Y si se oye bien o no, vale, en principio vamos a hablar hoy de la segunda
parte del tema 2, nos quedamos en la página 70, vamos a repasar un poquito
la página 68. Vamos a repasar un poquito la página 68, donde había tres
tipos de variables que se denominaban en general una posible tercera
variable y que, bueno, pues me pedisteis un poquito aclaración sobre si
eran igual que la variable extraña o no, ¿vale? Bien, en un poquito para
arrancar desde la página 68, veíamos que las variables extrañas en
general son todas aquellas que no son ni la variable independiente ni la
variable dependiente, pero que pueden influir en la investigación. A veces
no las conocemos y a veces son así. Entonces, a partir de aquí, hay
variables extrañas que van a influir, que vamos localizando y podemos
incluso darles un nombre y descubrir o darles otro papel en la
investigación si nos interesa, ¿no? ¿De acuerdo? Entonces, por eso, en
la página 68, hacia la mitad nos habla de que, por ejemplo, un tipo de
variable extraña que podemos localizar y darnos cuenta de que está
afectando a la relación entre variable independiente y variable
dependiente, sería una variable extraña, una tercera variable, a la que
llamamos, una vez localizada, una variable de confusión. ¿Y por qué a
esa variable extraña la llamamos variable de confusión? Porque
descubrimos que los efectos, los efectos que pensábamos que eran a causa
de la variable independiente, sobre la variable dependiente, en realidad
están causados por esa variable extraña que llamamos de confusión porque
nos hemos dado cuenta, ¿y por qué la llamamos de confusión? Porque nos
hemos dado cuenta que esa tercera variable, esa variable extraña, es la
que produce el efecto sobre la variable dependiente, por eso la llamamos
variable de confusión. Es decir, que sería un tipo de variable extraña
que hemos localizado y que hemos descubierto que produce un efecto de
confusión, ¿no? El ejemplo que poníamos era, en una investigación que
el experimentador creía, que la soledad percibida producía o tenía una
relación con la edad de fallecimiento, pero luego se descubrió que
realmente era una confusión porque lo que producía un aumento en la edad
de fallecimiento, en cuanto a fallecimiento más temprano era si esa
soledad le llevaba a la persona... Sí, estoy en la página 68. En realidad
no era la soledad en sí la que causaba la muerte más temprana. Sino que
era esa variable de confusión que era cuando no te cuidas, cuando no haces
deporte, cuando no tienes un hábito de salud, etc. Es decir, no era en sí
la soledad porque tú puedes estar solo, pero luego si haces una vida sana,
si comes y te alimentas de forma sana, si haces deporte, no tienes una
muerte más temprana, ¿de acuerdo? Se descubrió que lo importante era que
la soledad no produjera una pérdida de hábitos de salud. Bien, a veces
hay variables que también están influyendo, ya en la página 69, que en
principio podían ser variables extrañas, variables poco conocidas,
variables que están influyendo, pero que localizamos su papel, las
identificamos, entonces ya dejan de ser extrañas porque ya hemos
encontrado que juegan un papel. Y cuando encontramos ese papel que juegan y
las incluimos en la investigación, las incluimos en la investigación,
dejan de ser extrañas porque ya juegan un papel y pueden ser de dos tipos,
¿de acuerdo? Pasamos a llamarlas variables mediadoras o variables que
vienen en la página 69, o variables moderadoras. ¿Qué diferencia hay?
Bueno, veis que la variable mediadora, según pone en la página 69, es la
que está mediando entre la independiente y la dependiente. Es decir, la
variable independiente y la variable dependiente en efecto están
relacionadas, pero a través de una tercera variable que se llama
mediadora. El ejemplo que poníamos... En la página 69 se pensaba que el
conflicto como variable primera independiente producía el conflicto en una
casa, producía consumo de drogas en jóvenes. Y luego el investigador
dijo, pero bueno, el conflicto ¿cómo produce consumo de drogas? Y
descubrió que había una variable intermedia. La variable mediadora que
era la autoestima. Si el sujeto a través de ese conflicto en la casa
tenía baja autoestima, era cuando consumía drogas, ¿de acuerdo? Es
decir, que todas estas variables son muy similares, se definen casi siempre
a posteriori. Yo creo que debéis intentar memorizar el ejemplo, los
ejemplos para ver lo que son. Son muy parecidas y depende de cómo se
definan en la investigación. Es muy difícil definirlas a priori. La
última ya, en la página 70, que nos quedamos ahí. Estamos repasándonos.
Sería la variable moderadora. ¿Vale? La variable moderadora está
también en medio entre la variable independiente y la variable
dependiente. Está también en medio. Entonces, ¿qué diferencia hay con
la anterior? Pues que la variable moderadora... No solo está en medio,
sino que además, como se dice aquí en la página 70, puede alterar, puede
alterar la relación entre variable independiente y dependiente. Puede
alterarla, puede cambiarla. Por eso se llama también efecto de
interacción. Puede hacer que se relacionen de forma diferente, ¿no? A
ver, esa variable moderadora, en el ejemplo que viene aquí es... La
relación inicial que el investigador había pensado es, a mayor número de
horas de estudio, mejores notas. ¿Vale? Pero luego se dio cuenta que, a
mayor número de horas de estudio, mejores notas en lengua. Y luego se dio
cuenta de que había una variable moderadora. Y es que efectivamente,
había dos... Esa variable era la inteligencia. El CI. La capacidad
cognitiva. Porque, efectivamente, descubrió que cuando se incrementaban
las horas de estudio, aumentaba la nota en lengua, pero sobre todo en
alumnos que tenían dificultades en cuanto a su CI, dificultades
intelectuales. A esos alumnos les venía muy bien dedicar más horas a
escribir, a estudiar, etcétera. ¿Por qué? ¿Por qué se alteraba la
relación porque los alumnos con un CI muy alto, que ya habían leído
mucho en su vida, que ya habían tenido mucha habilidad lingüística,
aunque se aumentara el número de horas de estudio, no tenían mejores
notas? Porque, de hecho, ya a partir de una hora o dos de estudio, ya ellos
sabían perfectamente escribir, sabían perfectamente identificar lo que
era el sujeto y el predicado, etcétera. ¿De acuerdo? Bueno, son tres
tipos de variables, de terceras variables, o variables extrañas que pasan
a jugar un papel de confusión, de mediación o de moderación. Son matices
y luego ya cuando vayamos viendo experimentos podemos ver si juegan un
papel mediador, moderador, pero bueno, es difícil de distinguir, ¿vale?
