Clase digital 2. Organización de datos

Organización de datos

Introducción

¡Hola!

Me da gusto poder saludarte de nuevo y que continúes en este camino que vas comenzando, para desarrollar tus habilidades en la bioestadística.

Esta vez hablaremos sobre la materia prima de la estadística: Los datos. 

Los datos, que generalmente adquieren un valor numérico, son conceptualizaciones que solo encontraremos en procedimientos de investigación cuantitativa, la investigación de orden cualitativo no maneja datos, ni variables, esto se debe a las raíces positivistas del estudio cuantitativo, donde la verdad es única y universal; es decir, los datos son únicos, verdaderos y universales, sirven para acercarnos más al conocimiento y a la verdad.

La calidad de los datos puede variar en razón tanto del fenómeno mismo, como del procedimiento de recolección del dato. Todos los fenómenos sociales o biológicos tienen cierta variabilidad. La personalidad, la memoria y la susceptibilidad varían. La variación puede ocurrir a lo largo de un mismo día o en diferentes etapas de la vida o bajo ciertas circunstancias.

Una vez que hemos decidido el tipo de datos considerando su objetividad y trascendencia debemos organizar los datos en variables y en su caso describir de forma operacional cada una de las variables que se consideran en el estudio.

Te invito a atender esta segunda clase con entusiasmo y visión profunda, ya que verás que te resultará provechoso en tu carrera como psicólogo clínico.

¡Adelante y con todo!

Desarrollo del tema

Los datos son la materia prima de la estadística. Se pueden manejar como símbolos numéricos y deriva de dos fuentes distintas: 1) de las medidas y 2) del conteo.

Los datos derivados de mediciones son aquellos que se obtienen utilizando mediciones estandarizadas comunes, como el peso corporal, obtenido con una báscula, la estatura obtenida con un estadiómetro, entre otros.

Los datos derivados de conteo son aquellos que se obtienen al visualizar y estimar la presencia o no de un atributo, por ejemplo, número de personas con color de ojos azules, número de personas enfermas, etc.

Los datos deben describir y representar un atributo o fenómeno. Para que la descripción sea correcta debe estimarse la objetividad con la que fue recopilado, como un atributo dependiente en forma directa del fenómeno, e independiente de la apreciación del sujeto. Según el grado de objetividad pueden ser datos duros o datos blandos. Los datos duros o sólidos son aquellos derivados de mediciones objetivas con instrumentos estandarizados donde el margen a la apreciación subjetiva es mínimo, también se consideran datos duros aquellos que se derivan de procedimientos o ensayos de laboratorio.

En cambio, los datos blandos pueden ser síntomas, ya que derivan de la apreciación subjetiva del observador o porque el instrumento que se utiliza para recopilar es altamente subjetivo.

Es importante considerar que los datos blandos pueden ser endurecidos, al utilizar instrumentos, pueden ser pruebas psicométricas, que hayan pasado por un proceso estricto y riguroso de validación estadística.

Otra característica de los datos es su trascendencia con relación al problema, algunos datos blandos son más trascendentes que los datos duros equivalentes. Por ejemplo, en la sintomatología depresiva, es más trascendente el insomnio, dato muy subjetivo, porque se deriva de la apreciación del propio paciente, por sobre los niveles de serotonina (dato duro), ya que no informa en forma directa es estado de malestar del paciente.

Por lo que en la selección del atributo a determinar se debe considerar la objetividad y la trascendencia.

Algunas fuentes de datos:

1. Registros rutinarios.
2. Encuestas.
3. Experimentación.
4. Fuentes externas.
5. Procedimientos de laboratorio.

Variable: es una característica, toma diferentes valores en diferentes personas, bajo diferentes situaciones, lugares, cosas o se observa por diferentes instrumentos o sujetos.

1. Variable cuantitativa: puede medirse, conllevan información respecto a cantidad

Ejemplo: 67 ng/mL de cortisol en cabello.

2. Variable cualitativa: para clasificar. Información respecto a los atributos

Ejemplo: Depresión grave, moderada, leve.

3. Variable aleatoria discreta (cuantitativa):  no posee separaciones o interrupciones de la anterior y generalmente obtiene valores enteros.

Ejemplo: 11 años de edad, 12 años de edad, 15 años de edad.

4. Variable aleatoria continua (cuantitativa): se caracteriza por separaciones o interrupciones en la escala de valores que puede tomar y toma valores decimales entre cada entero en una escala

Ejemplo: 56.4 Kg de peso corporal, 87.9 Kg de peso corporal.

5. Variables categóricas: corresponden a grupos o categorías, no corresponden a un número de elementos, sino a un número de orden asignado de manera arbitraria. 

Ejemplo, género: 1) hombre y 2) mujer.

Operacionalización de las variables

Definición conceptual de la variable: Básicamente, constituye una abstracción articulada en palabras conceptualmente, para facilitar su comprensión y su adecuación a los requerimientos prácticos de la investigación. Es definirla. Representa la expresión del significado que el investigador le atribuye, y con ese sentido se debe entender durante toda la investigación. También es conocida como la función nominal de la variable a medir (nombre que la identifica)

Definición operacional de la variable: está constituida por una serie de procedimientos o indicaciones para realizar la medición de una variable definida conceptualmente. En esta se intenta obtener la mayor información posible de la variable seleccionada, a modo de captar su sentido y adecuación al contexto. Y para ello deberá hacerse una cuidadosa revisión de la literatura disponible en el marco teórico. La operacionalización de las variables está estrechamente vinculada al tipo de técnica o metodología empleadas para la recolección de datos. Estas deben ser compatibles con los objetivos de la investigación, a la vez que responden al enfoque empleado, al tipo de investigación que se realiza, en líneas generales, pueden ser cualitativas o cuantitativas.

