EL ADN DEL DATO CUANTITATIVO SU SENTIDO Y CONSTRUCCIÓN EN INVESTIGACIÓN SOCIAL

Capitulo 1 descifrando el ADN del dato: su construcción en la investigación social y

educacional

1.1 lo que se entiende por dato

El dato es una producción o construcción de mayor o menor complejidad realizada por el

investigador, que resulta de la interacción entre el sujeto que investiga, el sujeto que proporciona
la información y el marco paradigmático y metodológico desde el cual se sitúa la investigación. El
dato es el resultado de un proceso de elaboración o construcción. Hay que interrogarse el
propósito y pertinencia de estas con relación a la intencionalidad del estudio. En la construcción
de dato se reconoce la intervención del sujeto que proporciona la información y su contexto
social, la matriz epistemológica en la que se inscribe el estudio y las características propias del
quien investiga.

El dato como resultado de un proceso de construcción del mismo se pude mencionar la

intervención del instrumento o técnica de recogida de datos, los presupuestos teóricos, filosóficos
o de procedimiento , donde se desarrolla el trabajo investigativo, los fines perseguidos (objetivos),
el modo en que enfoca el problema, la concepción del investigador acerca de la realidad social, su
adscripción a algún paradigma de investigación, los mecanismo de percepción del investigador
(expectativas previas, etc.) la forma de lenguaje en que se plasma el contenido informativo del
dato ( expresión verbal o numérica) La concepciones teóricas no solo influyen en el modo de
explicar o interpretar los datos sino que de determinan que vamos a considerar dato.

1.2 la función del dato:

a) Para el dato cuantitativo: habitualmente recogido o construido a partir de la realización de

encuestas, la función es convertirse en un insumo (tangible medible) para la verificación de
teorías, contrastándolas con la realidad mediante la deducción, persiguiendo regularidades y leyes
generales en los hechos estudiados.

B) Para el dato cualitativo: generalmente producido a partir de registro de entrevistas o de

observación etnográficas u otros dispositivos, su función primordial es constituirse en fuente de
significados otorgados por el sujeto así mismo y a su entorno, contribuyendo a la construcción de
teorías a partir de la realidad mediante la inducción.

Ambos datos se constituyen en medios y no fines para la producción de conocimiento, en el dato

cuantitativo su función lo liga fundamentalmente con las hipótesis en una investigación.

1.3 la especificidad de la estructura del dato:

La estructura del dato cuantitativo es: Unidad de análisis

Variable (estadística) o variable de nivel empírico (indicador de la variable teórica)

Valor (resultante de la medición).

Por ejemplo: situación socio económica: unidad de análisis, el jefe de hogar; variable estadística,
ingresos familiares; valor, la respuesta alto, bajo, medio.

La estructura del dato: unidad de análisis

Variable

Valor

Indicador (involucra la operación implicada en el cálculo del valor).

El ADN del dato cuantitativo está conformado por una serie de eslabones que interactúan entre sí
de modo progresivo que se origina en la unidad de análisis (observación) asociado a variables de
investigación o teórico (constructo) terminado en las operaciones (valor).

1.4 clasificación de los datos según su fuente:

Nada impide utilizar datos de fuentes primarias como secundarias (fuentes mixtas) si así lo amerita
la situación de investigación. Se debe tener atención con los datos de fuentes secundarias, y saber
de dónde vienen, el propósito a que respondía, quien recoleto la información, con que
metodología, fecha y otros. Ya que puede presentarse la no adecuación de la información pues
puede estar incompletos o haberse recogido con otros propósitos. Hay que velar por la pertinencia
y calidad de las fuentes. Hay que ser conscientes de quien participa de esta construcción del dato,
ya que se podría estar utilizando fuera de contexto.

1.5 representación de los datos cuantitativos en una matriz:

Al analizar los datos, estos se pasan a una matriz en la cual es establece una relación entre las
variables estadísticas o indicadores de la variable de investigación (edad, sexo) y las diferentes
unidades de análisis (jefes de hogar, apoderados). Ejemplo de matriz SPSS.