Vamos a ver el tema de la muestra, a partir de la página 71. Bien, a
partir de la página 71 se empieza a ver todas las cuestiones de método y
procedimiento. Entonces, lo primero más importante que vamos a ver hoy es
todo lo que se refiere a lo que es la población, la muestra y la unidad
muestral, que está en la página 71. Esos son conceptos básicos que vamos
a ver hoy, ¿de acuerdo? Bien, ¿qué es la población? A ver, la
población es todos los elementos, todos los individuos, que queremos
estudiar, que queremos, por ejemplo, queremos estudiar, en el ejemplo que
pone aquí, la población de mujeres trabajadoras, ¿vale? Todas las
poblaciones mujeres trabajadoras de España serían objetivo de nuestro
estudio. Queremos saber cómo están, cómo han accedido al trabajo, si
están en buenas condiciones, etcétera, ¿vale? Entonces, la población es
nuestro objeto de estudio, todo el conjunto de personas. Son personas que
van a ser objeto de nuestro estudio. ¿Cuál es el problema? Evidentemente
no podemos preguntar, si no sé cuántas mujeres trabajadoras habrá en
España, ¿no? Pero si hay, por ejemplo, yo qué sé, 10 millones, no le
podemos preguntar a 10 millones, entonces elegimos una muestra. La muestra
es una parte de esa población y la característica más importante es que
sea representativa, como ahora veremos. ¿Verdad? Esas mujeres que elegimos
para nuestro estudio representen bien la población. Y ahora vamos a ver
cómo, qué características deben tener, ¿no? Otro elemento importante,
hemos hablado de la población, todo el conjunto de individuos, la muestra,
aquellos que seleccionamos para preguntar y para ser objeto de
investigación, y en tercer lugar, la unidad muestral. Cada muestra se
compone de muchas unidades muestrales, de muchos individuos, generalmente
son personas, ¿no? Por ejemplo, yo hago un experimento con 10 personas.
Hago una encuesta con 100 personas. ¿Por qué lo llamamos entonces unidad
muestral? Porque no siempre son personas, que en la investigación los
vamos a llamar participantes, sino que también pueden ser grupos. Por
ejemplo, en el caso de la investigación, yo quiero estudiar el nivel de
estrés en las familias que tienen hijos con discapacidad. Entonces, en vez
de considerar la unidad muestral, la unidad de población, pues 100
individuos, pues elijo a 100 familias, ¿de acuerdo? Puede ser también,
quiero hacer una investigación con colegios, ¿de acuerdo? Con
universidades. Entonces, yo quiero hacer un estudio sobre la calidad de los
colegios españoles. Entonces, mi muestra... No sería 100 personas, sino
100 colegios, ¿vale? Entonces, tenemos población, todo el conjunto de
personas a las que voy a poder aplicar mi investigación, los resultados de
mi investigación, la muestra, los que selecciono para el experimento, para
la encuesta, para el estudio y la unidad muestral, cada uno de los
elementos de la muestra. En la página 72, abajo... Nos habla de las tres
características de la muestra. Claro, lo más importante aquí de este
tema, lo más técnico es ver cómo debe ser la muestra para que el estudio
sea adecuado. Lo primero, la muestra, aquí hay dos palabras abajo de la
página 72. La muestra debe ser representativa. ¿Qué significa que sea
representativa? Que comparte características con la población. Si yo de
la población, de mi población, que sería... Bueno, también lo puedo
dibujar aquí, a ver qué tal me sale. Perdón. A ver aquí. Si yo de mi
población... Bueno, si otro día, como me habéis dicho que si alguno
tiene el PDF, me lo puede mandar al correo. Aquí el libro, y voy
subrayando del libro lo importante, que también puede ser... Como yo
comenté que no tenía el libro en PDF, pero si lo tenéis alguno, porque a
mí me lo han dado en papel. ¿Vale? Entonces, si alguno lo tiene, ahora
pongo aquí mi correo y me lo puede mandar por correo. Entonces, la
población sería el conjunto y de ahí vamos a seleccionar, pues, 10 o 20
personas para un estudio. Eso sería la muestra. ¿Y cuándo es
representativa? Cuando las características... De esas... De esa muestra
son muy parecidas a las de la población. ¿Vale? Bueno, cuando no es
representativa, la llamamos una muestra sesgada. ¿Vale? Una muestra
sesgada es una muestra no representativa. Mirad. Otra característica es el
tamaño de la muestra. A ver, cuanto más grande sea la muestra... Mejor
será la investigación. Si yo hago una encuesta y tengo 200 personas,
¿vale? Aquí dentro, la muestra va a ser mejor si yo hago una encuesta
sobre la situación política en España y digo, la encuesta lo ha hecho
con 10 personas. Entonces, la muestra debe ser representativa, la muestra
debe ser grande y, sobre todo, pone aquí una característica. Si la
población es muy heterogénea... Si la población es muy heterogénea, la
muestra debe ser más grande. Imaginaros que quiero estudiar el efecto de
un medicamento para rebajar peso, ¿no? Bueno, normalmente eso se hace con
dietas, pero bueno, vamos a poner este ejemplo. Y tengo esta población,
¿de acuerdo? Esta es una población heterogénea. Hay personas con poco
peso, hay personas con sobrepeso, hay personas con sobrepeso, pero quiero
probar un medicamento. Entonces, como es una población heterogénea, ¿eh?
