https://www.youtube.com/watch?v=kUMJ1ddnbjw
martes, 28 de febrero de 2017
lunes, 27 de febrero de 2017
POBLACION Y MUESTREO
POBLACIÓN
Una
característica del conocimiento científico es la generalidad, de allí que la
ciencia se preocupe por extender sus resultados de manera que sean aplicables,
no sólo a uno o a pocos casos, sino que sean aplicables a muchos casos
similares o de la misma clase. En este sentido, una investigación puede tener
como propósito el estudio de un conjunto numeroso de objetos, individuos, e
incluso documentos. A dicho conjunto se le denomina población.
La
población, o en términos más precisos población objetivo, es un conjunto finito
o infinito de elementos con características comunes para los cuales serán
extensivas las conclusiones de la investigación. Ésta queda delimitada por el
problema y por los objetivos del estudio.
Otros conceptos de importancia son:
Población finita:
agrupación en la que se conoce la cantidad de unidades que la integran. Además,
existe un registro documental de dichas unidades.
Ejemplos:
pacientes hospitalizados en una clínica; huéspedes alojados en un hotel; los
cursantes de una asignatura.
Desde
el punto de vista estadístico, una población finita es la constituída por un
número inferior a cien mil unidades (Sierra Bravo, 1991 a).
Población infinita: es
aquella en la que se desconoce el total de elementos que la conforman, por cuanto
no existe un registro documental de éstos debido a que su elaboración sería prácticamente
imposible.
Ejemplo:
trabajadores de la economía informal en un país.
En
la disciplina estadística, se considera una población infinita a la conformada
por cien mil unidades o más (Sierra Bravo, 1991 a).
Población accesible: también
denominada población muestreada, es la porción finita de la población objetivo
a la que realmente se tiene acceso y de la cual se extrae una muestra
representativa. El tamaño de la población accesible depende del tiempo y de los
recursos del investigador (Ary y otros, 1989).
Recomendaciones respecto a la delimitación de la
población
1.
La población objetivo debe quedar delimitada con claridad y precisión en el
problema de investigación (interrogante) y en el objetivo general del estudio.
Es decir, deben especificarse los sujetos o elementos que serán analizados y a
los que se pretende hacer inferencias a partir de la muestra.
2.
Los tesistas e investigadores en formación que no cuenten con financiamiento,
deben estudiar poblaciones finitas y accesibles. Esto facilitará la
determinación de un tamaño de muestra adecuado y ajustado a la disponibilidad
de tiempo y recursos.
3.
Si la población, por el número de unidades que la integran, resulta accesible
en su totalidad, no será necesario extraer una muestra. En consecuencia, se
podrá investigar u obtener datos de toda la población objetivo, sin que se
trate estrictamente de un censo. Esta situación debe explicarse en el marco
metodológico, en el que se obviará la sección relativa a la selección de la
muestra.
Concepto de muestra y tipos de muestreo
Cuando
por diversas razones resulta imposible abarcar la totalidad de los elementos
que conforman la población accesible, se recurre a la selección de una muestra.
La
muestra es un subconjunto representativo y finito que se extrae de la población
accesible
En
este sentido, una muestra representativa es aquella que por su tamaño y
características similares a las del conjunto, permite hacer inferencias o generalizar
los resultados al resto de la población con un margen de error conocido.
Para
seleccionar la muestra se utiliza una técnica o procedimiento denominado muestreo.
Existen dos tipos básicos de muestreo:
Probabilístico
o Aleatorio y No Probabilístico
Muestreo Probalilístico o Aleatorio: es
un proceso en el que se conoce la
probabilidad que tiene cada elemento de integrar
la muestra. Este procedimiento se clasifica en:
Muestreo al azar simple:
procedimiento en el cual todos los elementos tienen la misma probabilidad de
ser seleccionados. Dicha probabilidad, conocida previamente, es distinta de
cero 0) y de uno (1).
Ejemplo:
Valiéndose
de la lista de alumnos, el docente asigna un número a cada uno. Luego todos los
números se introducen en una caja para extraer, por sorteo, los integrantes de
la muestra.
Muestreo al azar sistemático: se
basa en la selección de un elemento en función de una constante K. De esta
manera se escoge un elemento cada k veces.
