Técnicas de recogida de datos y garantías en investigación cualitativa
Muestreo, Recogida de información y Análisis de datos
Transcript of Muestreo, Recogida de información y Análisis de datos
![Page 1: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/1.jpg)
1
EL PROCESO DE INVESTIGACIÓN
Muestreo, Recogida de información y
Análisis de datos
Miguel Ángel Fernández Jiménez
![Page 2: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/2.jpg)
2
Muestreo: Conceptos básicos
• Universo: todos los posibles sujetos o medidas de
cierto tipo.
• Población: Conjunto de todos los individuos (objetos,
personas, eventos, etc.) en los que se desea estudiar el
fenómeno. Éstos deben reunir las características del
objeto de estudio. Se representa con la letra N
Miguel Ángel Fernández Jiménez
![Page 3: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/3.jpg)
3
Muestreo: Conceptos básicos
• Muestra: Conjunto de casos extraídos de una
población, seleccionados por algún método de
muestreo. Se representa con la letra n.
• Individuo: Cada uno de los elementos que
componen la muestra y de los que se obtiene
información. Puede considerarse individuo a
personas, objetos o acontecimientos.
Miguel Ángel Fernández Jiménez
![Page 4: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/4.jpg)
4
Muestreo: Conceptos básicos
Universo
Población (N)
Muestra (n)
Miguel Ángel Fernández Jiménez
![Page 5: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/5.jpg)
5
Muestreo: Enfoques
• Cuantitativo.
• Cualitativo.
Miguel Ángel Fernández Jiménez
![Page 6: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/6.jpg)
6
Muestreo: Enfoque cuantitativo
La selección de la muestra debe garantizar:
• Representatividad: Se refiere a que debe contener las
características fundamentales de la población.
Cuando no se cumple el criterio de representatividad, se dice
que la muestra es sesgada y los resultados no pueden
ser generalizados.
• Tamaño: Para garantizar la representatividad, la
muestra debe tener un tamaño suficiente.
Miguel Ángel Fernández Jiménez
![Page 7: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/7.jpg)
7
Muestreo: Enfoque cualitativo
La muestra se considera como la unidad de análisis o un
grupo de personas, eventos o sucesos sobre la que se
realiza el estudio.
No tiene que cumplir necesariamente con el criterio de
representatividad.
Miguel Ángel Fernández Jiménez
![Page 8: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/8.jpg)
8
Técnicas de muestreo
Aquellas técnicas que se utilizan para la selección de una
muestra de sujetos, objetos, sucesos, eventos,
contextos, etc. para su posterior estudio y análisis.
Tipos de muestreos:
• Probabilísticos (al azar).
• No probabilísticos.
Miguel Ángel Fernández Jiménez
![Page 9: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/9.jpg)
9
Muestreo Probabilístico
• Son los más recomendados: permiten estimar con más
precisión los valores de la población que aparecen en la
muestra.
• Principio de equiprobabilidad: todos los sujetos de la
población tienen la misma probabilidad de formar parte de la
muestra seleccionada.
Miguel Ángel Fernández Jiménez
![Page 10: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/10.jpg)
10
Muestreo Probabilístico
• Muestreo aleatorio simple.
• Muestreo aleatorio sistemático.
• Muestreo aleatorio estratificado.
• Muestreo por conglomerados.
• Muestreo polietápico.
Miguel Ángel Fernández Jiménez
![Page 11: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/11.jpg)
11
Muestreo Probabilístico
Muestreo aleatorio simple.
Se basa en la realización de un sorteo del total de la
población para realizar la selección de la muestra.
El procedimiento es el siguiente:
1. Se asigna un número a cada individuo de la población.
2. Se realiza el sorteo con números aleatorios para la
realización de la selección.
http://nosetup.org/php_on_line/numero_aleatorio Miguel Ángel Fernández Jiménez
![Page 12: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/12.jpg)
12
Muestreo Probabilístico
Muestreo aleatorio sistemático.
El procedimiento es el siguiente:
Se ordenan los individuos de la población.
