1

PLAN DE DESARROLLO DEL CURSO

NOMBRE DE LA MATERIA: Mtodos Cuantitativos II Sigla:

NOMBRE DE LA PROFESOR:

Luis Medina

PRESENTACIN

En la sociedad del conocimiento y las nuevas tecnologas, el acceso y uso de la informacin son cosas que suceden en la vida cotidiana. Los datos abundan y su diversidad, cantidad y difusin han propiciado su uso en diferentes instancias del sector pblico y privado: las finanzas, las investigaciones de mercado, la seleccin de personal e incluso en la investigacin en ciencias del comportamiento y humanas. En este sentido, se ha comenzado a apreciar las bondades derivadas del conocimiento de disciplinas tpicamente cuantitativas como lo es la estadstica. Muy a pesar de lo anterior, el uso de los datos sigue siendo en la mayora de las veces, muy similar al uso que las primeras naciones-estado les daban a stos. En el mejor de los casos, los datos permiten esbozar un panorama que brinda una representacin desdibujada de lo que es la realidad y, en algunas ocasiones, que intenta descifrar tendencias y realizar pronsticos sobre esta realidad. Es en esta tnica y particularmente en el caso de la investigacin educativa, que algunas veces sorprende el uso rudimentario que se le da a los datos. Lo anterior es especialmente relevante si se considera que hoy por hoy los datos son cosa de todos los das gracias a software que recopila datos de manera automtica (como los LMS) o software gratuito para aplicacin la masiva de encuestas como Google Drive. As pues, la asignatura mtodos cuantitativos 2 pretende brindar un panorama sobre los mtodos de estadstica inferencial ms comunes que se utilizan en los albores de esta nueva poca. Por lo tanto, el enfoque de la asignatura intentar ceirse una perspectiva de analtica del aprendizaje, donde la interpretacin y uso de los procedimientos estadsticos es considerado el ncleo del curso a partir del uso de software especializado.

2

PROPSITOS DEL CURSO

Al finalizar el curso se buscar que el estudiante sea capaz de seleccionar, emplear e interpretar los principales mtodos estadsticos para la comprobacin de hiptesis en educacin. Para lograr lo anterior, el estudiante deber:

a. Diferenciar la estadstica descriptiva de la inferencial. b. Discutir los conceptos de poder o eficacia de la prueba, tipos de errores y distribuciones tericas de probabilidad a la luz de la naturaleza de los fenmenos

educativos. c. Seleccionar el tipo de prueba de hiptesis ms adecuado a la realidad del fenmeno educativo estudiado (paramtricas vs no paramtricas). d. Evaluar la confiabilidad (clsica) y validez de instrumentos de investigacin cuantitativos. e. Emplear software estadstico especializado para la ejecucin de procedimientos estadsticos. f. Integrar informes de investigacin cuantitativa con base en los estndares de calidad establecidos por la American Psychological Association.

TEMTICAS

1. El uso de pruebas estadsticas en la investigacin: ideas clave sobre inferencia estadstica

a. Tipos de hiptesis: de trabajo, alternativa y nula b. Variables aleatorias y distribucin muestral c. El nivel de significacin y el tamao muestral d. La regin de rechazo, decisiones y tipos de errores

2. Eleccin de la prueba estadstica adecuada a. Eficacia y poder estadstico b. Niveles de medicin de las variables c. Pruebas estadsticas paramtricas y no paramtricas

3. Pruebas de hiptesis no paramtricas a. Muestras simples b. Dos muestras dependientes e independientes c. K muestras relacionadas e independientes d. Medidas de asociacin

4. Pruebas de hiptesis paramtricas a. Contrastes una sola media b. Contrastes de dos medias dependientes e independientes c. Comprobacin de hiptesis de una y dos varianzas d. Anlisis de varianza y pruebas post-hoc e. Medidas de asociacin

5. Confiabilidad y validez de instrumentos cuantitativos a. Constructo de confiabilidad y validez b. Clculo de la confiabilidad (clsica) c. Validez a travs de anlisis factorial

3

METODOLOGA

El curso se estructurar en seis semanas que emplearn el siguiente ciclo instruccional:

a. Evaluacin sobre las sesiones pasadas. b. Discusin sobre dudas. c. Presentacin de casos y uso de software para su anlisis. d. Discusin sobre los resultados.

Para lo anterior ser requisito que el estudiante lea para cada seccin un artculo o captulo de algn libro seleccionado por el docente.

