1

PREGUNTAS DE CONTENIDO TEMA 1

BLOQUES TEMTICOS EN ORDEN ALFABTICO:

ANLISIS DE DATOS

CONSTRUCTOS Y VARIABLES

EJERCICIOS DE AUTOEVALUACIN

ESCALAS DE MEDIDA

ESTADISTICA DESCRIPTIVA E INFERENCIAL

ESTADISTICOS DE CONTRASTE

ERROR DE LOS DATOS

FUENTES Y PLANTEAMIENTO DEL PROBLEMA

GLOSARIO

HIPTESIS

HIPTESIS, LEYES Y TEORAS

INDEPENDENCIA / DEPENDENCIA DE LAS OBSERVACIONES

LECTURA DE INVESTIGACIONES

METODO CIENTFICO

METODOLOGAS

MUESTREO Y MUESTREO PROBABILSTICO/ NO PROBABILSTICO

NIVELES DEL PROCESO DE INVESTIGACIN

PARTICIPANTES Y UNIDAD MUESTRAL

PLANTEAMIENTO DEL PROBLEMA

TCNICAS DE INOCULACIN DE ESTRS

VALIDEZ

2

ANLISIS DE DATOS

1. Entra en el examen el punto 1.3.4. Anlisis de datos?

Este punto entra en el examen, pues tiene que saber qu parte de la investigacin es el anlisis de datos y que para esta fase cuenta con la estadstica. Pero no vamos a preguntar frmulas de estadstica.

2. Qu es la curva normal y el coeficiente de curtosis (Cuadro 1.9.)?

Estos son conceptos de Estadstica Descriptiva que no son objeto de esta signatura. Estos conceptos los tiene explicados en la asignatura de Introduccin al Anlisis de Datos de primer curso. Aqu aparecen en un cuadro gris como informacin complementaria, pero no es materia de examen. Tendr que estudiarlos en dicha asignatura.

3. Qu son los contrastes paramtricos y no paramtricos? Ejemplos?

Los contrastes paramtricos y no paramtricos son tcnicas estadsticas que utilizamos para ver si nuestras hiptesis se cumplen. Es decir, sirven para contrastar nuestras hiptesis estadsticas en las investigaciones. Como te resume el cuadro 1.10. (que al ser gris no entra para examen), las tcnicas o contrastes paramtricos nos permiten comprobar hiptesis sobre algn parmetro poblacional (por ejemplo, que la media poblacional de horas que dedican los espaoles al deporte es de 3 a la semana), mientras las tcnicas no paramtricas no hacen hiptesis sobre parmetros poblacionales. Las tcnicas paramtricas son ms potentes a la hora de extraer conclusiones, pero para que se puedan aplicar requieren que se cumplan condiciones que no siempre se dan y por ello surgieron las tcnicas no paramtricas, que no son tan potentes pero que se pueden aplicar cuando no se dan las condiciones estadsticas que requieren las primeras

Resumiendo, los contrastes paramtricos se aplican cuando los datos que tenemos cumplen unos criterios (ej. se distribuyen normalmente, sus varianzas son homogneas, etc.). En caso de que estos criterios no se cumplan empleamos los contrastes no-paramtricos. Esto es lo nico que deben saber en este curso.

No podemos poner un ejemplo sin adentrarnos en los anlisis de datos propiamente dichos, contenido que no es materia de esta asignatura, ni es necesario a este nivel. La asignatura de 2 de Grado, Diseos de Investigacin y Anlisis de Datos versa ntegramente sobre esta temtica por lo que ver numerosos ejemplos.

3

4. En el cuadro 1.10 dice "Utilizaremos la denominacin genrica de contrastes no paramtricos para todos aquellos contrastes que no se ajustan a una cualquiera de las tres caractersticas de los contrastes parmetricos". Aqu en este cuadro slo se mencionan dos, cul es la otra caracterstica?

El principio del segundo prrafo del cuadro 1.10 te da las tres caractersticas de los no paramtricos: (1) permiten poner a prueba hiptesis no referidas a un parmetro poblacional, (2) no necesitan establecer supuestos exigentes y (3) no necesitan trabajar con datos a nivel de intervalo o razn. Los paramtricos todo lo contrario.

5. Qu son las pruebas t y las pruebas F de las que me habla mi tutor en clase?

Las pruebas de contraste estadstico a las que haces referencia (pruebas t y F) no son materia de esta asignatura sino de Diseos de investigacin y anlisis de datos (de 2 del Grado). Lo nico que tenis que saber ahora son las lneas generales del contraste de hiptesis pero no los estadsticos especficos que se emplean para ello.

6. Se utiliza la estadstica para la recogida de datos?

No, la estadstica se emplea para analizar esos datos que previamente has recogido. Es verdad que sin datos no habra anlisis, pero la estadstica no se encarga de la recogida, solo del anlisis.

CONSTRUCTOS Y VARIABLES

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

Los constructos son variables no directamente observables como por ejemplo la inteligencia (que medimos a travs de los tests). Los constructos dicho en trminos sencillos son conceptos. Los conceptos designan y definen cosas de manera mas bien abstracta. En Psicologa el trmino mente es un constructo, es un concepto que designa una entidad que puede ser determinante de la conducta. Pero hay muchos constructos (conceptos) tales como inteligencia, ansiedad, o regulacin emocional, y otro constructo es la funcin ejecutiva. Los conceptos como la funcin ejecutiva sirven para designar funciones cognitivas relacionadas con el control que se requiere para inhibir ciertas conductas para conseguir ciertos fines.

8. En la pgina 36 habla de las variables y pone ejemplos de variables en Psicologa: cociente intelectual, depresin, etc. Son estos ejemplos de variables de tipo categrico? A continuacin dice: "estos conceptos seran constructos, pero los consideramos variables

4

cuando los definimos en trminos explcitos y determinamos qu indicios son los que nos permiten obtener una medida de ellos." No entiendo muy bien qu quiere decir con "definirlos en trminos explcitos", y tampoco a qu se refiere con " determinados indicios".

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

Un constructo es un concepto como por ejemplo: resentimiento, eficiencia, violencia, etc. Son constructos porque son conceptos que hemos creado para resumir en una palabra muchas cosas. Pensemos en la violencia, en este trmino se condensan muchos otros trminos, agresin, impulsividad, agresin fsica, agresin verbal, enfado, etc. Cuando expresamos que alguien es violento no queremos decir solo que pegue a alguien, o que agreda verbalmente, queremos decir, muchas otras cosas, no? Por ello violencia es un constructo (aqu est definiendo en trminos explcitos violencia).

Si queremos saber si el calor genera conductores violentos, tendremos que observar qu ocurre con la violencia del conductor en diferentes epocas del ao, y entonces debemos definir claramente qu es un violento, qu conducta se considera violenta y cul no. Si la violencia es solo en el modo de conducir el coche o en los gestos de los conductores o los insultos, etc. Aqu est operativizando el constructo violencia, est tratando de decir cules son los indicios que observo que me indican que alguien est siendo violento durante la conduccin. Supongamos que la violencia ya la ha definido como determinadas conductas durante la conduccin, conductas como gestos, o insultos a los dems (ya la ha explicitado).

Ahora bien usted puede definir an ms quiere medir la violencia del conductor de coche. para ello dice voy a contar los insultos, voy a tomar registro de la velocidad a la que conduce, la distancia que guarda el conductor en la va rpida con respecto del coche de delante. Aqu cuando est midiendo conductas, a travs de las frecuencias (contar los insultos) o de metros (la distancia que guarda) etc, est utilizando valores o medidas que le sirven de indicios que miden la violencia.

9. Me podra poner algn ejemplo de constructo y explicar el constructo de funcin ejecutiva?

Los constructos dicho en trminos sencillos son conceptos. Los conceptos designan y definen cosas de manera ms bien abstracta. En Psicologa el trmino mente es un constructo, es un concepto que designa una entidad que puede ser determinante de la conducta. Pero hay muchos constructos (conceptos) tales como inteligencia, ansiedad, o regulacin emocional, y otro constructo es la funcin ejecutiva.

Los conceptos como la funcin ejecutiva sirven para designar funciones cognitivas relacionadas con el control que se requiere para inhibir ciertas conductas para conseguir ciertos fines. El trmino de funcin ejecutiva en la pgina 41 se est

5

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

10. Cmo identifico en un caso o una investigacin las variables independiente y dependiente?

Lo primero es ver el problema de la investigacin, la hiptesis y luego delimitar las variables. Fjate en este enunciado: Se quiere saber si el alcohol influye en el rendimiento en un test de conducir. La variable independiente (VI) ser el alcohol que es la variable cuyo influjo se quiere estudiar y la variable dependiente (VD) ser el rendimiento en el test de conducir, que es lo que vamos a medir.

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

11. Cul es la variable a operativizar, la variable independiente o la dependiente?

Se operativizan siempre todas las variables, tanto las dependientes como las independientes. En el caso de los diseos univariados operativizamos la nica variable dependiente que tenemos y la/s variables independiente/s. Si el diseo es multivariado se operativizan todas las variables dependientes y todas las independientes.

Cuando decimos que hay que operativizar la variables estamos diciendo que queremos ver cmo podemos manejarnos con estas variables. Imagine esta hiptesis. El aumento de la auto-estima hace que disminuyan la ansiedad de hablar en pblico. La variable independiente es la auto-estima y la dependiente la ansiedad.

Podemos hacer los siguiente: a una muestra le medimos la auto-estima, una vez medida, formamos tres grupos auto-estima alta, media, y baja. Tenemos tres grupos de personas con un determinado nivel de autoestima. Al hacer esto, hemos utilizado un instrumento para medirla, hemos operado con la auto-estima midindola y formamos tres grupos (hemos operativizado la variable independiente). Ahora para contrastar la hiptesis, ponemos a los participantes en una situacin en la que tienen que hablar en pblico -les decimos que tienen que grabar un dilogo para la tele- o una situacin as. Bien, tenemos que medirle la ansiedad... cmo se le ocurre que se la medimos? Supongamos que la medimos a travs del nivel de sudoracin, donde le ponemos el aparato del micrfono le colocamos un aparato que la mide... a ms sudoracin, ms ansiedad. Qu est haciendo? La variable dependiente -ansiedad medida a travs de sudoracin- la est midiendo con el aparato (hemos operativizado la variable dependiente) y de este modo tiene medidas de ansiedad y puede comparar qu grupos -divididos por la auto-estima- obtienen las diferentes medidas de sudoracin... Est OPERATIVIZANDO ambas variables.

