¡Descarga Métodos Científicos: Verificación de Hipótesis y Recolección de Datos y más Apuntes en PDF de Psicología solo en Docsity!
La psicología estudia la conducta y vida mental de los animales con capacidad de percibir y aprender, en particular los humanos.
Existen dos vertientes en la metodología:
1. General: Común a todas las disciplinas científicas. Filosofía de la Ciencia.
2. Especial: Específica de cada disciplina científica. Su función es caracterizar los constructos o los
conceptos teóricos de una disciplina.
La metodología en psicología se dedica a la delimitación y puesta a prueba de los constructos.
1ª parte: Obtención y Justificación del conocimiento.
- Principales usos del Método Científico
1) Investigación Teórica.
2) Desarrollo Tecnológico/ Innovación:
• Evaluación ¿funciona determinada técnica?
• Investigación ¿por qué funciona?
Test: técnica de medición o diagnóstico. Terapias: técnica de cambio. En un gran número de casos se parte de la práctica.
2. Técnicas Semicientíficas y Científicas
1. Apunta a un objeto razonable: "termina el misterio y empieza el problema".
2. Es eficaz: consigue su objetivo en un gran porcentaje de casos.
F 0 E 0Ejemplo: aspirina / corteza de saúco. El porcentaje dependerá del estado de la ciencia: por ejemplo, los antidepresivos son poco eficaces, pero lo son en gran medida con respecto a su composición anterior.
3. Es intersubjetiva, pues ofrece resultados replicables por otros observadores.
F 0 E 0La ¡ntersubjetividad por sí misma no es indicadora de que una técnica sea científica: por ejemplo, Test de Roschard.
4. Es posible su comprobación mediante métodos alternativos.
5. Existen hipótesis o teorías confirmadas (corroboradas) de cómo y por qué funciona.
Burge y Ardila. Las técnicas semicientíficas cumplen con los criterios 1,2 y 3. Las técnicas científicas cumplen con todos los criterios.
3. Método Científico: Trayectoria Histórica
a) DEDUCTIVO: Nos sirve para obtener nuevos conocimientos, ya que parte de premisas verdaderas. El
Método Deductivo se desarrolló en un contexto religioso. Ejemplo: la tierra y la Biblia.
b) INDUCTIVO: Generalizar a partir de un conjunto de datos. F. Bacon, 1620: Plantea un Método
Inductivo en el que las leyes de la naturaleza son Generalizaciones Empíricas obtenidas de los datos por inducción, cuya verdad o falsedad ha de comprobarse a partir de datos distintos a los que dieron lugar a la generalización.
Generalización Empírica
Inducción Comprobación Datos (1) Datos (2)
• En aquel momento, los científicos pensaban que estaban "leyendo la lente de Dios", aunque el
contexto religioso se debilitaba progresivamente.
• Nuestro cerebro funciona inductivamente.
• En los inicios de una disciplina se emplea el método inductivo (Método de Descubrimiento) pero
algunos datos no permiten generalizaciones empíricas.
• Son ejemplos de generalizaciones empíricas en psicología: Leyes de Weber, Fechner, Stevens.
• Las modificaciones que sufren estas leyes reflejan las debilidades del método inductivo.
c) HIPOTÉTICO – DEDUCTIVO: combinación entre INDUCCIÓN – DEDUCCIÓN.
- D
- H
“Todos los cisnes son blancos”. Puede que solo encuentres cisnes blancos, pero también puede que un día aparezca uno negro y así falsamos la premisa.
Falsacionismo simple o ingenuo. Popper: sólo tiene en cuenta el problema. Si hay algo que valla en contra se desecha la teoría. "Conjeturas y Refutaciones": se plantea que el avance de la ciencia va procediendo a medida que los científicos plantean conjeturas / hipótesis y las someten a falsación. La ciencia avanza cuando las hipótesis se refutan. Ciencias duras establecidas con criterios claros de demarcación.
F 0 E 0No nos sirve como criterio único de demarcación.
Falsacionismo metodológico sofisticado. Tres problemas:
.1 Validez de constructo.
.2 representatividad de la muestra.