FECHA Temtica Lecturas

1 y 2 de Junio Repaso de estadstica descriptiva (nfasis en intervalos de confianza y muestreo).

OCDE (2014). Resultados PISA 2012 en el foco: lo que los alumnos saben a los 15 aos de edad y lo que pueden hacer con lo que saben. OCDE. Disponible de: http://www.oecd.org/pisa/keyfindings/PISA2012_Overview_ESP-FINAL.pdf

8 y 9 de Junio 1. El uso de pruebas estadsticas en la investigacin: ideas clave

sobre inferencia estadstica 2. Eleccin de la prueba estadstica adecuada

Siegel (1995): introduccin, captulo 1 y 2. Good & Hardin (2012): captulo 2.

15 y 16 de

Junio 3. Pruebas de hiptesis no paramtricas

Siegel (1995): leer una prueba de (a) el caso de una muestra simple, (b) el caso de una muestra medida dos veces y obtenida por medio de pares replicados, (c) dos muestras independientes, (d) el caso de k muestras relacionadas / el caso de k muestras independientes, (e) medidas de asociacin y sus pruebas de significacin. Salsburg (2001): captulo 3.

22 y 23 de

Junio 4. Pruebas de hiptesis paramtricas

Cohen (1997): captulos 1 y 2. Hattie, J. (2013). Visible Learning for Teachers: maximizing impact on learning. USA: The main idea. Disponible de: http://www.tdschools.org/wp-content/uploads/2013/08/The+Main+Idea+-+Visible+Learning+for+Teachers+-+April+2013.pdf

24 y 30 de

Junio 5. Introduccin a la confiabilidad y validez

Cronbach (1998): captulo 6. James, Witten, Hastie, & Tibshirani (2013): captulo 10 (haciendo

4

nfasis en 10.4 y no leyendo ejemplos de software al final).

6 y 7 de Julio Repaso, y examen final

EVALUACIN

a. Ejercicios en clase: 30% (aprox. 5% cada clase)

b. Exmenes parciales: 40% (10% cada clase)

c. Examen final: 30%

REFERENCIAS

1. Ambrosi, H.O. (2008). La verdad de las estadsticas: aprender con los datos. Argentina: Lumiere. 2. American Psychological Association (2010). Manual de publicaciones de la American Psychological Association. 3. Cohen, J. (1977). Statistical power analysis for the behavioral sciences. NY, USA: Academic Press, NYU. 4. Cronbach, L. (1998). Fundamentos de los tests psicolgicos: aplicaciones a las organizaciones, la educacin y la clnica. Madrid, Espaa: Biblioteca Nueva. 5. Gonzlez, M.C. (2007). Alicia en el pas de las estadsticas. Mxico: UNAM. 6. Good, P. & Hardin, J. (2012). Common errors in statistics (and how to avoid them). USA: Wiley. 7. Hattie, J. (2013). Visible Learning for Teachers: maximizing impact on learning. USA: The main idea. Disponible de: http://www.tdschools.org/wp-

content/uploads/2013/08/The+Main+Idea+-+Visible+Learning+for+Teachers+-+April+2013.pdf 8. Huff, D. (1993). How to lie with statistics. New York, EUA: Norton & Compan. 9. James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An introduction to statistical learning: with applications in R. NY, USA: Springer. Disponible en:

http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf 10. Levy, J.P. y Varela, J. (2003). Anlisis multivariante para las ciencias sociales. Mxico: Pearson. 11. Mxico: Manual Moderno. 12. Nisbet, R., Elder, J. y Miner, G. (2009). Handbook of statistical analysis and data mining applications. USA: Elsevier. 13. Romero, C., Ventura, S., Pechenzinkiy, M. y Baker, R. (2010). Handbook of educational data mining. USA: Chapman & Hall. 14. Salkind, N. (2004). Statistics for people who (think they) hate statistics. California, EUA: Sage Publications. 15. Salsburg, D. (2001). The lady tasting tea: how statistics revolutionized science in the twentieth century. NY, USA: Holt. 16. Snchez, J.C. (2007). Estadstica bsica aplicada a la educacin. Espaa: CCS. 17. Siegel, S. (1995). Estadstica no paramtrica: aplicada a las ciencias de la conducta. Mxico: Trillas. 18. Tejedor, F.C. y Etxeberria, J. (2006). Anlisis inferencial de datos en educacin. Espaa: Muralla. 19. Triola, M. (2009). Estadstica. Mxico: Pearson. 20. Wheelan, C. (2013). Naked statistics. USA: W.W. Norton & Company.