Heterogénea, tengo que seleccionar una muestra más grande. ¿Por qué?
Porque tiene que caber en mi muestra para que sea representativa diferentes
tipos de personas que hay, ¿vale? Mientras que si la muestra... Tengo que
incluir personas de varios tipos, ¿eh? ¿No? De varias formas, ¿vale?
Entonces la muestra debe ser más grande. Bueno, y la tercera
característica es que la muestra en el estudio ideal científico es que
debe ser aleatoria. Aleatoria, como sabéis, significa que estos sujetos
deben ser elegidos al azar, ¿vale? Entonces, muy sencillo, la primera
idea, la muestra debe ser representativa, el tamaño debe ser lo mayor
posible, sobre todo si la población es heterogénea... Y la muestra debe
ser aleatoria, escogida al azar. Esto tiene que ver con el tema de las
variables extrañas. ¿Por qué? Porque cuando influye una variable
extraña es cuando elegimos una muestra y los sujetos de esa muestra son
todos de las mismas características y, por tanto, el estudio no sería
representativo de esta población, solo valdría para las personas de esa
muestra. Imaginaros que tenemos... Esta población, ¿vale? Y yo elijo una
muestra sesgada, no representativa, que solo incluye personas, por ejemplo,
con bajo peso. ¿Vale? Y quiero probar un medicamento para bajar el peso.
Puedo encontrar unos resultados, pero a lo mejor esos resultados no son
generalizables a la población porque no hemos incluido aquí, hemos dejado
fuera... A estas personas con sobrepeso. Entonces, ¿cómo evitamos que
influya esta variable extraña? La muestra es poco representativa. Pues
eligiendo al azar, ¿qué esperamos? Que la muestra que hemos elegido
incluya personas con más peso, con menos peso, hombres, mujeres, solteros,
casados... Y todas las variables extrañas que puede haber en el mundo se
compensan por el azar. Es decir, al elegir las personas con más peso, las
personas con menos peso, personas al azar, lo que estamos haciendo es
compensar que haya personas de todo tipo y ninguna variable extraña de la
población predomine sobre otra. Bueno. ¿Cómo hacer esto? ¿Cómo elegir
esta muestra para que sea representativa? Pues veremos. El primer tipo de
técnicas en la página setenta y tres son las técnicas probabilísticas.
Que son las mejores. ¿Vale? Porque ya te digo que al elegir al azar vamos
a conseguir que la población se distribuya de una forma aleatoria con
todas sus características y estarán presentes todo tipo de personas.
¿Vale? Si yo elijo a dedo personas que pienso que pueden responder mejor a
mi medicamento porque ya de hecho son personas que se cuidan, que hacen
deporte... A lo mejor el resultado no es correcto porque no es tanto, ¿eh?
En este caso de esta muestra poco representativa no es tanto mi medicamento
lo que va a hacer el efecto sobre la variable pérdida de peso sino es que
ya he elegido una muestra predispuesta. Bueno. Si alguien me quiere mandar
para que yo ponga aquí el libro, si lo tiene en PDF o alguna duda, este es
mi correo de la UMA que es más fácil para mandarme cosas porque lo miro
más... Y es más rápido. ¿Vale? Aquí tenemos José Boyano. José, pone
Boyano con B y con Y. No sé si se ve muy bien. Arroba... Bueno, lo puedo
poner aquí. Es más rápido. José. Si tenéis alguna duda aquí también
es más rápido. ¿Vale? Arroba UMA.es. ¿Vale? Bueno, el libro se puede
pedir... Claro, se puede pedir aquí en la bienvenida. Si queréis lo
pregunto y se puede comprar aquí en la UNED también. ¿Vale? Si queréis
ahora lo pregunto y yo creo que se puede comprar. ¿Vale? Bueno, mirad. Se
puede comprar aquí porque tienen una librería que te lo mandan. Vamos,
que es todo a distancia. En la página 73 tenemos... La primera es la forma
más adecuada. Muestreo aleatorio simple. Esa es la forma más adecuada de
hacer un experimento. O sea, eligiendo una muestra de 100. Vale, pues al
azar. ¿Vale? Esa es la forma más sencilla. Simplemente al azar. Es la
primera. Pero, a ver, no siempre es posible. Y entonces tenemos que elegir
el muestreo, la número 2 que viene en la página 74. Tenemos que elegir el
muestreo aleatorio estratificado. Veréis por qué. Vamos a explicar esto
para que lo distingáis. Veréis. Vamos a suponer que... Vamos a estudiar
el ejemplo de este medicamento para reducir el peso, ¿no? Y tengo esta
población heterogénea. El muestreo aleatorio estratificado es para
poblaciones heterogéneas. Veréis. ¿Qué variables extrañas puede haber
aquí en esta población? Puede haber, por ejemplo, una población de
mujeres muy baja. Porque puede ser una población con menos mujeres, por
ejemplo. Porque estoy probando ese medicamento en determinada patología
que tiene menos mujeres. ¿Vale? Que serían estas. Tiene muchos hombres y
luego tiene muchos hombres, por ejemplo, mayores. Vamos a poner aquí.
