GUIA DE REDACCIÓN DE RESULTADOS EN LA INVESTIGACIÓN INVESTIGACIÓN CIENTÍFICA1 Walter Capa Luque Facultad de Psicología, UNFV Tomando en consideración las normas de redacción científica establecidas por la Asociación Americana de Psicología (APA) en su última edición, normas que son aceptadas universalmente por convención y no por obligación en la comunidad psicológica, presentamos a modo de ejemplos ilustrativos la forma en que se deben presentar los diferentes tipos de análisis de datos que más usualmente se reportan en la sección de resultados en todas las investigaciones psicológicas de carácter empírico. Para quienes se inician en la investigación científica, y con mayor razón si se trata de estudiantes, no siempre resulta fácil ubicar un material bibliográfico que le proporcione toda la información necesaria sobre cómo organizar, presentar y describir los datos obtenidos de los análisis estadísticos. El autodidacta, que está habituado a regular su propio aprendizaje, puede luego de revisar en una cierta cantidad de revistas científicas de calidad académica reconocida llegar a la convicción de cual es la forma más común y didáctica de presentar los resultados de investigación. Sin embargo, esta última modalidad de aprendizaje es muy poco común entre los estudiantes.
En correlato con lo expresado y con la finalidad de facilitar a los estudiantes en la redacción de sus resultados de investigación se ofrece la presente guía que esperamos ayude o sirve de modelo para 4 objetivos básicos: 1º Orientar a denominar un subtítulo subtítulo para los resultados se presentan presentan ya sean en forma de tablas o figuras, según sea el tipo de análisis estadístico utilizado para organizar y simplificar los datos. 2º Orientar a utilizar el estilo APA tanto para numerar numerar la Tabla, denominar el título o nombre de la Tabla, según sea el tipo de análisis estadístico utilizado para organizar y simplificar los datos. Así como para indicar donde y cómo ubicar el número y título de la Tabla. 3º Orientar a utilizar un formato de Tabla según sea el tipo de análisis estadístico utilizado para organizar y simplificar los datos. Así como indicar qué datos se deben colocar en la Tabla necesariamente y cómo. No siempre se reportan todos los datos que los paquetes estadísticos generan. 4º Orientar a redactar los datos contenidos contenidos en la Tabla, según sea el tipo de análisis estadístico utilizado para organizar y simplificar los datos. 1
Material didáctico didáctico preparado preparado para las asignaturas “Diseños de Investigación Psicológica”. “Metodología de Tesis Universitaria”. “Investigación Psicológica 2”.
© Copyright, 2010. Mg. Walter Capa Luque. Facult Facultad ad de Psicología. Universidad Nacional Federico Villarreal. Lima – Perú. EAP Psicología Humana de la UAP. EAP Psicología de la UPEU.
2
. Cuando el resultado a presentar corresponde a un análisis descriptivo.
Análisis descriptivo descriptivo de las dimensiones di mensiones del autoconcepto para la muestra total En la Tabla 1 se aprecia que 52.1% de los niños presenta un nivel de autoconcepto normal o promedio y un 31% se caracteriza por presentar un nivel bajo. Quienes presentan autoconcepto alto representan al 16.9% de la muestra total de los niños con problemas de aprendizaje. aprendizaje.
Tabla 1 Niveles de Autoconcepto en niños con problemas de aprendizaje Niveles Bajo Normal Alto Total
Frecuencia 22 37 12 71
Porcentaje 31,0 52,1 16,9 100,0
. En este caso se describe una variable (autoconcepto) para dos estratos de la muestra (sexo). Muchas investigaciones psicológicas tienen objetivos específicos que buscan identificar de manera precisa y detallada que características presenta una variable cuando la muestra se segmenta (divide o agrupa) por una variable de asignación. Análisis descriptivo descriptivo del autoconcepto global según el sexo de los niños Se observa en la Tabla 2 que tanto los varones (39.2%) como las mujeres (40%) se caracterizan por presentar mayoritariamente mayoritariamente un nivel de autoconcepto bajo. En ambos grupos aproximadamente alrededor de un tercio de los niños presentan un nivel de autoconcepto general alto.
Tabla 2 Niveles de Autoconcepto, según el sexo Niveles Bajo Normal Alto Total
Frecuencia Mujer Varón 8 20 5 14 7 17 20 51
Porcentaje Mujer Varón 40.0 39.2 25.0 27.5 35.0 33.3 100.0 100.0
3
. Previo a los análisis inferenciales de comparación y correlación es necesario determinar si los datos correspondientes a las variables presentan distribución normal. En caso de cumplirse la condición de normalidad, se empleará estadística paramétrica, de lo contrario con trario se empleará estadística no paramétrica. p aramétrica.
Análisis de la distribución normal en las variables de estudio Con el propósito de realizar los análisis comparativos y de correlación, así como para contrastar las hipótesis planteadas, se ha procedido a realizar primero la prueba de bondad de ajuste para precisar si las variables presentan una distribución normal. En este sentido, la Tabla 3 presenta los resultados de la prueba de bondad de ajuste de Kolmogorov-Smirnov Kolmogorov-Smirnov (K-S). Como se observa en la Tabla los datos correspondientes a las 2 variables presentan una distribución normal dado que el coeficiente obtenido (K-S) no es significativo (p > 0.05). Por tanto, para los análisis estadísticos correspondientes se empleará estadística paramétrica. paramétrica.
