Metodología de Investigación Cuantitativa

UNIVERSIDAD PERUANA UNIN ESCUELA DE POSGRADO UNIDAD DE POSGRADO DE EDUCACIN
Maestra en Educacin
(Documento de trabajo)
Metodologa de la Investigacin Cuantitativa en Educacin

Mg. Ral Acua Casas
ESCUELA DE POSGRADO - UPeU
CONTENIDO
Captulo 1: El mtodo. Generalidades...9

1.1. 1.2. 1.3. 1.4. 1.5. 1.6. Etimologa y nocin..9 Caracteres del mtodo..10 Lo distintivo del mtodo.12 Elementos del mtodo...13 Clases de mtodo...14 Mtodos y tcnicas.17
Captulo 2: Los mtodos de pensamiento: La abstraccin, la definicin y la clasificacin.......19

2.1. Los mtodos de pensamiento y la investigacin social19 2.2. La abstraccin.....................................................................20 2.3. Clases de abstraccin20 2.4. Grados de abstraccin..21 2.5. Su importancia y operaciones..22 2.6. La definicin24 2.7. La clasificacin25
Captulo 3: Los mtodos de pensamiento: La comparacin, el anlisis, la sntesis, la deduccin y la induccin.29

3.1. Comparacin29 3.2. Mtodo comparativo30 3.3. Anlisis y sntesis32 3.4. La inferencia inductiva y deductiva...34 3.5. El mtodo deductivo axiomtico36
MAESTRA EN EDUCACIN
3.6. El mtodo deductivo matemtico..38
Captulo 4: Anlisis de la explicacin...41

4.1. Etimologa...41 4.2. Nociones lingstica, lgica, gnoseolgica, epistemolgica y ontolgica de la explicacin....42 4.3. Tipos de la explicacin.....45 4.4. Descripcin, prediccin y explicacin....49 4.5. Rasgos de la explicacin..51 4.6. Niveles de la explicacin..52
Captulo 5: Explicacin deductiva o causal55

5.1. Introduccin..55 5.2. Nociones y elementos.55 5.3. Formas de la explicacin deductiva.56 5.4. La explicacin deductiva y el razonamiento58 5.5. Tipos de razonamiento...58 5.6. Formas del razonamiento condicional.60 5.7. Formas de los razonamientos alternativos y disyuntivos.62
Captulo 6: Otros tipos de explicacin.63

6.1. Explicacin probabilstica..63 6.2. Formas de inferencias probabilsticas.64 6.3. Explicaciones teleolgicas.66 6.4. Explicaciones estructurales o sistmicas68
Captulo 7: Matriz de datos.69

7.1. Presentacin del concepto matriz de datos69 7.2. Desarrollo de la nocin de sistema de matrices de datos71 7.2.1. Revisin de la tesis de Galtung72 7.2.2. Postulados para desarrollar la teora clsica.74 7.2.3. Sobre el carcter general de las matrices de datos..75 7.2.4. Sistema de matrices77 7.2.5. Sobre el puesto de los indicadores en la matriz de datos..81
7.3. Pasos para una dialectizacin de la relacin entre unidades de anlisis, variables e indicadores 87 7.3.1. Sobre las unidades de anlisis. 91 7.3.2. Sobre las variables...92 7.3.3. Sobre los indicadores.95 7.4. Las matrices de datos y los esquemas de investigacin..99
Capitulo 8: Incertidumbre y mediciones...103

8.1. Incertidumbre experimental.103 8.2. Valor promedio o media aritmtica.112 8.3. Error absoluto, error relativo y porcentaje de error de una medicin.....115 8.4. Cifras significativas117 8.5. Propagacin de errores121 8.6. Redondeo de una cantidad..130
Captulo 9: Mtodo cientfico experimental..143

9.1. Papel del experimento..143 9.2. Pasos del mtodo experimental..144 9.2.1. Definicin del problema.145 9.2.2. Hiptesis del trabajo..148 9.2.3. Diseo del experimento.154 9.2.4. Realizacin del experimento158 9.2.5. Anlisis de resultados158 9.2.6. Obtencin de conclusiones..161 9.2.7. Elaboracin del informe.163
Captulo 10: Cuantitativo y cualitativo...165

10.1. Investigacin operacional e investigacin en la accin165 10.2. Explicar o comprender173 10.3. La investigacin nomottica en discusin...176 10.4. Una nueva reflexin acerca de la investigacin experimental en educacin..181 10.5. El ataque contra la investigacin educacional ..195 10.6. Las conclusiones del debate.204
Captulo 11: Probabilidades y muestreo207
MAESTRA EN EDUCACIN
11.1. Generalidad de los procedimientos de muestreo .207 11.2. Requisitos del buen muestreo..214 11.2.1 Muestreo al azar o aleatorio216 11.2.2. Muestro estratificado229 11.3. Muestras adecuadas.236 11.3.1. Media aritmtica y desviacin estndar237 11.3.2. Error estndar240 11.4. Muestreo por cuotas o internacional244
Captulo 12: Tcnicas de escalamiento: problema fundamental...247

12.1. Finalidad...247 12.2 Problemas generales.250 12.2.1. Definicin de continuo...250 12.2.2. Confiabilidad...252 12.2.3. Validez.256 12.2.4. Ponderacin de los casos o afirmaciones.261 12.2.5 Naturaleza del caso o afirmacin262 12.2.6. Igualdad de las unidades.263 12.3. Normas para el escalamiento...265
Captulo 13: Tcnicas de escalamiento: escalas de distancia social, sociomtricas y de calificacin267

13.1. Escalas de distancia social267 13.1.1. Escalas de distancia social de Bogardus..268 13.1.2. Medicin socioeconmica277 13.2. Escalas de calificacin o estimacin282 13.2.1. Los jueces...283 13.2.2. El continuo y los sujetos...285 13.2.3. Confiabilidad...291 13.2.4. Validez.291 13.2.5. Limitaciones y aplicaciones..291
Bibliografa citada293
PREFACIO La publicacin de este volumen responde al propsito de presentar a los alumnos de la maestra de educacin de la UPeU la metodologa de la investigacin cuantitativa en forma clara y sencilla sin descuidar los detalles epistemolgico, lgico y metodolgicos, con los que evidentemente est relacionada la investigacin cientfica y social, como modalidades de produccin de conocimiento que son. De este modo el texto en su conjunto quedar formado como sigue: Mtodos y tcnicas cuantitativas. Tipos y formas de razonamiento lgico. Sistemas de matrices de datos. Incertidumbres y mediciones. Probabilidades y muestreo. Tcnicas de escalamiento.
Por otra parte, la lgica es un instrumento tan imprescindible para la ciencia y en todo trabajo cientfico serio, como lo son hoy las matemticas, con las que tantos puntos de contacto que tienen. Es ms, pienso que la aplicacin cada vez ms extendida y muchas veces imprescindible en las operaciones matemticas de los ordenadores parece poner de relieve la importancia que debe tener actualmente en la preparacin de los estudiantes de
MAESTRA EN EDUCACIN
posgrado no slo en el manejo de paquetes estadsticos sino sobre el conocimiento de la estructura general del dato cientfico, sus cuatro componentes: Unidad de anlisis, variables, valores e indicadores. Todos los datos de todas las investigaciones cientficas de todas las disciplinas poseen una estructura invariante que se puede llamar matriz de datos. De esta manera, investigar cientficamente es construir sistemas de matrices. Otro aspecto importante es el problema de lo representativo de las muestras y las tcnicas para asegurar el grado necesario de representacin de aquellas. Es ms, toda buena muestra no slo necesita ser representativa, sino que necesita tambin ser adecuada, confiable en la estabilidad de sus caractersticas y la medida del error del muestreo. Luego se aborda los problemas que son comunes a todos los tipos de escalamiento: Definicin del continuo, confiabilidad, validez, ponderacin de los casos, naturaleza del caso e igualdad de las unidades. Igualmente se presenta las diferentes tcnicas de escalamiento en el campo social. Permtame, por ltimo, enfatizar que las tcnicas puramente matemticas pueden ser realizadas por los ordenadores, mientras los aspectos considerados en este volumen no, las cuales por otra parte son necesarias, incluso, para la aplicacin de las tcnicas matemticas y la interpretacin de los resultados. Agradezco la contribucin y las tiles sugerencias en la consideracin de los contenidos al Mg. Vctor lvarez Manrique, en la elaboracin de los grficos y cuadros al Lic. Ral Acua Salinas y en el diseo del texto al Tec. Franklin del Castillo Vargas.
El autor
Captulo 1
El mtodo
1.1. Etimologa y Nocin
La palabra mtodo se deriva etimolgicamente del latn methodus, trmino que viene del vocablo griego , que tiene el significado, de camino, procedimiento, y se compone de la preposicin , tras lo cual, despus de lo cual y que equivale a camino, senda, direccin, viaje, marcha, modo de vida, costumbre, medio, manera, procedimiento, sistema. De acuerdo con este origen etimolgico se ha definido el mtodo de diversas maneras, todas ellas en armona con alguna de las significaciones sealadas. . As por ejemplo: "Mtodo es un procedimiento regular, explcito y repetible para lograr algo" (Bunge, 1980, 28): "El mtodo es la forma y manera de proceder en cualquier camino, es decir, de ordenar la actividad y ordenarla a un fin"; (Bochenski, 1971,32). "Proceso racional que es preciso seguir para llegar a una ciencia o incluso proceso operativo necesario para obtener tal resultado"(Birou, 1966, 169). Teniendo en cuenta, las significaciones etimolgicas citadas y estas definiciones se podra decir que el mtodo es la forma
MAESTRA EN EDUCACIN
racional ordenada, objetiva y social de una actividad, que establece el camino o proceso que aqulla ha de seguir para alcanzar su fin.
1.2. Caracteres del Mtodo

Segn la nocin anterior se pueden distinguir en el mtodo, en su sentido ms general, los caracteres fundamentales siguientes de ser: a) Forma de una actividad, b) Racional, c) Ordenado, d) Objetivo y susceptible de un uso social, y e) Que establece el proceso o camino a seguir para alcanzar un fin. a) En primer lugar, el mtodo es en su esencia, forma o modo, es decir, no consiste en la misma actividad realizada, sino en la manera de llevarla a cabo. De ah que no sea individual y concreto como la actividad que se realiza sino general y abstracto. En segundo lugar en una forma de actividad, entendida esta ltima palabra en su sentido ms general, no slo como actividad propiamente dicha o externa sino tambin como actividad interna o intelectual. b) Cualquiera que sea el tipo de actividad a que se refiera el mtodo, en todo caso ha de tener esencial y necesariamente un carcter racional, es decir, ha de ser producto del raciocinio mental del hombre. Debe ser as esencial y necesariamente porque lo exige la condicin de forma que tiene el mtodo. As como los animales no son capaces de actuar con mtodo porque no son capaces de racionalizar su actividad y separar la operacin misma de su
10
forma racional, s lo es el hombre porque tiene esta facultad y puede ajustar su actividad al plan racional preconcebido en que consiste el mtodo. c) El mtodo, pues, supone seguir una pauta, norma, regla, preconcebida en el ejercicio de una actividad y por ello implica tambin necesariamente el ajustarse al orden de la regla o pauta en cuestin. Esto mismo lo reclama el carcter de forma racional del mtodo, en cuanto propio de la razn es ordenar y el de camino o procedimiento, dado que seguir ambos implica una serie de, pasos sucesivos y por tanto ordenados. d) Por ser el mtodo forma, segn antes he indicado, y como tal general, abstracto e independiente de la actividad, el mtodo es tambin objetivo, en el sentido de que para ser tal y no mera conducta individual ocasional tiene que adquirir una sustantividad formal propia e independiente de un sujeto determinado y una actividad singular de modo que pueda ser utilizado por personas diversas y en operaciones distintas; lo que hace sea tambin susceptible de un uso comn o social. Todo esto, implica que el mtodo sea un instrumento. e) Segn la ltima nota expuesta, se exige que el mtodo establezca el proceso o camino a seguir para alcanzar un fin. Debe, pues, hacer siempre referencia a un fin, pero no es un fin en s mismo, sino el camino o procedimiento para llegar al fin. Esta nota seala el contenido esencial del mtodo. Este contenido resulta expresado por el trmino procedimiento, derivado etimolgicamente del verbo latino procedere, que significa ir delante, adelantar, progresar y, en nuestro caso, figuradamente, seguir unos pasos determinados hasta llegar a una meta o fin. Consecuencia de que el mtodo deba hacer referencia a un fin, pero no constituye un fin en s mismo es que presente
MAESTRA EN EDUCACIN
11
tambin claramente el carcter de instrumental. El mtodo es un instrumento, que no tiene su justificacin o razn de ser en s mismo, sino en cuanto es un medio de alcanzar un fin o resultado determinado. El mtodo, pues, tanto vale cuanto sea til y sirva para lograr el fin propuesto.
1.3. Lo Distintivo del Mtodo

Aun siendo, segn lo expuesto, bsicos todos estos rasgos del mtodo, el que distingue al mtodo de otras formas de actividad racionales, ordenadas, objetivas y sociales, y por tanto se puede considerar que lo especfico es su carcter de procedimiento o conjunto de pasos o etapas sucesivas a seguir para conseguir un fin determinado. Dado el carcter tambin formal de la lgica y el hecho de que el mtodo se refiere tambin a la forma de la actividad del pensar, actividad que constituye el objetivo material de la lgica, surge asimismo la necesidad de distinguir a ambos. La distincin se halla en que el mtodo es la forma de realizacin de la actividad intelectual del hombre que establece el procedimiento a seguir para que el pensamiento alcance su fin: la formacin de conceptos, juicios o proposiciones y razonamientos, mientras que la lgica se ocupa no de la actividad de pensar en s ni de la forma de su realizacin, sino de la correccin formal de su resultado indicado: los conceptos, juicios y razonamientos, independiente de su origen, formacin y contenido objetivo. Tambin importa precisar la diferencia entre el mtodo y las normas de carcter tico, moral o jurdico, ya que el mtodo contiene reglas como las normas y las normas nos indican igualmente la forma de actuar como los mtodos. En los mtodos, como simples procedimientos que son, su fin
12
consiste simplemente en la realizacin de una actividad intelectual o prctica. Indican el camino para lograr el resultado pretendido Y en este sentido como puros instrumentos no son en s ticos y no ticos, a diferencia de las normas morales y jurdicas que son ticas esencialmente, en cuanto que su fin es regular la conducta. En cuanto a su contenido, los reglas del mtodo de ningn modo son reglas que se impongan a la voluntad como las normas morales y jurdicas, sino que, en armona con el carcter instrumental del mtodo tantas veces repetido, slo son, podra decirse quizs, meras recetas, vlidas en cuanto son tiles y eficaces para realizar la actividad pretendida y que como tales pueden ser modificadas libremente si as se cree conveniente.
1.4. Elementos del Mtodo

Como elementos primarios, el mtodo en s debe estar formado no slo por lo que hemos dicho ser su contenido, el procedimiento o conjunto de fases sucesivas que establece, sino tambin, dado el carcter racional sealado esencial al mtodo, por una serie de principios que funden y justifiquen racionalmente el procedimiento en cuestin. Por ello, en el mtodo se pueden distinguir su contenido o mtodo propiamente dicho, formado fundamentalmente por la serie de fases o etapas sucesivas a seguir para alcanzar el resultado pretendido y su base racional, constituida por el conjunto de ideas que sirven de fundamento y de orientacin al mtodo propiamente dicho. El mtodo como procedimiento est constituido, si es
MAESTRA EN EDUCACIN
13
completo, por las fases o etapas generales de actuacin que forman su contenido y por las tcnicas o procedimientos concretos, operativos, para realizar en un caso determinado las fases generales de actuacin en cuestin. Estas tcnicas especficas pueden ser muy diversas no slo porque cada objeto de investigacin reclama sus tcnicas propias sino tambin porque es posible el empleo de tcnicas alternativas. En el mtodo como conjunto de principios racionales se pueden, a priori, distinguir: a) Los presupuestos filosficos en los que de manera explcita o implcita se basa, por ejemplo, referentes a una determinada concepcin de la realidad y del conocimiento; b) El enfoque adoptado por el mtodo, que se puede tomar en dos sentidos relacionados entre si, - como punto de vista en que el mtodo se sita preferentemente para investigar la realidad, y - como los aspectos de esta realidad a los que el mtodo se orienta especialmente en calidad de objetos de la investigacin, c) Los principios racionales que orientan la aplicacin concreta del mtodo y justifican o dan razn del procedimiento adoptado por aqul y de las reglas que supone.
1.5. Clases de Mtodo

Segn se ha expuesto, el mtodo es, en general, la forma de realizar las actividades humanas. Por ello, en primer lugar, se pueden distinguir tantas clases de mtodos como tipos de actividades a que se refieran.
14
En la actividad humana se pueden distinguir dos grandes modalidades: pensar y actuar. De ah que, los mtodos como forma de llevar a cabo las actividades humanas, se pueden dividir, en primer lugar, en dos clases, segn sean mtodos de pensar o de actuar. Los mtodos de pensar son mtodos discursivos o de razonamiento que hacen referencia a la formacin de conceptos o juicios y consisten en la forma de actuacin para obtener de determinados elementos o productos mentales otros elementos o productos mentales. Como modalidades principales de mtodos de pensar, tenemos: - la abstraccin, - la deduccin, - la induccin, - el anlisis, - la sntesis, - la definicin, - la clasificacin, y - la comparacin. De todos ellos nos ocuparemos en el captulo siguiente. Mtodos de actuar se pueden considerar todos los que se refieren a la forma de realizar las actividades humanas dirigidas al mundo en que vivimos. Estas actividades relativas al mundo exterior pueden tener un doble objeto, que da lugar a otros dos grandes grupos de mtodos, segn se dirijan, al conocimiento del mundo o la realidad, o a su transformacin.
Los primeros se pueden subdividir, a su vez, segn se trate de la realidad presente o histrica. En el primer caso, se tienen los distintos mtodos orientados a este fin, conocer la realidad
MAESTRA EN EDUCACIN
15
presente,
que
se
pueden
llamar
genricamente
de
investigacin. En el segundo caso, se trata de los mtodos de investigacin histrica, que se distinguen de los anteriores porque tienen que trabajar con documentos del pasado, es decir, con fuentes indirectas y datos secundarios. Los segundos orientan la actuacin dirigida a transformar o modificar en alguna manera la naturaleza y las cosas externas al hombre. Aqu entran todos los mtodos de trabajo y produccin, en su sentido ms amplio, es decir todas las formas de la praxis humana. Estos mtodos como es obvio, quedan fuera del mbito de este libro. Como especie intermedia entre los mtodos de conocimiento de la realidad y de su transformacin, estn todos los mtodos didcticos, en cuanto se refieren a la forma de transmisin de conocimientos y se orientan a la educacin o transformacin en algn sentido de los educandos. De nuevo, los mtodos de conocimiento de la realidad se pueden subdividir en cientficos y no cientficos. Estos ltimos son los que se utilizan a tal efecto en la vida corriente. Son mtodos cientficos, en general, todos los utilizados en las distintas ciencias, entendida esta palabra en sentido amplio, de modo que abarque todas las esferas del saber humano. Dentro de estos mtodos cientficos se pueden distinguir el mtodo cientfico, en sentido estricto, aplicado en las ciencias empricas, de los mtodos aplicados en las restantes esferas del saber: la filosofa, la teologa, la lgica, la tica, las matemticas. etc. De todos ellos, es el mtodo cientfico en sentido estricto el que aqu nos preocupa especialmente.
16
1.6.
Mtodos y Tcnicas
Finalmente, es necesario hacer una precisin terminolgica. Aunque, segn la nocin de mtodo desarrollada aqu, son y se pueden llamar mtodos las distintas formas de realizacin de las actividades prcticas, sin embargo, de modo ms concreto y especfico, estos mtodos suelen recibir el nombre de tcnicas. . La palabra tcnica, derivada etimolgicamente del griego
tuvo inicialmente dos sentidos: el de arte y el de forma de actuacin. En ambos, arte prctico en general o modo de actuacin particular, la tcnica se contrapone en griego, y tambin en las ciencias modernas, a la episteme: la ciencia, en cuanto sta es conocimiento o saber terico y como tal no inmediatamente prctico. En los lenguajes modernos, y entre ellos el espaol se ha producido una separacin de los dos sentidos indicados. Las actividades prcticas y artsticas se designan con la palabra arte, mientras que el trmino tcnica ha quedado reservado para las formas o procedimientos de actuacin prctica. Las tcnicas como mtodos de actuacin prctica que son, presentan una gran amplitud. Comprenden los procedimientos o formas de realizar las distintas actividades humanas, incluso intelectuales, y el modo de utilizacin de los instrumentos y mquinas que utiliza el hombre, as como las maneras de preparar esos instrumentos. Segn esto, las formas concretas de realizar las operaciones del mtodo cientfico constituyen las tcnicas cientficas o de investigacin de dicho mtodo.
MAESTRA EN EDUCACIN
17
Consideradas las tcnicas segn este sentido especfico, la relacin existente, entre mtodo cientfico y tcnicas cien tficas parece clara. Su naturaleza es la misma. Ambos son procedimientos, formas de actuacin cientfica. Su diferencia consiste en su amplitud. El mtodo es el procedimiento general de conocimiento cientfico y es comn, en lo fundamental, a todas las ciencias. Las tcnicas por el contrario, son procedimientos de actuacin concretos y particulares, relacionados con las distintas fases del mtodo cientfico. Aunque puede haber tcnicas comunes a todas o a varias ciencias; las tcnicas lgicas y las matemticas sobre todo, sin embargo, en general cada ciencia o grupo de ciencia tiene sus tcnicas especficas.
18
Captulo 2
Los mtodos de pensamiento: La abstraccin, la definicin y la clasificacin

2.1. Los Mtodos de Pensamiento y la Investigacin Social
La investigacin cientfica y tambin la social es, en s, aunque presente un carcter ms complejo y prolongado que el conocimiento corriente, un proceso de conocimiento y tambin de pensar o razonar que como tal tiende a formar o si se quiere producir conceptos, proposiciones y razonamientos. De ah que en la investigacin y en la social tengan necesaria vigencia y aplicacin de los que hemos llamado mtodos referentes a la actividad de pensar, los cuales al tener por objeto esta actividad, es preciso se refieran a una de las tres modalidades indicadas que la misma puede presentar: la formacin de conceptos, proposiciones y razonamientos. En concreto, hacen referencia principalmente a la formacin de conceptos y proposiciones: la abstraccin, la definicin, la divisin y la clasificacin, y al razonamiento: el anlisis, la sntesis, la induccin la deduccin, la interpretacin y la explicacin.
Los mtodos de todas estas operaciones se caracterizan,
MAESTRA EN EDUCACIN
19
dado que se refieren a las actividades bsicas y primarias de la inteligencia, por ser relativamente simples y de naturaleza intelectual, lo que no impide a que puedan utilizar o partir de datos de experiencia, actividad que, por otra parte, al ser inmaterial y formal, hace difcilmente observables y determinables las distintas fases o etapas que estos mtodos puedan comprender. Esta naturaleza no real sino intelectual es causa de que la distincin entre el procedimiento, mtodo o forma de la actividad y esta misma sean menos clara.
2.2. La abstraccin
Etimolgicamente abstraccin se deriva del verbo latino abstrahere, que significa sacar, separar. De acuerdo con este origen etimolgico se puede decir con Sacristn (1973, 13) que, como actividad mental, "abstraer significa aislar mentalmente". Todo conocimiento de la realidad observable se funda en la abstraccin. Es mediante esta actividad intelectual como la razn extrae de la realidad sus caractersticas inteligibles y forma sus conceptos. Se trata verdaderamente de una separacin porque: es limitada siempre ya que nunca puede abarcar todos los rasgos de las cosas reales, sino slo uno o algunos de ellos, y entre la cosa y su concepto abstrado tiene que haber siempre la distancia insalvable no solo fsica sino esencial que supone la distinta naturaleza del concepto y del ser real.
2.3. Clases de abstraccin
20
Existen dos clases de abstraccin que nos interesa destacar de modo especial por su relacin con las unidades de observacin y las variables de la investigacin cientfica y social. La primera, que suele recibir el nombre de total, abstrae lo general o comn de los individuos, por ejemplo el concepto de libro de todos los libros singulares, y da lugar a los conceptos de los seres o cosas que constituyen las unidades de observacin de la investigacin. La segunda, llamada formal, separa caractersticas o aspectos especficos de las cosas, como por ejemplo el color de la mesa, y da lugar a los conceptos de las variables de la investigacin. Parece necesario vincular a la realidad observable el proceso de separacin en que consiste la abstraccin. Es aqu donde slo es posible una separacin efectiva, real. Esto no supone negar que se pueda dar un cierto proceso de separacin referido a conceptos, o tomando a stos como punto de partida. Sin embargo, tal proceso ms que resultado de la abstraccin propiamente lo sera de alguna de las otras actividades del pensar indicadas: la definicin, la divisin, el anlisis, la sntesis, la induccin, la deduccin. En este sentido es preciso distinguir la abstraccin con el significado que aqu se le asigna y lo abstracto. Este trmino, aunque designe el resultado de la abstraccin, no se restringe a este significado, sino que abarca tambin por extensin todo concepto o representacin mental, que prescinda de lo sensorial.
2.4. Grados de abstraccin

Los niveles o grados de abstraccin pueden ser muy diversos.
MAESTRA EN EDUCACIN
21
En relacin de modo especial a la abstraccin de lo comn o general respecto a lo individual, se suelen distinguir cuatro niveles bsicos: singular, que forma conceptos referidos concretamente a un ser individual y, por tanto, con todas sus determinaciones y carcteres por ejemplo, el concepto de este hombre, Juan; especfica, que hace lo mismo con referencia no a un individuo sino a una especie, v.g., hombre, y por ello con las determinaciones o atributos de la especie, pero no las de un individuo particular de la especie como en el caso anterior; genrica, o relativa a la formacin de conceptos genricos; por ejemplo animal, que incluye la especie hombre y el individuo Pedro. total, que es la abstraccin general o comn a todos los seres y da lugar al concepto de ente o ser. Filosficamente tambin, y con referencia a la abstraccin formal se distinguen (Cfr. Maritain, 1947, vol. 1, p. 69): la abstraccin fsica, o de lo material en los cuerpos. la abstraccin matemtica, que abstrae de los cuerpos todo lo sensible y slo se queda con la cantidad, y la abstraccin metafsica, que abstrae en los seres tambin la cantidad y slo se queda con el ser y sus propiedades trascendentales.
2.5. Su importancia y operaciones
22
La ciencia o el conocimiento cientfico por supuesto que tambin se funda en la abstraccin, ya que necesariamente como todo conocimiento ha de formar sus conceptos bsicos partiendo inicialmente de ella, tanto ms cuanto mayor perfeccin o nivel cientfico y por tanto terico ha logrado. Y as, en efecto, las ciencias ms adelantadas, que han llegado a niveles muy profundos en el microcosmos y muy generales en el macrocosmos, se estn haciendo cada vez, por ello mismo, ms abstractas, o alejadas y separadas de la realidad inmediatamente observable. Sin embargo, en mi opinin aqu es de aplicacin la distincin hecha entre lo abstracto y la abstraccin. Muchos de los conceptos de los niveles indicados del micro y macrocosmos son s abstractos, pero no son resultado de la abstraccin propia, sino de actividades mentales, especialmente el anlisis y la sntesis, realizadas con base en otros conceptos. Es cierto que las ciencias sociales no han llegado a niveles semejantes. Al contrario, la mayor parte de los conceptos que manejan son de uso corriente y como tales productos de la abstraccin vulgar, no avanzada ni crtica como los de otras ciencias. No obstante, nuevamente esto no quiere decir que muchos de estos conceptos no sean muy abstractos, sino que frecuentemente lo son por su propia naturaleza en cuanto no se refieren a entes fsicas sino a realidades morales e inmateriales. No obstante el carcter simple e intelectual sealado de la abstraccin como de los restantes mtodos de pensamiento, en ella se puede distinguir cuatro aspectos, que, en cierto modo, son como fases o etapas de la forma o mtodo de realizar esta actividad: La eleccin de los aspectos individuales o de conjunto a abstraer;
MAESTRA EN EDUCACIN
23
El prescindir de todas las dems caractersticas de la cosa conocida; El aislamiento intelectual de los aspectos elegidos, y
La generalizacin del concepto abstrado a todos los individuos que posean caractersticas iguales o semejantes. Una buena abstraccin debe permitir tener en cuenta todos estos aspectos y realizarlos de modo inteligente.
2.6. La definicin
La definicin como actividad del pensamiento, est relacionada inmediatamente con la abstraccin. El resultado de sta es la formacin de conceptos que se expresan generalmente asignndoles un nombre o trmino verbal nico que representa el significado del concepto, es decir, el conjunto de notas y rasgos abstrados. A menos que se d por sobreentendido el significado del nombre o trmino, es preciso para su utilizacin explicitar su significado, es decir, hacer patentes mediante otros trminos el conjunto de rasgos que forman el concepto abstrado. Esta operacin no es sino la definicin del trmino que representa al concepto en cuestin. Por este hecho de realizarse la definicin de trminos mediante otros y la de stos mediante otros trminos ha de acabar necesariamente en trminos simples indefinibles. La definicin recibe este nombre porque mediante ella se marcan los fines o lmites o si se quiere la extensin ideal del contenido del concepto y mediatamente de la cosa que representa. El mtodo o procedimiento para realizar la definicin consiste,
24
si es esencial por denotar la esencia de lo definido, en buscar su gnero prximo y su diferencia especfica. En el caso de ser descriptiva, en determinar las notas que implica el concepto abstrada y que caracterizan a los objetos definidos y los distinguen de otros objetos. Por ltimo, en la definicin nominal se tratara de hallar entre los posibles diversos significados de un nombre o trmino el que se considere ms adecuado. En relacin a la investigacin social, Durkheim (1964, 58), establece que el primer paso del socilogo ha de dirigirse a la definicin de las cosas de que trate, a fin de que sepa y lo sepa bien, de que ha de ocuparse. En la definicin segn l debe ser objetiva, de modo que exprese lo definido no en funcin de una idea, sino de las propiedades que le son inherentes, y debe buscarse inicialmente en los caracteres exteriores, visibles, del fenmeno. En lgica la definicin se refiere por el signo = def o bien por el de def que significan igual por definicin. Si P, es hombre, Q, animal y R racional, la frmula de la definicin de P hombre podra ser (x) Px def Qx ^ Rx que se lee para todo x si x es hombre es igual por definicin a x es animal y x es racional.
2.7. La clasiflcacin
La clasificacin, considerada como actividad de la razn, se puede definir como la divisin en clases, fracciones segn el significado etimolgico origen de este trmino, de un conjunto compuesto y diverso mediante la separacin de todo lo distinto y la agrupacin de lo semejante. La clasificacin, segn esta definicin, admite las siguientes operaciones racionales bsicas: La divisin, entendida como la descomposicin racional
MAESTRA EN EDUCACIN
25
de un todo real o ideal en diversas partes, La distincin, como conocimiento de la diversidad de los seres en algn o algunos aspectos,
La agrupacin o reunin de cosas diversas, fundada en el conocimiento de su semejanza en aspecto o aspectos determinados. Por tanto, en la clasificacin admite los siguientes elementos: Un todo o conjunto sin diferenciar, Las cosas o caractersticas individuales que componen dicho conjunto sin diferenciar semejantes o distintas entre s,
Un fundamento de la clasificacin, es decir los criterios, aspectos o variables y sus dimensiones que sirven de base y pauta a la clasificacin. Todo lo que no sea totalmente homogneo y simple y tenga alguna realidad, aunque sea de razn, puede ser clasificado. La clasificacin tambin puede ser gradual y jerarquizada, es decir las clases formadas inicialmente se pueden subdividir en subclases y as sucesivamente hasta donde sea posible. Las reglas principales a las que se debe ajustar la clasificacin son las siguientes: 1. Debe ser completa y exhaustiva de modo que no deje fuera a ningn individuo del conjunto. 2. Las clases que se formen deben excluirse entre s, de modo que ningn individuo del conjunto pueda ser incluido a la vez en dos clases distintas. 3. El criterio o fundamento de la clasificacin debe ser nico y el mismo en todos los casos de la misma clasificacin. Existe una clasificacin que parte de la abstraccin total o de todo lo que tienen en comn distintos individuos, que procede mediante la formacin de gneros, especies y subespecies, etc.
26
Hay tambin una clasificacin basada en la abstraccin formal, la que separa o abstrae una caracterstica o variable determinada de los sujetos. Procede mediante la distincin y agrupacin de los individuos segn las dimensiones o categoras que comprenda la caracterstica o variable en cuestin, por ejemplo clasificacin de cosas en cuanto a su color segn sus distintos colores. La clasificacin tiene una importancia fundamental en la ciencia y en la investigacin cientfica. Se encuentra en su misma raz. La clasificacin implica la ordenacin de la realidad y establecer un orden en ella es, sin duda, el objetivo primario de la ciencia. De hecho las ciencias naturales modernas comenzaron con la clasificacin, por ejemplo de los animales, los vegetales, minerales, etc. Por todo ello, no es extrao que hayan ideado tcnicas matemticas especficas para realizar clasificaciones entre las que se encuentran los anlisis de clusters y correspondencias, tpicos a tratarse en una asignatura de anlisis de datos cuantitativos.
La clasificacin de las variables observadas en una investigacin cientfica y social, segn sus dimensiones son imprescindibles en toda investigacin cientfica para establecer un orden en el caos de los datos de observacin obtenidos. Operaciones de esta clasificacin de las que se ocupan las tcnicas de investigacin social son la codificacin o identificacin de los datos para su agrupacin y la tabulacin o formacin de tablas con los datos agrupados.
MAESTRA EN EDUCACIN
27
Emilio Durkheim dedica el captulo IV de su obra "Las reglas, del Mtodo Sociolgico" (1964, 95 y s.s.), a la clasificacin de sociedades. Parte de la existencia de especies sociales en las sociedades histricas, y exige que la clasificacin se haga "no de acuerdo con un inventario completo de todos los caracteres individuales, sino segn un pequeo nmero de ellos escogidos cuidadosamente". En las ciencias sociales se ha extendido actualmente la construccin de tipologas, en las que se relacionan varias variables y sus dimensiones, que dan lugar a diversos tipos tericos y no slo permiten clasificar los casos individuales en un tipo determinado sino tambin encuadrarlos en e1 sistema total representado por la tipologa.
28
Captulo 3
Los mtodos de pensamiento: La comparacin, el anlisis, la sntesis, la deduccin y la induccin

3.1. Comparacin
La comparacin o actividad de la razn que pone en correspondencia unas realidades con otras para ver sus diferencias y semejanzas est estrechamente relacionada con la clasificacin. En primer lugar, la comparacin es la base de la distincin y la agrupacin, elementos, como hemos visto, fundamentales de la clasificacin. En segundo lugar, la comparacin supone, a la vez; que las cosas son en partes distintas y en partes semejantes, pues si fueran totalmente uniformes o totalmente diferentes no se podra establecer ninguna correspondencia entre ellas o sta no tendra sentido alguno. La comparacin es, pues, posible porque existe una relacin de analoga entre las diversas realidades del mundo, sociales y humanas. En efecto, estas realidades son semejantes por lo menos en el hecho de que constituyen todas ellas entes o seres, y son diferentes en las caractersticas propias cada cosa. Pueden ser objeto de comparacin, como vimos en el caso
MAESTRA EN EDUCACIN
29
de la clasificacin, todas las realidades tengan o no carcter material o fsico. Los elementos de la comparacin son: Las realidades que se comparan, de las cuales una hace de patrn o punto de referencia de las dems, El fundamento de la comparacin, es decir, como en el caso de la clasificacin, el o los criterios o variables en relacin a los cuales se efecta la comparacin, La misma actividad de la razn de poner en correspondencia unas realidades con otras para ver si son o no semejantes, contraste que es ya en s mismo una medida aunque slo alcance el nivel ms bajo de la medida, el nominal, o distincin de realidades diferentes.
3.2. Mtodo comparativo

En la investigacin cientfica y social, la comparacin no solo tiene una aplicacin general sino que en ellas ha dado lugar a un mtodo que ha recibido el nombre de comparativo. 1. Sentido amplio. En una acepcin muy general, el mtodo comparativo se puede considerar sinnimo de la comparacin en cuanto operacin mental lgica. En este sentido, presenta una gran amplitud y forma parte de la mayora de las actividades intelectuales del hombre. 11. Sentido estricto. El origen del mtodo comparativo, tanto en su denominacin como en su sentido estricto, es decir, como procedimiento ordenado y sistemtico de poner en relacin, para observar sus semejanzas, diferencias y relaciones, objetos, fenmenos e instituciones, aparece ligado al desarrollo de las ciencias positivas.
30
Segn M. Bloch (1928), comparar, en el campo social, es "elegir, en varios medios sociales diferentes, dos o varios fenmenos que parecen a primera vista, presentar entre s analogas, describir las curvas de evolucin, constatar sus semejanzas y diferencias y, en la medida de lo posible, explicar los unos por los otros". Respecto a las ciencias sociales, el mtodo comparativo fue utilizado ampliamente en primer lugar por la Etnologa. Dentro de la Sociologa aparece desde sus orgenes como un mtodo importante, no sin presentar modalidades especiales en cada uno de sus representantes principales. a) En Augusto Comte, el mtodo comparativo, considerado especialmente en su aplicacin histrica, es, de los tres mtodos directos: a saber, la observacin, el experimento y la comparacin, aqul en que la Sociologa ha de apoyarse para triunfar. b) Segn H. Spencer, el mtodo comparativo es el seguido por los socilogos para establecer las leyes de la evolucin en su esfera. c) Durkheim tiene una nocin cientficamente ms precisa del mtodo comparativo, al que considera tambin el nico conveniente a la Sociologa. Contrapone la experimentacin tpica, que llama directa, al mtodo comparativo, que denomina experimentacin indirecta, consistente en la confrontacin de hechos o fenmenos producidos espontneamente y no artificial o voluntariamente, como en el caso del experimento. . "Slo tenemos, escribe (1964, 138), un medio para demostrar que un fenmenos es causa de otro, y es comparar los casos en que se encuentran simultneamente presentes o ausentes, e investigar si las variaciones que presentan en estas diferentes combinaciones de circunstancias prueban que uno depende del
MAESTRA EN EDUCACIN
31
otro. Cuando el experimentador puede producirlas artificialmente, el mtodo es la experimentacin propiamente dicha. Cuando, por el contrario, la produccin de los hechos no est en nuestra mano y slo podemos relacionados tales como se produjeron espontneamente, el mtodo que se emplea es el de la experimentacin indirecta o mtodo comparativo". Segn lo anterior, el fundamento del mtodo comparativo de Durkheim no es otro que la correlacin de variables, de aplicacin continua en las investigaciones sociolgicas mediante encuesta. De hecho, la sociologa se puede caracterizar por la mayor aplicacin en ella de los mtodos comparativos correlacionales que la de los experimentales. d) El procedimiento de los "tipos ideales" de Max Weber se considera tambin como una manifestacin importante, sino la ms caracterstica, del mtodo comparativo en Sociologa, aunque su autor no la califique expresamente como tal. En realidad implica la comparacin de un fenmeno social con un tipo ideal, construido previamente del mismo. Naturalmente, la bsqueda de diferencias y semejanzas se realiza en el marco de un esquema general terico, que, de algn modo, ayude a la determinacin de hechos "cruciales", segn fuera propuesto por Bacon y recordado mucho despus por E. Durkheim. La utilizacin de tal esquema terico va acompaado del correspondiente procedimiento lgico-deductivo; "ante todo, con la ayuda de la deduccin se investigar de qu modo uno de los trminos pudo producir el otro; luego, intentaremos verificar el resultado de esta deduccin con la ayuda de experiencias; es decir de nuevas comparaciones... (E. Durkheim: 1970, p. 180).
32
3.3. Anlisis y sntesis

El anlisis y la sntesis son dos actividades de la razn simtricamente contrapuestas. Mientras que el anlisis, que procede etimolgicamente del griego disolucin, descomposicin, descompone todo en sus partes, la sntesis, que viene tambin del griego , composicin, compone o forma un todo con elementos diversos. Tanto en el procedimiento de anlisis como en el de sntesis se pueden distinguir tres elementos inversamente correlativos. En el anlisis, se parte del todo o conjunto a analizar, la razn lo estudia detenidamente y discierne sus diversas partes y elementos,
se termina con la expresin o formulacin separada de cada uno de los elementos separados. En la sntesis, por el contrario, se parte de elementos diversos, la razn los estudia detenidamente para descubrir sus relaciones,
se termina con la integracin, segn sus relaciones, de los distintos elementos en un conjunto o sistema conceptual. Tanto el anlisis como la sntesis se pueden referir a realidades no slo materiales sino tambin racionales. Si en el conocimiento corriente son ambas importantes, como actividades bsicas del pensamiento, en las ciencias son esenciales en todo proceso de investigacin cientfica. Tambin son complementarias, en cuanto se procede primero mediante al anlisis de la realidad investigada para terminar despus con sntesis tericas, en la que se integran los aspectos o variables
MAESTRA EN EDUCACIN
33
distinguidos en el anlisis. Dada esta importancia esencial del anlisis en las ciencias existen y se habla en ellas de muy diversos tipos de anlisis, bien segn por ejemplo las distintas ciencias; anlisis matemtico, qumico, fsico, etc.; los diversos campos o temas, por ejemplo anlisis de encuestas; y los diferentes enfoques, v.g. anlisis funcional, etc.
3.4. La inferencia inductiva y deductiva

La inferencia es la actividad de la razn que consiste en pasar de determinados enunciados a otros mediante la derivacin de stos a partir de aqullos. Este paso y derivacin de unos enunciados a otros es lo que constituye a la vez la esencia y el carcter distintivo de la inferencia respecto a las restantes formas de la actividad del pensamiento ya consideradas, que se basan de manera directa preferentemente en la experiencia. En relacin a estas formas de la actividad del pensar, la inferencia presenta un carcter secundario, pues su punto de partida son enunciados producto o resultado de aqullas. Adems, la inferencia es una actividad exclusivamente racional; es la razn sola, sin apoyarse directamente en la experiencia, la que efecta la derivacin de unos enunciados de otros. El hecho de la ntima conexin de las ciencias empricas con la experiencia, no se opone al papel fundamental, como en todo conocimiento, de la inferencia en ellas, en cuanto instrumento bsico para la interpretacin y explicacin de sus descubrimientos sobre la realidad y la elaboracin de sus teoras.
34
La inferencia comprende dos modalidades principales, ya clsicas, la induccin y la deduccin. Como vimos ocurra en el anlisis y la sntesis, ambas son formas de inferencia simtricamente contrapuestas, lo que incluso resulta reflejado por la etimologa de ambos trminos, procedentes del verbo griego
que significa indicar, mostrar, sealar, manifestar

declarar, demostrar, probar. Este verbo aparece modificado en la induccin por la partcula in, y en la deduccin, por la de, indicando que en la actividad de indicar, mostrar, sealar, demostrar, en que consiste la inferencia, en la induccin se trata de orientarse, dirigirse, tender al fin, in, de lograr una nueva conclusin, mientras que en la deduccin, lo que se trata es de derivar determinadas consecuencias, partiendo de unas conclusiones o premisas aceptada, de. En la induccin el movimiento de la razn es lgicamente ascendente. A partir de enunciados ms cercanos a la experiencia, se eleva a enunciados o conclusiones ms abstractas y generales. En cambio, en la deduccin dicho movimiento es descendente. Con base en enunciados de un mayor nivel de abstraccin, deduce conclusiones ms cercanas a la realidad. Ambas, dado su carcter racional indicado, si bien la induccin est ms vinculada a la experiencia, caen principalmente dentro del campo de la lgica que es la que se ocupa especficamente de la forma correcta de derivacin de unos enunciados de otros. . En cuanto al valor lgico y gnoseolgico de la induccin y la deduccin ocurre que mientras en la induccin la conclusin es ms amplia que las premisas, va ms all de lo que autorizan stas, en la deduccin, la premisa mayor ya debe incluir de algn
MAESTRA EN EDUCACIN
35
modo el conocimiento de la conclusin que se va a derivar de ella. Por ejemplo en la deduccin Juan es mortal de la premisa todos los hombres son mortales, esta premisa exige previamente que Juan sea mortal para poder afirmar que todos los hombres son mortales. Ambas objeciones estn estrechamente vinculadas y se basan en la imposibilidad de pasar de los hechos a la ley o los principios generales y por tanto, si esto es as, no podemos tener principios generales, empricamente fundados de modo absoluto, que permitan la deduccin de casos particulares. Estas objeciones no implican que la induccin y la deduccin no tengan ningn grado de validez, sino que lo que de ellas se deriva que la induccin no tiene una validez lgica absoluta, en cuanto no est justificado lgicamente el salto de muchos casos a todos, y la deduccin gnoseolgica, en cuanto que, si bien la deduccin puede ser totalmente correcta desde un punto de vista lgico, en cambio no est justificada gnoseolgicamente del todo la premisa mayor en que se basa, si sta se refiere a cuestiones de hecho. En mi opinin, esta insuficiencia de ambas refleja la limitacin esencial del conocimiento humano que nunca podr salvar la distancia que existe entre los hechos y las ideas.
3.5. El mtodo deductivo axiomtlco

Es el mtodo deductivo por excelencia, empleado hoy sobre todo en la construccin de las formas y teoras modernas de la matemtica y de la lgica. Las etapas y reglas principales de este mtodo (Cfr. Tarki
36
1977, 150) se pueden condensar como sigue: l. Se parte de un conjunto de expresiones que nos parezcan inmediatamente comprensibles, las cuales se emplean sin definirlas ni por tanto explicar su significado. Tambin se llaman trminos primitivos, o no definidos. 2. Establecidos estos trminos primitivos se adopta el principio que se ha de seguir rigurosamente, de no utilizar ningn nuevo trmino o expresin, sin que haya sido previamente definido con toda precisin mediante trminos primitivos o expresiones definidas ya antes con base en trminos primitivos en ltima instancia. Los trminos obtenidos de este modo reciben el nombre de definidos. 3. Se parte asimismo de un conjunto de aseveraciones, enunciados afirmativos o negativos, que nos parezcan evidentes, axiomas y que, como tales, se aceptan sin demostracin. 4. Toda otra aseveracin slo ser aceptada como verdadera en el sistema deductivo, s y slo si se ha podido demostrar su validez utilizando axiomas, definiciones del sistema y aseveraciones cuya validez haya sido previamente establecida mediante, en ltimo trmino, axiomas. Estas aseveraciones reciben el nombre de teoremas. En relacin a estas construcciones deductivas o axiomticas es muy importante el teorema de incompletitud de Gdel, segn el cual ninguno de los sistemas formados de este modo es autosuficiente lgicamente de modo que d cuenta o demuestre por sus propios medios todos los principios que se pueden deducir de l. El mtodo axiomtico da lugar a un sistema terico totalmente formalizado, y de ah su aplicacin propia en la lgica y la
MAESTRA EN EDUCACIN
37
matemtica.
3.6. El mtodo deductivo matemtico

En cuanto al mtodo deductivo matemtico se puede afirmar con Fingermann que la deduccin matemtica es distinta del silogismo y aporta algo nuevo. . Se caracteriza por avanzar mediante sustituciones. Se pueden sustituir unos trminos de las ecuaciones por otras y asimismo se pueden aumentar o reducir en igual proporcin. De este modo, se llega a conclusiones nuevas. En las sustituciones se aplica el principio de identidad y pueden dar lugar a nuevos enunciados que permiten el progreso del conocimiento. Los elementos que intervienen en las demostraciones matemticas son: l. Las definiciones que son genticas, pues enuncian la formacin de un nmero o figura, 2. Los axiomas, no demostrables, 3. Los postulados, que no se pueden negar sin contradiccin, pero que admiten su demostracin, y 4. Los teoremas, que exigen una prueba. Entre los procedimientos de demostracin matemticas, se pueden sealar, a) el analtico, que es deducir lo desconocido de lo conocido, considerando lo desconocido como si fuera conocido y viceversa. En l se supone la verdad de un enunciado y se derivan consecuencias
38
hasta llegar a algo conocido, que es la garanta de la hiptesis. b) el sinttico. Consiste en partir de principios ya conocidos para derivar la relacin que se quiere demostrar y todas sus consecuencias posibles. c) la reduccin al absurdo. Se trata aqu en suponer que es verdad lo contrario de la tesis que se trata de demostrar y derivar todas sus consecuencias hasta llegar a una totalmente falsa y absurda. Tanto en este mtodo como en el anterior se trata de mtodos de pensamiento, exclusivamente racionales.
MAESTRA EN EDUCACIN
39
40
Captulo 4
Anlisis de la explicacin
4.1. Etimologa
La palabra explicacin tiene su origen etimolgico en el latn y de modo concreto dentro de esta lengua en la preposicin
ex
que, en composicin como en este caso con otras palabras significa salir, partir, pasar de un estado a otro, y en el verbo plico , que significa plegar, doblar, y procede, a su vez, del verbo griego , que tiene tambin el mismo significado de plegar, doblar. Etimolgicamente, pues, explicar, significa salir del estado de plegamiento o desplegar algo en general. Sin embargo, en las lenguas modernas, aunque ha conservado este sentido general de desplegar, la palabra explicar se utiliza propiamente slo en relacin al conocimiento, con el sentido, por ejemplo, segn el Diccionario de la Real Academia Espaola (ed. de 1970) "declarar, manifestar, dar a conocer a otro lo que uno piensa. Declarar o exponer cualquier materia, doctrina o texto difcil, por palabras muy claras con que se haga ms perceptible. Ensear en la ctedra. Justificar, excusar palabras o acciones. Dar a conocer la causa o motivo de alguna cosa. Llegar a comprender la razn de alguna cosa, darse cuenta de ella".
MAESTRA EN EDUCACIN
41
En todas acepciones del lenguaje corriente, se ve cmo el trmino explicacin conserva los caracteres fundamentales de referirse al conocimiento y consistir en desplegar racionalmente el sentido, los aspectos, elementos o motivos de algo y, en general, hacen explcito lo que comprende o fundamenta algo o guarda relacin con ello, y, por tanto, ayuda a conocerlo mejor. De ah que sea y se pueda considerar la explicacin como otro de los mtodos de pensamiento, a los que nos estamos refiriendo. An ms, si se examinan los mtodos de pensar ya estudiados se ve que, de una u otra forma explican o desarrollan racionalmente el sentido, aspectos - abstraccin, clasificacin, comparacin- , elementos -anlisis sntesis- , razones o motivos -induccin, deduccin- de algo. Todo ello autoriza para considerar a la explicacin como el mtodo de pensamiento bsico y principal, en cuanto engloba toda actividad intelectual que ayude a conocer y comprender mejor algo segn se acaba de indicar, y se pueden reducir a l todos los dems.
4.2. Nociones lingstica, lgica, gnoseolgica, epistemolgica y ontolgica de la explicacin