Se calcula K a partir de la fórmula K=N/n.
Se elige al azar un número (nº) comprendido entre 1 y
k.
El número elegido al azar será el primero y luego se
aplicará sucesivamente las fórmulas nº+k, nº+2k,
nº+3k, …hasta llegar a n.
Miguel Ángel Fernández Jiménez
![Page 13: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/13.jpg)
13
Muestreo Probabilístico
Muestreo aleatorio sistemático.
Ejemplo: Queremos seleccionar una muestra de 400 de una
población de 6000. La fórmula de cálculo sería 6000/400 =
15. A partir del número aleatorio (páginas de internet);
cada 15 número elegimos a un miembro de la muestra.
Miguel Ángel Fernández Jiménez
![Page 14: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/14.jpg)
14
Muestreo Probabilístico
Muestreo aleatorio estratificado.
Cuando la población está constituida por estratos.
Estratos: conjuntos de población con homogeneidad
respecto a la característica que se estudia.
Asegurar la presencia de determinadas variables que se
consideran imprescindibles en la muestra.
Se considera una muestra como estratificada cuando los
elementos de la muestra son proporcionales a su
presencia en la población.
Miguel Ángel Fernández Jiménez
![Page 15: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/15.jpg)
15
Muestreo Probabilístico Muestreo aleatorio estratificado. Dentro de cada característica o estrato, se puede aplicar uno de los
métodos de muestreo anteriores.
Por ejemplo:
Estudio de opinión, puede resultar interesante estudiar por
separado las opiniones de hombres y mujeres pues se estima
que, dentro de cada uno de estos grupos, puede haber cierta
homogeneidad.
Así, si la población está compuesta de un 55% de mujeres y un 45%
de hombres, se tomaría una muestra que contenga también
esos mismos porcentajes de hombres y mujeres. Miguel Ángel Fernández Jiménez
![Page 16: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/16.jpg)
16
Muestreo Probabilístico
Muestreo aleatorio estratificado.
Muestreo estratificado proporcional: Cuando cada
estrato representado en la muestra es proporcional de
manera exacta a la de la población total.
Ejemplo: Si tenemos el 20 % de sujetos de un determinado
sexo en la población, en la muestra debe haber también
el 20% de ese mismo sexo.
Miguel Ángel Fernández Jiménez
![Page 17: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/17.jpg)
17
Muestreo Probabilístico
Muestreo aleatorio estratificado.
Muestreo estratificado constante: La selección de la
muestra se realiza teniendo en cuenta el mismo número o
porcentaje de cada estrato.
Ejemplo: El 50% de hombres y el 50 % de mujeres. No se
tendrá en cuenta lo establecido en la población.
Miguel Ángel Fernández Jiménez
![Page 18: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/18.jpg)
18
Muestreo Probabilístico
Muestreo por conglomerados.
Se utiliza cuando los individuos de la población constituyen
agrupaciones naturales o conglomerados. Por ejemplo:
grupo-clase, centros escolares, barrios, etc.
La unidad de muestreo no es el individuo sino el
conglomerado.
A través de los conglomerados tendremos las unidades de
análisis o estudio, que sí serán los sujetos.
Miguel Ángel Fernández Jiménez
![Page 19: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/19.jpg)
19
Muestreo Probabilístico
Muestreo por conglomerados.
Ejemplo: En una investigación en la que se trata de conocer
las técnicas de orientación que utilizan los orientadores
de instituto necesitamos una muestra de 300 sujetos.
Ante la dificultad de acceder individualmente a estos sujetos
se decide hacer una muestra por conglomerados.
Teniendo en cuenta que el número de orientadores por
instituto es aproximadamente de 2.
Miguel Ángel Fernández Jiménez
![Page 20: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/20.jpg)
20
Muestreo Probabilístico
Muestreo por conglomerados.
