, que puede ser medio, bajo, alto.

13. ¿Las variables discretas son valores enteros o son valores naturales? ¿Y lasvariables continuas son valores reales o son valores racionales?

Estos términos no significan exactamente igual, pero lo fundamental es que, comopone en el cuadro 1.7, en las variables disc retas los valores son enteros (no admitennúmeros intermedios) y en las continuas los valores son reales (admiten númerosintermedios).

La diferencia entre enteros y naturales, es que los enteros incluyen los númerosnegativos.

Los números reales incluyen los racionales (admiten decimales) y los irracionales queno se puede expresar de manera fraccionaria y tienen infinitos cifras decimales noperiódicas.

14. ¿Podríais aclararme lo de que la variable independiente puede adoptardistintos niveles, condiciones o tratamientos?

Una variable puede adoptar diferentes valores (por eso se llama variable porque

varía). A estos valores se les llaman niveles.Si utilizamos como variable independiente las horas de estudio. Podemos elegir paraun experimento 4 valores o niveles: 8 horas, 4 horas, 2 horas y 0 horas. Cada uno deestos valores se pueden "aplicar" a un grupo diferente de sujetos: Grupo A (8 horas),Grupo B (4 horas), Grupo C (2 horas) y Grupo D (0 horas). Tendríamos unexperimento con 4 tratamientos o condiciones. El término factor se utiliza más biencuando hacemos un diseño factorial. Este tipo de diseño se caracteriza porque estudiaconjuntamente el efecto de dos o más variables independientes sobre una o más deuna variable dependiente. A cada una de estas variables independientes se lellama Factor . Por ejemplo, si además de las horas de estudio queremos ver en elmismo experimento el efecto del género de los sujetos, tendríamos un diseño factorial4X2. La primera variable independiente o factor tendría 4 niveles y la segunda dosniveles. Este diseño tendría 8 condiciones o tratamientos y 2 variables independientes


7/39

7

o factores. La primera variable independiente o factor tendría 4 niveles y la segunda 2.Todo esto lo entenderás mucho mejor en el Tema 5.

15. ¿Qué son variables de selección de valores?

Las variables independientes pueden ser de manipulación intencional o de selecciónde valores. En las primeras, el investigador selecciona los valores que cree másconveniente. Por ejemplo, dosis de un fármaco, horas de sueño, longitud de unaslíneas paralelas, etc. En una variable de selección de valores, éstos ya vienen dados.Por ejemplo, género (hombre y mujer), estatus socioeconómico (alto, medio, bajo),enfermedad (sida, tuberculosis, cáncer).

16. Las variables de selección de valores pueden ser variables extrañas pero,¿pueden ser variables dependientes e independientes?

Una variable de selección de valores es una variable independiente si queremosestudiar su influencia. Por ejemplo, si queremos estudiar cómo influye la edad de los

sujetos en la atención, podemos formar dos grupos. El grupo A estará formado por 40sujetos de 20 años y el grupo B estará formado por 40 sujetos de 50 años. A ambosgrupos se les pasará un cuestionario de atención. En este caso la edad (variable deselección de valores) es la variable independiente. Si en este estudio, en lugar de lainfluencia de la edad quisiéramos estudiar la influencia del género en la atención, laedad podría ser una variable extraña y la tendríamos que controlar.

17. ¿Podrían poner un ejemplo que pudiera clarificar el uso de lasvariables de selección de valores?

Los estudios con variables no manipulativas las tiene en capítulos

siguientes (ex post facto, encuestas, observación y cualitativas) ytiene ejemplos sobre ellos.

Lo que sí es acertado decir es que las estrategias manipulativas, elinvestigador crea condiciones cambia algunos elementos en el ambiente,o modifica el estado fisiológico del individuo para probar cómo estoafecta en el fenómeno de estudio. Mientras que las estrategias nomanipulativas como usted bien dice carecen de esta característica.Pero no manipular no significa que las condiciones que presenta lanaturaleza, como por ejemplo, ser de un determinado grupo cultural, deuna generación, padecer una enfermedad, pertenecer a una familianumerosa, o vivir en el polo norte, etc. no sean condiciones que

puedan ser comparadas con otras bien distintas. Así, si usted eligeestudiar quienes son más proclives a perdonar si los hombres o lasmujeres, usted está estudiando el género como una variable que leindica si las mujeres perdonan más que los hombres. Esta variable ladenominamos de selección de valores porque no puede manipular a loshumanos para que sean hombres o mujeres.

18. Ejemplos de variables de manipulación y de selección de valores.

El concepto de selección de valores está vinculado al tipo de variable independiente.En la investigación las variables independientes se pueden manipular para estudiar su


8/39

8

efecto en la dependiente, o sencillamente se pueden seleccionar y estudiar su efectoen la dependiente.

Un ejemplo de manipulación: Si quiero conocer en qué medida las conversacionessobre los estados emocionales que se mantienen entre un niño y un adulto favorecenel vocabulario del niño con respecto al uso que hace de las etiquetas emocionales.Puedo decidir hacer un estudio experimental: En el que entreno a profesores parahacer conversaciones sobre las emociones con los niños en sus aulas de pre-escolar,y esta es una variable que manipulo (entreno a los profesores para conversar sobreemociones básicas). Después evalúo el vocabulario emocional de los niños despuésde la aplicación del programa. Puedo utilizar un grupo control para ver qué evolucióntienen los niños de las mismas edades que no participaron en el programa ycompararlo. Si el programa tiene efecto al comparar a los grupos control yexperimental, puedo establecer una relación causal.

Un ejemplo de selección de valores. Puedo evaluar qué profesores utilizan másvocabulario emocional en las aulas a través de un registro. Tengo 10 profesores, de

los cuales 5 utilizan más vocabulario emocional que los otros 5 profesores. Paraevaluar su efecto en el vocabulario emocional de los niños evalúo a los niños elnúmero de palabras emocionales que conocen, y usan.

Como puede observar aquí se está comparando a los niños que tienen profesores quetienden más usar el vocabulario emocional frente a los niños que tienen profesoresque los usan menos. Mi variable dependiente es la misma, evalúo a los niños en suvocabulario emocional. Pero la variable independiente en los dos estudios es distinta.En el primer estudio el experimentador interviene, manipula a través de un programade entrenamiento a los profesores. En el segundo estudio el investigador selecciona lavariable independiente: los profesores que hablan de emociones y los que no hablande emociones en el aula. Pero como no hay una intervención no puedo establecer una

relación causal, pero si puedo establecer una relación entre tener un tipo de profesor uotro. Este tipo de relación es predictiva si realizo un análisis en el que la variable tipode profesor me indique que es más probable que tener un profesor “emocional” hagaque los niños usen más palabras emocionales que tener un profesor “no emocional”.

Ahora bien, recuerde que en este apartado estamos hablando de las variables, entérminos generales, antes hemos hablado de las variables independientes que puedenser manipuladas o de selección. En este apartado estamos refiriéndonos a lasvariables y la forma en cómo son medidas. Una variable categoría, retomando elejemplo de la selección de valores, sería hablar de emociones o no hablar deemociones en el aula. Tenemos dos categorías en esta variable, se habla o no.

Pero se pueden ordenar también, hay profesores que hablan escasamente, otroshablan un poco, bastante o mucho. Estamos ordenado la frecuencia del uso de laspalabras emocionales (ordinales). También podemos establecer otras medidas en lasque utilizamos un intervalo, como usar entre 1 y 5 palabras emocionales, entre 5 y 10y así sucesivamente.

En las variables de selección de valores se trata de seleccionar a los grupospor poseer una determinada característica, que por su naturaleza no podemosmanipular, por ejemplo, haber nacido en los años del baby boom, pertenecer a unaetnia, o bien haber nacido en un hogar con más de una televisión, etc. Seleccionamos


9/39

9

a los participantes por poseer una determinada característica (un valor de la variableindependiente).

Pero la representatividad no pasa por poseer o no esta característica, es decir, larepresentatividad de la muestra depende de la técnica que utilizo para seleccionar a la

muestra de la población. Si yo consigo una muestra con una determinadacaracterística (haber nacido en los años del baby boom) y yo uso el procedimientosiguiente: ponerme en la plaza de una ciudad y preguntar en qué año naciste y le pidoa esa persona que participe en mi estudio. No tengo garantías de que mi muestra searepresentativa de los nacidos en los años del baby boom, porque no hay garantías deque toda la población nacida en esos años tenga las mismas probabilidades de serincluido en la muestra. En cambio si tengo una lista de todos los nacidos en ese año, yhago un muestreo aleatorio, tendré más garantías de que mi muestra sí searepresentativa. Todo esto lo verá más adelante en el Tema de Encuestas.

19. ¿Cuál es la diferencia entre variable dependiente y variable independiente?