Ejemplo:
Para
una población de 120 individuos, se define una muestra integrada por 30 sujetos.
La constante K obtenida al azar es igual a 4. Luego se asigna un número a cada
uno de los 120 individuos y se calcula el valor de inicio con la siguiente
fórmula: N/n , entonces 120/30= 4. Esto significa que comenzaremos
seleccionando el número 4 al que se le sumará la constante K=4, y así
sucesivamente hasta obtener los treinta individuos que conformarán la muestra
definitiva: 4, 8, 12, 16, 20, 24, 28, 32, 36, 40, 44, 48, 52, 56, 60, 64, 68, 72,
76, 80, 84, 88, 92, 96, 100, 104, 108, 112, 116, 120.
Muestreo estratificado: consiste
en dividir la población en subconjuntos cuyos elementos posean características comunes,
es decir, estratos homogéneos en su interior. Posteriormente se hace la
escogencia al azar en cada estrato.
Ejemplo:
En
una institución de educación universitaria, se divide la población por carreras
o especialidades, las cuales conformarán los estratos. Después se efectúa la
selección aleatoria en cada una de ellas.
Muestreo por conglomerados: parte
de la división del universo en unidades menores denominadas conglomerados.
Más
tarde se determinan los que serán objeto de investigación o donde se realizará
la selección.
Ejemplo:
Un
municipio se divide en urbanizaciones. Más tarde, son seleccionadas aquellas de
donde se extraerán, al azar, los elementos para la muestra.
La
diferencia con el muestreo estratificado radica en que no todos los conglomerados
son objeto de selección, por cuanto puede haber conglomerados de los cuales no
se extraiga muestra. Mientras que en el estratificado, se debe extraer muestra
de todos los estratos.
Muestreo no probabilístico: es
un procedimiento de selección en el que se desconoce la probabilidad que tienen
los elementos de la población para integrar la muestra. Éste se clasifica en:
Muestreo casual o accidental: es
un procedimiento que permite elegir arbitrariamente los elementos sin un juicio
o criterio preestablecido.
Ejemplo:
Un
encuestador se ubica en un sector y aborda a los transeúntes que pasan por el
lugar. Lógicamente, las personas que no circulen por la zona, carecen de toda
probabilidad para integrar la muestra.
Muestreo intencional u opinático:
en este caso los elementos son escogidos con base en criterios o juicios preestablecidos
por el investigador.
Ejemplo:
Para
un estudio sobre calidad de la educación, previamente, se establecen como
criterios de selección de la muestra los siguientes:
–
Mínimo de 20 años de experiencia en el campo educativo.
–
Poseer título de postgrado.
–
Haber ocupado un cargo directivo.
Por
supuesto, la muestra la integrarán sólo aquellos que cumplan con las
condiciones anteriores.
Muestreo por cuotas: se
basa en la elección de los elementos en función de ciertas características de
la población, de modo tal que se conformen grupos o cuotas correspondientes con
cada característica, procurando respetar las proporciones en que se encuentran
en la población.
Ejemplo:
Se
establecen como características importantes para un sondeo de opinión, el sexo
y la edad de la población. Luego se procederá a seleccionar cuotas de hombres,
mujeres, jóvenes adultos y adultos mayores.
Criterios para estimar el tamaño de la muestra
Básicamente
se identifican criterios estadísticos, los vinculados con las capacidades del
investigador y los expuestos en la literatura especializada.
A.
Criterios estadísticos
A.1.
Mediante el uso de fórmulas para calcular del tamaño de la muestra.
A.2.
A través del empleo de las tablas de Harvard, de las cuales se presenta la más
usual. Ver página 90.
B.
Criterios relacionados con las posibilidades del investigador
B.1.
Tiempo y recursos disponibles para realizar la investigación.
En
muchas instituciones universitarias, los tesistas, salvo algunas excepciones,
no cuentan con financiamiento para desarrollar sus proyectos. Además, por lo
general, sólo disponen de un semestre académico (16 semanas de clase) para
recolectarlos datos. En este sentido, se justifica plenamente que el tesista trabaje
con un tamaño de muestra ajustado a sus posibilidades, sin descuidar la
representatividad de la misma.
B.2.