Los pasos a seguir serían los siguientes:
1. Recoger un listado de todos los institutos.
2. Asignar un número a cada uno de ellos.
3. Elegir por muestreo aleatorio simple o sistemático los 150
institutos (300/2=150) que nos proporcionarán los 300
orientadores para el estudio. A través de esta selección
ya podremos estudiar a dichos orientadores.
Miguel Ángel Fernández Jiménez
![Page 21: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/21.jpg)
21
Muestreo Probabilístico
Muestreo polietápico.
En la práctica suele ocurrir que se tengan que utilizar
distintos métodos de muestreo secuenciados en una
serie de etapas.
Por ejemplo: Para la realización de una investigación necesitamos
empezar por un muestreo estratificado por edades y
ciudades, para luego pasar a realizar uno por conglomerados
basándonos en centros educativos para terminar utilizando
un muestreo con un método aleatorio sistemático.
Miguel Ángel Fernández Jiménez
![Page 22: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/22.jpg)
22
Muestreo No Probabilístico
• Se utilizan cuando la selección de los sujetos de
estudio de la muestra no depende de la
probabilidad.
• Depende de otros criterios: las características
de la investigación o de quién hace el muestreo.
• No siguen el principio de equiprobabilidad.
• No sirve para realizar generalizaciones (no
representatividad).
Miguel Ángel Fernández Jiménez
![Page 23: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/23.jpg)
23
Muestreo No Probabilístico
• Muestreo accidental o causal.
• Muestreo intencional u opinático.
• Muestreo por cuotas.
• Muestreo de bola de nieve.
Miguel Ángel Fernández Jiménez
![Page 24: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/24.jpg)
24
Muestreo No Probabilístico
• Muestreo accidental o causal.
Se produce cuando se utiliza una muestra sobre la que se
tiene fácil acceso. Es uno de los más usados en
educación y ciencias sociales.
Por ejemplo: Utilizar voluntarios.
Miguel Ángel Fernández Jiménez
![Page 25: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/25.jpg)
25
Muestreo No Probabilístico
• Muestreo intencional u opinático.
Se caracteriza porque el muestreo se realiza sobre sujetos particulares asesorados por expertos en un tema o por la bibliografía.
Nos pueden facilitar la información necesaria para la investigación que nos ayudará a elegir un perfil determinado de la muestra.
Miguel Ángel Fernández Jiménez
![Page 26: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/26.jpg)
26
Muestreo No Probabilístico
• Muestreo por cuotas.
Se utiliza cuando no se puede realizar un muestreo al azar
pero queremos conseguir una muestra representativa de
la población.
Se establecen “cuotas” basadas en un número de individuos
que reúnen unas determinadas condiciones o variables
demográficas de la población.
Por ejemplo: edad, sexo, estado civil, etc.
Miguel Ángel Fernández Jiménez
![Page 27: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/27.jpg)
27
Muestreo No Probabilístico
• Muestreo por cuotas.
Es muy parecido al muestreo aleatorio estratificado, pero no
tiene la característica de aleatorio como tiene el
estratificado.
Ejemplo: suelen ser los estudios de opinión que se realizan y en los que se le pide a los encuestadores que busquen unos determinados perfiles.
Miguel Ángel Fernández Jiménez
![Page 28: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/28.jpg)
28
Muestreo No Probabilístico
• Muestreo de bola de nieve. Se caracteriza por la localización de algunos sujetos de
estudio, los cuales conducen a otros sujetos, y estos a su vez a otros, así hasta conseguir una muestra suficiente para la investigación.
Se suele utilizar en investigaciones de tipo cualitativo.
El ejemplo más claro es el de los estudios con drogadictos, delincuentes, etc.
Miguel Ángel Fernández Jiménez
![Page 29: Muestreo, Recogida de información y Análisis de datos](https://reader034.fdocuments.es/reader034/viewer/2022042519/6261acbdcd4ffb549d735920/html5/thumbnails/29.jpg)
29
Muestreo (Práctica)
Universo
Población Muestra invitada Muestra
aceptante
Muestra
productora de
datos
Conclusiones y
generalizaciones
Miguel Ángel Fernández Jiménez