Proceso de recolección de datos
Enviado por abbeyymoon • 14 de Noviembre de 2019 • Síntesis • 2.389 Palabras (10 Páginas) • 273 Visitas
El proceso de recolección de datos es vital para cualquier investigación; mediante este proceso el investigador se dirige hacia el campo para obtener la información necesaria que le brindará los datos necesarios para la comprobación de sus hipótesis o supuestos teóricos y, por ende, tratar de responder a las preguntas y objetivos planteados para el estudio de un fenómeno determinado.
En el presente reporte de lectura se abordarán temas relacionados a este proceso como lo son la definición de la población, del universo y la determinación de la muestra, al igual que se describirán grosso modo las principales características y usos dentro de la investigación cuantitativa y cualitativa, utilizando como fuentes primordiales el libro de Hernández-Sampieri, Fernández-Collado y Baptista-Lucio (2014) complementando con Bernal (2013) y Hueso y Cascant (2012) y otros autores relacionados al área.
Como se menciona, el proceso de recolección de datos brinda al investigador la información básica de su estudio, sin embargo, es importante entender que este proceso dependerá no únicamente de las técnicas que se elija, sino también del problema, el objetivo, la muestra, las hipótesis y de las variables o temáticas a estudiar (Niño, 2011)
Según el autor anteriormente citado, existen dos tipos de datos a recolectar: los primarios y los secundarios. Por un lado, los datos primarios pueden definirse como aquellos son extraídos al estar en contacto directo con la realidad, como es el caso de la aplicación de diversas técnicas e instrumentos en campo; en el caso de los datos secundarios, estos se obtienen debido a que otros ya han realizado la recolección de estos y se encuentran guardados o almacenados para su reutilización regularmente en documentos como podría ser la revisión teórica o el estado del arte.
Niño (2011) refiere que el proceso de recolección de datos implica entonces 3 grandes pasos:
[pic 1]
Dentro de la investigación cuantitativa, Bernal (2015) refiere que el proceso de recolección de datos se lleva a cabo una vez que se ha determinado el diseño de investigación apropiado y se han establecido las hipótesis que se pretenden comprobar (o descartar) y para lo cual será necesario determinar una población y una muestra.
Por un lado, la población puede definirse como el conjunto de todos los sujetos sobre los que se quiere conocer cierta información relacionada con el fenómeno que se estudia (Hueso y Cascant, 2012).
Bernal (2015) cita a Jany (1994) y a Fracica (1988) de quienes refiere que para definir adecuadamente a una población deben considerarse los siguientes términos: elementos (¿qué objetos se estudiarán?), unidades de muestreo (¿quiénes se estudiarán?), alcance (¿hasta dónde se estudiará?) y tiempo (¿en qué periodos se estudiará?)
De igual manera, Bernal (2015) define a la muestra como esa parte de la población que se selecciona y de la cual se obtendrá la información necesaria mediante la medición y la observación, siendo esta una opción viable debido a que no siempre es posible o económico estudiar a todos y cada uno de los sujetos que conforman la población (Hueso y Cascant, 2012).
[pic 2][pic 3]
[pic 4][pic 5]
[pic 6]
[pic 7]
Figura 1. Población y muestra en el proceso de recolección de datos.
Sin embargo, para determinar el tamaño ideal de la muestra es necesario aplicar un muestreo. El muestreo puede entenderse como la técnica por medio de la cual se determina o se calcula la muestra de una población, tratando en todo momento de asegurar la confiabilidad necesaria para continuar con el proceso de recolección de datos (Niño, 2011)
Hernández-Sampieri et al (2014) mencionan que la elección entre el tipo de muestreo depende plenamente del planteamiento del estudio, el diseño de investigación y del tipo de contribución que se piense hacer.
[pic 8]
Figura 2. Muestreo, elaboración propia con base en Niño (2011) y Bernal (2013)
En el caso del muestreo probabilístico el cual, como se definió anteriormente deben cumplir con dos requisitos para ser aplicado correctamente: el primero de ellos es que, como se menciona en la definición anterior, los elementos o unidades que conformen la población deberán tener las mismas probabilidades de ser elegidos. El segundo requisito va encaminado a la aplicación de los procedimientos deben garantizar que la selección haya sido de manera aleatoria. Para cumplir con el segundo requisito y permitir una mayor confiabilidad se tienen diversos tipos de muestreo probabilístico.
A continuación, se describirán algunos de los principales tipos:
Tabla 1. Tipos de muestreo probabilístico
Muestreo | Definición | Características | Procedimiento y usos. |
Aleatorio simple | Escoger sujetos de la población al azar, uno por uno. | Requiere un marco muestral adecuado. Preferentemente en poblaciones pequeñas. Se debe evitar la influencia de las preferencias y deseos del investigador. Si la población es homogénea, la muestra se elige al azar, bajo el principio de que todas las unidades deben tener la misma posibilidad de ser escogidas Desventajas: No es una técnica muy empleada por estudiantes. Necesita una lista de la población a estudiar. Es poco práctica en grandes tamaños de muestra. | En población pequeña: se puede asignar un número cada sujeto de la población y extraer números aleatorios mediante ordenadores, calculadoras, tablas, etc. Si la población es homogénea, la muestra se elige al azar, bajo el principio de que todas las unidades deben tener la misma posibilidad de ser escogidas |
Sistemático | Se practica cuando la población es demasiado grande y se dispone de una lista de los sujetos o unidades por elegir. | Requiere de un marco muestral adecuado. Se aplican mecanismos de azar sistemáticos que aseguren la aleatoriedad. Desventaja: Se aplica si se tiene una lista de la población a estudiar. | Se asigna un numero a cada sujeto de la población y se extrae un solo número al azar. Ese será el primer sujeto de la muestra; posteriormente se deja un intervalo entre ellos. El tamaño del intervalo (k) se calcula dividiendo el tamaño de la población (N) entre el de la muestra deseado (n) [k= N/n] |
Estratificado | Consiste en dividir a la población de estudio en grupos o estratos que se suponen homogéneos con respecto a las características a estudiar. | Requiere un marco muestral muy detallado ya que se requieren características para clasificar a la población. Se utiliza cuando no hay homogeneidad en la población. La homogeneidad existe dentro del estrato, pero no entre estratos. Variantes: Afijación proporcional: el tamaño de la muestra de cada estrato es proporcional al tamaño del estrato dentro de la población. Afijación no proporcional: algunos estratos están sobrerrepresentados en la muestra. | Se clasifica para la población según sus características en grupo estratos. Al alzar se determinan las unidades asegurando la proporcionalidad según los estratos. Se realiza un muestreo aleatorio sistemático. Ejemplo de variable: religión. |
Por conglomerados (racimos o clústeres) | La muestra al azar se determina eligiendo grupos y no individuos de la población. | Conglomerado es una subdivisión preexistente o natural de la población. Debe ser heterogéneo en sí mismo. Desventajas: No es fácil asegurar representatividad. | Consiste en seleccionar primero subdivisiones de la población y posteriormente muestrear sujetos de los conglomerados elegidos. Puede ser: De dos etapas: se muestrean conglomerados y se estudian todos los sujetos de los conglomerados seleccionados (sin muestrear) Polietápico: tiene más de dos etapas. |
Elaboración propia con base en Hernández-Sampieri et al (2014), Bernal (2013) y Niño (2011).
...