6

12. No entiendo lo referente a las variables cualitativas, dicotmicas, politmicas y su categora.

Las variables cualitativas son aquellas que slo designan una cualidad o atributo. Se tiene o no se tiene una cualidad o se tiene en mayor, menor o igual grado. La cualidad o atributo se subdivide en clases mutuamente exclusivas y exhaustivas. Esto es: un objeto no puede pertenecer a ms de una clase y todos los objetos se pueden adjudicar a alguna clase.. De esta forma las variables nominales y ordinales son cualitativas. Las variables cualitativas pueden dividirse en: dicotmicas (tienen slo dos clases o categoras) o politmicas (admiten ms de dos clases o categoras). La religin considerando catlicos, protestantes y judos entre otros podra considerarse politmica. Sin embargo, el grado de apertura, considerado como abierto o cerrado, es una variable dicotmica. Es decir:

Una variable cualitativa dicotmica slo tiene dos valores o categorias, como por ejemplo la variable gnero slo tiene dos valores, hombre y mujer.

Una variable cualitativa politmica puede tener ms de dos valores o categoras como por ejemplo estatus socioeconmico, que puede ser medio, bajo, alto.

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

Estos trminos no significan exactamente igual, pero lo fundamental es que, como pone en el cuadro 1.7, en las variables discretas los valores son enteros (no admiten nmeros intermedios) y en las continuas los valores son reales (admiten nmeros intermedios).

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

Los nmeros reales incluyen los racionales (admiten decimales) y los irracionales que no se puede expresar de manera fraccionaria y tienen infinitos cifras decimales no peridicas.

14. Podrais aclararme lo de que la variable independiente puede adoptar distintos niveles, condiciones o tratamientos?

Una variable puede adoptar diferentes valores (por eso se llama variable porque vara). A estos valores se le llaman niveles. Si utilizamos como variable independiente las horas de estudio. Podemos elegir para un experimento 4 valores o niveles: 8 horas, 4 horas, 2 horas y 0 horas. Cada uno de estos 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). Tendramos un experimento con 4 tratamientos o condiciones. El trmino factor se utiliza ms bien cuando hacemos un diseo factorial. Este tipo de diseo se caracteriza porque estudia conjuntamente el efecto de dos o ms variables independientes sobre una o ms de una variable dependiente. A cada una de estas variables independientes se le llama Factor. Por ejemplo, si adems de las horas de estudio queremos ver en el mismo experimento el efecto del gnero de los sujetos. Tendramos un diseo factorial 4X2. La primera variable independiente o factor tendra 4 niveles y la segunda dos niveles. Este diseo tendra 8 condiciones o tratamientos y 2 variables independientes

7

o factores. La primera variable independiente o factor tendra 4 niveles y la segunda 2. Todo esto lo entenders mucho mejor en el Tema 5. 15. Qu son variables de seleccin de valores?

Las variables independientes pueden ser de manipulacin intencional o de seleccin de valores. En las primeras, el investigador selecciona los valores que cree ms conveniente. Por ejemplo, dosis de un frmaco, horas de sueo, longitud de unas lneas paralelas, etc. En una variable de seleccin de valores, stos ya vienen dados. Por ejemplo, gnero (hombre y mujer), estatus socioeconmico (alto, medio, bajo), enfermedad (sida, tuberculosis, cncer).

16. Las variables de seleccin de valores pueden ser variables extraas pero, pueden ser variables dependientes e independientes?

Una variable de seleccin de valores es una variable independiente si queremos estudiar su influencia. Por ejemplo, si queremos estudiar cmo influye la edad de los sujetos en la atencin, podemos formar dos grupos. El grupo A estar formado por 40 sujetos de 20 aos y el grupo B estar formado por 40 sujetos de 50 aos. A ambos grupos se les pasar un cuestionario de atencin. En este caso la edad (variable de seleccin de valores) es la variable independiente. Si en este estudio, en lugar de la influencia de la edad quisiramos estudiar la influencia del gnero en la atencin, la edad podra ser una variable extraa y la tendramos que controlar.

17. Podran poner un ejemplo que pudiera clarificar el uso de las variables de seleccin de valores?

Los estudios con variables no manipulativas las tiene en captulos siguientes (ex post facto, encuestas, observacin y cualitativas) y tiene ejemplos sobre ellos.

Lo que s es acertado decir es que las estrategias manipulativas, el investigador crea condiciones cambia algunos elementos en el ambiente, o modifica el estado fisiolgico del individuo para probar cmo esto afecta en el fenmeno de estudio. Mientras que las estrategias no manipulativas como usted bien dice carecen de esta caracterstica. Pero no manipular no significa que las condiciones que presenta la naturaleza, como por ejemplo, ser de un determinado grupo cultural, de una generacin, padecer una enfermedad, pertenecer a una familia numerosa, o vivir en el polo norte, etc. no sean condiciones que puedan ser comparadas con otras bien distintas. As, si usted elige estudiar quienes son ms proclives a perdonar si los hombres o las mujeres, usted est estudiando el gnero como una variable que le indica si las mujeres perdonan ms que los hombres. Esta variable la denominamos de seleccin de valores porque no puede manipular a los humanos para que sean hombres o mujeres.

18. Ejemplos de variables de manipulacin y de seleccin de valores.

El concepto de seleccin de valores est vinculado al tipo de variable independiente. En la investigacin las variables independientes se pueden manipular para estudiar su

8

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

Un ejemplo de manipulacin: Si quiero conocer en qu medida las conversaciones sobre los estados emocionales que se mantienen entre un nio y un adulto favorecen el vocabulario del nio con respecto al uso que hace de las etiquetas emocionales. Puedo decidir hacer un estudio experimental: En el que entreno a profesores para hacer conversaciones sobre las emociones con los nios en sus aulas de pre-escolar, y esta es una variable que manipulo (entreno a los profesores para conversar sobre emociones bsicas). Despus evalo el vocabulario emocional de los nios despus de la aplicacin del programa. Puedo utilizar un grupo control para ver qu evolucin tienen los nios de las mismas edades que no participaron en el programa y compararlo. Si el programa tiene efecto al comparar a los grupos control y experimental, puedo establecer una relacin causal.

Un ejemplo de seleccin de valores. Puedo evaluar qu profesores utilizan ms vocabulario emocional en las aulas a travs de un registro. Tengo 10 profesores, de los cuales 5 utilizan ms vocabulario emocional que los otros 5 profesores. Para evaluar su efecto en el vocabulario emocional de los nios evalo a los nios el nmero de palabras emocionales que conocen, y usan.

Como puede observar aqu se est comparando a los nios que tienen profesores que tienden ms usar el vocabulario emocional frente a los nios que tienen profesores que los usan menos. Mi variable dependiente es la misma, evalo a los nios en su vocabulario emocional. Pero la variable independiente en los dos estudios es distinta. En el primer estudio el experimentador interviene, manipula a travs de un programa de entrenamiento a los profesores. En el segundo estudio el investigador selecciona la variable independiente: los profesores que hablan de emociones y los que no hablan de emociones en el aula. Pero como no hay una intervencin no puedo establecer una relacin causal, pero si puedo establecer una relacin entre tener un tipo de profesor u otro. Este tipo de relacin es predictiva si realizo un anlisis en el que la variable tipo de profesor me indique que es ms probable que tener un profesor emocional haga que los nios usen ms palabras emocionales que tener un profesor no emocional.

Ahora bien, recuerde que en este apartado estamos hablando de las variables, en trminos generales, antes hemos hablado de las variables independientes que pueden ser manipuladas o de seleccin. En este apartado estamos refirindonos a las variables y la forma en cmo son medidas. Una variable categora, retomando el ejemplo de la seleccin de valores, sera hablar de emociones o no hablar de emociones en el aula. Tenemos dos categoras en esta variable, se habla o no.

Pero se pueden ordenar tambin, hay profesores que hablan escasamente, otros hablan un poco, bastante o mucho. Estamos ordenado la frecuencia del uso de las palabras emocionales (ordinales). Tambin podemos establecer otras medidas en las que utilizamos un intervalo, como usar entre 1 y 5 palabras emocionales, entre 5 y 10 y as sucesivamente.

En las variables de seleccin de valores se trata de seleccionar a los grupos por poseer una determinada caracterstica, que por su naturaleza no podemos manipular, por ejemplo, haber nacido en los aos del baby boom, pertenecer a una etnia, o bien haber nacido en un hogar con ms de una televisin, etc. Seleccionamos

9

a los participantes por poseer una determinada caracterstica (un valor de la variable independiente).

Pero la representatividad no pasa por poseer o no esta caracterstica, es decir, la representatividad de la muestra depende de la tcnica que utilizo para seleccionar a la muestra de la poblacin. Si yo consigo una muestra con una determinada caracterstica (haber nacido en los aos del baby boom) y yo uso el procedimiento siguiente: ponerme en la plaza de una ciudad y preguntar en qu ao naciste y le pido a esa persona que participe en mi estudio. No tengo garantas de que mi muestra sea representativa de los nacidos en los aos del baby boom, porque no hay garantas de que toda la poblacin nacida en esos aos tenga las mismas probabilidades de ser incluido en la muestra. En cambio si tengo una lista de todos los nacidos en ese ao, y hago un muestreo aleatorio, tendr ms garantas de que mi muestra s sea representativa. Todo esto lo ver ms adelante en el Tema de Encuestas.

19. Cul es la diferencia entre variable dependiente y variable independiente?

Es fundamental que entienda estos dos conceptos para poder seguir con el estudio de la materia en esta asignatura. La variable independiente es la CAUSA y la variable dependiente es el EFECTO. La variable independiente es la que manipula el investigador (elige sus valores) para saber cmo *afecta* en la variable dependiente (que es la que se mide). Por ejemplo, se quiere saber cmo influye las horas de sueo en el rendimiento en una prueba matemtica. El investigador forma dos grupos, uno de ellos duerme 5 horas y el otro duerme 8 horas. De forma que *el investigador manipula la variable independiente* eligiendo dos valores ( 5 y 8 horas) y asignando un grupo a cada valor. A continuacin quiere medir su efecto sobre el rendimiento en una prueba matemtica (variable dependiente), para ello pasa un test a todos los participantes de cada grupo. Podr ver numerosos ejemplos de ambas variables en las investigaciones que se van planteando en los siguientes temas.