Muchos hombres mayores, ¿eh? Que lo vamos a representar aquí por una
rayita. Toda esta población. La mitad de esos hombres que queremos probar
nuestro medicamento son mayores. ¿Vale? Entonces, si yo elijo al azar en
la población sin tener en cuenta las características de la población,
pues a lo mejor no pueden salir. Si yo lo elijo al azar, ¿eh? Si yo lo
elijo al azar, pues no pueden salir aquí para mi estudio. Cinco mujeres y
dos hombres jóvenes. ¿Vale? Entonces, si la mitad de mi población son
hombres mayores, esta muestra no sería representativa para probar mi
medicación. ¿Vale? Entonces, ¿qué hago? Cuando la población es
heterogénea, elijo, elijo una muestra. ¿Vale? Entonces, la muestra es
estratificada. ¿Vale? ¿Y qué es un muestreo aleatorio estratificado?
Pues pienso en qué, se llama estratificado porque pienso en qué partes
componen esa población. En qué estratos componen esa población. ¿Vale?
Por ejemplo, aquí diría, mi muestra debe contener, mi muestra debe
contener pues, por ejemplo, tenemos aquí que la población tiene pocas
mujeres, pues tiene que tener una proporción de hombres mayor a la de
mujeres. ¿Vale? Entonces, vamos a sortear. Si sorteo dos mujeres, ¿eh?
Tengo que tener, por ejemplo, seis hombres para mantener esta población
sesenta, cuarenta. La mitad, esos seis hombres, la mitad van a ser mayores,
y la mitad van a ser jóvenes. ¿Vale? Entonces, ¿qué hago? Que con el
muestreo aleatorio, y esto, ¿por qué se llama aleatorio? Porque estas dos
mujeres sí las sorteo, aleatoriamente. Estos tres hombres mayores los
elijo al azar. ¿Vale? Y estos tres hombres jóvenes los elijo al azar.
¿Vale? Estos criterios, cuando tú estás haciendo estos criterios de
decir qué partes tiene que tener la muestra, hombres, mujeres, mayores,
jóvenes, estos se llaman criterios de afijación de la muestra. En vez de
llamar de fijación de la muestra, se llaman de afijación. ¿Vale? Si os
preguntan, ya sabéis que se refiere a cuántos estratos tiene que haber,
afijación. ¿Cuántos estratos tiene que haber? Y qué parte es, cómo
debe ser cada uno, mayor o menor. Cuando este, cuando el criterio de
afijación de cada estrato dentro de la población se llama un muestreo de
afijación proporcional. ¿Vale? Y en el apartado C viene ya el
refinamiento máximo, que esto ya se hace en estudios muy, muy cuidados, al
final de la página 74, que dice cuando el criterio de afijación es
óptimo, no sólo se tiene en cuenta la proporción de hombres y de
mujeres, de mayores y de jóvenes, sino también se tiene en cuenta la
cantidad de mujeres que tienen en cuenta. Una última cosa ya, pues lo más
refinado de todo, ¿no? Por eso dice que es una muestra con un criterio
óptimo, que es tener en cuenta también si los hombres mayores, los
hombres jóvenes y las mujeres son más o menos heterogéneos. Cuando esos
subgrupos sean más heterogéneos, meteríamos a más individuos en la
muestra. Bueno, en la página 75 tenemos la última, el último tipo de
muestreo que viene aquí arriba de la página 75, que es el muestreo
aleatorio por conglomerados. ¿Qué significa? Es igual que el primero, que
el muestreo aleatorio, que vimos en la página 73, pero en vez de elegir al
azar individuos, los conglomerados que se eligen al azar son grupos.
¿Vale? Por ejemplo, voy a hacer un estudio en Málaga de mi método, mi
técnica de estudio y quiero elegir colegios al azar. En vez de elegir
alumnos al azar, elijo colegios al azar. Ese sería un muestreo aleatorio
porque los elijo al azar, los sorteo entre todos los que hay en Málaga,
pero en vez de sortearlo entre alumnos, los sorteo entre colegios. Entonces
lo llamamos aleatorio por conglomerados. Bueno, un poco viene aquí una
distinción que es sencillo de acordarse. Monoetápico es cuando se
selecciona la muestra en una etapa y polietápica cuando se selecciona la
muestra a lo largo de varias etapas. Aquí pone Ramos, profesor, ¿el ABC
que pertenece al estatificado? Es que no... ¿Puedes aclarar un poquito
más la pregunta? ¿El ABC? Ah, ya, aquí, en la página 74. Sí, sí, sí.
Sí, sí, esos son tres criterios. Sí, vale. Sí, sí. Ramos, mira, el
simple, el proporcional y el óptimo son tres formas de hacer una muestra
estatificada. ¿Vale? La simple sería simplemente decir, por ejemplo, en
el ejemplo que estoy poniendo en la pizarra, ¿no? La simple sería decir,
pues, por ejemplo, como hay mujeres, hombres mayores y hombres... Pues
selecciono tres hombres, tres hombres mayores y tres hombres jóvenes. Eso
sería por estratos, pero simple. Proporcional sería, como mujeres hay
menos, pues simplemente dos mujeres, tres hombres mayores y tres hombres
jóvenes. ¿Vale? ¿Qué diferencia hay? Que ya he calculado la proporción
de mujeres que es menor en mi estudio. ¿No? Y óptimo, que además tengo
en cuenta, si las mujeres, por ejemplo, fuera un grupo muy homogéneo, pues
incluso a lo mejor con una es lo suficiente. Bueno, con una es muy poco,
pero bueno. Si las mujeres fueran muy heterogéneas, diría, pues, el
criterio óptimo sería a más a más, ¿vale? Para afinar más, ¿no?