.3 diferencias entre medias F 0 E 0t de Student
La carga teórica de los datos
Si los datos falsan la Hipótesis Teórica (-D), la Hipótesis es falsa (-H). Desde el punto de vista lógico no es problemático, pero desde la recogida de datos se plantean problemas. Al comparar teorías con datos estamos haciendo una simplificación. La Inferencia Lógica sería: H · A 1 · A 2 · …, A (^) n F 0 E 0 D D depende de varias teorías auxiliares.
Si la Hipótesis es cierta y también lo son las Teorías Auxiliares se darán los datos. La falsedad puede ser de la Teoría que estamos poniendo a prueba o de otras Teorías Auxiliares implícitas. Hay que tener en cuenta lo que se está midiendo. Muchos se centran en la hipótesis y no se dan cuenta de que existen las teorías auxiliares.
5. AMENAZAS A LA VALIDEZ DEL CONOCIMIENTO
• Invalidez lógica de la inducción.
• Sesgo Confirmatorio de la Cognición: por defecto, buscamos argumentos que confirmen nuestras
cogniciones, lo que ya creemos. Por ejemplo: estereotipos: aceptamos lo que corresponde con nuestras creencias y nuestro sistema cognitivo ignora lo que no se corresponde. Este sesgo es universal.
• Un buen científico ha de luchar contra él y no enamorarse de su hipótesis.
• Peligros del Convencionalismo: quedarnos con lo que hay y seguir la línea existente. La ciencia no es
una cuestión convencional, pues los convencionalismos no son científicos. Los convencionalismos en la vida cotidiana suelen ser de gran utilidad. "Mafias Científicas".
• Técnicas de neuroimágen: se mantienen porque se les da el beneficio de la duda. Sólo presentan
trabajos con 14 sujetos. Esto es un claro problema de validez interna. Pero queremos creer que evolucionarán para darnos mejores resultados.
6. OTROS AUTORES
Kuhn (años 70):
"Estructura de las revoluciones científicas": niega el avance de la ciencia sostenido por Popper. En su opinión, el avance se da mediante revoluciones en las que se cambia un paradigma por otro. Explica que los científicos actúan dentro de su paradigma. Acusa a los científicos de no ser falsacionistas. El ambiente imperante: ’cuando los datos contradecían la hipótesis no se los reconocía’.
• Ciencia Normal: cuando un paradigma es compartido por todos los científicos.
• Ciencia Revolucionaria: cuando se dan desacuerdos, cuando los cambios son suficientemente
importantes.
• Paradigma: matriz disciplinar con una determinada ontología y epistemología que guía la labor del
científico, y de la que todos los científico en mayoría están de acuerdo. Según Kuhn, se cambia de un paradigma a otro irracionalmente (por ejemplo: conductismo vs. cognitivismo), lo que aprovechan las diferentes tendencias (¡Ahí Como este es mi paradigma... te jodes!).
• Los discípulos de Kuhn le atribuyen la "Tesis de la Inconmensurabilidad": los hallazgos obtenidos
en el contexto de un paradigma no pueden evaluarse en el contexto de justificación de un paradigma distinto. No podemos saber cuál es mejor porque no se pueden poner en la misma escala. Kuhn, sin embargo, opina que no tiene por qué ser así, pues pueden darse elementos comunes. El concepto cambia pero se dan "nexos" de unión.
PROGRAMA: analogía con el átomo.
• Núcleo duro, sustantivo, lo que queremos poner a prueba.
• Va acompañado por un Cinturón protector de Teorías Auxiliares, de manera que cuando se somete a
falsación una hipótesis no se da por falsada hasta que no se han puesto a prueba las Teorías Auxiliares correspondientes. Para someter a falsación al Núcleo del Programa se debe contar con Teorías Auxiliares suficientemente corroboradas. En programas poco desarrollados, por tanto, la falsación se dirige contra el Cinturón Protector, las Teorías Auxiliares.
Criterios de evaluación del Programa:
• Contenido o capacidad empírica: cuales son los fenómenos que describe adecuadamente
el programa en cuestión. Experto cuando los datos han servido en la construcción del programa.
• Potencia Heurística: capacidad de realizar nuevas y arriesgadas predicciones de ese programa,
los fenómenos nuevos que predice ese programa.