Base de conocimientos sobre muestreo
Son
pocas las carreras que en sus planes de estudio comtemplan asignaturas y contenidos
avanzados sobre teoría y técnicas de muestreo. Por lo tanto, los tesistas, en
su mayoría, apenas reciben nociones sobre este aspecto tan especializado.
En
estos casos lo recomendable es asumir el criterio de escogencia del tamaño de
la muestra acorde con el tiempo y recursos disponibles. Así mismo, se
recomienda seleccionar muestras no probablilísticas según los objetivos de la
investigación.
C.
Criterios señalados en la bibliografía especializada
Ary
y otros (1989), recomiendan lo siguiente:
–
Usar una muestra tan grande como sea posible, por cuanto una muestra de gran
tamaño tiene mayores posibilidades de ser representativa de la población.
– En
diseños de investigación experimental es conveniente una muestra integrada,
como mínimo, por 30 (treinta) sujetos en cada grupo.
– En
investigaciones descriptivas se recomienda seleccionar entre 10 y 20% de la población
accesible.
Por
otra parte, Ramírez (2010), señala que son varios los autores que recomiendan
trabajar en investigaciónes sociales, con aproximadamente, un 30% de la
población.
Fórmulas para calcular el tamaño de la muestra
Requisitos para la aplicación de las fórmulas
El
uso de las fórmulas que se presentan a continuación no es automático, ni
pertinente en todos los casos. Para su aplicación se requieren una serie de
condiciones y datos obtenidos previamente.
En
este sentido, las siguientes fórmulas, sólo se podrán aplicar si se cumplen
estos requisitos:
a)
Que la investigación tenga por objetivo la estimación de la media poblacional,
o de la proporción poblacional.
b)
El tipo de muestreo debe ser probabilístico o aleatorio.
c)
Disponibilidad de datos como la varianza poblacional, o la proporción en que se
manifiesta una característica o variable en la población. Tal información puede
ser obtenida mediante la revisión de estudios previos (antecedentes de
investigación), o a través de una prueba o estudio piloto.
d)
Definición del nivel de confianza.
e)
Determinación del margen de error.
f)
Establecer previamente el tipo de población: si es finita o infinita.
Fórmulas para calcular el tamaño de la muestra cuando el
objetivo consiste en estimar la media poblacional
Cuando
el tamaño de la población es conocido (población finita)
Cuando
el tamaño de la población es desconocido (población infinita)
Fórmulas para calcular el tamaño de la muestra cuando el
objetivo radica en estimar la proporción poblacional
7.3.3.1
Si el tamaño de la población es conocido (población finita)
Si
el tamaño de la población es desconocido (población infinita)
Nomeclatura:
n =
Tamaño de la muestra.
N=
Total de elementos que integran la población.
Z2C=Zeta
crítico: valor determinado por el nivel de confianza adoptado, elevado al cuadrado.
Para un grado de confianza de 95% el coeficiente es igual a 2, entonces el
valor de zeta crítico es igual a 22= 4 . Para un nivel de confianza del 99% el
coeficiente es igual a 3, y zeta crítico es igual a 32 = 9.
S=
Desviación típica o desviación estándar: medida de dispersión de los datos
obtenidos con respecto a la media.
e=
Error muestral: falla que se produce al extraer la muestra de la población.
Generalmente, oscila entre 1% y 5%.
p=
Proporción de elementos que presentan una determinada característica a ser
investigada. Una proporción es la relación de una cantidad con respecto a otra
mayor. Por ejemplo, en un grupo de 100 estudiantes hay 75 mujeres y 25 hombres.
La fórmula es p = A/N. Entonces la proporción de mujeresnes 75/100 = 0,75 y la proporción
de hombres es 25/100 = 0,25.
q=
Proporción de elementos que no presentan la característica que se investiga. Se
aplica la fórmula anterior q=A/N, y p+q=1.
Ejemplo
de aplicación de la fórmula 7.3.3.1
Se
desea determinar el tamaño de la muestra para una población de 1000 profesores,
con un nivel de confianza del 95%, un error del 5%, un valor de p = 40 y q =
60.
Otra
manera de obtener el tamaño de la muestra es a través de las tablas de Harvard.
En este caso se presenta la más usual en poblaciones finitas, para un nivel de
confianza del 95% y un supuesto de p=50%.