Luego, a partir de la página 75, ¿se podrían hacer aleatorio
estratificado por conglomerados? Sí, también, claro. Pero bueno, de
momento vamos a quedarnos con los conceptos así, porque tú podías decir,
por ejemplo, ¿qué elijo? ¿Un colegio privado o un colegio público? A
ver, entonces yo tendría que pensar en la población de Málaga. Si en
Málaga hay la mitad y mitad, pues podría escoger la mitad público y la
mitad privada. Pero a lo mejor si en Málaga hay dos, diez por ciento de
privados y ochenta de públicos, pues entonces en mi muestra, pues podría
escoger un colegio privado y veinte públicos, ¿vale? Eso sería
estratificado por GOM. Bueno, y la última es, en la página 75, los
muestreos no probabilísticos, ¿vale? Vale. A ver, esto se puede, viene en
la página 76 los diferentes tipos. Esto es muy sencillo, muy sencillo de
resumir. La óptima no la he entendido. Bueno, sí, la óptima sería
porque tú, a ver, en el ejemplo que he puesto en la pizarra, ¿no? Hemos
dicho, las mujeres son un treinta por ciento de tu población, ¿vale? Los
hombres mayores son otro treinta por ciento, ¿vale? Y los hombres jóvenes
otro treinta por ciento. Bueno, eso sería un muestreo. Eso sería un
muestreo estratificado. Y sería proporcional, porque estás teniendo en
cuenta la proporción en la población que hay aquí de mujeres, de hombres
mayores y de hombres jóvenes, ¿vale? ¿Qué sería óptimo? Cuando tienes
en cuenta un criterio más todavía, que es que tú puedes decir no sólo
que hay treinta por ciento de hombres mayores, sino que tú puedes decir,
sí, pero es que los hombres mayores son otro treinta por ciento de hombres
mayores que hay aquí, son muy heterogéneos, porque es que algunos tienen
setenta años y otros tienen ciento veinte, ¿vale? Algunos tienen una
enfermedad metabólica y otros no. Si se une, si también tienes en cuenta
la heterogeneidad, podrías pensar, para que sea representativo mi estudio,
tengo que incluir no sólo hombres mayores de ciento veinte, de setenta,
sino también hombres mayores con diabetes y hombres mayores, por lo tanto,
aunque sólo sean el treinta por ciento, incluyo más gente, ¿vale? Porque
es una población más heterogénea. Entonces, cuando se tiene en cuenta,
además de la proporción, la heterogeneidad del estrato, lo llamamos
criterio óptimo de afijación, ¿vale? Es como un refinamiento de
afijación. En caso del muestreo de cubotas de la página 76, sería el
primero que viene en la página 76, esto es mucho más sencillo. Sería el
primero de los no probabilísticos. Entonces, ¿por qué, si estamos
diciendo que es tan importante distribuir al azar, por qué hacemos un
muestreo no probabilístico? Porque, a ver, a veces encontrar una
población es muy difícil, ¿eh? Imaginaros que queréis hacer un estudio
luego de psicología social de una población, pues, de gente marginal,
¿eh? Por ejemplo, de personas que están sin hogar. Sin hogar, sin casa.
Entonces, no es tan fácil, a ver, encontrarlos y que participen. Entonces,
tienes que utilizar alguna, por ejemplo, o quieres estudiar una población
de unos indígenas o de unos inmigrantes que están sin papeles y que no
están a tu disposición para que tú, igual que los niños que están
escolarizados, ¿vale? Entonces, tienes que recurrir a la gente que tienes,
vamos a decirlo más a mano. Y entonces entran los criterios no
probabilísticos. Vamos a llamarlo así. Entonces, por ejemplo, arriba
tenemos, por cuotas. ¿Cuándo yo hago un muestreo por cuotas? Cuando yo
elijo como investigador los individuos que pienso más representativos,
¿no? Por ejemplo, por ejemplo, imaginaros ahora que hay muchos estudios de
ONG sobre mujeres, por ejemplo, que trabajan en la prostitución. Se quiere
hacer un estudio psicosocial, ¿no? ¿De qué condiciones trabaja? Y
entonces a mí me interesa, yo digo, bueno, pues es que no tengo una
asociación donde acudir, donde sortear mis... Entonces, ¿qué elijo? Pues
digo, el muestreo por cuotas sería decir, yo como investigador, ¿cuáles
creo que son las más representativas? Pues, por ejemplo, puedo coger
mujeres africanas inmigrantes sin papeles. Voy a coger tres, ¿vale?
Mujeres africanas inmigrantes sin papeles. Voy a coger tres, ¿vale?
Mujeres norteafricanas africanas, por ejemplo, sin papeles también. Voy a
coger otras tres porque me parecen representativas, ¿eh? Porque han
acudido a la Cruz Roja o a mi ONG. Y luego voy a buscar tres mujeres
españolas que, por ejemplo, trabajen también y que han acudido a la Cruz
Roja, ¿vale? Pues yo defino tres cuotas, pero lo elijo yo. No es al azar,
sino por lo que yo conozco, ¿no? Como investigador. En la siguiente guión
tenemos el muestreo que dice aquí, intencional, y dice también
opinático, de juicio, de selección experta. Pues ahí es el investigador
el que dice, a ver, yo sé que esta persona, ¿eh? Esta persona es muy
representativa porque conozco a esa chica, ¿eh? Que es una trabajadora que
me ha comentado los problemas, que tiene una asociación y que conoce muy
bien los problemas de esas mujeres inmigrantes que se han dedicado a la
prostitución. Por lo tanto, yo lo elijo. No en absoluto al azar, sino
diciendo, esta persona puede proporcionarme unas buenas respuestas de cómo
es su situación, ¿de acuerdo? Es opinático. Yo opino que son todos muy
parecidos, ¿eh? Por eso esto es fácil de estudiar. El incidental causal
subjetivo de conveniencia, ¿eh? Son casos que tengo disponibles. Por
ejemplo, yo. Yo, por ejemplo, no tengo... No tengo ningún conocimiento de
ninguna persona que, pero, que esté sin hogar, pero sí sé como
voluntario de la Cruz Roja, voy por la noche a repartir bocadillos o
medicinas a gente que está sin techo. Pues sería, digo, voy a hacer una
encuesta a esa gente de qué necesita, ¿vale? Sería casual lo que yo me
encuentre. Y por último, de bola de nieve o de cadena. Yo puedo conocer a
una o dos personas, pero y entonces yo le puedo decir, mira, como tú
conoces a más, preséntame a más gente que pueda participar. Que sería
bola de nieve, ¿vale? Entonces eso está resumido en el cuadro 2-4 y no
habría problema. El otro concepto así más complicado, a partir de la
página 78, sería el del análisis de datos. ¿Veis? Una vez que ya hemos
seleccionado la muestra y aplicado nuestro instrumento, vamos a recoger los
datos y en la página 78 pone que a partir de aquí lo que vamos a hacer es
buscar regularidades y representarlas mediante la estadística descriptiva.