Tipos de programas
• Programa Regresivo : aquellos datos que no es capaz de explicar se incorporan a la teorización
de manera ad hoc (en ese momento). Son modificaciones que no aportan nada nuevo. Por ejemplo: por lo general, los hombres tienen mayor capacidad de rotación mental que las mujeres; y las mujeres tienen mejor memoria visual que los hombres. Los resultados encontrados en determinados test no se corresponden con esto.
• Programa progresivo : los que mejor dan cuenta de todos los datos obtenidos en esa disciplina,
aquellos que tienen más contenido empírico y más potencia heurística.
2ª PARTE: Planificación de Investigaciones:
1. Planificar el problema F 0 E 0¿Contextualizados teóricamente? Planeamos sobre constructos.
2. Formular hipótesis F 0 E 0¿falsable?
3. Seleccionar: participantes, contexto, ocasiones, mediciones y manipulaciones.
4. Recoger datos F 0 E 0¿Control?
5. Interpretación de resultados F 0 E 0¿Control?
6. Extraer conclusiones
El planteamiento de un problema permite planificar una investigación siguiendo el método científico. Cualquier investigación científica debe comenzar con un problema. Antes del planteamiento aparecen las cuestiones de por qué se plantea. El punto relevante es que esté contextualizado teóricamente, porque si no, se trataría de otro tipo de problema, no científico. El problema cambia en función de cómo se contextualiza. Hay que plantearse si está contextualizado teóricamente. Si es así, seguimos, si no, lo abandonamos; suponiendo que está bien contextualizado, hay que formular una hipótesis.
Lo más relevante para una hipótesis es que sea falsable. Si no lo es, no es una hipótesis científica. Falsable se refiere a que haya posibilidad de rechazarla o de aceptarla. Si no es falsable se hace ciencia de manera descriptible. Si no damos con una hipótesis falsable, lo más apropiado será cambiar de plan.
Hasta aquí, todo se ha realizado a nivel teórico. Se planificó un Diseño Empírico, y para poner a prueba la hipótesis tenemos que seleccionar cinco elementos: participantes, contexto, ocasiones, mediciones y manipulaciones.
• Contexto: hace referencia a cosas diferentes. Distinción clásica entre laboratorio y campo. Se busca
también diferenciar entre culturas.
• Ocasiones: normalmente se hace una medición en un solo momento, pero en determinadas áreas de
la psicología se tendrán que llevar a cabo diseños longitudinales. No es sólo cuestión de práctica, sino que es también metodológico.
• Mediciones: se refiere a Variables Dependientes (VD). A veces hay estudios en que no hay VD ni
VI, pero lo más normal es que la medición corresponda con VD (^) S.
• Manipulaciones: no siempre se van a realizar manipulaciones en investigación. Tendremos que ver
cuál es la forma más adecuada.
Una vez que hemos planificado la parte empírica, antes de empezar a recoger datos, es obligatorio hacerse dos preguntas:
• ¿Puede hacerse esto desde el punto de vista ético? Si es aceptable, pasamos a la otra pregunta.
• ¿Se puede llevar a cabo desde el punto de vista práctico? Hay que plantear un diseño realista.
Muchas veces no se llevan a cabo las investigaciones por falta de dinero.
La Recogida de Datos no tiene por qué ser muy costosa. Una vez recogidos los datos, debemos preguntarnos si el control es suficiente. Si éste no ha sido suficiente, y si la validez tampoco lo es, debemos recoger datos nuevos.
Es entonces cuando los datos se interpretan, generalmente, mediante análisis estadísticos.
• Control Estadístico
Manipulación
El control por manipulación se da en investigaciones experimentales. Es el control característico de los verdaderos experimentos: ¡no hay experimento si no hay manipulación! Para que haya manipulación, el investigador debe realizar algún cambio en la variable: asignar distintos valores a la variable. Lo que se manipula por definición es la VI.
Existen variables que, en principio, no son manipulables: sexo, edad, rasgos de personalidad...
Si no hay Manipulación no hay Causación. Los únicos diseños en los que podemos garantizar la inferencia de causalidad son los diseños experimentales.