Es fundamental que entienda estos dos conceptos para poder seguir con el estudio dela materia en esta asignatura. La variable independiente es la CAUSA y la variabledependiente es el EFECTO. La variable independiente es la que manipula elinvestigador (elige sus valores) para saber cómo *afecta* en la variabledependiente (que es la que se mide). Por ejemplo, se quiere saber cómo influye lashoras de sueño en el rendimiento en una prueba matemática. El investigador formados grupos, uno de ellos duerme 5 horas y el otro duerme 8 horas. Deforma que *el investigador manipula la variable independiente*eligiendo dos valores (5 y 8 horas) y asignando un grupo a cadavalor. A continuación quiere medir su efecto sobre el rendimiento enuna prueba matemática (variable dependiente), para ello pasa un test atodos los participantes de cada grupo. Podrá ver numerosos ejemplos de ambasvariables en las investigaciones que se van planteando en los siguientes temas.

20. Si una variable dependiente es una variable continua, es decir, que puedeadoptar cualquier valor desde 0 hasta un límite fijado por el experimentador(por ejemplo podr ía ser el tiempo que tarda el sujeto en dar una respuesta, olos lit ros de agua que bebe en un día, etc.) ¿Cuáles serían las* medidas* de lavariable dependiente? Por lo que yo entiendo serían los segundos, en uncaso, o bien los litros, en el otro caso, es decir, habría una gran cantidadde medidas posibles, desde 0 hasta el límite prefijado (1, 2, 3, 4...)Con esto quiero llegar a que NO serían *dos medidas, *"mayor" o"menor", si se comparasen las de un grupo y las del otro. Al menos yo

no lo entiendo así. ¿Estoy en lo c ierto?

Cuando tienes una variable continua, en lugar de utilizar todos susposibles valores, puedes dicotomizarla en, por ejemplo, más de 10segundos y menos de 10 segundos. Siempre que estés trabajando con unavariable medida en una escala superior, puedes bajar de nivel demedida, dicotomizándola o haciendo varios niveles, dependerá de lo quete interese. Al revés no.

21. ¿Qué son las variables extrañas?

En el ejemplo del libro (págs. 39-40), en el que se trata de ver la

influencia de la agresividad (VI) sobre la conducción (VD), una


10/39

10

variable extraña que podría ocurrir sería el nivel de alcohol quellevan los sujetos cuando conducen. Esa variable puede influir en elnivel de conducción y no es una variable que queramos estudiar, nihemos manipulado. Luego no se trata de una VI. Es una VE que tenemosque controlar para que no afecte a nuestros resultados (mirando elnivel de alcoholemia de todos y manteniendo constante esta variable).

22. En este mismo documento se dice que las variables nominales yordinales son cualitativas, sin embargo en el libro pone que las ordinales noes que sean cualitativas, sino cuasi-cuantitativas, ¿qué es lo correcto?

A las variables ordinales se las denomina cuasi-cuantitativas. A loque se refiere en este documento respecto a las variablesordinales es que son cualitativas en el sentido que ahí te explica:"Se tiene o no se tiene una cualidad en mayor, menor o igual grado". Alos dos tipos de variables, nominales y ordinales, se las considera

cualitativas porque no son cuantitativas. No obstante, para distinguirun nivel superior para las ordinales, se las llama cuasi-cuantitativas(en las nominales sólo se tiene o no se tiene una cualidad). Con lasvariables cualitativas no se pueden realizar operaciones como sumar,restar,....

23. ¿Qué es una variable dummy?

Una variable dummy en términos estrictos es una variable que por su naturaleza escualitativa p,ej. Extranjero/Nativo; Tiene Móvil, no tiene móvil, etc., y la denominaciónde 0 o 1, simplemente es para indicar que 0 es Nativo, y 1 Extranjero. O que Tiene

móvil = 0 y no tiene móvil = 1. En realidad esto es interesante saberlo a la hora derealizar un análisis estadístico, que el 0 y el 1 asignado de las dos categorías notienen otro valor que el nominativo.

24. Después de leer el contenido de Preguntas del tema 1, me ha surgido unaduda que creía no tener, es la siguiente: sobre las VARIABLES DESELECCIÓN DE VALORES, se considera como una VI, en investigacionescon estrategias no manipulables (intencionadamente por el investigador),entonces: ¿pueden ser también VVDD y VVEE?

Cualquier variable puede adoptar el papel de VI, VD o VE, dependiendode la investigación que se realice. Por otro lado, las variables queactúan en una investigación como VVII pueden ser de manipulaciónintencional o de selección de valores (como en los diseños ex postfacto). Estudia en el tema 8 las variables de selección de valores.


11/39

11

EJERCICIOS DE AUTOEVALUACIÓN

25. ¿Dónde puedo encontrar los ejercicios de autoevaluación?

Los ejercicios de autoevaluación están al final de cada uno de los

temas del libro.

ESCALAS DE MEDIDA

26. ¿Me pueden explicar la diferencia entre el 0 en la escala de razón y en la deintervalo?

En una escala de intervalo el cero no significa ausencia de la característica medida.Por ejemplo, cuando un alumno tiene un cero en el examen de Fundamentos deInvestigación no significa que no sabe nada de la asignatura, sino que ha contestadomal a todas las preguntas del examen. Lo mismo ocurre cuando medimos lainteligencia, depresión, ansiedad....utilizando tests o cuestionarios. No existe nadieque tenga ausencia total de inteligencia, depresión, ansiedad... Es decir, ese cero esarbitrario y no significa ausencia de la característica medida. En el caso del examenponemos el cero a la persona que no ha contestado correctamente a 30 preguntas,pero lo podíamos haber puesto en la persona que no ha contestado bien las 7primeras preguntas, independientemente de lo que haya contestado en el resto delexamen.Cuando utilizamos una escala de razón el cero es real. Por ejemplo, número de gatosen mi casa, número de pelos en la cabeza, tiempo de reacción medidos enmilisegundos… Es decir, existe realmente la ausencia de esa característica.

27. ¿Me podrían poner ejemplos de las distintas escalas?

“Imaginemos que nos encontramos ejerciendo de psicólogos en un despacho

profesional y se nos presenta una persona, A , que nos empieza a contar lo que sufre, lo

mal que le va la vida, que no tiene ningún apoyo afectivo, etc. Su situación es

desesperada, según lo que ella nos cuenta. Cuando nuestra paciente hipotética se

marcha, llega otra, B , que está llorando y todo el tiempo de su consulta no hace más

que llorar hasta que se marcha, sin lograr poder decirnos algo. Su situación es distinta

de la anterior y, posiblemente, juzguemos que es peor. Llega otro tercer paciente, C ,

que viene cabizbajo, en posturas autistas y ni tan siquiera nos mira. Pasa su tiempo

sentado, sin decirnos nada y al cabo de un tiempo se levanta y se marcha. También susituación es desesperada, distinta de las dos anteriores y creemos que mucho peor que

ambas. Un psicólogo, ante esta situación, tiene que discriminar entre ellos en cuanto a,

por ejemplo, su "grado de depresión" se refiere. El discriminar lleva consigo una forma

de medir: el paciente A no está igual de deprimido que el B , y el B no lo está igual que el

C . A esta forma de medir se le designa una medición en una escala nominal . En ella se

permite decir si una observación es igual o distinta que otra, o que dos elementos, o

sujetos en nuestro caso, pertenecen o no a una misma categoría. Pero en nuestro caso

clínico, además de saber que las depresiones observadas son distintas, también podemos

observar que la depresión de A es menor que la de B y también es menor que la de C . La

escala que nos permite hablar de igual-distinto y además de un orden entre las

observaciones se designa escala ordinal . Si a nuestros tres pacientes se les pasase el


12/39

12

Cuestionario de Depresión de Beck podríamos obtener una puntuación asignada a cada

sujeto que revelase las conductas depresivas experimentadas por nuestros tres pacientes.

Así, las conductas no sólo serían distintas, ni unos sujetos experimentarían más conductas

depresivas que otro, sino que también podríamos hablar de que A manifiesta tener 6

conductas depresivas, B unas 12 y C unas 20, siendo la diferencia entre A y B de 6

conductas, entre B y C habría unas 8 y entre A y C unas 14. Existen unas diferenciascuantitativas entre los tres estados. Una escala que permita hacer estas afirmaciones es

una escala de intervalo. Este tipo de escala es la habitual en cuestionarios y tests. Si en las

escalas que se construyen se especificase que el cero indica la carencia del rasgo, estas

escalas serían de un nivel mayor que el de intervalo. Serían de razón. En el caso de

nuestros pacientes, con la información disponible del cuestionario de Beck, no podríamos

hablar de que un sujeto está doblemente deprimido que otro o de que el otro está la mitad

de deprimido que el uno. Las medidas obtenidas mediante el cuestionario de Beck no

vienen dadas en escala de razón. Si alguien construyese una escala en la que el cero

indicase la carencia absoluta de depresión, entonces la escala así determinada sería de

razón. No parecen existir, hasta este momento, escalas de razón en las cuantificaciones de

la conducta obtenidas por medio de tests o cuestionarios. Dichas escalas aparecen enalgunas de las estimaciones de sensaciones directamente relacionadas con magnitudes

físicas. Por ejemplo, en las pruebas auditivas se nos puede pedir cuándo percibimos un

sonido el doble de intenso que otro. También si a un sujeto se le mandase a señalar en una

escala de 0-10 su grado de acuerdo con una frase y definimos que el cero indica el

desacuerdo total y el 10 el acuerdo total, consideramos que la escala creada es de razón.