1.6 característica de un buen dato:

a) objetividad: que sea producto de un proceso riguroso y reflexivo de creación, siendo consientes
de la propia postura (ética, ideológica).

b) Confiabilidad: que el dato refleje fielmente las características del objeto o fenómeno al que
hace referencia, independiente de quien sea el investigador.

c) Validez: que presente correspondencia con su fundamentación teórica y con los propósitos de
estudios que le dieron origen.

d) Claridad: que sea cristalino de la información que proporciona.

e) Representatividad: que posibilite su generalización en el caso de provenir de una muestra.

f) Exactitud: que el dato presente una precisión o proximidad con el valor real que da cuenta.
g) Visibilidad: que se constituya en un elemento perceptible de la realidad y por tanto susceptible
de medición.

h) Integralidad: que el dato junto a otros, contribuya de manera exhaustiva el acceso de una visión
pluridimensional del fenómeno en estudio.

i) Eficiencia: que presente una adecuada relación costo beneficio en términos de recursos
humanos, financieros y tecnológicos que justifiquen su construcción.

Capitulo 2 el dato cuantitativo y el proceso de medición

2.1 proceso de medición:

Para identificar el sentido del dato cuantitativo necesariamente hay que remitirse a la teoría de la
medición y su expresión más concreta la operacionalización y definición de variables, lo
precedente posibilitara el verdadero ADN del dato. Hay que romper con la ingenuidad de que la
metodología cuantitativa en su carácter de objetiva y valida sin considerar la intervención de los
investigadores con sus juicios y prejuicios. Como es difícil separar el dato de la medición, la
pregunta referida a que se mide, alude a aspecto materiales (condiciones de la vivienda, ingresos)
en inmateriales de la realidad (opiniones, actitudes) estos ultimo a partir de las conductas
exteriorizas de los sujetos, de modo de dar cuenta acerca de su intensidad cantidad, duración y/o
frecuencias.

Medir implica asignar números a las propiedades de los sujetos o cosas. En este sentido es
necesario aclarar que el numero no es la persona o sujeto de estudio, sino más bien una propiedad
o característica de este, con relación a la magnitud, grado, o forma en que se posee. La medición
cumple las funciones de describir empíricamente los fenómenos, en estos casos sociales y
educativos, posibilitar el análisis de los datos y la prueba de hipótesis y de teorías.

2.2 las teorías de medición:

Desde la teoría clásica: es posible asignar números a la cantidad o magnitud en que un objeto
posee una determinada propiedad. Ser requiere una unidad de medida. No debe confundirse
magnitud con cantidad. La magnitud es la propiedad y la cantidad cuando de eso tiene la
magnitud.

Desde la teoría representacional: medir corresponde a la asignación de números de acuerdo a una

determinada regla con relación al nivel de medición de la variable como consecuencia de la
definición, concepción y operación. No se requiere de unidad de medida.

2.3 tipos de variables de acuerdo a los niveles de medición:

Nominal: los datos nombran o categorizan, en este caso las categorías no tienen orden ni jerarquía
solo indican diferencias respecto de sus característica o atributos: ej. El estado civil.

Ordinal: los datos pueden ordenarse en base a algún criterio. Es así como además de realizar
operaciones de igualdad o diferencia en el atributo se puede conocer si dos sujetos u objetos
poseen en mayor o menor medida el atributo ejemplo; estrato socioeconómico: altos medios y
bajos.

Intervalo: los valores de los datos expresan diferencias entre estos que adquieren sentido,
presentan un cero relativo o arbitrario es decir no hay un punto de partida las proporciones no
tienen sentido. En este nivel de medición además de evaluar las semejanzas y diferencias y de
ordenar a los sujetos u objetos de acuerdo a la presencia en mayor o menor medida de los
atributos medidos se puede comparar diferencias entre valores del tributo. Ejemplo la
temperatura en donde 0° no implica ausencia de calor.

