Universidad Católica de Santa Fe
Facultad: de Psicología
Carrera: Licenciatura en Psicología
Asignatura: Métodos de Investigación Cuanti-Cualitativos
(Especificar si es de cursado anual o cuatrimestral) Cursado Cuatrimestral
Curso: Segundo año
Carga Horaria semanal: 6 horas
Equipo docente: Prof. Dra. Liliana Tauber - Lic. Silvia Tornimbeni
Profesor Titular: Prof. Dra. Liliana Tauber
Prof. Titular 2: Lic. Silvia Tornimbeni
Prof.Adjuntos: Prof. Yanina Redondo ; Prof. Silvana Santellán
Auxiliar
Fundamentación de la propuesta curricular
Asistimos en la actualidad a una situación paradójica en la enseñanza de la Estadística. Por un lado, mientras que en los últimos decretos curriculares para la Educación General Básica y Polimodal, se incluyen contenidos estadísticos en prácticamente todos los países desarrollados y en vías de desarrollo, en la realidad estos contenidos no se enseñan con la profundidad que merecen. La estadística se deja como último tema, se explica “sólo de pasada” y con frecuencia se suprime cuando el tiempo disponible exige recortar algunos contenidos. En el mejor de los casos, se convierte en una oportunidad de aplicar otros temas matemáticos y de ejercitar la capacidad de cálculo o representación gráfica, olvidando la esencia de la estadística: que es el trabajo con datos reales y los aspectos de razonamiento estadístico, así como las aplicaciones en resolución de problemas.
Como contraste, es rara la especialidad de estudios universitarios o de formación profesional en la que no se introduzca un curso de estadística aplicada y se desarrollen los temas relacionados con ella, como disciplina básica en la formación de los alumnos o bien como parte fundamental en otras asignaturas, tales como métodos de investigación, psicometría, biometría, econometría, etc. Ello es consecuencia de lo que Vere-Jones (1995) llama la democratización de las matemáticas, que se debe a una demanda creciente de la sociedad y, por tanto, de la formación universitaria.
En tales disciplinas no sólo se abarcan los contenidos básicos de estadística descriptiva, probabilidad o análisis exploratorio de datos, sino también una parte importante de inferencia estadística, llegando generalmente al contraste de hipótesis, estimación puntual y por intervalo y sus aplicaciones a temas tales como análisis de varianza o estadística no paramétrica.
Con la excepción de los alumnos que se preparan como ingenieros, matemáticos, científicos o médicos, la formación matemática previa de los alumnos generalmente no es suficiente para abordar un estudio formal de la inferencia, en particular de las distribuciones de probabilidad, que son la base de la misma. Este estudio requeriría unos fundamentos suficientes sobre funciones, derivación e integración, incluyendo la integración paramétrica, así como límites funcionales y otros temas avanzados del análisis matemático y del análisis numérico.
El profesor que se hace cargo de estos cursos trata de salvar esta falta de formación, suprimiendo en lo posible todo el “aparataje matemático” (Moore, 1997). Pero, falto de la posibilidad de demostrar a sus alumnos las propiedades y relaciones que les enseña, la estadística se convierte en un objeto misterioso, cuyos principios se aceptan sin comprenderlos y cuyas reglas y métodos de cálculo se memorizan y aplican mecánicamente. Puesto que el cálculo estadístico sobre conjuntos de datos reales, incluso con calculadora, es tedioso, los ejemplos que se presentan son artificiales y no motivan al alumno.
Ya que el alumno es un principiante en la universidad y no está familiarizado ni con la investigación ni con el ejercicio de su profesión, no comprende por qué tiene que estudiar estadística. Todas estas circunstancias contribuyen a que las actitudes hacia la estadística sean muy negativas y se convierta en una asignatura que hay que superar y olvidar lo antes posible. En el futuro, estos profesionales serán completamente incapaces de aplicar la estadística de una forma consistente, como se muestra en la abundante investigación que documenta el uso incorrecto e incluso el abuso de la estadística en la investigación y la vida profesional.
La racionalidad de incluir un curso de estadística en estas carreras parece responder a la cuantificación creciente en la sociedad. Pero, como indica Moore (1997), no está claro cuáles son las capacidades concretas que el alumno requiere para su futuro trabajo profesional. Aunque nos empeñamos en incluir en el curso introductorio el análisis de varianza, pocos ciudadanos tendrán que interpretar los resultados de un análisis de este tipo, menos aún realizar los cálculos correspondientes y casi ninguno entender los detalles técnicos de cálculos y teoremas matemáticos que hay detrás de este procedimiento.