Una persona que asigne un dos manifiesta la mitad de acuerdo con la frase que uno que

asigne un cuatro. Uno que asigne un ocho manifiesta un acuerdo que es el doble que la de

cuatro, y así sucesivamente. Una escala que permite establecer razones o proporciones

entre observaciones, es una escala de razón. Por eso, en el caso del acuerdo o de la

percepción auditiva de la intensidad de un sonido, la escala es de razón. Sin embargo, en

el cuestionario de depresión el tener cero no implica que no se tenga depresión sino que

no se ha experimentado ninguna de las conductas mencionadas en el cuestionario. De

igual forma obtener un cero en un test de inteligencia no representa la carencia de

inteligencia sino que no se ha contestado correctamente a los items del test ” (Garriga

2001, pp.58-59).

Garriga, A.J. (2001). El proceso de investigación en psicología. En Fontes, S., García, C.,Garriga, A.J., Pérez-Llantada, C. y Sarriá, E. (Coord.). Diseños de investigación enPsicología (pp. 58-59). Madrid: UNED.

28. ¿Qué diferencia hay entre las escalas ord inal y de intervalo? ¿Y entre la deintervalo y la de razón?

Una escala ordinal es cuasi-cuantitativa y nos proporciona únicamente informaciónsobre el orden (ej. el nº 1 cruza la línea de meta antes que el nº 2).Por otro lado, las escalas de intervalo nos pueden dar información,además de sobre las relaciones de igualdad-desigualdad (típicas de lasescalas nominales) y orden (típicas de las escalas ordinales), sobrela suma y resta de los números, y la multiplicación y división de ladiferencia entre los números, por lo que se considera una escalacuantitativa.


13/39

13

Respecto a las diferencias entre escalas de intervalo y de razón, la escala deintervalo es “una escala de medida con origen arbitrario e igual distancia entre susunidades, de forma que los números asignados a los objetos se pueden sumar y restary las diferencias entre estos números se pueden multiplicar y dividir, es decir, soportacualquier transformación lineal del tipo y = ax + b”. Pongamos un ejemplo:

• cuando un niño saca un 0 en matemáticas no significa que carezca de esahabilidad, simplemente no se ha sabido esas preguntas que hemos puestonosotros, pero no significa que no tenga ningún conocimiento sobrematemáticas (origen arbitrario),

• podemos afirmar que la diferencia entre una puntuación de 20 y otra de 40 enun test de extroversión es la misma que entre las puntuaciones 40 y 60, perono podemos decir que el que ha obtenido una puntuación de 40 sea el doble deextrovertido que otro cuya puntuación es 20 (la diferencias entre los númerosse pueden multiplicar y dividir, pero no los números en sí como sucede en laescala de razón) y,

• si multiplicamos esa característica por una constante y le sumamos otra,mantenemos las propiedades que tenían los originales, esto es, los valoresnuevos van a ser diferentes entre sí como sucedía con los antiguos, los nuevosvalores se pueden ordenar en el mismo sentido que los originales y lasdiferencias que existían entre los primeros números se mantienen entre losnuevos.

Por otra parte, la escala de razón es “una escala de medida con origen absoluto eigual distancia entre sus unidades, de forma que los números asignados a los objetosse pueden sumar, restar, multiplicar y dividir, es decir, soporta cualquiertransformación del tipo y = ax”. Pongamos otro ejemplo:

• cuando decimos que un objeto pesa 0 gr. es que carece de esa propiedad(origen absoluto),• podemos afirmar que 20 Kg. son el doble de 10 Kg. (debido a la igual distancia

entre sus unidades) y,• si multiplicamos esa característica por una constante podemos obtener los

mismos resultados (los pesos de tres objetos son 5, 10 y 20 Kg.respectivamente, pero si los multiplicamos todos por 2, obteniendo 10, 20 y 40Kg., podemos hallar las mismas conclusiones, es decir el de 20 Kg. siguesiendo el doble que el de 10 Kg., el de 40 Kg. es el que más pesa...se siguemanteniendo la distancia entre sus unidades).

De todas formas, recordar que estos conceptos son propios de laasignatura Introducción al Análisis de Datos, aunque en esta asignatura necesitamosque tengáis una noción clara de ellos, aunque no profunda.

29. No consigo entender bien la escala de intervalo y no encuentro la diferenciacon la escala ordinal.

Con un ejemplo se entenderá mejor: Imagine que yo pido a cien participantes, que porsu orden preferencia, me digan qué autores prefieren leer: Proust, García Márquez,James Joyce, Cervantes, Sándor Márai.

Puedo encontrar muchas respuestas divergentes entre sí, 1) Proust, 2) Marai, 3)

García Márquez, 4) Joyce, 5) Cervantes. O por ejemplo. 1) García Márquez, 2) Proust,


14/39

14

3) Cervantes, 4) Joyce, 5) Marai y así. El número que obtenemos de los participantescuando le asignan un 1 a Proust, no tiene todas las propiedades que hacemos con losnúmeros. No podemos sumar o restar o multiplicar con estos números. El 1 de Proustno significa que es igual que García Márquez menos Márai. No tiene sentido!!!

Lo que puedo hacer con estos datos es analizar cuántos eligen en primer lugar a cadaautor, cuantos lo eligen en segundo lugar, etc. Lo que obtengo son frecuencias (elnúmero de veces que son elegidos por orden los 5 autores), y lo que puedo hacer esmuy poco, o mejor dicho muy descriptivo, puedo decir que la frecuencia con la que losparticipantes eligen leer a estos autores es distinta entre ellos en primer, segundohasta el 5 lugar.

Aquí puedo obtener un resultado como este:

Orden Proust GcíaMárquez

Joyce Cervantes Marai

1 10 40 12 16 222 30 20 15 21 14

3 40 10 20 17 13

4 10 14 21 24 31

5 10 16 32 22 20

La información que obtengo es muy descriptiva, sobre las preferencias de lectura.

Sin embargo, imagine que en lugar de pedirle su preferencia a los participantes lespido que en una escala de 1 a 10 en términos de su interés, me indiquen qué autorleerían con más interés. Y les digo que puntúen a cada autor en una escala. Estos noson las respuestas de un individuo, sino las puntuaciones medias de los cienparticipantes a los que he consultado.

1 = menos interés 10 más interés.Proust 3Marai 8Cervantes 5García Márquez 9Joyce 4

En una escala de 1 a 10, ellos me han indicado que leerían más a Gcía Márquez másque Proust. Puedo obtener la misma información que en la escala ordinal, peroademás es que los números que he obtenido aquí, y que los participanes nos hanproporcionado, si nos permiten operar (se pueden hacer operaciones aritméticas conellos haciendo una media, los puedo sumar, restar, dividir, etc.), y aquí puedo decirque los participantes leerían antes a García Marquez que a Proust, porque la escalacon la que mido su preferencia es de intervalo. Esto es que una escala de intervalo mepermite conocer la distancia en el interés que hay entre 1 y 5, por ejemplo, es más omenos las misma que hay entre 5 y 10, en términos de interés de los participantes.Supongo además que el 0 es arbitrario, es decir que no habría 0 interés en conocer alos autores y sus obras. Y al obtener estas medidas puedo utilizar contrastes

estadísticos más potentes.


15/39

15

En resumen, cuando obtenemos una respuesta o variable con una escala en unamedida ordinal podemos conocer algunas propiedades de esta variable, podemossaber la frecuencia con que un autor podría ser leído, pero una escala de intervalo queademás nos proporciona ésta información, mide las respuestas en las que losnúmeros que nos proporcionan los participantes permiten operar matemáticamente.

30. ¿Me podrían aclarar si la escala ordinal t iene relación de igualdad-desigualdad?

Sí, las escalas que están a un nivel superior, incluyen todas las relaciones que sepueden dar en las escalas inferiores, así que en la escala ordinal se da la relación deigualdad-desigualdad que ya se daba en la escala nominal y, además, la relación deorden (mayor que y menor que). Lo tienes realzado en negrilla en el cuadro 1.6,página 37 del libro cuando te habla de la ESCALA ORDINAL: "Las relacionesobservadas... presentan, además de la igualdad-desigualdad, una ordenación".