20. Si una variable dependiente es una variable continua, es decir, que puede

adoptar cualquier valor desde 0 hasta un lmite fijado por el experimentador (por ejemplo podra ser el tiempo que tarda el sujeto en dar una respuesta, o los litros de agua que bebe en un da, etc.) Cules seran las* medidas* de la variable dependiente? Por lo que yo entiendo seran los segundos, en un caso, o bien los litros, en el otro caso, es decir, habra una gran cantidad de medidas posibles, desde 0 hasta el lmite prefijado (1, 2, 3, 4...) Con esto quiero llegar a que NO seran *dos medidas, *"mayor" o "menor", si se comparasen las de un grupo y las del otro. Al menos yo no lo entiendo as. Estoy en lo cierto?

Cuando tienes una variable continua, en lugar de utilizar todos sus posibles valores, puedes dicotomizarla en, por ejemplo, ms de 10 segundos y menos de 10 segundos. Siempre que ests trabajando con una variable medida en una escala superior, puedes bajar de nivel de medida, dicotomizndola o haciendo varios niveles, depender de lo que te interese. Al revs no. 21. Qu son las variables extraas?

En el ejemplo del libro (pgs. 39-40), en el que se trata de ver la influencia de la agresividad (VI) sobre la conduccin (VD), una

10

variable extraa que podra ocurrir sera el nivel de alcohol que llevan los sujetos cuando conducen. Esa variable puede influir en el nivel de conduccin y no es una variable que queramos estudiar, ni hemos manipulado. Luego no se trata de una VI. Es una VE que tenemos que controlar para que no afecte a nuestros resultados (mirando el nivel de alcoholemia de todos y manteniendo constante esta variable).

22. En este mismo documento se dice que las variables nominales y ordinales son cualitativas, sin embargo en el libro pone que las ordinales no es que sean cualitativas, sino cuasi-cuantitativas, qu es lo correcto?

A las variables ordinales se las denomina cuasi-cuantitativas. A lo que se refiere en este documento respecto a las variables ordinales es que son cualitativas en el sentido que ah te explica: "Se tiene o no se tiene una cualidad en mayor, menor o igual grado". A los dos tipos de variables, nominales y ordinales, se las considera cualitativas porque no son cuantitativas. No obstante, para distinguir un nivel superior para las ordinales, se las llama cuasi-cuantitativas (en las nominales slo se tiene o no se tiene una cualidad). Con las variables cualitativas no se pueden realizar operaciones como sumar, restar,....

23. Qu es una variable dummy?

Una variable dummy en trminos estrictos es una variable que por su naturaleza es cualitativa p,ej. Extranjero/Nativo; Tiene Mvil, no tiene mvil, etc., y la denominacin de 0 o 1, simplemente es para indicar que 0 es Nativo, y 1 Extranjero. O que Tiene mvil = 0 y no tiene mvil = 1. En realidad esto es interesante saberlo a la hora de realizar un anlisis estadstico, que el 0 y el 1 asignado de las dos categoras no tienen otro valor que el nominativo.

24. Despus de leer el contenido de Preguntas del tema 1, me ha surgido una duda que crea no tener, es la siguiente: sobre las VARIABLES DE SELECCIN DE VALORES, se considera como una VI, en investigaciones con estrategias no manipulables (intencionadamente por el investigador), entonces : pueden ser tambin VVDD y VVEE?

Cualquier variable puede adoptar el papel de VI, VD o VE, dependiendo de la investigacin que se realice. Por otro lado, las variables que actan en una investigacin como VVII pueden ser de manipulacin intencional o de seleccin de valores (como en los diseos ex post facto). Estudia en el tema 8 las variables de seleccin de valores.

11

EJERCICIOS DE AUTOEVALUACIN

25. Dnde puedo encontrar los ejercicios de autoevaluacin?

Los ejercicios de autoevaluacin estn 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 razn y en la de intervalo?

En una escala de intervalo el cero no significa ausencia de la caracterstica medida. Por ejemplo, cuando un alumno tiene un cero en el examen de Fundamentos de Investigacin no significa que no sabe nada de la asignatura, sino que ha contestado mal a todas las preguntas del examen. Lo mismo ocurre cuando medimos la inteligencia, depresin, ansiedad....utilizando tests o cuestionarios. No existe nadie que tenga ausencia total de inteligencia, depresin, ansiedad... Es decir, ese cero es arbitrario y no significa ausencia de la caracterstica medida. En el caso del examen ponemos el cero a la persona que no ha contestado correctamente a 30 preguntas, pero lo podamos haber puesto en la persona que no ha contestado bien las 7 primeras preguntas, independientemente de lo que haya contestado en el resto del examen. Cuando utilizamos una escala de razn el cero es real. Por ejemplo, nmero de gatos en mi casa, nmero de pelos en la cabeza, tiempo de reaccin medidos en milisegundos Es decir, existe realmente la ausencia de esa caracterstica.

27. Me podran poner ejemplos de las distintas escalas?

Imaginemos que nos encontramos ejerciendo de psiclogos 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 ningn apoyo afectivo, etc. Su situacin es desesperada, segn lo que ella nos cuenta. Cuando nuestra paciente hipottica se marcha, llega otra, B, que est llorando y todo el tiempo de su consulta no hace ms que llorar hasta que se marcha, sin lograr poder decirnos algo. Su situacin 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. Tambin su situacin es desesperada, distinta de las dos anteriores y creemos que mucho peor que ambas. Un psiclogo, ante esta situacin, tiene que discriminar entre ellos en cuanto a, por ejemplo, su "grado de depresin" se refiere. El discriminar lleva consigo una forma de medir: el paciente A no est igual de deprimido que el B, y el B no lo est igual que el C. A esta forma de medir se le designa una medicin en una escala nominal. En ella se permite decir si una observacin es igual o distinta que otra, o que dos elementos, o sujetos en nuestro caso, pertenecen o no a una misma categora. Pero en nuestro caso clnico, adems de saber que las depresiones observadas son distintas, tambin podemos observar que la depresin de A es menor que la de B y tambin es menor que la de C. La escala que nos permite hablar de igual-distinto y adems de un orden entre las observaciones se designa escala ordinal. Si a nuestros tres pacientes se les pasase el

12

Cuestionario de Depresin de Beck podramos obtener una puntuacin asignada a cada sujeto que revelase las conductas depresivas experimentadas por nuestros tres pacientes. As, las conductas no slo seran distintas, ni unos sujetos experimentaran ms conductas depresivas que otro, sino que tambin podramos 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 habra unas 8 y entre A y C unas 14. Existen unas diferencias cuantitativas 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 seran de un nivel mayor que el de intervalo. Seran de razn. En el caso de nuestros pacientes, con la informacin disponible del cuestionario de Beck, no podramos hablar de que un sujeto est doblemente deprimido que otro o de que el otro est la mitad de deprimido que el uno. Las medidas obtenidas mediante el cuestionario de Beck no vienen dadas en escala de razn. Si alguien construyese una escala en la que el cero indicase la carencia absoluta de depresin, entonces la escala as determinada sera de razn. No parecen existir, hasta este momento, escalas de razn en las cuantificaciones de la conducta obtenidas por medio de tests o cuestionarios. Dichas escalas aparecen en algunas de las estimaciones de sensaciones directamente relacionadas con magnitudes fsicas. Por ejemplo, en las pruebas auditivas se nos puede pedir cundo percibimos un sonido el doble de intenso que otro. Tambin si a un sujeto se le mandase a sealar 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 razn. 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 as sucesivamente. Una escala que permite establecer razones o proporciones entre observaciones, es una escala de razn. Por eso, en el caso del acuerdo o de la percepcin auditiva de la intensidad de un sonido, la escala es de razn. Sin embargo, en el cuestionario de depresin el tener cero no implica que no se tenga depresin 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 investigacin en psicologa. En Fontes, S., Garca, C., Garriga, A.J., Prez-Llantada, C. y Sarri, E. (Coord). Diseos de investigacin en Psicologa (pp. 58-59). Madrid: UNED.

28. Qu diferencia hay entre las escalas ordinal y de intervalo? Y entre la de

intervalo y la de razn?

Una escala ordinal es cuasi-cuantitativa y nos proporciona nicamente informacin sobre el orden (ej. el n 1 cruza la lnea de meta antes que el n 2). Por otro lado, las escalas de intervalo nos pueden dar informacin, adems de sobre las relaciones de igualdad-desigualdad (tpicas de las escalas nominales) y orden (tpicas de las escalas ordinales), sobre la suma y resta de los nmeros, y la multiplicacin y divisin de la diferencia entre los nmeros, por lo que se considera una escala cuantitativa.

13

Respecto a las diferencias entre escalas de intervalo y de razn, la escala de intervalo es una escala de medida con origen arbitrario e igual distancia entre sus unidades, de forma que los nmeros asignados a los objetos se pueden sumar y restar y las diferencias entre estos nmeros se pueden multiplicar y dividir, es decir, soporta cualquier transformacin lineal del tipo y = ax + b. Pongamos un ejemplo:

cuando un nio saca un 0 en matemticas no significa que carezca de esa habilidad, simplemente no se ha sabido esas preguntas que hemos puesto nosotros, pero no significa que no tenga ningn conocimiento sobre matemticas (origen arbitrario),

podemos afirmar que la diferencia entre una puntuacin de 20 y otra de 40 en un test de extroversin es la misma que entre las puntuaciones 40 y 60, pero no podemos decir que el que ha obtenido una puntuacin de 40 sea el doble de extrovertido que otro cuya puntuacin es 20 (la diferencias entre los nmeros se pueden multiplicar y dividir, pero no los nmeros en s como sucede en la escala de razn) y,

si multiplicamos esa caracterstica por una constante y le sumamos otra, mantenemos las propiedades que tenan los originales, esto es, los valores nuevos van a ser diferentes entre s como suceda con los antiguos, los nuevos valores se pueden ordenar en el mismo sentido que los originales y las diferencias que existan entre los primeros nmeros se mantienen entre los nuevos.