Los aspectos que deben considerarse para la operacionalización son las siguientes:

La dimensión: es el factor, rasgo de la variable que debe medirse y que permite establecer indicadores; se apoyan en el marco teórico, al igual que la variable operacional. Es un elemento que resulta del análisis y/o descomposición de esta.

Un indicador: es un indicio, señal o unidad que permite estudiar y cuantificar una variable, mostrando cómo medir cada uno de los factores o rasgos presentes en una dimensión (es) de la variable. Los indicadores: consisten en lo medible, verificable, el dato, el hecho; forman parte de la descomposición o clasificación de las dimensiones; los indicadores no deben surgir de la nada, ni ser inventados por el investigador, más bien deben partir de la clasificación dada por algún autor consultado en una referencia bibliográfica o documental, y rigurosamente referenciados en el marco teórico.

Escalas de medición

El proceso de asignar un valor numérico a una variable se llama medición. Las escalas de medición sirven para ofrecernos información sobre las clasificaciones que podemos hacer con respecto a las variables (discretas o continuas). Cuando se mide una variable el resultado puede aparecer en uno de cuatro diversos tipos de escalas de medición; nominal, ordinal, intervalo y razón. Conocer la escala a la que pertenece una medición es importante para determinar el método adecuado para describir y analizar esos datos.

Al respecto, López-Roldán & Fachelli (2015), al explicar lo que significa medir, señala que de manera general se identifica la medición como el procedimiento de asignación de cifras -símbolos o valores numéricos- a los atributos, propiedades o dimensiones de los conceptos a través de sus indicadores para caracterizar a las unidades observadas según unas reglas, es decir, asignar valores a los indicadores.

Las escalas de medición básica son:

• Nominal
  • Esquema de etiquetado figurado, en el cual los números sólo sirven como etiquetas (o rótulos) para identificar y clasificar objetos.
  • Cada número es asignado solamente a un objeto y cada objeto tiene un solo número asignado.
  • Ejemplo: Números asignados a corredores.
• Escala Ordinal
  • Escala de clasificación donde se asignan números a objetos para indicar la magnitud relativa en la cual éstos poseen una característica.
  • Una escala ordinal permite determinar si un objeto tiene más o menos de una característica que algún otro objeto, pero no cuánto más o menos.
  • Ejemplo: Ordenamiento por rangos de los ganadores.
• Escala de Intervalo
  • Las distancias numéricamente iguales en la escala representan valores iguales en la característica medida.
  • Una escala de intervalo contiene toda la información de una escala ordinal; pero también permite comparar diferencias entre los objetos.
  • Ejemplo: Calificación del desempeño en una escala de 0 a 10
• Escala de Razón
  • Posee todas las propiedades de las escalas nominal, ordinal y de intervalo, además de un punto cero, absoluto.
  • El punto cero es fijo, pueden calcularse los valores de la razón de la escala.
  • Tiempo para terminar, en segundos.

Veamos un video para ilustrar las conceptualizaciones de datos y variables: “Variables, datos y frecuencias”

Conclusión

En conclusión, los datos son la materia prima de la estadística, estos son derivados de mediciones y conteos y están directamente relacionados con el fenómeno de estudio, es indispensable al momento de considerar el tipo de datos que se manejarán en la estadística, la objetividad y trascendencia de los datos, esto a su vez determinará los instrumentos y las fuentes de recolección de dichos datos.

Las variables resultan ser las características que adquiere diferentes valores según las condiciones individuales y medioambientales de exposición, las características de las variables estadísticas deben compilarse en una tabla de operacionalización que incluya la clasificación de las variables, el tipo de medición que se asignará y los indicadores a considerar para evaluar el valor adquirido de la variable. 

La operacionalización de las variables ayuda a sintetizar y visualizar los procedimientos estadísticos a utilizar.

Es necesario señalar que, ciertamente, una definición operacional no tiene valor universal, sino que debe ser actualizada en función de las circunstancias concretas en las que se inserta la investigación. Lo que equivale a que, un término puede ser definido operacionalmente de diferentes formas, según la utilidad actual del término, en función de la investigación que se proyecta y las circunstancias que de ella se derivan.

Has finalizado la segunda clase, ¡muchas felicidades! Espero que hayas aprendido mucho durante esta sesión. No olvides realizar la tarea y mandarla como corresponde. Nos encontramos en la próxima sesión.

Fuentes de información

• Espinoza Freire, Eudaldo Enrique. (2019). Las variables y su operacionalización en la investigación educativa. Segunda parte. Conrado, 15(69), 171-180. Epub 02 de septiembre de 2019. Recuperado en 28 de noviembre de 2021, de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990-86442019000400171&lng=es&tlng=es.
• Malacara-Hernández. (2010) La Investigación en medicina. Manual moderno