31. Respecto al párrafo de la página 39 del manual: "el nivel de medidade una variable que se obtiene con cada escala condiciona el tipo deoperaciones matemáticas que se puedan llevar a cabo con esas variables".¿Los fenómenos que estudiamos determinan las escalas de medida?

Yo le diría que no necesariamente, pero es posible que dependa de: *Los objetivosque nos planteamos* para estudiar el fenómeno queestudiamos hacen que utilicemos una escala de medida u otra, porejemplo, usted estudia si un animal aprieta la palanca o no ante unestímulo. Si se decide que la variable sea medida en términos de siocurre o no, es porque solo le interesa estudiar este fenómeno deocurrencia (de frecuencia o número de veces que ocurre el suceso) desi el animal aprieta la palanca cuando aparece un sonido. Esta escalade medida es *nominal, dicotómica (si o no).*

Pero si lo que le interesa saber no solo este fenómeno sino que seplantea saber cuánto tiempo tarda en apretar la palanca un animalante el sonido, está estudiando tiempo de reacción. Mide el tiempodesde que aparece el estímulo hasta que el animal responde, y entoncesestá utilizando otra escala de la variable. Está utilizando *unaescala de razón*. Pero probablemente cuando está preguntándose eltiempo que tarda el animal en presionar la palanca probablemente estátratando de responder a* otro problema* con otro objetivo, aunque el

fenómeno sea el mismo (apretar la palanca ante un estímulo).

*De la naturaleza del problema*, Hay fenómenos que pueden soloestudiarse con determinadas escalas de valores, por ejemplo, si quierodeterminar si el apoyo familiar contribuye a dejar el hábito deltabaco. La variable del estudio es que dejas o no el tabaco, no haymedias tintas, fumas o no fumas. Por tanto es posible que dependa delos objetivos del estudio, de qué tipo de problema se plantea elinvestigador y cómo *operativice* la variable de estudio.


16/39

16

ESTADISTICA DESCRIPTIVA E INFERENCIAL

32.¿Qué es la estadística inferencial?

La estadística se puede dividir en dos clases, áreas o partes:

• La estadística descript iva, que es la que se dedica a la tarea de resumir yorganizar los datos obtenidos en la investigación (se centra en tablas, eníndices como la media, la desviación típica, etc.). Esta parte de la estadística laverás en la asignatura de 1º Introducción al Análisis de Datos.

• La estadística inferencial, que es la parte de la estadística que, basándose enel cálculo de probabilidades, se ocupa de hacer inferencias (predicciones)sobre la población a partir de los datos obtenidos en la muestra. Estaestadística es la que empleamos para poder llevar a cabo el contraste dehipótesis y la verás en profundidad en la asignatura de 2º Diseños deInvestigación y Análisis de Datos.

ESTADISTICOS DE CONTRASTE

33.¿Podrían ponerme un ejemplo claro sobre cuando, donde y porque se aplicael Estadístico de Contraste?

Los análisis de datos con sus estadísticos de contrastes, nivel de confianza y unmontón de conceptos más que ahora no podéis entender por mucho que os loexpliquemos en este curso, lo vais a estudiar en la asignatura Diseños deInvestigación y Análisis de Datos en el próximo curso. Lo explicaremos aquí de

forma muy intuitiva con un ejemplo:

Si queremos ver cómo influye en el rendimiento académico de esta asignatura elestudiarla con el texto básico o con los apuntes que circulan en este curso virtual,podríamos seleccionar aleatoriamente una muestra de 100 alumnos deFundamentos de Investigación (ya que sería muy tedioso utilizar los 9000matriculados) y dividirlos aleatoriamente en dos grupos, A y B. El grupo Aestudiaría el contenido con el texto básico y el grupo B con los apuntes.

Una vez que han realizado el examen tendríamos las calificaciones de cada grupo.Para poder compararlos, calculamos la media aritmética en cada uno de losgrupos:

Media del grupo A=7

Media del grupo B= 4

Con estos datos ¿podríamos concluir que el grupo A ha obtenido calificacionessuperiores al grupo B y por lo tanto es mejor estudiar con el libro de texto que conlos apuntes? NO

Para saber si realmente esta diferencia se debe al hecho de utilizar el texto básicoo los apuntes o si se debe al azar o a otros factores no controlados en la

investigación, y si esos resultados también se dan en la población (en los 9000


17/39

17

alumnos y no sólo en los 100 de la muestra) tendríamos que utilizar un estadísticode contraste.

Un estadístico de contraste es una fórmula que aplicamos a los resultados delexperimento. En nuestro caso, como son dos grupos de sujetos diferentes y pararesumir los datos en cada uno de los grupos hemos calculado la media aritmética,podríamos utilizar el estadístico de contraste T de Student para dos muestrasindependientes.

Una vez aplicada la fórmula del estadístico de contraste T de Student, si nos siguedando que el grupo A es superior al B podemos afirmar con un margen de errormuy pequeño que realmente el grupo A es superior al B y podemos inferir(generalizar, trasladar....) estos resultados a la población (los 9000 estudiantesmatriculados en Fundamentos de Investigación) y concluir que es mejor utilizar eltexto básico que los apuntes para aprender esta asignatura, con una probabilidadmuy pequeña de equivocarnos (normalmente de un 1 o un 5%).

34. ¿Qué son los estadísticos de contraste?

Resumidamente, son fórmulas matemáticas para contrastar hipótesis estadísticas.Veamos un ejemplo: queremos investigar la eficacia de un programa de entrenamientopara memorizar palabras en mujeres de 55 años. Tenemos que hacer lo siguiente:

• 1.- Elegir una muestra de la población de mujeres de 55 años de, por ejemplo,40 sujetos (si se elige de forma aleatoria, aumentamos la validez externa delexperimento (Tema 4).

• 2.- Aleatoriamente asignamos 20 sujetos al grupo A y otros 20 sujetos al grupoB.

• 3.- Al grupo A le aplicamos el programa de entrenamiento para memorizarpalabras (a este grupo se llama experimental) y al grupo B le damos unaconferencia (a este grupo se le llama control).

• 4.- Ambos grupos tienen que memorizar unas listas de 30 palabras. Losresultados muestran que la media del grupo A es mayor que la media del grupoB. Aparentemente, podríamos decir que el programa de entrenamiento paramemorizar palabras ha tenido efecto y que si en lugar de utilizar una muestra,hiciéramos el experimento con toda la población de mujeres de 55 años, lamedia del grupo A seguiría siendo mayor que la media del grupo B.

A la media de la muestra se denomina estadístico y a la media de la poblaciónse denomina parámetro. Lo que pretendemos es a través del estadístico hacer unainferencia sobre el parámetro. Pero, tenemos que comprobar que nuestros resultadosse deben al tratamiento y no al azar o a alguna variable extraña, como por ejemplo,que el grupo A, se entrenaba a escondidas en la memorización de palabras.

Para comprobar lo anterior utilizamos los estadísticos de contraste. Estospueden ser paramétricos o no paramétricos y se utilizan unos u otros en función deque se cumplan en los datos unos supuestos o no se cumplan. Con estos estadísticospodemos afirmar (con una cierta probabilidad, nunca al 100 %) si nuestros resultadosse deben al tratamiento o no.


18/39

18

En nuestro ejemplo utilizaríamos como estadístico de contraste uno dediferencias de medias de dos muestras (grupos) independientes, como podría ser porejemplo la t de Student (si los datos cumplen unos supuestos o requisitos para utilizaruna técnica paramétrica o su alternativa no paramétrica, si en los datos no se danesos requisitos).

35. ¿A qué nivel de profundidad se nos preguntará en examen sobre elestadístico de contraste y los supuestos?

El estadístico de contraste y los supuestos que se deben cumplir para aplicarlos estánexplicados a un nivel muy general en esta asignatura para que entendáis cuál es elproceso completo de la investigación científica. Una de las etapas es el análisis dedatos y por ello os explicamos a nivel conceptual que en esta etapa, lo que hay quehacer, es contrastar las hipótesis utilizando estadísticos de contraste que sonherramientas estadísticas que arrojan unos valores que usaremos para comprobar orefutar nuestras hipótesis. Sólo a este nivel general se os van a preguntar esos

conceptos.36. Si p es mayor que a se acepta la hipótesis nula, si a es mayor que p se

rechaza la hipótesis nula. ¿Pero si a y p fueran iguales, que pasaría se aceptao se rechaza la hipótesis?