Por otra parte, la escala de razn es una escala de medida con origen absoluto e igual distancia entre sus unidades, de forma que los nmeros asignados a los objetos se pueden sumar, restar, multiplicar y dividir, es decir, soporta cualquier transformacin 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 caracterstica 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 40 Kg., podemos hallar las mismas conclusiones, es decir el de 20 Kg. sigue siendo el doble que el de 10 Kg., el de 40 Kg. es el que ms pesa...se sigue manteniendo la distancia entre sus unidades).

De todas formas, recordar que estos conceptos son propios de la asignatura Introduccin al Anlisis de Datos, aunque en esta asignatura necesitamos que tengis una nocin clara de ellos, aunque no profunda.

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

Con un ejemplo se entender mejor: Imagine que yo pido a cien participantes, que por su orden preferencia, me digan qu autores prefieren leer: Proust, Garca Mrquez, James Joyce, Cervantes, Sndor Mrai.

Puedo encontrar muchas respuestas divergentes entre s, 1) Proust, 2) Marai, 3) Garca Mrquez, 4) Joyce, 5) Cervantes. o por ejemplo. 1) Garca Mrquez, 2) Proust,

14

3) Cervantes, 4) Joyce, 5) Marai y as. El nmero que obtenemos de los participantes cuando le asignan un 1 a Proust, no tiene todas las propiedades que hacemos con los nmeros. No podemos sumar o restar o multiplicar con estos nmeros. El 1 de Proust no significa que es igual que Garca Mrquez menos Mrai. No tiene sentido!!!

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

Aqu puedo obtener un resultado como este:

Orden Proust Gca Mrquez

Joyce Cervantes Marai

1 10 40 12 16 22 2 30 20 15 21 14 3 40 10 20 17 13 4 10 14 21 24 31 5 10 16 32 22 20

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

Sin embargo, imagine que en lugar de pedirle su preferencia a los participantes les pido que en una escala de 1 a 10 en trminos de su inters, me indiquen qu autor leeran con ms inters. Y les digo que punten a cada autor en una escala. Estos no son las respuestas de un individuo, sino las puntuaciones medias de los cien participantes a los que he consultado.

1 = menos inters 10 ms inters. Proust 3 Marai 8 Cervantes 5 Garca Mrquez 9 Joyce 4

En una escala de 1 a 10, ellos me han indicado que leeran ms a Gca Mrquez ms que Proust. Puedo obtener la misma informacin que en la escala ordinal, pero adems es que los nmeros que he obtenido aqu, y que los participanes nos han proporcionado, si nos permiten operar (se pueden hacer operaciones aritmticas con ellos haciendo una media, los puedo sumar, restar, dividir, etc.), y aqu puedo decir que los participantes leeran antes a Garca Marquez que a Proust, porque la escala con la que mido su preferencia es de intervalo. Esto es que una escala de intervalo me permite conocer la distancia en el inters que hay entre 1 y 5, por ejemplo, es ms o menos las misma que hay entre 5 y 10, en trminos de inters de los participantes. Supongo adems que el 0 es arbitrario, es decir que no habra 0 inters en conocer a los autores y sus obras. Y al obtener estas medidas puedo utilizar contrastes estadsticos ms potentes.

15

En resumen, cuando obtenemos una respuesta o variable con una escala en una medida ordinal podemos conocer algunas propiedades de esta variable, podemos saber la frecuencia con que un autor podra ser ledo, pero una escala de intervalo que adems nos proporciona sta informacin, mide las respuestas en las que los nmeros que nos proporcionan los participantes permiten operar matemticamente.

30. Me podran aclarar si la escala ordinal tiene relacin de igualdad-desigualdad?

S, las escalas que estn a un nivel superior, incluyen todas las relaciones que se pueden dar en las escalas inferiores, as que en la escala ordinal se da la relacin de igualdad-desigualdad que ya se daba en la escala nominal y, adems, la relacin de orden (mayor que y menor que). Lo tienes realzado en negrilla en el cuadro 1.6, pgina 37 del libro cuando te habla de la ESCALA ORDINAL: "Las relaciones observadas ... presentan, adems de la igualdad-desigualdad, una ordenacin".

31. Respecto al prrafo de la pgina 39 del manual: "el nivel de medida de una variable que se obtiene con cada escala condiciona el tipo de operaciones matemticas que se puedan llevar a cabo con esas variables". Los fenmenos que estudiamos determinan las escalas de medida?

Yo le dira que no necesariamente, pero es posible que dependa de: *Los objetivos que nos planteamos* para estudiar el fenmeno que estudiamos hacen que utilicemos una escala de medida u otra, por ejemplo, usted estudia si un animal aprieta la palanca o no ante un estmulo. Si se decide que la variable sea medida en trminos de si ocurre o no, es porque solo le interesa estudiar este fenmeno de ocurrencia (de frecuencia o nmero de veces que ocurre el suceso) de si el animal aprieta la palanca cuando aparece un sonido. Esta escala de medida es *nominal, dicotmica (si o no).*

Pero si lo que le interesa saber no solo este fenmeno sino que se plantea saber cunto tiempo tarda en apretar la palanca un animal ante el sonido, est estudiando tiempo de reaccin. Mide el tiempo desde que aparece el estmulo hasta que el animal responde, y entonces est utilizando otra escala de la variable. Est utilizando *una escala de razn*. Pero probablemente cuando est preguntndose el tiempo que tarda el animal en presionar la palanca probablemente est tratando de responder a* otro problema* con otro objetivo, aunque el fenmeno sea el mismo (apretar la palanca ante un estmulo).

*De la naturaleza del problema*, Hay fenmenos que pueden solo estudiarse con determinadas escalas de valores, por ejemplo, si quiero determinar si el apoyo familiar contribuye a dejar el hbito del tabaco. La variable del estudio es que dejas o no el tabaco, no hay medias tintas, fumas o no fumas. Por tanto es posible que dependa de los objetivos del estudio, de qu tipo de problema se plantea el investigador y cmo *operativice* la variable de estudio.

16

ESTADISTICA DESCRIPTIVA E INFERENCIAL

32. Qu es la estadstica inferencial?

La estadstica se puede dividir en dos clases, reas o partes:

La estadstica descriptiva, que es la que se dedica a la tarea de resumir y organizar los datos obtenidos en la investigacin (se centra en tablas, en ndices como la media, la desviacin tpica, etc.). Esta parte de la estadstica la vers en la asignatura de 1 Introduccin al Anlisis de Datos.

La estadstica inferencial, que es la parte de la estadstica que, basndose en el clculo de probabilidades, se ocupa de hacer inferencias (predicciones) sobre la poblacin a partir de los datos obtenidos en la muestra. Esta estadstica es la que empleamos para poder llevar a cabo el contraste de hiptesis y la vers en profundidad en la asignatura de 2 Diseos de Investigacin y Anlisis de Datos.

ESTADISTICOS DE CONTRASTE

33. Podran ponerme un ejemplo claro sobre cuando, donde y porque se aplica el Estadstico de Contraste?

Los anlisis de datos con sus estadsticos de contrastes, nivel de confianza y un montn de conceptos ms que ahora no podis entender por mucho que os lo expliquemos en este curso, lo vais a estudiar en la asignatura Diseos de Investigacin y Anlisis de Datos en el prximo curso. Lo explicaremos aqu de forma muy intuitiva con un ejemplo:

Si queremos ver cmo influye en el rendimiento acadmico de esta asignatura el estudiarla con el texto bsico o con los apuntes que circulan en este curso virtual, podramos seleccionar aleatoriamente una muestra de 100 alumnos de Fundamentos de Investigacin (ya que sera muy tedioso utilizar los 9000 matriculados) y dividirlos aleatoriamente en dos grupos, A y B. El grupo A estudiara el contenido con el texto bsico y el grupo B con los apuntes.

Una vez que han realizado el examen tendramos las calificaciones de cada grupo. Para poder compararlos, calculamos la media aritmtica en cada uno de los grupos:

Media del grupo A=7

Media del grupo B= 4

Con estos datos podramos concluir que el grupo A ha obtenido calificaciones superiores al grupo B y por lo tanto es mejor estudiar con el libro de texto que con los apuntes? NO

Para saber si realmente esta diferencia se debe al hecho de utilizar el texto bsico o los apuntes o si se debe al azar o a otros factores no controlados en la investigacin, y si esos resultados tambin se dan en la poblacin (en los 9000

17

alumnos y no slo en los 100 de la muestra) tendramos que utilizar un estadstico de contraste.

Un estadstico de contraste es una frmula que aplicamos a los resultados del experimento. En nuestro caso, como son dos grupos de sujetos diferentes y para resumir los datos en cada uno de los grupos hemos calculado la media aritmtica, podramos utilizar el estadstico de contraste T de Student para dos muestras independientes.

Una vez aplicada la frmula del estadstico de contraste T de Student, si nos sigue dando que el grupo A es superior al B podemos afirmar con un margen de error muy pequeo que realmente el grupo A es superior al B y podemos inferir (generalizar, trasladar....) estos resultados a la poblacin (los 9000 estudiantes matriculados en Fundamentos de Investigacin) y concluir que es mejor utilizar el texto bsico que los apuntes para aprender esta asignatura, con una probabilidad muy pequea de equivocarnos (normalmente de un 1 o un 5%).

34. Qu son los estadsticos de contraste?

Resumidamente, son frmulas matemticas para contrastar hiptesis estadsticas. Veamos un ejemplo: queremos investigar la eficacia de un programa de entrenamiento para memorizar palabras en mujeres de 55 aos. Tenemos que hacer lo siguiente:

1.- Elegir una muestra de la poblacin de mujeres de 55 aos de, por ejemplo, 40 sujetos (si se elige de forma aleatoria, aumentamos la validez externa del experimento (Tema 4).

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

3.- Al grupo A le aplicamos el programa de entrenamiento para memorizar palabras (a este grupo se llama experimental) y al grupo B le damos una conferencia (a este grupo se le llama control).