En mi opinin, considerando las diversas nociones de la explicacin en los diversos autores de filosofa de la ciencia, todas ellas, por lo general, en lugar de ofrecer concepciones divergentes de la explicacin, lo que hacen es mostrar su sentido o significacin desde diversos enfoques, niveles o puntos de vista, los cuales se pueden reducir a los cinco siguientes: lingstico, lgico, epistemolgico, gnoseolgico y ontolgico a los que se podra aadir el psicolgico.
42
- A un nivel lingstico, la explicacin es simplemente la expresin de un enunciado mediante otras palabras distintas pero ms comprensibles. Una explicacin semntica, como escribe Kaplan (1964,327) consiste en "un conjunto de palabras que tienen un significado similar y equivalente a aquellas a ser explicadas, pero de ms fcil comprensin". Desde este punto de vista, la explicacin es siempre dar una respuesta al interrogante, que explica o implcitamente late en todo enunciado a ser explicado, mediante otros enunciados de palabras ms claras en su sentido. - Enfocada lgicamente, la explicacin es, como afirma Bunge (1975.102) "una subsuncin bajo un conjunto de premisas". Esta subsuncin se debe dar, tambin implcita o explcitamente, en toda explicacin, en cuanto sta implica siempre la reduccin de lo explicado a lo que explica, lo que no se puede realizar lgicamente de modo vlido, sin premisas implcitas que avalen la equivalencia, aunque slo sea de significado, entre los trminos explicados y los que explican. -- Desde un punto de vista gnoseolgico, la definicin de explicacin debe hacer referencia directa al conocimiento. De ah que en este sentido "las explicaciones, segn Nagel (1974, 109), puedan ser consideradas como intentos de comprender lo no conocido, en trminos de lo conocido" o, conforme a Brunner (1943,70) "aproximar lo menos conocido a algo ms conocido". Este punto de vista marca, a diferencia de los dos precedentes que sealan la forma lingstica y lgica de la explicacin, el fin de todo explicacin, que no puede ser otro sino el de hacer comprensible o ms comprensible algo. - Enfocada la explicacin epistemolgicamente, es decir, con
MAESTRA EN EDUCACIN
43
referencia a la ciencia en cuanto conocimiento metdico de la realidad observable, las ciencias pretenden dar cuenta de hechos o clases de hechos estableciendo sus relaciones con otros hechos o clases de hechos que los condicionan o determinan. "Las ciencias, afirma Nagel (1974, 17) tratan de descubrir y formular en trminos generales las condiciones en las cuales ocurren sucesos de diverso tipo, y las explicaciones son los enunciados de tales condiciones determinantes. Slo es posible lograr este objetivo distinguiendo o aislando ciertas propiedades en el tema estudiado y discerniendo los esquemas de dependencia reiterados que vinculan estas propiedades unas a otras". - A nivel ontolgico, la explicacin consiste, en ltimo trmino en determinar la causa de lo explicado. En este sentido, una explicacin, como seala Rudner (1973, 96) "es una respuesta a la pregunta "Por qu?". Ahora bien a esta pregunta se puede contestar en la explicacin refirindose ya al origen, a lo que ha producido o dado lugar al fenmeno a explicar, o bien a la intencin o fin pretendida por el agente productor, cuando ste es racional, o finalmente, determinando porqu es como es el fenmeno en cuestin, es decir, en trminos modernos, qu variables lo forman y cules son sus relaciones o estructura. - Finalmente, psicologicamente, la explicacin se pide por alguien y se da para alguien. Desde este punto de vista, una explicacin ser tal si satisface las dudas de ese alguien, si le pone de manifiesto lo que desconoca y quera saber sobre alguna cuestin. En este caso se debe dar una conjuncin entre el tipo de explicacin y el nivel de la duda. Que satisfaga o no psicolgicamente una explicacin depende pues no slo de que sea correcta sino de que se site al mismo nivel que la duda a la
44
que pretende responder.
4.3. Tipos de explicacin

Las explicaciones se pueden clasificar segn, A) su objeto, B) su forma lgica y alcance real, y C) su nivel cientfico. A. Teniendo en cuenta su objeto, las explicaciones pueden ser: 1. De conceptos y enunciados, 2. De un acontecimiento o suceso, 3. De clases de acontecimientos o sucesos. 4. De hechos, en el sentido de realidades ya existentes. 5. De acciones. l. Las explicaciones de conceptos o enunciados no pueden ser otra cosa que explicaciones de tipo lingstico o semntico, mediante las cuales expresamos su sentido o significacin con otras palabras que se suponen ms claras. Segn esto seran explicaciones de este tipo, las definiciones. 2. Los acontecimientos o sucesos son, en general, hechos o realidades que, en lugar de poseer como los dems un estado o existencia previo determinado, ms o menos permanente, se caracterizan por referirse especficamente a lo que ocurre o acaece en un momento determinado. Su explicacin se refiere preferentemente no a la realidad en s que represente lo acontecido, sino a lo que ha dado lugar a que se produjera en
MAESTRA EN EDUCACIN
45
ese momento el acontecimiento en cuestin, v. g., que un coche se salga de la carretera y choque contra un rbol, aunque tambin pueden entrar en esta explicacin los efectos producidos. Las explicaciones tpicas de un acontecimiento o suceso dan cuenta de ste, segn seala Harre (1967, 34), informando sobre otro acontecimiento. Por ejemplo: El fuego se ha apagado (un suceso) porque la chimenea no tira (otro suceso). Harre llama a estas explicaciones lineales porque lo explicado, explicandum, y lo que explica, explicans, presentan el mismo nivel lgico, en cuanto el explicandum y el explicans se mantienen en lo singular. Son explicaciones vulgares no cientficas. 3. Las explicaciones de clases de acontecimientos o sucesos son las que valen no slo para un acontecimiento o suceso singular sino para todo un conjunto de ellos. Es, siguiendo con el ejemplo de Harre, como si explicramos el suceso que de que este fuego se haya apagado diciendo que "los fuegos se apagan porque las chimeneas se taponan". Aqu, la explicacin es de tipo general, una ley, y por ello su nivel lgico es distinto del hecho singular de haberse apagado este fuego que se intenta explicar. Se basan, pues, como las explicaciones cientficas en la formulacin de leyes. 4. Las realidades existentes se pueden explicar por los agentes o causas que las han producido, por los elementos que las forman y la estructura de sus relaciones, por las funciones de sus elementos o de toda la realidad en un conjunto ms amplio. No se trata sino, respectivamente, de las explicaciones causales, estructurales y funcionales que se estudian a continuacin.
46
5. Las explicaciones de acciones son tambin explicaciones de acontecimientos, pero con la particularidad de que en ellas interviene la libertad humana, las intenciones, propsitos y motivos del hombre. En ellas, por tanto, el carcter que se podra llamar "mecnico" de las explicaciones de sucesos puras, resulta modificado o alterado por la imprevisibilidad propia de la libertad del hombre. Estas explicaciones son las peculiares de las ciencias humanas y sociales. B) De acuerdo con su forma lgica y sentido real, y teniendo en cuenta la clasificacin de Nagel (1974, 31) se pueden distinguir los cuatro tipos de explicaciones que siguen: 1. Deductivas, 2. Probabilsticas, 3. Funcionales o teleolgicas, y 4. Estructurales. Si se tiene en cuenta que las explicaciones probabilsticas son una forma dbil de las deductivas, en esta clasificacin se tratara de explicaciones ontolgicas, causales, similares a algunas de las modalidades de respuesta la pregunta porqu que antes hemos mencionado: como factor productor, como intencin o fin pretendido y ferido a porqu es como es algo. Dado que en el captulo siguiente trataremos nuevamente de ellas, nos limitamos aqu a consignar su noci6n. l. Las explicaciones deductivas son las que explicn o dan razn de algo, enunciando el factor o causa que lo produce. 2. Las probabilsticas, a diferencias de las anteriores, son explicaciones que se fundan no en una ley general, sino en una ley estadstica, que slo se cumple en un % determinado de casos. 3. Las explicaciones teleolgicas son las que, como indica su nombre, se basan no en la causa que produce algo, sino en las
MAESTRA EN EDUCACIN
47
funciones y los fines. 4. Por ltimo, las estructurales consisten en establecer cmo est estructurado un fenmeno, es decir, que elementos lo componen y cules son sus relaciones, o en determinar la posicin de un elemento en el conjunto de la estructura a la que pertenece. C. Segn su nivel cientfico, las explicaciones se pueden clasificar en cientficas y no cientficas, segn utilicen o no, conforme se ha indicado antes, leyes generales y, adems, en sentido estricto, segn que la respuesta al porqu de la cuestin a explicar sea o no el resultado de una investigacin cientfica. Un tipo de explicaciones que se pueden considerar como intermedias a las cientficas y no cientficas son las explicaciones o interpretaciones "postfactum". Segn Merton (1970, 103) ocurren con frecuencia en la investigacin social emprica. Consisten en que "se recogen los datos y slo ms tarde se someten a comentario interpretativo". Se caracterizan, pues, por la formulacin de una "interpretacin despus de haber hecho las observaciones" y no por la "comprobacin emprica de una hiptesis previamente formulada". En el caso de explicaciones basadas solamente en una ley, se trata, sin duda, de lo que Popper (1967,45) llama explicacin por experiencias previas, las cuales porque un mismo hecho puede ser explicado por diversas teoras o leyes, slo confirman que un caso puede ser interpretado a la luz de una teora. Popper da dos ejemplos: Un hombre que empuja un nio al agua para ahogarlo y otro que sacrifica su vida para salvarlo. Ambos pueden ser explicados previamente, antes de toda investigacin, por la teora de Freud y la de Adler. Segn Freud, el primero sufrira una represin y el segundo una sublimacin. De acuerdo con Adler, los dos sufriran un sentimiento de inferioridad, queran demostrar
48
a s mismos que eran capaces de matar o salvar al nio. La explicacin cientfica tiene una importancia mxima en las ciencias. Constituye su origen, su contenido y su fin principal. Su origen, y fin porque lo que motiva la investigacin cientfica es, en todo caso, conocer, los elementos, factores y relaciones de los fenmenos de la realidad y lo que pretende es hallar alguna respuesta a los porqus o interrogantes que nos plantea. Su contenido, porque la ciencia est formada por teoras, y las teoras no son otra cosa que explicaciones racionales de determinados sectores de lo real. Como escribe E. Nagel (1974, 17) "es el deseo de hallar explicaciones sistemticas y controlables por elementos de juicio fcticos lo que da origen a la ciencia y es la organizacin y clasificacin del conocimiento sobre la base de principios explicativos lo que constituye el objetivo distintivo de las ciencias". Una cosa es la interpretacin con base en teoras previas y otra la explicacin cientfica basada en una investigacin especfica.
3.4.
Descripcin, prediccin y explicacin
Expuestas las clases de explicacin, se plantea ahora la necesidad de estudiar la relacin que guarda con la descripcin y la explicacin. La descripcin se podra definir como la enumeracin de los elementos y rasgos singulares de todo tipo que configuran una realidad. Frecuentemente se contrapone la explicacin y la descripcin.
MAESTRA EN EDUCACIN
49
Segn Kaufmann (1946, 94) "es tema de la descripcin lo singular en cuanto singular", mientras que "por el contrario, la explicacin ordena los fenmenos singulares en "conexiones generales". Sin embargo, esta contraposicin slo existe si se toma la explicacin en un sentido fuerte o estricto de dar cuenta del porqu o causa productora de algo o de las leyes que determinan su existencia, pero no cuando, como se ha expuesto, se considera la explicacin en el sentido general indicado, implicado en la misma etimologa del trmino, es decir, abarcando todo lo que despliegue el conocimiento de algo y ayude a comprenderlo mejor. Es obvio que, en cuanto la descripcin explicita los elementos y aspectos que se pueden distinguir en una realidad, no es otra cosa que una forma de explicacin, entendida sta en su sentido amplio. Segn E. de Gortari (1969, 5), desde un punto de vista cientfico, "la prediccin es una inferencia con respecto a un acontecimiento futuro". Ahora bien, esta inferencia tiene que realizarse necesariamente partiendo de la base de determinados presupuestos de conocimiento anteriores, que no son otra cosa que una explicacin previa. De ah que la prediccin venga a ser una inferencia deducida o una consecuencia derivada de una explicacin. Esta inferencia puede referirse, como en el caso de la prediccin, al futuro, lo que ha de suceder. Por el contrario, puede referirse tambin al pasado y deducir de lo ya conocido, algo no conocido hasta ahora ya sucedido con anterioridad recibiendo entonces el nombre de retrodiccin. La retrodiccin tiene una importancia
50
bsica en las ciencias histricas, prehistricas y paleontolgicas.

Por todo ello, se puede afirmar con Gortari (1969, 5) que "la predictibilidad se encuentra implicada en los conceptos, las hiptesis, las leyes, las teoras, los modelos, los principios y, en general, en toda explicacin cientfica de cualquier ndole que sea".
Es obvio que si la ciencia logra saber los elementos de la realidad y sus leyes est en condiciones de predecir los acontecimientos que tendrn lugar en dicho sector de la realidad. Es porque hemos hallado las leyes que dan cuenta de un fenmeno que podemos esperar que seguir actuando en el futuro en el mismo sentido -prediccin- o inferir que deben haber ya actuado de una forma determinada, -retrodiccin-.
4.5. Rasgos de la explicacin

Adems de los aspectos lingstico, lgico, gnoseolgico, epistemolgico y ontolgico de la explicacin que se derivan de las nociones expuestas, se pueden sealar como rasgos de las explicaciones, siguiendo a Kaplan (1964, 651), todos los cuales recalcan cmo la limitacin unida a todo conocimiento alcanza tambin a la explicacin, los siguientes: a) ser parciales, en cuanto slo tienen en cuenta algunos, no todos, los factores del fenmeno en cuestin. b) condicionales, dado que dependen, en su aplicacin, del cumplimiento de condiciones especficas, c) aproximadas, supuesto que las cantidades y cualidades en que se concretan son ms o menos inexactas o diferentes de las reales, d) indeterminadas en su aplicacin a los casos particulares,
MAESTRA EN EDUCACIN
51
porque no excluyen toda excepcin, e) inconclusivas, ya que no establecen sus conclusiones de modo absoluto sino slo en algn grado, f) intermedias, porque toda su explicacin puede ser a su vez objeto de nueva explicacin.
4.6. Niniveles de la explicacin

Hemos visto que etimolgicamente explicar es desplegar, declarar, hacer explicito algo. Por otra parte, la explicacin se puede realizar bien con: a) la simple enumeracin de hechos o circunstancias que caracterizan a lo explicado, b) la formulacin de la ley en relacin a la cual el fenmeno explicado es un caso particular, o con c) la exposicin de una teora que de cuenta ms completa y estructurada de los hechos y rasgos del fenmeno y de la ley o leyes cientficas referentes al mismo. Segn esto, parece clara que la explicacin puede presentar distintos niveles, conforme a la forma de las indicadas en que se realice y el grado que logre en la declaracin y explicitacin pretendidas. Estos diferentes niveles concuerdan y se pueden ver como una manifestacin de los rasgos de la explicacin acabadas de sealar, o sea lo de ser parciales, condicionales, aproximadas, indeterminadas, inconclusivas e intermedias. .Sin duda que se pueden distinguir no uno sino varios tipos de niveles en la explicacin, como se deriva incluso en cierto modo de los diversos aspectos y tipos de explicacin antes estudiados. Sin embargo aqu slo me vaya referir, adems de los que se
52
derivan, segn lo expuesto, segn que la explicacin se base, a) slo en hechos simples, b) en leyes,y c) en teoras a los cuatro grados siguientes desarrollados por J.T. Doby (1971) en su trabajo sobre este tema: 1. Describe la simple existencia de un fenmeno. 2. Establece tambin la naturaleza del fenmeno y los factores que lo producen. 3. Determina cmo los diversos factores interactan entre s para producir el resultado descrito en el nivel l. 4. Explicita no slo la interaccin de los factores sino tambin las modalidades de esta interaccin y las razones que dan cuenta de ella.
MAESTRA EN EDUCACIN
53
54
Captulo 5
Explicacin deductiva o causal

5.1. Introduccin
En este captulo vamos a tratar de modo especfico de las clases de explicacin distinguidas en el captulo anterior, segn su forma lgica y sentido real; deductivas, probabilsticas, teleolgicas o funcionales y estructurales. Estos tipos se pueden considerar especialmente cientficos porque se adapta a ellos el esquema lgico general de la investigacin, la forma lgica general del intento de solucin al problema planteado que representa la investigacin, cuando sta es explicativa. La ciencia y por tanto tambin la investigacin, debe su origen y se orienta en ltimo trmino, a hallar el fin, la funcin, la estructura o la causa de los fenmenos que estudia. Parte o se inicia con el propsito de encontrar la explicacin a un problema y termina con la determinacin, mediante el anlisis e interpretacin de los resultados, del tipo y del grado de explicaciones que los mismos representan en relacin al problema planteado.
MAESTRA EN EDUCACIN
55
5.2.
Nocin y elementos
En un sentido cientfico estricto, explicar es determinar la razn o, el por qu de algo. Pero estableceremos la razn o el por qu de algo cuando hallamos la regla general a la que debe su razn de ser y los hechos concretos por los que el fenmeno en cuestin es un caso particular de dicha regla general. Lo que queremos decir, escribe Reichenbach (1967, 16), con explicar un hecho observado es que se incorpora ese hecho a una ley general. De ah que la explicacin sea una operacin lgica en la que se obtiene la efectividad del fenmeno de que se trate por deduccin de determinadas premisas. Estas premisas son la regla general o ley en que se inserta el fenmeno entre a formar parte de la regla general.
5.3. Forma de la explicacin deductiva

La explicacin deductiva es tpica, aunque no exclusiva, de las ciencias naturales. Adopta la forma de un razonamiento deductivo en el que la consecuencia, el explicandum, es un resultado lgicamente necesario de las premisas explicativas. Segn Carl G. Hempel (1973, 81), el esquema bsico de las explicaciones que l llama nomolgico-deductivas comprende como explanans: una serie de leyes L1, L2,Lr, que son las reglas generales que se utilizan en la explicacin; datos C 1, C2, Ck o circunstancias de hecho relativas al caso considerado, y una conclusin, E, explanandum, que engloba el caso considerado en la regla general.
56
L1 , L2 ...., Lr C1 , C2 ...., Ck Explanandum
Explanans
Los elementos de este tipo de explicacin, aparte de la conclusin o el explanandum, comn en todos los tipos, son reglas generales o leyes, y las circunstancias de hecho. Las primeras, las reglas generales, no son otra cosa que las leyes o enunciados generales en relacin a un determinado conjunto de casos o una poblacin de individuos, que pueden ser de origen terico o emprico. Como tales leyes contienen uniformidades o regularidades que afectan a todo un conjunto o universo. El segundo elemento son las circunstancias de hecho, constituidas por enunciados singulares y especficos, que afirman o niegan la existencia de determinadas caractersticas en un sujeto o conjunto de individuos, siempre menos amplio y general que la ley universal. Constituyen lo que Popper en la Miseria del Historicismo (p. 150) llama condiciones iniciales. Adems, se puede mencionar como otro elemento de la deduccin la regla lgica que fundamenta la derivacin de la conclusin a partir de las premisas. La forma de vigencia y aplicacin de la ley general en un caso concreto depende de las circunstancias de hecho o condiciones iniciales. As, por ejemplo, el cumplimiento de la ley de la gravedad en un caso concreto depende de circunstancias de hechos tales como forma, peso, etc. del cuerpo que caiga en el espacio. El tipo de explicacin deductiva es fundamental. Como escribe Popper (1973, 115) "el esquema lgico bsico de toda
MAESTRA EN EDUCACIN
57
explicacin radica, pues, en una inferencia lgica deductiva cuyas premisas estn constituidas por la teora y las condiciones iniciales y cuya conclusin es el "explicandum". Esto es as, porque todo otro tipo de explicacin se puede reducir a ste".
5.4. La explicacin deductiva y el razonamiento

Desde un punto de vista lgico, la explicacin deductiva no es otra cosa que un razonamiento o silogismo. El razonamiento es la tercera de las formas, junto con el concepto primera y el juicio o proposicin, segunda, que adopta el resultado del conocimiento. Consiste en derivar o deducir enunciados no de la observacin de la realidad, sino de otros enunciados previamente formados. La explicacin deductiva, segn se deriva de su esquema bsico expuesto, tambin deriva o deduce de los enunciados que forman las leyes y las condiciones iniciales, un nuevo enunciado como conclusin. Por ello su forma lgica se puede asimilar a las del razonamiento, de ah que sea oportuno aqu exponer las formas lgicas principales del razonamiento o silogismo.
5.5. Tipos de razonamiento

Existen cuatro tipos fundamentales de silogismos: el categrico, el hipottico o condicional, el alternativo y el disyuntivo. El silogismo categrico est formado por tres enunciados, dos premisas y una conclusin, simples y categricos, afirmativos o negativos; formados todos ellos en su conjunto por tres y slo tres trminos, como sujetos y predicados de los enunciados. De ellos, uno es el trmino medio, M, que debe entrar a formar parte
58
de las dos premisas, y los dos otros, deben constituir el sujeto y predicado de la conclusin, por lo que se representan con las letras S y P, respectivamente. Los tipos de esta clase de razonamiento pueden ser muy diversos, segn la cantidad (todos, algunos) o la calidad (si y no) de los enunciados. Aqu slo cabe referirse a sus cuatro figuras bsicas que vienen definidas por la posicin del trmino medio, M, en ellas, corno se ve en los esquemas que siguen:
Primera figura MP SM SP
Segunda figura PM SM SP
Tercera figura M-P M-S S- P
Cuarta figura P-M M-S S- P
En la primera figura el trmino M es el sujeto de la primera premisa y el predicado de la segunda, y as sucesivamente. Respecto a la cuarta figura se discute si es admisible lgicamente o no. El silogismo hipottico o condicional, tambin tiene que estar formado bsicamente, como todo silogismo, por tres enunciados: dos premisas y una conclusin. Si son puros, los tres enunciados deben ser hipotticos, pero en los mixtos, que son los ms frecuentes e importantes en la prctica, slo es condicional la premisa mayor, mientras que los enunciados de la premisa menor y la conclusin, lo son categricos. La forma lgica de los silogismos alternativo y disyuntivo es similar a la del condicional, con la diferencia de que la premisa mayor, en lugar de ser un enunciado hipottico tipo, "si
MAESTRA EN EDUCACIN
59
entonces", lo es alternativo, del tipo, "oo", o bien disyuntivo, no esto y a la vez lo otro
5.6. Formas del razonamiento condicional

El silogismo condicional o hipottico puede adoptar dos formas vlidas que reciben el nombre de "modus ponendo ponens" y "modus tollendo tollens". Sus esquemas son como siguen:
Modus ponendo ponens Si A, entonces B A es Luego, B es
Modus tollendo tollens Si A, entonces B B no es Luego, tampoco A es
El "modus tollens" representa la forma lgica de la falsacin cientfica, o prueba de la falsedad de una hiptesis. Existen otras dos formas de este silogismo hipottico, pero son invlidas, pues su conclusin puede ser falsa o incorrecta. Se caracterizan, la primera, por afirmar el consecuente, y la segunda, por negarlo. Sus esquemas son:
Negacin del consecuente
Afirmacin del consecuente
Si A, B Si A, B No A es no sea B, pues B Que no sea A no implica necesariamenteB que Luego no B A es
60
puede ser debido a otros motivos o causas. De que sea B no se puede deducir que sea A, pues A puede precisar de otras condiciones, adems de B, para que se d. Por ello, se llama a este tipo de prueba la falacia de afirmar el consecuente. Sin embargo, aunque no constituya una prueba concluyente, la verificacin de A representa una cierta confirmacin de A, tanto ms fuerte cuanto ms mltiples consecuencias de A se comprueben, sobre todo si son de tipo distinto. En estos ltimos casos, los esquemas segn Stinchcombe (1970, 28), seran: Si A, B1, B2, B3,, Bn B1, B2, B3,, Bn todas verdaderas A sustancialmente ms veraz. Si A, B1, B2, B3,, Bn todas diferentes, B1, B2, B3,, Bn todas verdaderas y diferentes A mucho ms veraz. Sin embargo, en estos casos de prueba mltiple, de lo que se trata en realidad no es un nico razonamiento sino de varios, tantos como consecuencias directas que se presentan refundidos en uno slo por tener una premisa nica. Ejemplo de ello es el siguiente razonamiento (Zettemberg 1971,83): Si la prosperidad nacional aumenta (A) entonces las clases medias se expanden (B1 ), aumenta la movilidad social (B2), y aumenta el consenso de valores (B3) B1, B2, y B3 son ciertas empricamente Luego el aumento de la prosperidad nacional (A) es ms
MAESTRA EN EDUCACIN
61
veraz que si slo se hubiera verificado, por ejemplo, B 1. La induccin, como muestra Bochenski (1971, 142) se reduce, en ltimo trmino, a este esquema. Por eso no es totalmente concluyente desde el punto de vista lgico. Su esquema lgico es el siguiente: Si todos los trozos de fsforo arden a los 60 grados, tambin ardern estos tres: a, b y c a, b y c, arden a los 60 grados Todos los trozos de fsforo arden a los 60 grados.
5.7. Formas de los razonamientos alternativos disyuntivos
Por su parte los razonamientos alternativos pueden adoptar una forma vlida y otra invlida. En cambio, en el caso de los disyuntivos las dos vlidas Todas ellas son las siguientes:
ALTERNATIVOS Modus tollendo ponens (vlido) O p q p q Modus ponendo tollens (invlido) O pq p p DISYUNTIVOS Modus tollendo ponens (vlido) No (p y q) p q Modus ponendo tol1ens (vlido) No ( p y q ) No (p y q P q
62
Captulo 6
Otros tipos de explicacin

6.1. Explicacin probabilstica
A diferencia de las explicaciones estudiadas en el captulo anterior, basadas en la inferencia deductiva y su lgica, estas explicaciones se fundan en la inferencia inductiva y dan lugar a lo que Allwood y otros (1981, 27) llaman lgica inductiva. Este tipo de explicaciones constituyen claramente una forma dbil de las explicaciones deductivas. Por ello, su esquema bsico es el mismo, con la diferencia de que la premisa mayor est formada por leyes estadsticas no generales sino vlidas slo en un % de los casos, con el resultado de que la consecuencia que se puede obtener de tal premisa, de ah su carcter probabilstico, no es cierta sino solo probable. Su esquema, por ello est afectado por lo que Heggenberg (1969) llama un cualificador moda. M, que fundamenta la posibilidad de que el caso examinado sea una excepcin de la regla general y la conclusin no sea, por tanto, cierta, respecto al mismo.
Un 90 % de los habitantes de X son antisemitas H es habitante de X Probablemente lo ser Pero puede no serlo
MAESTRA EN EDUCACIN
63
G D (M) C R
En sntesis, como seala Nagel (1974, p. 468) estas explicaciones presentas los siguientes rasgos: 1. Obedecen uniformemente al patrn deductivo, 2. Al menos una de las premisas de estas explicaciones debe de tener forma estadstica; y 3. El grado de dependencia estadstica supuesta en una, al menos, de las premisas debe ser mayor que el grado de dependencia enunciado en la generalizacin para la cual se propone la explicacin, Estas explicaciones tienen cierto valor en el caso de grandes nmeros, pero su valor es escaso si se trata de uno o solo muy pocos casos.
6.2. Formas de inferencias probabilsticas

Aunque no sean siempre explicaciones en sentido estricto se pueden citar aqu, por su carcter en todo caso probabilstico, las siguientes formas de inferencia, expuestas por Bunge (1972,860). 1. Analoga sustantiva: Semejanza de componente. a es P1, P2, .., Pn b es P1, ,P2, ... Pn-1 Es probable que b sea Pn
64
Ejemplo: "Entre los animales el cncer se debe fundamentalmente a virus". El hombre es un animal. Por tanto es probable que los virus sean frecuentemente la causa del cncer humano. 2. Analoga estructural: Semejanza de forma Sistemas de forma (estructura o ley) muy semejante tienen frecuentemente en comn otras propiedades. a y b tienen la misma estructura ("obedecen" a leyes de la misma forma) Es probable que a y b tengan en comn otras propiedades.
3. Induccin de primer grado: (De los ejemplos a una generalizacin de nivel ms bajo) Todos los A hasta el n-simo han resultado ser B Es probable que todos los A sean B. 4. Induccin de segundo grado : (De generalizaciones de nivel ms bajo a generalizaciones de nivel ms alto). La ley L vale para todo el conjunto Si hasta el n-simo. Es probable que valga para todo conjunto Si. Ejemplo: "Las leyes bsicas del aprendizaje valen para todas las especies estudiadas, por tanto es posible que valgan para todas las especies existentes". 5. Modus ponens dbil: Separacin dbil del "consecuente en
MAESTRA EN EDUCACIN
65
base a una afirmacin dbil del condicional y/o del antecedente.

Si p, entonces q Si p, entonces q es verosmil Si p, entonces q es verosmil
q es verosmil p es verosmil
q es p es verosmil
No q es verosmil______ No p es verosmil
6. Modus tollens dbil: (Exclusin dbil del antecedente en base a afirmacin fuerte o dbil del condicional y negacin dbil o fuerte del consecuente)
Si p, entonces q No q es verosmil No p es verosmil Si p, entonces q, es verosmil No q es No p es verosmil Si p, entonces q. es verosmil No q es verosmil No p es verosmil
Ejemplo:
En relacin a 5 y 6. Es probable que si se da un clima suave, entonces favorezca el nacimiento de una civilizacin. Per goza de un clima suave, luego es probable que en Per naciera una civilizacin.
6.3. Explicaciones teleolgicas

Nagel (1974, 34) se refiere a estas explicaciones diciendo que "adoptan la forma de la indicacin de una o ms funciones (o hasta disfunciones) que una unidad realiza para mantener o dar concrecin a ciertas caractersticas de un sistema al cual pertenece dicha unidad, o de la formulacin del papel instrumental que desempea una accin para lograr un objetivo". Sin embargo, dado que el fin y la funcin no son cambiables entre s, parece que debe establecer una distincin ms clara
66
entre las explicaciones teleolgicas y referentes al fin como intencin y las relativas al fin como servir para algo o funcin. Las primeras, atenindose al significado etimolgico, son las propiamente teleolgicas, es decir las que explican algo por su telos o, fin. Segn Von Wright (1979,107) estas explicaciones apuntan al futuro: "Esto tuvo lugar con el fin de que ocurriera aquello", y en ellas se da por supuesto una vinculacin nmica, mediante una ley, que en el caso tpico suele ser una condicin necesaria. Estas explicaciones es obvio que implican la facultad de actuar con arreglo a fines y por tanto al suponer la accin humana racional entran dentro del campo de las ciencias humanas y sociales. Las segundas o funcionales seran explicaciones teleolgicas peculiares de las ciencias naturales, y biolgicas aunque no exclusivas, porque, por ejemplo, toda explicacin por el rol social de una persona o de una institucin social, sera funcional. Von Wright habla, en relacin a estas explicaciones, de cuasiteleolgicas. Segn l, "las explicaciones de este gnero suelen responder a preguntas sobre cmo es o llega a ser posible algo (para la sangre, v. g., el mantener una relativa estabilidad en su composicin qumica a pesar de la prdida de oxgeno ocasionado por un duro ejercicio muscular), con mayor frecuencia que a preguntas relativas a por qu algo ha ocurrido necesariamente". Como esquema tpico suyo se suele considerar el siguiente: La funcin de P en un sistema S con una organizacin H, es la de permitir, en la circunstancia C, la actividad A. Este tipo de explicacin puede ser expresado en forma de explicacin deductiva sin prdida de su contenido y significacin. Segn Kaufmann (1946, 108) la expresin siguiente: "La funcin
MAESTRA EN EDUCACIN
67
de la inclinacin de ambos ejes oculares es servir a la visin binocular", tiene el mismo sentido que esta otra: "Sin la inclinacin recproca de ambos ejes oculares no sera posible la visin binocular". La explicacin funcional y, en general la idea de fin padece en las ciencias modernas de un cierto descrdito y, desde luego, se la reconoce un rango inferior que a la explicacin causal. Esto es patente, respecto a las ciencias sociales, en Durkheim (1964, 107 ss.) quien al establecer la regla de que al explicar un fenmeno social es preciso buscar separadamente la causa eficiente que lo produce y la funcin que cumple, pretende, sin duda, que la explicacin funcional, de tipo psicolgico segn l, no contamine la causal.
6.4. Explicaciones estructurales o sistmicas

Como se ha indicado en el captulo anterior, estas explicaciones revelan por qu es como es algo o cmo est estructurado un fenmeno, es decir, qu elementos lo componen y cules son sus relaciones. Respecto a las explicaciones causales y teleolgicas, no son, como stas, explicaciones en las cuales el explicans sea extrnseco al fenmeno explicado, sino que en ellas el explicans es interno al fenmeno en cuestin, en cuanto lo explican por sus propios elementos y relaciones. En relacin a la explicacin de un fenmeno determinado, estas explicaciones pueden dar cuenta de l, descubriendo, como se ha indicado sus partes constitutivas y su red de relaciones, o bien insertando el fenmeno en cuestin en un sistema o estructura ms amplio del cual forma parte. En todo caso, estas explicaciones no son simplemente descriptivas, porque no se limitan a describir los elementos del fenmeno sino que al poner de manifiesto sus relaciones revelan los vnculos de influencia y asociacin entre dichos elementos.
68
Captulo 7
Matriz de datos
7.1. Presentacin del Concepto "Matriz de Datos"
La traduccin de la experiencia espontnea a una descripcin cientfica produce ese material bsico de la experiencia cientfica que se llama "dato". Ahora bien, un dato es una construccin compleja que, por consecuencia, posee una estructura interna. Esta estructura es su contenido formal invariable (es decir, est presente en todo dato). Voy a sostener -contrariamente a lo que dice Galtung- (1968,2) que esta estructura general del dato cientfico tiene cuatro componentes y no tres: a saber. l. unidad de anlisis (UA); 2. variables (V); 3. valores (R); y 4. indicadores (I). Aunque deje para despus presentar con ms detalle las nociones en juego, necesito ahora adelantar la definici6n de "indicador". Voy a entender por indicador a algn tipo de procedimiento que se aplique a alguna dimensin de la variable, para establecer qu valor de ella le corresponde a una unidad de anlisis determinada. A su vez, por "dimensi6n de una variable" voy a entender un aspecto parcial de la variable (o predicado), que es relativamente independiente de otros aspectos y que, en
MAESTRA EN EDUCACIN
69
conjunto, constituyen su sentido total. Por ejemplo si, estudiando nios escolares, mi variable fuese "apoyo familiar", se comprende que ese apoyo puede ser: "econmico"; "afectivo"; "en cantidad de tiempo"; etc. El sentido total de la variable est dado por la conjunci6n de todas sus dimensiones, y cada una de estas dimensiones se comporta como una variable, con sus propios valores. El valor final de la variable completa es una resultante del conjunto de los valores de las dimensiones. Analicemos el siguiente enunciado, sacado de una escena entre Sherlock Holmes y el Dr. Watson: " Por lo que veo, ha estado usted en Afganistn". Independientemente de las caractersticas coloquiales que tiene la afirmacin anterior, en ella hay un dato. La unidad de anlisis (UA) es, en este caso concreto, el Dr. Watson. La funcin de descripcin (que en la jerga metodolgica se denomina "variable V) es "lugar de ltima residencia". El valor (R) es "Afganistn". Y por ultimo, el indicador (I) ("Por lo que veo...") es "la observacin de indicios fsicos". Conviene desde ya agregar a estas nociones una representacin espacial que ayude a advertir rpidamente el carcter jerrquico de algunas de las relaciones que se dan entre los cuatro elementos de la estructura.
R I=
V UA D P
En este diagrama, debajo del smbolo del valor (R), figura el
70
smbolo del indicador (I), que est en relacin de igualdad con la dimensin y el procedimiento, cuyos smbolos (D) y (P) estn inmediatamente por debajo de la variable (V). Esta ubicacin en el diagrama busca sugerir la relacin de subordinacin que existe entre las dimensiones y la variable de la cual son aspectos.
7.2. Desarrollo de la nocin de "sistema de matrices de datos"

En la Metodologa de las Ciencias Sociales, Lazarfeld y Galtung han sido los primeros que, con mayor nfasis, llamaron la atencin sobre la complejidad estructural del dato cientfico, de modo que en todo lo, que sigue, mi deuda con esos autores y sus epgonos es total. Sin embargo, intentar fundamentar mi posicin crtica sobre dos asuntos esenciales: l. por un lado, creo que no llamaron suficientemente la atencin sobre el hecho de que en toda investigacin cientfica hay ms de una matriz de datos; dicho de otra manera: no proporcionaron elementos de juicio contundentes ni una nomenclatura apropiada para conceptualizar la nocin de "matriz de datos" como "sistema de matrices de datos" (aunque tal idea pueda encontrarse implcita en sus escritos); y 2. en segundo lugar como dije ms arriba ellos hablaron de una estructura tripartita: UA/V/R, sin incluir en esta estructura los procedimientos por los cuales se genera el dato, de modo que las nociones de "indicadores" no aparecen teniendo un lugar en la estructura misma del dato cientfico. Creo que este cuarto lugar de la estructura se le ocult a Galtung como resultado de no haber distinguido formalmente la Variable y lo que l llama el estmulo (S), que sera propiamente el indicador. Dicho de otra manera: si Galtung hubiera distinguido formalmente la variable
MAESTRA EN EDUCACIN
71
del estmulo tendramos una estructura cuatripartita: Estmulo [S] Valor [R] Variable [V] y unidad de anlisis [UA], (que es lo que se quera demostrar). En lo que sigue tendr ocasin de comprobar que ambos asuntos (la matriz como "sistema de matrices" y la estructura tripartita corno "cuatripartita") estn ntimamente asociados, y la aceptacin de uno conlleva la adopcin del otro. 7.2.1. Revisin de las tesis de Galtung Revisemos rpidamente las tesis de Galtung. Comienza por sostener [en 1978] que pese a la gran extensin de asuntos que interesan a las Ciencias Sociales, encontramos que sus datos presentan una estructura comn que, aunque no sea inmediatamente evidente, siempre es posible descubrirla o imponrsela. Menciona en primer lugar a "los elementos de anlisis o unidades de anlisis, tales como seres humanos (interpelados) en una encuesta o en un experimento de laboratorio, o naciones en un estudio comparativo de naciones, o unidades ms complejas (y sugiere que este componente puede ser cl ms importante de los tres que integran la matriz)". Seguidamente menciona a "las dimensiones o variables que uno desea conocer en cuanto a las unidades, tales como el consumo de energa per cpita en los estudios acerca de las naciones subdesarrolladas, o las respuestas a ciertas preguntas estratgicas en un estudio acerca de una eleccin". Y, por ltimo, presenta "los valores que alcanzan las unidades en las variables estudiadas o, utilizando las otras expresiones, las respuestas o resultados que se obtienen cuando las unidades se exponen a los estmulos o a las
72
condiciones segn las cuales el socilogo desea estudiarlas". Nos informa que esta estructura de tres componentes se denomina "matriz de datos", puesto que en esta disposicin cuadrangular de los datos se hace particularmente visible su estructura tripartita", (Las unidades de anlisis ocupan la direccin de las hileras, las variables la de las columnas y los valores aparecern en el cruce de hileras y columnas. En el diagrama siguiente se ejemplifica una matriz de datos que correspondera a la funcin de descripcin "y = Fx", en donde el dominio de las "x" son lotes (lote 1, lotc2...lote n; o a, b...n); el dominio de las "F'" son variables como: F 1: "en cuanto a tamao"; F2: "en cuanto a valor"; F 3: "en cuanto a estado"...etctera. Y el dominio de las "y": a cada variable corresponder un dominio de valores propios: as y1: m 2; y2: U$A, ete., tal como se ve en el diagrama siguiente.) [Dominio de las "x"] [yl] [y2] [y3]
V AR IA B L E S [Dominio de las F] UNIDADES DE ANLISIS Lote N 23 Lote N 47 Lote N 05 Lote N n Etc Tamao 400m2 720m2 380m2 680m2 etc Valor en U$A 1.500 2.000 2.000 1.660 etc Ocupacin baldo baldo construido baldo etc Etc
En resumen: afirmar que lo que se ilustra con el diagrama
MAESTRA EN EDUCACIN
73
anterior es una "matriz de datos" significa lo siguiente: a.Contiene una definicin precisa de un universo de UAs [unidades de anlisis] (Es decir, define el dominio de las "x"). b. Contiene una definicin precisa de un universo de Vs. [variables] (Es decir, especifica las funciones de descripcin "F" que se emplearn para determinar a las "x"). c. Contiene una definicin precisa del dominio de Rs. [valores] (Es decir, especifica el dominio de las "y" para cada funcin "Fx"). 7.2.2. Algunos postulados para desarrollar la teora clsica Creo que esta teora (ya clsica) del dato cientfico es, en muchos aspectos, acertada y fecunda y creo, por lo mismo, que vale la pena hacerla avanzar. Para ello propongo desarrollarla ampliando su perspectiva en la direccin de una metodologa dialctica. Para comenzar, necesito introducir los tres postulados siguientes: 1. Todos los datos de todas las investigaciones cientficas de todas las disciplinas poseen esta estructura invariante que se puede llamar "matriz de datos". Dicho de otra manera: la matriz de datos es un nombre posible para designar a los invariantes estructurales de los datos cientficos de cualquier ciencia emprica (y no slo de la sociologa!). 2. Todas las investigaciones cientficas contienen datos de distinto tipo y de diferentes niveles de integracin. Dicho de otra manera: no definen (como se desprendera de los textos de Galtung) una sola matriz de datos (es decir, un
74
nico tipo de Unidades de Anlisis
[ UA ]), sino un
conjunto de matrices de datos que guardan entre s relaciones lgico metodolgicas determinadas, Dicho de otra manera: toda investigacin determina "un sistema de matrices de datos". 3. La estructura del dato cientfico debe ser completada con un cuarto lugar: a los elementos ya citados (UA/V/R) hay que agregarle un cuarto elemento: los esquemas indicadores (o "indicadores", a secas) que ya he presentado como "los procedimientos aplicados a dimensiones relevantes de la variable para efectuar su medicin". (Tales procedimientos incluyen desde el empleo de un indicio perceptivo simple, hasta la construccin de escalas o nmeros ndices que combinan muchos tems o dimensiones de una variable compleja). 7.2.3. Sobre el carcter general de las matrices de datos Una prueba a favor de la primera de estas tres tesis se lograra mostrando que "la estructura tripartita: UA/V/R" tiene la misma forma lgica (tiene los mismos componentes funcionales y estructurales), que el mtodo que Ashby denomina "el mtodo de especificacin del comportamiento de un sistema mediante variables (que presenta y desarrolla en su libro Proyecto para un cerebro, [1965]) Ashby muestra en ese libro que dicha estructura, compuesta por las nociones de sistema / variable / magnitud, se aplica indistintamente a experimentos mecnicos; a investigaciones en cintica qumica; a estudios fisiolgicos; a estudios psicolgicos, etc. Al caracterizar los requisitos de su mtodo, remarca un
MAESTRA EN EDUCACIN
75
aspecto que tambin para mi tesis es decisivo: a saber, que este mtodo es general: se aplica al anlisis del, discurso descriptivo de cualquier disciplina. "...No pretendo que compita con los numerosos mtodos especializados en uso: stos suelen estar adaptados a una clase particular de sistemas dinmicos uno ser apropiado, en especial, para circuitos electrnicos, otros para ratas que recorran laberintos, otro para soluciones de productos qumicos que hayan de reaccionar entre s, otro para pilotos automticos. Otro para preparaciones de corazn y pulmones mientras que el que aqu propongo tiene que tener la peculiaridad de ser aplicable a todos; por as decirlo, ha de especializarse en lo general." (Gardner, 1986, 28). En lo fundamental, la estructura de la "matriz de datos" es, como dijimos, isomorfa a este mtodo aplicable en general de Ashby. Consecuentemente, tambin la matriz de datos ser una estructura que podrn aplicarse a los datos de todos los objetos de la investigacin cientfica, y ser un mtodo "especializado en lo general". Un agregado importante: es perfectamente posible adoptar como unidad de anlisis, los diferentes estados por los que atraviesa un sistema a lo largo del tiempo. Galtung, en una monografa titulada: correlacin diacrnica, anlisis de procesos y ,anlisis casual. La bsqueda de una ciencia social nomottica diacrnica (que public en la dcada de los aos 60s la editorial Solar-Hachette), clasifica a las matrices en diacr6nicas o sincrnicas, De acuerdo con esta clasificaci6n el tiempo tanto puede aparecer como una variable (en las matrices sincrnicas) o como unidad de anlisis (en las matrices diacr6nicas). Por
76
ejemplo, cuando el fisilogo estudia los efectos de la hemorragia, en funci6n del caudal sanguneo que llega a los rganos, suele tomar un mismo sujeto de experimentaci6n, y efectuar mediciones cada n minutos. Cada medicin corresponder a un estado del sistema (Ashby, p. 49), siendo cada estado una unidad de anlisis diferente. ste es un caso de matriz diacrnica. Por el contrario, cuando un psiclogo decide estudiar en un momento dado, a un grupo de nios de edades diferentes, est tomando como unidad de anlisis cada nio, y el tiempo (la edad) aparece como un dato variable (como tiempo ya transcurrido y no "en transcurso"). Este ltimo es un caso de matriz sincrnica. Adems, pueden combinarse ambos tipos de matrices, tomando un grupo de nios de diferentes edades, para estudiarlos en diversos momentos, La combinacin de matriz sincrnica y matriz diacrnica determina lo que Galtung llama "caja de datos", y es el instrumento que caracteriza a estudios que se conocen como "estudios de cohortes" o estudios "de panel" (Lazarfeld y Boudon, 1985), que no son otra cosa que "observaciones repetidas sobre conjuntos". 7.2.4. Sistema de matrices La segunda tesis sostiene que toda descripcin de un objeto complejo (y en principio todo objeto real lo es) identifica elementos de diversos tipos; y configuraciones de elementos; y configuraciones de configuraciones de elementos...y as sucesivamente; admitiendo el paso de unos niveles a otros conforme a ciertas operaciones. Dicho de otra manera, la segunda tesis sostiene en lo esencial que, cualquiera sea la investigacin de que se trate, ella determina un grupo de matrices. Como mnimo tres matrices de
MAESTRA EN EDUCACIN
77
datos: 1. l. una matriz central o "la matriz de datos" (a secas). (Propongo llamarla "Nivel de anclaje", y designarla con el smbolo "Na para aludir a qu la investigacin dada ha decidido "anclar" en ese nivel, entre otros posibles). 2. una matriz constituida por los componentes (o partes) de las unidades de anlisis del nivel de anclaje. (Sugiero denominarla "matriz de nivel (N) subunitario", y designarla N-1) 3. finalmente, una matriz constituida por los contextos de las unidades del Na (Esta matriz puede denominarse "matriz supraunitaria" y designarse como "N+1). (Es posible que una matriz de datos tenga relaciones con alguna otra matriz. de datos sin estar ni subordinada [ N-1] ni supraordinada [N+1] a ella: en ese caso diremos que se encuentra coordinada con ella, y consecuentemente, hablaremos de "matrices del mismo nivel de integracin" o de "matrices coordinadas"). En efecto, no resultar difcil admitir que toda investigacin cientfica, presupone invariablemente: a. que sus objetos (UA/Na) -debe leerse: unidad de anlisis del nivel de- son analizables en partes (UA/N 1), y que las variaciones de estas partes son relevantes para la determinacin de los atributos de esos mismos objetos (UA/Na), y b. que sus objetos estn incluidos en contextos (UA/N +1) cuyas variaciones son relevantes para la determinacin de los atributos de los objetos estudiados (UA/Na). Dicho con un ejemplo simple: en cualquier investigacin sobre viviendas (supuesto el caso de que se haya decidido que el
78
estudio se efectu en un universo formado por viviendas pertenecientes a un cierto nmero de barrios), los investigadores necesariamente debern referirse a componentes de las viviendas (materiales; nmero de ambientes; grado de asoleamiento; cantidad de superficie, etc.). Algunos de estos aspectos de la vivienda pueden ser de tal naturaleza que para poder averiguar el valor que le corresponde a una vivienda dada, sea preciso determinar, previamente, el comportamiento de sus partes. Por ejemplo, podra ser que el grado de asoleamiento se determine mediante un ndice que combine el tamao de las aberturas que reciben sol, y el tiempo durante el que lo recibe, para lo cual ser necesario medir cada abertura de cada vivienda y hacer con tales medidas las operaciones del ndice respectivas (por ejemplo, promedios, desvos, etc.). Se advierte, entonces, que el estudio de la vivienda (unidad de anlisis de anclaje [UA/Na]) es tributario de un estudio previo de sus aberturas (unidad de anlisis de nivel suhunitario (N1). De manera semejante, hay atributos de la vivienda (por ejemplo. proximidad a vas de transporte, valor promedio de la tierra donde la vivienda est ubicada, etc.) que exigen estudios de atributos de un nivel de integracin superior: en este caso, el barrio o rea residencial. En este segundo caso, se advierte igualmente bien que el estudio de la vivienda (UA/N a) exigir estudios en un nivel superior: como dijimos. de barrios o reas residenciales (UA/N+1). Las variaciones de los atributos de estas supraunidades son, pues, consideradas relevantes para la comprensin de las (UA/Na). Finalmente advirtamos que es muy posible que haya entre las variables del objeto estudiado (UA/N a), algunas que se refieran a diferentes partes suyas. Por ejemplo, a aberturas, por un lado, y
MAESTRA EN EDUCACIN
79
a ambientes, por otro lado. De esa manera se ve que habr no slo una sino dos matrices de nivel inferior (N _-1). Y lo mismo ocurrir con mucha frecuencia con las matrices de nivel superior (N+1) (una misma vivienda puede ser referida a dos contextos distintos; por ejemplo, a un contexto climatolgico o un contexto urbanstico). En consecuencia, deben tomarse al pie de la letra el contenido de esta tesis, a saber, que toda investigacin determina como mnimo! tres matrices de datos. Queda claro, entonces, que un sistema de tres matrices solamente es el modelo ms simple de investigacin que cabe imaginar. El siguiente diagrama ilustra aproximadamente- las relaciones jerrquicas que presentada un sistema elemental de matrices de datos. (Las relaciones espaciales no permiten en este caso simbolizar ms que algunos pocos de los vnculos lgicos que se ponen en juego entre las matrices de distinto nivel).
[R]
[V]
[ UA ]
Nivel supraunitario
[ R ] [ V ] [ UA ] (contexto)
Nivel de anclaje Nivel
[ R ][ V ][ UA ] (contexto)
subunitario
En el diagrama he unido con trazos verticales a elementos diferentes de las matrices de distinto nivel: con flecha simple ( ), a
la variable del nivel inferior con el valor del nivel inmediato
80
superior; con doble flecha ( ), a la unidad de anlisis del nivel inferior con la variable del nivel superior; y he agregado una doble flecha de color negro [ ] para simbolizar la proyeccin de la [UA] del nivel superior sobre el nivel inferior. No intento sealar todas las relaciones lgico-metodolgicas relevantes que se establecen entre matrices de distinto nivel: slo busco llamar la atencin sobre las relaciones ms importantes, a saber: a. que las variables de nivel inferior pueden funcionar como dimensiones (= tems = subvariables) para construir indicadores que nos permitan conocer el valor de variables del nivel superior; b. que las unidades de anlisis del nivel inferior pueden ser elementos componentes cuyos comportamientos se expresan como variables del nivel superior; y c. Las unidades de anlisis del nivel superior pueden revestir (y con frecuencia as ocurre) el carcter de contextos relevantes de los niveles inferiores. 7.2.5. Sobre el puesto de los ndicadores en la matriz de datos Tanto la presuposicin de que en una investigacin es posible hablar de una sola matriz de datos, como la de que es una estructura tripartita, en donde no figuran los indicadores - ambos supuestos- tienen la gran desventaja de ocultar las numerosas transiciones, mediaciones y transformaciones que ocurren durante la creacin cientfica. Por lo mismo resulta ms fecundo concebir que, en todo momento y de manera transitoria, hay una matriz central (o focal), cuyo llenado presupone la resolucin previa de ciertas matrices perifricas o auxiliares. Mostr, en tramos anteriores, que estas matrices "perifricas" guardan con la matriz central relaciones: a. de subordinacin [N-1], o b. de supraordinaci6n [N+1] o c. de coordinacin [del mismo N]
MAESTRA EN EDUCACIN
81
Ahora bien, en el momento en que las matrices perifricas son focalizadas para su resolucin (es decir, dejan de ser perifricas para ser temporalmente focales), los elementos de la anterior matriz central apareen ahora en otros lugares de la estructura de los datos; en otras posiciones; cumpliendo, en consecuencia, otras funciones. Es importante destacar que el proceso de elaboracin de indicadores forma parte esencial de estas mediaciones entre matrices de diferentes niveles de integracin. El lugar de los indicadores corresponde a lo que Kant (1781) concibi como la solucin al enigma de la sntesis del pensamiento y la realidad: a saber, el esquema, definido como "la representacin de un procedimiento". Segn esta potente idea, todo dato cientfico vincula un concepto con un "estado de cosas" del mundo externo, mediante la ejecucin de un procedimiento aplicado a una o ms dimensiones consideradas "observables de dicho concepto". Esta definicin -ya anticipada (3,5)- incluye como ingredientes esenciales del indicador dos elementos: a. la dimensin ("considerada como observable"), y b. el procedimiento para ejecutar la observacin. Creo que Galtung no advierte esto carcter complejo del indicador. Reduce el indicador a la dimensin y, en esa medida, se ve obligado a introducir una ficcin lgica bajo la venia de "una idea heursticamente til", tal como se puede leer en el prrafo que titula: "tem versus indicadores". Pero como una dimensin latente, por definicin es inobservable, sencillamente pide que se deje de lado esa imposibilidad y se admita que una dimensin latente es manifiesta! Veamos el texto mismo: En principio, el problema no es difcil. Supngase que furamos capaces de medir directamente la dimensin. En la teora de la estructura latente esto quera decir que seramos capaces de ubicar las unidades en tu dimensin latente por medio de una observacin lo que es imposible por definicin, ya que en tal caso" lo latente sera manifiesta; sin embargo, es una idea heursticamente til (Cassierer, 1979).
82
Los procedimientos abarcan una muy amplia gama de tcnicas de medicin: desde la observacin de un "conjunto de indicios" que lleva desde lo manifiesto a lo latente (como cuando Sherlock Holmes infiere la historia reciente de Watson en Afganistn mediante un "golpe de vista"), hasta la construccin de escalas, tests mutiitmicos, o diversos tipos de ndices (sumatorios, acumulativos, comparativos, etc.). De esta manera, cuando una historia clnica contiene el siguiente dato: Daniel Prez es un bebedor moderado En ese dato estn implicados los siguientes lugares de la estructura antedicha: [Y] Valor Bebedor moderado [F] Variable Alcoholismo [X] Unidad de anlisis Daniel Prez
Indicador: (valor del i.: de 1 a 50 cc)
Dimensin: cantidad de alcohol que bebe Procedimiento: Preguntas al sujeto
Para dictaminar si el sujeto Daniel Prez es o no un bebedor y de qu tipo, en el ejemplo se ha empleado slo la dimensin de la cantidad de alcohol que bebe, y se ha usado como procedimiento el contexto de un interrogatorio en el marco
MAESTRA EN EDUCACIN
83
de una encuesta que seguramente contiene un conjunto de preguntas tales como: a. Consume Ud. algn tipo de bebida alcohlica? b. En caso afirmativo, qu tipo de bebida (vino, cerveza, ginebra, etc.)? c. En qu cantidades por da...... por semana.... por mes.......?, (o algo por el estilo). A partir de estas respuestas, se calcula luego qu cantidad de alcohol absoluto contiene el tipo de bebida y se obtiene (por ejemplo) el valor promedio mensual. Finalmente se compara el resultado obtenido en el sujeto Daniel Prez con los valores de una tabla previamente elaborada que dice que si no consume ninguna cantidad (0 cc) se considera moderado; si consume entre una mnima cantidad y hasta 50 centmetros cbicos (c.c.) se considera moderado, entre + de 50 y ...,etc., Se concluye entonces que el valor del indicador ("entre 1 y 50 c.c.") nos autoriza a inferir el valor de la Variable: "bebedor moderado", que figura como dato. En esta secuencia de procesos se pueden identificar los siguientes pasos de traduccin: 1. Se aplica un procedimiento que puede arrojar resultados diversos (por ejemplo, se hace una pregunta, a la que se responde a, b o c); 2. se infiere, a partir de este resultado obtenido, el valor de la dimensin de la variable; y
3. se infiere, a partir del valor de la dimensin, el valor de la variable.
En trminos del ejemplo: de la respuesta del interrogado [resultado del procedimiento] inferimos la cantidad que bebe valor de la dimensin y de ella inferimos qu tipo de bebedor es, [valor de la variable]. Obviamente, estos pasos analgicos son posibles bajo la
84
presuposicin de que hay estructuras anlogas entre los resultados posibles del procedimiento/ los valores posibles de la dimensin y los valores posibles de la variable. Sin esta presuposicin de que hay estructuras anlogas, no habra manera de construir el dato latente a partir del indicio observado.
PROCEDIMIENTO
DIMENSIN
La estructura de resultados es anloga a
La estructura de valores es anloga
VARIABLE Estructura de valores
INDICADOROR La identificacin de estos dos componentes del concepto amplio de "indicador" permite, adems, identificar con claridad el puesto y papel que cumplen los dos atributos definitorios del dato cientfico: a. la validez; y b. la confiabilidad. Sostengo que las dos virtudes cardinales del dato cientfico estn repartidas entre estos dos componentes de la definicin del indicador: la validez pone en juego la seleccin de las dimensiones, y la confiabilidad, la construccin del procedimientos. Este ltimo encierra la importante cuestin de los lmites en las variaciones de contextos en los que el procedimiento puede ser aplicado. Por un lado, la identificacin de las dimensiones de la variable y la seleccin de aquellas que, poseyendo efectivamente el carcter de relevancia, y especificidad y sensibilidad, ponen en
MAESTRA EN EDUCACIN
85
juego la mdula misma del concepto de validez. Y, por otro lado, la ideacin y construccin de los procedimientos que produzcan resultados con independencia de factores externos (de contexto) al asunto de la medicin, es la base de lo que se denomina "confiabilidad del dato". . En conclusin: la inteligibilidad del proceso de investigacin cientfica (de su dialctica constitutiva y regulativa), depende de esta inclusin de la gnesis del dato cientfico a partir de los niveles inferiores de la estructura y de la "recada en la inmediatez", que se opera cuando se retorna al Nivel de Anclaje. En este proceso por el cual se constituye eso que llamamos "dato", se opera eso otro que se llama "construccin del objeto concreto de la investigacin". Pero esta construccin no sigue un curso inductivo: no es un acto de generalizacin, sino un curso analgico y dialctico, es un acto de pro-creacin o -en el sentido que apunt anteriormente- de "produccin". Este movimiento dialctico entre los estratos del discurso cientfico es el movimiento en el cual se construye lo que Kant llam "la experiencia cientfica". Siendo as, la dialctica de las matrices de datos constituyen, entonces, la textura y dinmica del a priori de inteligibilidad que preside al proceso de la ciencia. Esta movilidad conceptual y operacional que realza la dialctica de matrices de datos tipifica la esencia misma del dato cientfico y en consecuencia del mismo mtodo de la ciencia. Como resultado de la discusin anterior esperara: a. haberle dado un primer contenido general a la imagen con que describ la funcin particular de la matriz de datos al decir que es el sistema transductor o la interfase entre el plano de los conceptos y el plano de la facticidad; b. haber realzado el movimiento de la gnesis, el cual
86
queda oculto detrs de la (aparente) inmediatez de la estructura ("apariencia" que se reafirma cuando se concibe la matriz de datos slo como estructura tripartita), y c. haber incorporado la presencia en la estructura misma de dato del componente de organizacin jerrquica. El prximo paso ser desarrollar estos puntos para establecer una imagen ms rica y dinmica entre ellos.
7.3. Pasos para una dialectizacin de la relacin entre unidades anlisis, variables e indicadores.
El propsito de este apartado ser exponer algunas ideas para avanzar en una concepcin dialctica de las matrices de datos. Me valdr, para ello, de una indagacin ms detallada de las relaciones lgicas que se dan entre unidades de anlisis, variables e indicadores. Un buen punto de partida nos lo ofrecen Lazarfeld y Menzel con las tesis que presentaron en el artculo: Relaciones entre propiedades individuales y propiedades colectivas. Tuve oportunidad, en otro lugar, de discutir esta teora, sosteniendo que en ella se daba una confusin de criterios que era necesario corregir. En particular propuse deslindar dos aspectos de las variables con las que se aborda al objeto: a. un aspecto de carcter lgico (a saber: si la variable en cuestin es un "predicado", o una "relacin" o una "inclusin parte-todo"), y b. un aspecto instrumental (es decir, si la variable ser medida con procedimientos de carcter "analticos", o "estructurales" o "globales"). Esta distincin permite comprender cmo es posible que cada variable (independientemente de su carcter lgico) pueda ser
MAESTRA EN EDUCACIN
87
medida con procedimientos analticos, estructurales o globales. La clasificacin de las variables, tal como la presentan Lazarfeld y Menzel en [1979,59-78] contiene una primer agrupamiento en: 1. variables de colectivos 2. variables de individuos Luego cada uno de estos subgrupos presentan las siguientes categoras: 1. variables de colectivos 1.1. analtica 1.2. estructural 1.3. global; y 2. variables de individuos 2.1. absoluta 2.2. relacional 2.3. comparativa y 2.4. contextual. Creo que todo el que ley esta monografa pudo experimentar ms o menos vivamente la sensacin de que estas categoras se superponan de mltiples maneras. Incluso los mismos autores, se ven forzados a reconocer, en varios tramos, que no han logrado alcanzar una sistematizacin satisfactoria de la cuestin. Un ejemplo es ste: Sealemos sin embargo que no se puede eliminar absolutamente la arbitrariedad en la clasificacin de las propiedades; la dimensin de una poblacin, por ejemplo puede definirse simultneamente como propiedad global y como propiedad analtica resultante de la totalizacin de los individuos. [1979,70 y 71] Yo sostengo en cambio, que s se puede eliminar dicha arbitrariedad, pero a condicin de modificar el criterio clasificatorio. Lazarfeld y Menzel creen estar ante una clasificacin de
88
variables discriminadas segn sean de colectivos o de individuos. Yo sostengo que la arbitrariedad se produce por que la distincin entre colectivos e individuos es ella misma arbitraria: todo colectivo puede ser concebido como un individuo; y, viceversa, todo individuo puede ser concebido como un colectivo. La idea contenida en el par "colectivo/miembro" puede ser preservada de modo ms adecuado, mediante la nocin de sistema (con su dialctica interna "sistema/subsistema/suprasistema"). Es un concepto ms general y tiene consecuencias metodolgicas decisivas: la ms importante es que impide cierto deslizamiento semntico que creo advertir en las tesis de Lazarfeld-Menzel. La solucin que yo sugiero contiene los siguientes pasos: 1. l. Reemplazar la nocin de colectivo / individuo, por la de sistema (con su dialctica interna sistema / suprasistema / subsistema). 2. asignar lo que Lazarfeld-Menzel conciben como "variables de colectivos" a una tipologa de variables: variables absolutas/variables relacionales/variables contextuales; 3. y asignar lo que Lazarfeld-Menzel denominan "variables de miembros" a una tipologa de indicadores: indicadores analticos/ indicadores estructurales/ indicadores globales. Creo que, a partir de estas modificaciones, se puede advertir fcilmente la razn de las superposiciones y confusiones que complican la lectura y comprensin del artculo de marras. La razn es bien simple: cada tipo de variable puede ser definida operacionalmente de acuerdo con tres tipos diferentes de indicadores: analticos, estructurales y globales. Pero estos indicadores no son otra cosa que operaciones aplicadas a dimensiones de las variables del nivel de anclaje. Y, como las dimensiones son simplemente variables de un nivel inferior de integracin, reemplazando, quedara que los indicadores son
MAESTRA EN EDUCACIN
89
operaciones aplicadas a las variables del nivel (N-1). De este modo, la clasificacin se reordena ventajosamente en l por relacin al Nivel de anclaje (Na), al cual llamamos "sistema". Los tipos de variables sern. 1. absolutas (cuando sean concebidas como un "predicado" de cada UA; 2. relacionales (si emergen de vnculos entre las UA) y 3. contextuales (si su sentido es de una inclusin partetodo de las UA con algn suprasistema). Los tipos de indicadores, a su vez, sern 1. analticos (si se construye a partir de operaciones que presuponen dimensiones absolutas del subsistema); 2.estructurales (si se construye a partir de operaciones que presuponen dimensiones relacionales del subsistema); y 3.globales (si se construyen a partir de operaciones que presuponen dimensiones contextuales del subsistema). En el diagrama siguiente se expresan algunas de estas relaciones
Tipos de indicadores Globales Estructurales Analticos Globales Estructurales Analticos Globales Estructurales Analticos
Tipos de variables
Tipos de unidad de anlisis Suprasistemas
Contextuales
Relacionales
SISTEMA
Absolutas
subsistemas
90
7.3.1. Sobre las Unidades de Anlisis