Por todo lo expresado anteriormente, es preciso replantearse los contenidos y la metodología de estos cursos, así como la forma en que podemos usar la tecnología para alcanzar los fines educativos.
Siguiendo a Moore (1997) recomendamos enfatizar el proceso de razonamiento estocástico, que incluye la producción e importancia de los datos, omnipresencia de la variabilidad, su medición y modelización. Para este autor, los estudiantes deben aprender a través de sus propias actividades, el trabajo en grupos, la comunicación y discusión de las soluciones, el trabajo con datos reales, las presentaciones orales o escritas y los proyectos individuales o colectivos. El profesor debe animar y guiar el aprendizaje, enfatizando los conceptos estadísticos y apoyándose en el uso de los paquetes estadísticos, dando una importancia secundaria a las demostraciones formales.
En función de lo expuesto, al considerar la conveniencia de incluir la Estadística y sus métodos de inferencia en carreras humanísticas, tales como la Licenciatura en Psicología, debemos tener muy en cuenta el tipo de estadística que deseamos enseñar y la forma de llevar a cabo esta enseñanza. Es por ello que debemos reflexionar sobre los fines principales de esta enseñanza que, a nuestro criterio, se pueden resumir de la siguiente manera:
§ Que los alumnos comprendan y aprecien el papel de la estadística en la sociedad, incluyendo sus diferentes campos de aplicación y el modo en que la estadística ha contribuido a su desarrollo.
§ Que los alumnos comprendan y valoren el método estadístico, esto es, la clase de preguntas que un uso inteligente de la estadística puede responder, las formas básicas de razonamiento estadístico, su potencia y limitaciones en función de las aplicaciones en su disciplina.
Teniendo como eje a estos objetivos, creemos que podemos lograr que el alumno de Psicología se interese por los métodos inferenciales como una herramienta que puede servirle de ayuda para realizar trabajos específicos de su especialidad y darle validez científica a sus resultados.
Objetivos
1. Objetivos Generales
§ Que los alumnos alcancen un conocimiento adecuado de aquellos instrumentos que, según el nivel de análisis en que se trabaje, permitan comprender, la complejidad de la conducta y, por tanto, realizar una interpretación de resultados, no de modo abstracto, sino guiada desde la teoría psicológica.
§ Introducir al alumno en el aspecto estadístico de los contenidos metodológicos desarrollados en la asignatura Metodología de Investigación.
§ Que los alumnos construyan el razonamiento estadístico en Psicología, como una parte importante del razonamiento en general, tanto inductivo como deductivo, simultáneamente con la adquisición del conocimiento.
§ Enfrentar al alumno con problemas derivados tanto de la práctica como de la investigación psicológica, gracias a la utilización de distintos instrumentos y métodos de análisis, tanto procedentes de la propia Psicología, como de otras disciplinas, que se han puesto a su alcance.
§ Asumir un compromiso social y una visión integradora en relación con el trabajo de los demás.
§ Inducir en los alumnos el interés por el análisis e interpretación correcta de datos y su uso en la toma de decisiones en situaciones de incertidumbre.
§ Mostrar el rol importante de las nuevas tecnologías en el análisis estadístico.
2. Objetivos Específicos
Se pretende que el alumno logre:
§ Enunciar un problema de investigación, sus objetivos e hipótesis.
§ Distinguir los diversos tipos de investigaciones y reconocer sus características principales.
§ Aplicar las técnicas del análisis exploratorio de datos y de la Estadística descriptiva, desarrolladas en la asignatura Estadística, en el desarrollo, cálculo e interpretación de experimentos aleatorios vinculados con la inferencia estadística.
§ Realizar inferencias sobre una población a partir del modelo ajustado a los datos.
§ Reconocer y aplicar las distribuciones muestrales que se deben aplicar en cada método de inferencia estadística.
§ Realizar e interpretar estimaciones por intervalos de confianza.
§ Diseñar e interpretar resultados en pruebas de hipótesis paramétricas para determinados parámetros de una distribución (una y dos medias, proporción, varianza).
§ Diseñar e interpretar resultados en pruebas de hipótesis no – paramétricas.
§ Reconocer y distinguir los casos en los que se debe aplicar una prueba paramétrica o una no-paramétrica.