¿Qué significa eso? Pues por ejemplo, la media, una regularidad sería la
media. El estado de salud media de una persona sin hogar. ¿Vale? El
índice de enfermedad en medio de una persona sin hogar. Eso sería
estadística descriptiva. Y luego, se pueden obtener resultados que nos
permitan hacer predicciones de cara al futuro y para eso tenemos que
utilizar una estadística que se llama inferencial, que ya no es la media,
sino que ya utilizaremos procedimientos estadísticos más sofisticados.
¿Vale? Ya no es la media, ya no es la desviación típica. Ahora veremos
algún ejemplo. Sí, en la página 78. Mirad, en la página 79 viene
explicado pues de qué dependen las pruebas estadísticas que vamos a
utilizar. Pues por ejemplo, el nivel de medida de las variables. Por
ejemplo, si las variables son nominales, por ejemplo, son hombre o mujer,
pues podemos hacer solamente un nivel de medida de las variables. Y luego,
si las variables son nominales, pues podemos hacer solamente porcentajes.
Por ejemplo, si decimos, vamos a ver cuál es la proporción entre hombres
y mujeres de la fibromialgia. Pues si los datos que recogemos es si es
hombre o si es mujer, podemos decir, pues hay un 70% de... ¿Qué pensáis
que hay? ¿Más mujeres que padecen fibromialgia o que habría más hombres
diagnosticados? Podremos decir, hay un tanto por ciento de hombres y un
tanto por ciento de mujeres. El diseño de investigación también influye
en la posibilidad de hacer un análisis estadístico. En el experimento
típico se comparan dos grupos. Se comparan dos grupos. Por ejemplo, el
grupo que ha recibido la enseñanza tradicional frente al grupo que está
aprendiendo inglés con una enseñanza nueva. Y se compara cuál sabe más
inglés. Entonces, utilizaré el Y tenemos una medida de comparación de
grupos que ahora veremos más adelante en el tema que se llama TEDxCODEN,
¿vale? Que sirve para comparar dos grupos. Y finalmente, las
características de los datos. Cuando la muestra que hemos cogido y la
población que hemos cogido se distribuye todo muy bien, muy
homogéneamente, utilizamos un análisis que se llama paramétrico. Y si la
muestra es muy heterogénea, se distribuye muy aleatoriamente, muy
regularmente, es muy dispersa, utilizamos un análisis que se llama no
paramétrico. A ver, seguramente que si cogéis luego una asignatura que se
llama en la UNED, si pasamos a la página 80, diseños de investigación y
análisis de datos, vais a volver a ver todo este tipo de datos que hay en
la página 80 y 81. Vamos a intentar explicar, como viene aquí, lo que es
el contraste de hipótesis, ¿de acuerdo? A ver, ¿qué es el contraste de
hipótesis? Hemos dicho que si utilizamos dos grupos en el típico estudio,
dos grupos, y esos dos grupos queremos ver si uno es mejor que otro porque
uno ha tenido un medicamento y otro no, porque uno ha tenido una técnica
de estudio y otro no. Tenemos que compararlo. ¿Qué es el resultado de los
dos grupos? ¿Vale? ¿Qué pone aquí? Que para contrastar esa hipótesis,
la diferencia entre dos grupos se utiliza una prueba estadística que se
llama T, T de Student, que viene aquí en la página 80. ¿Y qué resultado
nos puede dar? Dos resultados que ya lo hemos comentado en temas
anteriores, siempre. Primer resultado, ¿no? Los dos grupos son iguales. Es
decir, el tratamiento no ha dado resultado porque los dos grupos, hemos
dado el medicamento, por ejemplo, para bajar peso y los dos grupos pesan
igual. ¿Vale? Hemos dado la técnica de estudio y los dos grupos sacan la
misma nota media. Entonces, no hay diferencia entre los grupos. Mi
experimento, vamos a decir entre comillas, no ha dado resultado positivo y
ese resultado… Aquí veis que la página 80, a nivel técnico, lo llama
hipótesis nula. H sub cero. ¿Vale? ¿Y cuándo? ¿Cuándo? Mi tratamiento
ha dado resultado y uno de los grupos tiene un resultado mucho mejor, saca
muchas mejores notas, baja mucho más peso. La prueba que dice, uy, el
experimento ha sido un éxito, hay una gran diferencia entre los grupos.
Este resultado lo llamamos H sub 1 o lo llamamos también hipótesis
alternativa. Bueno, entonces, pues eso es una cosa básica. H sub 0, no hay
diferencia entre los grupos. H sub 1 o hipótesis alternativa, hay
diferencia entre los grupos. Uno es mejor que otro. ¿Vale? H sub 1 y
estamos completamente seguros que el método es seguro. No, porque el
científico nunca asegura algo al cien por cien. Siempre deja un margen de
error. ¿Vale? Siempre lo que afirma… En la parte de abajo de la página
80 lo afirma con un nivel de confianza. ¿Cuál es ese nivel de confianza?