El hecho de que los sujetos puedan comportarse entre s "segn la forma de una caja-dentro-de-otra-caja" (para usar la figura que emplea H. Simn [1979, 128] ), no es idntico al hecho de que un elemento est incluido en un conjunto. La relacin "individuo/colectivo" ofrece un sentido lastrado por la relacin cuantitativa "uno/muchos" (caracterstica de la simple induccin); en cambio, la relacin de subordinacin o supraordinacin entre sistema facilita la comprensin de la relacin "espcimen /especie" (que caracteriza la inferencia analgica y dialctica). Es necesario, pese a todo, reconocer que Lazarfeld fue uno de los primeros en aportar instrumentos precisos para pensar de manera ms profunda la relacin "colectivo/individuo" en los cuadros de una concepcin estructuralista. Para desarrollar su notable teora sobre el anlisis de la estructura Latente, P. Lazarfeld tuvo que introducir una transformacin radical en la forma de caracterizar la nocin de individuo. Segn esta tesis la estructura latente es una resultante de la distribucin de frecuencias de valores de sus componentes, los temes observables son, por as decido, partes del concepto subyacente. Pero esto se aplica no slo a conceptos disposicionales de colectivos sino tambin de individuos, lo que, en efecto, comporta una idea asombrosa, a saber: que un individuo tambin puede ser concebido como un colectivo y sus rasgos subyacentes pueden ser tambin inferidos a partir de la distribucin de frecuencia de sus comportamientos singulares.
MAESTRA EN EDUCACIN
91
Mediante esta perspectiva, una unidad de anlisis (o individuo de estudio) puede ser concebida como un "miembro" (de un sistema, es decir, como formando parte de un universal) o como un "colectivo" (como conteniendo "particularidades"). En conclusin, podemos considerar a nuestro sistema como: a. un universo que tiene partes o como b. la parte de un universo, y ambos casos son movimientos posibles de nuestro pensamiento que, en principio, puede ejecutarse tantas veces como se quiera. La lgica dialctica (tesis de Hegel), ofrece claves importantes para resolver las cuestiones que nos planteaba la polaridad "ser/pensamiento", Pues bien, conforme a lo anterior creo que se ve con claridad que las relaciones entre los observables y la estructura latente, son un ejemplo de las relaciones dialcticas entre lo particular existente y lo universal abstracto, por un lado, y lo singular real y lo universal concreto, por otra parte, Y esas claves estn todas relacionadas con el proceso evolutivo de la realidad, en la que las formas ms complejas se van constituyendo a partir de las ms simples y las formas anteriores van siendo reconfiguradas por las posteriores. Esta movilidad entre los estratos de la estructura jerrquica de los dominios de unidades de anlisis, es, creo yo, un momento del aspecto privilegiado para destacar las diferencias entre el modo cientfico y los dems modos de la conciencia humana. 7.3.2. Sobre las variables Se puede decir, de manera general, que una investigacin cientfica comienza por presuponer un objeto cuyo perfil est dado por la seleccin que hace de variable relevantes o de manifestaciones relevantes.
92
Ahora bien, en cualquier momento que ella se inicie, siempre hereda resultados de procesos previos. Dicho de otra manera, el proceso de la investigacin cientfica presupone entre sus condiciones de realizacin: conocimientos previos; decisiones previas acerca de qu tipo de entidades "pueblan ese universo"; cules son los criterios relevantes para determinarlos, y de qu manera ser posible efectuar comprobaciones en relacin con el estado de cosas de la realidad misma. Supuesto que el nivel de anclaje (N a), o entidad de estudio, siga siendo la vivienda, entre los conceptos previos con los cuales es concebido ese objeto habr: algunos atributos que aparezcan como predicados propios de cada vivienda (por ejemplo, el nmero de ambientes. o su ndice de asoleamiento, o la calidad de su envolvente trmino, etc.); otros, aparecern como determinaciones reflexivas, es decir, como surgiendo de una cierta relacin con algunas de las otras viviendas o a unidades de servicios pblicos (por ejemplo, distancias a viviendas del entorno, accesibilidad a centros o servicios pblicos, etc.); y, finalmente, habr otros atributos de la vivienda que aparezcan como determinados por las caractersticas propias del contexto ms amplio (por ejemplo, tipo del rea de ubicacin; valor de la tierra; etc.). Entonces, segn la manera en que se nos aparezcan los atributos de la entidad de anclaje, es posible clasificarlos como: a. variables absolutas (propias de cada vivienda). b. variables relacionales o comparativas (emergentes de una cierta relacin con otra u otras unidad/es del nivel), y c. variables contextuales (emergentes de las caractersticas del o de los contexto/s).
MAESTRA EN EDUCACIN
93
Por su origen, estos tipos de variables remiten a distintos tipos lgico. Las variables absolutas seran, por as decirlo, de primer nivel (la propia unidad de anlisis sera una x vaca al margen de sus atributos, de modo que bien le viene la denominacin de "nivel de orden cero"); las relacionales -que presuponen las entidades mnimamente determinadas como trminos de la relacin- de segundo orden; y los contextos que califican esas relaciones seran, pues, de tercer orden. En el lenguaje de matrices de datos, los tres tipos de variables (absolutas / relacionales / contextuales) clasifican a variables del Nivel de Anclaje, aunque segn su origen procedan de los niveles inferiores o superiores. En el siguiente diagrama se ha agregado -flanqueando a la [UA] del Nivel de Anclaje- las abreviaturas de las variables absolutas [vA]; relacionales [vR] y contextuales [vC].
[R][V]
[ UA ]
Nivel supraunitario
[vR] [ R ] [ Va ] [ UA ] [vC] Nivel de anclaje
[ R ][ V ][UA] (contexto)
Nivel subunitario
En el tem siguiente proporcionar referencias algo ms
94
precisas sobre la construccin de las variables (mediante distintos tipos de indicadores) a partir de las unidades de anlisis de los niveles subunitarios. Ahora slo importa remarcar que, aunque las variables, por su gnesis, provengan de diferentes niveles, por su funcin actual pertenecen, en cambio, todas a un mismo nivel: son variables del Nivel de Anclaje. Dicho con un ejemplo: cuando el bilogo estudia una conducta animal, lo puede hacer en un contexto de aire libre, de albergue o de laboratorio, En estos casos, la formacin de los conceptos "aire libre", "albergue" y "laboratorio", presupone, un estudio o consideracin de entidades de nivel superior al organismo del animal. Pero una vez formados estos conceptos, pueden transformarse (y de hecho lo hacen) en componentes del organismo del animal. Es as como aparecern proposiciones que hablen de "conductas de laboratorio" o "animal de laboratorio". En estas nuevas proposiciones, los valores del contexto ("aire libre" o "laboratorio") se han transformado en parte constitutiva de la conducta del animal. Esto se demuestra precisamente por el hecho de que se pueden hacer estudios en que "....en laboratorio" deje de ser un valor de una variable del contexto para transformarse en una constante que define la Unidad de anlisis (es decir, se transforme en una condicin bsica: "animal de laboratorio"). La terminologa hegeliana se expresara ac diciendo que el proceso de formacin de estas variables pareciera "haberse esfumado", "sin dejar huellas", "recayendo, as, en la inmediatez de la estructura". 7.3.3. Sobre los indicadores Si se considera a la Unidad de Anlisis como un universo que tiene partes, entonces se puede tratar a cada variable de este
MAESTRA EN EDUCACIN
95
individuo ("individuo/universo") como una probabilidad, (una frecuencia o un promedio), como una red de vnculos entre sus partes, o como una estructura jerrquica, con algn componente predominante. Y segn el tratamiento que se les d a estas "parles" del "todo-individual", la estructura latente (del individuo en sentido corriente, que llamo ac "individualidad especulativa") habr sido inferida a partir de: a. un esquema analtico; o de b. un esquema estructural o; finalmente, de c. un esquema global. Vimos anteriormente que la dicotoma "colectivo/ individuo" recubre a otra dicotoma: "individualidad analizable (o emprica)/individualidad sinttica (o "especulativa"). Lo que anteriormente he llamado "individualidad emprica" hace referencia al mismo individuo slo que pensado desde la posibilidad de ser analizado para construir un esquema indicador (en terminologa de Lazarfeld: variable emprica), que permita inferir el comportamiento de sus variables (en trminos de Lazarfeld: variables especulativas). Eso es todo! Para asegurar la comprensin de lo que vengo diciendo, voy a aprovechar el ejemplo de Tom Brown, tal como nos lo propone el ingenio de Lazarfeld: la "propensin a perder la chaveta" (de los individuos adultos masculinos, ante mujeres bellas) es una variable que puede ser considerada como una variable absoluta (por una psicologa reflexolgica); como una variable relacional (por una psicologa transaccional) o como una variable contextual (por una psicologa sistemtica o por el psicoanlisis). Sin embargo, con cierta independencia de estas posturas tericas o conceptuales, podramos determinar que en Tom Brown se observa este comportamiento mediante criterios distintos. Por ejemplo, un mismo psicoanalista podra llegar a la
96
conclusin de que "Tom Brown es propenso a perder las chavetas" a travs de tres tipos de observaciones diferentes: 1. Releyendo las notas de la historia clnica cae en la cuenta de que en los ltimos seis meses su paciente ha relatado, con gran frecuencia, episodios de enamoramiento. Observando el tipo de relaciones de su paciente advierte que se organizan en torno a ciertas necesidades narcissticas. Arriba a la conclusin de que su paciente tiene una fuerte fijacin materna.
2.
3.
En los tres casos, el psicoterapeuta sin dejar de considerar a Tom Brown como una nica persona, ha observado sus comportamientos parciales y ha inferido una caracterstica de todo el individuo. Pero es notable que cada uno de los procedimientos enlistados utiliza los antecedentes parciales de modo muy diferente: en el primer caso se observa una cierta frecuencia de "episodios" que supera un cierto limite normal y el observador "cae en la cuenta de que ..."; en el segundo caso el observador advierte que en las relaciones de Tom Brown predomina una pauta en donde los intercambios narcissticos son predominantes; en el tercer caso, a partir de diagnosticar que la pauta de relacin con el otro ms significativo es de "fijacin", se infiere que esa pauta se reproducir en cada relacin, produciendo muchos episodios de.... etc. Estamos, pues, ante los tres esquemas de construccin de la tipologa de indicadores vista anteriormente: en efecto, el primer procedimiento involucra un esquema indicador analtico, el
MAESTRA EN EDUCACIN
97
segundo, estructural y el tercero, global. No importa si la clasificacin de los esquemas indicadores expuesta en el tem anterior est completa o no. Tampoco interesa averiguar si es posible trazar "lneas de corte" extremadamente precisas entre lo que es analtico, estructural o global. Ac importa solamente que el investigador advierta que su concepto puede ser operacionalizado conforme a posibilidades que si bien son instrumentales desde cierta perspectiva, son realmente sustantivas desde cl punto de vista de la ciencia misma. Estas son como las arenas en que compiten las corrientes atomistas, estructuralistas y dialcticas. Las epistemologas atomsticas o asociacionistas, postulan que las construcciones cientficas deben hundir sus races en observables elementales: en datos sensoriales de mnima complicidad. A partir de ellos, se procede a reconstruir la variable compleja, mediante diversas formas de asociacin de tales datos primitivos Las corrientes estructuralistas sostienen, por su parte, que el estado observable ms "elemental" ya es complejo: sus elementos estn "unificados por un acto o una significacin indisociable": as, la forma percibida da unidad y sentido a los elementos (Mouloud, 1970, 3). Las escuelas epistemolgicas estructural-constructivista y sistmica, proponen la identificacin de jerarquas al interior de los complejos de estructuras, algunos de cuyos estratos (en general, los de mayor nivel de integracin) operan de modo predominante, transformndose, en consecuencia, en sistema de control y, por ende, en claves de comprensin de la totalidad compleja. Y, por ltimo, cierta perspectiva dialctica (que de alguna manera se confunde con esta ltima), que propondra un movimiento constructivo en el que se integran el atomismo (como momento de lo "universal abstracto"), el estructuralismo (como
98
momento de lo "particular") y la teora sistmica (como momento de lo "universal concreto"). Lo que es del orden de los conceptos y lo que es del orden de la experiencia, no estn separados absolutamente, sino relativamente. En la base emprica de una investigacin hay presupuestos instrumentales densamente "cargados de teoras". La matriz de datos se mueve entonces, en esa constante intermediacin por la cual se tornan observables ciertos conceptos tericos, al mismo tiempo que se transforman en conceptos tericos ciertos estados de cosas observables. He procurado de muchas maneras resaltar: a. el carcter jerrquico de la estructura de la materia conceptual conque trabaja la investigacin cientfica, y b.la movilidad (constructiva y regulativa) que se verifica entre los componentes de esos estratos. Lo hice, porque creo que en ellos (y especialmente en el segundo) se pone en juego el rasgo esencial del mtodo cientfico: su capacidad para remover sus fundamentos.(Y no slo "exponerlos", cosa que comparte con la filosofa).
7.4. Las matrices de datos y los Esquemas de Investigacin

Creo que, con todo lo expuesto en este largo y enrevesado captulo he ganado un cierto derecho a expresar mediante un lema el puesto clave que le adjudico a los conceptos de "matriz de datos" y de "dialctica de sistemas de matrices", en el mtodo cientfico. Puedo decir que: Proceso de investigacin es traduccin del objeto de investigacin a un sistema de matrices
MAESTRA EN EDUCACIN
99
de datos y de un sistema de matrices de datos a la unidad de un modelo que reproduzca el comportamiento del objeto real. Espero que no resulte excesiva la afirmacin y, para ello, nada mejor que recordar que, previamente he pedido se acepte que la estructura del dato cientfico es parte constitutiva de las "condiciones de posibilidad de la experiencia cientfica" tal como podemos concebirla despus de Kant. Es por lo tanto, parte constitutiva del a priori de inteligibilidad. A partir de esta premisa, puedo caracterizar con otro eslogan, igualmente simple, el trabajo de la investigacin cientfica: "Investigar cientficamente" es construir sistemas de matrices; llenar matrices; procesar matrices e interpretar matrices de datos cientficos" . De ac se pueden extraer las palabras claves para aludir a las tareas centrales que tradicionalmente le han sido adjudicadas a los esquemas o estrategias de investigacin, a saber: a. construir matrices: el esquema exploratorio tiene como funcin idear o identificar un sistema de matrices de datos para un objeto de estudio; b. llenar matrices: el esquema descriptivo cumple la funcin de producir la informacin que constituir el contenido de las matrices de datos; c. Procesar matrices: el esquema analtico o de verificacin de hiptesis causales debe analizar matrices de datos (sea mediante diseos experimentales o correlacionales); y, por ltimo. d. Interpretar matrices: el esquema expositivo (o de sistematizacin) tiene que llevar a cabo la tarea de sistematizar el conjunto de regularidades establecidas en cada una de las
100
matrices del sistema de matrices de datos, explicitando las articulaciones de subordinacin, supraordinacin y coordinacin que las vincula a la unidad del objeto y de su proceso de transformacin. Es posible que todo esto parezca absolutamente incompatible con las ideas que los defensores de los llamados mtodos cualitativos se hacen de la investigacin cientfica. Sin embargo, opino que estas tesis sobre la funcin de las matrices de datos son perfectamente compatibles con las exigencias de las investigaciones cualitativas. Ms aun: no slo creo que todo lo expuesto es compatible con la investigacin cualitativa, sino que, adems, espero haber contribuido a erradicar esa actitud de veneracin abstracta por los datos. Espero haber hecho algn aporte para una crtica del fetichismo de los datos. En primer lugar, todo lo dicho hasta ac supone un contexto eminentemente procesual. No es necesario, de ninguna manera, que las exigencias de la "digitalizacin" de la experiencia constituyan despus el comienzo, el punto de partida del trabajo de investigacin. Todo lo contrario: valen ms bien como trminos hacia los que debe tender el trabajo de investigacin y no tareas realizables desde cualquier punto de partida. Dicho de otra manera: las especificacin de lo que sea el dominio de las Unidades de Anlisis (las "x"), el dominio de las variables (de las "F"), y el dominio de los valores (de las "y") admiten diversos niveles de realizacin y de detalle, segn sea el tipo de investigacin de que se trate y la etapa de desarrolle en que se encuentre. La presentacin que hice del esquema de la matriz de datos presupone un modelo abstracto y, por lo mismo, lo exhibe en su forma ms lograda. Sin embargo, los estudios reales atraviesan
MAESTRA EN EDUCACIN
101
por diferentes etapas o fases de epignesis. Tambin en los estudios exploratorios (propios de los mtodos cualitativos) se pueden identificar los elementos de la estructura formal del dato: tambin en ellos, aunque de manera mucho menos precisa y explcita, estn presentes operaciones [I] mediante las cuales se identifican estados de cosas [R], que se perciben por medio de funciones de atribucin [V] y sujetos de referencia [UI]. En muchos casos la determinacin de estos elementos, y el anlisis mismo se hace -conforme se van generando las hiptesis- casi conjuntamente con la recoleccin de la informacin. No es necesario (ni siquiera deseable) que los estudios exploratorios se sometan a exigencias y modalidades de los esquemas ulteriores. Los estudios exploratorios necesitan de una movilidad conceptual mxima en cuanto a los tipos de hechos o unidades de anlisis posibles; [UA] de una seleccin eminentemente provisoria y muy inclusiva de funciones de atribucin o variables; [V] de sistemas clasificatorios abiertos y de gran nmero de alternativas o valores; [R] y de una enorme amplitud y audacia de procedimientos. [I] En segundo lugar, quiero remarcar que la concepcin dialctica de las matrices de datos introduce una perspectiva completamente diferente a la visin clsica. En efecto, la tradicin heredada de Ga1tung sobre el proceso de gnesis de las matrices de datos ha sido frecuentemente concebido con el siguiente orden: primero se escogen las unidades de anlisis; luego se seleccionan las variables; ellas nos conducen a la identificacin de sus valores posibles y}, finalmente, decidimos con qu instrumentos o indicadores vamos a medirlas.
102
Captulo 8
Incertidumbres y mediciones
8.1. Incertidumbre experimental
Generalmente, cada vez que realizamos un experimento, nos vemos en la necesidad de efectuar alguna o algunas mediciones con objeto de obtener e interpretar resultados. Siempre que medimos algo lo que en realidad hacemos es comparar la magnitud de nuestra variable u objeto a medir, con los instrumentos de medicin, como cintas mtricas, relojes, balanzas. Dicha comparacin implica contar cuntas unidades del instrumento de medicin "caben" en el objeto o muestra a medir y esas unidades deben estar bien definidas. Qu queremos decir con unidades bien definidas? Vemoslo con el siguiente ejemplo. Si al efectuar una medicin la medida slo va a ser usada por nosotros, podramos inventar o definir unidades arbitrarias, tales como cuartas, dedos, brazadas, pies, en las que se usan diversas partes de nuestro cuerpo como unidades; as, no necesitaramos de la cinta mtrica, no les parece? Pero hay el inconveniente de que no son exactas, pues estas medidas varan de persona a persona, y como vivimos en una sociedad, es mejor utilizar medidas establecidas para podemos entender tanto en operaciones comerciales como en mediciones experimentales, sobre todo si van a ser comparadas con las medidas hechas por otra persona o algn laboratorio. Por lo tanto, medir implica comparar y leer una escala. Una medida es el resultado de una operacin humana de observacin.
MAESTRA EN EDUCACIN
103
Segn esto, para obtener una medida, cualquiera que sea, debe intervenir el factor humano, y como humanos podemos equivocamos. Una medida no es una verdad absoluta, sino que contiene cierto grado de incertidumbre, el cual se transfiere a todas las leyes que se induzcan a partir de mediciones. Es por ello que las Ciencias Naturales estn en continua revisin. Al efectuar una medida sabemos que vamos a obtener cierta incertidumbre, pero cunta podemos aceptar y de qu depende? La incertidumbre que se obtiene al medir depende del procedimiento experimental y de los instrumentos de medicin; respecto a cunta podemos aceptar, lo vamos a ilustrar con ejemplos. Pensemos en las dimensiones de una pared de cocina; si lo que se quiere es calcular la cantidad de pintura necesaria para pintarla, bastar medir con una precisin de decenas de centmetros, ya que las latas de pintura estiman en m 2 la superficie que pueden cubrir. Pero si queremos instalar una cocina integral, tendr que medirse al milmetro para evitar explosiones de ira al ver que no es del tamao requerido. Otro ejemplo es el ajuste de un pistn para motor de coche; las mediciones deben hacerse con una precisin de milsimas de pulgada, ya que desgastes de este orden de magnitud obligan al propietario a rectificar el motor. Con tales ejemplos concluimos que la incertidumbre que se puede aceptar en una medida depende del uso que se le vaya a dar y que antes de medir debemos saber para qu se mide. Debemos hacer notar que los trminos incertidumbre y precisin se usan para referirse a la confianza que tenemos en que una medida est bien hecha, siendo, adems, complementarios, es decir: a mayor incertidumbre, menor precisin y a menor incertidumbre, mayor precisin en las medidas. Eso nos permite usar indistintamente los dos trminos: muy preciso cuando la incertidumbre es muy pequea y poco
104
preciso cuando la incertidumbre es grande. Ahora centremos nuestra atencin en cmo estimar la precisin de una medida, o sea, qu tanta confianza podemos tener en ella. Vamos a ilustrarlo con el ejemplo del vidrio roto de la ventana. Para reponerlo, comenzaremos por medir el ancho del marco, lo hacemos y nos damos cuenta de que mide 45.8 cm., pero para aseguramos de que el marco no es irregular medimos arriba, en medio y abajo; si se obtiene el mismo resultado es indicio de que los dos lados estn paralelos. En este caso, cul es la incertidumbre en la medida? o sea, qu tanto pudimos equivocamos? Para responder a esas preguntas, analicemos lo que hicimos para medir el ancho del marco de la ventana (este anlisis tambin es vlido para medir la altura). Colocamos un extremo de la cinta mtrica en un borde, la estiramos procurando que est perpendicular al marco, hasta alcanzar el otro borde y observamos la raya del milmetro que est ms cerca. Como ya mencionamos, nuestra lectura es de 45.8 cm.; eso quiere decir que el borde estaba ms cerca de 45.8 que de 45.9 o de 45.7 cm.; tampoco estamos asegurando que el ancho es de 45.80000000 cm., ya que implicara estar midiendo con una precisin capaz de notar el tamao de un tomo. En realidad, cuando decimos que el ancho es de 45.8 cm. nos estamos refiriendo a que el valor real puede estar dentro de un intervalo que va desde 45.75 cm. hasta 45.85 cm., restando y sumando a la lectura, medio milmetro que es la mnima divisin de la cinta mtrica o escala. Por qu se resta y suma la mitad de la mnima divisin de la escala a nuestra medida? Lo aclararemos un poco ms adelante; antes, terminemos con el anlisis. Decamos que si el ancho medido es de 45.8 cm., esperamos que el valor real se encuentre dentro del intervalo 45.75 cm. a 45.85 cm. Esto se acostumbra expresar como (45.8 0.05) cm.; por medio de la notacin anterior indicamos que la medida fue
MAESTRA EN EDUCACIN
105
hecha con una cinta o regla, graduada en milmetros, y la lectura se aproxim al milmetro ms cercano. Con ayuda de una lupa, es posible precisar un poco ms nuestra lectura (1 o 2 dcimas de milmetro), pero debemos tener en cuenta que al cortar el vidrio esperamos un error cercano al milmetro, as que sera trabajo intil tratar de rectificar la lectura. Por otro lado, la lupa har aparecer irregularidades en el borde, aumentando as la incertidumbre al medir (vase figura 8.1). Ahora bien, una vez determinadas lo mejor posible las dimensiones de la ventana, ancho y largo (aqu slo hemos analizado el ancho), Qu dimensiones debemos solicitar en la vidriera para comprar
Figura 8.1: Vista amplificada de incertidumbre en una medida.
106
un vidrio cuyo ancho sea de (45.8 0.05) cm? Si lo pedimos as, lo ms probable es que nos hagan fea mueca y no nos vendan; si reflexionamos, debemos tomar en cuenta que 45.8 es la medida ms representativa del valor real del ancho de la ventana y la persona que corte el vidrio puede cometer error y marcar un milmetro ms o menos. Aun en el caso de que nos dieran la medida exacta, es posible que hay irregularidades en los bordes y el vidrio entrara tan forzado que podramos romperlo; as que, para estar seguros de que entrar al marco sin dificultades, debemos restar a nuestras medidas 3 milmetros, y 45.5 cm. Ser el ancho que debemos pedir confiados en que el espesor del soporte del vidrio es de 8 milmetros aproximadamente y que la macilla con el que pegamos el vidrio cubrir todo. Este ejemplo nos muestra que aun cuando una medida se repita existe una incertidumbre, asociada a la aproximacin de la ltima cifra leda, y as sucede siempre que; realizamos cualquier medicin. Aclaremos un, poco ms. Debido a que no es posible obtener el valor real de una medida, al efectuarla, invariablemente tendremos un intervalo de incertidumbre, el cua1 conviene poner explcitamente para expresar as nuestra confianza en que el valor real est dentro de dicho intervalo. Pero, qu sucede cuando al repetir una medida, las lecturas no son iguales? Ilustrmoslo con un ejemplo. Vamos a suponer que queremos comparar las caractersticas elsticas de una pelota; una forma sencilla de hacerla es determinar la altura a la que rebota cuando se le deja caer desde un metro de altura. Si hacemos el experimento varias veces, observamos que las lecturas no son iguales, pero despus de diez o ms intentos se empieza a delimitar un intervalo en el cual
MAESTRA EN EDUCACIN
107
caen todos los valores medidos. Por qu no se mide siempre la misma altura de rebote? Al hacer el experimento se supone que la pelota es homognea, simtrica y que el piso es plano; con tales condiciones se podra esperar que la altura de rebote fuera siempre la misma. Pero sas son condiciones ideales, ya que la realidad nos ensea que debemos esperar pequeas irregularidades y defectos tanto en el piso como en la bola, lo que altera los resultados; tambin ligeros cambios de temperatura o corrientes de aire, pueden afectar las medidas. Muy bien, hemos visto que al realizar el experimento de la pelota, las irregularidades, las corrientes de aire, temperatura, etc., son causas de incertidumbre y hacen necesario delimitar un intervalo dentro del cual caen todos los valores medidos; pero al elaborar nuestro informe escrito no se puede dar como resultado un intervalo de medidas, as que debemos encontrar un valor representativo o central que las caracterice a todas. Por lo general, se utiliza como valor central el promedio de las lecturas, al cual se debe aadir el intervalo de incertidumbre determinado, pero esto lo trataremos ms adelante. Antes de continuar, debemos hacer notar que tanto en el ejemplo del vidrio de la ventana, como al medir la altura de rebote de la pelota, se determina un intervalo de incertidumbre. Cuando se midi el ancho de la ventana, se determin primero el valor representativo o central y despus la incertidumbre en la medida; en el caso de la pelota se obtuvo primero un intervalo de las lecturas debido a la incertidumbre en las medidas y despus el valor .central. Por lo tanto, podemos decir que la incertidumbre experimental es un factor que va asociado a toda medicin y se debe a la imposibilidad de obtener el valor real de una medida.
108
Ahora ya no podremos medir sin pensar, al menos, en la incertidumbre asociada en la medida; y todava ms, sabemos que es mucho mejor poner explcitamente el intervalo de incertidumbre, el cual se puede definir as: Intervalo de incertidumbre es una pequea cantidad alrededor del valor representativo de una medida, donde confiamos se encuentra el valor real de la medicin.
Pero, adems de las causas de incertidumbre ya mencionadas, tales como bordes irregulares para la ventana irregularidad de la pelota, etc., existen otras, a saber: a) Que nuestros instrumentos de medicin estn defectuosos: reglas, con bordes gastados, amplificadores descalibrados, medidores con friccin interna, perillas con juego en la transmisin de giro, etc. b) Que el experimentador tenga tendencia a apreciar valores bajos (o altos); que lea con paralaje o que confunda nmeros (paralaje se llama al error cometido cuando al leer una aguja, la vista no est perpendicular al plano de la escala). c) Que la lectura se vea afectada por factores externos, los cuales no se esperaba que influyeran en las lecturas (y por eso no se controlaron), tales como humedad, temperatura, composicin de la atmsfera, presencia de la luz, etc. Dichas causas de incertidumbre son fuentes de error en las medidas, por lo que se acostumbra llamar intervalo de error al intervalo de incertidumbre. Cuando las causas de error son
MAESTRA EN EDUCACIN
109
constantes, es posible corregirlas, determinando en qu afectan nuestra medida, por ejemplo si se tiene una balanza con el cero corrido algunos gramos, se deben restar esos gramos de ms a cada lectura. Ya se dijo que la incertidumbre dependa del procedimiento experimental y de los instrumentos de medicin. Ahora vemos claramente que para determinar el intervalo de error es necesario tomar en cuenta estos factores, o sea: si las medidas son reproducibles con la finalidad de considerar la mnima divisin de la escala (como en el caso del vidrio), si las medidas no son reproducibles delimitar el intervalo de dispersin en las mediciones (como sucedi en el caso del ejemplo de la pelota), y los efectos asociados con la calibracin de los instrumentos utilizados. Es responsabilidad del experimentador hacer una estimacin realista del ancho del intervalo de error, ya que si lo da ms grande de lo que es, no le est haciendo justicia a su experimento, y si lo da ms pequeo puede desviar en direccin equivocada a quienes den por buenos sus resultados. Insistimos en que: ninguna cantidad puede medirse exactamente, lo cual hace indispensable determinar un intervalo dentro del cual confiamos se encuentra la magnitud medida. A dicho intervalo se le llama intervalo de error. El modo ms correcto de expresar una magnitud experimental incluye el valor representativo de la medicin (que es promedio de las lecturas), ms (sumado) el tamao del intervalo de error, en la siguiente forma:
2=ancho total del intervalo de errores
110
donde M es la magnitud experimental; m el valor representativo o central; m el intervalo de error, y 2 m el ancho total del intervalo de error. Si este intervalo 2 m abarca todas las medidas, se dice que m es el mximo error posible. Si las medidas repiten, se da como valor para m, la mitad de la mnima divisin de la escala utilizada. Si las medidas no repiten, el valor para el ancho total del intervalo de error (mximo error posible) ser: 2 m = lectura mayor - lectura menor
Cmo determinar el valor m, ser nuestro siguiente paso, y para terminar, debemos mencionar que en Biologa los experimentos son afectados por una gran cantidad de variables, por eso es indispensable repetidos un gran nmero de veces y establecer criterios estadstico de confiabilidad.
Ejercicio 8.1 1. Qu acciones implica el medir? ____________________________________________________ __________________________________________ 2. Qu es una medida? ____________________________________________________ __________________________________________ 3. Por qu las Ciencias Naturales estn en continua revisin? ____________________________________________________
MAESTRA EN EDUCACIN
111
__________________________________________ 4. Qu es incertidumbre? _________________________________________________ _____________________________________________ 5. Qu es intervalo de incertidumbre? ____________________________________________________ __________________________________________
8.2. Valor promedio o media aritmtica

Hemos visto que una magnitud determinada experimentalmente, debe constar de un valor representativo o central y un intervalo de error: as que vamos a estudiar cmo se calcula dicho valor central de una serie de medidas o lecturas. Como ya mencionamos antes, el valor representativo de una serie de lecturas es el valor promedio o media aritmtica de ellas, por lo que vamos a definir: Valor promedio o media aritmtica es el valor representativo de una serie de lecturas y se obtiene sumndolas todas y dividiendo entre el nmero total de ellas. Esta definicin se puede expresar en forma algebraica de la siguiente manera:
l =
l1 + l2 + l3 + ... + ln n
donde: < l > es el promedio o media aritmtica l1, l2, l3, y ln es el valor de cada una de las lecturas o medidas. Una vez definido el valor promedio y dada su expresin algebraica, ya podemos ver ms claramente que una magnitud experimental se expresa como:
112
l=<l> l donde: < l > es la magnitud determinada experimentalmente, < 1 > es el valor promedio de las lecturas, y l es el intervalo de error. Muy bien, pero nosotros sabemos que al repetir varias veces una medicin, ocurre que: o bien las medidas repiten, o las lecturas tendrn algunas veces valores mayores y otras menores que el valor real de la medicin, y el promedio de ellas ser el mejor valor representativo. As que si las medidas son reproducibles, la media aritmtica es igual a cualquiera de ellas y si no, se debe calcular como ya: indicamos. Veamos un ejemplo. Supongamos que medimos 5 veces la estatura de un nio y obtenemos las siguientes lecturas: 132.0 cm.; 132.5 cm.; 132.8 cm.; 132.4 cm.; 132.2 cm., as que el valor ms representativo para la estatura ser:
e =
(132.0 + 132.5 + 132.8 + 132.4 + 132.2)cm 5
Al efectuar la operacin obtenemos:
e = 132.4cm
Ahora vamos a calcular 2 e, el mximo intervalo de error (recuerda la frmula?). Cuando las medidas no se repiten: 2 e = lectura mayor - lectura menor 2 e = 132.8 cm. - 132.0 cm. = 0.8 cm. Despejando:
MAESTRA EN EDUCACIN
113
e =
As que el la estatura es: e = 0.4 cm. Por ltimo, podemos decir que la estatura del nio es: e = <e> e e = (132.4 0.4) cm.
0.8cm = 0.4cm 2 intervalo de error para
Esta medida experimental para la estatura del nio quiere decir que estamos razonablemente seguros de que si volvemos a medirlo obtendremos un valor que estar dentro del intervalo que determinamos, o sea, entre (132.4 + 0.4) cm. y (132.4 - 0.4) cm., efectuando las operaciones ser entre 132.8 cm. Y 132.0 cm.; adems el valor real de la estatura debe ser bastante cercano al valor promedio calculado. .por supuesto que si la nueva medida se hace un ao despus el valor ser muy diferente! debido al crecimiento. Para dejar el tema cubierto, veamos un ejemplo en que las medidas se repiten: Midamos cinco veces la longitud de un librero con bordes bien definidos, usando una cinta mtrica cuya graduacin mnima son milmetros. En este caso, la longitud medida es de 1.20 m, y fue la misma todas las veces que medimos; as que el valor promedio < l >, como ya se dijo, es de 1.200 m y el intervalo de error l, es la mitad de la mnima desviacin de la escala: 0.5 mm, por lo que la longitud del librero determinada experimentalmente es de: l = < l > l = 1.200 m 0.5 mm Si transformamos todo a metros, tendremos una longitud para el librero de: l = (1.200 0.0005) m
114
En este caso, el intervalo de error de 0.5 mm (por ser la mitad de 1 mm) nos dice que las medidas repitieron y la escala utilizada estaba graduada en milmetros. Pero, sobre todo, queremos hacer notar que se deben usar las mismas unidades; no es conveniente dar el promedio, como en este ejemplo, en unas unidades (1.200 m) y el intervalo de error en otras (0.5 mm). Ejercicio 8.2 1. Para medir una longitud de 20 cm. se usa un metro graduado en mm. Cul es el intervalo de error que debe esperarse? 2. Cul es el intervalo de error cuando medimos 10 seg. con un cronmetro graduado en 1/5 seg.? 3. Si se usa un termmetro graduado en centsimas de grado C para medir el punto de ebullicin del agua, qu intervalo de error debe esperarse? 4. Al medir el dimetro de una mesa, se obtuvieron los siguientes valores: 85.2 cm.; 85.6 cm.; 84.9 cm.; 85.7 cm. y 85;: 4 cm. Determine el dimetro experimental de la mesa. 5. Qu capacidad en gramos tiene un frasco al que vamos a llenar de tachuelas, si al hacerlo varias veces obtuvimos que se llen con:180, 175, 200, 193 Y 210 g?
8.3. Error absoluto, error relativo y porcentaje de error o precisin de una medicin
MAESTRA EN EDUCACIN
115
Una vez determinado el intervalo de error de una medida, se puede expresar: en forma absoluta (como lo hemos hecho) usando las mismas unidades del valor promedio, en forma relativa o como porcentaje del valor medido. Ilustremos con un ejemplo. Supongamos que medimos experimentalmente el peso p de un pastel y obtenemos:
p = < p > p = (216 g 0.002)g

en este caso p = 0.5 g usa las mismas unidades del peso, por lo que el intervalo de error est expresado en forma absoluta. Luego, se dice que: Error absoluto es el intervalo de error expresado en las mismas unidades que el valor promedio, y corresponde a la mitad de la mnima divisin de la escala utilizada si las medidas son repetitivas o a la mitad de la diferencia de la lectura mayor menos la lectura menor, si las mediciones son diferentes. Si ahora queremos expresar el intervalo de error en forma relativa, debemos escribir:
p= p
p = 216 g 0.002 p
As que: Error relativo es el cociente del error absoluto entre el valor promedio; no. tiene unidades. Pero, en general, esta forma de expresar el error tiene el inconveniente de que es una cantidad muy pequea, como se puede observar en el ejemplo; por este motivo se acostumbra dar el porcentaje de error, que es: Porcentaje de error, tambin llamado precisin de una medicin, es el error relativo multiplicado por 100.
116
Aplicado a nuestro ejemplo: p = 216 g 0.002 X 100 = 216 g 0.2% Esto significa que el pastel se pes con una precisin de 0.2% o que el porcentaje de error al pesarlo fue de 0.2. Queremos llamar la atencin, aunque suponemos que ya se habr notado que por brevedad se acostumbra llamar simplemente error al intervalo de error, pero recuerde que este error se debe a la incertidumbre inherente a toda medicin y no a una equivocacin al medir; tambin se debe .tener presente que error absoluto, relativo y precisin son las diferentes formas de expresar este intervalo de error. Ejercicio 8.3 1. Se us una regla para medir el ancho de una hoja de papel, y fue de 21.6 cm. Cul es el intervalo de error expresado como error absoluto y porcentaje de errores, si se midi aproximando al milmetro ms cercano? 2. Con un calibrador vernier se puede leer hasta 0.1 mm. Cul es la
mnima distancia que se puede leer con una precisin del 1 %?
8.4. Cifras significativas