Experimento F 0 E 0Manipulación F 0 E 0Causación
Validez interna: La validez de inferencia de causalidad. Tres requisitos: 1- Precedencia temporal de la presunta causa (VI) sobre el presunto efecto (VD). 2- Covariación de la causa y del efecto. Si la causa cambia, el efecto cambia. 3- No existen explicaciones alternativas plausibles.
Debemos controlar las Variables Extrañas, ya que pueden influir sobre la VD y sustituir a la VI (los efectos de la VI y las VE (^) S se "confunden"). Esas VE (^) S serian las explicaciones plausibles.
Cláusula "Ceteris Paribus": el grupo control debe ser igual al grupo experimental excepto en la asignación de VI.
Validez externa: permite la generalización de los resultados a otras poblaciones (sujetos, campos: validez ecológica; etc.).
Aleatorización
Cualquier sujeto tiene la misma probabilidad de pertenecer a un grupo u otro. Posee dos significaciones diferentes:
• Selección Aleatoria: garantiza la representatividad. Todos los miembros de la población
tienen la misma probabilidad de pertenecer a la muestra. Por ejemplo: seleccionamos una muestra de una población. Objetivo: generalizar al resto de la población. Validez Externa.
• Asignación Aleatoria: de los sujetos o las unidades a los grupos definidos por los diferentes niveles
de VI. Por ejemplo: dividimos la población al azar (este sí, este no...). Objetivo: cumplir la cláusula ceteris paribus, es decir, eliminar las posibles explicaciones alternativas plausibles. Repartir las VE (^) S para que todo sea igual entre sujetos, estímulos, situaciones... VALIDEZ INTERNA.
SELECCIÓN ASIGNACIÓN
Eliminación o inclusión
Si es posible identificar las variables extrañas que pueden estar afectando a la VD de interés, entonces es posible controlarlas, bien manteniéndolas constantes, es decir, por eliminación; bien incluyéndolas en el diseño para poder eliminar estadísticamente sus efectos, es decir, por inclusión.
• Eliminación: si queremos eliminar, por ejemplo, el efecto de la temperatura, la mantenemos
constante. De este modo, deja de ser una variable y pasa a ser una constante. Si quisiéramos estudiar su efecto como VI, no se mantendría constante, sino que le asignaríamos distintos valores. En ocasiones, cuando no es posible la asignación aleatoria o cuando necesitamos muestras más homogéneas, se emplea el control por eliminación para variables de sujetos. De este modo, ganamos en control pero perdemos en validez externa. Por ejemplo: una muestra de 20 mujeres y 4 hombres. Seleccionamos sólo hombres o sólo mujeres para así eliminar el efecto de la variable sexo; aunque no podremos generalizar los resultados al resto de la población.
• Inclusión: Si incluimos una variable más, necesitaremos más sujetos: la muestra será, por tanto, más
grande. El control por eliminación se usa más que por inclusión, ya que se necesitan menos sujetos, lo que resulta más económico y más fácil de llevar a cabo. Consiste en incluir las VE (^) S en el diseño, estudiando únicamente la VI, que nos interesa. Por ejemplo: VI 1 : Tiempo para realizar un examen. VD: Calificación.
(Clarsmith, Elisworth & Aronson, 1976)
El término Validez Ecológica surge con motivo de este debate. No tiene que ver con que las situaciones de laboratorio se parezcan o no a las situaciones reales, sino a que la conducta del sujeto sea igual independientemente del contexto: implicación del sujeto. Con que el sujeto se lo crea, nos basta. No es necesario que el contexto sea mundano y realista. Relevancia de las variables ambientales / físicas, variables sociales...
En investigación, va a ser relevante tanto el contexto de laboratorio como el de campo: dependerá de la investigación en cuestión.
La división Laboratorio - Campo está desapareciendo. Por ejemplo:
Escolarización
Campo: en cuanto a que se Laboratorio: se extrae a los sujetos trata del ambiente habitual de su ambiente ecológico (vs. habitual)
Las nuevas tecnologías han permitido "extrapolar el laboratorio a la calle". Llegará un momento en que tal distinción se limite a cuestiones más elementales (temperatura, eliminación). Dos Cuestiones de Interés:
• ¿Existe suficiente control? F 0 E 0Lo que nos importa del contexto es que exista suficiente control.