VARIABLES
En general, los científicos se ocupan de
estudiar fenómenos o cambios que ocurren en la naturaleza, en la sociedad y en
el conocimiento. De manera más específica, el científico indaga sobre ciertas
propiedades que se modifican a las que se les denomina variables.
Variable es una característica o cualidad;
magnitud o cantidad, que puede sufrir cambios, y que es objeto de análisis,
medición, manipulación o control en una investigación.
La edad, el peso corporal, la estatura, la
temperatura ambiental, las marcas de automóviles, así como los precios de
bienes y servicios, son ejemplos de variables.
Tipos de variables
Según
su naturaleza, las variables pueden ser cuantitativas y cualitativas:
a) Cuantitativas: son
aquellas que se expresan en valores o datos numéricos.
Ejemplos:
Cantidad de habitantes en una región,
notas o calificaciones estudiantiles, número de personas que pertenecen a un
partido político, tiempo empleado en un trabajo.
Así
mismo, las variables cuantitativas se clasifican en discretas y continuas.
a.1)
Discretas: son las que asumen valores o cifras enteras.
Ejemplos:
cantidad de estudiantes en una aula de clases (pueden ser 39, 40 ó 41, pero
nunca 40,7 estudiantes); otro ejemplo es la cantidad de libros que pueden ser
consultados, ya que nunca podrá revisar 25,3 libros, pero si podrá consultar 25
ó 26.
a.2)
Continuas: son aquellas que adoptan números fraccionados o decimales. Ejemplos:
la temperatura ambiental puede alcanzar 32,4 °C. Un objeto puede medir 58,6 cm
de alto.
b) Cualitativas:
también llamadas categóricas, son características o atributos que se expresan
de forma verbal (no numérica), es decir, mediante palabras. Éstas pueden ser:
b.1)
Dicotómicas: se presentan en sólo dos clases o categorías. Ejemplos: género:
masculino o femenino; tipos de escuelas: públicas o privadas; procedencia de un
producto: nacional o importado; tipos de vehículos: automático o sincrónico.
b.2)
Policotómicas: se manifiestan en más de dos categorías.
Ejemplos: marcas de
computadoras, colores de tintas, tipos de empresas, clases sociales.
Según el grado de complejidad, tanto las
variables cuantitativas como las cualitativas pueden ser simples o complejas.
Las variables simples son las que se
manifiestan directamente a través de un indicador o unidad de medida. No se
descomponen en dimensiones. Ejemplos: el precio de un producto simplemente se
expresa en unidades monetarias; mientras que la edad se manifiesta en años
cumplidos.
Las
variables complejas son aquellas que se pueden descomponer en dos dimensiones
como mínimo. Luego se determinan los indicadores para cada dimensión.
Por
otra parte, según su función en una relación causal, las variables se clasifican
en:
•
Independientes: son las causas que generan y explican los cambios en la
variable dependiente. En los diseños experimentales la variable independiente
es el tratamiento que se aplica y manipula en el grupo experimental. Ejemplo:
la dieta a la que es sometido un grupo de pacientes obesos.
•
Dependientes: son aquellas que se modifican por acción de la variable
independiente. Constituyen los efectos o consecuencias que se miden y que dan
origen a los resultados de la investigación. Ejemplo: el peso corporal de los
integrantes del grupo o muestra.
•
Intervinientes: son las que se interponen entre la variable independiente y la
dependiente, pudiendo influir en lo modificación de esta última. En un diseño
experimental puro, este tipo de variable debe ser controlada con el fin de
comprobar que el efecto es debido a la variable independiente y no a otros
factores. Ejemplo: el ejercicio físico practicado por el grupo.
Ante
esta situación, es probable que el investigador controle dicha variable
mediante la prohibición del ejercicio durante el período de administración de
la dieta, para tener así la certeza de que la modificación del peso se debe a
la dieta y no al ejercicio físico.
•
Extrañas: también llamadas ajenas, son factores que escapan del control del
investigador y que pueden ejercer alguna influencia en los resultados. Ejemplo:
los factores hereditarios probablemente incidan en el peso corporal de una
persona. También puede ser una variable extraña cualquier medicamento o
suplemento que ingieran los sujetos sin haber sido indicado por el
investigador.