Como sabes, la hipótesis nula es la que se somete a comprobación y, por tanto, es laque se rechaza, o no, como conclusión final de un contraste. Es importante recalcarque un contraste de hipótesis no permite aceptar la hipótesis (nula, que es la que secontrasta), sino que únicamente nos permite rechazarla o no, es decir "tacharla" deverosímil (lo que no significa obligatoriamente que sea cierta, simplemente que esprobable que lo sea) o inverosímil.

Como comentas, se rechaza la hipótesis nula si el valor p asociado al resultadoobservado es igual o menor que el nivel de significación establecido(convencionalmente 0,05 ó 0,01). Si el valor p es superior al nivel de significación nopodemos rechazar la hipótesis nula. Por tanto, respondiendo directamente a tupregunta, si p es igual a alfa, rechazamos la hipótesis nula.

37. Sobre el estadísti co de contraste y la probabili dad, ¿el 5%de probabilidad, que nos permite decidir si aceptar o rechazar lahipótesis de partida (hipótesis nula) procede directamente delestadístico de contraste o de la probabilidad de encontrar eseestadístico de contraste?

El estadístico de contraste es el resultado de hacer algunasoperaciones con las puntuaciones de los datos obtenidos en el estudioo la investigación. Dicho resultado llamado *estadístico* estáasociado a una probabilidad. Es decir si comparas entre dospuntuaciones de dos grupos, haciendo las operaciones que te indica elcontraste de las medias, y obtienes un resultado, esto se hayavinculado a la probabilidad con que la que decides afirmar con un 95de certeza (o si prefieres, con 5% de error) que dicha diferencia escorrecta.


19/39

19

ERROR DE LOS DATOS

38. En la página 26 del lib ro de texto: " ...los datos llevan cons igo unavarianza o variabilidad error que se definiría como la diferenciaentre los valores reales que se obtendrían de no presentarsealteraciones y los valores que observamos de forma sistemática". Mipregunta es: Si estamos pasando un test de ansiedad a un individuo enun momento determinado (día, hora, lugar y sus circunstancias de esemomento), ¿cómo podemos saber cuál sería el valor real que se obtendríade no presentarse alteraciones?

Normalmente, cuando se construye un test se utilizan ciertos parámetrosde la población en general. Ese instrumento que mide la ansiedad en unindividuo, previamente tendría que haber sido baremado en lapoblación. Esto es, debe ser capaz de discriminar si la puntuaciónobtenida por el individuo está dentro de la normalidad o está en unasituación de riesgo. Pero todo instrumento, incluso las balanzas de

alta precisión, cuando nos dan una medida, tiene una probabilidad dedar una medida con error. Pues en relación con los instrumentos quemiden estados subjetivos también se cometen errores. Pero cómo sabemosel error que cometemos cuando medimos sea con test o con una balanza,esto nos lo indican los procedimientos estadísticos, los cuales veráen otras asignaturas como Psicometría y Análisis de datos.

FUENTES Y PLANTEAMIENTO DEL PROBLEMA

39. Tengo una duda respecto a las fuentes de problema de la página 34, no sédiferenciar entre la experiencia y el conocimiento previo como fuente deproblema.

Los investigadores que están inmersos en líneas de investigación saben, por suexperiencia en esta área, que hay hechos que todavía no tienen explicación, o bienque no se han resuelto convenientemente. Por lo tanto, esto es una fuente paraplantear un problema.

Pero también puede ocurrir que equipos de investigación hayan realizado trabajos eneste tema de estudio y al conocer sus explicaciones al tema de estudio pueden serdébiles o inciertas o tengan algunos problemas. De nuevo, se puede, a partir de los

nuevos resultados, plantear nuevos problemas que los investigadores previos no hanadvertido en sus investigaciones. Y esto es una fuente para plantear un problema.

40. ¿A qué se refiere la construcción del problema?

El planteamiento del problema no es una cuestión tratadacon amplitud por el manual. Creo que esto se debe a que hay que teneren cuenta, que desde la investigación cuantitativa la formulación delproblema viene dado por el marco teórico en el que se mueve elinvestigador, formular un problema no es lo mismo desde el área de lapsicología cognitiva, conductista, evolucionista, etc. Otra cuestiónque hay que considerar es que en el primer grado de psicología no


20/39

20

podemos suponer que los estudiantes conozcan teorías para formularproblemas de investigación sin haber visto el gran problema de lapsicología que es que se mueve por teorías muy distintas.

Lo que pretende este curso es dar una visión general de como seinvestiga, y de acuerdo al plan de estudios del gradoen psicología las competencias que los estudiantes deben adquirir noes que aprendan a investigar, pero sí que comprendan un artículo,identifiquen algunos diseños, y elementos críticos del mismo, etc. Laparte de la epistemología, que trata de ver la cuestión de laconstrucción del conocimiento, aunque no deja de ser interesante, nose trata en este curso.

GLOSARIO

41. Tengo una duda sobre si los conceptos del glosario, son materia deexamen, es decir, los términos que vienen en el glosario también estándefinidos en el tema, pero las definiciones no son las mismas. ¿Con quédefinición me quedo, con la del temario o la del glosario ocon las dos?

Como sabes, el glosario es un recurso de apoyo para el estudio. Lasdefiniciones que vienen en él, aunque no coincidan "textualmente" sonlas mismas que aparecen en el libro, lo que sí sucede es que en elglosario hay más términos de los tratados en los temas que,evidentemente, no entran.

HIPÓTESIS

42. ¿Qué diferencias hay entre una hipótesis de trabajo y una experimental?

Son básicamente lo mismo. Una hipótesis de trabajo es una afirmación que predice loque bajo unos determinados postulados teóricos pienso que ocurrirá. Por ejemplo, si lamelatonina es una hormona que se produce en el organismo en ausencia de luz ysabemos que tiene influencia en los ciclos del sueño. Además, esta hormona es

deficitaria en ciertos pacientes que padecen insomnio, mi predicción es que si lesadministro esta hormona a pacientes con insomnio, entonces mejorarán en sus ciclosde sueño. Haría la siguiente hipótesis: Los pacientes que toman la dosis diaria demelatonina aumentarán sus horas de sueño. Esta hipótesis es la de trabajo, y como setrata de un experimento, será mi hipótesis experimental. (Se puede denominar de lasdos maneras).

43. Tipos de hipótesis.

Respecto a la hipótesis experimental, se trata de una hipótesis de trabajo que se

formula cuando se está investigando siguiendo la metodología experimental. En esta


21/39

21

hipótesis se establece una relación de causa efecto (si..., entonces...). Cuando elmétodo de investigación no es manipulativo (por ejemplo, ex post facto,observacional…), el tipo de hipótesis no sería experimental.

Con respecto a las hipótesis nula y alternativa, son las dos hipótesis estadísticas,estas son mutuamente exclusivas (si una es cierta la otra ha de ser falsa) yexhaustivas (deben incluir todos los posibles resultados).

Lo que tiene que diferenciar es hipótesis de trabajo e hipótesis estadísticas, estasúltimas son dos (la hipótesis nula y la hipótesis alternativa). Por ejemplo, queremosinvestigar si el tipo de estudio: intensivo (10 horas el día antes del examen) oprogresivo (2 horas durante los 5 días anteriores al examen) influye en el rendimientoen el examen. Tendríamos dos grupos de sujetos, unos estudiaría de forma intensiva(grupo I) y el otro grupo de forma progresiva (grupo P). Nuestras hipótesis serían:

Hipótesis de trabajo: El grupo que estudia de forma progresiva obtendrá mejoresnotas que el grupo que estudia de forma intensiva.

Para evaluar la hipótesis de trabajo tenemos que expresarla en forma de hipótesisestadística.

Hipótesis estadísticas:

-Hipótesis Nula (H0): No existe diferencias significativas en la nota mediaentre el grupo I y el grupo P.

-Hipótesis alternativa (H1): Existen diferencias significativas en la notamedia entre el grupo I y el grupo P.

La hipótesis que establece que no existen diferencias entre los grupos es unahipótesis nula. En el apartado de Introducción de un informe de investigación, se debeplantear la hipótesis de trabajo, en la que se establece el efecto que se esperaencontrar (el grupo que estudia de forma progresiva obtendrá mejores notas que elgrupo que estudia de forma intensiva). La hipótesis nula (no existen diferencias entre

los grupos) es la que debe ser contrastada con el análisis estadístico de los datos. Encaso de rechazarla, se acepta la hipótesis alternativa (existen diferencias entre losgrupos). Tendrán una base para entender mejor estos conceptos cuando estudie laasignatura de Diseños de Investigación y Análisis de Datos de segundo curso.

La hipótesis nula es la contraria de la hipótesis alternativa y son dos tipos de hipótesisestadísticas. Por ejemplo: Se quiere analizar si los niños que asisten a clase particularde inglés sacarán mejores notas que los niños que no asisten a clase. Aquí nuestrahipótesis de investigación o trabajo es la hipótesis alternativa.