§ Leer, analizar y discutir informes de investigación en Psicología
Contenidos
1. MUESTREO Y ESTIMACIÓN
Repaso de los conceptos básicos de la estadística descriptiva. Tipos de Muestreo. Errores y variabilidad en el muestreo. Repaso de Distribuciones muestrales para medias y proporciones.
Introducción a la Inferencia Estadística. Estimación de parámetros por medio de intervalos de confianza. Nivel de confianza. Error de estimación. Intervalo de confianza para una media poblacional. Lectura e interpretación de intervalos de confianza presentados en informes de investigación en Psicología.
2. APLICACIÓN DE LA ESTADÍSTICA INFERENCIAL EN LA INVESTIGACIÓN CIENTÍFICA
El proceso metodológico de la investigación científica: el problema de investigación, la formulación de objetivos e hipótesis. Finalidad de las hipótesis en las investigaciones en Psicología. Tipos de investigaciones en Psicología.
3. PRUEBAS DE HIPÓTESIS PARA UNO Y DOS GRUPOS
Introducción a las Pruebas de Hipótesis: Lógica global de las pruebas de hipótesis. Establecimiento de las hipótesis nula y alternativa. Tipos de errores. Nivel de significación. Regiones críticas de aceptación y rechazo.
Pruebas de Hipótesis para una muestra: Prueba de hipótesis para la media, con desviación poblacional conocida y con desviación poblacional desconocida. Comparación entre las pruebas z y t. Supuestos que deben verificarse. Prueba de hipótesis para la proporción. Análisis de pruebas de hipótesis en estudios relacionados con la Psicología.
Pruebas de Hipótesis para la comparación de dos grupos: Prueba t para grupos correlacionados e independientes. Supuestos que deben verificarse. Análisis de pruebas de hipótesis en estudios relacionados con la Psicología y a partir de resultados de programas estadísticos.
4. COMPARACIÓN ENTRE VARIOS GRUPOS: ANÁLISIS DE VARIANZA
Introducción al análisis de Varianza de un factor: la distribución F y la prueba de hipótesis correspondiente. Supuestos que deben verificarse en el análisis de varianza.
Comparaciones múltiples: comparaciones a priori o planeadas. Comparaciones a posteriori o post hoc. La prueba de diferencia honestamente significativa (DHS) de Tukey. La prueba de Newman-Keuls. Contrastación entre las comparaciones a priori, la DHS de Tukey y la prueba de Newman Keuls.
Análisis de estudios relacionados con la Psicología y a partir de resultados de programas estadísticos.
5. PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS
Pruebas no paramétricas: Concepto y diferencias con las pruebas paramétricas: la prueba chi-cuadrado. Pruebas de bondad de ajuste, homogeneidad e independencia. La prueba de Rangos señalados y pares igualados de Wilcoxon para grupos correlacionados y nivel de medición ordinal. Prueba U de Mann-Whitney para grupos independientes y nivel de medición ordinal. Prueba de Kruskal Wallis para k muestras independientes y nivel de medición ordinal en la variable dependiente. Coeficientes de correlación especiales: coeficiente de correlación de rangos de Spearman. Coeficiente de contingencia C de Pearson.
Estrategias metodológicas
Las clases serán de carácter teórico-práctico, en las que se desarrollarán primero los elementos teóricos que los alumnos necesitan para realizar posteriormente las actividades planificadas en los trabajos prácticos. Además, la asignatura se divide en dos bloques: los métodos cuantitativos o paramétricos y los métodos cualitativos o no-paramétricos.
1. Trabajos prácticos para resolver en las clases teórico-prácticas
Los trabajos prácticos planificados se trabajarán parcialmente en las clases y la parte que quede sin desarrollar servirá de material de estudio para el alumno y podrá discutirlos en las horas correspondientes a consulta.
Básicamente, dichos prácticos son una selección de problemas integradores de los conceptos que se van desarrollando teóricamente. Como metodología de trabajo en las clases teórico-prácticas, se seleccionan algunos problemas en los que se deben utilizar diversas representaciones, gráficas y numéricas, para poder llegar a una conclusión que luego se resume en un informe estadístico. Estas se discuten en grupo y luego, se realiza una puesta en común de las conclusiones extraídas por cada grupo, es aquí donde el docente actúa como moderador aclarando las cuestiones en las que se presentan errores y/o confusiones.