Pues lo afirma al 95% y entonces te dice, estoy un 95% seguro de que este
tratamiento es eficaz. ¿Vale? De que esta técnica de estudio es eficaz. O
la segunda opción, te dice, estoy seguro al 99% de que este tratamiento es
eficaz. Tiene esos dos niveles de confianza la afirmación científica del
experimento. Seguro al 95% o seguro al 99%. ¿Vale? Nunca al cien por cien.
Nunca. Entonces, cuando yo digo, estoy seguro al 95%, quiere decir asumo
que puede haber un 5% de casos que no dé resultado, que haya error.
¿Vale? Y si yo digo que estoy seguro al 99%, asumo que puede haber un 1%
en que me equivoque, de posibilidades de que me equivoque, de que eso no
dé resultado. ¿De acuerdo? En principio es sencillo de entender. Se llama
nivel de confianza al 95% o 99%. ¿Vale? Y si yo digo que estoy seguro al
99% de seguridad, y se llama nivel de riesgo al 5% o al 1% de posibilidad
de error. Se llama nivel de riesgo o nivel de significación alfa. Que lo
tenéis abajo también en la página 80. ¿Vale? Y lo que tenéis ya en la
página 81 en la tabla es un poquito el resumen de lo que puede salir en un
experimento. Normalmente, encima de la tabla verde, tienes que el nivel
alfa de probabilidad de error del 5% se denomina, se transforma en
centésimas, sería 0.05. Y el nivel de error de 1% se transforma en
centésimas y sería alfa o nivel de error de 0.01. Entonces, si yo digo
que estoy seguro en mi experimento, ¿qué tiene que ocurrir? ¿Qué
resultados tengo que tener en mi experimento para poder estar seguro de que
el experimento ha salido bien? Si miráis la tabla, ¿vale? La prueba
estadística lo que me dice es que para que mi nivel de error sea pequeño,
si yo quiero hacer la afirmación con un nivel de error del 5% o de alfa
0.05, en mi experimento me tiene que salir un error menor. ¿Vale?
Entonces, en términos matemáticos, si mi error es menor del 5% o de 0.05,
si yo obtengo un error mejor menor del 5%, puedo decir que mi experimento
ha sido un éxito y entonces la conclusión que veis a la derecha, en la
tabla verde pone rechazo, que son iguales y acepto que son diferentes.
¿Por qué? Estoy seguro de que mi error es menos del 5%. Entonces, lo
puedo afirmar tranquilamente. Bueno, eso lo veréis también en análisis
de datos. Y ya la última parte nos queda menos tiempo, pero realmente es
más sencilla. Veréis. En la página 84 viene el tema de la ética a
partir de aquí. Yo lo voy a comentar así en general en los 10 minutos que
quedan. Lo leéis y si tenéis alguna duda me la preguntáis el próximo
día. Veréis. El principio viene que la ética, el documento más
importante empieza a partir del 47 por el código de Nuremberg, porque
sabéis que en Nuremberg se juzgó el tema de los experimentos de los nazis
de Joseph Mengele en el campo de Auschwitz y entonces se llegó a la
conclusión de que los experimentos científicos nunca podrían causar
daño. Y a partir de ahí se empezó la Asociación Americana de
Psicología, que se llama APA. La Asociación Europea de Psicología, que
se llama EFPA. La Asociación Británica. Empezaron a generar códigos
éticos de investigación, ¿no? También las entidades médicas, ¿no? Por
ejemplo, aquí en la página 85 pone que antes se llamaba... Tenemos cinco
sujetos. Y ahora ya no se llama sujetos del experimento, se llama
participantes en el experimento. ¿Vale? Es como darle más dignidad, ¿no?
En la página 86 tenéis algunos principios generales de la APA, ¿no? Esto
lo podéis leer, pues simplemente no tiene tampoco mucho... Es muy sencillo
de comprender, ¿no? Por ejemplo, la APA dice beneficencia y no
maleficencia. Es decir, el psicólogo tiene que procurar causar el bien y
no hacer daño a las personas, ¿vale? Fidelidad y responsabilidad. Claro,
debe ser responder a la confianza de la gente y ser responsable, ¿no? La
C. Debe tener integridad, honestidad. Es decir, el psicólogo no puede
engañar a la gente, ¿vale? Justicia. Debe procurar respetar los derechos
de todas las personas por igual, ¿vale? El derecho a la sanidad de todos
por igual. La E, por ejemplo, que ya está en la página 87, ¿no? Respeto
por los derechos... Respeto por los derechos de las personas y su dignidad,
¿vale? Es decir, cada vez respetamos más el derecho de la persona a
salvaguardar sus datos, con las leyes estas de privacidad, de
confidencialidad, que en España pues tienen mucha preponderancia en los
últimos años. Todas las personas tienen derecho a ser informadas y ahora
veremos que, ya lo vemos en todas las series médicas, que antes de
cualquier acto médico, igual que en Estados Unidos por parte de la APA y
en España y en Europa, en todos los países civilizados, antes de
cualquier acto médico hay que informar al paciente, al participante y
pedirle su consentimiento. Se le informa, mire usted, el tratamiento va a
consistir en tantos días, va a consistir en tantas fases, va a implicar
estos riesgos. ¿Quiere usted hacerlo? ¿Consciente usted? Y ese
consentimiento informado forma parte de la práctica médica y
psicológica. Ya digo, sobre todo a partir de después de la Segunda Guerra
Mundial, después de comprobar todas las barbaridades que se hicieron. A
partir de aquí en la página 89 tenéis un poquito descrito ese
consentimiento informado, ¿vale? Las partes que debe tener, que son
sencillas, ¿no? Donde se explica qué vas a investigar. ¿Qué
consecuencias puede tener? ¿Qué cosas podéis recalcar un poco más? Por
ejemplo, en la página 91 viene la diferencia entre privacidad, anonimato y
confidencialidad. Vamos a ver un poquito esa diferencia. A ver, privacidad