En la vida diaria, cuando medimos algo, no indicamos el intervalo de error asociado con la medida, al menos no lo hacemos explcitamente; por lo general slo nos concretamos a leer los dgitos de los cuales estamos razonablemente seguros. Por ejemplo, cuando medimos la estatura de una jovencita, decimos que es de 154 cm., si no pudimos apreciar: los milmetros, o 154.3 cm., si logramos estimarlos.
MAESTRA EN EDUCACIN
117
De lo que aprendimos en la experiencia anterior, deducimos que la primera medida se puede expresar como (154 0.5) cm., y la segunda como (154.3 0.05) cm., lo que pone de relieve que la segunda medida se hizo con mayor precisin que la primera con tres cifras significativas, y la segunda con cuatro cifras significativas. Hemos mencionado "cifras significativas", pero qu son? por qu vamos a estudiarlas? Cifra significativa es un trmino que se usa con frecuencia cuando se manejan magnitudes experimentales, as que tendremos que familiarizamos con l para entender su significado. Segn Robert T. Lagemann, se define as: Cifra significativa es cualquier dgito que denota la magnitud de la cantidad, segn el lugar que ocupa en un nmero. Recordemos qu un dgito es cualquiera de los diez caracteres: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Vamos a ilustrar esto con ejemplos. Consideremos las cantidades: $40.85; 0.04802 g; 24.06 mm; 347.0 m. Muy bien, empecemos. Cuando decimos que tenemos S/.40.85, las cuatro cifras son significativas porque nos dicen cuntas decenas de soles (4), cuntos soles, (0) y cuntos centavos (85) tenemos; ni uno ms ni uno menos. Cuando tenemos 0.04802 g, leemos la cantidad como cuatro mil ochocientos dos cienmilsimos de gramo. En tal caso, la magnitud de la cantidad, o sea el nmero que la representa, es 4802; as que las cifras significativas son los dgitos 4, 8, 0, 2.
. Qu sucede con los dos primeros ceros? El primer cero se pone para llamar la atencin sobre la existencia del punto decimal, por lo
118
que no es cifra significativa; el segundo cero se pone slo para indicar que el 4 ocupa el lugar de las centsimas de gramo, as que este segundo cero tampoco es cifra significativa.
Cuando tenemos 24.06 mm, la cantidad se lee como veinticuatro milmetros y seis centsimas de milmetro: En esta ocasin los cuatro dgitos 2, 4, 0, 6 son significativos, porque: los dos primeros (antes del punto decimal) nos indican que al medir obtuvimos una lectura de 24 mm, el siguiente dgito (0) nos dice que se obtuvieron cero dcimas de milmetro y es cifra significativa: el ltimo dgito (6) nos da las seis centsimas de milmetro de nuestra lectura, tambin es significativa. Cuando vemos la cantidad 347.0 m, aparentemente tenemos slo tres cifras significativas: 3, 4, 7; pero no es as, porque la cantidad, al leerla, nos dice que son trescientos cuarenta y siete metros y cero dcimas de metro, as que este cero despus del punto decimal tambin es cifra significativa, ya que indica la precisin del instrumento con el que se midi. No debemos escribir 347 m, porque indicara el uso de un instrumento menos preciso. Tampoco se puede escribir 347.00 m, porque significara que empleamos un instrumento ms preciso del que se us en realidad y falsearamos la lectura. Veamos ahora, otro ejemplo. Cuando nos dicen que la distancia entre la Tierra y el Sol es de 149500000 Km., cuntas cifras significativas tiene tal cantidad? De acuerdo con lo que se ha dicho, seran 9 cifras significativas, pero... Alerta! Debemos fijarnos en las unidades que son kilmetros y no es fcil (mejor dicho no es posible) tener una escala o cinta mtrica con kilmetros de longitud. Por supuesto que se refutar que s es posible medir kilmetros, por ejemplo, con un coche; pero en el caso de la Tierra y el Sol se trata de una distancia astronmica que ningn
MAESTRA EN EDUCACIN
119
vehculo ha medido directamente, sino que se ha calculado por mtodos indirectos y por eso no es posible conocer el error asociado a la medida para saber cuntos ceros son significativos. Qu se hace entonces? Lo que se acostumbra, es usar potencias de 10 para deshacemos de los ceros superfluos, en la siguiente forma: distancia Tierra - Sol = 149 500 000 Km. = 1.495 X 108 Km. Al correr el punto decimal 8 lugares, tendremos la potencia de 10 y slo 4 cifras significativas: 1, 4, 9, 5. Esta notacin con potencias de 10 es muy utilizada en los trabajos cientficos, .porque puede expresar cantidades muy grandes o muy pequeas en una forma muy simple. Pero ahora, qu sucede cuando tenemos una distancia de 1.60 X 10-3 cm? Podemos contar el cero como cifra significativa? En esta ocasin s, porque al ponerlo explcitamente, se indica la precisin con la que se hizo la medida. Para terminar, debemos hacer notar que los intervalos de incertidumbre suelen expresarse con una sola cifra significativa, por, excepcin con dos, pues los mtodos que se utilizan para estimarlos son de poca precisin.
Ejercicio 8.4 1. Defina qu es cifra significativa.
120
2. De las siguientes cantidades indique cules son las cifras significativas:
a) 0.006552 d) 3.75 X 10-8 cm.
b) S/.38.00 e) 0.00750 m
c) 3.050 Kg.
8.5. Propagacin de errores

Algunas veces, no es posible medir directamente la cantidad buscada; en tales casos es necesario obtener la medida indirectamente, por lo general como combinacin de otras variables, o sea por medio de una ecuacin. Por ejemplo, supongamos que deseamos medir la densidad de un baln de acero; como no es posible hacerlo directamente, tendremos que hacerla a travs de la frmula de densidad, usando la ecuacin:
m v
As que para conocer el valor de la densidad, necesitamos, primero determinar la masa y el volumen v del baln, aplicar la frmula y obtener finalmente la densidad. Pero hemos venido insistiendo en que toda medicin lleva inherente un intervalo de incertidumbre, por lo que es lgico preguntar: Cul es el intervalo de incertidumbre de una cantidad que se mide indirectamente? En el caso de medidas indirectas, el intervalo de incertidumbre estar determinado por las incertidumbres de masa y volumen las que nos proporcionen la de la densidad. Llamaremos propagacin de errores al proceso por el cual se encuentra el error de una magnitud calculada a partir de valores
MAESTRA EN EDUCACIN
121
experimentales. Muy bien! Ahora vamos a analizar algunas situaciones en las que se necesita calcular esta propagacin de errores. El caso ms simple se presenta cuando la magnitud que nos interesa conocer, se obtiene a travs de una suma o diferencia de variables, medidas directamente, es decir, cuando tenemos una relacin de tipo: a = b+c+ (1) donde: b y c son valores experimentales medidos directamente, y a es la magnitud por determinar. Sabemos que b y c, por ser magnitudes experimentales, se expresan como: b=b+b y c=+c Siendo b y c los intervalos de incertidumbre o errores estimados al medir b y c. Sustituyendo estos valores en la ecuacin (1), obtenemos el valor de a junto con su incertidumbre: a a = (b b) + (c c) = b + c (b + c) puesto que a = b + c, al simplificar nos queda: a = b+ c Por lo tanto, el error estimado por medio de una suma o diferencia de magnitudes experimentales es igual a la suma de los errores de esas magnitudes. sta es una manera un tanto forzada de propagar el error, pero slo as podemos estar seguros de que el valor real de a estar dentro del intervalo definido por a + a, ya que los valores de b y c estn dentro de sus intervalos respectivos. En un curso posterior de anlisis de datos cuantitativos se vern formas
122
menos forzadas de propagar errores, basadas en el conocimiento de leyes estadsticas. Apliqumoslo a un ejemplo. Vamos a realizar un experimento para medir la conductividad trmica de una barra metlica; para ello es necesario calentar la barra por un extremo y medir despus la temperatura de ambos extremos. El primer paso para determinar la conductividad trmica es calcular la diferencia de temperatura de los extremos de la barra y slo haremos eso para no desviar nuestra atencin con en el clculo completo. Vamos a suponer que medimos las temperaturas y obtenemos los siguientes valores experimentales: T1 = (21 0.5) C y T2 = (27 0.5) C As que la diferencia de temperaturas T 1 T2 ser: T1 T2= (27 0.5) C - (21 0.5) C = (27 - 21) C (0.5 + 0.5) C T1 T2= (6 1) C Ahora, analicemos el resultado. La conductividad trmica de la barra depende de la diferencia de temperatura de los extremos y el clculo se hace en forma indirecta. Ahora bien, el error esperado para la conductividad trmica se obtiene a travs de los errores estimados al medir las temperaturas de los extremos; ntese que los errores se sumaron a pesar de que se estaba calculando una diferencia. Esto se hace porque en una medida no se sabe el signo del error cometido, as que al combinarlos debemos suponer la peor situacin, o sea que ambos son positivos. Por otra parte, si rest-
MAESTRA EN EDUCACIN
123
ramos los errores (0.5 - 0.5) C = 0 C, se obtendra un resultado absurdo, ya que no es lgico obtener cero incertidumbre!, a partir de dos medidas que s tienen incertidumbre. Otra observacin que se desprende del ejemplo es que, aunque el error relativo de cada temperatura era razonable, para la diferencia se hizo muy alto; por eso se recomienda que para medir magnitudes mediante diferencias, se usen (si es posible) mtodos que midan directamente tal diferencia. En nuestro ejemplo, se puede medir la diferencia de temperaturas usando un termopar, as ya no es necesario medir la temperatura de los extremos. La siguiente propagacin de errores se presenta cuando queremos determinar la magnitud de una variable, a travs del producto de variables, medidas directamente, o sea: a=bc donde b y c son variables medidas experimentalmente y a es la magnitud por determinar. Nuevamente podemos expresar b y c como: b = b b y c c As que la magnitud a por determinar y su error se obtienen del producto: a a = (b + b) (c c) Desarrollando el producto de binomios (b b) (c c) y sustituyendo el valor de bc = a tenemos: a = b c + cb + b c
124
Si dividimos cada uno de los miembros de la igualdad entre a = bc, se tiene:
a bc cb bc = + + a bc bc bc a c b b c = + + a c b b c
Si
b c <1 y < 1 , esto quiere decir que la contribucin del b c b c b c + es insignificante comparada con ; por b c b c b c se desprecia, b c
a b c = + a b c
trmino
lo tanto, no se considera. Todo esto, los fsicos lo resumen en una frase: El trmino
por lo que obtenemos finalmente:
Lo anterior nos dice (porque aunque no se crea, las ecuaciones hablan) que el error relativo de una magnitud, expresada como producto de magnitudes experimentales, es igual a la suma de los errores relativos de cada uno de los factores. Como se trata de una suma de errores relativos va a predominar el mayor, as que para reducir la incertidumbre de un producto debe cambiarse el procedimiento experimental, pero slo para la variable que presenta mucho error. Por ejemplo, supongamos que es necesario conocer el rea que cubre una cinta rectangular de plstico. . El procedimiento por seguir es medir el largo (l) y ancho (a) de la cinta y su producto nos dar el
MAESTRA EN EDUCACIN
125
rea buscada (A). Efectuando las medidas obtenemos: l = (114.6 0.05) cm. a = (1.2 0.05) cm. El rea ser:
A = l a = (114.6 1.2)cm 2 = 137.52cm 2

Ahora, cul es el error que esperamos para el rea? Lo calculamos usando la frmula de propagacin de error para un producto:
a b c = + a b c
Aplicado a nuestro ejemplo:
A l a 0.05 0.05 = + = + A l a 114.6 1.2 A As que el error relativo del = 0.0004 + 0.04 = 0.04 A rea de la cinta es 0.04;
recordemos que no se acostumbra dar ms de dos cifras significativas para el error. Vamos ahora a expresar el rea en la forma usual; para eso despejamos VA de la frmula del error relativo.
A = 0.04 A A = A 0.04 = 137.52cm 2 0.04 = 5.50cm 2 = 5.5cm 2
126
Luego, el rea la podremos expresar como:
A = l a A
rea de la cinta y su error; pero realmente resulta fastidioso hacer tantas operaciones, as que, por qu no emplear los adelantos de la ciencia, usando una computadora? Hacer clculos, con ayuda de una computadora es ms fcil; pero ahora vamos a mostrarte otra forma de determinar el error en un producto con o sin ayuda de la computadora. Sigamos con el mismo ejemplo: l = (114.6 0.05) cm. y a = (1.2 0.05) cm. El procedimiento es el siguiente: 1. El valor ms representativo para el rea es: A = l x a = 114.6 cm. x 1.2 cm. = 137.52 cm2 2. Calculamos el rea mxima que se pueda medir, tomando como factores los valores ms altos para el largo y ancho, o sea sumando el valor positivo de los errores correspondientes:
A = (137.5 5.4)cm 2 Muy bien! Ya determinamos el
Amx = lmx amx = 114.65cm 1.25cm Amx = 143.3125cm 2
3. Anlogamente, el rea mnima ser cuando a los factores l y a se les reste el error correspondiente:
Amn = lmn amn = 114.55cm 1.15cm Amn = 131.7325cm 2
MAESTRA EN EDUCACIN
127
4. Determinemos el ancho total 2 A incertidumbre, lo recuerdas?
del intervalo de
2A = Amx Amn = (143.3125 131.7325)cm 2 A = 11.58cm 2 = 5.7cm 2 2
Finalmente podemos expresar: A + A = (137.5 5.7) cm2 Muy bien! Slo que para los nefitos en el asunto se presenta un pequeo inconveniente: el error estimado para el rea es ligeramente diferente 5.4 cm2 y 5.7 cm2; pero recordemos que se acostumbra dar una sola cifra significativa para el error, as que el problema se resuelve, y podemos expresar: A + A = (137.5 5) cm2 = (138 5) cm2 Ahora bien, las dos formas de calcular el error tienen sus ventajas y desventajas, por lo que vamos a analizar: Ventajas: 1. Determinar el error como la suma de los errores relativos de
128
las variables permite detectar, que para reducir el error slo es necesario mejorar la precisin de la variable que presenta mayor error, en el ejemplo sera el ancho. 2. La forma de calcular el error encontrando el valor mximo y mnimo de la variable buscada es completamente general, cualquiera que sea la expresin para el producto. Desventajas: 1. Calcular el error de la variable por medio de la suma de errores relativos de las variables medidas, lleva mucho trabajo por el tipo de operaciones que se presentan. 2. Obtener el error calculando los valores mximos y mnimos para la variable buscada, requiere cuidado en su aplicacin al escoger el signo de los errores de las variables medidas.
En el ejemplo que vimos, se dijo que para mejorar la incertidumbre del rea de la cinta, o sea reducir el error, era necesario medir el ancho con mayor precisin. Cmo lograrlo? La respuesta es fcil; seguramente la sabes: usando un instrumento ms preciso, que puede ser un calibrador vernier que permite medir hasta dcimas de milmetro, o inclusive un tornillo micromtrico que puede medir hasta centsimas de milmetro; adems sera conveniente verificar que las medidas fueran reproducibles, midiendo varias veces las dimensiones de la cinta. Para terminar, debemos hacer notar que entre ms pequea sea la magnitud por medir, ms precisos deben ser los instrumentos utilizados.
Ejercicio 8.5 1. Dado un acoplamiento en serie de resistencias, calcule el error de
MAESTRA EN EDUCACIN
129
la resistencia total R (R = r1 + r2 + r3), si los valores medidos para cada una de ellas son: r1 = (18.0 0.05) r2 = (24.0 0.05) r3 = (12.0 0.05)
D la expresin completa para la resistencia total.
2. Calcule el error que se espera al medir el volumen V de un tubo con las siguientes medidas:
altura (h) = (20.0 0.05) cm. radio del tubo (r) = (2.5 0.05) cm.
8.6. Redondeo de una cantidad

Hemos venido mencionando que el error, asociado a una medicin, se acostumbra dar con una sola cifra significativa o excepcionalmente con dos. Reducir el error a una o dos cifras significativas se logra por medio del redondeo de su valor. Pero redondear una cantidad no es un problema asociado nicamente a la determinacin de errores, sino que se puede redondear cualquier valor, con objeto de simplificar un clculo. Se puede definir: Redondeo de una cantidad es reducir el nmero de sus cifras significativas, de manera que el nuevo valor
130
sea lo ms cercano posible a la cantidad original. De manera que no slo vamos a redondear la magnitud de los errores, lo haremos (y lo hacemos de hecho) con cualquier nmero, por ejemplo, cuando trabajamos con los valores: ( = 3.14), (1/3 = 0.333...), (1/6 = 0.1666...), etc. En general, el redondeo de valores afecta nicamente la ltima cifra significativa, y emplearemos tantas veces como lo requiera la precisin que estemos usando. Para redondear una cantidad a un cierto nmero de cifras se sigue el siguiente procedimiento: 1. En una magnitud a redondear, se respetan todas las cifras significativas, excepto la ltima que es la que se altera. 2. Si despus de esta ltima cifra significativa (que es la que se va a alterar) sigue un nmero menor que 5, se respeta su valor y se desprecian los dems nmeros. Por ejemplo, el nmero 6.9238, redondeado a dos cifras significativas es 6.9; a tres cifras significativas es 6.92; a cuatro cifras significativas, vamos a ver qu se hace, porque el nmero siguiente es 8 (y es mayor que 5). 3. Si despus de la ltima cifra significativa (que vamos a considerar) sigue un nmero mayor que 5, entonces altera su valor al siguiente dgito 'y se desprecian los dems nmeros. As que nuestro nmero 6.9238, redondeado a cuatro cifras, es 6.924. Hasta aqu todo est bien, pero qu sucede cuando despus de la ltima cifra significativa que estamos considerando, sigue el nmero 5?
MAESTRA EN EDUCACIN
131
Por ejemplo los siguientes nmeros:
1.235106 126.5 1.485 0.04685 6.455106
redondeados a tres cifras significativas
= =
1.24106 126 1.48 0.0468 6.46106
Qu sucede aqu? Si despus de la ltima cifra significativa que se va a considerar, sigue el nmero 5, el redondeo se hace de manera que sta ltima, sea siempre un nmero par. La idea atrs de este procedimiento, es que en estos casos, el error cometido por exceso (al aumentar al siguiente dgito), sea igual tal cometido por defecto (al no aumentar nada y respetar la ltima cifra). Ahora vamos a analizar un ejemplo donde intervenga el nmero . Supongamos que conocemos el nmero con seis cifras significativas = 3.14159 Y lo vamos a emplear para calcular el rea de un crculo cuyo radio es r = (1.1 0.1) cm. (ntese que el valor de r tiene dos cifras significativas). Para calcular el rea (A) del crculo: A = r2, podemos usar las seis cifras significativas de , pero no se recomienda, porque el valor tiene slo dos y desperdiciaramos trabajo y tiempo para realizar las operaciones. De manera que se hace necesario redondear el valor de . Pero cuntas cifras significativas? En tales casos se pide que el redondeo de un nmero no contribuya a la incertidumbre total de un clculo, lo que quiere decir que el nmero por redondear, basta que tenga 1 2 cifras significativas ms que el nmero experimental.
132
As que sern suficientes 3 cifras significativas para el valor de
. En nuestro ejemplo, despus de la tercera cifra significativa, sigue el uno, por lo que se respeta y tendremos = 3.14. Realizando las operaciones obtendremos:
A = r 2 = 3.14 (1.1) 2 cm 2 = 3.14 1.21cm 2 = 3.7994cm 2

ste es el valor representativo para el rea. Notamos que son demasiadas cifras significativas, redondeando a dos: A = 3.8 cm2. Para calcular la incertidumbre o error, lo haremos usando errores relativos, considerando el rea como un producto de 3 factores:
A = r 2 = r r
Entonces el error relativo ser:
A r r = + + A r r
en donde es el error introducido al redondear a tres cifras significativas el valor de -
, y su valor es
(con 6 cifras)
(con tres cifras) = 3.14159-3.14 = 0.00159 cuyo valor,
redondeado a tres cifras significativas, es:
A = 0.00159 = 0.002
Sustituyendo valores para encontrar el valor relativo del rea:
A 0.002 0.1 0.1 = + + 0.0006 + 0.1 + 0.1 0.2 A 3.14 1.1 1.1
queremos hacer notar que este resultado nos confirma que el
MAESTRA EN EDUCACIN
133
error introducido por el redondeo de
es tan, insignificante,
comparado, con el error en el radio, que no se considera.. . Ahora, despejaremos la incertidumbre para el rea del crculo:
A 0.2 A = A 0.2 = 3.8 0.2cm 2 A 0.8cm 2 A

Por ltimo, el valor para el rea del crculo lo podemos expresar como: A = (3.8 0.8) cm2 Debemos cuidar que, al redondear el valor representativo para el rea, su ltima cifra significativa se vea afectada por el error calculado. Ejercicio 8.6 1. Redondee las siguientes cantidades a 2 y 3 cifras significativas: a) 6.828 X 10-4 c) 0.0345 g) 4.855 X 108 g) 3.938 b) 4.352 d) 0.00125 f) 5.555 h) 6.670 X 10 -12
2. Calcule el volumen de un tinaja para agua, de forma cilndrica, con las siguientes dimensiones: radio r = (59.3 0.5) cm.; altura h = (1.10 0.5) m Con lo anterior vamos a dar por terminado el presente
134
captulo. No queremos dejar la impresin de haberle complicado la existencia con los clculos de errores y redondeos; estamos de acuerdo en que realizar mediciones antes de saber todo esto era una tarea ms fcil, pero queremos hacer notar que el trabajo cientfico "serio" que reporte resultados experimentales, debe considerar tales cuestiones o se pondr en duda la validez de los resultados. Ya a Galileo y Newton les preocupaba la precisin con que efectuaban sus medidas y no podemos negar que gracias a esta preocupacin, no slo de ellos, sino de todo cientfico, la ciencia ha avanzado tanto, Por lo pronto estamos casi seguros de que en el futuro podr reponer los vidrios rotos de las ventanas sin problemas, no es verdad? Adems, las incertidumbres relativas muestran claramente en dnde hay que mejorar un experimento, ya que nos dicen cul variable es la responsable de la mayor parte de la incertidumbre.
ACTIVIDADES
Realice todas las mediciones que sean posibles y calcule la incertidumbre asociada, Por ejemplo: 1. Imagine que va a colocar una puerta y necesita llevarle las medidas al carpintero, Determnelas y verifquelas con las de la puerta. 2. Si dispone de una bscula, determine cunta sal en grano y cunta sal de mesa llenan el mismo bote. Discuta con algn compaero los resultados. 4. Investigue el precio, por metro cuadrado colocado, de mosaico o alfombra y calcule cunto costara cubrir su recmara con ese material.
MAESTRA EN EDUCACIN
135
AUTOEVALUACIN
l. Elija la respuesta adecuada, encerrando en un crculo la letra correspondiente. 1. La accin de medir implica: a) Comparar y leer una escala. b) Determinar un valor. c) Slo leer una escala. 2. Las Ciencias Naturales estn en continua revisin porque: a) Las leyes que las rigen tienen cierto grado de incertidumbre, b) Deben modificarse peridicamente. c) Los cientficos as lo consideran pertinente.
3. La incertidumbre que se obtiene al medir, depende: a) De los instrumentos de medicin. b) Del procedimiento experimental. c) Del procedimiento experimental y de los instrumentos de medicin 4. Incertidumbre y precisin son trminos complementarios porque: a) Mayor precisin, mayor incertidumbre. b) Mayor precisin, menor incertidumbre. c) Menor precisin, menor incertidumbre.
136
5. Son causas de incertidumbre: a) los valores que repiten. b) las irregularidades del objeto a medir y condiciones climatolgicas. c) Cuando los valores no repiten. 6. Cuando las causas de errores son constantes, a) Es posible corregirlas. b) No se puede hacer nada. c) No afectan la medicin. 7. Cuando las medidas repiten, el intervalo de error es: a) la mnima divisin de la escala. b) Cero. c) la mitad de la mnima divisin de la escala. 8. Si las medidas no se repiten, el ancho total del intervalo de error es: a) la mitad de la mnima divisin de la escala. b) la suma de la lectura mayor ms la lectura menor. c) la diferencia de la lectura mayor menos la lectura menor. 9. El porcentaje de error es: a) Igual al error relativo. b) Llamado precisin y es el error relativo multiplicado por 100. c) Igual al error absoluto multiplicado por 100. 10. Cuando se redondea una cantidad:
MAESTRA EN EDUCACIN
137
a) Se reduce su valor. b) Se reduce el nmero de cifras significativas. c) Se deja igual a la cantidad original. II. Complete las siguientes frases. 1. Al efectuar una medicin, siempre tendremos asociada una incertidumbre debido a que no es posible
2. las causas de incertidumbre son fuente de error en las medidas, por eso se acostumbra llamar intervalo de error al
3. la forma correcta de expresar una magnitud experimental es
4. Si las medidas se repiten, la media aritmtica es
5. Se llama propagacin de error al proceso por el cual se encuentra el error de una magnitud calculada
6. El error estimado por medio de una suma o diferencia de magnitudes experimentales, es igual a 7. El error relativo de una magnitud, expresada como producto de variables experimentales, es igual a
138
8. Entre ms pequea sea la magnitud a medir, ms precisos deben ser
9. El redondeo de valores afecta nicamente
10. Si despus de la ltima cifra significativa a considerar, sigue el nmero 5, el redondeo se hace de manera que
III. D las siguientes definiciones. l. Qu es valor promedio? 2. Qu es precisin de una medida? 5. Redondeo de una cantidad es
IV. Realice los siguientes ejercicios:

1. Para medir 15 cm., se usa un metro con divisiones en milmetros. Cul es el error absoluto y cul el error relativo? 2. Un microscopio porttil puede leer hasta 0.1 mm. Con qu precisin se puede medir una distancia de 2 cm? 3. Cul es la distancia ms pequea que se puede leer con un metro (con divisiones en mm) si queremos que la incertidumbre no exceda: a) 2%; b) 5%?
MAESTRA EN EDUCACIN
139
4. Una distancia de 4 cm., debe medirse con una precisin del 1 %. Qu instrumento debe emplearse, un metro (en mm) o un microscopio porttil (en l/l0mm)? 5. Tenemos un cronmetro graduado en dcimas de segundo. Cul es el mnimo intervalo de tiempo que puede medir con una precisin de 10% y 0.l %? 6. Cuntas cifras significativas tienen los siguientes nmeros? a) 4.850 b) 0.005 c) 8.300 d) 50.38 e) 0.4030
7. Redondee a dos y tres cifras significativas las siguientes cantidades: a) 85.62 b) .966 c) 6.55 d) 0.00658 e) 46.55
8. Un reloj de cuerda se adelanta 5 minutos diarios. Con qu precisin se puede medir un intervalo de tiempo de 2 horas? 9. Qu tipo de balanza debemos usar, es decir, qu valor deber tener la mnima divisin de la escala si queremos medir 50 g con una precisin de 0.1%? 10. Se midi el tiempo de descenso de un baln sobre un plano inclinado, a partir del reposo. La medida se repiti 5 veces y se determinaron las siguientes lecturas: t1 = 6.5 s; t2 = 6.3 s; t3 = 6.7 s; t4 = 6.6 s; t5 = 6.6 s Exprese el intervalo de error como: error absoluto, error relativo y porcentaje de error en las medidas; d la magnitud experimental
140
para el tiempo de descenso del baln.
MAESTRA EN EDUCACIN
141
Captulo 9
Mtodo cientfico experimental

El asombroso avance de las ciencias experimentales, tambin llamadas factuales, como la fsica, qumica y biologa, se debe
142
en gran medida a que los cientficos que han contribuido a su desarrollo, se han preocupado porque sus mtodos de trabajo cumplan con ciertas reglas apoyadas fuertemente en la lgica y en el sentido comn; dichos pasos constituyen lo que se llama mtodo experimental, temtica que se abordar en el presente captulo.
9.1. Papel del experimento

Uno de los objetivos de las ciencias naturales, o empricas, es la creacin de modelos que permitan predecir el comportamiento de algunos fenmenos de la naturaleza; dichos modelos son en principio aproximados, pero a medida que progresa el conocimiento de la naturaleza, se refinan y amplan para dar lugar a leyes y teoras, lo que significa un grado de confiabilidad mayor que en el simple modelo; en otras palabras, la probabilidad de falla o error es ms frecuente en un modelo que en una ley o teora, y es suficiente la existencia de un solo caso en que no se cumplan, para desecharlas. Ahora bien, la forma en que el cientfico verifica la validez de sus modelos y pone en prueba sus teoras y leyes es a travs del experimento; ello le obliga a planearlo en la forma ms adecuada para obtener resultados confiables, cuya interpretacin le permitir o no, aceptar ese modelo. Esto pone de manifiesto la suma importancia que tiene el experimento en las ciencias naturales y la necesidad de aplicar bien el mtodo experimental, porque de hecho un experimento es una pregunta que se hace a la naturaleza, el resultado es su respuesta y es responsabilidad del cientfico el plantear bien la pregunta e interpretar correctamente la respuesta (Boys, 1964).
MAESTRA EN EDUCACIN
143
9.2. Pasos del mtodo experimental