• ¿Cambia la naturaleza de la variable de interés? F 0 E 0Si no cambia la naturaleza de la variable de
interés entonces no hay problema.
Recogida de Datos
Lo que más nos importa es que los datos sean fiables y válidos.
La aceptación o no de una u otra forma de recoger datos depende del área de estudio, del contexto.
• Observación
• Directa: Sentidos, sobretodo visual y auditivo. En menor proporción olfato, gusto y tacto.
• Mediada / Instrumental:
• Registro Vídeo - Audio
• Registro Fisiológico
• Registro Informatizado
• Secundaria: análisis de documentos. Se observan datos que otro observador observó primero.
Debemos tender constancia de la fiabilidad y validez de los datos.
• Autoinforme
Información íntima dada por los sujetos. De enorme interés cuando la interpretación del evaluador (el propio informante) no es subjetiva.
• Entrevistas: Naturaleza Oral
• Estructuradas / Cerrada F 0 E 0Cuantitativa
• Semiestructuradas
• No Estructuradas / Abierta F 0 E 0Cualitativa
• Cuestionarios: Naturaleza Escrita
• Test: modelo matemático, que nos permite asignar puntuaciones a los sujetos y realizar inferencias a
partir de sus resultados. Algunos test pueden seguir un procedimiento de observación. Diferente del Cuestionario.
• Informes verbales: protocolo en el que se va registrando lo que dice el sujeto mientras que realiza
una tarea. Informes que las personas dan de sus experiencias subjetivas o contenido de Memoria de Trabajo. Por ejemplo: un niño que divide y cuenta en voz alta como está realizando la operación, los pasos que está siguiendo.
Diseños
Cubos de grupos
Responder las siguientes preguntas nos ayudará a identificar ante qué clase de diseño nos encontramos:
1. Identificar las Variables: ¿Cuáles son las VIs y las VDs?
2. Manipulación: ¿La VI ha sido manipulada?
3. Asignación Aleatoria: ¿Hay asignación aleatoria?
Verdadero Experimento Manipulación Experimental, Asignación Aleatoria. Establece Causalidad (gracias a la asignación aleatoria).
Caso Único o N = 1 Manipulativo. No tiene por que ser un único sujeto, puede ser una pareja, una familia, un grupo de discusión,… Problemas de Validez Externa. Problemas de Validez Interna: explicaciones alternativas plausibles. ¿Aleatorización? F 0 E 0No hace falta si sólo hay un sujeto.
Estudio de Caso No Manipulativo. No Validez. Para casos raros. La modalidad experimental se considera la más representativa del método científico, tanto desde el punto de vista filosófica como desde una perspectiva pragmática. Cuando se justifica la pluralidad metodológica, se describe el experimento como método científico por excelencia, aunque con deficiencias que el resto de las modalidades, desde perspectivas filosóficas varias, le ayudan a subsanar.
La investigación llevada a cabo en psicología puede encuadrarse en una de estas tres modalidades:
La modalidad observacional es una estrategia particular del método científico cuyo objetivo es la cuantificación del comportamiento espontáneo tal como se manifiesta en situaciones no preparadas. Se distingue de la observación como técnica – que no es sino una estrategia de recogida de datos subordinada a las directrices de las otras modalidades – en que, en este último caso, el único objetivo es el suministro de información, e incluiría, por tanto, su uso en situaciones de cualquier tipo, incluido el laboratorio.
La modalidad experimental suele considerarse como la más representativa del método científico ya que se caracteriza por la búsqueda de relaciones de causalidad entre variables en condiciones de aleatorización, manipulación y control. La aleatorización puede afectar tanto a la selección de los sujetos experimentales como a su asignación a los niveles de la VI; la manipulación es una condición necesaria, que no suficiente, para contrastar las relaciones de causalidad; por último, el control sirve para eliminar o neutralizar la influencia de variables extrañas sobre la relación entre las variables.