4.- Ambos grupos tienen que memorizar unas listas de 30 palabras. Los resultados muestran que la media del grupo A es mayor que la media del grupo B. Aparentemente, podramos decir que el programa de entrenamiento para memorizar palabras ha tenido efecto y que si en lugar de utilizar una muestra, hiciramos el experimento con toda la poblacin de mujeres de 55 aos, la media del grupo A seguira siendo mayor que la media del grupo B.

A la media de la muestra se denomina estadstico y a la media de la poblacin se denomina parmetro. Lo que pretendemos es a travs del estadstico hacer una inferencia sobre el parmetro. Pero, tenemos que comprobar que nuestros resultados se deben al tratamiento y no al azar o a alguna variable extraa, como por ejemplo, que el grupo A, se entrenaba a escondidas en la memorizacin de palabras.

Para comprobar lo anterior utilizamos los estadsticos de contraste. Estos pueden ser paramtricos o no paramtricos y se utilizan unos u otros en funcin de que se cumplan en los datos unos supuestos o no se cumplan. Con estos estadsticos podemos afirmar (con una cierta probabilidad, nunca al 100 %) si nuestros resultados se deben al tratamiento o no.

18

En nuestro ejemplo utilizaramos como estadstico de contraste uno de diferencias de medias de dos muestras (grupos) independientes, como podra ser por ejemplo la t de Student (si los datos cumplen unos supuestos o requisitos para utilizar una tcnica paramtrica o su alternativa no paramtrica, si en los datos no se dan esos requisitos).

35. A qu nivel de profundidad se nos preguntar en examen sobre el estadstico de contraste y los supuestos?

El estadstico de contraste y los supuestos que se deben cumplir para aplicarlos estn explicados a un nivel muy general en esta asignatura para que entendis cul es el proceso completo de la investigacin cientfica. Una de las etapas es el anlisis de datos y por ello os explicamos a nivel conceptual que en esta etapa, lo que hay que hacer, es contrastar las hiptesis utilizando estadsticos de contraste que son herramientas estadsticas que arrojan unos valores que usaremos para comprobar o refutar nuestras hiptesis. Slo a este nivel general se os van a preguntar esos conceptos.

36. Si p es mayor que a se acepta la hiptesis nula, si a es mayor que p se rechaza la hiptesis nula. Pero si a y p fueran iguales, que pasara se acepta o se rechaza la hiptesis?

Como sabes, la hiptesis nula es la que se somete a comprobacin y, por tanto, es la que se rechaza, o no, como conclusin final de un contraste. Es importante recalcar que un contraste de hiptesis no permite aceptar la hiptesis (nula, que es la que se contrasta), sino que nicamente nos permite rechazarla o no, es decir "tacharla" de verosmil (lo que no significa obligatoriamente que sea cierta, simplemente que es probable que lo sea) o inverosmil.

Como comentas, se rechaza la hiptesis nula si el valor p asociado al resultado observado es igual o menor que el nivel de significacin establecido (convencionalmente 0,05 0,01). Si el valor p es superior al nivel de significacin no podemos rechazar la hiptesis nula. Por tanto, respondiendo directamente a tu pregunta, si p es igual a alfa, rechazamos la hiptesis nula.

37. Sobre el estadstico de contraste y la probabilidad, el 5% de probabilidad, que nos permite decidir si aceptar o rechazar la hiptesis de partida (hiptesis nula) procede directamente del estadstico de contraste o de la probabilidad de encontrar ese estadstico de contraste?

El estadstico de contraste es el resultado de hacer algunas operaciones con las puntuaciones de los datos obtenidos en el estudio o la investigacin. Dicho resultado llamado *estadstico* est asociado a una probabilidad. Es decir si comparas entre dos puntuaciones de dos grupos, haciendo las operaciones que te indica el contraste de las medias, y obtienes un resultado, esto se haya vinculado a la probabilidad con que la que decides afirmar con un 95 de certeza (o si prefieres, con 5% de error) que dicha diferencia es correcta.

19

ERROR DE LOS DATOS

38. En la pgina 26 del libro de texto: "...los datos llevan consigo una varianza o variabilidad error que se definira como la diferencia entre los valores reales que se obtendran de no presentarse alteraciones y los valores que observamos de forma sistemtica". Mi pregunta es: Si estamos pasando un test de ansiedad a un individuo en un momento determinado (da, hora, lugar y sus circunstancias de ese momento), cmo podemos saber cul sera el valor real que se obtendra de no presentarse alteraciones?

Normalmente, cuando se construye un test se utilizan ciertos parmetros de la poblacin en general. Ese instrumento que mide la ansiedad en un individuo, previamente tendra que haber sido baremado en la poblacin. Esto es, debe ser capaz de discriminar si la puntuacin obtenida por el individuo est dentro de la normalidad o est en una situacin de riesgo. Pero todo instrumento, ncluso las balanzas de alta precisin, cuando nos dan una medida, tiene una probabilidad de dar una medida con error. Pues en relacin con los instrumentos que miden estados subjetivos tambin se cometen errores. Pero cmo sabemos el error que cometemos cuando medimos sea con test o con una balanza, esto nos lo indican los procedimientos estadsticos, los cuales ver en otras asignaturas como Psicometra y Anlisis de datos.

FUENTES Y PLANTEAMIENTO DEL PROBLEMA

39. Tengo una duda respecto a las fuentes de problema de la pgina 34, no s diferenciar entre la experiencia y el conocimiento previo como fuente de problema.

Los investigadores que estn inmersos en lneas de investigacin saben, por su experiencia en esta rea, que hay hechos que todava no tienen explicacin, o bien que no se han resuelto convenientemente. Por lo tanto, esto es una fuente para plantear un problema.

Pero tambin puede ocurrir que equipos de investigacin hayan realizado trabajos en este tema de estudio y al conocer sus explicaciones al tema de estudio pueden ser dbiles o inciertas o tengan algunos problemas. De nuevo, se puede, a partir de los nuevos resultados, plantear nuevos problemas que los investigadores previos no han advertido en sus investigaciones. Y esto es una fuente para plantear un problema.

40. A qu se refiere la construccin del problema? El planteamiento del problema no es una cuestin tratada con amplitud por el manual. Creo que esto se debe a que hay que tener en cuenta, que desde la investigacin cuantitativa la formulacin del problema viene dado por el marco terico en el que se mueve el investigador, formular un problema no es lo mismo desde el rea de la psicologa cognitiva, conductista, evolucionista, etc. Otra cuestin que hay que considerar es que en el primer grado de psicologa no

20

podemos suponer que los estudiantes conozcan teoras para formular problemas de investigacin sin haber visto el gran problema de la psicologa que es que se mueve por teoras muy distintas.

Lo que pretende este curso es dar una visin general de como se investiga, y de acuerdo al plan de estudios del grado en psicologa las competencias que los estudiantes deben adquirir no es que aprendan a investigar, pero s que comprendan un artculo, identifiquen algunos diseos, y elementos crticos del mismo, etc. La parte de la epistemologa, que trata de ver la cuestin de la construccin del conocimiento, aunque no deja de ser interesante, no se trata en este curso.

GLOSARIO

41. Tengo una duda sobre si los conceptos del glosario, son materia de examen, es decir, los trminos que vienen en el glosario tambin estn definidos en el tema, pero las definiciones no son las mismas. Con qu definicin me quedo, con la del temario o la del glosario o con las dos?

Como sabes, el glosario es un recurso de apoyo para el estudio. Las definiciones que vienen en l, aunque no coincidan "textualmente" son las mismas que aparecen en el libro, lo que s sucede es que en el glosario hay ms trminos de los tratados en los temas que, evidentemente, no entran.

HIPTESIS

42. Qu diferencias hay entre una hiptesis de trabajo y una experimental?

Son bsicamente lo mismo. Una hiptesis de trabajo es una afirmacin que predice lo que bajo unos determinados postulados tericos pienso que ocurrir. Por ejemplo, si la melatonina es una hormona que se produce en el organismo en ausencia de luz y sabemos que tiene influencia en los ciclos del sueo. Adems, esta hormona es deficitaria en ciertos pacientes que padecen insomnio, mi prediccin es que si les administro esta hormona a pacientes con insomnio, entonces mejorarn en sus ciclos de sueo. Hara la siguiente hiptesis: Los pacientes que toman la dosis diaria de melatonina aumentarn sus horas de sueo. Esta hiptesis es la de trabajo, y como se trata de un experimento, ser mi hiptesis experimental. (se puede denominar de las dos maneras).

43. Tipos de hiptesis.

Respecto a la hiptesis experimental, se trata de una hiptesis de trabajo que se formula cuando se est investigando siguiendo la metodologa experimental. En esta

21

hiptesis se establece una relacin de causa efecto (si ..., entonces...). Cuando el mtodo de investigacin no es manipulativo (por ejemplo, ex post facto, observacional), el tipo de hiptesis no sera experimental.

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

Lo que tiene que diferenciar es hiptesis de trabajo e hiptesis estadsticas, estas ltimas son dos (la hiptesis nula y la hiptesis alternativa). Por ejemplo, queremos investigar si el tipo de estudio: intensivo (10 horas el da antes del examen) o progresivo (2 horas durante los 5 das anteriores al examen) influye en el rendimiento en el examen. Tendramos dos grupos de sujetos, unos estudiara de forma intensiva (grupo I) y el otro grupo de forma progresiva (grupo P). Nuestras hiptesis seran:

Hiptesis de trabajo: El grupo que estudia de forma progresiva obtendr mejores notas que el grupo que estudia de forma intensiva.

Para evaluar la hiptesis de trabajo tenemos que expresarla en forma de hiptesis estadstica.

Hiptesis estadsticas:

-Hiptesis Nula (H0): No existe diferencias significativas en la nota media entre el grupo I y el grupo P.

-Hiptesis alternativa (H1): Existen diferencias significativas en la nota media entre el grupo I y el grupo P.

La hiptesis que establece que no existen diferencias entre los grupos es una hiptesis nula. En el apartado de Introduccin de un informe de investigacin, se debe plantear la hiptesis de trabajo, en la que se establece el efecto que se espera encontrar (el grupo que estudia de forma progresiva obtendr mejores notas que el grupo que estudia de forma intensiva). La hiptesis nula (no existen diferencias entre los grupos) es la que debe ser contrastada con el anlisis estadstico de los datos. En caso de rechazarla, se acepta la hiptesis alternativa (existen diferencias entre los grupos). Tendrn una base para entender mejor estos conceptos cuando estudie la asignatura de Diseos de Investigacin y Anlisis de Datos de segundo curso.