22/39

22

En otros casos nuestra hipótesis de investigación coincidiría con la hipótesis nula. Porejemplo: Se quiere analizar si los niños que asisten a clase particular de inglés sacanlas mismas notas que los niños que no asisten a clase.

En la hipótesis nula se afirma la igualdad mientras que en la alternativa se afirma locontrario que en la alternativa (que existen diferencias, que un grupo es mejor que elotro o que es peor).

34. Contraste de hipótesis. Ejemplo.

Una hipótesis es una solución tentativa al problema. Normalmente se formula entérminos condicionales si......, entonces…... Por ejemplo, si utilizo un método nuevo deenseñanza entonces los alumnos de 2º de bachillerato sacarán mejores notas que siutilizo el método de enseñanza tradicional. Después de planteada la hipótesis elinvestigador hace pruebas para ver si la hipótesis es (probablemente) verdadera oprobablemente) falsa: Podría coger en un colegio dos grupos de alumnos. En unoutiliza el método de enseñanza tradicional y en el otro el nuevo método de enseñanza.

Después les hace el mismo examen a los dos grupos. Compara la media de las notasy en función de los resultados acepta o rechaza la hipótesis con un margenprobabilístico de error (todo esto lo entenderá perfectamente más adelante y sobretodo en la asignatura de Diseños de Investigación y Análisis de Datos).

Con los análisis estadísticos se aprueba o se rechaza la hipótesis nula con undeterminado nivel de probabilidad o nivel de confianza.

El nivel de confianza es la probabilidad de acertar cuando no se rechaza la hipótesisnula si ésta es cierta.

En el ejemplo siguiente se explican los conceptos anteriores:

Imaginemos que, tras elegir una muestra de 40 varones insomnes, comparamos laeficacia de dos tratamientos para el insomnio (variable independiente):

A: tomar café con leche antes de ir a la cama (a este tratamiento se someten 20sujetos)

B: hacer unos ejercicios de relajación al acostarse (a este tratamiento se someten losotros 20 sujetos)

Con la ayuda de un electroencefalógrafo, medimos (variable dependiente) el númerode minutos que tardan en conciliar el sueño desde que se meten en la cama.

La hipótesis nula sería: no hay diferencias entre los tratamientos (la media deminutos que tardan los sujetos en conciliar el sueño es igual en los dos grupos de

sujetos). Formulada matemáticamente: B A

H µ µ =:0

(la media de minutos que tardan

en conciliar el sueño los insomnes- todos los insomnes del mundo- que reciben eltratamiento A es igual que la media de minutos que tardan en conciliar el sueño losinsomnes- todos los insomnes del mundo- que reciben el tratamiento B)

La hipótesis alternativa sería: si que hay diferencias entre los tratamientos (la mediade minutos que tardan los sujetos en conciliar el sueño no es igual en los dos grupos

de sujetos). Formulada matemáticamente B A

H µ µ ≠:1

(la media de minutos que


23/39

23

tardan en conciliar el sueño los insomnes - todos los insomnes del mundo- que recibenel tratamiento A es diferente que la media de minutos que tardan en conciliar el sueñolos insomnes- todos los insomnes del mundo- que reciben el tratamiento B).

Imaginemos que los resultados indicaron que, en la muestra (no entre todos los

insomnes del mundo), los sujetos tratados con el tratamiento A tardaron 34 minutoscomo media en conciliar el sueño y los tratados con el método B tardaron 26 minutoscomo media en conciliar el sueño. Para estos sujetos que componen la muestra eltratamiento A fue peor que el tratamiento B.

¿Esto será verdad en todos los caso de insomnio (todos los insomnes del mundo)? Laparte inferencial de la investigación consiste en establecer si lo que hemos visto en lamuestra puede generalizarse a toda la población de insomnes (todos los insomnes delmundo).

Para ello debemos analizar los datos mediante una prueba estadística. Una prueba

estadística sirve para hacer una comparación entre dos afirmaciones matemáticas(hipótesis estadísticas:

B A H µ µ =:

0

B A H µ µ ≠:

1) y tomar una decisión respecto a

cuál de ellas tiene más probabilidad de ser cierta.

El nivel de significación (estadística) es la probabilidad (p) de que la hipótesispostulada como nula sea cierta (de acuerdo con los datos de nuestro estudio); ennuestro caso que el tratamiento A sea igual al tratamiento B (mejor dicho que losefectos encontrados en la VD sean iguales para los dos tratamientos).

Cuando en un informe científico se dice que se han encontrado diferencias“estadísticamente significativas” (y se añade p


24/39

24

bajo, el otro grupo con un nivel alto de ruido. ¿Quién cometerá máserrores?

Usted aquí hace una predicción (una hipótesis de trabajo): Dirá, elgrupo con niveles altos de ruido cometerá más errores que los de bajonivel de ruido.

Hace un experimento. Un grupo trabaja con nivel alto y otro con nivelbajo de ruido, y compara los errores cometidos en la transcripción enuna condición y en otra (esta es su variable dependiente).

Al contabilizar los errores usted obtiene una frecuencia de errores delos dos grupos, en la condición sin ruido y con ruido. Pues bien aquíentra la estadística y la hipótesis nula y alternativa. Para poderdecidir si las frecuencias de errores son iguales o distintas en losdos grupos.

En estadística tenemos que contrastar si la hipótesis es cierta o no,si el nivel de ruido alto hace que se cometan más errores que en lacondición de ruido bajo. Para ello se propone la Hipótesis NULA, queindica que las frecuencias de errores serán iguales en las doscondiciones _(números de errores del Grupo sin ruido = numero deerrores del Grupo con ruido_). La ALTERNATIVA, dirá que lasfrecuencias de errores serán distintas en las dos condiciones (_númerode errores Grupo con ruido > que el número de errores del grupo sinruido_). Esto es así porque en estadística tenemos que hablar de queuna afirmación puede ser cierta o falsa, Y por tanto, tenemos que sila hipótesis nula es falsa, su alternativa tiene que ser cierta y porello es contraria a la nula.

Para decidir si la frecuencia de errores es distinta o igual entre losgrupos los cálculos estadísticos nos indican, al obtener estos valoresestadísticos, si podemos rechazar o aceptar como verdadera lahipótesis nula. Pero como esto lo verá en otros cursos, solo que sepaque la hipótesis nula y la alternativa son enunciados necesarios paraformular estadísticamente los contrastes que se tienen que realizar enun estudio.

45. ¿Se toma siempre el mismo nivel de signif icación (0,05) o nivel de confianza(95%) en todas las investigaciones?

El nivel de significación no tiene por qué ser siempre de p


25/39

25

la desigualdad, cuando rechaces la nula podrás afirmar la existencia de las diferenciasentre los grupos. El contraste de hipótesis estadístico se hace así. Algunas veces lahipótesis de la que tu partes como investigadora, bien porque es la que piensas que seva a cumplir (también llamada de trabajo o de investigación) coincide con la hipótesisnula (a veces lo que importa es confirmar que hay igualdad entre las medias de dos

grupos), pero otras veces, tu hipótesis de trabajo coincide con la hipótesis alternativa(donde se afirma que hay diferencias de medias entre los dos grupos). Lo que importaes que en la hipótesis nula, para su posterior contraste estadístico, debe afirmarse laigualdad de los tratamientos y en la alternativa, las diferencias. Esto es lo básico quedebes saber a este nivel (en primero de Psicología), cuando llegues a la asignatura deDiseños de Investigación y Análisis de Datos, verás muchas más cosas sobre lahipótesis nula y la alternativa.

47. ¿Qué quiere decir que las hipótesis formuladas en términos generales,deberán operativizarse para ser contrastadas?

La operativización de hipótesis, entre otras cosas, consiste en definir con exactitud lasvariables implicadas y las relaciones entre estas variables.

48. En el texto dice que una hipótesis nunca se puede probar, sólo se puedecontrastar. Entonces, ¿cómo dice más abajo que las hipótesis de trabajo secomprueban?

Las hipótesis que se contrastan (se ponen en relación con los hechos) son lashipótesis de trabajo. Cuando se dice que una hipótesis de trabajo se comprueba seestá refiriendo a la contrastación. Esto no significa que se prueba, es decir, una

hipótesis apoyada por los datos se mantiene como verdadera hasta que se encuentrendatos que no la apoyen.

49. ¿Qué es una hipótesis experimental?

Hipótesis Experimental es lo mismo que decir Hipótesis de Trabajo, HipótesisAlternativa.....Es la hipótesis que tu quieres comprobar en tu experimento. En realidadel término Hipótesis Experimental se utiliza fundamentalmente cuando realizamos unainvestigación experimental (Tema 5) y se formula en términos condicionales "Siestudio 8 horas días aprobaré esta asignatura con mejor nota que si estudio una hora".