Los pasos del mtodo experimental son los siguientes (Rosas y Riveros, 1980).: 1. Definicin del problema. 2. Hiptesis de trabajo. 3. Diseo del experimento. 4. Realizacin del experimento. 5. Anlisis de resultados. 6. Obtencin de conclusiones. 7. Elaboracin del informe. A primera vista es posible pensar que son demasiados pasos y quiz no sea necesario aplicarlos todos, pero no es as; una vez que se han estudiado y aplicado a problemas especficos, nos daremos cuenta de que olvidar o eliminar alguno puede conducir a tropiezos mayores o trabajo estril. Cuando un experimento se programa con todas las reglas del mtodo experimental, podremos decir que se han previsto todas las necesidades que requiere el experimento; sin embargo, toca al investigador la decisin final sobre cmo aplicarlas; en especial si se presentan problemas que no necesiten tratarse con tanto rigor. A continuacin analizaremos cada uno de dichos pasos. 9.2.1. Definicin del problema El primer paso que se debe dar para planear un experimento es definir con precisin su objetivo; es decir, formular con claridad el problema o a qu preguntas se quiere responder; lo que usualmente requiere traducirse del lenguaje llano al lenguaje cientfico. Para lograr esto, hacemos uso de la informacin
144
obtenida a partir de: a) La observacin del fenmeno (o de quien nos plantea el problema) b) La consulta bibliogrfica. . La observacin del fenmeno. Pone de manifiesto la pregunta que se va a responder; por ejemplo: Sucede que una planta colocada detrs de un vitral amarillo, se afea y casi no crece a pesar de tener agua, aire y abono suficiente y nos preguntamos: Por qu se afecta el desarrollo de la planta colocada detrs del vitral? La pregunta o problema tambin nos la puede plantear otra persona, a la que le pediremos informacin adicional, como: Para qu quiere la respuesta? Es muy difcil contestar adecuadamente, si no sabemos qu uso se dar a la respuesta. Por ejemplo, a la pregunta: Cunto mide su cocina?, responderemos de distinta manera (con diferente precisin), dependiendo de quin nos pregunte: una visita, un pintor o el fabricante de cocinas integrales. Una vez establecida la pregunta (que puede dar origen a una investigacin nueva), es necesario saber lo que se ha hecho en casos parecidos mediante: La consulta bibliogrfica. Siempre que se inicie una investigacin debe consultarse la bibliografa porque permite conocer el estado actual del problema; es decir, qu es lo que se ha hecho, cmo se ha hecho y sobre todo, proporcionar la informacin necesaria para determinar si el trabajo que planeamos es una corroboracin o una extensin de otro trabajo cientfico; tambin si llena un hueco o si abre un nuevo campo de investigacin. En suma, permite evaluar la importancia del
MAESTRA EN EDUCACIN
145
problema por resolver y las soluciones intentadas. Pudiera argumentarse que el trabajo de corroboracin, por ejemplo, el de un estudiante, no necesita de consulta bibliogrfica, pero no es as, porque en tales casos se usa la bibliografa acumulada en la memoria del maestro o la del mismo alumno que ya ha estudiado el tema y sabe lo que tiene que hacer. La consulta bibliogrfica, cuando se trata de un problema conocido, empieza por la consulta a las grandes tratados o libros especializados, para continuar si el caso lo requiere en las revistas cientficas. Cuando se llega a este punto, es porque se trata de un problema que no es del dominio pblico y entonces la consulta no es fcil, porque existe gran nmero de publicaciones cientficas que aparecen peridicamente y hacen casi imposible mantenerse al da por el enorme tiempo que llevara su lectura. Tal imposibilidad ha motivado la edicin de publicaciones especializadas que dan a conocer los resmenes de los artculos o, al menos, los ttulos clasificados por temas, que permiten localizar con rapidez la informacin buscada. Una vez planteada la pregunta y hecha la consulta bibliogrfica, se procede a formular una hiptesis que creamos tenga posibilidades de explicar la observacin, o decidimos cules de las "leyes naturales" son aplicables o, al menos, esperamos que haya una relacin entre dos variables caractersticas del problema. La hiptesis puede, tener bases slidas en los conocimientos que se tengan del fenmeno por estudiar o puede ser nueva si el problema es desconocido, pero sobre todo servir de gua para encontrar la respuesta buscada. Por ejemplo, en el problema de la planta, mencionado
146
anteriormente la hiptesis puede ser: La planta fue afectada en su crecimiento por estar expuesta a la luz amarilla. Esta hiptesis es casi una reflexin acerca del fenmeno observado y al dar una posible causa (eliminacin de componentes luminosos) nos gua o conduce a buscar la respuesta por ese camino. As, tenemos que la definicin del problema consta de: la observacin de un fenmeno expresado en lenguaje llano, una consulta bibliogrfica y una hiptesis generalmente expresada en lenguaje cientfico y se obtiene como consecuencia tanto de la observacin como de la bibliografa como se muestra en el esquema de la figura 9.1. Hiptesis o relacin emprica
Observacin
del fenmeno
Lenguaje llano
Lenguaje Bibliografa cientfico
Figura 9.1: Definicin del problema
9.2.2. Hiptesis de trabajo Una hiptesis en s, es una prediccin donde se explica cmo o por qu sucede un fenmeno y se busca su comprobacin (o negacin) por medio de un experimento. El enunciado de una hiptesis debe involucrar las variables del fenmeno, ya sean cualitativas (si no es posible medidas) o
MAESTRA EN EDUCACIN
147
cuantitativas (cuando se pueden medir), e indicar en cierta forma cmo se espera que estn relacionadas. Formular una hiptesis no es tarea fcil, el trabajo en la ciencia es creativo; cuando se inicia una investigacin nueva, el cientfico supone, presiente o quiz tiene idea de por qu sucede tal o cual fenmeno, lo que dar origen a la hiptesis. Es una tarea inductiva ya que pasa de lo particular a lo general. Una vez formulado la hiptesis es necesario analizada para encontrar sus consecuencias, lo que es una tarea netamente deductiva. Adems, el anlisis de la hiptesis sealar cules son las variables dependientes, las independientes y los parmetros constantes. Tambin se determina: a) La regin en que interesan los resultados. b) Las aproximaciones por introducir. c) La precisin requerida en los resultados. Todos estos factores estn interrelacionados y toca al investigador tomar las decisiones pertinentes despus de evaluarlos en conjunto. La regin en que interesan los resultados. Es el intervalo de valores numricos de las variables, en los que se espera la aparicin del fenmeno y que se cumpla la hiptesis. Ello significa que se debe tomar, en consideracin si las variables se miden utilizando el sistema MKS (metro, kilogramo, segundo) o el sistema CGS (centmetro, gramo, segundo); es posible que se trate de un fenmeno microscpico o relativista donde es necesario calcular las medidas en forma indirecta, porque no es posible medirlas
148
directamente. Por ejemplo: es posible medir con una cinta mtrica a qu altura llegar una pelota cuando la dejamos caer, pero no se puede usar la misma cinta para medir la longitud de onda de la luz roja. Son problemas de naturaleza muy diferente: para el primero, la regin en que interesan los resultados son centmetros y para el segundo, son angstroms, que slo pueden medirse indirectamente debido a que 1 angstrom (A) es igual a 10-8 centmetros (1 A = 0.00000001 cm) y no existe ningn instrumento con esa graduacin. Las aproximaciones por Introducir. Es posible que al analizar la hiptesis o el modelo por probar y deducir sus consecuencias, se tenga la necesidad de hacer algunas aproximaciones; ello quiere decir que para facilitar los clculos se deba sustituir el seno de un ngulo muy pequeo por su valor en radianes, o tal vez se requiera despreciar trminos; por ejemplo: si en una suma existe algn sumando cuyo valor sea "mucho menor" que uno o "muy pequeo" con respecto a los otros, se le puede eliminar o despreciar. En todos los casos, los trminos "muy pequeos", "mucho mayor" o "mucho menor" se aplican para facilitar los clculos y proporcionan, en consecuencia, ya no valores exactos, sino valores aproximados, que obedecen las siguientes reglas. A mayores aproximaciones, se tendr menor exactitud en los resultados. A mayor exactitud, se requieren menos aproximaciones. Los mejores ejemplos de aproximaciones se encuentran en la fsica, donde se desprecian trminos en los que interviene la friccin o para obtener las leyes del pndulo simple, donde la
MAESTRA EN EDUCACIN
149
regin de validez es para ngulos muy pequeos ( 10 a.50 ), para poder sustituir sen (ngulo) = valor del ngulo en radianes; se hacen adems otras aproximaciones, como despreciar la friccin y la masa del hilo donde cuelga la plomada. En general cualquier aproximacin que se haga depender estrechamente de la precisin; requerida en los resultados. La precisin requerida en los resultados. La precisin est determinada por el uso que se le vaya a dar a los resultados; las diferentes actividades humanas requieren de diferentes grados de precisin; por ejemplo: la longitud de una carretera entre dos ciudades puede medirse con una precisin menor que la requerida por un sastre para confeccionar una prenda de vestir. Un panadero pesa sus ingredientes con mucha menor precisin, que un farmacobilogo. Un ejemplo menos rudimentario se presenta cuando una compaa empacadora quiere almacenar cierta cantidad de sal de cocina en determinados envases; para ello es necesario saber si se trata de sal de mesa (molida) o sal en grano. En cualquiera de los dos casos se toma una muestra y se mide su densidad, que es igual a masa sobre volumen; eso nos dir qu volumen ocupan, por ejemplo, 100 g de sal y debe medirse con una precisin semejante con la que se fabricar el envase; as, podrn indicarle a la empresa que los haga, basndose en sus necesidades. Pero pudiera suceder que el problema fuera ms complicado y se tratara de determinar la distancia interatmica de la sal comn (cocina); entonces se debe trabajar con un solo grano e involucrar otras medidas como el peso molecular, el nmero de Avogadro y la densidad, que habr de medirse con una precisin mayor o por lo menos igual a la de las dos primeras, las cuales pueden encontrarse en tablas
150
especializadas. Si la precisin es importante en actividades y profesiones ordinarias, lo es mucho ms cuando se trabaja en problemas de investigacin pura, donde a veces es necesario determinar magnitudes muy pequeas, como calcular porcentajes de contaminacin en sustancias de alta pureza, tomar medidas de alto vaco o incluso comparar dos teoras por medio de una prediccin; en tal situacin la precisin juega un papel decisivo, ya que debe permitir discriminar alguna para dejar la ms adecuada. En el caso de la hiptesis anterior, acerca de que la luz amarilla afecta el crecimiento de la planta, el anlisis indica como una consecuencia que si se coloca detrs de un vitral transparente, dicha planta debe crecer normalmente. O sea, que implica una relacin entre el color de la luz, que ilumina una planta, y su rapidez de crecimiento. Podramos considerar como variable independiente el color de la luz y como dependiente la rapidez de crecimiento. Una vez establecidas las variables independientes y dependientes, se elige la mejor forma de medirlas y el equipo con el que ser posible realizar esa tarea. En otras palabras, se determinar: qu medir, cmo medir y los instrumentos apropiados. En nuestro ejemplo, se puede cambiar la iluminacin a la planta para verificar que crece normalmente si se ilumina con luz blanca. Es muy importante tener las veces que sea posible un experimento de control; es decir, el que se realiza en condiciones normales sin que intervenga el cambio en la variable que se va a estudiar; en este caso sera otra planta parecida expuesta a la luz
MAESTRA EN EDUCACIN
151
solar. Ello se hace con el fin de comparar el efecto medido, cancelando los efectos de los cambios en las dems variables presentes, consideras no relevantes. El trabajo experimental puede ser tan amplio como se desee, pero en general puede clasificarse en los siguientes tipos: a) El que verifica una hiptesis, un modelo o una ley establecida. b) El que es complemento o extensin de otro trabajo experimental, donde es posible usar la hiptesis original o hacerle alguna pequea modificacin. c) El que investiga un problema nuevo, donde ser necesario formular una hiptesis de trabajo o al menos obtener alguna relacin emprica. Ahora bien, cuando decimos que: Se verifica una hiptesis, es posible que una hiptesis se formule dentro de un marco terico, y sea necesario el trabajo experimental para verificarla. Se incluye tambin aqu el trabajo de demostracin de los laboratorios de enseanza, donde el estudiante comprueba, mediante un experimento, la validez de una hiptesis, ley o modelo. En tales casos, no es necesario formular la hiptesis o modelo; slo verificarla. El trabajo es complemento o extensin de otro, es frecuente encontrar problemas tan extensos que es necesario subdividirlos en otros ms pequeos; es posible tambin que se introduzca alguna variante en el problema original, por ejemplo, cmo se afecta el fenmeno de la fotosntesis cuando se efecta con luces de diferentes colores. En tales situaciones es posible usar la hiptesis original, o tal vez hacer alguna modificacin, pero siempre conscientes de que no se trata de problemas nuevos. Investigacin de un problema nuevo, una nueva investigacin
152
siempre requerir de una hiptesis de trabajo o algn modelo; cuando no es posible contar con ninguno de los dos, la realizacin del experimento correspondiente (que puede ser la reproduccin del fenmeno por estudiar), debe producir al menos una relacin emprica a partir de la cual quiz puedan encontrarse elementos para formular una hiptesis o percibir un modelo. La relacin emprica generalmente se obtiene a partir de la curva que se ajuste mejor al graficar los diferentes valores que tomen esas variables, al realizar el experimento; y no estar apoyada por ningn marco terico. En el campo de la fsica aplicada es frecuente encontrarse con la necesidad de hacer evaluaciones sobre los efectos que tienen ciertos procesos, slo en estos casos, por rapidez y simplicidad, se hace un experimento que responda a la pregunta planteada, sin pretender encontrar un modelo terico que pronostique el resultado del experimento. Del anlisis de la hiptesis y de para qu se quiere el resultado se, determina qu hay que medir y con qu precisin, para que los datos, obtenidos contesten la pregunta o resuelvan el problema planteado originalmente. De ser posible, se determina cul es la forma detallada de respuesta que sea ms adecuada; puede ser, por ejemplo: una grfica, una tabulacin, un conjunto de valores, etc.
Hiptesis de trabajo
Regin donde interesan los resultados. Aproximaciones por introducir. Precisin requerida
Qu medir y con qu precisin
Informacin que conteste el problema original
Figura 9.2: Hiptesis de trabajo
MAESTRA EN EDUCACIN
153
En el esquema de la figura 9.2 pueden observarse las etapas que cubre el anlisis de una hiptesis. Una vez analizada la hiptesis de trabajo, se procede a disear el experimento. 9.2.3. Diseo del experimento En esta etapa se escoge el procedimiento experimental que se va a usar y los instrumentos de medida capaces de medir y controlar las variables del fenmeno por estudiar. Para ello es necesario considerar: a) El equipo de medida existente y su precisin. b) El tiempo y dinero disponible. El procedimiento experimental es la secuencia de operaciones que va a realizar el investigador; cuando se usa alguna con mucha frecuencia y se convierte en un procedimiento reglamentado se le llama tcnica de laboratorio; por ejemplo, obtener el suero de la sangre, identificar los compuestos de una mezcla, revelar una placa fotogrfica, etc. Dichas tcnicas no constituyen todo el procedimiento experimental slo forman parte de l y es el investigador quien decide qu medir y cmo hacerlo; para ello considerar los aspectos a y b ya mencionados antes.
154
El equipo de medida existente y su precisin. La precisin del equipo utilizado debe ser mayor que la precisin deseada en las medidas para que exista la posibilidad de que los resultados experimentales sean utilizables. sta es una condicin necesaria mas no suficiente ya que al medir una sola vez no podemos calcular la incertidumbre asociada con la medida. Al repetir varias veces la medicin determinamos el ancho del intervalo en que se obtienen los valores experimentales lo que nos permite estimar la incertidumbre. Slo cuando las medidas sucesivas son iguales, su precisin ser igual a la del instrumento de medida. En el caso de medidas que no se repiten exactamente, las tcnicas estadsticas mencionadas en el captulo anterior nos permiten reducir el intervalo de incertidumbre repitiendo gran nmero de veces la medicin. Puesto que la reduccin es muy lenta, suele preferirse detectar el origen de la no repetibilidad para controlarla y reducir la dispersin en los valores medidos. Dicha dispersin en las medidas suele tener origen en pequeas fluctuaciones en variables consideradas constantes o en cambios de variables no controladas, por considerarlas irrelevantes. As como no se aconseja dar mayor precisin en una medida, que la determinada por el equipo, tampoco es adecuado usar equipo muy preciso cuando slo se quiere tener una idea del orden de magnitud de una medicin. El tiempo y dinero disponible. Todo trabajo de investigacin lleva su tiempo, en especial si se trata de un problema complejo que deba hacerse en varias etapas y utilice procedimientos o tcnicas laboriosas o quiz deba repetirse muchas veces para poder obtener resultados concluyentes. En toda investigacin que se haga se necesita tomar en cuenta los factores anteriores. El dinero disponible es importante porque podr decidir o no la
MAESTRA EN EDUCACIN
155
compra de mejor equipo o incluso financiar el diseo y construccin de equipo especial. . Una vez que se conoce el equipo que se va a usar y el tiempo y dinero disponible, se determinar cul es la tcnica o tcnicas experimentales que se emplearn para medir las variables; siempre es recomendable leer las instrucciones de manejo (manuales) de los equipos, antes de usarlos y tomar las precauciones pertinentes cuando se use material o equipo peligroso para la salud. Cuando se han determinado los requisitos anteriores, se dan los siguientes pasos que constituyen el diseo experimental: a) b) c) d) Determinar todos y cada uno de los componentes del equipo. Acoplarlos. Realizar un experimento de prueba. Interpretar tentativamente los resultados para determinar la precisin, modificando si es necesario, el procedimiento y/o el equipo utilizado.
Determinar todos y cada uno de los componentes del equipo. Como ya se mencion con anterioridad, existe, una estrecha relacin entre la precisin deseada en las medidas y el equipo o instrumentos de medicin; pero en esta etapa conviene revisarlos para hacer un anlisis de las posibles fuentes de error. Puede suceder que parte del equipo se encuentre daado o no responda a las caractersticas deseadas y sea tiempo de cambiar algunas piezas o todo el equipo e incluso disear uno nuevo, en tales situaciones es conveniente consultar revistas especializadas como el Review 0f Scientific Instrument o sencillamente recurrir al ingenio propio. Acoplar componentes. Al montar un dispositivo experimental se deben tomar en cuenta los medidores que se van a leer con mayor frecuencia y cules sern los controles ms utilizados para
156
colocarlos, de manera de facilitar al mximo el trabajo del experimentador. Realizar un experimento de prueba. El experimento de prueba tiene doble propsito: uno es verificar el buen funcionamiento del equipo acoplado y otro es la afinacin del procedimiento experimental. Los datos y lecturas de este primer experimento deben tomarse varias veces con mucho cuidado, porque son importantes en el siguiente paso: Interpretar tentativamente los resultados para determinar su precisin. Con los datos y lecturas obtenidas en el experimento de prueba se obtendrn los resultados buscados; ello permite comprobar si tienen la precisin deseada, si el procedimiento de lecturas es correcto y sobre todo, pone de manifiesto las fuentes de error (no incertidumbres) que una vez localizadas se tendr oportunidad de eliminar o al menos reducir, en especial si se trata de errores sistemticos. Al trazar las primeras grficas y obtener los primeros valores, se puede saber la repetibilidad experimental de las variables, si no hay repetibilidad no se puede hablar de precisin en las medidas y entonces se debe modificar o cambiar el procedimiento experimental y/o el equipo utilizado, incluso puede llegarse a redefinir el problema. En esta etapa del trabajo se debe preparar el material para recabar las lecturas; es decir, hacer columnas especificando en cada una la variable que se ha medido y sus unidades ello tiene la finalidad de evitar nmeros sueltos que pueden crear confusin cuando ya no se recuerde a qu corresponden. El experimento de prueba y la interpretacin tentativa de resultados son preparativos para el experimento final, que
MAESTRA EN EDUCACIN
157
pueden parecer exagerados pero evitan al investigador tropiezos y trabajo estril. 9.2.4. Realizacin del experimento Una vez que se ha llevado a cabo el experimento de prueba y la interpretacin tentativa de resultados, realizar el experimento final se reduce a llenar columnas con lecturas de las mediciones y detectar cualquier anomala que se presente durante el desarrollo del experimento. Es indispensable tomar nota de todo lo que sucede en el experimento; para no perder las hojas, lo ms conveniente es usar un cuaderno en el que se anotar toda la informacin concerniente al experimento; ello nos ayudar tanto a interpretar los resultados como a redactar el informe del trabajo. Lo ms probable es que un experimento bien planeado produzca datos valiosos, por lo que debern ser analizados escrupulosamente para obtener los resultados buscados. 9.2.5. Anlisis de resultados El anlisis o interpretacin de resultados, ya sean valores, grficas, tabulaciones, etc., debe contestar lo ms claramente posible, la o las preguntas planteadas por el problema. En trminos muy generales, el anlisis puede comprender los siguientes aspectos: 1. Si el experimento busca confirmar una hiptesis, ley o modelo, los resultados deben poner de manifiesto si hay o no confirmacin. Es posible que la comprobacin slo sea parcial; en tal situacin tambin se debe presentar en qu partes se comprueba y en cules no. 2. Si es un experimento que discrimine entre dos modelos, los resultados deben permitir esa discriminacin en forma
158
tajante, y proporcionar los motivos para aceptar uno y rechazar otro. 3. Si lo que se busca es una relacin emprica, sta debe presentarse al menos en forma grfica; lo ideal sera encontrar una expresin analtica para la grfica; es decir, encontrar la ecuacin que la represente. Dicha ecuacin se le llama emprica porque se obtuvo por medio de un experimento y como expresin analtica de una grfica. En una relacin emprica presentada en forma grfica, las escalas usadas deben permitir leer los resultados con facilidad, tener marcadas las unidades de las variables, dibujar con claridad los puntos experimentales, e indicar la precisin con la que fueron medidos. Se debe tener presente que en una grfica, cada punto experimental tiene un margen de error, por lo que es deseable hacer un ajuste por medio de mnimos cuadrados (se ver en las clases presenciales) Tambin se debe hacer notar que la grfica ms simple de analizar es la recta y si no se obtuvo al graficar los puntos, se puede intentar obtenerla, ya sea efectuando un cambio de variable o trazar la grfica en papel semilogartmico o logartmico. Un ejemplo de cmo ajustar una curva a un conjunto de datos experimentales sera el siguiente: En la figura 9.3 se encuentran dibujados seis puntos experimentales con su respectivo intervalo de incertidumbre (pasaremos por alto el indicar unidades por ser un caso imaginario); a travs de ellos es posible pasar tres curvas, que podran representar el comportamiento del fenmeno.
Fig. 9.3. Puntos experimentales y tres posibles curvas empricas.
MAESTRA EN EDUCACIN
159
De esa familia de tres curvas, cul es la ms adecuada? La curva C predice la existencia de mximos y mnimos entre los puntos experimentales, de ser cierto deberan haberse detectado durante el experimento y por lo tanto haber aumentado la precisin y la densidad de los puntos experimentales para verlos claramente. Por lo tanto no es adecuado el experimento para verificar esa teora. De las curvas A y B, la ms simple es la A porque tiene menos puntos de inflexin, de ah que se preferir la curva B, Si el modelo terico predice la curva B, se puede concluir que hay acuerdo entre la teora y el experimento, pero es necesario aumentar la precisin y densidad de los puntos experimentales, ya que el modelo predice ms detalles de los que puede observar el experimento. En muchas ocasiones, lo que el modelo predice es una familia de curvas con uno o varios parmetros por ajustar. En estos casos se determina por el mtodo de mnimos cuadrados, los valores de los parmetros con los que se obtiene el mejor ajuste. Una vez obtenidos los valores de los parmetros ajustables, es necesario comprobar si la curva obtenida representa de modo adecuado a los puntos experimentales. Si se trata de un ajuste emprico primero se determina la posibilidad de que cierta familia de curvas se ajuste a los datos experimentales y despus se determinan los parmetros que identifican a una curva de la familia. Es bastante difcil apreciar el tipo de curva que mejor se ajusta a unos datos experimentales. Por ejemplo, la curva A de la figura 3.3 podra representarse por la ecuacin: Y2 = K (X- Xo) o Y3 = K(X- Xo) Cmo escoger la mejor? Esto se ver con detalle en las clases
160
presenciales. Conviene tener presente que en una grfica los puntos experimentales corresponden a intervalos de confianza y slo en ellos se puede tener seguridad. Decir que la curva continua que los une, los representa a todos, equivale a una prediccin acerca del comportamiento del fenmeno; porque le damos validez a los valores que tome la variable entre dos puntos experimentales. Otra observacin al respecto es que si bien la expresin analtica o ecuacin de una curva de datos experimentales puede dar algn indicio sobre el fenmeno en estudio, tambin es posible que dicha ecuacin no, tenga nada qu ver con l, y sus predicciones sean errneas debido a que por un conjunto de puntos experimentales puede ajustarse ms de una curva; de ah que una relacin emprica deba manejarse con ciertas reservas. 9.2.6. Obtencin de conclusiones Con los resultados del experimento el investigador hace conclusiones; es decir, aplica su criterio cientfico para aceptar o rechazar una hiptesis o una ley; tambin es posible que haga conjeturas acerca de un modelo o proponga la creacin de otro nuevo, lo que conduce a un problema diferente. Las reglas que normalmente se usan para aceptar, rechazar o conjeturar una hiptesis son las siguientes: Primera. Acepta como cierta (pero no como absolutamente cierta) una hiptesis, ley, teora o modelo cuando sus predicciones son confirmadas por el experimento, porque basta que exista un solo fenmeno que no pueda explicar, para desecharla. Por ejemplo: para tratar de explicar la naturaleza de la luz, Newton cre el modelo corpuscular de la luz, que explicaba los fenmenos luminosos hasta entonces conocidos, como eran: la reflexin, refraccin y propagacin rectilnea de los rayos luminosos. Despus se observ el fenmeno de difraccin que no fue posible explicarlo con el modelo corpuscular, por lo que se rechaz. Huyghens cre el modelo ondulatorio de la luz, que explicaba la reflexin refraccin, difraccin y propagacin rectilnea de los rayos luminosos, pero exista un problema, las ondas necesitan de un medio para propagarse, as que para explicar la luz que vemos de las estrellas era necesario crear un medio de
MAESTRA EN EDUCACIN
161
propagacin con propiedades muy especiales al cual se le llam "ter", slo as se poda explicar la luz que llega de los cuerpos celestes. Pero la ciencia sigui su evolucin y se observ el efecto fotoelctrico; adems, se comprob que la luz puede viajar en el vaco (sin ningn medio de propagacin); no es posible explicar estos fenmenos con el modelo ondulatorio, entonces, qu hacer? La decisin que se tom fue volver a reconsiderar el modelo corpuscular, pero no para aceptarlo nuevamente como tal, sino para dar origen a un nuevo modelo, el de onda- corpsculo de la luz, creado por Planck; es el modelo vigente y establece que la luz se puede comportar unas veces como onda y otras, como partcula a las cuales se les llama fotones. Segunda. Rechaza una hiptesis, ley o modelo cuando sus predicciones no son confirmadas por el experimento. Tercera. El cientfico conjetura cuando las predicciones de la hiptesis, ley o modelo, concuerdan slo parcialmente con el experimento; en tales casos es necesario especular acerca de las posibles razones de la diferencia entre teora y experimento, para tratar de modificar la hiptesis, ley o modelo ya existente o hacer una nueva, lo que conduce al inicio de un nuevo problema.
En fin, toca a la parte de obtener conclusiones responder con claridad las preguntas planteadas en el experimento manifestar si fue vlida o no la hiptesis de trabajo o el modelo propuesto. Si hay preguntas que no se puedan responder establecer el por qu (quiz falta de precisin del equipo, o alguna variable difcil de controlar, etc.) o si el caso lo amerita, hacer alguna conjetura acerca
de la hiptesis o modelo que describa el fenmeno estudiado.
En la figura 9.4 se visualiza la relacin de las etapas del mtodo experimental.
162
Problema
Deduccin
Prediccin o
Hiptesis
Interpretacin Realizacin
relacin emprica
Planeacin
Informe
Resultados
Experimento
Tcnicas de anlisis de
Instrumentos y tcnicas
datos
Fig. 9.4. Diagrama simplificado del mtodo experimental 9.2.7. Elaboracin del informe Elaborar un informe escrito sobre un trabajo cientfico reviste una importancia capital, no slo porque se comunica los resultados a la comunidad cientfica, sino porque deja a la posteridad un eslabn til en la evolucin de la ciencia. De los factores que se deben tener en cuenta al escribir un informe cientfico, el ms importante es la claridad; tambin es necesario tener presente en todo momento al lector, a quien va dirigido el trabajo para as determinar el nivel acadmico del
MAESTRA EN EDUCACIN
163
lenguaje que se debe usar; es decir, en un reporte de divulgacin se emplear lenguaje sencillo y se explicarn con ms detalle todos los conceptos que no sean del dominio pblico, de manera que pueda ser entendido por la mayora. En cambio, un trabajo especializado estar dirigido a un sector muy pequeo (la comunidad cientfica), que usa lenguaje especializado, por lo que resulta innecesario explicar todos los conceptos. Este lenguaje no lo entiende la mayora de la gente. El otro factor es la estructura del informe, que en general consta de seis partes (Squires, 1972), que son: a) Ttulo. b) Resumen. c) Definicin del problema. d) Procedimiento experimental. e) Resultados. f) Conclusiones.
Captulo 10
164
Cuantitativo y cualitativo
10.1. Investigacin operacional e investigacin en la accin
La investigacin operacional y la investigacin en la accin, fueron consideradas prcticamente como sinnimos por muchos autores hasta que S. Corey (1953, 161) public Action research to improve school practices, y hoy se distinguen netamente. En efecto, la investigacin operacional es slo una aplicacin particular de la investigacin cuantitativa, nomottica. Como lo expresa claramente la definicin de J. Magee (1954,1252), es: [...] la aplicacin sistemtica de mtodos y tcnicas cientficas [...] al estudio de los problemas de direccin de las empresas, de los asuntos pblicos, de las actividades militares. Su objetivo es proporcionar una ilustracin cuantitativa de los elementos esenciales que componen una determinada operacin y de los factores que influyen sobre su resultado dando as una base slida a las decisiones que deben tomarse". Aplicado a la prctica pedaggica, como lo han hecho especialmente H. Taba y E. Noel (1957), el procedimiento es el siguiente: 1. Se plantea un problema en una clase o en un grupo escolar. Un investigador experimentado, interviniendo como consejero (resource person), comienza el dilogo con los docentes. 2. Se define el problema de manera sistemtica y se formulan
MAESTRA EN EDUCACIN
165
hiptesis de explicacin y de solucin que son cuidadosamente examinadas. Se selecciona una o varias de ellas. 3. Se toman medidas para aplicar las hiptesis elegidas. 4. Comienza un tratamiento y se miden peridicamente sus efectos. 5. Se procede a una evaluacin final. Correctamente aplicado, este procedimiento da interesantes resultados. En primer lugar porque e! problema considerado es importante para los docentes, pues son ellos mismos quienes lo han elegido. Adems, porque los instrumentos de medicin que se aplican o construyen al efecto, son introducidos de una manera funcional, lo mismo que las modalidades del tratamiento. Tal procedimiento constituye un poderoso medio de difusin de la innovacin y de formacin permanente de los docentes. Se puede sin embargo objetar que el modelo lineal de investigacin, que parte de una definicin acabada del objetivo a alcanzar, no da lugar a la espontaneidad y a la creatividad de los educadores, ni tampoco a la exploracin de pistas laterales: algunos resultados positivos, pero inesperados, podran ser descuidados y ciertos efectos negativos podran ser ignorados. La investigacin operacional podra constituir, en algunos casos, un mtodo de manipulacin concebido para hacer aceptar a la base las decisiones tomadas a nivel administrativo. De todas maneras, es obvio que hay que tratar de evitar la actitud paternalista de algunos investigadores-consejeros. Estas observaciones nos acercan a un debate crucial que abordaremos ms adelante: Est o no totalmente perimido el paradigma positivista? Debe prevalecer en el porvenir el enfoque cualitativo, no estructural, de los problemas?
166
Suprimir de la formacin superior la fase en que docentes altamente calificados y experimentados transmiten a sus alumnos las principales enseanzas de una vida de reflexin y de experiencia sera ignorar la realidad. Del mismo modo, no se justifica excluir de la formacin permanente de los educadores la transmisin sistemtica de conocimientos y habilidades, lo quede ninguna manera resulta incompatible con la posibilidad de que formulen sus proyectos personales. Para definir esta primera concepcin de la investigacin en la accin que se acaba de exponer, S. Carey se basa en K. Lewin, que invent la expresin a fines de la dcada del 30. Es importante, desde un punto de vista histrico, sealar que en ese momento Lewin adhera en lo esencial, al principio de base del modelo emprico-analtico, con relacin al cual entenda situarse en una lnea de perfecta continuidad. Lewin trataba de combinar el mtodo de la investigacin experimental clsica con un objetivo de cambio social determinado. La investigacin operacional, tal como se acaba de resear, sigue claramente esta orientacin lewiniana inicial. La concepcin actual de la investigacin en la accin se opone radicalmente a la concepcin de Lewin. En efecto, Pini (citado por Calpini 1981) opina: La nocin de objetividad, que en la teora clsica de la medicin designa el acuerdo a que han llegado los investigadores acerca de la descripcin y la interpretacin de un mismo fenmeno mediante la normalizacin de criterios de observacin y de anlisis, es dejada de lado y reemplazada por un procedimiento que parece mucho ms en conformidad con el carcter participativo y dialctico de la investigacin en la accin. Se tratara., en efecto, de llegar a una forma de consenso
MAESTRA EN EDUCACIN
167
general que no proviene fundamentalmente de la aplicacin de reglas previamente establecidas, sino de una verdadera convergencia de subjetividades individuales hacia un punto que constituira el resultado, de algn modo necesario, de la explicacin y del anlisis de las percepciones y de las opiniones personales Interesaba clarificar la posicin epistemolgica fundamental de la investigacin en la accin, no para rechazarla, sino para mostrar desde el inicio que se aplica, por su concepcin misma, a los campos en que los juicios de valor y las hiptesis no refutables constituyen la clave. Y el mbito social es, por excelencia, uno de ellos. En tanto que la investigacin operacional aplica el enfoque nomottico a la resolucin de un problema particular, la investigacin en la accin, que es en ciertos casos la forma ms avanzada de la investigacin participativa (Werdelin, 1979), rechaza el procedimiento emprico-racional. No se trata pues, de seguir paso a paso un plan preestablecido por el investigador ni de limitarse a las variables de la situacin que l ha elegido inicialmente como objeto de estudio, sino de hacer surgir de un grupo integral que participa en una accin educativa, las cuestiones funcionales que se le plantean. La investigacin participativa tiene como primer objetivo, la activacin del grupo participante con miras a su desarrollo, pero tiende tambin a crear conocimientos tiles para los dems, es decir, a encontrar soluciones que se puedan generalizar. En principio no es investigacin cientfica propiamente dicha, pero, a semejanza de la investigacin operacional, tambin puede contribuir al adelanto de la ciencia en la medida que sus resultados se confirmen reiteradamente mediante procedimientos semejantes.
168
Los siete aspectos caractersticos de la investigacin participativa tal como son definidos, de manera demasiado absoluta desde el punto de vista cientfico, por el international Council for Adult Education (Canad, 1977), muestran claramente que la preocupacin por la accin social prevalece sobre todas las otras: 1. El problema nace en la comunidad, que lo define, lo analiza y lo resuelve. 2. El fin ltimo de la investigacin es la transformacin radical de la realidad social y el mejoramiento de la vida de las personas involucradas. Los beneficiarios de la investigacin son los mismos miembros de la comunidad. 3. La investigacin participativa exige la participacin plena e integral de la comunidad durante todo el proceso de investigacin. 4. La investigacin participativa comprende toda una gama de grupos de personas que no tienen poder: explotados, pobres, oprimidos, marginales, etc. 5. El proceso de la investigacin participativa puede suscitar en quienes intervienen en l una mejor toma de conciencia de sus propios recursos y movilizarlos en vista de un desarrollo endgeno. 6. Se trata de un mtodo de investigacin ms cientfico que la investigacin tradicional, en el sentido de que la participacin de la comunidad facilita un anlisis ms preciso y ms autntico de la realidad social. 7. El investigador es aqu un participante comprometido que aprende durante la investigacin. Adopta una actitud militante y no se refugia en la indiferencia.
MAESTRA EN EDUCACIN
169
A modo de ejemplo, Werdelin propone los siguientes campos de aplicacin: 1. Educacin de adultos. 2. Organizacin de actividades extraescolares para los nios. 3. Reorganizacin de una escuela en funcin de nuevos objetivos, y con el propsito de aumentar la eficacia del trabajo escolar. 4. Introduccin de un nuevo currculo, incluyendo la elaboracin y perfeccionamiento de mtodos de enseanza adoptados al mismo. 5. Instalacin de un consejo escolar de gestin; destinado a sustituir en parte al director. 6. Introduccin de una enseanza interdisciplinaria en la escuela secundaria. 7. Elaboracin y adecuacin de un currculo para una regin en desarrollo, con la participacin de la comunidad local. Aunque en todos estos casos un investigador est presente durante todo el proceso, est claro que se trata esencialmente de actividades de desarrollo. Cuando las experiencias se llevan a cabo rigurosamente, gracias especialmente a una evaluacin hecha sin concesiones, los resultados son francamente positivos. Es necesario, sin embargo, sealar dos limitaciones. En primer lugar, es difcil imaginar que con este mtodo se puedan resolver todos los problemas de organizacin y de gestin de un sistema educativo. Adems, como ya se ha dicho, no se trata tanto de investigacin cientfica como de una estrategia de innovacin y de activacin. En este sentido, el papel de una buena investigacin en la accin, puede ser decisivo en la transformacin profunda de las prcticas de educacin y de formacin (Bolle, 1981, 580). En
170
efecto, parece evidente que no pueden desarrollarse nuevas maneras de ser y de hacer, destinadas a veces a reemplazar otras afianzadas en lo ms profundo del individuo, mientras el sujeto no las asimile elaborndolas por s mismo, con todo lo que esto implica de recontextualizacin, de reajustes accidentales y circunstanciales. El modelo autoritario, socialmente estril, de transmisin del saber y de prescripcin de modalidades de accin, es felizmente sustituido por un mtodo ms eficaz (por qu temer utilizar este trmino?) en el que todos asumen como propia la actividad con espritu creador, que slo es viable cuando todos participan y se sienten involucrados. El tema de la investigacin en la accin es actualmente tan importante en el discurso pedaggico que merece algunas consideraciones suplementarias. Est claro que la conciencia del abismo que en muchos casos an separa a los que realizan la prctica de los que investigan en educacin, lleva a explorar nuevos caminos que aseguren una comunicacin entre ellos ms directa y ms inteligible. Es tambin evidente que los educadores, invitados a practicar una pedagoga cada vez ms sutil y con una clientela cada vez, ms compleja, comprenden a veces difcilmente que se inviertan importantes recursos humanos y materiales en el estudio de problemas fundamentales, sin relacin directa o aparente con la prctica de la formacin. En ese sentido, la reaccin actual en la URSS es esclarecedora. Cuando en 1966 la Academia de Ciencias Pedaggicas abarc el conjunto de las Repblicas soviticas, la investigacin fue decididamente orientada hacia lo cuantitativo, bajo la direccin de I. Kairov y despus, de V.M. Chvostov (Mitter, 1978), se privilegiaba francamente el modelo de las
MAESTRA EN EDUCACIN
171
ciencias exactas. Pero en 1975, el presidente de la Academia V.M. Stoletov tom una posicin diametralmente opuesta: Algunos trabajos hacen pensar que para su desarrollo, la ciencia pedaggica ha adoptado los mtodos de la fsica, de la qumica y de las matemticas [...] No se podra cometer un error ms grosero. Si es necesario alinear la pedagoga en una va, es ms bien la de la poltica [...]
El autor insiste sobre la experiencia popular y las generalizaciones que ella permite. En otros trminos, la investigacin debera inspirarse en la prctica cotidiana, estudiar la experiencia adquirida por los mejores educadores. La posicin de Stoletov no est lejos de la idea de la investigacin en la accin o, ms exactamente, de cierta investigacin en la accin, y tuvo considerable repercusin en el 25 Congreso del Partido Comunista, (1976). Pero, junto a esa reaccin, que no pretende abrir la puerta a un pensamiento que descarte toda racionalidad y todo control objetivo (y de esto el realismo sovitico es la mejor garanta), se observa en otros casos, bajo el nombre de investigacin en la accin, una especie de anarqua intelectual que sirve para disimular, tanto manipulaciones sociales sospechosas, como la ignorancia y la incompetencia que se refugian tras la pantalla de una pretendida intuicin y de la productividad del trabajo en grupos. F. N. Kerlinger (Discurso, 1977) se muestra particularmente severo respecto de esos extravos y sus justificaciones: Fenmenos como la investigacin en la accin [...] son con frecuencia extravagantes contrasentidos, actos que implican seguir los acontecimientos, y esto no tiene mucho que ver con lo
172
que es o debera ser la investigacin Lo que hemos expuesto precedentemente, tiende a demostrar sin ambigedad que no se trata de desacreditar toda investigacin participativa que, como lo prueban los ptimos trabajos de M. Crahay (1981, pp. 151-183), puede alcanzar una elevada calidad, sino de impedir que una idea fecunda que se abre camino sea desnaturalizada y aplicada sin criterio alguno, como desgraciadamente ocurre con frecuencia en el mundo de la educacin.
10.2.
Explicar o comprender
Cualquiera sea la denominacin que se adopte en adelante para la investigacin fundamental (investigacin orientada a obtener conclusiones, investigacin para el saber) surge con toda agudeza un problema epistemolgico: existe un paradigma nico para todas las ciencias, o las ciencias sociales o del hombre son esencialmente diferentes de las de la naturaleza y de las ciencias exactas? La manera tajante como est planteada esta pregunta entre los investigadores, en educacin constituye, a nuestro modo de ver, un indicio importante del progreso de esta disciplina. Sin embargo, el problema no es nuevo si se lo sita en el debate fundamental acerca de la oposicin entre la explicacin y la comprensin. En un trabajo reciente, K.O. Apel (1979) ha recordado la evolucin de este debate. G.H. Von Wright (1971, 230) distingue claramente las dos grandes tradiciones cientficas. La primera, que remonta a Aristteles, privilegia las explicaciones dadas en trminos de finalidades, de intenciones, de motivos, de razones. Es la tradicin hermenutica (comprender).
MAESTRA EN EDUCACIN
173
La otra, que Wright llama galileana, identifica la explicacin cientfica con la explicacin causal y deja poco espacio a las finalidades. Es la tradicin positivista (explicar). Como seala J. Bouveresse (1980) al hacer la sntesis de esta cuestin, el positivismo contemporneo se orienta resueltamente en esta segunda direccin y adhiere a tres principios fundamentales: 1. La unidad de la ciencia. 2. La metodologa de la investigacin debe ser la de las ciencias exactas: matemticas, fsica. 3. La explicacin cientfica, es de naturaleza causal, en el sentido amplio, y consiste en subordinar los casos particulares a las leyes generales. En esta perspectiva, la comprensin hermenutica sirve simplemente para tomar los motivos por causas hipotticas. Ya a comienzos de este siglo, Claparde (1952, pp. 202 y 203) se refiri a este problema en el plano de la psicologa. Constata que la causalidad psquica tiene algo de menos convincente que la causalidad fisica: cuando se oye Csar y se piensa en Roma, incluso si se recurre a los mecanismos de la asociacin, no se advierte claramente la causa real de la evocacin. Claparde distingue dos categoras de problemas que se pueden plantear con relacin a un fenmeno psicolgico: l. Cul es la estructura del fenmeno?: simple? compleja? Cul es su, desarrollo (proceso)? Cules son sus antecedentes necesarios? Cul es su, mecanismo interno? 2. Cul es su funcin? Cul es la razn de la aparicin del fenmeno? Para qu sirve? Claparde (p. 202) da como ejemplo la pregunta hecha a un
174
amigo: Por qu corres? La explicacin sera: determinados procesos psico-qumicos activan los centros motores de los que depende los msculos de las piernas. La comprensin estara dada por la respuesta: Para no perder el tren. Claparde llega entonces a la conclusin siguiente: Vemos entonces que en psicologa, junto a la explicacin causal est la explicacin teleolgica, a la que se le puede dar el nombre de comprensin. Un proceso psquico es comprendido cuando se llega a descubrir cul es el inters que tiende a satisfacer. Mientras que la explicacin causal es exterior a los procesos psquicos, la comprensin es interior a stos [...] (Claparde, p.206). As enuncia Claparde lo que actualmente se ha convenido denominar nuevo dualismo (Wittgenstein) en el que, junto a las causas que explican un fenmeno, se examinan las razones que dan sentido a un comportamiento o, dicho de otro modo, junto a las "leyes que determinan causalmente la accin, se consideran de una manera totalmente distinta las reglas y las normas que la motivan (Bouveresse). Nuestra posicin es decididamente monista, porque consideramos que en los dos casos se trata de causas, unas primarias y otras secundarias. A nuestro modo de ver, el espritu cientfico, cualquiera sea el objeto al que se aplique utiliza siempre las mismas reglas generales de procedimiento, aunque varen considerablemente los mtodos utilizados para someter una hiptesis a la prueba de los hechos. Siempre est presente la preocupacin por el control de la prueba: se tienen en cuenta los diferentes niveles en que sta se produce, lo mismo que la
MAESTRA EN EDUCACIN
175
marcada ambigedad de los fenmenos humanos en lo que se refiere a sus causas y efectos. . Pero en definitiva poco importa la opcin filosfica. El mismo Claparde (p.228) no elige una va y excluye la otra, sino que considera que hay que tomarlas sucesiva o simultneamente, pues ellas se complementan. Es el buen sentido mismo, mientras llega el momento en que pueda operarse entre ambas una explcita unin sin solucin de continuidad. La posicin dialctica permite, por lo menos entretanto, vincular de manera dinmica las dos posiciones en lugar de incurrir en exclusiones empobrecedoras. Esta breve introduccin epistemolgica se impone a todo aquel que quiera ver en perspectiva y comprender el fundamental debate metodolgico que se realiza actualmente en torno a la investigacin educacional.
10.3 La investigacin nomottica en discusin

En la concepcin positivista, como acabamos de recordar, la investigacin cientfica trata de llegar a una explicacin general, a enunciar una ley; dicho de otra manera, es nomottica. El estudio de un objeto particular en su estado actual o en su proyeccin futura, puede ser fuente; de hiptesis fecundas o aportar elementos para la induccin; pero nunca un caso nico, por muy bien observado que sea, autoriza a formular una ley general. Es una verdad evidente que para formular una ley cientfica, es casi siempre necesario recurrir a la reduccin, prescindiendo de una cantidad de factores englobados (provisoriamente) en el error experimental cuando dicha ley, segn su objeto, sirve a la prediccin. Adems slo puede sorprender a los ingenuos que en
176
las ciencias del hombre -las ms complejas de todas- el error experimental sea con frecuencia ms grande que la parte explicada de los fenmenos. Es sabido tambin que el conocimiento estadstico corresponde a un comportamiento medio que matizan y hasta invalidan mil contingencias propias del individuo y de las circunstancias. La investigacin de tipo histrico se supedita a la originalidad irreductible, especialmente para conocer los lmites de validez de las leyes y tambin para encontrar el rastro de factores explicativos omitidos hasta ese momento. Es por eso, segn la feliz expresin de Cardinet y Schmutz (1975), que la investigacin nomottica y la investigacin de tipo histrico (o antropolgica, como dicen los anglosajones) constituyen vertientes complementarias. Cmo explicar que la conciencia de la dialctica de lo general y lo particular haya sido, en el curso de las dos ltimas dcadas, perturbada hasta el punto de perderse el criterio y la ponderacin, especialmente en las ciencias del hombre? Porque, como veremos, un debate similar en las ciencias fsicas jams puso verdaderamente en peligro la investigacin nomottica, simplemente porque cuando las hiptesis no admiten otra prueba que la de los hechos, las aberraciones tienen una existencia breve. Es cierto que la intromisin de la ideologa se produce mucho ms fcilmente en las ciencias del hombre que en las ciencias fsicas o matemticas. Concordamos con la crtica que, impulsada por la grave crisis social en que est sumergido el mundo contemporneo, se dirige con razn contra la excusa de encontrar los errores pedaggicos y las injusticias sociales en las tcnicas experimentales, pero nos parece incorrecto que por eso se ponga en tela de juicio toda la investigacin pedaggica de orientacin nomottica.
MAESTRA EN EDUCACIN
177
La ciencia en general es puesta en tela de juicio. La dura crtica que est sufriendo la ciencia desde la dcada del 50, se explica a la vez por su extraordinario progreso y por las decepciones que ha provocado. Una aparente paradoja se inscribe en el activo del progreso: cuando el conocimiento ha dado un verdadero salto adelante y alcanzado un nivel de complejidad con el que ni siquiera se soaba hace un siglo, los investigadores de vanguardia comprenden en qu medida es superficial su comprensin de los fenmenos naturales y hasta qu punto el aspecto cualitativo sigue siendo una clave del saber y la base de su superacin. La reflexin epistemolgica general es impulsada por pensadores de formacin tan diferentes como Quine, Popper, Kuhn y Feyerabend. Un prrafo de Quine (1969) es particularmente elocuente: La totalidad de nuestros supuestos conocimientos o convicciones acerca de las relaciones ms tpicamente causales en geografa o en historia, de las leyes ms profundas de la fsica nuclear e incluso de las matemticas o de la lgica puras, es una urdimbre hecha por el hombre y que reposa sobre la experimentacin slo en su periferia [...] Un conflicto con la experiencia perifrica acarrea un reajuste en el interior del campo [...] Pero el campo total es tan indeterminado en sus fronteras, sus condiciones, su experiencia, que existe una gran amplitud en la eleccin de las proposiciones cuya evaluacin puede volver a hacerse a la luz de toda experiencia contradictoria [...] Una experiencia que va contra la corriente [...] puede ser aceptada por
178
numerosas alternativas diferentes de evaluacin en diversos sectores del sistema total [...] pero [...] nuestra tendencia natural es perturbar lo menos posible el sistema total. No obstante, ms all de tales consideraciones sobre los lmites actuales del saber cientfico clsico, muchos investigadores profundizan su reflexin crtica acerca de las estructuras ideolgicas y de la raz sociocultural de su disciplina. Algunos consideran actualmente que la ciencia no podr continuar progresando si el observador no aprende a incluirse en su observacin, es decir, reintroducir al sujeto de manera crtica y autorreflexiva en el conocimiento de los objetos (Morin, 1982, 10). Incluso si en trminos absolutos esta posicin es discutible, por lo menos anuncia una nueva e importante toma de conciencia de la naturaleza tcnica, social y poltica de la ciencia, y de la naturaleza al mismo tiempo fsica, biolgica, cultural, social e histrica de todo lo que es humano (Morin). Es por eso necesario confundir y amalgamar la ciencia y la sociologa de la ciencia? El acercamiento de ambas puede aportar nuevas hiptesis y correcciones, pero la introduccin permanente y masiva de lo subjetivo en lo objetivo podra significar un grave peligro de regresin. Junto a las reflexiones epistemolgicas de los hombres de ciencia, una duda de naturaleza ms afectiva, y por ello ms radical, se apodera del pblico. En los pases ms ricos del mundo, un conjunto de factores quebranta la confianza todava demasiado ciega en la ciencia, considerada como el medio de resolver todos los problemas del ser humano. Los beneficiarios de la dorada dcada del 60 han descubierto especialmente:
MAESTRA EN EDUCACIN
179
que el dominio de la energa nuclear pude significar el aniquilamiento del planeta, que la pobreza relativa est lejos de haber desaparecido en los pases donde la tecnologa est ms avanzada y que contina en los pases en desarrollo,
que el proceso cientfico no ha servido de estmulo al progreso moral, que si el ser humano ha conquistado nuevas libertades, tambin ha cado en nuevas servidumbres, sabiamente dispuestas para hacer de l un consumidor por el consumo mismo,
en contraste con lo indicado precedentemente, se puede constatar que en los pases ricos, los bienes durables y de consumo, antes tan vidamente codiciados, han dejado de interesar, porque las necesidades esenciales y accesorias ya estn ampliamente satisfechas; los valores sociales, afectivos y estticos vuelven a tener prioridad para las personas ms lcidas, lo que lleva a algunos a reacciones que no excluyen la violencia (el movimiento hippie).
Al mismo tiempo que se producen tales reacciones, el anlisis socio-poltico se profundiza para desmontar y expulsar los mecanismos de intoxicacin y de reproduccin, las ideologas latentes, las sutilezas de la lucha de clases, generndose una concientizacin ms profunda y total. Es as como los estudiantes de mayo de 1968 cuestionan a toda la sociedad y tambin a la ciencia, que ha servido en parte (aunque casi no se hace esta distincin) de apoyo e instrumento de aqulla. Todas
180
las barreras son abolidas. Todos los reglamentos estn prescriptos. Est prohibido prohibir. Un protagonista de mayo del 68 explicaba convencido que incluso el ejercicio de la medicina no tendra que estar reservado a los mdicos diplomados: todo miembro del cuerpo social tendra libertad para ejercer cualquier actividad, aun la medicina; el cuerpo social mismo se apartara de los incapaces. La escuela no escapa a este doble cuestionamiento. Uno perfectamente justificado en razn de la brecha, que se ha profundizado bruscamente, entre el dinamismo y la versatilidad de la civilizacin contempornea y una institucin que agrega a su misin conservadora -transmitir el patrimonio cultural- un espritu remiso, cuando no retrgrado, en lugar de cultivar la divergencia. Pero esta justa crtica ser inmediatamente superada desde el interior y desde el exterior. Desde adentro, por pedagogos que encuentran en Summerhill o en la caricatura de las ideas de Rogers, el modelo; sino la justificacin de su neorromanticismo. Desde afuera, por propuestas radicales de eliminacin: por qu los jvenes no pueden educarse al azar de encuentros directos o por intermedio de ciudadanos ricos en experiencia y conciencia? La sociedad sin clases ser tambin sin escuela. .
10.4. Una nueva reflexin acerca de la investigacin experimental en educacin

El reexamen epistemolgico que realizan las ciencias ms avanzadas no tarda en alcanzar con fuerza tambin a las ciencias sociales. El debate de los psiclogos entre mtodo clnico y mtodo experimental con predominio de la estadstica es tan viejo como el siglo. Hasta la dcada del 50, sin embargo, predomina el
MAESTRA EN EDUCACIN
181
aspecto cuantitativo, en lo que algunos llaman la ciencia oficial. Lo que por otra parte no impide a los bienintencionados oscilar entre lo cuantitativo y lo cualitativo. A W. Wall le place recordar que C. Burt siempre exiga que las investigaciones estadsticas fueran complementadas con estudios de casos. A partir de la dcada del 50, las crticas a la evaluacin objetiva se hacen ms intensas, se haga o no referencia explcita a una determinada ideologa. Por ejemplo, en 1951 comienza a publicarse en Pars la revista La raison, fundada por un grupo de psiquiatras marxistas, cuyo comit de redaccin estaba presidido por H. Wallon. En 1952, en uno de sus editoriales, la revista (n 4, 1952, pp. 3-27) publica una carta en la que M. Reuchlin se propone demostrar, reaccionando contra crticas anteriores, que bien concebido, el mtodo de las pruebas sigue siendo un mtodo de descripcin cuantitativa, de observaciones controlables, susceptible de prestar servicios a una psicologa objetiva, ms rigurosa que la psicologa clnica, defendida por La raison. En 1955, A. Lon y Ch. Nahoum (1955, 59) reabren el debate reaccionando irnicamente contra el operacionalismo: El operacionalismo, elevado de ahora en adelante a la categora de mtodo cientfico, denuncia los seudoproblemas que suscitan todas las cuestiones y conceptos no definidos en funcin de una escala de medida. La cuantificacin se convierte en una preocupacin constante, porque ella define acabadamente el concepto cientfico, Los conceptos cualitativos, que slo plantean falsos problemas, son ajenos a la ciencia propiamente dicha. Ese tipo de reacciones se multiplican y se precisan a travs del mundo. As, Piaget (1969) publica su Epistmologie des sciences
182
de /'homme en la que, en una perspectiva perfectamente integrada, el enfoque histrico ocupa el lugar que le corresponde. Despus de alrededor de dos dcadas de efervescencia generalmente subterrnea, ahora la investigacin educacional sufre de frente el impacto. Para subrayar la amplitud de la reaccin, hemos elegido dos ejemplos en el bastin mismo del enfoque cuantitativo: los Estados Unidos. Habiendo desarrollado sin discontinuidad los mtodos cuantitativos, desde la opcin cientificista concretada por Thorndike en 1900 hasta su actual grado de perfeccin, los investigadores norteamericanos vieron que el inmenso edificio tan pacientemente construido era objetado por dos de sus colegas ms prestigiosos L. Cronbach y D.T. Campbell quienes, como para provocar un mayor impacto, expusieron sus opiniones con 24 horas de intervalo en el curso de la misma asamblea de la Asociacin Americana de Psicologa. Campbell y el conocimiento cualitativo Para los fines de nuestro trabajo D.T. Campbell presenta un inters excepcional por dos razones. En primer lugar, es sin duda el investigador que ms ha contribuido a ampliar y a sistematizar, en beneficio de la investigacin educacional, el pensamiento de Ronald Fisher en materia de planes experimentales. Campbell tiene un extenso pasado como cuantificador. El estudio clnico de un caso ocupa (segn la distincin, ahora clsica, que l adopta) el nivel inferior de la jerarqua cientfica, entre el estudio de un solo caso (one shot study), la investigacin semiexperimental y la investigacin experimental. Por otra parte, es menos conocido el hecho de que Campbell ha seguido las enseanzas de Kurt Lewin desde 1939, lo que explica su permanente inters por la accin social. En su famosa comunicacin de setiembre de 1974, Campbell
MAESTRA EN EDUCACIN
183
no objeta la investigacin fundamental en educacin sino ms bien un enfoque exclusivamente cuantitativo en la evaluacin de los resultados de las innovaciones sociales introducidas de manera deliberada o, de manera ms general, en la evaluacin de programas. Adems, es importante sealar que desde el inicio, Campbell emplea cuantitativo como sinnimo de cientfico, en tanto que entre los sinnimos que propone para cualitativo se destacan: histrico-filosfico (humanstico), fenomenolgico, clnico, estudio de caso, trabajo sobre el terreno, observacin participativa, evaluacin de los procesos y buen sentido (Campbell, 1974, 1).
El objetivo que persigue es perfectamente claro: llegar a una perspectiva unificadora del conocimiento cualitativo y cuantitativo, conforme a los fundamentos mismos de la filosofa contempornea de la ciencia. En su brillante exposicin, Campbell mostrar que, aun superndolo, el conocimiento cuantitativo depende del conocimiento cualitativo. Lamenta con razn que las ciencias sociales se hayan privado de obtener en lo cualitativo, un refuerzo de validacin por el buen sentido, que podra haberlas enriquecido. Seala que los cientficos ms rigurosos se sirven regularmente de su buen sentido en sus investigaciones de laboratorio para desestimar, por ejemplo, datos errneos debidos a mediciones equivocadas, a defectos de los instrumentos, a conexiones deficientes, etc. Por qu tomar en serio hasta el extremo de procesar con computadoras los resultados de pruebas que las personas observadas se han entretenido en sabotear, o de semiexperiencias en donde factores ajenos al procesamiento pueden muy bien explicar los resultados,
184
positivos o negativos? Campbell (p.18) entonces abrir ampliamente las puertas a la evaluacin respondiente, de la que Stake se har el paladn escribiendo: Una descripcin del proceso bien preparada y conscientemente ejecutada parece deseable en toda evaluacin de un programa; sirve como refuerzo para la validacin y permite la crtica de los procedimientos de medicin y de los dispositivos experimentales . Campbell encuentra especialistas bien preparados para la descripcin de los procesos entre los antroplogos, quienes a partir de Malinowsky han aprendido que deben participar intensa y largamente en la vida de aqullos cuya cultura quieren estudiar. Este recurso al mtodo antropolgico (considerado errneamente por algunos como el nico vlido) va a producir tal conmocin que, en adelante, el debate cuantitativo-cualitativo ser para muchos el debate nomottico-antropolgico y se asimilar al que sostienen dos escuelas: la de la agricultura (porque los planes experimentales de Ronald Fisher fueron concebidos en principio para esa actividad) y la de la antropologa. Pero los defensores incondicionales del enfoque histrico parecen haber olvidado que Campbell (p. 18), despus de sealar todo lo que el conocimiento cualitativo puede aportar, concluye afirmando de manera inequvoca; Sin embargo no me parece que dichas etnografas puedan aportar por s solas la prueba de la eficacia de un programa: en realidad no pueden reemplazar una buena evaluacin cuantitativa experimental Consagra esta afirmacin el retorno a la supremaca nomottica? En estas circunstancias, as parece. Cronbach adopta a este respecto una actitud bastante ms prudente y sobre todo mucho ms restrictiva.
MAESTRA EN EDUCACIN
185
Cronbach y las interacciones aptitudes-tratamientos No es por azar que Cronbach, sin conocer la tesis que Campbell se dispona a defender, haya decidido el mismo da volver a poner en primer plano el enfoque histrico, incluso dndole un monopolio casi total de validez en el campo de las ciencias sociales. El fenmeno de la simultaneidad en la maduracin de las ideas se puso de manifiesto una vez ms en este caso. La tnica est dada desde la primera frase: La separacin histrica entre la psicologa experimental, de, tipo nomottico, y el estudio de las diferencias individuales ha obstaculizado el progreso de la investigacin psicolgica (Cronbach, 1974, 21). Se puede decir en los trminos de Campbell: el divorcio entre lo cuantitativo y lo cualitativo ha sido un error. Toda la demostracin de Cronbach se apoya en el anlisis de las interacciones entre las aptitudes y el tratamiento experimental. Ya en 1957, Cronbach deca que al hacer abstraccin de las diferencias entre los individuos, muchas investigaciones psicolgicas y pedaggicas concluyen en generalizaciones poco vlidas. Por ejemplo, los resultados de un mtodo de enseanza se deben, no slo al mtodo en s, sino a su interaccin con las caractersticas de los alumnos. Diez aos despus, Cronbach pensaba que tambin l haba formulado una teora demasiado esquemtica, pues se haba limitado a las interacciones de primer grado, cuando es preciso profundizar mucho ms para explicar un resultado. Por ejemplo, tambin importa la poca en que tiene lugar una experiencia: el comportamiento educativo de los padres de clase media en un lugar determinado puede cambiar profundamente en algunos aos. En una experiencia aparentemente simple hay una cantidad de factores que estn en interaccin: la edad del sujeto,
186
su sexo, el sexo del investigador, las expectativas del sujeto y del investigador, la experiencia anterior del sujeto, etc. Cronbach (p. 7) concluye con esta figura: Cuando se consideran las interacciones, se penetra en un palacio de espejos donde la imagen se refleja hasta el infinito. Si continuamos nuestro anlisis hasta el tercero o quinto grado, o ms lejos an, siempre podremos imaginar interacciones de un grado superior que no han sido tenidas en cuenta. Como es imposible llegar a tal nivel de perfeccin, Cronbach (p. 18) recomienda un anlisis mucho ms prudente de los datos. Considera que ha llegado el momento de exorcizar la hiptesis nula que, por utilizar umbrales de probabilidad muy elevados, ha conducido a los investigadores a dejar de lado datos difciles de obtener, pero generalmente significativos, si se observa cuidadosamente la realidad. Interesa entonces indagar en los datos a fin de detectar los efectos locales debidos a condiciones no controladas o a respuestas intermedias (Cronbach, p.19), lo que obliga a observados y registrados desde el comienzo de la investigacin. Este es el fundamento de la opcin clnica que Cronbach asume resueltamente en un prrafo que reproducimos porque denota un cambio radical de concepcin del autor, y asimismo de la investigacin contempornea. Sugiero que la generalizacin deje de ser la regla de nuestra investigacin y que invirtamos las prioridades. Un observador que rene datos sobre una situacin particular, est en condiciones de apreciar las prcticas o las propuestas y de observar los efectos dentro de su contexto. Cuando trate de describir y de explicar lo que ha ocurrido, prestar atencin no solamente a las variables controladas, sino tambin a las condiciones
MAESTRA EN EDUCACIN
187
incontroladas, a las caractersticas personales y a los acontecimientos que se produzcan durante el tratamiento y las mediciones. Al pasar de una situacin a otra, su primera tarea ser describir nuevamente e interpretar e1 efecto en cada caso, prestando especia! atencin a los factores que influyen exclusivamente en ese caso o en una serie de hechos. A medida que los resultados se acumulan, la persona empeada en comprender se esforzar por descubrir cmo los factores incontrolados pueden haber causado desviaciones locales del efecto modal. Dicho de otra manera, la generalizacin no se realiza sino ms tarde y la excepcin es considerada tan seriamente como la regla [...] Si otorgamos a las condiciones locales su justo valor, toda generalizacin no es ms que una hiptesis de trabajo y, no una conclusin"(Cronbach, pp 19 -20). Lo esencial de la conclusin de Cronbach es que en las ciencias sociales es intil querer formular leyes que precisen las condiciones necesarias y suficientes para que se produzca un efecto dado. A lo sumo se pueden describir las condiciones en las que una generalizacin se ha verificado en el pasado, sin abrir juicio sobre el porvenir. Cronbach (p. 23) reconoce sin embargo cierta validez a lo que denomina empirismo a corto plazo, esto es, a las medidas objetivas que permiten ajustar un tratamiento, segn las respuestas observadas "En sntesis, la investigacin cientfica en educacin debera renunciar a elaborar toda teora duradera; su ambicin debera limitarse a la observacin rigurosa y a la descripcin del ser humano tal como es en un momento dado y en una cultura determinada. Significa esto que Cronbach toma una posicin
188
ms radical que Campbell? No se puede afirmar que as sea. Cuando admite la posibilidad de generalizaciones sobre acontecimientos pasados, se identifica con Campbell, quien reconoce la superioridad del enfoque cuantitativo para la evaluacin de programas. Esto es fundamental y, aunque parezca contradictorio, se le comprende mejor si se admite el papel primordial de los juicios de valor (que Popper llama hiptesis no refutables) en la educacin. A partir del momento en que se atribuye a un programa una finalidad que contiene un juicio de valor trascendental, interesa verificar sistemticamente si esa finalidad ha sido alcanzada o no, cualesquiera sean las circunstancias histricas susceptibles de explicar el fracaso o las desviaciones. Esto no excluye una eventual revisin de los objetivos iniciales: puede ocurrir, en efecto, que se alcancen resultados imprevistos pero que, a criterio de los encargados del programa, sean de una importancia tal que permitan considerar provechosa la operacin. Hoy es evidente que toda ley que compendie nuestro saber no tiene ms que una validez provisoria y debe ser considerada como una hiptesis de trabajo. No es se el problema. Sera ms exacto constatar que cuando mayor es el nmero de factores e interacciones, ms dbiles y limitadas son las leyes en su campo de aplicacin. Esto es vlido tanto para la fsica como para la psicologa. Pero en una empresa importante, las dificultades no son motivo suficiente para justificar su abandono. Cronbach (p. 15) reconoce que nuestras dificultades no se deben a que los acontecimientos humanos seran en principio irreducibles a leyes; el hombre y sus creaciones forman parte del mundo natural. Los inconvenientes provienen de la complejidad, de la diversidad, y aun de la evanescencia de los condicionantes.
MAESTRA EN EDUCACIN
189
Es de temer que el deseo de tomar en cuenta las interacciones de todo tipo sea tan esterilizante como cualquier otro perfeccionismo. Por una parte, afirmar que ninguna ley en ciencias sociales ha probado ser vlida, es contradecir los hechos y adems, el hecho de que las leyes relativas al ser humano registren ms excepciones que otras leyes, no es argumento fuerte para renunciar a ellas. Un razonamiento como el de Cronbach implica admitir que todos los factores, todos los tipos de interaccin gravitan igualmente sobre el comportamiento, lo que est lejos de haber sido demostrado. Por nuestra parte, estamos profundamente convencidos de la hiptesis contraria. Por ejemplo, Cronbach (p. 5) seala a propsito de la interaccin aptitud-tratamiento, que el mtodo de enseanza en el cual el maestro propone al alumno un problema que lo motive y le deja un mximo de libertad intelectual para resolverlo, es provechoso especialmente si el alumno est impulsado por una poderosa necesidad de realizarse. Si no es as, puede dar mejores resultados que el maestro indique detalladamente el trabajo que hay que hacer. Se sabe que, en general, la enseanza programada lineal es mejor para los alumnos ms flojos. En estas dos situaciones, elegidas entre muchas otras, los resultados de la investigacin parecen bastante coherentes como para intentar esbozar una ley y hacer el inventario sistemtico de los factores que la pueden invalidar. Se puede advertir que la investigacin mdica, que tambin se mueve en un mundo complejo, no vacila en tomar en cuenta slo las interacciones de primer grado y excepcionalmente de segundo, con notorio xito. Sin embargo, si por ejemplo se experimenta un medicamento destinado a los cardacos, hay que tener en cuenta la interaccin de factores como: edad, gravedad
190
de la afeccin, antecedentes del enfermo; sexo, hbitos alimentarios, tipo de vida y profesin, personalidad A o B, ingestin simultnea de otros medicamentos, personalidad del mdico, etc. Cronbach (p. 8) dice que siete variables pueden dar origen a 120 interacciones cantidad que est en los hechos fuera del alcance de la experimentacin directa. Acabamos de enumerar diez que estn normalmente presentes en el ejemplo citado. No obstante con un mnimo de ajustes en cada caso, se pueden predecir los efectos teraputicos. Pensamos que ocurre lo mismo en educacin, El simplismo conceptual de numerosas experimentaciones del pasado ha conducido a generalizaciones errneas; esto est suficientemente demostrado por la incoherencia de los resultados observados al aplicar sobre el terreno las leyes propuestas o al intentar reproducirlas como experiencias. Pero renunciar por eso definitivamente a la investigacin nomottica en el campo de la educacin, parece exagerado. Stake y la evaluacin respondiente Las ideas de R. Stake maduran de manera casi simultnea con las de Campbell y Cronbach y como stos, Stake posee tambin una rica experiencia en materia de evaluacin cuantitativa de programas. El mrito principal de Stake (Hamilton, 1977) consiste en haber formalizado un modelo coherente del enfoque cualitativo para la evaluacin de programas y en haber reivindicado para quienes participan en dichos programas, el derecho de hacer preguntas y de recibir una informacin adecuada tanto por su contenido como por su forma. Stake hace las siguientes crticas al mtodo nomottico: 1. No permite una buena comunicacin entre el evaluador y su pblico, condicin esencial, especialmente para la
MAESTRA EN EDUCACIN
191
investigacin en la accin. 2. La informacin obtenida por la investigacin no proporciona una visin objetiva del programa tal cual es en la realidad, con todas sus particularidades e incertidumbres. 3. Es corriente que la concepcin del programa dependa de la posibilidad de utilizar un determinado dispositivo experimental y no a la inversa. 4. A pesar del rigor de la investigacin nomottica (que por esa razn resulta costosa), muchas veces no da respuesta a los problemas planteados. Segn Stake (Hamilton, p. 163), para ser calificada como respondiente, una evaluacin debe cumplir las siguientes condiciones: 1. Que se efecte sobre el programa, tal como se desarrolla en la realidad y no sobre la planificacin original. 2. Que se respondan a las informaciones solicitadas por los interlocutores. 3. Que se tengan en cuenta diferentes sistemas de valores al considerar los xitos y los fracasos del programa. Prioridad a la descripcin. Para Stake, los datos analticos depurados que proporciona la investigacin nomottica son adecuados para la investigacin cientfica, pero no para la evaluacin de programas de accin educativa. Para estos ltimos, Stake exige un retrato total, que deje un espacio para la ambigedad. La descripcin no la realiza slo el evaluador; sino tambin, por ejemplo, uno de los partidarios del proyecto, uno de sus adversarios y uno de los participantes. En el curso de la descripcin, el evaluador seala los fracasos
192
sufridos, y los previsibles, las diferentes posibilidades entre las que hay que decidirse y las consecuencias de cada una de esas alternativas. La evaluacin propiamente dicha. Los objetivos asignados al programa en el primer momento, pasan a segundo plano. El juicio se hace sobre lo que se observa efectivamente en la realidad. La estructura de las relaciones en la evaluacin respondiente puede observarse en la Figura 10.1 (Hamilton, p.164). La elaboracin de la matriz de datos descriptivos se efecta de la siguiente manera: Por un lado, el evaluador determina la relacin entre las intenciones y las observaciones (en los tres niveles del anlisis); dicho de otra manera, el evaluador se pregunta: Corresponden los datos observados a las intenciones expresadas?. Por otra parte, el evaluador estudia la relacin lgica entre los antecedentes y las operaciones esperadas y entre las operaciones y los resultados esperados. Por ltimo, el evaluador estudia la relacin emprica entre los antecedentes y las operaciones observados y entre las operaciones y los resultados observados. La elaboracin de la matriz de los juicios tiene en cuenta la diversidad de normas. Por ejemplo, la norma del estudiante no es necesariamente la misma de su profesor; todos los profesores no
MAESTRA EN EDUCACIN
193
adoptan las mismas normas.

