INVESTIGACIÓN CUANTITATIVA EN EDUCACIÓN

Transcripción

1 Escuela de Educación Continua Universidad Metropolitana "Mathematics and Science Partnership: content, integration, application, and research to improve academic achievement" INVESTIGACIÓN CUANTITATIVA EN EDUCACIÓN Profa. Bárbara Ponce Mendoza Matemáticas & Ciencias 4to 9no 22 de septiembre de 2012 Proyecto sufragado por el Departamento de Educación de Puerto Rico con fondos de Título II-B No Child Left Behind

2 Conceptos y Definiciones Investigación Búsqueda de conocimientos Problema Situación Generar datos o información Entenderlo Resolverlo Proceso de investigación Real Percibida Evidencia Producto 2

3 Modelo Cuantitativo (origen) rigen 1920 con la filosofía llamada la lógica empírica o en rechazo a la filosofía y a la metafísica como únicas formas de entender la realidad social. rigen y Trasfondo Tesis la presencia de un método que permita evidenciar y verificar cualquier aseveración sobre el conocimiento y la autenticidad de la realidad. Filosofía asume que la realidad social existe y es externa al ser humano El conocimiento es una propiedad de la realidad La realidad es regulada por leyes universales de causa y efecto La conducta humana es el resultado de esa realidad social 3

4 Modelo Cuantitativo Estudios que buscan verdades absolutas (conocimientos) y el descubrimiento de esas leyes universales de causa y efecto que regulan la conducta humana. Aplicación de un método deductivo donde el investigador pone a prueba hipótesis y teorías y las trata de verificar con estudios, para establecer la validez de las mismas. Método Recurre a métodos, procedimientos e instrumentos estandarizados y objetivos que excluyen los valores y prejuicios del investigador. Énfasis en la verificación de los datos. El método es esencial para evaluar la autenticidad del hallazgo y el conocimiento generado. Descansa en la acumulación de hechos observables y verificables como mecanismo para desarrollar el conocimiento social y educativo. 4

5 Modelo Cuantitativo En síntesis: El investigador decide qué estudiar. Hace preguntas específicas. Recoge data cuantificable. Analiza los datos estadísticamente. Trata de conducir la investigación de manera objetiva (Instrumentación válida y confiable). Validez: se refiere a la certeza con que un instrumento recoge información acerca de lo que se propone o de acuerdo con su propósito. Confiabilidad: se refiere al grado de consistencia o de la información que se obtuvo con un instrumento, está relacionado con la consistencia, exactitud y precisión de una medida o de los resultados obtenidos. La validez y la confiabilidad no son cualidades del instrumento, sino de los resultados y de las inferencias que se desprenden. 5

6 Estructura del Modelo Cuantitativo Cuantitativo Deductivo Problema Hipótesis Investigación Conclusión Características de un buen problema de investigación Se puede investigar Es importante Indica el tipo de investigación Especifica la población a estudiar Especifica las variables a estudiar Es claro 6

7 Tipos de Hipótesis Inductiva Deductiva De investigación Direccional No direccional Estadística: Hipótesis Nula; Hipótesis Alternativa Características de una buena Hipótesis 1. Se redacta en forma de aseveración (no como pregunta). 2. Consistente con investigaciones anteriores, conocimientos o teorías establecidas. 3. Debe salir del problema de investigación. 4. Establece la relación entre dos o más variables. 5. Se puede poner a prueba. 6. Es clara. 7. Debe ser concisa. 7

8 bjetivos de Investigación bjetivos Descripción - Medir atributos del fenómeno que se investiga (alto, rápido, inteligente) Causa y Efecto se conoce como explicativo. Determinar si una variable incide en otra (menos horas de TV, mayor aprovechamiento académico) Correlación Determinar como una variable se comporta en presencia de otra (más comida, más ganancia de peso) 8

9 Fuentes Intereses y experiencias Comprobar teorías Replicar investigaciones Clarificar contradicciones Variables Independiente: antecede, influye o predice a otra Dependiente: es afectada por la variable independiente Extraña: es desconocida o no controlada y afecta a la variable dependiente De efecto confundido confounding : no puede cuantificarse porque sus efectos no se pueden separar fácilmente de las otras variables. Contínua: puede tomar diversos valores Categórica: Clasifica de acuerdo a las características establecidas. 9

10 Diseños de Investigación: 1 grupo Experimentales 2 ó más grupos cuasiexperimental No experimentales Transeccional (Descriptiva) Encuestas Estudio de caso Correlación Tendencias (trends) Longitudinales Evolución (cohort) Panel 10

11 Diseños de Investigación Experimental

12 Concepto de Investigación Experimental Definición - Estudio que busca determinar relaciones de causa y efecto creando las condiciones para estos fines. Investigación Experimental Estructura básica - X Estrategia Causa Resultado Efecto Variable Independiente Variable Dependiente Distintivo - Único estudio que no es ex post facto. 12

13 Diseño Experimental X Qué estrategia? Cómo se hará? Por cuánto tiempo? Estandarizar y validación del proceso Fundamento Qué cambios se observarán? Cómo se manifiesta esos cambios Instrumentos de medición de los resultados 13

14 Fortalezas y Retos Fortaleza Probar en el campo una relación causal X Reto Crear las condiciones para probar, fuera de toda duda, una relación causal Validez Interna Validez Externa La relación se probó realmente en este experimento Aplica este resultado a otros grupos y escuelas 14