50. ¿La hipótesis causal y la experimental son lo mismo (pág.42)? ¿Se podríadecir que son hipótesis generales?

Sí una hipótesis experimental es una hipótesis causal, pero como te dice en la página43 son hipótesis de trabajo (más concretas, más operativas, que nos sirvan paratrabajar), no hipótesis generales (más amplias, que derivan de las teorías científicas).

51. Les agradecería que me aclararan los conceptos de datos congruentes y norechazo de la Ho, y datos no congruentes con rechazo de la Ho , así como elconcepto de valor decidido.

Lo importante que debéis saber a nivel de primero de Psicología es lo que se ha dichoen relación con la hipótesis nula (Ho), ya que aún no tenéis conocimientos de


26/39

26

estadística inferencial. Sobre datos congruentes y no rechazo de la Ho, y datos nocongruentes con rechazo de la Ho, así como el concepto de valor decidido, lo quedebéis saber es que las hipótesis estadísticas se ponen a prueba con fórmulasmatemáticas que utilizan los datos de la muestra para tomar decisiones a nivelpoblacional y esos datos pueden ser congruentes o compatibles o no con unos valores

que vienen en unas tablas (y dependen del nivel de probabilidad o confianza quedecidamos de antemano). Entonces se toma la decisión de aceptar o no la hipótesisnula. Es imposible explicaros todo esto sin los conocimientos estadísticos que tendréisen segundo de Psicología. No obstante, y para entender a nivel intuitivo estosconceptos que incluyen la "significación estadística" y, aunque ya hemos comentadoque no es necesario entrar en profundidad en temas estadísticos en esta asignatura(ya se verán en segundo en la asignatura de Diseños de Investigación y Análisis deDatos), os remito al libro de León y Montero (1997). Diseño de Investigaciones.Introducción a la lógica de la investigación en Psicología y Educación. (2ª ed.). Madrid:McGraw-Hill (pp. 19-21 y 125-129) de las Referencias Bibliográficas de las Unidades

Didácticas.

52. No me queda claro el concepto de hipótesis nula, yo pensaba quehipótesis nula era lo mismo que hipótesis de trabajo. ¿Me lo podríanaclarar?

La hipótesis de trabajo es una forma muy concreta de formular unaspecto del problema mediante la operativización de las variables queintervienen en él (Ej. si ocurre A entonces ocurrirá B). La hipótesisnula es una hipótesis estadística, auxiliar de la anterior y quecontiene afirmaciones como: El tratamiento X tiene la misma

efectividad que el tratamiento Y. También es una hipótesisauxiliar utilizada para la contrastación estadística su contrapunto,la hipótesis alternativa (el tratamiento X posee mayor efectividad queel tratamiento Y).

53. En un esquema de aquí de la p lataforma dice que hay 2 t ipos dehipótesis: las científicas y las estadísticas, que éstas últimas a suvez, pueden ser nulas o alternativas, ahora bien, ......¿ y las queponen en el libro: causales, generales, de trabajo, y experimentales aque grupo pertenecen?

Las hipótesis científicas, de trabajo, de investigación, causales yexperimentales son sinónimos. Las hipótesis estadísticas son la nula y la alternativa.Sobre todo quédate con el esquema que te será más útil. La función que tiene lahipótesis es que te guía en el proceso de investigación, las estadísticas te guían en elanálisis de los datos.

HIPÓTESIS, LEYES Y TEORÍAS

54. ¿Podrían aclararme las tres características (pág. 28) por las que unahipótesis pasa a ser ley científica y algún ejemplo de hipótesis, ley y teoría?

Las hipótesis son proposiciones que suelen formar parte de teorías (o sistemas

teóricos más amplios). En tu ejemplo, lo que propones como hipótesis son principios y


27/39

27

los principios, considerándolos como leyes científicas son leyes de la naturaleza queno se pueden demostrar explícitamente, sin embargo las podemos medir y cuantificarobservando los resultados que producen (como el principio de Arquímides). Las leyescientíficas son hipótesis de amplio alcance explicativo que han sido confirmadas. Paraque una hipótesis sea confirmada pase a ser ley científica deben cumplirse las trescaracterísticas por las que me preguntas. Por ejemplo, dentro de las teorías generalesde la ansiedad, la hipótesis de la U invertida relaciona la ansiedad con el rendimiento ydice que el mejor rendimiento se obtiene en condiciones medias de ansiedad, mientrascon condiciones bajas y altas de ansiedad el rendimiento será peor. Para que estahipótesis pase a ser ley se debe cumplir que: 1) siempre que se den las mismascondiciones experimentales, deberán ocurrir los mismos cambios en la conducta(cuando haya una elevada situación de ansiedad, deberá ocurrir siempre un malrendimiento); 2) que podamos generalizar estos resultados a todos los casos queenunciemos que deba cumplirse; 3) que cuando aparezca el efecto, haya estadopresente la causa (la relación causal entre la ansiedad y el rendimiento).

La definición de lo qué es una teoría científica es una cuestión compleja que hasuscitado importantes divergencias entre los filósofos de la ciencia proponiéndose

criterios muy diferentes. Nosotros vamos a mantener una concepción amplia de lasteorías científicas, las vamos a considerar como esquemas conceptuales con los querepresentamos el conocimiento científico de forma sistematizada, es decir, incluyendodesde las relaciones observadas entre los hechos, hasta los mecanismos subyacentesque explican tales relaciones. Las teorías son representaciones que no pretendensustituir la realidad sino facilitar su comprensión al proporcionar de formaesquematizada las leyes que explican las uniformidades que se observan en loshechos.Pero, ¿qué son las leyes científicas? De una manera simplificada podemos decir queuna ley es una hipótesis de amplio alcance explicativo que ha sido confirmada, esdecir, algunas hipótesis confirmadas cambian de estatus y se elevan al rango de leyes.Ahora bien, si todas las hipótesis confirmadas no pasan a ser leyes, ¿cuáles son las

características que deben reunir ese tipo de hipótesis para que sean consideradasleyes científicas? Existe acuerdo entre científicos y filósofos al considerar quenecesariamente tienen que cumplir, al menos, las tres siguientes:

Expresar regularidades de comportamientos bajo determinadas condiciones.

Tener un carácter universal , esto es, ser aplicables a todos los elementosparticulares que queden incluidos en el enunciado de la ley.

Tiene que haber una relación necesaria entre las condiciones antecedentes yconsecuentes de la hipótesis, y no meramente probable, o coincidente.

Veamos un ejemplo en el que se cumplen esas condiciones. Yerkes y Dodson estabaninteresados en investigar las relaciones entre la motivación de los individuos en larealización de una tarea y el rendimiento en la misma. A partir de los resultados queobtienen en los experimentos que llevan a cabo, estos autores establecen la llamadaley de Yerkes y Dodson: la motivación y el rendimiento en una tarea se relacionan enforma de U invertida. Es decir, el grado de motivación hace que el rendimiento seamayor, pero si la motivación es excesiva el rendimiento disminuye.En el ejemplo anterior, Yerkes y Dodson basándose en la Teoría de la Motivación(tienes una asignatura entera sobre la motivación), querían ver Cómo influía lamotivación en el rendimiento (éste sería el problema) y para ello formularon unahipótesis que podría haber sido similar a ésta: La motivación influye en elrendimiento . Después de comprobarla en muchos experimentos y muchas veces,


28/39

28

formularon la siguiente ley, llamada de Yerkes y Dodson: la motivación y elrendimiento en una tarea se relacionan en forma de U invertida.

En resumen:Hipótesis: Es una explicación tentativa a un problema de investigación, en forma deun enunciado en el que se predice cómo se relacionan las variables que estánimplicadas en él.Ley científica: Es una hipótesis de amplio alcance explicativo que ha sido confirmada.Teoría: Es un esquema conceptual formado por conjuntos de hipótesis relacionadascon los que representamos el conocimiento científico de forma sistematizada.

Estos tres conceptos los expresa Delclaux* como sigue:

La Teoría es una proposición explicatoria provisional relativaa fenómenos naturales y consiste en la representación simbólica de: 1)las relaciones observadas entre los eventos; 2) los mecanismos oestructuras que se supone subyacen tras tales relaciones; 3) las

relaciones y mecanismos subyacentes inferidos que pretenden explicarlos hechos observados.

La Ley es una hipótesis confirmada que refleja lasregularidades de las relaciones constantes observadas en los fenómenosde la naturaleza.

La Hipótesis es una proposición teórica referida inmediata omediatamente a hechos no sujetos hasta ahora a experiencias y que escorregible a la vista de un nuevo conocimiento. Por lo tanto lashipótesis son formulaciones tentativas acerca de la naturaleza.

En general podemos decir que una hipótesis confirmada es unaley y un conjunto de leyes es una teoría.