La modalidad selectiva – a veces denominada correlacional, aunque ésta sea sólo una parte de aquélla – es una modalidad del método científico cuyo objetivo es la descripción y/o la búsqueda de relaciones entre las variables medidas, utilizando diseños que controlen de modo externo las condiciones de producción de la conducta mediante la sistematización de la recogida de información y una selección de las unidades de análisis que permita recoger la variabilidad existente en las variables de interés.
1. DELIMITACIÓN DE LAS MODALIDADES DEL MÉTODOD CIENTÍFICO DE LA
PSICOLOGÍA
Es evidente que los conceptos no se definen únicamente por su cercanía al prototipo: también es necesario conocer su extensión. Para delimitar la extensión de un concepto, necesitamos conocer las dimensiones básicas de su significado y el uso efectivo que del mismo se hace.
La extensión de la modalidad observacional. Todos los planes de investigación con muestras de sujetos pequeñas o no representativas cuya recogida de datos se haya realizado mediante observación en situaciones naturales. En función de qué se entienda en cada momento por ‘observación’ y por ‘situación natural’, la modalidad observacional podría llegar a incluir los informes verbales no estandarizados (incluso cuando los análisis son interpretativos más que cuantitativos) y la observación de laboratorio. Los límites de esta modalidad son, sin lugar a dudas, los más vagos, quizá porque la llamada a la pluralidad de técnicas de investigación ha hecho que se multipliquen acercamientos difícilmente clasificables en ninguna otra modalidad.
La extensión de la modalidad experimental. No sólo incluye los diseños que hemos denominado experimentos verdaderos, sino también los cuasi – experimentales, incluidos los de caso único.
La modalidad selectiva incluye las investigaciones con grupos, tanto descriptivas como correlacionales, cuya recogida de datos se haya realizado usualmente – aunque no de forma necesaria – en situaciones naturales y mediante auto – informe o test estandarizado; en realidad, la distinción entre laboratorio y campo no resulta muy pertinente con respecto a esta modalidad. Existe una clara conciencia de que estas denominaciones – selectiva, correlacional – no resultan acertadas, pues se basan en cuestiones estadísticas que no caracterizan el tipo de investigación realizada. A favor de la denominación selectiva puede decirse que, si bien la existencia de una adecuada selección de sujetos para garantizar la variabilidad es algo que debería darse por sentado en toda investigación científica, la validez interna de un experimento no se ve amenazada si la muestra no es representativa. Sin embargo, la representatividad es la condición sine qua non de la validez de los diseños de la modalidad selectiva. De modo que, en términos del diseño, diremos que la modalidad selectiva incluye las investigaciones científicas no – experimentales – correlacionales y descriptivas – con muestras representativas (no olvidemos que existen estudios científicos con pocos sujetos). Sólo existiría algunos puntos de intersección entre las modalidades observacional y experimental en lo que respecta a algunos planes e investigación de caso único, ya que existen ocasiones en que el laboratorio es el contexto natural de una conducta. Éstos son los casos en los que puede existir solapamiento entre las dos modalidades. Ya hemos advertido que la descripción de la modalidad observacional incluye en ocasiones los estudio de caso realizados mediante auto – informe, e incluso la observación de laboratorio.
- LA MODALIDAD OBSERVACIONAL
En general, la investigación de problemas diferentes requiere la utilización de sistemas de categorías también diferentes, de manera que, excepto cuando encontremos un código útil en trabajos anteriores, suele ser necesario dedicar un tiempo sustancial a construir el instrumento de recogida de datos, construcción que, como acabamos de especificar, es en sí una actividad científica que implica la partición del dominio de interés en un conjunto de categorías y la puesta a prueba de la validez de esta partición con respecto al problema que nos ocupe. La aplicación del método científico a un problema sustantivo suele ir precedida de la aplicación del método científico a un problema de medida, subsidiario del original.
Construcción de un sistema de categorías:
- Formule una pregunta de la forma más clara posible.
- Elija el nivel de análisis adecuado para buscar una respuesta, de modo que las categorías que se construyan tengan sentido para ese problema particular.
- En ocasiones es conveniente dedicar un tiempo previo a hacer una observación asistemática durante la cual se recoja la información de forma narrativa.
- (^) Procure utilizar categorías dentro del mismo nivel de análisis, homogéneas y con el suficiente nivel de detalle.