Razón: los valores de los datos pueden reflejar diferencias entre estos que adquieren sentido al
igual que en el nivel de intervalo sin embargo si hay un punto de partida como cero natural y los
cocientes o proporciones adquieren significados. En este caso junto a las operaciones de medición
ya señaladas en los niveles previos, se puede comparar proporciones entre dos valores de
atributo. Ejemplo: el número de integrantes del grupo familiar, en donde se puede afirmar que
una familia es de un tamaño del doble de integrantes que otra.

2.4 tipos de variables de acuerdo a la escala de medición:

Variables continuas: aquellas en las cuales pueden encontrarse valores intermedios entre dos
valores dados, al configurar una escala ininterrumpida de valores. Del 1-7 entre 5 y 6 se puede
encontrar decimales 5.12

Variables discretas: aquellas variables que se encuentran en una escala de medición en la cual no
hay presencia de valores intermedios, comprendidos entre dos atributos de la variable. 1, 2, etc.

2.5 tipos de variables de acuerdo a su nivel de operacionalización o abstracción:

V. generales o de investigación: corresponde a los constructos que por su carácter genérico y

abstracto no pueden ser directamente observados o medidos (situación socio económica).

V. intermedios o dimensiones: corresponde a aspecto de la variable genérica (dimensión

económica)

Variable empírica (v. estadística indicadores): corresponde a lo específico de la dimensión y al

elemento medible de la variable genérica. Ejemplo ingreso familiar.

2.6 papel del marco teórico en la medición:

El marco teórico otorga un sustento disciplinario tanto a la planificación del estudio como a la
lectura de los hallazgos del mismo. En lo que atañe a la definición y selección de las variables de
investigación y sus correspondientes variables estadísticas o de nivel empírico, en gran medida, la
pertinencia, justificación, profundidad y operatividad de la definición conceptual y
operacionalización de las variables se verá afectada por la calidad del marco teórico de la
investigación. Tan importante como comprender y medir es entender que se está midiendo.

2.7 objetividad del proceso de medición

Si se entiende por objetivo lo riguroso y pertinente, la medición puede y debe ser un proceso
objetivo por el contrario si se lo concibe como un proceso libre de subjetividades, entonces no lo
es. Se debe tener solido marco teórico, selección de informantes aleatorios, triangulación de
fuentes etc.

La objetividad del proceso de medición no está libre de decisiones de carácter subjetivas de parte
del investigador que toma decisiones respecto de la definición de las variables. El dato
cuantitativo es construido a partir de la formulación de los objetivos e hipótesis con decisiones
teóricas y metodologías de investigación. La medición debe cumplir con los siguientes requisitos:

Exhaustividad: la medición de la variable debe comprender el mayor numero de atributos

(categorías y valores) posibles de incluir en el cuestuario (otros, no responde/no sabe)

Exclusividad: los distintos atributos que compone la variable deben ser mutuamente excluyente
por lo que deberían definirse de manera que cualquier observación pueda clasificarse en términos
de un único atributo.

Precisión: realizar el mayor número de distinciones posibles (alternativas a, b, c, d)

2.8 razones del porque se continúa midiendo:

Posibilita dar respuestas de un fenómeno si intentamos comprender todo al mismo tiempo a

menudo terminamos sin entender nada. A fin de cuenta se requiere evidencia empírica que
responda a nuestras preguntas de investigación y avale nuestros juicios.

2.9 La definición y operacionalización de variables:

Es preciso inicialmente definir la variable de investigación en términos nominales, la definición

nominal constituye una descripción o significación teórica de nuestra variable de investigación de
acuerdo al estado del arte de la disciplina en el fenómeno estudiado. Implica definir a través de
otros constructos un constructo. Es el qué se entiende por esa variable

Operacionalmente la definición apunta directamente hacia el proceso de medición del constructo

a través de la identificación e indicadores de la variable de investigación. Def. nominal + def.
operacional= variable.