15 Diseños Experimentales Currículos Productos Aprendizaje (currículo) Experimento causa (X) efecto () Programas Efectividad Costo Alcance de la estrategia o porque ocurrió Estrategias Impactos Transformación de los participantes Cambios primarios y secundarios 15

16 Diseños Experimentales 1 Grupo RETS Semestre Diseño Post-Prueba R X Historia Maduración Instrumentación Maestro Relación de pares Muestra al azar Estrategia (Tratamiento) Deserción Medición de cambios 5 grupos de 5to grado Currículo para no fumar Cambios de actitudes 16

17 Diseño Experimental 1 Grupo Semestre Historia Maduración Diseño de Pre-Post-Prueba R X Testing Instrumentación Maestro Relación de pares Muestra al azar Medición pre experimento Currículo (Estrategia) Deserción Medición post experimento 17

18 Experimento con Grupos Controles Grupo 1 ( R ) Pre-prueba X Estrategia Post-prueba Historia Maduración Testing Diseño de Pre y Post Prueba Grupo 2 ( R ) Pre-prueba Post-prueba Instrumentación Maestro Relación de pares Deserción Muestra Diferencias con los grupos Rivalidad entre grupos Motivación de los grupos por no ser el experimento 18

19 Experimento con Grupos Controles Postprueba Grupo 1 ( R ) Grupo 2 X Compara post pruebas ( R ) Múltiples tratamientos y factor común Grupo 1 ( R ) Grupo 2 ( R ) X 1 X 2 Compara pre y post pruebas Grupo 3 ( R ) Método tradicional Grupo 1 ( R ) X Solomon Grupo 2 ( R ) Grupo 3 ( R ) X Compara pre y post pruebas 19 Grupo 4

20 Diseño Cuasi Experimental X 20

21 Diseños no Experimentales No experimentales Transeccional (Descriptiva) Longitudinales Encuestas Estudio de caso Correlación Tendencias (trends) Evolución (cohort) Panel 21

22 Diseño no experimentales Diseño descriptivo cuantitativo Problema Conceptualización del estudio Estudio Análisis de datos H P Fuente de datos Estadísticas Diseño de instrumento Validación del instrumento Permisos 22

23 Procedimientos de investigación: 1. Definir tema y establecer preguntas de investigación o hipótesis. 2. Precisar la fuente de datos a. datos primarios b. datos secundarios 3. Explorar la viabilidad del estudio 4. Identificar/diseñar los instrumentos de investigación a. Protocolos de entrevistas estructuradas b. Protocolos de observaciones c. Cuestionarios/escalas/rúbricas d. Documentos e. Combinación de técnicas 5. Validar los instrumentos 23

24 Procedimientos de investigación: 6. Elaborar el plan de investigación a. Población y muestra del estudio b. Tiempo de duración del estudio c. Tramitar permisos 7. Realizar el estudio, recopilar y analizar los datos 8. Presentar los hallazgos a. Simple presentación de datos b. Conversión de datos c. Combinación de datos 24

25 Ejemplo de presentación de datos simples Esta necesidad la sustenta el mismo Departamento de Educación de Puerto Rico (2003), como respuesta a nuestra petición sobre la creación de un grado doctoral en educación física (Apéndice E); El Departamento de Educación felicita a la Universidad Metropolitana por la nueva iniciativa de establecer un grado doctoral en el Programa de Educación Física. Muchos de los maestros del Sistema Público en el área de referencia son egresados de su institución y están realizando una labor encomiable en nuestras escuelas. Es de conocimiento público que el Departamento de Educación estimula a sus maestros para que se preparen cada vez mejor y puedan avanzar en la carrera magisterial. Por lo tanto, damos la bienvenida a toda iniciativa creada con este fin. Mientras mejor preparación académica tiene el maestro, mayor será la excelencia en el proceso de enseñanza y aprendizaje. Les deseamos éxito en este nuevo proyecto. 25

26 Ejemplo de Conversión de Datos Tabla 2 Preparación Académica de los Educadores Físicos en el DE Preparación académica Frecuencia Por ciento Normal Grado asociado Bachillerato 4, Maestría Doctorado Total De los 5, 088 educadores físicos que trabajan en el DE, solamente 496 (9.75%), ostenta estudios de maestrías (492) o doctorados (4), es decir 4,592 (90.25%) miembros de esta facultad posee preparación académica de BA o menos. Estos datos confirman la necesidad de crecimiento profesional que suscribe la Ley de Carrera Magisterial. 26

27 Ejemplo de presentación de datos combinados Tabla 7 rientación del Doctorado en Educación Física Pedagógica rientación f % Razones Ph.D Se requiere para ascenso en rango Tiene más prestigio en la academia En P.R. hace falta investigadores Ed.D Se necesitan en el D.E. DA 1 2 Para los que desean dar clases y no les interesa la investigación TTAL

28 PREGUNTAS?

29 Referencias McMillan, J. (2004). Educational Research: Fundamentals for the consumer (4 th ed). Boston, MA: Allyn and Bacon. Ponce,. (2012). Investigación cuantitativa en Educación. Universidad Metropolitana. Verdejo, A. y Medina, M. (2009). Evaluación del aprendizaje estudiantil. San Juan, PR: ExPERTS Consultants, Inc. 29