Los
ejemplos anteriores se sintetizan de la manera siguiente:
Hipótesis:
“Los
individuos sometidos a la dieta X, disminuirán su peso corporal.”
Variable
independiente: la dieta X.
Variable
dependiente: peso corporal.
Variable
interviniente: realización de ejercicio físico.
Variables
extrañas: factores hereditarios y consumo de algún medicamento o suplemento.
Dimensiones e indicadores
No todas las variables se pueden
descomponer en más de un elemento. Este es el caso de las variables simples,
las cuales fueron tratadas anteriormente. No obstante, en las variables complejas
resulta diferente, ya que por su naturaleza no pueden ser estudiadas como un
todo, sino que deben ser descompuestas en sus partes constitutivas o
dimensiones.
Una dimensión es un elemento integrante de
una variable compleja, que resulta de su análisis o descomposición.
Ejemplo:
Se
desea evaluar la calidad de servicio que presta el Hotel Paraiso, el cual
presenta una organización bastante amplia y compleja, por lo que se decide descomponer
la variable calidad de servicio en función de las principales áreas que prestan
atención en el mencionado hotel.
Es
importante aclarar que, en función de los objetivos de investigación, en
algunos casos una dimensión puede ser considerada como una variable autónoma
(Sabino, 2002). Es decir, una dimensión también es una variable en sí misma.
Una
muestra de lo antes expuesto, consiste en estudiar, de forma separada e
individual, cualquiera de las dimensiones referidas en el ejemplo anterior.
Por
otra parte, una vez que han sido establecidas las dimensiones de la variable,
todavía faltan los elementos, indicios o evidencias que muestren como se
manifiesta o comporta dicha variable o dimensión.
Estos
elementos son los indicadores.
Un
indicador es un indicio, señal o unidad de medida que permite estudiar o
cuantificar una variable o sus dimensiones.
Por
ejemplo, en el caso de variables cuantitativas simples como la edad, el
indicador es el número de años cumplidos. El peso corporal tiene como indicador
la cantidad de kilogramos (sistema MKS). Mientras que el salario se mide en
unidades monetarias.
En
el caso de una variable compleja, cada dimensión que la integra puede tener uno
o varios indicadores, de los cuales se derivan las preguntas o ítems del
instrumento de recolección de datos. Así mismo, es importante no confundir los
indicadores con las opciones de respuesta del instrumento.
Ejemplo:
Operacionalización de variables
Aun
cuando la palabra “operacionalización” no aparece en la lengua hispana, este
tecnicismo se emplea en investigación científica para designar al proceso mediante
el cual se transforma la variable de conceptos abstractos a términos concretos,
observables y medibles, es decir, dimensiones e indicadores. Por ejemplo, la variable
actitud no es directamente observable, de allí que sea necesario
operacionalizarla o traducirla en elementos tangibles y cuantificables.
La
operacionalización de una variable, por lo general, se representa en un cuadro.
No obstante, el proceso consta de tres etapas básicas.
Dichas
etapas son las siguientes:
a)
Definición nominal, conceptual o constitutiva de la variable: consiste en
establecer el significado de la variable, con base en la teoría y mediante el
uso de otros términos. Ejemplo:
“Las
actitudes son predisposiciones aprendidas para responder de manera favorable o
adversa ante un objeto específico.” (Feldman,1995, p. 503)
b)
Definición real de la variable: significa descomponer la variable, para luego
identificar y determinar las dimensiones relevantes para el estudio. Ejemplo:
una actitud posee tres componentes o dimensiones ( Feldman, 1995; Morris, 1992;
Myers, 1995).
En
este sentido, las dimensiones de la variable actitud son:
– Cognitiva
–
Afectiva
–
Conductual
c)
Definición operacional de la variable: establece los indicadores para cada
dimensión, así como los instrumentos y procedimientos de medición.
Continuando
con el ejemplo anterior, la variable actitud hacia un objeto se compone de las
siguientes dimensiones:
La
dimensión cognitiva cuyos indicadores son los juicios y creencias acerca del
objeto; la dimensión afectiva se manifiesta a través de los sentimientos y emociones
que produce el objeto, y la dimensión conductual que se traduce en las
intenciones y tendencias que genera el objeto. Esta variable será medida a través
de una escala de Likert.