2.10 la inclusión de indicadores en la operacionalización:

La operacionalización de variables en un sentido estricto se ajusta a la definición operacional de

variables de investigación de naturaleza cuantitativa, encontrar indicadores de la misma no es
tarea compleja. Por otro lado es importante tener presente que un excesivo numero de
indicadores no asegura una medición efectiva del constructo o variable de investigación.

2.11 la inclusión de sub indicadores o sub dimensiones en la operacionalización:

Ejemplo de este tipo el considerar la formación académica de los profesores como indicador de la
calidad de la enseñanza la mayor de las veces estos indicadores son indirectos.
2.12 importancia de los códigos en la operacionalización

En el entendido de que un código corresponde a la asignación de un carácter alfanúmero o

numérico a un determinado valor del indicador o variable estadística por ejemplo: sexo femenino
asignándole F. La importancia radica en su expresión o definición, ya que de esta dependerá si se
está frente a un variable estadística de carácter nominal ordinal intervalo o de razón lo que
determinara el análisis estadístico que se puede realizar posteriormente.

2.13 distinción entre una variable de investigación y una variable estadística:

La variable de investigación antes de ser operacionalizada es imposible de medir, por lo cual es

desglosada en dimensiones e indicadores siendo estos últimos en la expresión concreta de la
variable de investigación. Los indicadores de la v. de investigación se convierten en las v.
estadísticas. Ej. Situación socio económica (v. investigación) Cual es su ingreso (v. estadística)

2.14 la construcción de índices en el proceso de operacionalización:

Los valores e índices tienen una relevancia en el proceso de operacionalización de variables de

investigación ya que posibilitan mediante un puntaje de medición, el grado en que cada sujeto
posee una determinada característica evaluada. Considérese que no es lo mismo dar cuenta de la
medición de los indicadores de una variable, ejemplo frecuencia de jefes de hogar con ingreso
superiores de $500000, que asignar un puntaje o valor a su ingreso para luego ponderar o evaluar
la situación socioeconómica de cada sujeto. Esto último hace la diferencia ente un estudio con
carácter descriptivo o de evaluativo. El problema de construir un índice es en su forma más
general el de idear una medida unidimensional de un objeto de varias dimensiones

2.15 creación de nuevas variables estadísticas en la operacionalización:

2.16 chequeo de la operacionalización:

A menudo se observan preguntas en un cuestionario que no aparecen como indicadores en la

operacionalización de variables por lo cual es recomendable para revisar la operacionalización de
las variables de investigación una lectura de ida y vuelta entre los objetivos de investigación la
definición operación de variables la teoría y el instrumento recolector de datos.

2.17 la complejidad de la medición un par de ejemplo:

En el caso de la medición de la pobreza al igual que todos los constructos construidos medidos en
investigación social presentan una dimensión objetiva y por lo tanto de medición directa y otra
subjetiva o indirecta esto último platea un conceso del carácter pluri o multidimensional del
concepto de pobreza lo que genera la incorporación de otros indicadores como los niveles de
felicidad, satisfacción de la población, un mismo hogar/persona pudiera ser catalogado de pobre o
no pobre dependiendo de los indicadores considerados, el desafío es claro acercarse
progresivamente hacia una medición de la pobreza mas integral, hay que preguntarse a quien se
les consultó, qué se preguntó, qué indicadores se consideraron, etc.

Capitulo 3 consideración para el análisis del dato cuantitativo

3.1 relación entre la operacionalización y recolección y análisis de datos:

La relación entre la operacionalización de variables y las otras etapas del proceso de investigación
es altísima ya que entre otras cosas determinara la recolección y análisis de los datos. Si bien es
cierto una buena operacionalización no segura un análisis correcto de los datos al menos lo
posibilita a fin de cuentas se sabrá que buscar que hacer con ello cuando se encuentre.