(*Delclaux, 1981. La elaboración de teorías. En J. F. Morales(Coord.). Metodología y Teoría de la Psicología (pp. 27-41). Madrid:UNED).

55. No me queda clara la tercera característica que debe cumpli r la hipótesispara llegar a ser ley: “que establezcan una relación necesaria entre lascondiciones antecedentes y consecuentes de su enunciado” .

Pues eso significa que una ley que se expresa mediante *una afirmacióno enunciado*, establece que para que ocurra tal cosa, previamente debeacontecer algo (CONDICIONES ANTECEDENTES) y después de esto ocurrirátal otra (CONDICIONES CONSECUENTES).

Qué condiciones son necesarias para que la gente esté contenta? puesque se satisfaga su deseo, (condición antecedente? desear algo) Si eldeseo se satisface la condición consecuente? que esté contenta. (Estono es una ley porque los caminos de la felicidad son insondables, peromás o menos ocurre así, o eso dicen los filósofos analíticos).


29/39

29

56. ¿Puede una teoría dar lugar a una ley?

Las leyes resumen el conocimiento de los hechos y forman parte delas teorías. El proceso sería el siguiente: de una teoría puedensurgir nuevas hipótesis, que si se confirman, pueden dar dan lugar anuevas leyes que se incorporarían al esquema teórico de la teoría. Lashipótesis confirmadas pueden modificar o reforzar la teoría de la quese ha partido. Por tanto, partiendo de una teoríase pueden originar nuevas leyes, pero el paso previo es elestablecimiento de hipótesis para poder comprobarlas empíricamente.

57. La teoría, ¿es un conjunto de leyes (como da a entender el libro dePsicobio logía) o de hipótesis (como dice el libro de Fundamentos)?

Una hipótesis consiste en una afirmación que explica por qué sucede unfenómeno, las teorías del big bang, por ejemplo, son hipótesis sobreel origen del universo, y las teorías del creacionismo también son

hipótesis sobre cómo se creó el mundo, las hipótesis y las leyes estánrelacionadas dentro de las teorías porque las leyes son hipótesis quehan sido contrastadas empíricamente. Pero las leyes sobre lanaturaleza no terminan de explicar toda la realidad o esa parte de larealidad que tratan de explicar y predecir, el conocimiento es algodinámico que siempre avanza en la medida en que los humanosdescubrimos nuevas cosas sobre la realidad, y la historia de laciencia indica que las leyes que gobiernan la naturaleza pueden sercontradichas ante nuevos descubrimientos y entonces se creannuevas hipótesis, nuevas teorías a partir de que las teorías con las

que funcionábamos no explican los nuevos descubrimientos o hechos.

Así desde nuestra perspectiva, las teorías están hechas de hipótesisque pueden ser contrastadas o no y convertirse en leyes, pero estasleyes surgen de, y fortalecen las teorías.

58. En las funciones de las teorías (pág. 30), ¿qué signif ica “ reforzar lacontrastabilidad de las hipótesis, sometiéndolas al control de las demáshipótesis”?

Una teoría es un esquema conceptual formado por un conjunto de hipótesisrelacionadas sobre una parcela del conocimiento científico. Al decir que una de las

funciones de las teorías es "reforzar la contrastabilidad de las hipótesis sometiéndolaal control de las demás hipótesis", quiere decirse que al someter a prueba unahipótesis, poniéndola en relación con los hechos, se están comprobando laadecuación de las demás hipótesis que están relacionadas con el entramado teórico.

59. ¿Qué son términos primi tivos?

A veces, en la explicación científica de un determinado dominio también se recurre a lautilización de términos que pertenecen a otra área de conocimiento en la cual ya hansido definidos, por ejemplo, en Psicología es muy habitual el uso de diferentes tipos demedidas físicas (peso, intensidad, conductancia, codificación, etc.). A esos términos

importados de otras teorías se los denomina términos primitivos.


30/39

30

60. Teorías científicas, ¿susceptibles de modif icación? En el cuadro 1.2"Características y funciones de las teoríascientíficas" dice que debe ser "susceptible de modificación" ¿no sontodas las teorías científicas, en sí mismas, modificables omejorables? No entiendo muy bien que ésta sea una característica *a priori*.

Un rasgo de las teorías científicas es precisamente que deben sermodificables y mejorables. Nadie puede pretender que una teoría sequede inmutable para siempre.

Me refiero a que en la elaboración de una teoría científica uno puedeasegurarse de que ésta sea contrastable, relevante y simple. Perosusceptible de modificación sólo será en el momento en que aparezcaotra que refute o mejore ésta y se presupone que el investigador no"sabe" cómo mejorarla, que esa teoría es la "buena" hasta el momento.

Puede ocurrir que en el momento haya teorías rivales y losinvestigadores estén buscando refutar la teoría contraria. Nonecesariamente en el momento de que la teoría ya esté instalada. Deesto hay mucho. Las teorías se van reformando a medida que hay datosque refuten algunos aspectos que no encajan.

61. Una teoría está formada por conjuntos de hipótesis, mi duda es: Estashipótesis no tienen por qué estar *contrastadas* empíricamente, ¿no? Silo estuvieran, pasarían a ser ley científica (si cumplieran además las

tres características que se mencionan en el libro). ¿Es así?

No necesariamente las hipótesis que hacen a una teoría se contrastanempíricamente.

62. Dentro de las fuentes de problemas aparece la experiencia, no terminode entender a que se refiere con que la experiencia puede ser fuente deproblemas.

A lo que se refiere es que cuando conoces un tema (ej. el proceso de

envejecimiento), tienes conocimientos sobre qué aspectos se debeninvestigar (problemas) gracias a tu "conocimiento experto oexperiencia".

63. En la página 28 del manual se define una h ipótesis como un enunciadoteórico, continua señalando que por tanto son proposiciones tentativas. Másadelante en relación con la Ley científica señala que sonhipótesis confirmadas. Mi duda es la siguiente: si una hipótesis conllevaimplícitamente "falta de confirmación", como luego una Ley puede ser unahipótesis confirmada. ¿No dejaría de ser una hipótesis en el momento de suconfirmación? Es decir, a mi entender, una hipótesis sería algo asícomo una Ley en potencia, pero una Ley no puede albergar el concepto


31/39

31

hipótesis. (E.g. un huevo es un pollo en potencia, pero en un pollo nohay nada de huevo).

En ciencia una Ley científica es una proposición que indica cómoocurren las cosas, y por tanto, resulta que son enormemente útiles

porque sirven para saber lo que ocurrirá. Pero si no puede albergarnuevas hipótesis la ciencia jamás avanzaría. Las leyes de Newtonexplican bastante bien la realidad, pero resulta que sus principios noson válidos para la física cuántica, cuya misión es comprender losprincipios de la realidad en términos micro, de átomos y electrones.Pues bien, lo que nos indica la ciencia física es que aun cuando lasleyes expliquen fenómenos, estas leyes son caducas y por tanto habráque albergar nuevas hipótesis que los expliquen. Actualmente lainvestigación en física está tratando de ver si las leyes de lafísica cuántica también pueden explicar la realidad en entornos macro.En definitiva, las leyes aunque pueden descartar hipótesis, siemprehay posibilidad de que algunas hipótesis que son descartadas puedenvolver a ser revisadas.

INDEPENDENCIA / DEPENDENCIA DE LAS OBSERVACIONES

64. ¿Podrían aclararme lo que es la independencia / dependencia de lasobservaciones?

Lo que significa es que cuando las observaciones son independientes, la puntuación(u observación) de un sujeto no nos da ninguna información sobre la de otro sujeto, ni

tampoco condiciona la puntuación de ese otro sujeto. Son totalmente independientes,no están ligadas como las observaciones dependientes.

Las puntuaciones son dependientes cuando se trabaja con diseñosintrasujetos. En estos casos se toman datos de los mismos sujetos enmás de una ocasión. Por ejemplo, si queremos evaluar la influencia dediferentes formas de presentar la información (solo texto, texto eimágines en blanco y negro y texto e imágenes en colores) sobre elaprendizaje. En un diseño intrasujeto evaluaríamos al grupo de sujetosdespués de haber pasado por cada condición. Obtendríamos tres medidas,correspondientes a la media del grupo para condición. Estas medidascomo son de los mismos sujetos, estarán relacionadas, esto es, sondependientes. Es decir, las puntuaciones en un tratamiento condicionala puntuación en otro tratamiento. Por ejemplo, si en la prueba detexto sólo obtienen una media de 3, en las otras condiciones laspuntuaciones están condicionadas por este nivel. Mientras que en undiseño intersujeto, serían tres grupos distintos de sujetos los querealizarían las pruebas, por tanto,

preguntas de contenido t 1 (2014)

Documents