FIGURA 10.1 Estructura de las relaciones en la evaluacin respondiente
Antecedentes: condiciones existentes antes de la enseanza y del aprendizaje (por ejemplo: aptitudes, intereses de los alumnos, etc.) Operaciones: encuentros, interacciones entre todos los actores del proceso educativo (alumno, parientes, consejeros pedaggicos, etc.) Resultados: conocimiento, prctica, aptitudes aspiraciones como resultado de la experiencia educativa. A favor de esta concepcin debe sealarse la voluntad de autenticidad: conociendo la situacin tal como es realmente, cabe esperar poder definir ms fcilmente las reacciones y los juicios adecuados. Por el contrario, si un programa educativo importante y con intenciones claras es puesto en prctica luego de una profunda reflexin, cmo admitir de entrada el desplazamiento a segundo plano de esas intenciones y de los objetivos que las expresan? No es en absoluto incompatible con la mayor parte de las propuestas respondientes de R. Stake, verificar, con todo el rigor posible, hasta qu punto se cumplen las finalidades asignadas al
194
programa. Pero, si las intenciones iniciales no son respetadas, cabe formular algunas preguntas: Por qu no se respetan? Es admisible la desviacin, teniendo en cuenta los juicios de valor que presidieron la elaboracin del programa inicial? Si hay incompatibilidad, los juicios de valor deben revisarse o la accin educativa corregirse para volver, en todo o en parte, a las intenciones primeras. No interrogarse de esta manera sera admitir la primaca de la espontaneidad que el concepto mismo de educacin excluye.
10.5. El ataque contra la investigacin educacional

Tomar en cuenta lo subjetivo, lo existencial y lo fenomenolgico, como lo reclama crticamente la contracultura (Calleweart y Kalls, 1977) que se desarrolla desde la dcada del 60, puede representar, como se acaba de ver, un adelanto para ciertos aspectos de la investigacin educacional. Pero surgirn otras crticas mucho ms tajantes, obedeciendo a motivaciones muy diferentes.
No se puede subestimar la importancia del hecho que un grupo de educadores sintindose cada vez ms excluidos de una investigacin de elevada tcnica, la rechace, acusndola en bloque de terrorismo intelectual. El lenguaje de la investigacin reviste para muchos un carcter esotrico; pero hacer de los investigadores los nicos culpables es, sin duda, un grave error. La formacin de los docentes est, en realidad, tambin cuestionada. Para convencerse, basta observar que ni a un mdico ni a un ingeniero se les ocurre acusar de terrorismo intelectual a las revistas especializadas que reciben, y esto se debe a que el lenguaje de stas es similar al que ellos emplearon en su formacin. La difusin mucho ms lenta de los resultados de la
MAESTRA EN EDUCACIN
195
investigacin educacional, especialmente en sus aspectos tecnolgicos, se explica por otras causas. Se ha pensado ingenuamente que para que se adopte un mtodo basta demostrar que es racional y eficaz. Pero sin una recontextualizacin (Bourdieu y Passeron, 1967, p. 2158), es decir, si no se toman en cuenta los valores, la mentalidad, las actitudes que grupos determinados de seres humanos -los docentes- se han forjado en el curso de una larga historia personal y colectiva, estas caractersticas, actuando como anticuerpos culturales, rechazan los aportes tecnolgicos, o como dice Furter (1980), estos quedan enquistados en un enclave moderno Son esos valores, esa mentalidad, esas actitudes, esas historias, que es necesario analizar para comprender la falta de penetracin de los productos de la investigacin educacional. Pero, junto a esta reaccin preponderantemente afectiva, indisociable de una ansiedad difusa ante algo desconocido que los individuos sienten que les concierne y que algunos rechazan o condenan en bloque para defender su seguridad, hay otra reaccin, ms intelectualizada, que mezcla sofismas y reproches justificados. Es una verdad evidente que la ciencia y la educacin son siempre hijas de su tiempo o, si se prefiere, de la cultura que las nutre. El marxismo tiene el mrito de haber mostrado que, a su vez, la cultura est ampliamente determinada por las condiciones econmicas, pero cometi el error de ignorar, o por lo menos de subestimar, la naturaleza circular de la relacin causal economacultura. La crtica socio-psicolgica de D. Hamilton
196
La crtica que hace D. Hamilton del enfoque cuantitativonormativo en educacin, ofrece un ejemplo particularmente claro de una impugnacin fundada en slidas pruebas, pero cuya generalizacin ha. sido un error. D. Hamilton propone la tesis de que la investigacin educacional britnica -se refiere manifiestamente al conjunto de la investigacin cuantitativaha estado fundada metodolgicamente por F. Galton sobre la arena movediza epistemolgica de premisas inestables. Galton es sin duda un producto de su poca. Adopta explcitamente la concepcin darwinista de la lucha por la vida y de la seleccin natural como mecanismos esenciales de la evolucin de los seres vivos, y su orientacin cuantitativa est seguramente inspirada en el positivismo de J .S. MilI. Pero del mismo modo que sus contemporneos, pierde de vista que en la teora de Darwin la especie se adapta al medio particular en que se encuentra en un momento dado. Por lo tanto, no sobreviven los mejores en orden jerrquico absoluto, sino los que hoy se denominan ms flexibles, es decir, los ms capaces de reaccionar ante un medio nuevo. Es sabido que el Occidente dominante modific las teoras darwinianas para convencerse de su superioridad en general y del papel que tenan en ella los seres superiores, gracias a sus genes. El elitismo encuentra as su justificacin natural. Faltaba encontrar un medio para separar la paja del grano: las pruebas. En apoyo de sus tesis sobre la herencia, Galton rene una enorme cantidad de datos biomtricos (peso; estatura, etc.) y psicolgicos (especialmente sobre la discriminacin sensorial y sobre la asociacin de palabras). En 1884 abre, para esos fines, su laboratorio antropomtrico en Londres. Para explotar los datos recogidos, Galton realiza una labor de
MAESTRA EN EDUCACIN
197
pionero en materia de estadstica: se le deben las nociones de correlacin (no la frmula para calcularla) y de recta de regresin, as como la divisin en centsimos de un conjunto de datos estadsticos. Mucho, antes que Galton, Quetelet haba observado que la estatura y el peso de los individuos de una poblacin vara segn una curva en campana (curva de Gauss), fenmeno que el estadstico belga atribuye a la intervencin de un gran nmero de pequeas causas independientes. Como lo destaca Hamilton, Galton confiere valor normativo a esta ley estadstica emprica. En su obra Inquiry into human faculty and its development (1885) (Investigacin acerca de las facultades humanas y su desarrollo) Galton sostiene que la variacin estadstica corresponde a la naturaleza de las cosas y que, si en la observacin de una especie, un caso no se ajusta a la variacin prevista, es porque la caracterstica examinada corresponde a una especie diferente. Como consecuencia de esta toma de posicin, la psicologa, tal como l la concibe, se ocupar solamente de rasgos puros, lo que justificar ulteriormente el estudio psicomtrico de aptitudes, aisladas, consideradas como unidimensionales (las antiguas facultades renacen as de sus cenizas). Y Hamilton concluye: La psicometra (medicin de los estados mentales desde el punto de vista del comportamiento), las pruebas normativas (clasificacin de los individuos a base de la conjetural diferenciacin de una poblacin), el anlisis factorial (o de las facultades), todo puede quedar vinculado por medio de los lazos imaginarios forjados por Galton entre 1880 y 1890 As se elaboraron los instrumentos que, hundiendo sus races y hallando su legitimidad en la biologa, servirn admirablemente a la idea de una sociedad estratificada, semejante a la naturaleza. Por otra parte, indica Hamilton, la preocupacin de Galton por la jerarqua era tal que prefera la curva en ojiva a la curva en campana porque, segn
198
sus propias palabras la parte superior de la ojiva se eleva hacia el genio, en tanto que la otra desciende hacia la estupidez. En el mismo captulo, Hamilton se propone tambin demostrar que las ideas de Fisher (principalmente los planes experimentales y el anlisis de la diferencia entre el clculo estadstico y la observacin, concebidos -como se lo ha sealado repetidamente- para investigaciones agrcolas) haban penetrado profundamente en la investigacin pedaggica porque proponan procedimientos que estaban en armona con la concepcin aceptada de la ciencia; y se ajustaban adems a las ideologas educacionales dominantes. Esta crtica de Hamilton (que, conviene recordar, muchos haban formulado antes que l) es tpica en distintos aspectos. En una primera aproximacin, se imponen dos observaciones. Una es que, aun admitiendo que Galton adhiri a un modelo social esttico que ha sido rechazado o superado, no est de ninguna manera demostrado que, los mtodos creados por l o derivados de su obra pierdan toda justificacin y validez en la investigacin contempornea. La segunda observacin es que parece bastante evidente que Hamilton cae a su vez en la trampa de una ideologa rgida, la de la contracultura, que le hace rechazar en bloque la investigacin educacional britnica. Manifestamente, as se pierde lo aprovechable. Quin puede ignorar que las teoras de Galton sobre la herencia han sido ampliamente superadas? Pero no por eso los estudios sobre las correlaciones han perdido todo inters. Si los lmites de las pruebas normativas, y el uso a menudo aberrante, antidemocrtico, que se ha hecho de ellas, han sido claramente reconocidos, hay que concluir por ello que carecen de base en la realidad y de toda utilidad social, particularmente
MAESTRA EN EDUCACIN
199
en la educacin? Hay que renunciar a los planes experimentales de Fisher porque, en la prctica, slo permiten considerar un nmero limitado de variables? Se olvidar as que los indicadores sociales y de otro tipo con los que trabaja el investigador son artificios; sinopsis, y que el ser humano en todos sus juicios procede de la misma manera. Porque contrariamente a lo que nuestro orgullo nos lleva fcilmente a suponer, tomamos lo esencial de nuestras decisiones basndonos en una cantidad muy limitada de elementos que han persistido ms que otros en nuestra conciencia, y tambin en lo aprendido por propia experiencia. En sntesis, no es porque Galton atribuy a sus mtodos cuantitativos un valor normativo que no tenan, que la estadstica descriptiva y por inferencias, as como la psicotcnica clsica, han perdido toda validez. Los hechos demuestran cotidianamente lo contrario. En esta cuestin, la opinin firme pero no sin matices de Cronbach y Suppes (1969, 281) abre amplios horizontes e indica una tendencia con perspectivas de futuro. A partir de premisas semejantes a las de Hamilton, ellos observan que las pruebas de inteligencia fueron casi inmediatamente empleadas con fines de seleccin, ya sea para descubrir los seres superiores (Galton) o para distinguir los aptos de los inaptos para la escolaridad (Binet). Pero en muchos casos, las pruebas utilizadas de esa manera, ms que predecir el porvenir de los individuos, lo determinan. No se tard en llegar a la conclusin de que aquellos que no estaban bien clasificados en las pruebas eran incapaces de salir bien y que por lo tanto era intil intentar conducirlos al xito.
200
Los trabajos de Guilford (1967, 538) han demostrado que las pruebas clsicas exploran slo una parte de la inteligencia, a menudo nicamente la que se relaciona con las aptitudes simblicas y verbales, que son factores clave del xito en la enseanza general tradicional, pero incierto augurio de triunfo en otras empresas humanas con un componente material o social importante. Adems, como dicen Cronbach y Suppes (especialmente despus de Vernon) factores tales como la motivacin y la flexibilidad, no eran tomados prcticamente en cuenta. Como en general, los nios provenientes de medios modestos, sociales y culturalmente alejados de la escuela, tenan menos xito que los dems en las pruebas, el orden social existente encontraba su justificacin. Las pruebas diferenciales de aptitudes, introducidas especialmente despus de las investigaciones factoriales de Thurstone, aportan una seguridad ilusoria: Buena parte de las opiniones vertidas entre 1923 y 1955 a base del conjunto de rasgos caractersticos determinados por las pruebas, fueron errneas (Cronbach y Suppes, p. 84). Pero, despus de esa constatacin negativa, Cronbach y Suppes (p. 87) toman una actitud positiva: en lugar de rechazar las pruebas normativas, ellos proponen aprender a utilizarlas teniendo en cuenta la complejidad de las situaciones, en tanto que el modelo de Galton slo serva para la seleccin en un medio ambiente uniforme. Se dispone de datos que indican la distribucin de la cantidad de puntos del Scolastic Aptitude Test (SCAT) (Prueba de aptitudes escolares) que se adapta mejor a las exigencias propias de cada universidad norteamericana. Si se tienen en cuenta las informaciones sobre el ambiente en una institucin determinada, se constata que la tecnologa de las pruebas permite al individuo hacer una eleccin que se adecue a sus
MAESTRA EN EDUCACIN
201
caractersticas personales. La perspectiva se invierte as de manera radical. Cronbach y Suppes (p. 86) concluyen diciendo: La investigacin demuestra que los orientadores, al considerar solamente la capacidad de prediccin de las pruebas, han hecho preguntas inadecuadas. Si la escuela quiere educar a todos los alumnos y no a una minora, las pruebas slo son tiles para ayudar a elegir un mtodo de enseanza apropiado para cada individuo. Veremos a continuacin que la evolucin contempornea de la tcnica de las pruebas permite responder a esa preocupacin. La crtica sociopoltica de D. Kalls La crtica de D. Kalls est definidamente planteada en trminos de lucha de clases. Considera que la investigacin educacional est al servicio del aparato del Estado y que slo es posible si acepta la ideologa de la fuerza social dominante. Al investigador slo le corresponde indicar por qu medios se pueden cumplir mejor los objetivos de la educacin (que han sido fijados por otras personas), a cuyo efecto toma en cuenta el nivel de desarrollo de los alumnos y los recursos disponibles: [...] en las formaciones capitalistas llegadas a la madurez, el principal aparato ideolgico del Estado es el sistema educativo, que ha desplazado, al cabo de una violenta lucha de clases poltica e ideolgica, al aparato ideolgico precedentemente dominante (Althusser, 1972. p. 152). Concretamente, se puede constatar que la burguesa ha hecho del sistema educativo el primer aparato ideolgico del Estado, funcin que antes; era desempeada por la Iglesia. Se reprocha a la investigacin estar sometida a la influencia de un debate
202
ideolgico que la supera, porque proviene directamente de la lucha de clases. Creer que la investigacin puede mejorar la escuela ms all de los imperativos ideolgicos, sera una ingenuidad. En Kalls encontramos nuevamente una condena global en tanto que la realidad est lejos de ser tan simple. Primera observacin: si se admite la tesis de Kalls en su integridad, se advierte que reconoce que la investigacin educacional es o puede ser eficaz si el investigador acepta las exigencias de la ideologa dominante y con mayor 'razn si adhiere a sta por propia voluntad. Un razonamiento como el de Kalls y de los totalitarios en general, supone siempre que la verdad poltica se encuentra de un solo lado, pero ocurre que esta tesis es, por la naturaleza misma de la poltica, indemostrable. En la Socit ouverte, Popper ha subrayado que es imposible deducir una poltica de cualquier ciencia, porque el pasaje a la accin no puede hacerse sino mediante la eleccin de valores que trascienden los hechos (Boyer, 1980). Puede entonces haber investigadores en perfecta armona con la ideologa dominante. Adems, es contrario a la verdad afirmar que en las democracias occidentales ms avanzadas el investigador carece de medios de accin y de toda influencia sobre la escuela si no adhiere a la ideologa del Estado. Es muy probable que en tal caso experimente ms dificultades para conseguir los medios de investigar o de actuar sobre una parte importante de la institucin escolar, pero es bueno tener presente que no ha habido que esperar el siglo XX para que los hertico contribuyeran con adelantos cientficos importantes. Las modalidades de formacin paralela, cuya importancia ha demostrado tan bien P. Furter (1980), abren un vasto campo experimental fuera del sistema educativo oficial, y los resultados que se obtienen tienden a influir cada vez ms intensamente sobre aqul.
MAESTRA EN EDUCACIN
203
Ya hemos demostrado que aunque las condiciones ideolgicas del aparato del Estado fueran monolticas, las opciones oficiales se tien con las opiniones propias de los subgrupos sociales, de las subculturas, y llegan a ser objeto de una nueva interpretacin y hasta de un rechazo por parte de los educadores. Los conceptos mismos de desviacin, de hereja no estn acaso ligados a la existencia de una doctrina impuesta autoritariamente? Por ltimo, hay que tener presente que cuando ms se desciende de las finalidades de la educacin impuestas directamente por la ideologa, hacia los objetivos tcnicos especficos, ms disminuye la carga de valores. A partir de cierto punto, se est frente a entidades susceptibles de servir a los fines ms diversos. Aunque sera ingenuo creer que el aprendizaje de las aptitudes intelectuales y de los conocimientos instrumentales escapa a toda influencia ideolgica, es posible afirmar que ciertas cuestiones, como la globalizacin ideal en lectura, pueden ser investigadas de manera neutra.
10.6. Las conclusiones del debate

La crtica profunda y la denuncia implacable (a veces hasta exagerada) de sus extravos, no ha perjudicado a la investigacin educacional, sino que, por el contrario, ha contribuido a su enriquecimiento. Es cierto que se ha perdido energa en argucias y una fraccin de la opinin -algunos de cuyos miembros siempre han emitido a priori juicios negativos- aprovech la polmica como excusa para hacer pesar polticamente su posicin de reducir an ms el apoyo a la investigacin. Pero esta mengua momentnea carece de importancia; comparada con lo ganado en lucidez durante estos ltimos aos.
204
Los dos prrafos siguientes, de J. Keeves y R.C. Rist (Australian Council for Educational Research) nos eximen, por su claridad, de explayarnos sobre el tema. . Consideramos que, en un programa de investigacin los estudios cualitativos y cuantitativos deben complementarse. Los dos modos de investigacin pueden conducir a conclusiones generalizables, pero los estudios cualitativos necesitan habitualmente una cantidad tal de recursos que deben limitarse a pequeas muestras no representativas. Su papel consiste en aportar el detalle finamente observado, que podra explicar los afectos ms vastos registrados en las encuestas o en las investigaciones cuantitativas. Las recomendaciones relativas a la poltica educacional, fundadas en investigaciones cualitativas limitadas, slo pueden ser de carcter provisional. Por el contrario, y aunque las mediciones efectuadas sean bastante rudimentarias, los resultados de las investigaciones nomotticas son generalizables y creemos que permiten predecir mejor o medir los efectos de polticas elaboradas sobre dicha base [] Queda sin embargo la posibilidad de que poco a poco se puedan perfeccionar tcnicas que permitan verificar hiptesis mediante la aplicacin de planes experimentales o, ms probablemente, semiexperimentales del tipo planificado, a las investigaciones cualitativas de carcter no experimental. Es preciso dejar de gastar energas en un debate que, pensamos, ha cumplido su objetivo. Como escribe R:C. Rist (1977, 42): . .
MAESTRA EN EDUCACIN
205
Evaluacin rigurosa contra evaluacin flexible, cuantificadores contra descriptores, cientificistas contra crticos, rigor contra intuicin; ya es totalmente evidente que los dicotomas representadas por estos viejos cliss han dominado demasiado tiempo la discusin comparativa de diversas estrategias de investigacin educacional. Se reduce as la complejidad y los matices de los diferentes enfoques a simples y rgidas polarizaciones [] De ese modo se obscurece la dialctica y la interaccin entre todos los trabajos que tienden al conocimiento o a la comprensin. Y ms adelante Rist (p. 48) concluye: Es posible que uno de los adelantos que d ms estmulo intelectual a la investigacin educacional durante la prxima dcada, consista en poner de relieve la significacin de esta dialctica.
Captulo 11
Probabilidades y muestreo
206
El objeto de este captulo es explicar los principios fundamentales y las tcnicas, que se emplean en el muestreo. Tal como su nombre lo indica, una muestra es una pequea representacin de un todo ms grande. La observacin totalmente detallada de algunos fenmenos traera consigo una tal masa de datos que su anlisis se hara lento y tedioso. Adems, analizar grandes cantidades de material es un despilfarro cuando basta el anlisis de una cantidad ms pequea. As, pues, el uso del muestreo permite una labor cientfica ms adecuada, ya que hace que el tiempo del trabajador cientfico tambin cuente. En lugar de pasar muchas horas en el anlisis de un cmulo de material, desde un solo punto de vista, puede aprovechar el tiempo en examinar una cantidad ms pequea de material, desde muchos puntos de vista o, dicho en otras palabras, hacer un anlisis ms intensivo de un menor nmero de casos. Otro valor manifiesto del muestreo es que tambin ahorra dinero, haciendo as posibles investigaciones que, de otro modo, no podran llevarse a trmino con xito. 11.1. GENERALIDAD DE LOS PROCEDIMIENTOS DE MUESTREO Forma parte de lo que llamamos sentido comn una comprensin vagamente formulada del muestreo, que es caracterstica de la experiencia cotidiana. Si en una discusin informal con los amigos se afirma que los vecinos de Huaraz, Ancash, se muestran poco amistosos, la respuesta por parte de los defensores de dicha comunidad ser que el observador conoci a demasiado pocos vecinos de dicho lugar, y no una seccin transversal verdaderamente representativa de la
MAESTRA EN EDUCACIN
207
poblacin. Que esto sea verdad o no, carece de importancia alguna; lo importante es observar la aplicacin muy generalizada de la teora del muestreo de modo informal e inconsciente. Tambin podramos sealar que estos empleos cotidianos de la teora del muestreo van siendo sealadamente cada vez menos informales e inconscientes. Cuando se enfrenta a los resultados de alguna encuesta, o a alguna otra conclusin basada en el procedimiento de muestreo, el pblico informado se hace ms y ms las preguntas pertinentes: "A quin se entrevist, y qu tipo de personas fueron las entrevistadas?" "A cuntos se entrevist?" Ya no se toman como proposiciones cientficas serias las afirmaciones imprecisas, tales como: "la mayora de los sujetos respondieron negativamente", o "ms de la mitad de los delincuentes juveniles estudiados procedan de hogares deshechos". El hecho de que sea aparente, entre el pblico general, un mayor conocimiento de la constitucin de la muestra, podra estar en funcin de su cada vez mayor aplicacin en muchas de las ciencias sociales. El muestreo, en tanto que es procedimiento consciente y cuidadoso, es relativamente nuevo en las ciencias sociales. La Oficina del Censo de los Estados Unidos no utiliz el muestreo en los censos decenales, sino hasta el ao de 1940. Aunque Stephan (1948, 12-40) cita unos pocos ejemplos durante el siglo XVIII, parece justo observar con Parten (1950, 106) que "los casos registrados de empleo deliberado de planes de muestreo en las ramas de la investigacin social, antes de 1900, fueron en nmero relativamente reducido". No fue, en realidad, sino hasta despus de 1920, cuando comenz a desarrollarse sistemticamente la rama del muestreo aplicado, y que gran parte de su crecimiento tuvo lugar en la investigacin agrcola, ms bien que en la social. Sin embargo, en la actualidad, el
208
muestreo es una parte tan esencial del procedimiento de investigacin que, aunque no necesita ser un experto en muestreo, todo investigador tiene que conocer, al menos, muy a fondo, su lgica y algunas de sus tcnicas fundamentales. Ahora, debe verse ya claramente que el muestreo es parte esencial de todo procedimiento cientfico. No es un simple aadido a las ciencias sociales. Tal como lo hicimos observar antes, se le encuentra ya bien desarrollado en las investigaciones biolgicas, en su especialidad referente a la agricultura. Es tambin instrumento fundamental en otras ramas de la biologa, as como en la fsica y la qumica. Entregada como hoy lo est a la variabilidad de las observaciones, en todas las ramas, la ciencia se ve obligada a tomar muestras de todo un universo de observaciones posibles, ms bien que a creer que una sola observacin ha de proporcionar una verdad absoluta e inmutable. En verdad, todo experimento es solamente una muestra de todas las posibles observaciones que podran hacerse. El nmero de estas observaciones que se necesitan para que constituya la base de la generalizacin depende del nmero de los posibles controles experimentales y, por ende, puede ser menor en las ciencias fsicas que en las sociales, pero todos los experimentos son, de todos modos, muestras de un universo ms grande de posibles situaciones experimentales. Toda vez que una importante parte del muestreo depende de la teora de la probabilidad, se hace necesario que hagamos algo de digresin, tratando de la naturaleza y aplicacin de dicha teora. En cuanto se refiere al mtodo cientfico, son dos las formas en que se puede ver la probabilidad. Segn el primer punto de vista, probabilidad se refiere a la verosimilitud de que una afirmacin dada sea verdadera. Esta manera de concebir la
MAESTRA EN EDUCACIN
209
probabilidad guarda relacin con la cantidad de conocimiento que sirve de base a la afirmacin cuya "verdad probable" est siendo objeto de evaluacin. Este concepto guarda una relacin especial con el muestreo, aunque no la examinaremos sino hasta ms adelante. La que es fundamental para el proceso de muestreo es la segunda forma de concebir la probabilidad. Esta segunda concepcin de la probabilidad es esencialmente matemtica. Sostiene que la probabilidad expresa la frecuencia con que se produce un acontecimiento o suceso determinado, en relacin con la frecuencia con que tal caso no se produce, en cualquier serie en la que pueda presentarse o dejarse de presentar. Por ejemplo, cuando se lanza una moneda al aire, hay la misma posibilidad de que caiga con la cara o la cruz hacia arriba -puesto que slo tiene dos lados. Si sealamos con p la cara y con q el sello, entonces la probabilidad de obtener cara puede indicarse as: p= La probabilidad de que salgan sellos son tambin La forma generalizada de esta afirmacin es: p = N, en la que N = nmero posible de sucesos. As, pues, el nmero de veces que cabe esperar a que la moneda caiga de cara si la lanzamos diez veces al aire, sera (10), o sea 5 caras. Las probabilidades de conseguir ms de un suceso de una serie de ellos que se excluyen mutuamente se logra sumando la probabilidad correspondiente a cada una. As; si las posibilidades de sacar un 6 con un dado son iguales a 1/6, y las de sacar un 1 son tambin de 1/6, entonces las posibilidades de que salga, y a sea un 1 un 6, son iguales a 1/6 + 1/6, o sea un1/3. No obstante, si a estos dos casos se les considera cual si fueran una sola, el clculo es diferente. As, al lanzar dos veces
210
un dado -o lanzar una vez dos dados- las probabilidades son distintas, si deseamos tanto un 1 como un 6. Cules son las posibilidades de sacar un 7 en un juego de "crap"? La tabla que va a continuacin nos muestra el clculo correspondiente. Las probabilidades de cada una de las partes dependientes son iguales a 1/36. Puesto que todas son formas de sacar 7 que se excluyen mutuamente, la suma de los valores de las probabilidades nos indica la probabilidad de sacar cualquier 7, suma que es 6/36, o sea1/6.
Modos de sacar 7
Hay que observar que en estos ejemplos se ha supuesto una igualdad de probabilidades entre los posibles hechos alternativos que hayan de efectuarse, tales como el de que la moneda caiga de cara o de sello. Qu hay que justifique el supuesto de que probablemente haya de salir exactamente el mismo nmero -ni una vez ms ni una vez menos- caras que sellos, o que cada una de las caras del dado haya de darse exactamente las mismas veces que cualquiera otra de las caras? Una de las respuestas que se dan es: el "azar", pero entonces tiene que decidirse qu es el azar. Hagood
Figura 11.1
MAESTRA EN EDUCACIN
211
(1941, 406) dice: Generalmente se define al azar cual si fuera el resultado de cierta multiplicidad de factores independientes que entran en funcin simultneamente. Otra forma de decir esto mismo es que no sabemos de motivo alguno, para esperar que suceda con ms frecuencia un hecho que otro, y de este modo hacemos el supuesto de la equiprobabilidad. Para ver la forma en que este concepto pasa al mundo estadstico, podemos servirnos, como ejemplo, del caso de las caras y sellos. Recordemos que la probabilidad de que una moneda lanzada d cara es . Entonces, cul es la probabilidad de cada una de las posibles combinaciones cuando se lanzan dos monedas al aire? Puesto que, al igual que en el caso de los dados, stos son resultados relacionados entre s, las probabilidades se multiplican. As, las probabilidades son: 2 caras = x = 0.25 2 sellos = x = 0.25 1 cara y un sello = x = 0.25 Siendo iguales estos dos
212
1 cruz y una cara = x = 0.25 sucesos, se les suma: igual a 0.50 * * Esto hace caso omiso del orden; es decir, si hay una cara o un sello que preceda a la otra. Por lo tanto, puede decirse que, en un nmero considerable de veces que se arrojen al aire dos monedas, los tipos de resultados estarn en las proporciones de 2 caras (0.25) + 1 cara y 1 sello (0.50) + 2 sellos (0.25) = 1.00 (o sea toda la gama de posibilidades). Ahora bien, sucede que hay una expresin matemtica general para esta relacin, con la que se pueda expresar cualquier nmero de posibilidades, ms bien que las tres sencillas posibilidades que se han puesto en el ejemplo. Esta expresin matemtica se conoce con el nombre de frmula del binomio -o binomio de Newton - que asume la forma general (p + q)n, en la que n es el nmero de sucesos en el caso arriba ilustrado, esta frmula nos dara lo siguiente: (p + q)2 = p2 + 2pq + q2, en cuya ecuacin p2 se refiere a 2 caras, pq a una cara y a un sello y q2 a 2 sellos. Las frecuencias, expresadas como coeficientes de estos trminos son: 1 para p2, 2 para pq, y uno para q2. Estas frecuencias dan las mismas proporciones que el ejemplo anterior; que es, a saber: 0.25, 0.50 y 0.25, respectivamente. Cuando se ampla el binomio, de manera que n represente un gran nmero de sucesos, aumenta tambin el nmero de combinaciones, y las frecuencias de cada una forman una curva continua perfectamente simtrica. Esta es la conocida "curva de probabilidad" o, como se la llama algunas veces, "curva
MAESTRA EN EDUCACIN
213
de distribucin normal". Esta curva, que se ve en la figura 11.2 es fundamental en la estadstica de probabilidades. Antes de que expongamos la aplicacin precisa de este concepto de probabilidad al muestreo propio de la sociologa, ser necesario que expongamos algunos otros aspectos del muestreo.
Figura 11.2
11.2. REQUISITOS DEL BUEN MUESTREO

El procedimiento de muestreo debe cumplir solamente dos requisitos fundamentales. La muestra tiene que ser representativa y, adems, adecuada. sta es una afirmacin engaosamente sencilla, toda vez que los procedimientos para lograr lo representativo y lo adecuado pueden ser a veces complicados. Grado de representacin de las muestras Por "definicin" se entiende la cuidadosa delimitacin del universo que ha de ser objeto de muestreo, as como la definicin de las observaciones que han de constituir la muestra.
214
Supongamos, por ejemplo, que el universo viene definido cual si fueran las personas que alguna vez han estado divorciadas. Consideremos tambin que todas las observaciones vienen definidas como entrevistas con todos los que reconozcan que estn divorciados. Puesto que las observaciones vienen definidas de modo distinto a la definicin de universo, esperaremos una muestra tendenciosa o propensa. Ante todo, habremos de perder los casos que se niegan a reconocer que ha habido divorcio. Y es probable que estas negativas se produzcan de modo diferente, entre grupos distintos. En segundo lugar, habremos de tener una muestra con una desproporcin de divorciados muy recientes -que son ms jvenes que todo el grupo "divorciado alguna vez", y de los que se divorciaron una vez y ya no volvieron a casarse. Este ltimo grupo es mucho ms viejo que el grupo "divorciado alguna vez" Por consiguiente, al no haber hecho que coincidiesen nuestras definiciones de universo y de observaciones habremos de obtener una muestra que no ser representativa. Dicho brevemente, hemos de subrayar que la definicin precisa del universo y las observaciones, y la de las relaciones apreciables entre uno y otras, constituye la piedra angular del planeamiento para conseguir una verdadera representacin. Una vez que se ha establecido esta coincidencia de definiciones, es posible enfrentarse al problema de poner el plan en prctica. Las tcnicas alternativas que se pueden utilizar para completar la constitucin de la muestra son: muestreo al azar o aleatorio, muestreo estratificado y muestreo intencional. Este ltimo tipo sirve de muy poco cuando tienen que conocerse los lmites de error; y se le emplea tpicamente en la investigacin de mercados y en las encuestas de la opinin pblica. Ms adelante de este captulo, aparece brevemente expuesto.
MAESTRA EN EDUCACIN
215
11.2.1. Muestreo al azar o aleatorio Tal como lo indica el nombre, la seleccin de las unidades que hayan de incluirse en la muestra se hace al azar. Totalmente al revs de lo que el nombre expresa, la muestra no se escoge, empero, sobre una base puramente casual. En este sentido, no se procede al azar, sino de modo cuidadosamente planeado. Dicho con brevedad, es necesario que, llegados a este punto, volvamos a la definicin de azar. Es muestra al azar la que se obtiene de tal forma que, desde todos los puntos, de vista pertinentes, el investigador no tiene motivo alguno para creer que habr de producir alguna propensin o tendencia. Dicho en otras palabras, las unidades del universo tienen que estar dispuestas de modo que el proceso de seleccin de una equiprobabilidad de seleccin a todas y cada una de las unidades que figuran en el universo. Esto significa, en realidad, que el investigador no conoce suficientemente bien su universo para repetirlo exactamente. Por lo tanto, lo que est haciendo es un intento de distribuir aleatoriamente su ignorancia en este aspecto. Por desdicha, habrselas con datos sociales es mucho ms difcil que con cosas tales como las pautas de caras y sellos o combinaciones de nmeros en los dados. La gente no existe encuadrada dentro de pautas tambin trazadas y divididas. Adems, son pocas las listas disponibles que garanticen una definicin completa de un universo. Y ms an, aunque a veces es posible comprobar las muestras comparndolas con fuentes tales como los datos del censo o utilizando las caractersticas de edad, sexo, alquiler pagado, emplazamiento, instruccin y raza, a menudo, se da el caso de que el universo que estemos
216
estudiando no ha sido definido sobre ninguna de estas bases. Por lo tanto, estos ndices pueden servir frecuentemente slo como medios de comprobacin parcial e indirecta. a. Definicin de universos. Dos son los problemas tcnicos de orden general que se plantean en cuanto a lograr que una muestra sea verdaderamente al azar o aleatoria. Uno de ellos, guarda relacin con la definicin de universo; el segundo, es la manipulacin mecnica de este universo en el proceso de seleccin. Pasando a examinar el primero, diremos que no basta con que se defina tericamente el proceso; tambin se hace necesario contar con una descripcin concreta del mismo. As, si se han de estudiar las viviendas de una localidad, no slo tiene que definirse "vivienda", sino que tambin habrn de bosquejarse cuidadosamente las unidades que habrn de utilizarse como expresin material de "vivienda". Luego podr sacarse una muestra al azar, tomndola de todas las estructuras de la comunidad que queden dentro de la definicin de "vivienda". Otro tipo de definicin material de un universo podra ser el estudio de los encarcelados en una penitenciara determinada, en una poca dada. Esta definicin hara que el muestreo fuese relativamente sencillo. Sin embargo, casi todas las investigaciones sociolgicas no tienen universos tan definidos como casa; o presos. En algunos casos, cabe recurrir a listas ya existentes de personas como posibles definiciones de universo. Ah es donde el ingenio y la perseverancia del investigador sern puestos a contribucin en su ms alto grado. A continuacin, exponemos algunas de las clases de listas que se emplean con frecuencia. 1) Cambios de estado civil. Aunque las diferentes
MAESTRA EN EDUCACIN
217
subdivisiones poltico administrativas varan considerablemente en cuanto a lo exacto y completo de la forma en que se llevan los registros de matrimonios y/o divorcios, por lo general, son asequibles algunas de estas listas; puede examinrselas libremente, y con frecuencia hay ndices por apellidos, empleando un sistema llamado Soundex, que los hace fcilmente manejables. Si se pone el debido cuidado respecto a los puntos de su validez y a cun completos sean, estos datos son con frecuencia de considerable utilidad para los socilogos. 2) Delitos juveniles. sta es una rama muy compleja para trabajar en ella, ya que los registros estn muy diseminados y las definiciones son difciles. Comnmente, los jvenes aprehendidos aparecen en el libro de ingresos de la polica; los que han sido condenados, en los registros de los tribunales para menores. Es as como estas dos listas a menudo confunden a delincuentes con sospechosos o vctimas de negligencia. Adems, el registro de ingresos proporciona un universo de los que fueron aprehendidos y acusados. El tribunal de menores proporciona el historial de los detenidos, acusados y condenados. stos son, pues, dos universos distintos y, naturalmente, ninguno de los dos coincide con el de los menores que realmente delinquen. Por lo tanto, estas listas debern ser utilizadas con gran cautela. 3) Distribucin de servicios de beneficencia . En la mayora de las ciudades, grandes y medianas, los ms de los organismos sociales que laboran en ellas prestan su cooperacin a un organismo central ordenador de registros. Uno de los problemas que surgen cuando se ha de trabajar con registros o expedientes de trabajo social, es que hay archivos de casos "abiertos" y de casos "cerrados". El archivo abierto contiene solamente los casos que estn en actividad en el momento presente. No obstante, no
218
cabe hacer a base de ellos supuesto alguno en cuanto al tiempo, toda vez que algunos de dichos casos abiertos pudieron abrirse hace ya mucho tiempo, y algunos de los casos ya cerrados pueden haber sido muy recientes. Otro problema para conseguir listas en esta rama, cuando no hay unos registros centralizados adecuados es la superposicin y el entrelazamiento de los diversos organismos gubernamentales y particulares. 4) Listas de dueos de automviles. Generalmente, estas listas son asequibles en la oficina estatal adecuada. Su exactitud, hasta el punto al que llegan, es probablemente buena. Con todo, debe tenerse muy en cuenta que ste es un universo muy escogido. Por lo general, la identificacin de esta lista con otro universo no llega a ser exacta. La verdad es que su dependencia de esta fuente es lo que contribuy, en parte, al monumental fracaso sufrido por el Literary Digest, en su encuesta sobre las elecciones presidenciales de 1936 5) Directorios telefnicos. Las listas de abonados al telfono pueden aprovecharse para determinados fines, aunque slo poniendo en ello sumo cuidado. Estos directorios pueden contener un nmero desproporcionado de familias de fuertes ingresos, al mismo tiempo que una falta de muchos de los grupos de ingresos ms bajos -sin telfono- as como de los de ingresos ms elevados -telfonos privados, que no figuran en el directorio. Adems, estas listas no estn frecuentemente al da, pues contienen muchos nombres de personas que han cambiado de domicilio; y no incluyen los de los abonados recientes. 6) Abonados a servicios Pblicos. Cuando las hay disponibles, estas listas son superiores a los directorios telefnicos. Tambin en este caso hay cierta cantidad de exclusin de los grupos econmicos ms bajos. Asimismo, ms peligrosa an que esta falta es la presencia del problema de los
MAESTRA EN EDUCACIN
219
abonados conjuntos. En muchas unidades multifamiliares, el abono a estos servicios lo firma la administracin, o bien lo comparten dos o ms familias, con un solo registro que representa quiz varias de ellas. 7) Padrones electorales. Lo adecuado de estas listas queda limitado a determinados tipos de estudios de comportamiento poltico. Para cualquier otro tipo de universo, son menos tiles, .ya que se desconoce cun adecuado sea lo que abarcan, as como porque incluyen a muchas personas ya difuntas si quien lleva el control de las listas es la maquinaria poltica-, y porque no incluyen a un gran nmero de los habitantes. Toda vez que se desconocen las caractersticas de las personas no incluidas, a menudo los padrones electorales estn defectuosamente definidos. 8) Censos escolares. Muchos Estados y muchos distritos escolares d los Estados Unidos llevan a efecto censos escolares anuales de personas en edad escolar y preescolar. El tipo de informacin contenido en estas listas vara, as como tambin lo completo de la enumeracin. De todos modos, particularmente en las regiones con gran movilidad de sus habitantes, el censo escolar lo mismo que el directorio telefnico pueden estar muy fuera de tiempo cuando se procede a su recopilacin. 9) Directorios de ciudades. Estos directorios, que en los Estados Unidos se recopilan anualmente, contienen listas de todos los vecinos de la poblacin que son conocidos, de los recopiladores y, frecuentemente dan breves descripciones de la ocupacin de cada quien. Parten (pp. 255-261) argumenta, persuasivamente, a favor de la utilidad de estas listas para fines de muestreo. Sin embargo, la experiencia adquirida en el empleo
220
de esta fuente, para fines de propaganda por correo, no es muy alentadora. Es muy cierto que los directorios de ciudades se usan con finalidades comerciales, y tambin lo es que son caros, por lo que presumimos que se les ha recopilado con cuidado. Por otra parte, no contienen sectores tales como las poblaciones transentes, de las casas de pensin, de quienes viven en hoteles, ni las suburbanas. Si el investigador est en posibilidad de llenar estos claros, el directorio puede serie de gran valor. Otro problema ms lo constituye el hecho de que estas listas, al igual que muchas otras, se vuelven rpidamente anticuadas respecto a los barrios de la poblacin con mayor movilidad. Uno de los aspectos para los que son ms tiles es por su delimitacin de un universo de direcciones, que puede ser un paso preliminar para establecer un plan de muestreo de la zona. A este respecto, los directorios de ciudades son relativamente completos, salvo para los barrios en rpido crecimiento y las zonas urbanas en las que hay una conversin apreciable de inmuebles de uso residencial a uso comercial, y viceversa. b. Mecanismos para sacar de un universo conocido una muestra al azar. En este punto, el problema esencial es sencillo. Implica seleccionar casos de entre un universo contenido en listas, mediante el empleo de un mtodo que dependa solamente del azar -en el sentido en que antes lo definimos. Un mtodo utilizado para este fin -que se emple ostentosamente para demostrar imparcialidad al determinar el orden de avisos de reclutamiento enviados para el servicio selectivo- es darle un nmero a cada una de las unidades contenidas en el universo y anotar los nmeros en pedacitos de papel idnticos, doblarlos de manera tambin idntica, y colocarlos en un receptculo. Si se les revuelve bien y se les saca en el nmero necesario para la
MAESTRA EN EDUCACIN
221
muestra, aparecern como una seleccin al azar. Sin embargo, este mtodo viene a ser algo laborioso, y puede desearse uno que sea ms mecnico. De ser as, puede lanzarse una moneda al aire, o se puede hace girar una ruleta (no mecnicamente), habiendo adoptado una clave para relacionar cada suceso casual -cada lanzamiento de las monedas o cada vez que se hace girar la ruleta- con cada uno de los sucesos del universo. As, para una muestra del 50%, la moneda cada de cara puede significar la aceptacin de un caso para la muestra; para una muestra del 25%, la seleccin puede venir indicada por cada segunda vez que la moneda indique cara; y as sucesivamente. No obstante, existe un mtodo superior, que consiste en utilizar una tabla de nmeros aleatorios. Al igual que la seleccin que se vale de un receptculo, esto implica sealar sendos nmeros a las partidas o unidades comprendidas en el universo de manera que cada uno de los nmeros contenga la misma cantidad de dgitos. Luego se leen los nmeros de la tabla de nmeros aleatorios, siguiendo cualquier orden que se desee -hacia arriba, hacia abajo, transversal o diagonalmente- y se escogen para la muestra las unidades correspondientes. La ms comnmente utilizada es la tabla L.H.C. Tippett (Tracts for Computers, 1947). Estas tablas son generalmente aplicables, aunque Yule y Kendall, y tambin Babington-Smith (1938, 147-166) han expuesto varias limitaciones a su empleo. Otro mtodo consistente en sacar la muestra, escogiendo unidades a intervalos fijos o por posiciones fijas. As, cada nmero ordinal n casa de una manzana ser lo que se escoja para la muestra. Hemos de hacer hincapi en que esto puede hacerse solamente cuando la posicin material de la lista no afecta a la seleccin al azar. Por ejemplo, en los censos de 1940
222
y 1950 se quiso hacer una muestra de determinadas lneas -haba una lnea por cada persona- de la enumeracin, haciendo otras preguntas ms. Debido a que el empleo para este fin de determinadas lneas haca que la muestra fuese tendenciosa al dar demasiado peso a ciertos tipos de contestantes, se establecieron algunos nmeros de pautas distintas de listas, cada una de las cuales contena en lneas diferentes los casos para la muestra, para que as se compensase este factor selectivo. Podemos sacar otro ejemplo de la seleccin de cada ensima casa dentro de cada manzana. Si el sistema de posicin que se escoja para la seleccin a intervalos aleatorios da por resultado el escoger un nmero demasiado grande de casas situadas en esquinas, esto indicar una tendencia o propensin, puesto que estas casas discrepan en varias caractersticas socioeconmicas de las que estn en otros emplazamientos. Las principales consideraciones que deben seguirse al elegir un mtodo para escoger la muestra son: a) que sea sencillo, pero, sobre todo, b) que est a la altura de la presuncin de equiprobabilidad de modo que no se introduzca en ella tendencia alguna. c. Algunas desviaciones del muestreo al azar. Ya hemos dicho que las desviaciones de un procedimiento puramente al azar sern causas de tendencias o propensiones de la muestra resultante. Por lo tanto, tenemos que cerciorarnos de que: a) las definiciones del universo y las observaciones son precisas y coinciden una con otra; b) la definicin de la lista del universo es completa, y c) el procedimiento mecnico de sacar la muestra es fcil de llevar al cabo y no introduce, de por s, tendencia alguna. Los ejemplos que siguen ilustran fallas propias de no observar dichas precauciones. 1) Definicin inadecuada del universo y las
MAESTRA EN EDUCACIN
223
observaciones. En un estudio se dispuso descubrir si habra o no algn prejuicio religioso en la "sociedad" abarcada en las notas sociales del New York Times. El estudio se basaba en el supuesto de que, si haba un prejuicio de este tipo, el nmero de noticias que el diario publicara de las bodas celebradas en las distintas categoras religiosas sera, proporcionalmente, ms pequeo respecto al grupo contra el que se practicara la discriminacin. La definicin del universo fueron todas las bodas que haban tenido lugar en la ciudad de Nueva York durante diez aos. La definicin de las observaciones abarcaron las bodas celebradas en el mes de Junio -en el supuesto de que ste era el mes en el que celebraban en mayor nmero- y las noticias del New York Times respecto a, bodas durante los meses de junio de un periodo de diez aos. Si la poltica del diario no haba tenido cambio alguno de importancia, esta muestra sera desde un punto de vista matemtico, debidamente adecuada y representativa. No obstante, la definicin de las observaciones pas por alto varios puntos de importancia. Si existe cualquier prohibicin ritual, que limite la temporada de las bodas de cualquier grupo religioso, es probable que la misma afecte la proporcin de las que se celebren en cualquier mes. En el caso de parejas de fe juda, existe una de estas prohibiciones. Por espacio de siete semanas despus de Passover (Pesaj), y durante las tres semanas anteriores a Tish vav -da de luto por la destruccin del Templo- ni el judasmo ortodoxo ni el conservador, permiten las bodas y hay tambin muchos grupos reformistas que aceptan esta prohibicin. Aunque el calendario hebreo no coincide exactamente con el gregoriano, s es cierto, al menos, que cuando Passover cae a comienzos del ao gregoriano, las tres semanas anteriores a Tish v'av abarcan parte del mes de junio.
224
Cuando Passover cae algo ms tarde, las siete semanas posteriores a dicha festividad abarcan tambin parte de junio. Por consiguiente, en casi todos los aos habr menos bodas judas durante una gran parte de dicho mes. Este ejemplo de mal muestreo estaba equivocado, no mecnicamente, sino sustantivamente. Un conocimiento ms completo del universo hubiese llevado a un muestreo ms adecuado. Tambin hemos de hacer mencin aqu de otro punto, incluso en el caso de que la afirmacin anterior no fuese cierta. Por lo general, el empleo de un solo mes no poda proporcionar, normalmente, una buena muestra en caso alguno, por la sencilla razn de que no era posible considerarse representativo a un solo mes. Al no saber nada acerca de los hechos, una seleccin al azar de un doceavo del nmero total de das de este periodo de diez aos habra sido tan sencilla como tomar los diez meses de junio, y habra dado respuesta a las objeciones que hemos expresado. La base estadstica de esta diferencia puede encontrarse en obras elementales que hablan de muestreo. 2) Enumeracin inadecuada del universo . Otra investigacin tena por objeto proporcionar determinados datos, que habran de ser tiles a un sindicato, obrero en sus negociaciones referentes a pensiones, con una gran sociedad annima. Se obtuvo una muestra al azar, tomando de una lista "que, se supona completa" de nombres y direcciones de todos los socios del sindicato, todos y cada, uno de los que quedaban en cada ensimo lugar de la lista. Para la dificultad en encontrar contestantes se estableci un margen, aadiendo a cada uno de los casos tomados, ya fuese el nombre anterior o posterior al mismo, y siguiendo un orden alternativo cuidadosamente definido. Si no se localizaba el caso sacado, se deba, utilizar el
MAESTRA EN EDUCACIN
225
nombre alternativo. Se necesitaba un plan defendible de muestreo, ya que la sociedad annima tendra a su disposicin muchos expertos en estadstica. Si los datos haban de servir en alguna forma, el sindicato tena que estar en posibilidad de dar respuesta a cualesquiera crticas que hiciese a dicho personal especializado. Con todo, debido a que la informacin se necesitaba con premura, el investigador no puso previamente a prueba dicha muestra; es decir, no hizo ningn trabajo de campo con una muestra de la muestra, para ver qu clase de resultados lograra el cuestionario y qu tipo de contestantes sera el que habra de encontrarse. Una elevada proporcin de los afiliados al sindicato la componan trabajadores semiespecializados de lnea de montaje, domiciliados todos ellos en una gran ciudad industrial. La movilidad de este grupo en cuanto a domicilio es muy alta, y un porcentaje indeterminado, aunque numeroso de ellos, no deja indicado su nuevo domicilio cuando mudan de residencia dentro de la ciudad. Tambin es muy posible que la lista de socios del sindicato jams fuera exacta. Si la lista era verdaderamente adecuada, es un punto que, naturalmente, tena que resolverse por medio de una prueba previa, antes de que se invirtiese en la investigacin cantidad apreciable alguna de dinero y tiempo. El resultado fue que solamente uno, aproximadamente, de cada cuatro contestantes se encontrase en su casa cuando los entrevistadores hicieron una primera visita por la noche. No fue posible localizar a otro treinta por ciento ms de los contestantes sin emplear complicados mtodos para encontrarlos, mtodos que eran demasiado caros en esta fase de la investigacin. As, pues, aceptar en la lista una proporcin elevada de nombres alternativos hubiese dado un tipo totalmente distinto de contestantes; la muestra resultante habra propendido
226
marcadamente hacia los trabajadores de ms edad y menor movilidad, y contenido un nmero desproporcionado de trabajadores con descendencia, que haban comprado la casa en la que vivan. Toda vez que cierto nmero de preguntas giraban en tomo de la salud y de las preocupaciones por lo futuro, para que demostrasen la necesidad de pensiones, era de esperar que este grupo ms viejo de trabajadores tuviese ms experiencias de tiempo perdido, a causa de mala salud, y ms preocupaciones por su salud y su futuro econmico, junto con un mayor nmero de dolencias fsicas actuales. Estos datos hubieran respaldado vigorosamente la posicin adoptada por el sindicato, pero no tendran valor alguno, debido a que la muestra habra sido tendenciosa. Por consiguiente, se abandon este estudio en el curso de su etapa de entrevistas, y despus que se haban ya gastado en l varios miles de dlares. Tal como lo indicamos, en este caso, la aceptacin primera de la lista del sindicato tuvo resultados de gran alcance en cuanto a destruir la utilidad de lo descubierto en la investigacin. Por lo tanto, ilustra la importancia que tiene la investigacin cuidadosa del significado de las listas antes de que se las acepte cual si constituyeran el universo deseado. 3) Muestreo tendencioso en su fase de operaciones de campo. Viendo ahora la mecnica para la obtencin de una muestra al azar, hemos de sealar otro punto. En una zona de casas de vecindad, se procedi a un estudio de las actitudes respecto al uso de anticonceptivos. Los investigadores esperaban encontrar que la mayora de las mujeres interrogadas seran partidarias de tal uso, puesto que casi todos los estudios hechos entre mujeres urbanas haban demostrado este punto. No obstante, se esperaba que en esa zona se dara una proporcin
MAESTRA EN EDUCACIN
227
incluso algo ms alta que entre el total de la poblacin urbana, puesto que contena una alta proporcin de mujeres que trabajaban. Se esperaba tambin que el verdadero uso indicado de anticonceptivos fuera considerablemente ms alto en esa zona que entre la mayora de las dems poblaciones. La muestra se form a base de cada quinto departamento, cualquiera que fuese su magnitud, de todas y cada una de las casas de departamentos de la zona delimitada. Sin embargo, ya desde muy temprano de la recopilacin de datos, los investigadores descubrieron que las contestantes no daban respuestas que encajaran con la hiptesis. Adems, al proceder a una constatacin ms precisa con los datos del censo correspondientes a la zona, se enteraron de que las contestantes tenan, por familia, un nmero mayor de hijos que el que hubiese sido propio de un grupo verdaderamente representativo. Muy pronto se enteraron tambin de que los entrevistadores que haban enviado eran mujeres casadas y con hijos, a las que no les era posible celebrar muchas entrevistas por la noche. Puesto que la mayor parte de la labor de entrevistas la haban llevado al cabo durante el da y, en especial, en el curso, de las maanas, haban captado una muestra compuesta casi por completo de madres que se quedaban en el hogar para atender a sus hijos. As, pues, en la muestra, casi no se incluyeron mujeres que trabajasen. Por grande que sta hubiese sido, tal tipo de propensin hubiera dado por resultado una muestra sin elemento alguno de azar, muy poco til para los fines de la encuesta. La desviacin de la calidad de azar no fue resultado de la mecnica para la obtencin de la muestra en la oficina investigadora. Normalmente, la seleccin de cada quinto departamento ser un procedimiento satisfactorio. En este caso, la falla fue de las operaciones de campo, en cuanto a reproducir
228
la muestra que se haba proyectado. 11.2.2. Muestreo estratificado Aunque situamos aqu el muestreo estratificado, distinguindolo del muestreo al azar, esto no quiere decir que no emplee la seleccin aleatoria. En realidad, depende del azar, pero lo combina con otro mtodo calculado para que aumente el grado de representacin. Debido a que el mtodo mejora dicho grado representativo, permite el uso de una muestra ms pequea que el simple muestreo al azar, con una mayor precisin y las consiguientes economas de tiempo y dinero. A. El caso general. El punto fundamental del muestreo estratificado es el hecho de que un universo homogneo necesita de una muestra ms pequea que la que es necesaria en un universo heterogneo. As, para determinar el contenido de un depsito de 35000 litros de melaza, no necesitamos sacar ms que un pequeo cazo del lquido, si ste est bien mezclado. No obstante, si estuvisemos obteniendo una muestra de un conjunto accidental de personas, necesitaramos una proporcin mucho ms. alta. Si se puede lograr una serie de subuniversos homogneos, de tal modo que, cuando se sumen las muestras, las mismas pasen a constituir la muestra de un universo ms heterogneo, entonces el resultado ser un ahorro de tiempo y dinero, y tambin una mayor exactitud. As, pues, la primera pregunta que ello lleva consigo es la de cmo deber dividirse un universo para que produzca subuniversos apreciablemente homogneos. El primer requisito para la divisin en categoras homogneas es que los criterios para la divisin estn correlacionados con la variable que se est estudiando. El segundo requisito es que los
MAESTRA EN EDUCACIN
229
criterios utilizados no hayan de dar tantas submuestras que su nmero llegue a aumentar la magnitud de la muestra necesaria hasta rebasar la que exigen las sencillas tcnicas de seleccin al azar. El ejemplo que sigue nos aclarar ms estos puntos. Supongamos que se desea un estudio de las tasas de fecundidad de los habitantes de una pequea poblacin, y supongamos, adems, que el investigador conoce las caractersticas de todas las familias de dicho universo, tomadas como grupo. Cul es el procedimiento para dividir este universo en estratos tiles? Generalmente se sabe, o al menos se sospecha, que la fecundidad guarda relacin con la raza, la religin, la educacin, el estado socioeconmico y la edad. stas seran, pues, bases lgicas para la estratificacin. Por otra parte, probablemente no utilizaramos la estatura, el peso ni la afiliacin a un partido poltico, puesto que estos rasgos probablemente guarden muy poca relacin con los niveles de fecundidad. Desde el punto de vista prctico, si emplesemos todas estas bases, se perdera el valor del muestreo, ya que el nmero de submuestras llegara a ser enorme. Veamos lo que pasara si hubiese dos categoras de raza, cuatro de religin, tres de educacin, tres de estado socioeconmico y tres de edad. Entonces, el nmero de submuestras sera igual a 2 x 4 x 3 x 3 x 3, o sea 216. Toda vez que un nmero estadsticamente satisfactorio de la celda ms pequeo no puede, posiblemente, ser inferior a diez casos, esto reclamara un mnimo de 2169 de ellos, suponiendo que el nmero de todas las celdas fuese igual. En virtud de que sabemos que las distribuciones a base de estos criterios no son iguales, el nmero verdadero rebasara muchsimo del anterior. Nadie podra considerar semejante nmero cual si fuera una muestra de una pequea poblacin. Esto ilustra, pues; el segundo requisito del proceso de estratificacin es decir, que el
230
nmero de criterios tiene que ser prctico. Generalmente, para resolver este dilema se da por sentado que muchas de estas variables se dan como factores asociados. As puede escogerse al estado socioeconmico, para que represente tambin la educacin y, quiz parcialmente, la religin. Si, adems, la comunidad es homognea en cuanto a la raza -lo que es muy probable en una pequea ciudad del norte de los Estados Unidos- y si se cree que la nica divisin religiosa importante es entre catlico-romanos y todos los dems -que tambin es probable entonces el nmero de submuestras podra reducirse a 2 (religiones) x 3 (grupos socioeconmicos) x 3 (grupos de edad) = 18 submuestras. ste es, pues, un proyecto de muestra mucho ms utilizable que el primero, y habr de dar una muestra ms representativa que la que dara la simple tcnica al azar. Sigue todava en pie el punto de cmo habrn de escogerse los casos exactos dentro de cada uno de estos estratos, una vez que se les haya establecido, lo cual nos lleva otra vez a los mtodos de muestreo al azar, puesto que, a cada una de las submuestras se la trata exactamente como si fuese un universo, tal como en el caso del muestreo aleatorio simple. Por lo tanto, dentro de los estratos puede aplicarse cualquiera de las tcnicas de seleccin al azar que hemos expuesto anteriormente. Existe, empero, otro problema ms de seleccin, que se refiere al grado de proporcin. El procedimiento acostumbrado y ms frecuente es hacer una seleccin de cada uno de los estratos que guarde proporcin con la contribucin de cada uno de ellos al universo total. As, en el ejemplo que hemos dado ms arriba, si las familias ms viejas, no catlicas, de la clase ms elevada, constituyen, el siete por ciento del total de las familias de la comunidad, entonces este estrato deber tambin dar el
MAESTRA EN EDUCACIN
231
siete por ciento de las familias incluidas en la muestra. Con todo, hay circunstancias en las que de un estrato se saca un nmero desproporcionado. Esto ocurre cuando la diferencia entre dos o ms estratos determinados, o el anlisis intensivo de uno de ellos, presenta un inters especial. Entonces, podemos utilizar un nmero ms grande para estos anlisis de estratos, y disminuir proporcionalmente los resultados cuando tabulemos la totalidad de la muestra. B. Muestras de probabilidad de zonas . ste es un tipo particular de muestreo estratificado, que hace poco se ha establecido con una precisin considerable. No obstante, su nombre induce algo a error, puesto que cabe emplear el muestreo al azar en unidades de superficie, tal como en el caso de escoger cada manzana, municipio o condado de lugar ensimo, o bien colocando simplemente una rejilla arbitraria sobre la zona y numerando las celdas como unidades que constituirn la muestra. As, pues, la muestra de probabilidad de zonas es un tipo especial de procedimiento de muestreo que, hasta cierto punto, se basa en el hecho de que, para fines de muestreo, se puede hechar mano de la homogeneidad de las zonas. Hansen y Hurwitz (1943, pp. 333-362) han descrito la tcnica de muestreo de probabilidad de zonas en la forma siguiente: "Los principios introducidos en el proyecto de muestra. . .incluyen: a) el empleo de unidades primarias de muestreo grandes y heterogneas; b) la estratificacin de estas unidades primarias de muestreo en estratos cuidadosamente definidos; c ) la seleccin de una unidad primaria de cada uno de los estratos, para incluirla en la muestra, de tal manera que la probabilidad de seleccin de cualquier unidad sea proporcional a su poblacin en
232
1940; d) el empleo de un mtodo de subestratificacin de la zona, que permita que la muestra obtenida con la unidad primaria escogida pueda tomarse tambin cual si fuera representante de todo el estrato del que se tom la unidad primaria, ms bien que de la unidad primaria particular, que se da el caso que, ha quedado incluida en la muestra, y e ) el submuestreo de extensiones pequeas dentro de las unidades primarias escogidas y de familias dentro de estas extensiones pequeas. Una afirmacin ms, tomada de este artculos, puntualiza, que la tcnica de muestreo dentro de los condados escogidos, consiste en dividir las uniones primarias de muestreo que se han elegido en extensiones muy pequeas, tales como manzanas de la ciudad o pequeas zonas rurales, para seleccionar una proporcin determinada de estas extensiones pequeas, y preparar una lista completa de todas las unidades de habitacin contenidas en las as escogidas. Aunque este plan de muestreo es bastante caro de organizar, una vez que se han conseguido los datos, es posible aprovecharse del plan para una serie de estudios similares, o para estudios con otros fines, de manera que el costo por estudio viene a ser ms pequeo. Y, ms importante an, se logra una alta precisin de la informacin conseguida por cada dlar gastado. Este criterio es naturalmente, ms importante que el del costo por entrevista. En los prrafos anteriores se ve claramente el significado de una "lista completa del universo". No hay necesidad de hacer una lista completa de todas las personas de una ciudad, Estado o nacin, y ni siquiera de familias. Exige, ms bien, una lista completa de las zonas o subzonas, para escoger aqullas de las que se sacarn an otras muestras ms. No se enumeran todas las familias, ni todos los individuos, hasta que se llega al nivel
MAESTRA EN EDUCACIN
233
final de la obtencin de la muestra. Esta pauta es la que puede verse en la figura 11.3. C. Muestreo doble. Una tcnica til para cierto nmero de situaciones de investigacin en la que, por comodidad, podemos llamar de muestreo "doble". Esta novedad la aplicaron, por primera vez, Hansen y Hurwitz, y se bas en principios tericos formulados por Neyman. Tal como se le utiliz al principio, fue un intento de lograr las ventajas del cuestionario enviado por correo, sin las tendencias o propensiones que generalmente lleva consigo el uso de esta tcnica. El procedimiento consiste en usar el cuestionario por correo en toda la muestra, y la entrevista de campo con una muestra de los que no contestan al cuestionario. Hansen y Hurwitz han, construido tablas y frmulas que permiten hacer rpidamente el clculo de las proporciones que en estos casos, se necesitan para el cuestionario y las entrevistas de campo.
En el censo agrcola de 1945, se hizo una aplicacin apreciable de esta tcnica conjuntamente con un censo regular. No obstante, en este caso, la muestra era toda la poblacin agrcola, y la posterior fue un intento para la comprobacin de los resultados del censo en s, valindose de una labor posterior y concentrada de entrevistas (Deming y Stephan, 1941, pp. 45-49).
Figura 11.3. Sistema de muestreo por zonas, en estudios demogrficos corrientes. (De la publ. P-1450b, Hot to List, de la oficina del censo de los Estados Unidos.)
234
La meta era determinar la exactitud de aquel censo, y que quedaran sealados los distintos problemas del trabajo de campo que ya, se haban planteado. Con todo, la tcnica puede
MAESTRA EN EDUCACIN
235
generalizarse para otras situaciones. Tal vez lograrse fcilmente una comprobacin de la muestra de las entrevistas de campo, por medio de una muestra que se escoja de entre los registros disponibles respecto a los mismos individuos. En algunos casos, puede hacerse necesario sacar una muestra, para proceder a una labor ms intensa de entrevistas, lo cual se ha hecho en cierto nmero de casos de investigacin poltica, tales como en The Peoples Choice, en estudios del pblico oyente de novelas emitidas en serie por la radio durante, el da, y en el anlisis de la campaa de venta de bonos de guerra. Sin, embargo, esta tcnica es particularmente til en los estudios en los que puede emplearse provechosamente el cuestionario por correo, toda vez que, al usarla, se puede evitar gran parte de la propensin habitual del cuestionario .
11.3. Muestras adecuadas