Una
vez concluido el proceso de operacionalización, se elabora el cuadro de
variables, dimensiones e indicadores, el cual se presenta a continuación.
Niveles de medición de las variables
El
nivel de medición se define como el tipo de escala que permite asignar un grado
o valor a una variable. De dicha escala depende la técnica estadística que
puede emplearse en el análisis de los datos obtenidos.
Los
niveles son:
•
Nivel de medición nominal: escala que adoptan las variables cualitativas la
cual consiste en la clasificación en dos o más categorías, las cuales no tienen
vinculación entre sí. Ejemplo: las distintas nacionalidades: española,
italiana, venezolana, mexicana.
Otro
ejemplo es la clasificación del personal que labora en una institución: fijo o
contratado.
Por
el carácter cualitativo de las variables, en esta escala no se aplican
operaciones matemáticas (suma, resta, multiplicación, división). Sólo se
cuantifica la frecuencia o el número de casos pertenecientes a una categoría.
•
Nivel de medición ordinal: escala en la que se establece un orden jerárquico
entre variables cualitativas o categorías. En esta escala no se indica la magnitud
de la diferencia entre las categorías, ni se aplican las operaciones
matemáticas básicas.
Al
igual que en el nivel nominal, únicamente se realizan distribuciones de
frecuencias, absolutas y relativas (porcentajes), en cada categoría.
Ejemplos:
Escalafón
de los profesores universitarios (de menor a mayor jerarquía):
–
Instructor
–
Asistente
–
Agregado
–
Asociado
–
Titular
Grados
de la carrera militar (de mayor a menor jerarquía):
–
General
–
Coronel
–
Teniente Coronel
–
Mayor
–
Capitán
– Teniente
–
Sub-Teniente
•
Nivel de medición por intervalos: escala en la que se establecen distancias o
intervalos iguales entre los valores. Esta escala se utiliza para variables
cuantitativas y en la misma no existe un cero absoluto, es decir, éste se fija
arbitrariamente. En este tipo de escala sí es posible realizar diferentes
cálculos matemáticos y estadísticos.
Ejemplo:
La
temperatura expresada en grados centígrados no posee un cero absoluto, por
cuanto cero grados centígrados (0° C) no implica ausencia de temperatura y al
mismo tiempo equivale a 273 grados Kelvin y a 32 grados Fahrenheit.
•
Nivel de medición de razón: escala para variables cuantitativas, que además de
mantener intervalos similares, posee un cero absoluto el cual indica ausencia
total de la variable. Al igual que en el nivel de medición por intervalos, en
esta escala se pueden aplicar las distintas operaciones matemáticas y
estadísticas.
Ejemplo:
Los
ingresos expresados en unidades monetarias. En este caso, el intervalo entre
300.000 y 350.000 unidades es exactamente igual al existente entre 850.000 y
900.000 unidades. Pero además, existe un cero absoluto por cuanto una persona o
una familia, en un determinado momento, pueden carecer de ingresos, es decir,
perciben cero ingresos.
EL PROBLEMA DE INVESTIGACION
En términos generales, problema es un asunto
que requiere solución
Independientemente
de su naturaleza, un problema es todo aquello que amerita ser resuelto. Si no
hay necesidad de encontrar una solución, entonces no existe tal problema.
a) Los problemas prácticos son dificultades,
anomalías, situaciones negativas o diferencias entre “lo que es” y “lo que debe
ser”. Éstos requieren de una acción para su solución y pueden ser de carácter
económico, social, educativo, gerencial, de salud individual o colectiva.
Ejemplos: la delincuencia, el desempleo, la inflación, la deserción escolar,
las epidemias, etc. Por supuesto, la solución de estos problemas no está en
manos de los científicos, pero el investigador sí puede aportar datos e
información a las autoridades competentes para que tomen las medidas necesarias
dirigidas a solventar tales dificultades. En muchos casos, para resolver un
problema práctico, se requiere plantear y dar respuesta a problemas de
investigación.
b) Los problemas de investigación, también
llamados problemas cognoscitivos o de conocimiento, constituyen nuestro
principal centro de atención. A diferencia de los
En síntesis:
Un
problema de investigación es una pregunta o interrogante sobre algo que no se
sabe o que se desconoce, y cuya solución es la respuesta o el nuevo
conocimiento obtenido mediante el proceso investigativo.