es que hay ámbitos de tu vida personal, que son privados, y tú puedes
negarte a contestar. Entonces te deben advertir en una encuesta previamente
si tú quieres contestar sobre eso. Por ejemplo, una persona por la calle
te dice, ¿quiere usted responder a una encuesta? Sí, vale. Y entonces
empieza a preguntarte cosas, pues al principio responde, ¿no? ¿Dónde
vive? Pues tal. ¿Usted qué edad tiene? Pues tal. ¿Hace deporte? Pues
sí. Y en un momento dado empiezan a preguntarte, a preguntarte cosas de
tus creencias, tu religión, tu vida privada. Pueden preguntarte sobre
aspectos muy personales, como la sexualidad. Entonces, todos los
participantes tienen derecho a no dar a conocer esa información. Tú
tienes derecho a partir de ese momento a decir, perdón, esto es privado,
yo no quiero seguir contestando, ¿vale? Y es más, usted me tendría que
haber advertido que me iba a preguntar sobre aspectos privados, ¿vale? Si
la encuesta, si la investigación incluye aspectos personales, hay que
advertirlo antes. Eso sería la privacidad. Respetar el derecho a la gente
a no contestar temas personales. Segundo, el anonimato. ¿Cuándo se
garantiza el anonimato? Cuando no se le pide el nombre. ¿De acuerdo? Si no
le pides el nombre... Le garantizas el anonimato, porque le dices, usted
conteste, no le voy a pedir el nombre. Esto va a ser anónimo. ¿De
acuerdo? Y la confidencialidad, que es cuando tú sabes el nombre, porque
es un paciente tuyo, entonces no hay anonimato. Es un paciente que sabes el
nombre, pero le aseguras que ese dato va a ser confidencial y no lo vas a
comunicar a nadie. Se va a quedar... Anonimato confidencial. Existe, no es
un estudio anónimo. Imaginaros que participáis en un estudio, por
ejemplo, siendo un paciente de un hospital. Entonces, no te pueden
garantizar el anonimato porque ellos saben cómo te llamas. Pero sí la
confidencialidad. ¿Vale? Sí, que ese nombre no va a salir nunca del
hospital. Nunca del registro sanitario. Eso sería la confidencialidad.
Mirad, en la... En la... Voy a leer tranquilamente, ya más despacio, más
relajados. Porque ya la página 93 viene hablando un poquito de la
importancia de no engañar en la investigación. Hay un experimento muy
famoso, que es el de Milgram, donde se les engañaba a los sujetos y mucha
gente lo ha criticado. En psicología social lo veréis porque se obligaba
a la gente a... Se le decía a la gente que dieran un castigo, pero era
mentira, a otra persona cuando se equivocara y que le dieran un choque
eléctrico de varios... De un voltaje alto. Se le decía, si este paciente
se equivoca, tú le das un choque eléctrico. Era un experimento para ver
si la gente hacía caso. Y castigaba a otros siguiendo, pues, la directriz
de un jefe. Bien, en ese experimento se les engañó, puesto que se les
dijo, vas a dar un... Un castigo a una persona y no se les dijo que era
mentira. En realidad no recibían el choque eléctrico. Pero ese
experimento recibió muchas críticas y entonces siempre se considera que
el engaño se debe intentar evitar en la investigación psicológica. Y si
es necesario, luego se debe hacer una entrevista para que la gente
comprenda que ha sido necesaria... Y que, como ha sido necesario, se le
advierte al final que se le va a decir la verdad y por qué era importante
el engaño. Este experimento de Milgram lo veréis en Psicología Social si
no lo habéis visto ya, ¿no? Porque es súper famoso, súper conocido,
entonces no lo comento. Y entonces, ¿qué se hace después? En la página
94 tenéis esa entrevista de salida, de briefing, que se hace para que
cuando ha habido algún elemento negativo en una investigación por
necesidad, por ejemplo, un engaño, por ejemplo, si tú haces una sobre el
estrés y pones unas escenas estresantes de una película para comprobar si
aumenta o disminuye la tensión de los sujetos, la entrevista de salida
quiere decir que tú le aseguras al sujeto que le vas a ayudar si sigue
tenso, que lo vas a relajar, que le vas a explicar todo por qué ha sido,
¿vale? Es como un poquito tranquilizarlos después del experimento. Ver
que no se ha producido ningún daño, a raíz del experimento, etcétera,
¿vale? A partir de la página 95 tenéis la investigación con animales
que ya se explica en la página 96 que siempre sabéis que con animales
pues también se han hecho experimentos bastante poco éticos donde se les
ha causado dolor y ahora lo que la APA exige, lo que los colegios de
psicólogos exigen es que siempre se intente evitar al máximo el dolor En
operaciones que se utiliza anestesia, que se cuide la salud de los animales
por encima de todo como si fueran seres con derechos, ¿vale? Esto es un
poquito el progreso. Y ya por último, el punto último sería la ética en
la publicación y difusión de resultados donde se explica un poquito que
el experimentador, el psicólogo o la psicóloga siempre deben ser
sinceros, no exagerar nunca, siempre ser honestos y no exagerar nunca. Y
nunca inventar. ¿Qué os puede afectar más a vosotros como estudiantes de
lo que hemos dicho? Nunca poner el nombre de un paciente en una prueba,
¿vale? Nunca poner el nombre en un estudio de casos, siempre se ponen
iniciales o códigos o números, ¿vale? Nunca el nombre del paciente,
nunca el nombre del sujeto, nunca. Aunque sea un test de personalidad que
te has hecho tu primo. Pones test de personalidad hecho al participante 12,
¿vale? O a h.o. Y la última en la página 99, el plagio. Siempre que
hagáis un trabajo, citar la fuente, ¿de acuerdo? Bueno, con esto quedamos
para la semana que viene para el tema 3, ¿vale? Saludos a todos y buena
semana. Adiós.