Las pginas anteriores han tratado el problema de lo representativo de las muestras, y tambin unas tcnicas para asegurar el grado necesario de representacin de aqullas. Pero hemos de recordar que ste no es ms que uno de los requisitos para el buen muestreo. Toda buena muestra no slo necesita ser representativa, sino que necesita tambin ser adecuada, y la es cuando tiene magnitud suficiente para que permita confiar en la estabilidad de sus caractersticas. Esto exige, a su vez, cierta medida del error de muestreo. Del mismo modo que para exponer el muestreo tubimos que hacer una digresin acerca de las probabilidades, tenemos necesidad hora de hacer otro a propsito similar antes de que hablemos de los errores del, muestreo. 11.3.1. Media aritmtica y desviacin estndar
236
Aunque no es ms que uno de entre varios promedios posibles, la media aritmtica es lo que comnmente se llama "promedio". Es una medida de tendencia central, que es esencial para la estadstica de probabilidades, debido a algunas de sus propiedades de manipulacin. Su definicin es:
M = X/N
en cuya ecuacin M = media aritmtica, = a funcin suma de", X =valor de cada observacin, y N = nmero de observaciones. As, pues, la magnitud media de la familia en una serie de seis familias que cuentan respectivamente con 8, 7, 6, 5, 4 Y 3 miembros, ser igual a 5.5 miembros. Cuando los datos se agrupan en intervalos de clase, el mtodo para el clculo de la media es el que se ve en la tabla 11.1.
Tabla 11.1
* En este caso, estamos empleando la formula M = fm/N, en la que f = frecuencia de la clase, m = punto medio de la misma clase, y N = nmero total de casos. Esto podemos hacerlo debido solamente a que el valor de cada punto medio podemos tratarlo
MAESTRA EN EDUCACIN
237
cual si fuera el promedio de la clase. Esto es permisible, puesto que "nmero de individuos" es un valor sealado por individuos discretos y porque no hay problema serio alguno de distribucin dentro de la clase. Sin embargo, para datos ms agrupados nos valemos de la frmula M = Mg - ( d 1 /N)i, en la qu Mg = promedio supuesto, d1 = nmero de puntos de desviacin de cada punto medio respecto al punto medio que se ha supuesto es el promedio operante, e i = magnitud del intervalo de la clase. La formula usual de deber modificarse en forma parecida.
Por lo tanto la media es
540 100
= 5.4 miembros por familia.
As, la media aritmtica de una distribucin es el valor cuyas derivaciones sumadas, habida cuenta de su signo, es igual a cero. La media es una medida: de la tendencia central y, con este carcter, describe si una poblacin es, en su conjunto, "alta" o "baja" respecto a un valor determinado que se refiere a una norma particular -en este caso, nmero de miembros de la familia. La otra medida descriptiva que se necesita para medir el error es la desviacin estndar, la cual es una medida de la dispersin que describe cun estrechamente se agrupan distintas observaciones en torno de su media, o cun lejos se apartan de ella. Esto guarda relacin con la media, en cuanto es la raz cuadrada de una cifra que se obtiene elevando al cuadrado las desviaciones de los casos respecto a la media y encontrando el promedio de la cantidad de desviacin elevada al cuadrado. Es pues, la raz cuadrada del promedio del cuadrado de las desviaciones respecto al promedio. La desviacin estndar guarda tambin relacin con lo que antes llamamos curva de probabilidad, en una forma que ahora presentaremos.
238
Las columnas 4, 5 y 6, de la tabla 1, enumeran los valores necesarios para el clculo de la desviacin estndar, cuyo smbolo es . As, pues, cada uno de los asientos de la columna 4 es igual al punto medio del intervalo menos la media. Cada uno de ellos aparece elevado al cuadrado en la columna 5, y este valor se multiplica por su frecuencia apropiada, tomada; de la columna 3. .Luego, la suma de stos se utiliza en la frmula para la desviacin estndar que es: a=
[ f ( x) 2 ] / N ,
en la que f = frecuencias, x = desviaciones y N - nmero de casos. En el caso que nos sirve de ilustracin, los valores son : =
354 / 540 = 0.655556 = 0.81
Debido al hecho de que la desviacin estndar guarda relacin con la curva normal, es posible hacer una afirmacin definida derivada de estos dos valores. Puesto que se sabe que la distribucin de la tabla es de una forma bastante aproximada a la de la curva de probabilidad, puede decirse que a pesar de la corta diferencia, dos tercios de los casos (68.26%) se encontrarn entre el valor representado por M 1; en este caso, 5.4 0.81, o sea 4.59 y 6.21 personas por familia. Si se toman dos desviaciones estndar (2), a cada uno de los lados de la media, esta distancia abarcar el 95.46% de todos los casos; as, estara entre 3.78 y 7.02 personas por familia. Tres desviaciones estndar comprendern, virtualmente, todos los casos de una distribucin normal, ya que abarcarn el 99.73% de los valores observados. Teniendo muy presente el significado de estos dos valores, es
MAESTRA EN EDUCACIN
239
posible que pasemos a ver el mtodo para calcular el error del muestreo. 11.3.2. Error estndar Este difiere de la desviacin estndar por cuanto, mientras esta ltima es una medida de una distribucin real, el error estndar mide la dispersin en tomo de la media de una distribucin hipottica. Los valores que constituyen este valor hipottico son las medias de todas las posibles muestras de un universo. As, pues, la media de esta distribucin es una media de medias, y se la puede ver cual si fuera la media verdadera del universo. La frmula del error estndar es como sigue:
x =
x = error en la que
N
estndar, = desviacin
estndar, y N = nmero de observaciones de la muestra. Acudiendo de nuevo a los datos de la tabla 1, los valores que se consiguen son
x =
0.81 0.81 = = 0.081 10 100
Sin embargo, no conocemos la media verdadera. Si la conocisemos, no tendramos necesidad alguna de una muestra. Adems, no es probable que conozcamos la media verdadera. Aqu, lo que los preocupa, es la estabilidad de nuestra media emprica, es decir, si tomamos una muestra similar de la misma magnitud, cun cerca estar su media de la media de la primera
240
muestra? Por lo tanto, vemos nuestra media emprica cual si fuera la mejor estimacin de la media verdadera. Entonces, si fuese la media verdadera, y si muestra distribucin es normal, podemos decir que otras muestras similares habrn de tener una probabilidad especificable de discrepar en una cantidad determinada respecto a esta media que hemos dado por supuesta. No obstante, no podemos decir que sabemos en cunto nuestra media calculada se desva de la media verdadera, y ni siquiera la probabilidad de una cantidad precisa de desviacin. Si las supiramos, habramos de saber la media verdadera. Por lo tanto, estamos en posibilidad de decir que, si nuestra media calculada es la media verdadera -y es nuestro mejor clculo- las medias de muestras similares tienen 68.26 posibilidades en cada 100, de que no se desven en ms de 0.081 de la media emprica. Dicho en otras palabras, la probabilidad es de 2 a 1 de que estas medias se encuentran entre (5.40 - 0.081 y 5.40 + 0.081). No podemos, naturalmente, establecer probabilidad alguna de la desviacin respecto a la media verdadera, aunque ste es un error comn en la interpretacin. Acerca de, este mtodo para calcular el error, hemos de hacer notar dos cosas. Uno de ellos es que el error se mide de dos maneras. La primera es que se le expresa como una probabilidad, y la segunda, que la probabilidad se refiere a una franja de precisin, ms bien que a un punto. As, en el ejemplo arriba expuesto, puede decirse que, dados nuestros supuestos, las posibilidades son de 30 a 1, de que las medias de muestras similares no variarn ms que dos errores estndar (0.162 personas) respecto a la media de la muestra, si sta es la media verdadera. Esto suscita dos preguntas, que el investigador tiene que contestar: a) la probabilidad (30 a l) es suficientemente alta
MAESTRA EN EDUCACIN
241
para que les satisfaga?, y b) la cantidad de error (0.162 personas) es bastante pequea para que atienda a sus necesidades? Otra cosa que hemos de hacer notar es que, puesto que este anlisis depende de la muestra, slo puede hacerse despus que se ha terminado la investigacin. Otro problema de igual importancia, adems de la evaluacin de la investigacin ya terminada, consiste en planear por anticipado la magnitud de la muestra. Para este fin, Parten nos da la frmula:
Z N8 = T
en la que: N8 = magnitud necesaria de la muestra; = clculo preliminar de la desviacin estndar del universo; Z = nmero de unidades de error estndar iguala la probabilidad deseada; y T = la tolerancia permisible de variacin de la media de la muestra. Valindonos de este ejemplo, supongamos que se desea calcular de modo confiable el ingreso promedio anual de familias incluidas en el estrato de 10 a 15 dlares mensuales de ingresos. Para resolver la magnitud de la muestra, se necesitaran tres cifras, que seran: T, la magnitud permisible de variacin de una media a otra de la muestra -es decir, dentro de qu cantidad de precisin tiene que, caer la media- que se tom cual si fueran 100 dlares; Z, o sea el error estndar equivalente a la probabilidad deseada, que se tom como de 99,a 1, lo que da un valor de 2.57 de la tabla de probabilidades normales a la que antes nos hemos referido; y , que es la desviacin estndar del universo, que se ha calculado cual si fueran 500 dlares. Todos estos valores dan, pues, lo siguiente:
2.57 N 8 = 500 = 165 100
242
As, una muestra al azar de 165 sucesos dara una media de la que se podra decir que habra 99 posibilidades contra 1, de que no se desviase en ms de 100 dlares respecto a otras medias calculadas basndose en una muestra similar. De esta manera, pues, en ltima instancia, el investigador puede planear la magnitud de su muestra con gran precisin: a) si conoce suficientemente bien su universo para calcular su desviacin estndar; b) si puede decidir la extensin del error permisible, y c) si sabe qu nivel de probabilidad es necesario para dicha extensin de variacin. Anteriormente, hicimos la afirmacin de que el error de muestreo de una muestra estratificada es menor que cuando la muestra es el azar. Esto se refiere, lgicamente, a una informacin hecha al comienzo de este captulo. Dijimos all, que hay dos modos de concebir la probabilidad: lgica una y matemtica la otra. Hasta aqu no hemos estado considerando ms que la ltima. El significado de la primera afirmacin es que un empleo de la probabilidad se refiere a las posibilidades de que, una vez hecha, una afirmacin dada sea una afirmacin verdadera. Esto quiere decir que cuanto ms se sabe acerca de un tema, tanto mayor es la probabilidad de que se haga una afirmacin correcta. Cuando se la utiliza debidamente, la muestra estratificada introduce algn conocimiento adicional referente al punto que ha de observarse. Por consiguiente, disminuye la magnitud de la muestra necesaria para hacer un clculo preciso del universo. Si los mtodos para, medir el error de una muestra al azar se aplican a una muestra, estratificada, sern siempre conservadores, puesto que sobreestimarn dicho error. 11.4. Muestreo por cuotas o, internacional
MAESTRA EN EDUCACIN
243
Es probable que se hayan escogido ms contestantes mediante el muestreo por cuotas, que por cualquier otro tipo de muestreo, puesto que, dicho procedimiento ha sido el que ms se ha empleado en las encuestas de la opinin pblica. La tcnica variar de un investigador a otro; pero en general la pauta es dejar una considerable libertad de eleccin al entrevistador, imponindole, empero, la limitacin de que determinadas caractersticas (edad, sexo, estado socioeconmico, raza, etc.) de los contestantes sea representativa de la, zona (ciudad, condado, Estado, nacin) o del grupo entre el que se hace la encuesta (lectores de un, diario determinado, consumidores de determinado producto, etc.) As, si el 30% de los adultos residentes de una ciudad dada han asistido, cuando menos un ao, a la escuela secundaria; si el 25% de los adultos estn ganando 2 500 dlares o ms al ao; y si el 55% ya han establecido sus hogares, los entrevistadores procurarn obtener una muestra final que rena dichas caractersticas. Claro est que, comnmente, hay varias clases para cada una de las caractersticas; respecto a la edad, podemos tener el deseo de contar con una distribucin de nuestros contestantes en las clases siguientes: de 19 aos o menos, de 20 a 29, de 30 a 39, y de 40 o ms. Si, hacia el final de nuestra labor de entrevistas, encontramos que tenemos "demasiados" de la clase de edad de 20 a 29 aos, podemos dejar de entrevistar a individuos comprendidos en esta clase, y poner ms energas para localizar los que corresponden a otras "celdas". El proceso de eleccin de los distintos contestantes se ha dejado, algunas veces, totalmente a cargo del entrevistador. Sin embargo, esto puede llevar a propensiones muy marcadas, ya
244
que las personas asequibles para entrevistas en la calle, en el centro de la ciudad, no son representativas de toda la poblacin. A menudo, los entrevistadores han hecho caso omiso de los barrios mseros, u otras zonas difciles de llegar a ellas. Por consiguiente, los directores de la encuesta han impuesto ms restricciones a sus entrevistadores y les han sometido a mayor supervisin, lo cual puede significar que se lleve un grupo de entrevistadores a un barrio determinado y que en l se localice la cuota necesaria de contestantes que renan las caractersticas que se requieren. Ms tarde, se lleva el grupo a un barrio de tipo diferente. De todos modos, la finalidad, en este caso, sigue siendo conseguir la cuota adecuada de individuos correspondientes a cada una de las celdas. Tal como puede verlo el investigador, ste no es un procedimiento satisfactorio si se necesita de una gran precisin. Hay muy pocos motivos para esperar que todas las caractersticas de importancia sean representativas de la poblacin cuando lo son dos o tres de ellas. La verdad es que hay pruebas abundantes de que no es ste el caso. Adems, desde el punto de vista estadstico, el mtodo es particularmente dbil, puesto que no hay forma de calcular los lmites y el error permisible, ni el nmero necesario, para la muestra, si no se emplea un muestreo estricto de probabilidad. Por otra parte, el muestreo por cuotas se ha utilizado debido a que es ms barato para un estudio dado. Establecer un buen plan de muestreo para una zona o ciudad determinada es caro, aunque quiz no tan costoso en relacin con el grado de precisin que con l se consiga. A pesar del hecho de que el muestreo por cuotas da resultados burdos, los mismos pueden ser satisfactorios para el fin perseguido. Por ejemplo, si el objeto del estudio ha de ser la reaccin del pblico a una campaa dada de publicidad, a un producto comercial determinado o a un
MAESTRA EN EDUCACIN
245
asunto pblico de importancia, pueden bastar las simples diferencias de porcentajes. Por lo tanto, el muestreo por cuotas puede tener xito para metas prcticas cuando sean bastantes unos resultados rpidos y toscos. Es as como el investigador tiene que percatarse de estos puntos dbiles, ya que de otro modo creer que los datos obtenidos con esta tcnica de muestreo son fidedignos, por la sola razn de que se ha usado una muestra grande. Estos comentarios pueden hacerse tambin cuando se escoge una muestra de ciudades o zonas "con un propsito" en la mente, es decir, debido a que renen ciertas caractersticas que se cree que son "tpicas". Se utilizan algunas demarcaciones, Estados o ciudades, porque los resultados que en ellas arrojan las elecciones coinciden con los resultados nacionales; o debido a que las pautas econmicas se presentan en ellas antes de que lo hagan en una extensin mayor; o bien porque parecen ser regiones "clave" en otros aspectos. stos son procedimientos de tanteo, pero la lgica que los respalda es la misma que la de las muestras por cuota para encuestas. Su debilidad final es que no encajan en los requisitos de la teora de las probabilidades, y la consecuencia prctica es que la muestra discrepa del universo en modos y formas que no se conocen.
Captulo 12
246
Tcnicas de escalamiento: Problema fundamental

12.1. Finalidad
El problema al que se aplican las tcnicas de escalamiento es el de ordenar una serie de sucesos o hechos, a lo largo de alguna especie de continuos. Dicho en otras palabras, son mtodos de convertir una serie de hechos cualitativos -a los que llamamos atributos- en una serie cuantitativa -a la que llamamos una variable. La mejor manera de ver la complejidad de esta labor y, por ende, sus muchas dificultades, es examinando lo que se entiende por ordenar sucesos o hechos, a lo largo de un continuo. Por ejemplo, si deseamos medir la magnitud de una serie de familias, no surge problema alguno. Se cuentan las familias que tienen determinado nmero de miembros. Todas las que tienen siete de ellos, tienen tambin al menos seis; todas las que tienen tres, tienen tambin al menos dos, y as sucesivamente. Esto es manifiesto y queda dentro de la naturaleza del carcter ordinal de la medicin. Est claro que nadie puede ahorrar su segundo millar de dlares sino hasta despus de haber acumulado el primero, lo cual se debe a que el dinero que hay en la alcanca es una caracterstica cuantitativa (una variable), y la comparacin entre dos individuos, o grupos de individuos, es fcil de hacer. "Pero -alguien puede preguntar- para qu hemos de molestarnos? Cules son las ventajas que tiene el empleo de variables, en lugar de servirnos de los atributos?" Las respuestas a estas preguntas implican cierto nmero de consideraciones, pero el esquema fundamental es claro. Las ciencias varan
MAESTRA EN EDUCACIN
247
muchsimo en sus relaciones con las matemticas. Muchos estudios originales de qumica o biologa no exigen, por parte de quien los lee, conocimiento alguno de matemticas superiores, pero no es este el caso cuando se trata de un estudio de fsica. Sin embargo, todas las ciencias avanzan hacia una mayor precisin. Esto toma muchas formas, pero una de ellas es la medicin de graduaciones. Los colores no pueden ser rojo, azul y amarillo, e "intermedios"; se les tiene que medir de modo que cada uno de los "intermedios" tenga un lugar en el disco, el espectro u otra escala de colores. Expresado de otra manera, las categoras aproximadas no dan ms que datos tambin aproximados de observacin. Si se divide una poblacin entre "conformes-indiferentes-disconformes", el resultado son tres categoras perfectamente buenas. No obstante, si ahondamos el problema, encontramos ms "intermedios". Las categoras pasan a ser demasiado rudimentarias. As, pues, un aumento del nmero de las: categoras ordenadas va dando diferencias cada vez ms pequeas entre las que son contiguas, facilita la obtencin de mediciones ms precisas y, al mismo tiempo, ordena los casos de acuerdo con algn principio que va siendo ms reconocible a medida que prosigue nuestro sondeo. Adems, los atributos no pueden sujetarse a manipulacin matemtica alguna. Cuando se les expresa en alguna forma numrica las variables son ms flexibles. En sociologa, la mayor parte de los datos consiste en variables cualitativas a las que hay que disponer de tal modo que representen una serie cuantitativa. Por ejemplo, si se desea comparar dos personas, o grupos, respecto a su posicin social, cmo habremos de hacerlo? Aceptando de momento que: a) los bienes materiales; b) la cantidad de participacin en la obra de la comunidad; c) la educacin; d) los antecedentes familiares y e) la cantidad de ingresos, constituyen, todo ello, elementos que
248
entran en la posicin social general, como es posible comparar los que son bajos en cuanto a c) y altos respecto a b), con los que estn altos en c), pero en realidad bajos en b)? Viendo otro ejemplo supongamos que un problema exige la comparacin entre dos personas, o grupos, por lo que se refiere a sus actitudes respecto a un partido poltico. Algunos quiz sean contrarios a todas las polticas seguidas por el partido, y otros pueden oponerse solamente a algunas de ellas y ser partidarios de otras; algunos quiz lo respalden slo porque se oponen a otro partido, y otros ms quiz apoyen a los candidatos del partido, pero condenen las polticas seguidas por ste. En qu forma es posible comparar estos grupos o personas, en una escala de actitudes, favorables o adversas, respecto a este determinado partido poltico? El lector que sea buen observador ver de inmediato que, en ambos casos, es posible diferenciar los tipos cualitativamente, sin que ello implique forzosamente que, en el primer caso, se pueda identificar una posicin social ms elevada, o que en el segundo pueda describir una mayor oposicin al partido. Sin embargo, el desarrollo de una sociologa ms cientfica exige mediciones comparativas y cuantitativas, y no siempre habr de bastar el anlisis cualitativo anterior. El problema del escalamiento se ha planteado en ramas tan diversas como en el estudio de actitudes, prcticas institucionales, idoneidad de la vivienda, posicin social, medio ambiente de vecindario, y prestigio profesional, y se le ha empleado en cierto nmero de formas. Antes de que presentemos un anlisis de estas tcnicas, parece til que hagamos algunas observaciones generales acerca de los problemas capitales con que se tropieza en esta rama.
12.2. Problemas generales

La explicacin que sigue se limitar a los problemas que
MAESTRA EN EDUCACIN
249
son comunes a todos los tipos de escalamiento. El tratamiento exhaustivo exigira la introduccin de escalas o de tcnicas de escalamiento precisas. Algunas de estas ltimas, las trataremos en el captulo siguiente. 12.2.1. Definicin del continuo En los ejemplos que hemos dado anteriormente, pudiera haberse planteado la pregunta de si es o no razonable suponer que existe algo a lo que podamos llamar un continuo de posicin social, o bien uno de fidelidad u oposicin a un partido poltico. Sera, manifiestamente, una pregunta muy justificada, y es de un orden que slo puede contestarse valindose de una lgica cuidadosa, del anlisis de conceptos y de pruebas empricas.
El escalamiento da siempre por sentada la hiptesis de la existencia de un continuo de alguna especie. La naturaleza del mismo puede inferirse de la naturaleza de los hechos o sucesos que se escogen para que constituyan la escala. Por lo tanto, no se pueden incluir en una misma escala hechos o sucesos que no guarden relacin lgica alguna, sin que de ello resulte confusin en los continuos comprendidos dentro de la escala. Por consiguiente, el primer paso del procedimiento de escalamiento, cualquiera que sea la tcnica que en l se emplee, consiste en tener un conocimiento a fondo de la, cuestin. Por lo tanto, antes de que pueda comenzar la construccin, de escalas, el investigador tiene que explotar sistemticamente sus propias observaciones y las de los dems por medio de un cuidadoso estudio de la literatura y de entrevistas con "expertos". Dicho en dos palabras, tiene que encontrar qu es lo que desea medir cuantitativamente.
Con el fin de subrayar la importancia de este paso debemos sealar que toda escala est compuesta de casos o afirmaciones que son slo una muestra del posible universo de sucesos. Si no
250
cuenta con el conocimiento ms completo posible de dicho universo, el investigador no puede tener seguridad alguna respecto al grado, de representacin propio de los sucesos o afirmaciones que haya escogido para su lista provisional. Por ejemplo; si se piensa hacer una escala para medir "la idoneidad de la vivienda", se necesitan dar dos paso; fundamentales: a) el anlisis lgico en defensa de la hiptesis de que s existe un continuo, tal como el de la idoneidad de la vivienda, y b) una clara definicin de lo que significa "idoneidad de la vivienda". Claro est que estos dos pasos implican un conocimiento a fondo de la vivienda y sus problemas. En la construccin de escalas siempre es necesario que se enuncie, de modo explcito, el razonamiento seguido para la seleccin de los casos o afirmaciones. Otro punto importante, al definir el continuo, es que se tenga muy presente la naturaleza de la poblacin que ha de quedar comprendida en la escala. Puede muy bien ser que exista un continuo de actitud en un grupo, y no en otro, o que los puntos que miden el grado de idoneidad de la vivienda en California no tengan validez alguna en Chicago o Nueva York. Por lo tanto, hay que tratar a toda escala con cautela y, cuando se la aplique a una poblacin dismil, se la deber ver como algo provisional. Esto es cierto, naturalmente, tanto si las poblaciones estn separadas en el espacio, como si lo estn en el tiempo o en distancia social. As, pues, en general la construccin y aplicacin de escalas exigen un alto grado de conciencia de los problemas lgicos que rodean las presunciones gemelas de: a) existencia de un continuo, y b) grado de representacin de este continuo, logrado
MAESTRA EN EDUCACIN
251
de acuerdo con la escala determinada en la que se haya pensado. Hay pruebas empricas que se pueden aplicar a la comprobacin de uno y otro de estos supuestos. La pregunta del grado de representacin se contesta por medio de pruebas de validez, de las que trataremos a continuacin. La existencia del continuo puede comprobarse empricamente en cierto nmero de formas, que expondremos por su orden a medida que hablemos de las diversas tcnicas. 12.2.2. Confiabilidad Cabe confiar en una escala cuando produzca constantemente los mismos resultados al aplicarla a una misma muestra. De igual modo que no nos servira de nada una regla graduada que materialmente se dilatara o contrajera al exponerla a la accin de cambios de temperatura, tampoco habr de servimos una escala que rinda un resultado distinto en cada una de sus aplicaciones. Para medir la confiabilidad, hay tres reglas que son de uso corriente. c. Prueba de la prueba. Tal como su nombre lo indica, esta
Grupo regla nosGrupo dice experimental que la escala se aplica dostestigo veces a una misma
poblacin, y se comparan los resultados obtenidos. En el procedimiento estadstico de comparacin se puede utilizar cualquiera de las medidas corrientes adecuadas para este fin. Sin embargo, lo que corrientemente se emplea es alguna forma de correlacin. Antes de que pueda darse por sentada la confiabilidad, tiene que exigirse un alto nivel de asociacin. De todos modos, este
A1
B1
FIGURA. 12.1 Plan para comprobar la confiabilidad de la prueba de la prueba.
252
mtodo para medir la confiabilidad plantea un problema cuya solucin se hace ms difcil. Si las unidades a las que se est midiendo son personas, el hecho mismo de la primera aplicacin de la escala puede afectar el comportamiento de aqullas cuando respondan a la segunda aplicacin. Claro est que este efecto se puede medir, dividiendo aleatoriamente la primera poblacin en mitades, y valindose de un procedimiento de grupo testigo. As, si se ha de poner a prueba la confiabilidad de una escala de actitudes, la tcnica que antes hemos expuesto podra aplicarse solamente a los grupos representados en las celdas sombreadas. As, pues, si A1 cambia, respecto a A, ms de lo que cambie Bl, quedar justificado el supuesto de que la primera administracin de la escala ha afectado a las segundas respuestas. Si tal cosa ocurre, se pueden tener dudas respecto al coeficiente de confiabilidad, puesto que la cantidad de variacin que se debi al
MAESTRA EN EDUCACIN
253
primer estmulo no estar separada de la cantidad de variacin debida a la falta de confiabilidad de la escala. Relacionada con este intento por evitar los efectos del primer escalamiento, existe otra medida de la confiabilidad, que exponemos a continuacin. b. Formas mltiples. En este mtodo para medir la confiabilidad, se construyen, para comenzar con ellas, dos formas de la escala, que se aplican alternada y sucesivamente a una misma muestra. Es evidente que esto no resuelve totalmente el problema del efecto del primer escalamiento, puesto que si las dos formas estn suficientemente correlacionadas para que midan un mismo continuo, entonces su relacin puede ser manifiesta para el sujeto. Adems, contestar a cualquier serie de preguntas acerca de algn sector del comportamiento podra afectar a la segunda serie de respuestas. El nivel de correspondencia entre las dos formas tiene que llegar aqu, lo mismo que en el procedimiento de prueba de la prueba, a indicar un alto nivel de confianza, para que quede asegurada una confiabilidad satisfactoria. En general, el tercer mtodo de medir el grado de confiabilidad es superior a cualquiera de los dos procedimientos, ya que no implica dos experiencias de escalamiento. c. Divisin en mitades. Esta medida de la confiabilidad es una modificacin de la forma en proceder con formas mltiples. Basta con una sola aplicacin de la escala, para conseguir la medida, a causa de que trata las dos mitades de una misma escala como si fuesen dos formas distintas, empleando en ello el mismo procedimiento que el mtodo de formas mltiples expuesto anteriormente. Se divide aleatoriamente la escala en dos mitades, lo cual puede hacerse de cualquier forma prctica,
254
pero que, de todos modos, asegure que la divisin sea el azar. Generalmente, el procedimiento ms sencillo consiste en dividir la escala en dos, poniendo en una de ellas los casos o afirmaciones de orden impar, y los de orden par, en la otra. Es posible hacer esto, regularmente, slo cuando la numeracin de los casos no ha utilizado un principio sistemtico, y es ms seguro que hacer la comparacin entre la primera y la segunda mitades, puesto que la diferencia de fatiga del informante, o el efecto acumulativo de los casos o afirmaciones en el mismo, puede hacer bajar o subir la verdadera correlacin. Cada uno de los dos conjuntos de casos se trata cual si fuese una escala separada, y se les punta de acuerdo con ello. Otro paso es el de corregir el coeficiente de relacin, obtenido entre las dos tablas, aplicando para ello la frmula de profeca de Spearman-Brown,
rn =
nr1 . Esta correccin da por 1 + ( n 1)r1
supuesto que, una escala cuya longitud sea de 2 n casos o afirmaciones ser ms de fiar que una escala de n casos y, puesto que la longitud de la escala se ha dividido, separndola en pares e impares, la totalidad de la escala tendr un grado de confiabilidad ms alto que el que podra tener cualquiera de sus dos mitades. Repetimos una vez ms que el coeficiente deber llegar a un alto nivel antes de que se le acepte como prueba de una confiabilidad adecuada. Quiz tengamos que hacer observar aqu que esta tcnica implica la hiptesis de que el conjunto general de la escala pende conjuntamente, de manera que se puede tomar cualquiera de las dos mitades como adecuadamente representativa de la totalidad, pero tal suposicin no puede ser cierta ms que cuando se cumplen dos condiciones:
MAESTRA EN EDUCACIN
255
1) Tiene que haber una demostracin emprica de que la escala es una unidad, segn lo mencionamos ya en la seccin de este captulo sobre la definicin del continuo, y lo expondremos ms detalladamente al tratar de distintas tcnicas para el escalamiento. 2) Cada mitad de la escala debe contener casos o afirmaciones suficientes para que sea con fiable de por s. Para este fin, el mnimo probablemente sea de 8 a 10, de modo que toda la escala no deber contener menos de 16 a 20 afirmaciones. 12.2.3. Validez Una escala tiene validez cuando verdaderamente mide lo que afirma que puede medir. De inmediato puede verse que esto es algo muy difcil de establecer. Puesto que, tal como lo sealamos anteriormente, la escala mide un continuo que se ha inferido que existe debido a los propios sucesos o casos contenidos en la lista, a menudo no hay medidas independientes que puedan ser tiles cmo criterio de validez para la escala. De todos modos, para que lo sean, toda escala debe contar con alguna indicacin de su validez. De ah que es mucha la labor que queda por hacer en cuanto a convalidar las escalas ya en uso, y tambin respecto a crear tcnicas para su convalidacin. Cuatro son las maneras de estudiar el problema de la convalidacin, y las exponemos seguidamente. a. Convalidacin lgica. ste es uno de los mtodos ms corrientemente utilizados de convalidacin y, a decir verdad, es uno de los ms difciles de aplicar. Se refiere al anlisis, terico o de "sentido comn", que llega simplemente a la conclusin de
256
que, siendo los puntos o partidas de la lista lo que son, la naturaleza del continuo no puede ser otra que la que se ha afirmado que era. La convalidacin lgica o "validez facial", tal como se la llama algunas veces, se emplea casi siempre debido a que dimana automticamente de la definicin precisa del continuo y de la seleccin de los casos en l comprendidos. Por ejemplo, una prueba del "conservadurismo", podra contener preguntas acerca de actitudes referentes a la propiedad, el matrimonio y el sistema poltico. Las respuestas a estas preguntas deberan juzgarse a base de una definicin de sentido comn del conservadurismo, es decir, de respaldar el statu quo. As, podramos convenir en que al contestar una pregunta referente a "qu debe hacerse respecto al comunismo", los conservadores habran de sugerir ms restricciones para el mismo, mientras que los liberales seran algo ms indulgentes. As, pues, nos sentiramos inclinados a incluir esta afirmacin. Sin embargo, el estudio emprico puede indicar que dicho caso es de poco valor, toda vez que algunos conservadores sern menos estrictos, ya que seguirn el concepto propio del siglo XIX, de la proteccin judicial a los derechos individuales. Y muchos liberales, amargados por lo que ellos consideran una traicin del comunismo a los movimientos de reforma, quiz sugieran que tales protecciones tienen que descartarse. Con todo, no ser acertado confiar en la sola convalidacin de lgica y sentido comn. Estas afirmaciones de validez pueden, en el mejor de los casos, ser nicamente plausibles, pero jams definitivas. Para que el empleo de una escala sea satisfactorio, se necesita algo ms que la validez lgica. b. Opinin de un jurado. sta es una ampliacin del mtodo de la convalidacin lgica, con la diferencia, en este caso, de que
MAESTRA EN EDUCACIN
257
la confirmacin de la lgica se consigue por medio de un grupo de personas a las que se considera que son expertas en el campo al que ha de aplicarse la escala. Por ejemplo, si se construye una escala para medir la idoneidad de la vivienda, podra constituirse, para determinar la validez de aqulla, un jurado integrado por ingenieros, corredores de bienes races, conserjes, arquitectos y amas de casa. Puesto que los expertos pueden equivocarse, y ya que con esta forma de proceder no puede obtenerse ms que una validez lgica, podra considerarse que la convalidacin por un jurado es slo ligeramente superior a la convalidacin lgica. c. Grupos conocidos. sta tcnica es una variante del procedimiento por jurado. No obstante, en este caso, la validez se infiere de las actitudes conocidas y otras caractersticas de grupos antitticos, ms bien que de su propia pericia. As, si se construyese una escala con el fin de medir actitudes respecto a la Iglesia, las preguntas podran ser puestas a prueba, dirigindolas a un grupo del que se sabe que asiste a los servicios religiosos, que colabora en las actividades de la Iglesia y que, en alguna otra forma, da muestras de una actitud favorable para esta institucin. Luego compararamos las respuestas obtenidas de esa manera, con las dadas por un grupo del que se sabe que no asiste a la Iglesia y tambin que se opone a ella en alguna otra forma. Si la escala dejase de hacer la distincin entre los dos grupos, no se podra considerar que mida con validez dicha actitud beligerante. Este procedimiento, aunque se le emplea profusamente, siempre ha llevado consigo el peligro de que, adems de su comportamiento conocido respecto a la religin, pueda haber
258
entre los grupos otras divergencias que podran justificar distintas las puntuaciones de la escala. Por ejemplo, los dos grupos con pautas antitticas de comportamiento podran mostrar diferencias de edad, de estado socioeconmico, de antecedentes tnicos, de estado civil, de emplazamiento residencial, y de afiliacin poltica. Podra haber tambin diferencias respecto a liberalismo, conservadurismo, actitudes respecto a diversos autores y obras de arte, etc. Sin embargo, estas ltimas actitudes no podran aceptarse como medidoras de la actitud respecto a la Iglesia, por ms correlacionadas que puedan estar con esta ltima. As, pues, siempre se corre el peligro de que unos puntos que establecen la diferencia entre grupos a favor de la Iglesia y grupos contrarios a ella, no sean los ms significativos para distinguir entre actitudes en pro de la Iglesia y en contra de ella. Adems, quiz el comportamiento conocido que se somete a estudio est asociado a una propensin diferente a convenir o a estar en desacuerdo en cuestiones de orden general. Por consecuencia, slo deber hacerse un empleo muy cuidadoso de la tcnica de los grupos conocidos. Adems, estas medidas de validez son siempre solamente plausibles, y nunca son ciertas. De todos modos, en el estudio de algunos problemas, quiz lo nico que pueda obtenerse sea un alto grado de plausibilidad, y por este motivo la tcnica de convalidacin por grupos conocidos es a menudo til y no se la debe descartar porque quede por debajo de cierto orden de perfeccin. d. Criterios independientes. Hablando en trminos abstractos sta es la tcnica ideal, pero por lo general su aplicacin se hace muy difcil. Tambin, idealmente la llamaramos convalidacin por un criterio independiente. Con todo, si ya hay disponible un solo criterio para medir el continuo
MAESTRA EN EDUCACIN
259
en cuestin, poca es la necesidad que hay de construir una escala. Por consecuencia, generalmente se emplean varios criterios de validez, de manera que la escala sirva para la funcin de medir en forma ms sencilla un continuo que, de otro modo, sera difcil de medir. Por ejemplo, si se desea producir una escala que mida el estado o la posicin social, su validez puede medirse enfrentndola por comparacin con cierta variedad de otros factores, tales como valor en renta de la casa, cantidad de instruccin, emplazamiento del hogar, ingresos, antecedentes de la familia, u otros factores similares. En el supuesto de que el efecto conjunto de estos factores de convalidacin sirvan para medir la verdadera posici6n social, el grado en que la escala se correlacione con estos ndices indicar la validez de ella.
En el presente caso, la gran dificultad radica en el hecho de que los propios criterios independientes pueden no ser buenos ndices del continuo que la escala trata de definir. Esto se suma a lo que antes hemos sealado respecto a si se dispone de dichos criterios independientes y si reflejan exactamente el continuo, y entonces hay muy pocos motivos para la existencia, de la escala. No obstante, hemos de subrayar que, en los casos en que tales dificultades estn ya resueltas, la convalidacin por criterios independientes constituye un poderoso instrumento, y quiz sea la ms vlida de todas las tcnicas en uso. En general, debe quedar bien comprendido que la mejor prctica por seguir es 1a de servirse de cuantas tcnicas sea posible de entre las cuatro disponibles. En realidad, la tcnica lgica deber emplearse y hacrsela explcita en todos los casos. Raras veces ser convincente por s sola, y deber sumrsela al menos con uno de los otros mtodos.
12.2.4. Ponderacin de los casos o afirmaciones
260
Sustancialmente, ste es problema de aumentar la validez de la escala. Adems, no es un problema propio de la construccin de todos los tipos de escalas. De todos modos, es suficientemente diferente del problema de la validez como tal, y reza con un nmero de tipos de escalas que basta para que merezca que lo estudiemos por separado en esta seccin. El problema es sencillo de entender, aunque sus soluciones no siempre son igualmente manifiestas. Recordar el lector que la esencia del escalamiento es reunir varias caractersticas cualitativas en una sola variable cuantitativa. As, pues, tpicamente, las escalas encierran en s una serie de cualidades que se encuentran presentes o ausentes, y la suma de todas ellas nos da la escala. Por lo tanto, a menudo se plantea la pregunta de si todas las afirmaciones (atributos) tienen igual importancia. Si esto no puede darse por supuesto, entonces surge el problema de cmo se puede dejar un margen respecto a esta desigualdad; dicho en otras palabras, cmo asignar un peso o valor a cada una de las afirmaciones de la escala. Tres son los mtodos que generalmente se emplean. Toda vez que el objetivo deseado al ponderar es conseguir una escala que mida con mayor exactitud el continuo que se propone medir, no tiene nada de sorprendente que encontremos que tales mtodos guardan estrecha relacin con las tcnicas para la convalidacin. a. Grupos conocidos. Si se ha visto que las afirmaciones de una escala, an sin ponderar, han establecido distinciones entre dos grupos; cabe mejorar su precisin, aplicando una misma prueba de validez a cada uno de los casos o afirmaciones que constituyen la escala. Ms adelante expondremos las medidas estadsticas que se pueden emplear para ponderar cada una de
MAESTRA EN EDUCACIN
261
las afirmaciones, a base de su aptitud para diferenciar entre los grupos de criterios. Al establecer as un margen para la validez de cada caso o afirmacin de la escala, sta queda en general mejorada. b. Criterios independientes. Esta tcnica es, en esencia, la misma que la del mtodo de grupos conocidos, salvo en que estos ltimos se sustituyen con criterios independientes. Con este mtodo se comprueba, por separado, la validez de cada una de las afirmaciones, mediante su comparacin con criterios independientes. Luego se emplea como factor ponderador, para cada punto, una medida estadstica de la relacin de cada uno de los criterios. c. La escala en s. Cuando se ha establecido que una escala es fidedigna y vlida, entonces la primera aproximacin total de la puntuacin puede utilizarse como criterio para la validez de cada uno de sus casos o afirmaciones. En este caso, el procedimiento es el mismo que el de los dos mtodos que acabamos de indicar, de manera que la ponderacin de cada uno de los casos est en funcin de su relacin con la escala en su conjunto. 12.2.5. Naturaleza del caso o afirmacin Una de las preguntas estrechamente asociada a la validez de las escalas es la que se refiere a la naturaleza de los casos en ellas contenidos. Son muchas las personas que tienen la impresin de que los tests llamados "de papel y lpiz" no coinciden suficientemente bien con otros comportamientos, para que puedan ser instrumentos vlidos. Se tiene la impresin de que estas escalas estructuran la situacin en forma demasiado
262
arbitraria, para que reflejen con exactitud los sentimientos del sujeto. Sin embargo, mientras estas escalas presenten validez adecuada, no hay necesidad de que se tomen en serio dichas objeciones. No obstante, en ciertos casos, puede muy bien prestarse atencin a esta objecin, y se han creado mtodos para habrselas con este problema. Se considera que todos ellos son tests "de proyeccin", aunque pueden diferir mucho en su carcter. La naturaleza esencial del caso o afirmacin de proyeccin, en comparacin con el orientador es que evita, en cuanto es posible, cualquier estructuracin. Se tiene la esperanza de que, de este modo, la respuesta dada por el sujeto se acercar a sus "verdaderos" sentimientos, y no reflejar algunos prejuicios o propensiones implcitos en la propia estructuracin de los casos o preguntas orientadoras. En la actualidad, los tests de proyeccin son los que ms emplean los psiclogos, y estn comenzando a ser empleados por los socilogos. En este momento, slo se hace necesario que aclaremos el hecho de que, en algunas ramas de estudio delicadas y sujetas a controversia, el problema de disminuir el carcter orientador de las preguntas constituye una cuestin de importancia para la investigacin sociolgica. Ya hemos tratado el carcter de proyeccin de la entrevista "no orientadora". 12.2.6. Igualdad de las unidades En los prrafos iniciales de este captulo, hicimos referencia al carcter ordinal de la medicin. As, la exposicin hasta aqu hecha, ha enfocado solamente los problemas que guardan relacin con el escalamiento como mtodo de ordenar o clasificar unidades de un continuo. Adems del problema de si una unidad (persona o grupo) est situada en la escala por encima de otro,
MAESTRA EN EDUCACIN
263
hay tambin problemas acerca de cunto est una unidad ms arriba o ms abajo que otra. Podemos ver claramente la naturaleza de este problema, acudiendo de nuevo a los ejemplos de la magnitud de la familia o del dinero en la alcanca. Toda familia de seis miembros no slo es manifiestamente ms numerosa que otra de slo tres; sino que se puede decir que es dos veces ms grande, o que tiene tres miembros ms. De igual modo, la persona que guarda 2000 dlares en la alcanca tiene ms que quien solamente cuenta con 1000, pero podemos precisar ms la comparacin haciendo observar que tiene el doble. Tal es el empleo de los nmeros al que llamamos cardinal, para distinguirlo del ordinal o principio clasificador. Significa que las unidades de medicin pueden sumarse, restarse, multiplicarse o dividirse. Casi siempre se saca a colacin la pregunta de si las escalas, tal como se las aplica en sociologa, pueden verse alguna vez como empleo de nmeros cardinales, es decir, por ejemplo, puede una casa, a la que se haya clasificado en el encasillado del 96% de una escala de idoneidad de la vivienda, considerarse que es una casa dos veces ms adecuada que la que ha quedado clasificada en el nivel del 48%? Esto podra ser verdad solamente si la escala de viviendas reuniese dos atributos: a) que tuviese un punto de partida en el valor cero, y b) que cada uno de los atributos que constituyesen la escala aadiese un incremento exactamente igual a la escala de idoneidad, del mismo modo que un dlar que se echa en la alcanca es lo mismo que cualquier otro que se le haya ya echado. Ninguna de las escalas sociolgicas que estn en uso rene estas caractersticas. En el captulo que sigue, presentaremos diversas formas de examinar este problema, en tanto que constituye una indicacin de la
264
conciencia que de l se ha formado dentro de la especialidad, y por la cantidad del intento de remediar esta falla en cuanto sea posible. Debemos sealar, adems, que para que sea til una escala, no es necesario que posea un punto cero, o unidades absolutamente iguales, que son caractersticas deseables, pero no esenciales para un buen procedimiento cientfico.
12.3. Normas para el escalamiento