¿Cuándo
puede surgir un problema de investigación?
a) Cuando existe una laguna o vacío en el
conocimiento referido a una disciplina.
b) Al presentarse algo desconocido por todos
en un momento determinado.
c) Cuando existe contradicción en los
resultados de una investigación o entre dos investigaciones.
d) En el momento en que nos interrogamos
acerca de cualquier problema práctico.
Ejemplos:
Es importante aclarar que un problema de investigación
no sólo se origina de situaciones negativas, éste también puede surgir de
hechos positivos (Bernal, 2000; Méndez, 2001)
Condiciones
que debe reunir un problema de investigación
1. Debe existir la posibilidad de ser
respondido mediante procedimientos empíricos, es decir, por medio de una
experiencia adquirida a través de nuestros sentidos: algo que se pueda ver,
tocar o captar. Un problema como la existencia de vida después de la muerte,
hasta el presente no ha sido resuelto de forma empírica.
2. La respuesta a la pregunta debe aportar un
nuevo conocimiento.
3. Puede referirse al comportamiento de una
variable. Ejemplo: ¿Cuál ha sido la evolución del tipo de cambio (Bs x $) en
Venezuela, durante el período 1999-2003?
4. Puede implicar una relación entre dos o
más variables. Ejemplo: ¿Qué relación existe entre el nivel socioeconómico de
los caraqueños y las actividades que acostumbran realizar durante el tiempo
libre?
5. Se recomienda formularlo de manera
interrogativa, ya que cuando no se sabe algo, simplemente se pregunta.
6. En la redacción de la pregunta deben
obviarse términos que impliquen juicios de valor. Ejemplos: bueno, malo, mejor,
peor, agradable, desagradable.
7. La pregunta no debe originar respuestas
como un simple si o un no. De ocurrir esto, la interrogante deberá ser
reformulada.
Ejemplo:
Preguntas formuladas de manera incorrecta:
a) ¿Contribuye la lectura al desarrollo de la
memoria?
b) ¿Influye el entorno familiar en el
rendimiento escolar?
Preguntas reformuladas:
a) ¿Cuál es la relación entre lectura y
desarrollo de la memoria?
b) ¿Cómo influye el entorno familiar en el
rendimiento escolar?
8. La pregunta debe estar delimitada, es
decir, incluirá con precisión el espacio, la población y el tiempo o período al
que se refiere.
Planteamiento
y formulación del problema
Aunque
para algunos autores, planteamiento y formulación del problema son términos
equivalentes, en esta obra se consideró pertinente diferenciarlos.
El
planteamiento del problema consiste en describir de manera amplia la situación
objeto de estudio, ubicándola en un contexto que permita comprender su origen,
relaciones e incógnitas por responder.
Plantear
el problema implica desarrollar, explicar o exponer con amplitud. Mientras que
formular es concretar, precisar o enunciar. En este sentido:
Formulación
del problema es la concreción del planteamiento en una pregunta precisa y
delimitada en cuanto a espacio, tiempo y población (si fuere el caso).
Puede
ocurrir que la formulación contenga más de una pregunta. Lo indispensable es
que exista una estrecha relación entre las interrogantes formuladas.
Delimitación
del problema
Al
igual que el tema, el problema también debe ser delimitado. En el campo de la
investigación, delimitar implica establecer los alcances y límites en cuanto a
lo que se pretende abarcar en el estudio. Concretamente:
La
delimitación del problema significa indicar con precisión en la interrogante
formulada: el espacio, el tiempo o período que será considerado en la investigación,
y la población involucrada (si fuere el caso).
Delimitación
del espacio
Es muy importante que la pregunta precise el
ámbito o lugar que será tratado en el estudio.
Ejemplo:
¿Cuál fue la tasa de analfabetismo en el
Estado Vargas - Venezuela para el año 2003?
Delimitación
de tiempo
En la formulación del problema debe indicarse
el lapso o período objeto de estudio.
Ejemplo:
¿Cuáles fueron las causas del alto número de
aplazados en el “Instituto Universitario Académico” durante el semestre octubre
2011- marzo 2012?