La hiptesis nula es la contraria de la hiptesis alternativa y son dos tipos de hiptesis estadsticas. Por ejemplo: Se quiere analizar si los nios que asisten a clase particular de ingls sacarn mejores notas que los nios que no asisten a clase. Aqu nuestra hiptesis de investigacin o trabajo es la hiptesis alternativa.

22

En otros casos nuestra hiptesis de investigacin coincidira con la hiptesis nula. Por ejemplo: Se quiere analizar si los nios que asisten a clase particular de ingls sacan las mismas notas que los nios que no asisten a clase.

En la hiptesis nula se afirma la igualdad mientras que en la alternativa se afirma lo contrario que en la alternativa (que existen diferencias, que un grupo es mejor que el otro o que es peor). 34. Contraste de hiptesis. Ejemplo. Una hiptesis es una solucin tentativa al problema. Normalmente se formula en trminos condicionales si ......, entonces... Por ejemplo, si utilizo un mtodo nuevo de enseanza entonces los alumnos de 2 de bachillerato sacarn mejores notas que si utilizo el mtodo de enseanza tradicional. Despus de planteada la hiptesis el investigador hace pruebas para ver si la hiptesis es (probablemente) verdadera o probablemente) falsa: Podra coger en un colegio dos grupos de alumnos. En uno utiliza el mtodo de enseanza tradicional y en el otro el nuevo mtodo de enseanza. Despus les hace el mismo examen a los dos grupos. Compara la media de las notas y en funcin de los resultados acepta o rechaza la hiptesis con un margen probabilstico de error (todo esto lo entender perfectamente ms adelante y sobre todo en la asignatura de Diseos de Investigacin y Anlisis de Datos). Con los anlisis estadsticos se aprueba o se rechaza la hiptesis nula con un determinado nivel de probabilidad o nivel de confianza.

El nivel de confianza es la probabilidad de acertar cuando no se rechaza la hiptesis nula si sta es cierta. En el ejemplo siguiente se explican los conceptos anteriores: Imaginemos que, tras elegir una muestra de 40 varones insomnes, comparamos la eficacia de dos tratamientos para el insomnio (variable independiente):

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

B: hacer unos ejercicios de relajacin al acostarse (a este tratamiento se someten los otros 20 sujetos)

Con la ayuda de un electroencefalgrafo, medimos (variable dependiente) el nmero de minutos que tardan en conciliar el sueo desde que se meten en la cama.

La hiptesis nula sera: no hay diferencias entre los tratamientos (la media de minutos que tardan los sujetos en conciliar el sueo es igual en los dos grupos de sujetos). Formulada matemticamente: BAH =:0 (la media de minutos que tardan en conciliar el sueo los insomnes- todos los insomnes del mundo- que reciben el tratamiento A es igual que la media de minutos que tardan en conciliar el sueo los insomnes- todos los insomnes del mundo- que reciben el tratamiento B)

La hiptesis alternativa sera: si que hay diferencias entre los tratamientos (la media de minutos que tardan los sujetos en conciliar el sueo no es igual en los dos grupos de sujetos). Formulada matemticamente BAH :1 (la media de minutos que

23

tardan en conciliar el sueo los insomnes - todos los insomnes del mundo- que reciben el tratamiento A es diferente que la media de minutos que tardan en conciliar el sueo los 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 minutos como media en conciliar el sueo y los tratados con el mtodo B tardaron 26 minutos como media en conciliar el sueo. Para estos sujetos que componen la muestra el tratamiento A fue peor que el tratamiento B.

Esto ser verdad en todos los caso de insomnio (todos los insomnes del mundo)? La parte inferencial de la investigacin consiste en establecer si lo que hemos visto en la muestra puede generalizarse a toda la poblacin de insomnes (todos los insomnes del mundo).

Para ello debemos analizar los datos mediante una prueba estadstica. Una prueba estadstica sirve para hacer una comparacin entre dos afirmaciones matemticas (hiptesis estadsticas: BAH =:0 BAH :1 ) y tomar una decisin respecto a cul de ellas tiene ms probabilidad de ser cierta.

El nivel de significacin (estadstica) es la probabilidad (p) de que la hiptesis postulada como nula sea cierta (de acuerdo con los datos de nuestro estudio); en nuestro caso que el tratamiento A sea igual al tratamiento B (mejor dicho que los efectos encontrados en la VD sean iguales para los dos tratamientos).

Cuando en un informe cientfico se dice que se han encontrado diferencias estadsticamente significativas (y se aade p

24

bajo, el otro grupo con un nivel alto de ruido. Quin cometer ms errores?

Usted aqu hace una prediccin (una hiptesis de trabajo): Dir, el grupo con niveles altos de ruido cometer ms errores que los de bajo nivel de ruido.

Hace un experimento. Un grupo trabaja con nivel alto y otro con nivel bajo de ruido, y compara los errores cometidos en la transcripcin en una condicin y en otra (esta es su variable dependiente).

Al contabilizar los errores usted obtiene una frecuencia de errores de los dos grupos, en la condicin sin ruido y con ruido. Pues bien aqu entra la estadstica y la hiptesis nula y alternativa. Para poder decidir si las frecuencias de errores son iguales o distintas en los dos grupos.

En estadstica tenemos que contrastar si la hiptesis es cierta o no, si el nivel de ruido alto hace que se cometan ms errores que en la condicin de ruido bajo. Para ello se propone la Hiptesis NULA, que indica que las frecuencias de errores sern iguales en las dos condiciones _(nmeros de errores del Grupo sin ruido = numero de errores del Grupo con ruido_). La ALTERNATIVA, dir que las frecuencias de errores sern distintas en las dos condiciones (_nmero de errores Grupo con ruido > que el nmero de errores del grupo sin ruido_). Esto es as porque en estadstica tenemos que hablar de que una afirmacin puede ser cierta o falsa, Y por tanto, tenemos que si la hiptesis nula es falsa, su alternativa tiene que ser cierta y por ello es contraria a la nula.

Para decidir si la frecuencia de errores es distinta o igual entre los grupos los clculos estadsticos nos indican, al obtener estos valores estadsticos, si podemos rechazar o aceptar como verdadera la hiptesis nula. Pero como esto lo ver en otros cursos, solo que sepa que la hiptesis nula y la alternativa son enunciados necesarios para formular estadsticamente los contrastes que se tienen que realizar en un estudio.

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

El nivel de significacin no tiene por qu ser siempre de p

25

la desigualdad, cuando rechaces la nula podrs afirmar la existencia de las diferencias entre los grupos. El contraste de hiptesis estadstico se hace as. Algunas veces la hiptesis de la que tu partes como investigadora, bien porque es la que piensas que se va a cumplir (tambin llamada de trabajo o de investigacin) coincide con la hiptesis nula (a veces lo que importa es confirmar que hay igualdad entre las medias de dos grupos), pero otras veces, tu hiptesis de trabajo coincide con la hiptesis alternativa (donde se afirma que hay diferencias de medias entre los dos grupos). Lo que importa es que en la hiptesis nula, para su posterior contraste estadstico, debe afirmarse la igualdad de los tratamientos y en la alternativa, las diferencias. Esto es lo bsico que debes saber a este nivel (en primero de Psicologa), cuando llegues a la asignatura de Diseos de Investigacin y Anlisis de Datos, vers muchas ms cosas sobre la hiptesis nula y la alternativa.

47. Qu quiere decir que las hiptesis formuladas en trminos generales, debern operativizarse para ser contrastadas?

La operativizacin de hiptesis, entre otras cosas, consiste en definir con exactitud las variables implicadas y las relaciones entre estas variables.

48. En el texto dice que una hiptesis nunca se puede probar, slo se puede contrastar. Entonces, cmo dice ms abajo que las hiptesis de trabajo se comprueban?

Las hiptesis que se contrastan (se ponen en relacin con los hechos) son las hiptesis de trabajo. Cuando se dice que una hiptesis de trabajo se comprueba se est refiriendo a la contrastacin. Esto no significa que se prueba, es decir, una hiptesis apoyada por los datos se mantiene como verdadera hasta que se encuentren datos que no la apoyen.

49. Qu es una hiptesis experimental?

Hiptesis Experimental es lo mismo que decir Hiptesis de Trabajo, Hiptesis Alternativa.....Es la hiptesis que tu quieres comprobar en tu experimento. En realidad el trmino Hiptesis Experimental se utiliza fundamentalmente cuando realizamos una investigacin experimental (Tema 5) y se formula en trminos condicionales "Si estudio 8 horas das aprobar esta asignatura con mejor nota que si estudio una hora".

50. La hiptesis causal y la experimental son lo mismo (pg.42)? Se podra decir que son hiptesis generales?

S una hiptesis experimental es una hiptesis causal, pero como te dice en la pgina 43 son hiptesis de trabajo (ms concretas, ms operativas, que nos sirvan para trabajar), no hiptesis generales (ms amplias, que derivan de las teoras cientficas).

51. Les agradecera que me aclararan los conceptos de datos congruentes y no rechazo de la Ho, y datos no congruentes con rechazo de la Ho, as como el concepto de valor decidido.

Lo importante que debis saber a nivel de primero de Psicologa es lo que se ha dicho en relacin con la hiptesis nula (Ho), ya que an no tenis conocimientos de

26

estadstica inferencial. Sobre datos congruentes y no rechazo de la Ho, y datos no congruentes con rechazo de la Ho, as como el concepto de valor decidido, lo que debis saber es que las hiptesis estadsticas se ponen a prueba con frmulas matemticas que utilizan los datos de la muestra para tomar decisiones a nivel poblacional 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 que decidamos de antemano). Entonces se toma la decisin de aceptar o no la hiptesis nula. Es imposible explicaros todo esto sin los conocimientos estadsticos que tendris en segundo de Psicologa. No obstante, y para entender a nivel intuitivo estos conceptos que incluyen la "significacin estadstica" y, aunque ya hemos comentado que no es necesario entrar en profundidad en temas estadsticos en esta asignatura (ya se vern en segundo en la asignatura de Diseos de Investigacin y Anlisis de Datos), os remito al libro de Len y Montero (1997). Diseo de Investigaciones. Introduccin a la lgica de la investigacin en Psicologa y Educacin. (2 ed). Madrid: McGraw-Hill (pp. 19-21 y 125-129) de las Referencias Bibliogrficas de las Unidades Didcticas.