Los problemas antes enunciados, a los que se enfrenta quienquiera que intente el anlisis de escalas, parecen ser verdaderamente formidables. En realidad, no existe escala alguna que tenga una confiabilidad perfecta, una validez absoluta, un punto cero y unidades totalmente uniformes. Hay dos hechos de importancia que el investigador debe tener siempre presentes respecto a la exactitud del escalamiento. En primer lugar, se tiene que poner sumo cuidado por alcanzar un grado de confiabilidad y validez lo ms alto posible y, segundo, que incluso cuando no hacemos una escala que pueda expresarse en nmeros cardinales, las tcnicas pueden ser de todos modos tiles. Mtodos de escalamiento, tales como los que disponemos, constituyen una variedad que va desde un grado muy marcado de tosquedad hasta un refinamiento considerable. A menudo, la situacin de investigacin determinar el grado de precisin y exactitud que pueda lograrse. Cualquier escala que sea fidedigna y vlida, cualquiera que sea su grado de tosquedad en la medicin, es mejor que el no tener ninguna, mientras no haya aplicable alguna otra tcnica ms refinada.
MAESTRA EN EDUCACIN
265
266
Captulo 13
Tcnicas de escalamiento: escalas de distancia social, sociomtricas y de calificacin

Hay en prctica muchas maneras de clasificar las tcnicas de escalamiento. Para los fines de este texto se puede ver la mayor parte de los mtodos distribuidos en cinco categoras principales, con sus subtipos apropiados. As, es posible verlas como escalas para medir la distancia social, escalas de calificacin o estimacin, escalas de categora o rango, escalas basadas en la congruencia interna y escalas de estructura latente.
13.1. Escalas de distancia social
Estas escalas se caracterizan tanto por el continuo que tratan como por su orientacin hacia un desarrollo tcnico que les es particular. El concepto de distancia social se refiere a un continuo que describi Park (1902, 339-344) cual si fueran "los grados y matices de comprensin y proximidad que caracterizan a las relaciones presociales y sociales en general". Definido de esta manera, el continuo desde un contacto estrecho, clido e ntimo, por un lado, hasta el rechazo, por el otro. Al aplicar esta tcnica hay que enfrentarse a dos problemas. Ante todo, es necesario que definamos el resto del continuo, es decir, la medida cual si fuera la distancia social respecto a algo: un grupo social, un valor, o un individuo. El concepto de distancia
MAESTRA EN EDUCACIN
267
social se ha aplicado a las tres. Luego, el segundo problema consiste en medir la distancia social que verdaderamente existe. Esta tcnica es muy flexible, y se la puede adaptar a cierta variedad de necesidades. 13.1.1. Escalas de distancia social de Bogardus A estas escalas se las ha llamado as por su autor, Emory S. Bagardus, que fue de los primeros adentrarse en este campo. l y sus discpulos, as como otros socilogos, han aplicado este mtodo a diversos tipos de grupos sociales, tales como minoras tnicas, clases sociales y tipos de ocupacin, as como de valores ms abstractos. Los dos
Tabla 13.1
ejemplos que siguen ilustrarn el procedimiento:
268
La tabla 13.1 reproduce lo hallado respecto a los grados de distancia social adscritos por 1725 norteamericanos a una serie de tipos tnicos. Respecto a esta tabla hay varios puntos que han de sealarse a la luz de los comentarios generales hechos en el captulo anterior a propsito de los problemas del escalamiento. El primer punto es, naturalmente, que tal como aparece la tabla no presenta una escala, sino ms bien una serie de escalas. Es decir, la serie de grupos tnicos aparece puntuada en cada una de siete escalas. Sin embargo, existe la presuncin explcita de que estos siete atributos estn ordenados formando un continuo de distancia social -desde admisibilidad en un parentesco cercano por matrimonio, hasta la exclusin del pas. Esto indicara la necesidad de una sola expresin para cada uno de los grupos tnicos que representase su posicin respecto a la totalidad de dichos siete atributos. La figura 1, que reproduce grficamente la frecuencia de las respuestas correspondientes a los grupos escogidos, muestra la dificultad que hay para alcanzar dicha meta. As, a los individuos que apostillan como vlida la posicin 6 -les admitira en mi pas solamente como visitantes"-, o la 7 -"les excluira de mi pas" les est lgicamente vedado que apostillen ninguna otra afirmacin, de la escala. Con todo, no es este el caso respecto a las preguntas 1 a 5, ambas inclusive, en las que cualquier persona puede apostillar cualquier combinacin entre las cinco. Esto parecera indicar que las posiciones 6 y 7 aparecen afirmadas tan contundentemente, que no pertenecen al continuo ni siquiera como intervalos aproximadamente iguales, en comparacin con las afirmaciones 1 a 5, lo, cual puede verse por la forma brusca en que caen las curvas de la figura 1, despus de la respuesta 5. Entonces, si se dejan a un lado las respuestas 6 y 7, ser ms sencillo intentar una puntuacin para cada uno de los tipos tnicos.
MAESTRA EN EDUCACIN
269
Figura: 13.1. Frecuencia de respuestas de 1 725 norteamericana
Figura 13.2. Curvas ajustadas a puntuacin de distancia social correspondientes a cuatro minoras tnicas
270
La figura 13.2, presenta curvas ms continuas, que representan las puntuaciones de distancia social para los mismos grupos escogidos, haciendo caso omiso de las respuestas 6 y 7. Est, pues, claro que un ndice que describa la posicin de cualquier" grupo tiene que representar dos valores de cada lnea. Tiene que definir, en primer lugar, la altura de la lnea; es decir; el punto de la escala en el que corta la perpendicular trazada, digamos, para la respuesta 5, y tambin, la inclinacin de la lnea, es decir, el ngulo que la lnea forma con la perpendicular. As, cuanto ms agudo es el ngulo, tanto ms brusca es la inclinaci6n, lo que a su vez indica una cada ms rpida de la proporci6n que acepta al grupo en la posici6n 5 a la proporcin que lo aceptan en la posicin 1. Por ejemplo, la ventaja que detentan los ingleses sobre los polacos no es simplemente que su lnea corta la perpendicular en una posicin ms alta que la de los polacos, sino tambin que la distancia entre las dos curvas es mayor en la posicin 1 que en la posicin 5. Los mtodos para puntuar que reflejaran estos dos factores pueden ir desde complicadas construcciones matemticas a simples clculos aritmticos. E1 mtodo ms prctico consiste en asignar arbitrariamente valores de 1 a 5, tal como aparecen atribuidos en la tabla 13.2, y luego multiplicar el porcentaje de cada uno de los grupos que caen en cada posicin, por el valor de ella. La suma de los valores obtenidos de este modo ser igual a la puntuacin del grupo. Por ejemplo, los valores tomados de la tabla 1 daran las puntuaciones indicadas en la tabla 13.2. De este modo, ser posible poner todos estos grupos en una escala que, en este caso, vaya de 1 440 a 276. Sin embargo, el investigador debe tener una clara comprensin de los supuestos que implica la cuantificacin de las escalas de Bogardus. En primer lugar da por supuesta una cantidad igual de distancia
MAESTRA EN EDUCACIN
271
social entre cada una de las afirmaciones de la escala y la que le sigue. Todava no se ha demostrado que este supuesto responda a la verdad. Adems, no hay un punto cero conocido. Por consiguiente se hace imposible llegar, por ejemplo; a la conclusin de que los suecos son aproximadamente dos veces ms "aceptables" que los polacos, mientras stos grupos quedan en el orden de categora o rango que aparece indicado. No obstante, slo se puede llegar a esta conclusin si se demuestra que la escala cumple con los requisitos que sealamos en el captulo anterior. sta es la cuestin que explicamos a continuacin.
TABLA 13.2
272
a. Definicin del continuo. Ya hemos visto la forma en que se defini verbalmente al continuo. Ahora la pregunta es: Qu prueba emprica existe que demuestre la existencia de un continuo de distancia social? La prueba que tenemos a mano puede verse si se examina una vez ms la figura 13.2. Ntese que todas las lneas ascienden de izquierda a derecha, formando sendos ngulos agudos con la perpendicular del punto 5, lo cual indica que al pasar de la posicin 1 a la posicin 5, hay un nmero progresivamente ms alto de personas que respaldan las afirmaciones. Por ello puede llegarse a la conclusin de que la escala va desplazndose de una distancia social menor a otra mayor. Algunas de las distribuciones -por ejemplo, la correspondiente a los ingleses- no indica aumentos constantes de izquierda a derecha, y esto podra arrojar algo de duda acerca de la existencia del continuo. Es as como dichas desviaciones respecto a la regularidad son pequeas y estadsticamente, insignificantes. Tambin, estas irregularidades aparecen solamente entre los grupos situados en los extremos de la distancia social. Puede, pues, darse por sentado que la escala proporciona un esquema tosco de ordenamiento a lo largo de alguna especie de continuo entre las afirmaciones 1 a 5. Adems, sobre una base lgica, parece seguro que lleguemos a la conclusin de que esto puede identificarse con el concepto de distancia social que Park formulara. sta es, asimismo, una cuestin de validez, de la que trataremos en la seccin siguiente. b. Confiabilidad. No es fcil de someter a prueba una escala de este tipo por lo que respecta a su confiabilidad, ya sea valindose de la tcnica de formas mltiples, ya sea de la divisin
MAESTRA EN EDUCACIN
273
en mitades. La forma de proceder por prueba de la prueba nos da la medida ms efectiva del grado de confianza que podemos asignar a la escala. c. Validez. Ya hemos explicado la relacin lgica entre los puntos de la escala y el concepto de distancia social. Para demostrar an ms la validez de la escala se necesita, empero, razonar cuidadosamente. La aplicacin del mtodo de "grupo conocido" implicara encontrar grupos que se sabe son favorables respecto a algunos de los tipos tnicos, y desfavorables respecto a otros. Si las respuestas de estos grupos encajan en la pauta establecida, entonces la validez parece probable. El empleo del mtodo de criterios independientes exigira demostrar que el orden de rangos o categoras encaja en algn otro orden de rango de aceptabilidad social. Algunos indicadores podran ser el orden de rango de deseabilidad, como inquilinos en una gran unidad de vivienda, la capacidad para obtener empleo y ascensos en la industria, la aceptabilidad como afiliados a un sindicato, las tasas reales de matrimonios mixtos, etc. En todos los casos, tienen que observarse las precauciones referentes a las inferencias de validez expuestas en captulos anteriores. Adems, el investigador debe tener muy claramente presente que la prueba trata de medir actitudes, y no la verdadera "discriminacin". Si la cuestin de las actitudes da o no una accin correspondiente es un problema aparte, el comportamiento en s no cabe determinarlo a base de las solas actitudes. d. Aplicacin a valores. Anteriormente afirmamos que las tcnicas de distancia social pueden aplicarse a valores abstractos y a individuos lo mismo que a grupos. Un breve ejemplo demostrar la forma en que se pueden estudiar los
274
valores, valindose de dichas tcnicas. El estudio de cada distancia social aparece someramente tratado en la siguiente seccin de este mismo captulo. Si el problema es, por ejemplo, el de la atraccin relativa que diversos tipos de comunidades presentan para una poblacin dada, puede establecerse una escala como la que se ve en la tabla 13.3. Es evidente que esta escala habr, de presentar ciertas dificultades, particularmente por lo tocante a describir an ms los tipos de comunidades, pero nos sugiere la flexibilidad de este tipo de escalamiento. e. Inversin de la escala. Podemos ver otra indicacin de la flexibilidad de este tipo de escalas en el hecho de que se le puede emplear no slo para el escalamiento de grupos de valores que son externos a los sujetos que hacen la calificacin, sino tambin al escalamiento de los propios estimadores o calificadores, por lo que respecta a la distancia social entre ellos y algn grupo o valor determinado. Por ejemplo, si se desea determinar clases de grupos o personas por lo que concierne su TABLA a 13.3 * buena disposicin para aceptar digamos a los polacos,
MAESTRA EN EDUCACIN
275
entonces su puntuacin individual (o de grupo) referente a las actitudes hacia los polacos pueden servir como medio para ordenar las estimaciones a lo largo de un continuo de simpataantipata por los polacos. En un estudio de viviendas, llevado al cabo por la Oficina de Investigacin Social Aplicada, se emple esta tcnica para definir los grupos o subcomunidades que tenan un bajo nivel de conciencia de s mismos. Mediante preguntas sobre las clases de personas con las que se "sentan ms a gusto", fue posible definir una pequea comunidad a base del tipo del modelo de personas preferidas. De igual modo, se podra clasificar a las personas por su "proximidad" a la vida rural, mediante la eleccin que hicieran de este tipo de comunidad de entre los que aparecen enumerados en la tabla 13.3. El principio general que rige en estos casos es que se tenga en cuenta solamente uno de los valores de estimacin cual si apareciera incorporado a la definicin del continuo, produciendo as una variable a la que podemos denominar "distancia social respecto a los polacos", "distancia social respecto a la vida rural", etc. f. Limitaciones y aplicaciones. Esta tcnica de escalamiento no est tan limitada por la inflexibilidad de su aplicacin -antes hemos dado ya algunos ejemplos en contrario- como por su tosquedad como medida. Los principales problemas son: a) la presuncin de equidistancia entre los casos o afirmaciones de la
276
escala (Schmid, 1949, pp. 335-337); b) el supuesto de que cada una de las afirmaciones est forzosamente "ms all" de la que le precede, y e) el hecho de que se puede poner a prueba esta tcnica respecto a su confiabilidad slo por medio del mtodo ms bien elemental de la prueba. Por consiguiente, el empleo de este mtodo de escalamiento se limitar, generalmente, a estudios piloto o a investigaciones que, por alguna razn obligada, tengan que terminarse pronto y no exigen un nivel muy elevado de exactitud. Si es ste el caso, cules son los motivos para que hayamos dedicado tanto espacio a exponer este mtodo? El primer motivo lo hemos dado ya anteriormente, y es a saber: que en determinadas circunstancias esta tcnica de escalamiento puede ser satisfactoria. El segundo es que, por su condicin de mtodo primitivo de medicin, una comprensin plena de las escalas de Bogardus ser til para captar lo que los socilogos quieren dar a entender por "continuo", y tambin para la comprensin, as como la creacin de tcnicas de escalamiento ms nuevas y ms precisas. 13.1.2. Medicin socioeconmica Hace unos 15 aos, y aproximadamente 15 aos despus de la aparicin de las primeras escalas de Bogardus, J. L. Moreno y Helen Hall Jennings aplicaron una medida de distancia social que difera radicalmente de la forma de proceder de Bogardus. La principal divergencia de este mtodo, llamado generalmente sociometra, respecto a la tcnica que le precedi, radica en el hecho de que se ocupa en las atracciones y repulsiones entre individuos comprendidos dentro de un pequeo grupo, as como en la estructura del grupo definida sobre esta base. Jennings (1948, 11) ha descrito este mtodo en la forma que sigue: "Dicho brevemente, cabe definir la sociometra cual si fuera un medio para presentar de modo sencillo y grfico toda la
MAESTRA EN EDUCACIN
277
estructura de relaciones que existen, en un momento dado, entre los componentes de determinado grupo. Las principales lneas de comunicaci6n, o la pauta de atraccin y rechazo, se hacen fcilmente comprensibles en una sola ojeada, en toda su amplitud." Esta tcnica se ha aplicado en situaciones tan ampliamente diversificadas como grupos informales, clases escolares, crceles y otras organizaciones, as como en la industria. Toda vez que hay una latitud considerable para la aplicacin de la sociometra, ser oportuno que comencemos con un examen de una primera afirmacin de sus caractersticas, que Jennings hizo en 1943:
FIGURA 13. 3. Ejemplo de una matriz sociomtrica que indica quin escoge a quin para figurar en una comisin escolar
278
"La forma del test sociomtrico tal como se le ha aplicado hasta el momento actual, ha tenido tres caractersticas: 1. Se permite un nmero determinado de opciones, que vara de acuerdo con la magnitud de los grupos a los que se administra el test. 2. Se utiliza un criterio preciso de opci6n, que vara de acuerdo con la actividad funcional del grupo... 3. Se establecen distintos niveles de preferencia para cada opcin".
Figura: 13.4. Ejemplo de sociograma que presenta los datos de la matriz de la figura 13.3
MAESTRA EN EDUCACIN
279
A ttulo de ejemplo de este tipo de procedimiento sociomtrico, hemos escogido un estudio al que ya hemos hecho referencia anteriormente (Jennings, p. 11). Es un libro que trata de la tcnica para estudiar clases escolares, y los requisitos arriba enunciados quedan cumplidos a base de esta situacin. A cada nio se le dejaron tres opciones, y la situacin se defini cual si fuera aquella en la que el criterio para escoger a otros nios de la clase era: "Me gusta trabajar con ellos en una comisin de estudio." Los niveles de opcin se establecieron dicindoles a los nios que sealasen con el nmero 1 al compaero que ms les gustara, el segundo que prefiriesen con el nmero 2, y con el nmero 3 al tercero. El punto principal que hemos de hacer observar en este caso es el hecho de que la situacin de eleccin deber quedar definida de modo que tenga sentido; por ello, se pidi a los nios que sealasen a aquellos con los que les gustara hacer una labor de comisin. Claro est que hay un nmero infinito de maneras en las que se puede estructurar la situacin. Por ejemplo, en un asilo podra ser: "Con quin le gusta comer, compartir un cuarto, pasar sus ratos de ocio; etc.?" O en una industria: "Con quin le gusta trabajar, jugar, visitarse, etc.?" Lo importante, en el punto de que ahora se trata es: a) que la situacin tiene que ser real para el grupo al que se administra el
280
test, y tambin b) que tiene que encajar de manera conveniente con la clase de estructura sociomtrica que est siendo objeto de estudio. Volviendo al estudio de los alumnos de una escuela, el paso siguiente que debe darse es la tabulacin de los datos. Una forma muy til es la que aparece reproducida en la figura 3. Esta forma es la que se conoce con el nombre de matriz sociomtrica, y puede servir de base para el anlisis. Sin embargo, hay otro mtodo analtico que emplea el sociograma. La figura 4 presenta el sociograma que es resultado de situar en l los datos indicados en la figura 3. La funcin de este diagrama es poner claramente, en forma grfica, la red de aceptaciones y rechazos. Si vemos las cuatro filas inferiores de la figura 13.3, las mismas nos indican que el sociograma ofrece tambin otros posibles mtodos de anlisis. Puesto que cada nio presenta una frecuencia diferente de ser escogido y, adems, otra diferente del nivel en que se le escoge, existe la posibilidad de escalar a los individuos en cuanto a su "aceptabilidad". Esto implica, a su vez, la posibilidad de un escalamiento a base de la disposicin por aceptar a los dems. Con todo, debido a la limitaci6n a slo tres opciones, el mtodo antes descrito no es apropiado para este enfoque. Un ejemplo de variante de este mtodo, adecuado para este anlisis, lo encontramos en la Escala de Aceptacin Social del Estado de Ohio (Vase: Goode y Hatt). Se han estado aplicando cada vez ms estas tcnicas a situaciones prctica, tales como en la administracin de campamentos escolares, la eleccin de miembros para tripulaciones de vuelo, y la reciente instauracin en el ejrcito de los Estados Unidos del "buddy system". Tambin han sido de gran utilidad para introducir nuevos conocimientos y tcnicas en
MAESTRA EN EDUCACIN
281
regiones subdesarrolladas, puesto que estas tcnicas cuando son aplicadas especulativamente ayudan a cerciorarse de los conductos de poder, rumores y comunicacin existentes dentro de un villorrio, de una zona rural o de una regin geogrfica ms extensa. Estas y otras variantes de tcnicas sociomtricas ofrecen mtodos ms sencillos para clasificar a individuos por rango o categora dentro de un continuo de "aceptabilidad" o de "extroversin", por parte de los miembros del grupo. Cuando su empleo est justificado, pueden ser poderosos instrumentos de investigacin, a consecuencia de que responden muy bien a los problemas generales de escalamiento. a. Definicin del continuo. La existencia de un continuo de distancia social slo puede aceptarse en cuanto otros criterios demuestren que es igualmente vlido. No obstante, parece que no hay dificultad alguna en definir el continuo de estas escalas cual si fuera la distancia social mientras, el estmulo -la situacin de opcin - sea apropiado para las conclusiones sacadas. b. Confiabilidad. Este tipo de escala es adecuado solamente para medir su confiabilidad por el mtodo de prueba de la prueba. As, pues, Jennings (pp. 27-31) nos presenta pruebas sobradas de que la "posicin de eleccin" se cambia con lentitud y que las mediciones sociomtricas pueden considerarse, pues, cual si fueran fidedignas. c. Validez. Los hallazgos que figuran en la obra que hemos mencionado indican que el criterio independiente de los casos prcticos y la observacin del comportamiento proporcionan indicaciones satisfactorias de la validez y aplicabilidad de los tests sociomtricos.
282
13.2. Escalas de calificacin o estimacin

Este enfoque general del escalamiento es muy comn. Es casi seguro que el estudiante ha tenido algn contacto con un modo de clasificacin estimativa en forma de calificaciones. Cuando el maestro asigna una calificacin a un alumno, est aplicndole una escala de excelencia escolar. Si la experiencia del lector con esta escala ha sido tal, que le ha hecho poner en duda la confiabilidad y validez de este ejemplo de las escalas de estimacin, quiz quiera prescindir totalmente de la tcnica empleada. Sin embargo, la decisin sera algo apresurada, hasta que hayamos expuesto ms completamente los problemas de las escalas de calificacin. El plan para la tcnica de calificacin debe tener siempre en cuenta la existencia de tres elementos: los jueces que harn la calificacin, los fenmenos que han de estimarse, y el continuo a lo largo del cual se les estimar. Si el plan no define adecuadamente, estos tres factores, as como si no asegura que: a) los jueces; b) los sujetos, y c) el continuo estn lgicamente relacionados, entonces slo se podrn esperar resultados sin valor, y en los que no se podr confiar. Todos estos tres componentes tienen que haberse seleccionado cuidadosamente. 13.2.1. Los jueces En general, los juicios de conjunto aumentan la exactitud de cualquier escala de calificacin. La situacin de calificacin y el empleo subsiguiente de la escala indicarn el nmero de los jueces que habrn de necesitarse. Como es natural, puede ser cualquier nmero de ellos, desde uno hasta una gran poblacin.
MAESTRA EN EDUCACIN
283
En determinadas circunstancias, un solo juez es todo lo que puede ser posible. Esto es as, por ejemplo, en la situacin maestro-alumno-calificacin. Asimismo, puesto que los juicios en comn son ms exactos, 'habra que esperar que un promedio de calificaciones del alumno -que representase el juicio mancomunado de muchos maestros en muchas materias diferentes- dara un reflejo ms exacto de la capacidad general del alumno, que el que habra de dar cualquier calificacin de un curso cualquiera. En la literatura sociolgica y psicolgica, se puede encontrar un gran nmero de jueces. Quiz la forma ms comn de jueces mltiples es su empleo en una clase de escuela superior o universitaria. Por ejemplo, Smith (1943, 185-192) utiliz a 345 estudiantes universitarios para conseguir estimaciones del prestigio de las ocupaciones. La posicin final de la ocupacin se consider que era el valor, medio de todas las estimaciones. El empleo de estos "jueces si bien aumenta la confiabilidad de las estimaciones, presenta un grave punto dbil. El nmero de jueces es muy satisfactorio, pero las caractersticas selectivas que definen a los estudiantes universitarios hace que sea peligrosa la aplicacin de sus estimaciones a un contexto ms amplio, es decir, los jueces no representan a la poblacin, ni tampoco son expertos. El resultado es que se limite tajantemente el empleo de escalas basadas en estos juicios tan estrechamente escogidos. Una manera de eludir este problema es valerse de varios jueces, pero escogindolos a base de su pericia en relacin con el continuo sometido a examen. En tal caso, surge la dificultad de encontrar estos peritos y demostrar su pericia. Adems, en muchos continuos, tales como el de "prestigio de las ocupaciones", la pericia no tiene significado alguno. Cada quien
284
es un experto por lo que se refiere a sus propias estimaciones. Otra manera de esquivar el problema de la selectividad de los jueces es utilizar con tal calidad a una muestra de la poblacin a la que posteriormente se aplicar la escala. Este procedimiento es el que siguieron North y Hato (1949) al estudiar el mismo problema que estudiara Smith en el ejemplo antes citado, es decir, el del prestigio de las ocupaciones. En este caso el Centro de Investigacin de la Opinin Nacional se entrevist con una seccin transversal de la poblacin de los Estados Unidos. A menudo, este tipo de juicios plantea el problema de la ignorancia, y la mejor manera de resolverlo es mediante el empleo de expertos. Sin embargo, en el caso particular de que se trata, eran relativamente pocas las ocupaciones que la poblacin desconoca, de modo que la escala no hubo de padecer materialmente. 13.2.2. E1 continuo y los sujetos La propia escala para la estimacin est siempre compuesta de dos partes: unas instrucciones que indican el sujeto y definen el continuo, y una escala que define los puntos de escalamiento que deber emplearse al hacer la calificacin. Hay dos mtodos generales para hacer esto ltimo, el empleo de descripciones verbales y la tcnica grfica. a. Tcnica grfica. sta quiz sea la ms conocida, ya que es el tipo de hechos o preguntas que se encuentra en muchos de los formularios de evaluacin. Por ejemplo, este hecho aparece en las escalas de estimacin o calificacin referentes a maestros.
MAESTRA EN EDUCACIN
285
Se le pide a usted que califique a su maestro, a base de cierto nmero de caractersticas. Srvase poner una apostilla () en el lugar de cada lnea que usted cree es la que mejor define el modo habitual de ensear de su maestro. Respecto a entusiasmo por la materia por l enseada, parece estar:
Intensamente Definidamente Ligeramente Ms bien Definitivamente aburrido interesado interesado, aunque interesado? Desinteresado que por el material? en su materia? no intensamente? interesado?
Dentro de los lmites generales de la utilizacin de escalas de estimacin, se puede emplear provechosamente el mtodo grfico. No obstante, Guilford (1936, 271-272) sugiere que, al utilizarlo, se observen cuidadosamente los principios siguientes: 1. Cada rasgo o caracterstica deber ocupar toda una pgina. Esta regla se observa muy raras veces. Cuando haya de darse la estimacin de un gran nmero de individuos, es mucho mejor que se les califique a todos ellos respecto a, un solo rasgo antes de que se pase al siguiente. 2. La lnea deber tener cuando menos 12.5 centmetros de longitud, aunque no habr de ser ms larga, de manera que se la pueda captar fcilmente en su totalidad. 3. La lnea no deber tener claros ni divisiones. Una lnea interrumpida puede sugerir una variable discontinua.
286
4. Los extremos "bueno" y "malo" debern alternarse en orden aleatorio, de manera que se evite la tendencia motora constante a apostillar a un solo lado de la pgina. Introdzcase cada uno de los rasgos con una pregunta en la que la calificacin d una respuesta, es decir: En qu forma ha respondido cuando se le ha elogiado? Emplense tres o cinco objetivos descriptivos: dos de ellos extremos y uno o tres intermedios. Las frases descriptivas debern estar impresas o mecanografiadas en tipo pequeo, con considerable espacio en blanco entre ellas. Slo debern emplearse trminos descriptivos universalmente comprendidos, evitando vulgarismos y otras expresiones coloquiales. Hay que decidir de antemano cules sean los extremos probables de aptitud (o del rasgo) que habrn de encontrarse en el grupo o grupos en los que se emplear la escala.
5.
6. 7.
8.
9.
10. Las frases de los extremos no habrn de tener un significado tan marcado como para que los calificadores las rehuyan 11. Las frases extremas han de quedar ajustadas al ras de los extremos de la lnea. 12. La frase promedio o neutra deber estar en el centro de la lnea. 13. No hay necesidad de espaciar por igual las frases descriptivas. El significado de las intermedias deber aproximarse ms a la que sea la frase central que a las extremas.
MAESTRA EN EDUCACIN
287
14. Al apuntar utilcese una plantilla que divida cada una de las lneas en varias partes, a las que se les asignan valores numricos. 15. No es necesario que las divisiones de la plantilla para puntuar sea iguales; se las puede hacer de manera que se ajusten a la distribucin de las calificaciones 16. Al calificar no se necesita ninguna distincin ms minuciosa que la que se emplee al puntuar. Si acaso las unidades de puntuacin pueden ser ms pequeas que las de calificacin o estimacin. b. La tcnica descriptiva. Hay dos formas generales de proceder a este modo de definir el continuo y de situar los puntos. La mejor manera de ilustrar una de ellas la encontramos en la escala de ocupaciones de Smith, que ya hemos mencionado. Sus instrucciones a los jueces para calificar son: "cada una de las ocupaciones (se aprecia) en una escala de 100 puntos, cuyo lmite inferior se concibe cual si estuviera reservado para la ocupacin que goza del menor prestigio en los Estados Unidos, de acuerdo con la estimacin personal del calificador, y la puntuacin ms alta queda reservada para la ocupacin que goce del mayor prestigio, independientemente de si en las ocupaciones del estudio se incluyeron o no limites extremos. Tambin se dieron instrucciones al calificador para que diese una misma calificacin, o ms de una, de las ocupaciones si le parecan ser iguales. Todas las calificaciones se hadan a base de nmeros enteros. "El ttulo y definicin de cada una de las ocupaciones empleados en el estudio estaban anotados en una hoja de papel aparte, para facilitar as la comparacin y calificacin. Se le
288
sugera al evaluador que hiciese rpidamente un ordenamiento preliminar de las ocupaciones, dividindolas en varios grupos, cada uno de los cuales representase un grado general de prestigio de las mismas, tales como muy alto, alto, ligeramente por encima del promedio, promedio ligeramente por debajo del promedio, bajo y muy bajo."
MAESTRA EN EDUCACIN
289
Se observar que en este caso slo se dan las puntuaciones extremas, y que las mismas vienen especificadas cual si fueran 1 100. Se da por supuesto que todas las dems posiciones quedan en puntos de unidades entre los dos anteriores. Esta forma de proceder es, naturalmente, similar a una escala grfica con 100 grados, pero de los que slo aparecen descritos dos. Hablando en trminos generales, no es probable que esta tcnica se pueda aplicar de modo general. Impone una pesada carga a
los jueces, ya que no especifica los puntos intermedios de referencia y tambin da por supuesta cierta facilidad en el empleo de porcentajes. En la tabla que va a continuacin enumeramos unas pocas de las ocupaciones comprendidas en el estudio de Smith.
290
En la escala para calificar el prestigio de las ocupaciones que establecieron North y Hatt, se emple una forma de proceder algo distinta. Recordar el lector que, en este caso, los jueces fueron una muestra representativa de todos los Estados Unidos, en lugar de que lo fuesen estudiantes universitarios. Por lo tanto, no pudo hacerse presuncin alguna de gran conocimiento de la abstraccin de una escala del 100%, y se necesit de un mtodo ms sencillo. Se utiliz una adaptacin del mtodo utilizado en la Escala de Aceptacin del Estado de Ohio, en la forma que sigue: El proceso calificador fue presentado por los entrevistadores del modo siguiente: Ahora voy a pedirle que juzgue cierto nmero de ocupaciones. Por ejemplo, un guardafrenos ferroviario. Cul de las afirmaciones contenidas en esta tarjeta (ENTREGANDO LA TARJETA CALIFICADORA AL CONTESTANTE) es la que indica mejor la opinin personal propia de usted respecto a la posicin general del guardafrenos ferroviario? (PAUSA.) Qu nmero de esta tarjeta escogera usted para l? (ANTESE LA RESPUESTA.) Procure no juzgar una ocupacin por la opinin que se haya usted formado de alguna persona a la que conoce que tiene un empleo igual. Ahora bien, cmo juzgara usted un...? (Procdase a seguir la lista de ocupaciones.) La tarjeta calificadora que se entregaba a cada uno de los contestantes era como se reproduce a continuacin: Respecto a cada una de las ocupaciones que se mencionan, srvase escoger la afirmacin que mejor d su propia opinin personal de la estima general en que se tiene a la ocupacin. 1. Excelente estima. 2. Buena estima. 3. Estima promedio. 4. Estima algo por debajo del promedio
MAESTRA EN EDUCACIN
291
5. Poca estima. X. sta, no s donde, situarla. Se ve claramente que esta tcnica presenta, al menos, dos puntos dbiles. Da por supuesta una distancia igual entre cada una de las descripciones, y limita la minuciosidad de la eleccin. Tanto la escala grfica, como el mtodo del 100% de Smith, hacen que no tenga efecto este problema. Parece, pues, evidente que todo el plan del estudio determinar, de ordinario, el mtodo que haya de emplearse en los casos que exigen el uso de la tcnica calificadora. En general, no parece ser que los resultados que se han obtenido del plan sean demasiado dismiles cuando se aplican cuidadosamente cada uno de los mtodos. 13.2.3. Confiabilidad En este caso, la confiabilidad est en funcin del nmero de jueces y del nmero necesario de discriminaciones. Generalmente, no debern ocuparse menos que ocho jueces ni ms de siete discriminaciones. La mejor manera de medir la confiabilidad en este caso es emplear el mtodo de prueba de la prueba, aunque algunas veces puede tambin aplicarse la tcnica de formas mltiples. 13.2.4. Validez El problema de la validez no presenta aspectos especiales y se la puede poner a prueba en cualquiera de las formas habituales. 13.2.5 Limitaciones aplicaciones La mayor limitacin de esta tcnica consiste en que depende de los jueces, en lugar de criterios independientes. Sin embargo, en este caso particular no es problema, ya que por lo generar el "prestigio" se define a base de que la poblacin lo califique alto o bajo y, por otra parte, tiene la ventaja de que es un procedimiento
292
muy flexible y sencillo.
MAESTRA EN EDUCACIN
293
Bibliografa Citada
Allwood, J. y otros, Lgica para lingistas, Editorial Paraninfo, Madrid, 1981. Althusser, L., Ideology and ideological state apparatuses. En: Lenin and Philosophy and Other essays , Monthly Review Press, New York, 1972. Apel, K.O., Die Erklren: Verstehen-Kontroverse in Transzendentalpragmatischer Sicht, Frankfurt, Suhrkamp, 1979. Australian Council for Educational Research. Forty-ninth annual report, 1978-79. Hawthorn, Vic., 1979. Bloch, M. Pour une historie compare socites europennes, Revue de Synthse historique, 1928. Bochenski, I. M., Los mtodos actuales del pensamiento, Editorial Rialp, 1971. Bolle de Bal, M., Nouvelles alliances et reliances. Revue de l'Institut de sociologie (Universit Libre de Bruxelles), N.o 3, 1981. Bourdieu, P.; Passeron, J.C., La comparabilit des systmes d`enseignement. En: Castel, R.; Passeron, J.C. Education, dvelopement et dmocratie. Paris, Mouton/De Gruyter, 1967. Bouveresse, J., Explication et comprhension. Le Monde, (Paris) 29 novembre 1980.
294
Boyer, A., Vers l'extension du popperisme. Le Monde (Paris), 24 dcembre 1980. Boys, Pompas de Jabn, Editorial EUDEBA, Buenos Aires, 1964. Bravo Sierra R., Ciencias sociales: Epistemologa, lgica y metodologa, Teora y ejercicios, Editorial Paraninfo, Madrid, 1984. Brunner, A., La connaissance humaine. Editorial Aubier, Pars, 1943. Bunge M., la investigacin cientfica. Editorial Ariel, Barcelona, 1972. Bunge, M., La ciencia: su mtodo y su filosofa. Editorial Siglo XXI, 1980. Calleweart, S.;Kalls, D., The rose coloured wave in Swedish pedagogy, Educational studies. Dorchester-on-Thames, UK, vol.2, n 3, October 1976. Campbell, D.T. Qualitative knowing in action research. [Comunicacin a la Asamblea de la American Psychological Association, 2 de setiembre de 1974]. Cardinet, J. Schmutz, Madeleine, L'valuation des recherches en pdagogie. Neuchtel, Suisse. Institut romand des recherches et de documentation pdagogiques, 1975. Cassirer, Filosofa de las formas simblicas, Fondo de Cultura Econmica. Mxico, 1979. Claparede, E., La psychologie est-elle une science explicative? (Documento presentado al Congreso internacional de filosofa, Ginebra, 1904). Corey, S.M., Action research to improve school practices, Teachers College, Columbia University, New YorK, 1953. Crahay, M., Contrler et rguler une approche interactive . Bildungsforschung un Bildungspraxis / Education et recherche (Zug,
MAESTRA EN EDUCACIN
295
Klett und Balmer pour la Socit suisse pour la recherche en ducation), 3 Jahrg., Heft 2, 1981.
Cronbach, L.J., Beyond the two disciplines of scientific psychology. [Comunicacin a la Asamblea de la American Psychological Association, septiembre de 1974]. Cronbach, L.J.; Suppes, P., eds. Research for tomorrow's schools: disciplined inquiry for education. London, Macmillan, 1969. De Landsheere G., La investigacin experimental en educacin , UNESCO, Suiza, 1982. Deming Edwads W. y Stephan Frederick F., "On the Interpretation of Censuses as Samples", Journal of the American Statistical Association. vol. XXXVI (1941). Doby, T. T., Logia and levels of scientific explanation en E. Borgatta. Sociological Methodology 1969, Jossey Bass, San Francisco, 1971. Durkheim, E., Las reglas del mtodo sociolgico, Editorial Ddalo, Buenos Aires, 1964. Eli de Gortari, La metodologa: una discusin, Universidad Autnoma de Nuevo Len, Mxico, 1976. Furter, P., Les critres de vrit dans la recherche en scicnce (s) de l'ducation. [Coloquio de la APUG, 1980]. Furter, P., Les systemes de formation dans leur contexte. Berne, Lang, 1980. Galtung, J., Teora y tcnicas de la investigacin social, EUDEBA. Buenos Aires, 1978. Gardner, A., Programacin Estructurada, Editorial Ateneo, Argentina, 1986.
296
Goode, J. William y Hatt K. Paul. Mtodos de investigacin social, Editorial Trillas, Mxico, 1984. Guilford, J. P., Psychometric Methods, Editorial McGraw-Hill, Nueva York, 1936. Guilford, J.P., The nature of human intelligence , McGraw-Hill, New York, 1967. Hagood Margaret Jarman, Statistics for Sociologists, Editorial Holt, Nueva York, 1941. Hamilton, D. et al. Beyond the numbers game: a reader in educational evaluation. Basingstoke, UK, Macmillan, 1977. Hansen Morris H. y Hurwitz William N., "On the Theory of Sampling from Finite Populations", Annals of Mathematical Statistics, vol. XIV (1943). Harre, R., Introduccin a la lgica de las ciencias, Editorial Labor, 1967. Hempel, C. G., La filosofa de la ciencia natural, Alianza, 1978. International Council for Adult Education, Status report on the Participatory Research Proyect, Toronto, Canada, 1977. Jennings, Hellen Hall, Sociometry in Group Relations (Washington, D. C.: American Council of Education, 1948). Kant, M., Crtica de la razn pura, Editorial Losada, Buenos Aires, 1973. Kaplan, A., The conduct of Inquiry, Methodology of Behavioral Sciences, San Francisco, 1964.
MAESTRA EN EDUCACIN
297
Kauffmann, F., Metodologa de las ciencias sociales, FCE, Mxico, 1946. Kendall M. G. y Babington-Smith B., "Randomness and Random Sampling Numbers", Journal of the Royal Statistical Society, vol. CI (1938), y "Second Paper on Random Sampling Numbers", ibid, vol. CI (1939). Kerlinger, F.N., The influence of research on educational practice. [Discurso del presidente de la American Educational Research Association en la Conferencia anual, abril de 1977, [Facultad de psicologa de la Universidad de Amsterdam]. La Raison: cahiers de psychopathologie scientifique (Neuilly sur Marne), n 4,1952. Lazarfeld, P. y Boudon, R., Metodologa de las ciencias sociales . Tomo II, Editorial Laia, Barcelona, 1979. Len, A., Nahoum, C. De la doctrine des tests la pratique de la psychotechnique. La Pense (Paris), 1955, n64. Magee, J.F., Enter-operations research, N.A.C.A. bulletin (New York, National Association of Cost Accountants), vol. XXV, n l0, June 1954 Maritain, J., Los grados del saber, Ediciones Descle de Brouwer, Buenos Aires, 1947. Mertonn, R. K., Sociologa de la ciencia, Editorial Alianza, 1970. Mouloud, N., Psicologa y Estructuras, Editorial Columba, Nuevos Esquemas, Buenos Aires, 1970. Nagel, E., La estructura de la ciencia, Editorial Paids, 1974. North, C. C. y Hatt, Paul K. "Jobs and Occupations: A Popular Evaluation", en Logan Wilson y WiIliam, Kolb, Sociological Analysis, Editorial Harcourt-Brace, Nueva YorK,1949.
298
Novikov, L., Probleme der Planung und Organisation dcr pdagogischen Forschung in Sowjetunion [Los problemas de la planificacin y de la investigacin educacional en la Unin Sovitica]. En: Mitter, W.; Novikov, L. Pdagogische Forschung und Bildungspolitik in der Sowjetunion: Organisation - GegenstandMethoden. Frankfurt a Main, Deutsches Institut fr Internationale Pdogogische Forschung, 1978. ParK, Robert E. "The Concept of Social Distance", Journal of Applied Sociology, vol. VIII, 1902. Parten Mildred, Surveys, Polls and Samples: Practical Procedures , Editorial Harper, Nueva York, 1950. Piaget, J., Epistmologie des sciences de l'homme , Denol, Paris, 1969. Pini, G., Pour une dfinition de la recherche action . En: Calpini, J.C. et al. Recherche-action. Genve, Universit de Genve, Facult de psychologie et des sciences de I'ducation, 1981. (Cahier 26). Popper K. R., El desarrollo del conocimiento cientfico, Editorial Paids, 1967. Popper, K. R., La lgica de la investigacin cientfica, Editorial Tecnos, 1973. Quine, W.V., From a logical point of view: nine logico-philosophical essays. Morin, E., Pour la science. Le Monde (Paris), 7 janvier 1982. Reichenbach, H., Moderna filosofa de la ciencia, Editorial Tecnos, Madrid, 1967. Rist, R.C., On the relations among educational research paradigms: from disdain to detente, Washington, D. C., National Institute of Education, 1977. Rosas y Riveros, El mtodo cientfico aplicado a las ciencias experimentales, Editorial Trillas, Mxico, 1986.
MAESTRA EN EDUCACIN
299
Rosas y Riveros, Mtodo Cientfico Experimental, Colegio de Ciencias y Humaniades, UNAM, Mxico, 1980. Sabih, R., Proyecto para un cerebro , Editorial Tecnos, Madrid, 1965. Samara, J., Epistemologa y metodologa: Elementos para una teora de la investigacin cientfica, Editorial Eudeba, Buenos Aires, 1993. Saristan, M., Introduccin a la lgica y al anlisis formal, Editorial Ariel, 1973. Schmid, Calvin F. "Scaling Techniques", en Pauline Young, Scientific Social Surveys and Research , Editorial Prentice Hall, Nueva York, 1949. Simon, H., Las Ciencias de lo Artificial, Editorial ATE, Barcelona, 1979. Smith, Mapheus, Empirical Scale of Prestige Status of Occupations", American Sociological Review, vol. VIII, nm. 2 (abril de 1943). Squires, Fsica prctica, Editorial McGraw-Hill, Mxico, 1972. Stephan Frederick F., "History of the Uses of Modern Sampling Procedures", Journal of the American Statistical Association, vol. XLIII (1948). Taba, Hilda; Noel, E. Action-research: a case study, D.C., National Education Association, Washington, 1957. Tarski, A., Introduccin a lo lgica y a la metodologa de las ciencias deductivas, Espasa-Calpe, Madrid, 1977. Tracts for Computers, nmero XV, Karl Pearson, dir. (Nueva York: Cambridge University Press, 1947). Werdelin, I., Participation research in education, Linkping, Sweden, Linkping University, 1979. Wright, G. H. von, Explicacin y comprensin, Editorial alianza, 1979.
300
Wright, G.H. Von, Explanation and understanding. London, Routledge and Kegan Paul, 1971. Yule George V., "A Test of Tippett's Random Sampling Numbers", ibid, vol. CI (1938). Zettember, H., Teora y verificacin en sociologa, Editorial Nueva Visin, Buenos Aires, 1971.
MAESTRA EN EDUCACIN
301
302

Metodología de Investigación Cuantitativa

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Metodología de Investigación Cuantitativa

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD PERUANA UNIN ESCUELA DE POSGRADO UNIDAD DE POSGRADO DE EDUCACIN

Metodologa de la Investigacin Cuantitativa en Educacin

ESCUELA DE POSGRADO - UPeU

Captulo 1: El mtodo. Generalidades...9

Captulo 2: Los mtodos de pensamiento: La abstraccin, la definicin y la clasificacin.......19

Captulo 3: Los mtodos de pensamiento: La comparacin, el anlisis, la sntesis, la deduccin y la induccin.29

3.6. El mtodo deductivo matemtico..38

Captulo 4: Anlisis de la explicacin...41

Captulo 5: Explicacin deductiva o causal55

Captulo 6: Otros tipos de explicacin.63

Captulo 7: Matriz de datos.69

ESCUELA DE POSGRADO - UPeU

Capitulo 8: Incertidumbre y mediciones...103

Captulo 9: Mtodo cientfico experimental..143

Captulo 10: Cuantitativo y cualitativo...165

Captulo 11: Probabilidades y muestreo207

Captulo 12: Tcnicas de escalamiento: problema fundamental...247

Captulo 13: Tcnicas de escalamiento: escalas de distancia social, sociomtricas y de calificacin267

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

1.2. Caracteres del Mtodo

ESCUELA DE POSGRADO - UPeU

1.3. Lo Distintivo del Mtodo

ESCUELA DE POSGRADO - UPeU

1.4. Elementos del Mtodo

1.5. Clases de Mtodo

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

Los mtodos de pensamiento: La abstraccin, la definicin y la clasificacin

Los mtodos de todas estas operaciones se caracterizan,

2.3. Clases de abstraccin

ESCUELA DE POSGRADO - UPeU

2.4. Grados de abstraccin

2.5. Su importancia y operaciones

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

Los mtodos de pensamiento: La comparacin, el anlisis, la sntesis, la deduccin y la induccin

3.2. Mtodo comparativo

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

3.3. Anlisis y sntesis

3.4. La inferencia inductiva y deductiva

ESCUELA DE POSGRADO - UPeU

que significa indicar, mostrar, sealar, manifestar

3.5. El mtodo deductivo axiomtlco

ESCUELA DE POSGRADO - UPeU

3.6. El mtodo deductivo matemtico

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

4.2. Nociones lingstica, lgica, gnoseolgica, epistemolgica y ontolgica de la explicacin

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

que pretende responder.

4.3. Tipos de explicacin

ESCUELA DE POSGRADO - UPeU

ESCUELA DE POSGRADO - UPeU

Descripcin, prediccin y explicacin

ESCUELA DE POSGRADO - UPeU

bsica en las ciencias histricas, prehistricas y paleontolgicas.

4.5. Rasgos de la explicacin

________________ 4. Qu es incertidumbre? _ _ 5. Qu es intervalo de incertidumbre? ____________