Delimitación
de la población
En este caso hay que señalar los sujetos que
serán observados, encuestados o medidos:
Ejemplo:
¿Cuál es el nivel de aptitud física de los
alumnos del 1er semestre del Colegio Universitario de Caracas?
Es
importante señalar que algunos problemas no incluyen los tres elementos de una
delimitación. El objeto de estudio determinará la pertinencia de incluirlos o
no. Ejemplo:
¿Qué factores ocasionaron las pérdidas en la
“Empresa HL” durante el período diciembre 2011 - febrero 2012?
En
este caso se precisa el espacio: “Empresa HL”, y el tiempo: período diciembre
2011 - febrero 2012. Sin embargo, no se hace referencia a una población
específica, lo que también resulta válido.
Objetivos
de investigación
Objetivo
es sinónimo de meta, es decir, aquello que se aspira lograr o alcanzar. En este
caso, nos referimos a meta en términos de conocimiento, es decir, los
conocimientos que el investigador se propone obtener. En este orden de ideas:
Objetivo
de investigación es un enunciado que expresa lo que se desea indagar y conocer
para responder a un problema planteado.
Características
de los objetivos de investigación
a) Indican los conceptos que serán
estudiados.
b) Precisan las variables o dimensiones que
serán medidas.
c) Señalan los resultados que se esperan.
d) Definen los límites o alcances de la
investigación.
d) Se redactan comenzando con un verbo en
infinitivo.
e) Deben ser posibles de lograr.
f) Junto al problema de investigación, los
objetivos responden a la pregunta ¿qué se pretende con la investigación?
(Hernández y otros 2010; Ramírez, 2010; Sabino 2006), y no al ¿para qué?, como
señalan algunos autores.
A continuación se presenta una lista de
verbos indicados para objetivos de investigación, clasificados según el nivel
(Arias, 2006 b)
Debe evitarse confundir los objetivos de
investigación con:
a) Objetivos educativos o instruccionales:
expresan lo que el alumno debe lograr como producto del proceso de enseñanza
aprendizaje.
Ejemplo:
“Al finalizar esta unidad, el alumno estará
en capacidad de redactar oraciones completas...”
b) Objetivos prácticos: implican una
habilidad psicomotora y son típicos de los proyectos tecnológicos que se
desarrollan en áreas como Ingeniería, Electrónica y Computación.
Ejemplos:
“Diseñar un prototipo...”
“Desarrollar un programa computarizado
(software)...”
c) Metas empresariales: su logro depende de
múltiples factores ligados a la organización, mas no de la voluntad del
investigador.
Ejemplos:
“Aumentar la producción...”
“Incrementar las ventas...”
d) Propósitos: son ideas o intenciones cuya
consecución puede escapar del alcance de la investigación.
Ejemplos:
“Motivar a los miembros de una comunidad...”
“Concientizar a los directivos...”
e) Actividades: son tareas o acciones
implícitas en el proceso de investigación.
Ejemplos:
“ Entrevistar a un grupo trabajadores...”
“ Plantear una serie de recomendaciones...”
Tipos
de objetivos de investigación
Los objetivos de investigación pueden ser
generales o específicos.
Un objetivo general expresa el fin concreto
de la investigación en correspondencia directa con la formulación del problema.
Éste se puede descomponer, al menos, en dos objetivos específicos.
Mientras que:
Los objetivos específicos indican con
precisión los conceptos, variables o dimensiones que serán objeto de estudio.
Se derivan del objetivo general y contribuyen al logro de éste.
Ejemplo:
Objetivo general
Analizar las causas de la pobreza en
Venezuela (1999- 2005).
Objetivos específicos
1. Identificar las causas económicas de la
pobreza en Venezuela.
2. Explicar las causas políticas que originan
la pobreza en Venezuela.
3. Examinar las causas sociales: culturales y
educativas, determinantes de la pobreza en Venezuela.
Correspondencia entre título, formulación de
problema y objetivo general
La
correspondencia entre título, formulación del problema y objetivo general
radica en la presencia de elementos comunes, en los tres componentes del
esquema de investigación.
Esta relación se presenta en los siguientes
ejemplos:
Suscribirse a:
Entradas (Atom)