52. No me queda claro el concepto de hiptesis nula, yo pensaba que hiptesis nula era lo mismo que hiptesis de trabajo. Me lo podran aclarar?

La hiptesis de trabajo es una forma muy concreta de formular un aspecto del problema mediante la operativizacin de las variables que intervienen en l (Ej. si ocurre A entonces ocurrir B). La hiptesis nula es una hiptesis estadstica, auxiliar de la anterior y que contiene afirmaciones como: El tratamiento X tiene la misma efectividad que el tratamiento Y. Tambin es una hiptesis auxiliar utilizada para la contrastacin estadstica su contrapunto, la hiptesis alternativa (el tratamiento X posee mayor efectividad que el tratamiento Y).

53. En un esquema de aqu de la plataforma dice que hay 2 tipos de hiptesis: las cientficas y las estadsticas, que stas ltimas a su vez, pueden ser nulas o alternativas, ahora bien, ...... y las que ponen en el libro: causales, generales, de trabajo, y experimentales a que grupo pertenecen?

Las hiptesis cientficas, de trabajo, de investigacin, causales y experimentales son sinnimos. Las hiptesis estadsticas son la nula y la alternativa. Sobre todo qudate con el esquema que te ser ms til. La funcin que tiene la hiptesis es que te gua en el proceso de investigacin, las estadsticas te guan en el anlisis de los datos.

HIPTESIS, LEYES Y TEORAS

54. Podran aclararme las tres caractersticas (pag. 28) por las que una hiptesis pasa a ser ley cientfica y algn ejemplo de hiptesis, ley y teora?

Las hiptesis son proposiciones que suelen formar parte de teoras (o sistemas tericos ms amplios). En tu ejemplo, lo que propones como hiptesis son principios y

27

los principios, considerndolos como leyes cientficas son leyes de la naturaleza que no se pueden demostrar explcitamente, sin embargo las podemos medir y cuantificar observando los resultados que producen (como el principio de Arqumides). Las leyes cientficas son hiptesis de amplio alcance explicativo que han sido confirmadas. Para que una hiptesis sea confirmada pase a ser ley cientfica deben cumplirse las tres caractersticas por las que me preguntas. Por ejemplo, dentro de las teoras generales de la ansiedad, la hiptesis de la U invertida relaciona la ansiedad con el rendimiento y dice que el mejor rendimiento se obtiene en condiciones medias de ansiedad, mientras con condiciones bajas y altas de ansiedad el rendimiento ser peor. Para que esta hiptesis pase a ser ley se debe cumplir que: 1) siempre que se den las mismas condiciones experimentales, debern ocurrir los mismos cambios en la conducta (cuando haya una elevada situacin de ansiedad, deber ocurrir siempre un mal rendimiento); 2) que podamos generalizar estos resultados a todos los casos que enunciemos que deba cumplirse; 3) que cuando aparezca el efecto, haya estado presente la causa (la relacin causal entre la ansiedad y el rendimiento). La definicin de lo qu es una teora cientfica es una cuestin compleja que ha suscitado importantes divergencias entre los filsofos de la ciencia proponindose criterios muy diferentes. Nosotros vamos a mantener una concepcin amplia de las teoras cientficas, las vamos a considerar como esquemas conceptuales con los que representamos el conocimiento cientfico de forma sistematizada, es decir, incluyendo desde las relaciones observadas entre los hechos, hasta los mecanismos subyacentes que explican tales relaciones. Las teoras son representaciones que no pretenden sustituir la realidad sino facilitar su comprensin al proporcionar de forma esquematizada las leyes que explican las uniformidades que se observan en los hechos. Pero, qu son las leyes cientficas? De una manera simplificada podemos decir que una ley es una hiptesis de amplio alcance explicativo que ha sido confirmada, es decir, algunas hiptesis confirmadas cambian de estatus y se elevan al rango de leyes. Ahora bien, si todas las hiptesis confirmadas no pasan a ser leyes, cules son las caractersticas que deben reunir ese tipo de hiptesis para que sean consideradas leyes cientficas? Existe acuerdo entre cientficos y filsofos al considerar que necesariamente tienen que cumplir, al menos, las tres siguientes: Expresar regularidades de comportamientos bajo determinadas condiciones.

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

Tiene que haber una relacin necesaria entre las condiciones antecedentes y consecuentes de la hiptesis, y no meramente probable, o coincidente. Veamos un ejemplo en el que se cumplen esas condiciones. Yerkes y Dodson estaban interesados en investigar las relaciones entre la motivacin de los individuos en la realizacin de una tarea y el rendimiento en la misma. A partir de los resultados que obtienen en los experimentos que llevan a cabo, estos autores establecen la llamada ley de Yerkes y Dodson: la motivacin y el rendimiento en una tarea se relacionan en forma de U invertida. Es decir, el grado de motivacin hace que el rendimiento sea mayor, pero si la motivacin es excesiva el rendimiento disminuye. En el ejemplo anterior, Yerkes y Dodson basndose en la Teora de la Motivacin (tienes una asignatura entera sobre la motivacin), queran ver Cmo influa la motivacin en el rendimiento (ste sera el problema) y para ello formularon una hiptesis que podra haber sido similar a sta: La motivacin influye en el rendimiento. Despus de comprobarla en muchos experimentos y muchas veces,

28

formularon la siguiente ley, llamada de Yerkes y Dodson: la motivacin y el rendimiento en una tarea se relacionan en forma de U invertida. En resumen: Hiptesis: Es una explicacin tentativa a un problema de investigacin, en forma de un enunciado en el que se predice cmo se relacionan las variables que estn implicadas en l. Ley cientfica: Es una hiptesis de amplio alcance explicativo que ha sido confirmada. Teora: Es un esquema conceptual formado por conjuntos de hiptesis relacionadas con los que representamos el conocimiento cientfico de forma sistematizada. Estos tres conceptos los expresa Delclaux* como sigue:

La Teora es una proposicin explicatoria provisional relativa a fenmenos naturales y consiste en la representacin simblica de: 1) las relaciones observadas entre los eventos; 2) los mecanismos o estructuras que se supone subyacen tras tales relaciones; 3) las relaciones y mecanismos subyacentes inferidos que pretenden explicar los hechos observados.

La Ley es una hiptesis confirmada que refleja las regularidades de las relaciones constantes observadas en los fenmenos de la naturaleza.

La Hiptesis es una proposicin terica referida inmediata o mediatamente a hechos no sujetos hasta ahora a experiencias y que es corregible a la vista de un nuevo conocimiento. Por lo tanto las hiptesis son formulaciones tentativas acerca de la naturaleza.

En general podemos decir que una hiptesis confirmada es una ley y un conjunto de leyes es una teora.

(*Delclaux, 1981. La elaboracin de teoras. En J. F. Morales (Coord). Metodologa y Teora de la Psicologa (pp. 27-41). Madrid: UNED).

55. No me queda clara la tercera caracterstica que debe cumplir la hiptesis para llegar a ser ley: que establezcan una relacin necesaria entre las condiciones antecedentes y consecuentes de su enunciado.

Pues eso significa que una ley que se expresa mediante *una afirmacin o enunciado*, establece que para que ocurra tal cosa, previamente debe acontecer algo (CONDICIONES ANTECEDENTES) y despus de esto ocurrir tal otra (CONDICIONES CONSECUENTES).

Qu condiciones son necesarias para que la gente est contenta? pues que se satisfaga su deseo, (condicin antecedente? desear algo) Si el deseo se satisface la condicin consecuente? que est contenta. (esto no es una ley porque los caminos de la felicidad son insondables, pero ms o menos ocurre as, o eso dicen los filsofos analticos).

29

56. Puede una teora dar lugar a una ley?

Las leyes resumen el conocimiento de los hechos y forman parte de las teoras. El proceso sera el siguiente: de una teora pueden surgir nuevas hiptesis, que si se confirman, pueden dar dan lugar a nuevas leyes que se incorporaran al esquema terico de la teora. Las hiptesis confirmadas pueden modificar o reforzar la teora de la que se ha partido. Por tanto, partiendo de una teora se pueden originar nuevas leyes, pero el paso previo es el establecimiento de hiptesis para poder comprobarlas empricamente. 57. La teora, es un conjunto de leyes (como da a entender el libro de

Psicobiologa) o de hiptesis (como dice el libro de Fundamentos)? Una hiptesis consiste en una afirmacin que explica por qu sucede un fenmeno, las teoras del big bang, por ejemplo, son hiptesis sobre el origen del universo, y las teoras del creacionismo tambin son hiptesis sobre cmo se creo el mundo, las hiptesis y las leyes estn relacionadas dentro de las teoras porque las leyes son hiptesis que han sido contrastadas empricamente. Pero las leyes sobre la naturaleza no terminan de explicar toda la realidad o esa parte de la realidad que tratan de explicar y predecir, el conocimiento es algo dinmico que siempre avanza en la medida en que los humanos descubrimos nuevas cosas sobre la realidad, y la historia de la ciencia indica que las leyes que gobiernan la naturaleza pueden ser contradichas ante nuevos descubrimientos y entonces se crean nuevas hiptesis, nuevas teoras a partir de que las teoras con las que funcionbamos no explican los nuevos descubrimientos o hechos.

As desde nuestra perspectiva, las teoras estn hechas de hiptesis que pueden ser contrastadas o no y convertirse en leyes, pero estas leyes surgen de, y fortalecen las teoras.

58. En las funciones de las teoras (pg. 30), qu significa reforzar la contrastabilidad de las hiptesis, sometindolas al control de las dems hiptesis?

Una teora es un esquema conceptual formado por un conjunto de hiptesis relacionadas sobre una parcela del conocimiento cientfico. Al decir que una de las funciones de las teoras es "reforzar la contrastabilidad de las hiptesis sometindola al control de las dems hiptesis", quiere decirse que al someter a prueba una hiptesis, ponindola en relacin con los hechos, se estn comprobando la adecuacin de las dems hiptesis que estn relacionadas con el entramado terico.