Es impórtate la interrelación entre la definición del dato (operacionalización) y su análisis

mediante el proceso de medición a través de la aplicación de una serie de procedimientos
estadístico que posibilitan a fin de cuenta la interpretación de la confirmación que responderá las
interrogantes del estudio y poner a prueba las hipótesis formuladas en la investigación. Se debe
considerar el nivel de medición y el tamaño de la muestra o población. Esquema-síntesis:

Variable de investigación (definición conceptual y operacional)

Variable estadística (indicador dato cualitativo)

Toma de decisiones (planificación de análisis pruebas estadísticas)

Matriz de datos (planilla base de datos)

Análisis estadístico (descriptivo inferencias)

Interpretación.

3.2 la preparación de los datos para el análisis:

Al preparar los datos (base de datos) para el análisis de los mismos cabe reiterar la estrecha
relación existente entre lo operacionalización de variables o el análisis posterior que luego puede
hacerse a partir de estas ya que por ejemplo la primera debe guiarse por un conocimiento del
grado del precisión que se requiere, determinado en gran medida por los objetivos del estudio sus
necesidades de precisión no están claras aun, la sugerencia es ser más preciso y no menos de
modo que si lo desea podrá devolverse en los niveles de medición.

La preparación de los datos para el análisis implica la revisión de la base de datos y su estructura
en cuanto a la correspondencia entre la variable estadística definidas en las base de datos con los
indicadores de las variables de investigación. No está más de señalar que todo el tiempo que se
invierta en la preparación de la base de datos se gana en el análisis de los mismos

3.3 el análisis de los datos de la encuesta:

Se sugiere que el análisis de los datos cuantitativos por ejemplo de las respuestas dadas por los
sujetos a una encuesta debe seguir un procedimiento secuencial que se inicie con el análisis por
separado de las variables estadísticas con el cálculo de frecuencias graficación y calculo d
estadísticos universales de tendencia central posición y dispersión (promedio, moda, etc.) Gracias
al software estadístico se accede a la aplicación de análisis multi-variables que posibilitan al
investigador una lectura más compleja de fenómeno estudiado. Es preciso señalar que el mejor
análisis es el que proporciona respuesta a las interrogantes de investigación y provee de la
información necesaria para probar las hipótesis del estudio.

No se debe dejar de lado el papel de la teoría el cual no se constituye solo en una herramienta
para interpretar el dato sino en definitiva contribuye a su propia creación. La explicación comienza
cuando se pregunta que hace las diferencias a propósito de las comparaciones entre grupos
superando el nivel descriptivo en donde se analizan frecuencias se compara se sintetiza y
establecen tendencias.

3.4 pensamiento crítico:

El dato en su expresión cuantitativa o cualitativa depende de la subjetividad del investigador quien

lo concibe lee interpreta y otorga sentido, desde el paradigma epistemológico en que se sitúe, no
existe neutralidad en el lado puesto que como señala Escobedo su construcción es el resultado de
la interacción del que investiga, de la matriz epistemológica utilizada y de las personas que
proporcionan la información dentro de un contexto social determinado. El lector consumidor de
datos que debe asumir una postura crítica y reflexiva frente a estos.

Los errores en las estadísticas pueden deberse a un intento mal intencionado y engañoso o por
desconocimiento. Tales errores tendrían su origen en distintas fuentes como la consulta a
muestras de informantes sin representatividad de la población general. Preguntas mal redactadas
etc. Se sugiere en consecuencia que la mirada o construcción propia del dato cuantitativo
considere al menos lo siguiente:

La identificación y definición de unidad de análisis o unidad de observación

La identificación de la  variable de investigación (v. teórica)

El reconocimiento de la  dimensión o aspecto de la variable

La identificación y revisión de la pertinencia del  indicador (v. de nivel empírico estadística)

La identificación de la  fuente

La identificación de las categorías (código numérico no numérico)

La identificación e interpretación del  valor

La identificación de la operación