Saltar al contenido principal
Library homepage
 
LibreTexts Español

6: Diseño de investigación

  • Page ID
    152346
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Un diseño de investigación es el conjunto de métodos y procedimientos utilizados en la recolección y análisis de medidas de las variables especificadas en la investigación de problemas de investigación. El diseño de un estudio define el tipo de estudio (descriptivo, correlacional, semiexperimental, experimental, de revisión, metaanalítico) y subtipo (por ejemplo, estudio de caso descriptivo-longitudinal), problema de investigación, hipótesis, variables independientes y dependientes, diseño experimental y, en su caso, recolección de datos métodos y un plan de análisis estadístico. El diseño de investigación es el marco que se ha creado para encontrar respuestas a preguntas de investigación.

    • 6.1: Método científico
      Para ser una investigación científica adecuada los datos deben ser recabados sistemáticamente. Sin embargo, la investigación científica no requiere necesariamente experimentación en el sentido de manipular variables y observar los resultados. Los estudios observacionales en los campos de la astronomía, la psicología del desarrollo y la etología son comunes y proporcionan valiosa información científica.
    • 6.2: Medición
      La recolección de datos implica la medición. La medición de algunas características como la altura y el peso son relativamente sencillas. La medición de atributos psicológicos como la autoestima puede ser compleja. Una buena escala de medición debe ser confiable y válida. Estos conceptos serán discutidos a su vez.
    • 6.3: Recopilación de datos
      La mayoría de los análisis estadísticos requieren que tus datos estén en forma numérica en lugar de verbal (no puedes introducir letras en tu calculadora). Por lo tanto, los datos recabados en forma verbal deben ser codificados para que estén representados por números.
    • 6.4: Sesgo de muestreo
      Las descripciones de diversos tipos de muestreo, como el muestreo aleatorio simple y el muestreo aleatorio estratificado, se cubren en otra sección. Esta sección analiza varios tipos de sesgos de muestreo, incluyendo sesgo de autoselección y sesgo de supervivencia. También se darán ejemplos de otros sesgos de muestreo que no se categorizan fácilmente. Es importante tener en cuenta que el sesgo de muestreo se refiere al método de muestreo, no a la muestra en sí.
    • 6.5: Diseños experimentales
      Hay muchas maneras de diseñar un experimento. Por ejemplo, todos los sujetos pueden someterse a prueba en cada una de las condiciones de tratamiento o se puede usar un grupo diferente de sujetos para cada tratamiento. Un experimento podría tener solo una variable independiente o podría tener varias. En esta sección se describen los diseños experimentales básicos y sus ventajas y desventajas.
    • 6.6: Causalidad
      El concepto de causalidad es complejo en la filosofía de la ciencia. Dado que una cobertura completa de este tema está mucho más allá del alcance de este texto, nos enfocamos en dos temas específicos: (1) el establecimiento de la causalidad en experimentos y (2) el establecimiento de la causalidad en diseños no experimentales.
    • 6.7: Alfabetización estadística
      Desde hace tiempo se sabe que un bajo nivel de HDL es un factor de riesgo para enfermedades cardíacas. Se ha demostrado que tomar niacina aumenta los niveles de HDL y se ha recomendado para pacientes con niveles bajos de HDL. El supuesto de esta recomendación es que la niacina provoca que el HDL aumente provocando un menor riesgo de enfermedad cardíaca. ¿Qué diseño experimental con niacina probaría si la relación entre HDL y cardiopatía es causal?
    • 6.E: Diseño de Investigación (Ejercicios)

    Diagrama de flujo de cuatro fases (inscripción, asignación de intervención, seguimiento y análisis de datos) de un ensayo aleatorizado paralelo de dos grupos. Uso de la imagen con permiso (CC BYT-SA 3.0; PrevMedFellow).

    Colaboradores y Atribuciones


    This page titled 6: Diseño de investigación is shared under a Public Domain license and was authored, remixed, and/or curated by David Lane via source content that was edited to the style and standards of the LibreTexts platform; a detailed edit history is available upon request.