- Las categorías han de ser exhaustivas – todo suceso pertinente debe poder ser registrado – y excluyentes, un suceso no debe poder ser registrado en dos categorías a la vez –.
- Llegados a una propuesta de sistema de categorías, necesitaremos un proceso de depuración, mediante la contrastación empírica, antes de considerar que resulta válido y fiable. Después comienza propiamente la investigación del problema del punto 1, problema para el que hemos validado el sistema de categorías y en cuyo contexto vamos a utilizarlo como técnica de medición.
Cuando desde el principio se toma como referencia una teoría explícita para determinar la estructura del sistema de categorías, entonces el proceso de construcción suele denominarse deductivo.
En muchas ocasiones, el sistema de categorías se va refinando a medida que se realiza la codificación, de forma interactiva, no serial. En estos casos, el proceso de categorización suele denominarse inductivo , ya que se parte de un registro no sistemático, generalmente narrativo, de los hechos, para llegar al sistema definitivo (lo que no significa que el registro previo se hiciera en un varío teórico, pues ya sabemos que esto no es posible
Tradicionalmente, se ha venido distinguiendo entre sistemas de categorización y sistemas de evaluación tales como las rating scales , en las que se asigna una puntuación a una conducta en función de cuestiones tales como su calidad o su intensidad. Se afirma que las rating scales implican juicios subjetivos por parte de los observadores, mientras que los sistema de categorías sirven para recoger simples observaciones. No
obstante, hay se considera que, a todos los efectos, el tratamiento de ambos sistemas puede ser idéntico, pues ningún juicio se halla exento de valoración par parte del observador, aun cuando la subjetividad esté más presente en unos casos que en otros. Desde esta perspectiva simplificada, la codificación de una conducta como presente (1) o ausente (0) se considera un caso especial de rating scale (1,0), y no una clase diferente. En cualquier caso, lo que debemos exigir de un sistema de categoráis, sea éste simple o complejo, es que los datos que nos suministre resulten fiables y válidos en el contexto del problema para el que fue construido.
1.. Validez y fiabilidad
Las definiciones de fiabilidad y validez son aplicables a cualquier tipo de datos, incluidos los medidos en una escala nominal. Obviamente, el análisis de los datos en unos casos y otros será diferente.
Las cuestiones de validez dependerán del marco teórico en el que se integre cada investigación, aunque haya quien pretenda que en la modalidad observacional la validez se dé por descontada: como en el resto de las áreas científicas, esto sólo ocurre cuando se utilizan medidas rutinarias. En esta modalidad, pueden considerarse medidas rutinarias los sistemas simples de categorías descriptivas muy enraizadas en el lenguaje ordinario cuya puesta a prueba suele consistir en un simple análisis de la concordancia entre los observadores, ya que no existen dudas sobre la interpretación de las categorías. Sin embargo, la puesta a prueba de códigos más complejos requiere un plan de investigación en el que se muestre no sólo que los datos recogidos son fiables, sino también que la interpretación que se les da es la adecuada en el marco teórico en el que están inmersos, es decir, que son válidos.
Una de las principales amenazas a la validez de los datos recogidos mediante observación se debe a los sesgos introducidos por la propia observación. El hecho de que aquellos a quienes se observa se comporten de manera diferente cuando saben que están siendo observado, especialmente cuando el observador es visible, esto es, el sesgo de reactividad, así como el sesgo introducido por las expectativas de los observadores, o sesgo de expectancia, pueden corregirse en la mayor parte de las situaciones restringiendo la información a unos y a otros. Claro está que no siempre es posible hacerlo, bien por motivos éticos – generalmente es necesario obtener el permiso de los observados –, bien por cuestiones puramente prácticas. Conviene asegurarse de que el procedimiento garantiza, en la medida de lo posible, unos datos libres de sesgo antes de proceder a la recogida de los mismos.
En cuanto a la fiabilidad, su estudio suele zanjarse con un apartado sobre la concordancia inter – observadores – de la misma situación, utilizando el mismo sistema de categorías –. Dos sellos de garantía de la observación sistemática son: a) El uso de un sistema de categorías predefinido. b) Observadores de reconocida fiabilidad.