59. Qu son trminos primitivos?

A veces, en la explicacin cientfica de un determinado dominio tambin se recurre a la utilizacin de trminos que pertenecen a otra rea de conocimiento en la cual ya han sido definidos, por ejemplo, en Psicologa es muy habitual el uso de diferentes tipos de medidas fsicas (peso, intensidad, conductancia, codificacin, etc.). A esos trminos importados de otras teoras se los denomina trminos primitivos.

30

60. Teoras cientficas, susceptibles de modificacin? En el cuadro 1.2 "Caractersticas y funciones de las teoras cientficas" dice que debe ser "susceptible de modificacin" no son todas las teoras cientficas, en s mismas, modificables o mejorables? No entiendo muy bien que sta sea una caracterstica *a priori*.

Un rasgo de las teoras cientficas es precisamente que deben ser modificables y mejorables. Nadie puede pretender que una teora se quede inmutable para siempre.

Me refiero a que en la elaboracin de una teora cientfica uno puede asegurarse de que sta sea contrastable, relevante y simple. Pero susceptible de modificacin slo ser en el momento en que aparezca otra que refute o mejore sta y se presupone que el investigador no "sabe" cmo mejorarla, que esa teora es la "buena" hasta el momento.

Puede ocurrir que en el momento haya teoras rivales y los investigadores estn buscando refutar la teora contraria. No necesariamente en el momento de que la teora ya est instalada. De esto hay mucho. Las teoras se van reformando a medida que hay datos que refuten algunos aspectos que no encajan.

61. Una teora est formada por conjuntos de hiptesis, mi duda es: Estas hiptesis no tienen por qu estar *contrastadas* empricamente, no? Si lo estuvieran, pasaran a ser ley cientfica (si cumplieran adems las tres caractersticas que se mencionan en el libro). Es as?

No necesariamente las hiptesis que hacen a una teora se contrastan empricamente. 62. Dentro de las fuentes de problemas aparece la experiencia, no termino

de entender a que se refiere con que la experiencia puede ser fuente de problemas.

A lo que se refiere es que cuando conoces un tema (ej. el proceso de envejecimiento), tienes conocimientos sobre qu aspectos se deben investigar (problemas) gracias a tu "conocimiento experto o experiencia".

63. En la pgina 28 del manual se define una hiptesis como un enunciado terico, continua sealando que por tanto son proposiciones tentativas. Ms adelante en relacin con la Ley cientfica seala que son hiptesis confirmadas. Mi duda es la siguiente: si una hiptesis conlleva implcitamente "falta de confirmacin", como luego una Ley puede ser una hiptesis confirmada. No dejara de ser una hiptesis en el momento de su confirmacin? Es decir, a mi entender, una hiptesis sera algo as como una Ley en potencia, pero una Ley no puede albergar el concepto

31

hiptesis. (E.g. un huevo es un pollo en potencia, pero en un pollo no hay nada de huevo).

En ciencia una Ley cientfica es una proposicin que indica cmo ocurren las cosas, y por tanto, resulta que son enormemente tiles porque sirven para saber lo que ocurrir. Pero si no puede albergar nuevas hiptesis la ciencia jams avanzara. Las leyes de Newton explican bastante bien la realidad, pero resulta que sus principios no son vlidos para la fsica cuntica, cuya misin es comprender los principios de la realidad en trminos micro, de tomos y electrones. Pues bien, lo que nos indica la ciencia fsica es que aun cuando las leyes expliquen fenmenos, stas leyes son caducas y por tanto habr que albergar nuevas hiptesis que los expliquen. Actualmente la investigacin en fsica esta tratando de ver si las leyes de la fsica cuntica tambin pueden explicar la realidad en entornos macro. En definitiva, las leyes aunque pueden descartar hiptesis, siempre hay posibilidad de que algunas hiptesis que son descartadas pueden volver a ser revisadas.

INDEPENDENCIA / DEPENDENCIA DE LAS OBSERVACIONES

64. Podran aclararme lo que es la independencia / dependencia de las observaciones?

Lo que significa es que cuando las observaciones son independientes, la puntuacin (u observacin) de un sujeto no nos da ninguna informacin sobre la de otro sujeto, ni tampoco condiciona la puntuacin de ese otro sujeto. Son totalmente independientes, no estn ligadas como las observaciones dependientes.

Las puntuaciones son dependientes cuando se trabaja con diseos intrasujetos. En estos casos se toman datos de los mismos sujetos en ms de una ocasin. Por ejemplo, si queremos evaluar la influencia de diferentes formas de presentar la informacin (solo texto, texto e imgines en blanco y negro y texto e imgenes en colores) sobre el aprendizaje. En un diseo intrasujeto evaluaramos al grupo de sujetos despus de haber pasado por cada condicin. Obtendramos tres medidas, correspondientes a la media del grupo para condicin. Estas medidas como son de los mismos sujetos, estarn relacionadas, esto es, son dependientes. Es decir, las puntuaciones en un tratamiento condiciona la puntuacin en otro tratamiento. Por ejemplo, si en la prueba de texto slo obtienen una media de 3, en las otras condiciones las puntuaciones estn condicionadas por este nivel. Mientras que en un diseo intersujeto, seran tres grupos distintos de sujetos los que realizaran las pruebas, por tanto, las puntuaciones serian independientes.

32

LECTURA DE INVESTIGACIONES

65. En referencia al punto 1.3.6 sobre la estructura del informe de Investigacin segn APA, me gustara poder leer artculos con sta estructura para entenderlo mejor. Sera posible que colguis algn artculo o bien, me indiquis donde puedo encontrar investigaciones con sta estructura?

En la prctica o prueba de evaluacin continua (PEC) tiene un artculo con este formato. Ah tendr oportunidad de leerlo. No obstante en google acadmico puede tener muchos artculos de investigacin.

METODO CIENTFICO

66. Me podra explicar de forma sencilla las caractersticas del mtodo cientfico de flexibilidad y diversidad de formas?

Ms sencillo que decir que el mtodo cientfico no es un proceder nico para abordar el estudio de la realidad, sino que puede adoptar diferentes procedimientos y estrategias para adaptarse al objeto de estudio, no s. Usted puede estudiar el suicidio experimentalmente? Manipulara alguna variable para ver si se produce suicidio? Pues claro que no, entonces puede usar otros procedimientos que son cientficos que le aproximen al conocimiento sobre el suicidio. Puede utilizar una estrategia inductiva o deductiva. Y esta caracterstica nos lleva a la segunda por la que pregunta, la flexibilidad. S al adoptar diversas formas para aproximarnos a conocer la realidad de manera cientfica, pues indica que el mtodo es flexible.

67. Puede explicarme el mtodo hipottico-deductivo?

Como puedes ver en el documento de Deductivismo e Inductivismo: "Aristteles afirmaba que la investigacin va desde el conocimiento de un fenmeno y la formulacin de principios explicativos del mismo (proceso inductivo) hasta la deduccin de enunciados sobre esos hechos a partir de los principios explicativos (proceso deductivo)". Se utilizan tanto el proceso inductivo como el deductivo en el mtodo hipottico-deductivo. En el documento mencionado anteriormente tienes ejemplos.

Dado que el mtodo cientfico consiste en un procedimiento general de actuacin, ste puede adoptar diferentes formas dependiendo de dnde se site el punto de partida.

(1) El Mtodo Inductivo es una variante del Mtodo Cientfico, procede de la tradicin empirista de la filosofa que considera que slo se puede llegar al conocimiento a travs de la experiencia. De ah, que el punto de partida para los cientficos inductivistas sea la observacin de la realidad para acumular datos, ordenarlos y establecer a partir de ellos conclusiones o leyes generales aplicables a todo el conjunto de observaciones. En Psicologa, Skinner (1904-1990) es el mximo representante de esa forma de proceder. l sostena que la investigacin no deba estar dirigida por las teoras o por las hiptesis, que eran innecesarias, sino por la curiosidad del investigador. Por ello, realizaba investigaciones en las

33

que manipulaba estmulos externos al sujeto para registrar los cambios que se producan en su comportamiento, y a partir de los datos obtenidos en mltiples observaciones propona leyes generales del aprendizaje (Arnau y Balluerka, 1998).

Ejemplo: Los tres amigos alemanes que tengo son rubios y de ojos azules por tanto induzco que todos los alemanes son rubios y de ojos azules. (2) El Mtodo Deductivo es otra variante del Mtodo Cientfico que se caracteriza por partir de un conjunto de axiomas, principios indemostrables a los que se llega por procesos de razonamiento que no se apoyan en observaciones empricas, y por establecer un conjunto de reglas de procedimiento, a partir de las cuales se realizan deducciones lgicas aplicables a los datos reales. Es decir, el Mtodo Deductivo permite hacer inferencias sobre la realidad, que no se basan en observaciones empricas sino en la construccin de sistemas lgicos internamente consistentes. El mejor ejemplo de uso de este mtodo lo encontramos en las matemticas. Ejemplo: Todos los alemanes son rubios y de ojos azules (suponiendo que esta regla fuera verdadera), por tanto, si conozco a algun aleman en los prximos dias ser rubio y tendr ojos azules. (3) El Mtodo Hipottico-Deductivo se define por utilizar de forma combinada las dos estrategias anteriores: la induccin y la deduccin. La Ciencia en su bsqueda de conocimiento necesita tanto de los datos empricos como de las teoras. El proceso de investigacin cientfica puede comenzar: a) Desde una teora de la que se deduce o infiere una consecuencia que se va a contrastar con los hechos empricos, y a partir de los datos obtenidos en ese proceso de contrastacin se corrobora, se rechaza, o se modifica lo deducido desde la teora (proceso deductivo). b) Se puede comenzar desde los datos, desde las observaciones empricas y a partir de ellas elaborar una teora (proceso inductivo). Desde esa teora se deduciran consecuencias que habra que someter a un proceso de contrastacin emprica. Ejemplo: Los tres amigos que tengo son rubios y de ojos azules, los alemanes son rubios y de ojos azules (si esto fuera una regla verdadera), por tanto induzco que mis amigos son alemanes. El Mtodo Hipottico-Deductivo es el que mejor caracteriza al modo de proceder que tienen la mayor parte de las disciplinas cientficas y de la Psicologa en la actualidad.

68. Podra resumirse el mtodo deductivo e