Se prevé realizar cuatro (4) trabajos prácticos, los cuales se citan a continuación:
- TP Nº 1: Repaso de conceptos estadísticos
- T.P. Nº 2: El problema de investigación – Formulación de preguntas de investigación, hipótesis y objetivos.
- T.P. Nº 2: Distribuciones muestrales y estimación
- T.P Nº 3: Pruebas de hipótesis para medias y proporciones.
- T.P. Nº 4: Análisis de varianza.
- T.P. Nº 5: Pruebas no paramétricas.
2. Evaluaciones Parciales: Trabajos prácticos de integración
2.1. Los alumnos deberán resolver, de manera individual, un trabajo práctico domiciliario integrador de los conceptos relacionados con los métodos paramétricos desarrollados hasta el momento de la entrega del trabajo práctico.
2.2. Los alumnos deberán resolver, en forma grupal, un trabajo práctico integrador, que se resolverá en clase, y que se basará en todos los conceptos relacionados con los métodos no-paramétricos.
Dichos trabajos corresponden a las dos evaluaciones parciales que deberán aprobar los alumnos para regularizar la materia. Se considerará aprobada cada una de estas instancias si el alumno resuelve el 60% de cada trabajo en forma correcta.
En el caso que alguno de los alumnos no apruebe alguno de los trabajos antes mencionads, deberá rehacerlo siguiendo las directivas de las profesoras de la Cátedra.
Tendrán 7 días para resolver y entregar sus trabajos y los docentes, entregarán los resultados en un tiempo no mayor a los 15 días, contados desde el día de la entrega de los trabajos por parte de los alumnos.
Criterios de Evaluación
1. Alumno regular
Para la obtención de la categoría de alumno regular se deberá:
a. Aprobar el trabajo práctico de integración con un mínimo del 60 % del puntaje asignado, pudiendo rehacer dicho trabajo en el caso de que no hay logrado tal porcentaje.
b. Tener un mínimo de 67% de asistencia a clase.
En este caso, el examen final consistirá en un examen escrito en el que se deberán responder y resolver diversas cuestiones integradoras de los conceptos desarrollados en el curso, incluyendo todos los temas: parte cuantitativa y cualitativa.
El examen final se aprobará con un mínimo de 60% sobre el total de las actividades propuestas en dicho examen.
2. Alumno libre por inasistencias
Se considerará alumno libre por inasistencias a aquél que no cumpla con el requisito de tener un mínimo de 67 % de asistencia.
El examen final consistirá en un examen escrito en el que se deberán responder a cuestiones y/o problemas teórico-prácticos integradores de los conceptos desarrollados en el curso, incluyendo todos los temas: parte cuantitativa y cualitativa.
El examen final de esta categoría de alumnos tendrá mayor extensión que el del alumno regular y se aprobará con un mínimo de 70% sobre el total de las actividades propuestas en dicho examen.
3. Alumno libre
En el caso de que el alumno no cumpla con las condiciones de las dos categorías anteriores, se lo considerará libre. En este caso, el alumno deberá rendir un examen escrito teórico-práctico integrador de todos los conceptos contemplados en el programa de la materia correspondiente al año lectivo en el que el alumno rinda.
El examen final de esta categoría de alumnos tendrá mayor extensión que el del alumno regular y se aprobará con un mínimo de 75% sobre el total de las actividades propuestas en dicho examen.
Bibliografía
Bibliografía Obligatoria.
1. Mendenhall, Beaver y Beaver. Introducción a la probabilidad y estadística. 12ª edición
2. Moore, D. (1998). Estadística aplicada básica. Antoni Bosch editor.
3. Yuni, J. y Urbano, C. (2003). Técnicas para investigar y formular proyectos de investigación. Vol I. Córdoba: Brujas.
4. Aron, A. y Aron, E. (2001). Estadística para Psicología. Segunda Edición. Buenos Aires: Prentice Hall
Bibliografía Complementaria
1. Elorza, H. (2000). Estadística para las ciencias sociales y del comportamiento. Segunda edición. México: Oxford University Press.
2. Hopkins, K., Hopkins, B. y Glass, G. (1997). Estadística Básica para las Ciencias Sociales y del comportamiento. Tercera Edición. México: Prentice Hall.
3. Pagano, R. (1999). Estadística para las Ciencias del Comportamiento. México: Thomson
No hay comentarios:
Publicar un comentario