Tabla 3 Prueba de bondad de ajuste a la curva normal para las variables de estudio
Variables Satisfacción del usuario Calidad de atención * p < 0.05
Media
D.E.
K-S
p
34,80 76,20
4,746 6,669
0,974 1,055
0,299 0,216
. donde las 2 variables de relación son de tipo cualitativo (nominal), o cuando por lo menos una de las variables es nominal y la otra no necesariamente, la relación de dependencia o asociación se expresa mediante el estadístico Chi Cuadrado. Ejemplo de resultados con Chi Cuadrado: Cuadrado:
Análisis de asociación entre Burnout y carga laboral En la Tabla 4 se observa el valor de la prueba chi cuadrada calculada para una tabla 2x2 que hace referencia a la asociación entre Burnout (ausencia – presencia) – presencia) y carga laboral (con sobrecarga – sin – sin sobrecarga). La Tabla muestra que la asociación entre burnout y carga laboral es altamente significativa significativa (X 2 = 244.329, gl = 1, p <.01) y fuerte (Phi = .819, p <.01). Asimismo la estimación de riesgo indica que la sobrecarga laboral es un factor de riesgo (véase Figura 1).
4
Tabla 4 Asociación entre entre burnout (ausencia (ausencia – presencia) y la condición de carga laboral
Pruebas de chi-cuadrado
Valor 244.329 364
Chi-cuadrado de Pearson N de casos válidos
Medidas simétricas Phi Coeficiente de contingencia
Estimación de riesgo Para la cohorte Con sobrecarga (9 a 16 hrs) Para la cohorte Sin sobrecarga (5 a 8 hrs)
Valor OR 6.679 .054
gl 1
Sig. .000
Valor .819 .634
Sig. .000 .000
IC al 95% Inferior Superior 4.605 9.685 .028 .102
200 187
144
100
Sobre carga lab oral Con Con 24
0
9
Con Burnout
Sin
Sin Burno ut
Fig. 1. Número de casos para burnout y sobrecarga laboral
. donde las 2 variables de relación son de tipo cuantitativo (o semicuantitavo). En este caso la relación de covarianza se expresa mediante el coeficiente de correlación de Pearson. Cuando los datos son cuantitativos o semicuantivos (ordinales) pero que no cumplen con el supuesto de normalidad, entonces la prueba a emplearse debe ser la correl correlació aciónn de S earman. earman. Ejemplo de resultados con la correlación producto momento momento de Pearson:
Relación entre conducta sexual de riesgo y autoestima Como se puede apreciar en la Tabla 5, el coeficiente de correlación producto momento momento de Pearson nos indica que existe una relación negativa fuerte y altamente significativa entre el nivel de autoestima y las conductas sexuales de riesgo (r = - 0.71, p< 0.01). Esto quiere decir que cuanto menor es el nivel de autoestima mayor es la práctica de las conductas sexuales de riesgo.
5
Tabla 5 Coeficiente de correlación entre Autoestima y CSR Conducta sexual de riesgo r p - 0.714** Autoestima ** La correlación correlación es significante significante al nivel 0,01 0,01
.000
. donde las 2 variables de relación son de tipo cuantitativo. Sólo que ahora el análisis corresponde a un objetivo específico que busca identificar de manera separada la relación de las 2 variables cuando la muestra se segmenta (divide o agrupa) por una variable de asignación. En la Tabla 6 se aprecia que el coeficiente de correlación ("r") de -0.09 para los varones no es significativo (p>0.05); por tanto, no se rechaza la hipótesis nula, lo cual señala que no existe relación entre autocontrol y la conducta agresiva en el grupo de los varones. Respecto a las mujeres se puede observar que el coeficiente de correlación obtenido de -0.54 es altamente significativo (p < 0.01); por tanto, para este grupo rechazamos la hipótesis nula.
Tabla 6 Puntajes de correlación entre autocontrol y conducta agresiva, según sexo
Comportamiento Agresivo l o r t nHombres o c o t uMujeres A
r
p
(n = 52)
-.093
.512
(n = 28)
-.540 **
.003
** La correlación correlación es significativa significativa al nivel 0,01
6
. La t de Student sólo se emplea para comparar los promedios de 2 grupos independientes. Es una prueba paramétrica. La prueba no paramétrica equivalente de esta prueba es la U de Man Whitey Análisis comparativo comparativo de la Actitud Sexual en las adolescentes Ejemplo de resultados con la t de Student: La Tabla 7 permite apreciar que existen diferencias significativas entre la actitud sexual que presentan las adolescentes embarazadas con respecto de las no embarazadas (t = -2.355, gl = 86, p < 0.05). Los valores de la media indican que las no embarazadas presentan actitudes más favorables o positivas hacia la sexualidad, así como la desviación estándar muestra que es un grupo más homogéneo.
Tabla 7 Comparación de medias en la Actitud Sexual según la condición de embarazo y no embarazo
Situación actual del adolescente Embarazada No embarazada
n
Media
DS
t
gl
p
50 50
3.22 3.80
1.45 0.97
-2.355 *
86
0.02
Ejemplo de resultados con la U de Mann Whitney: Whitney: La prueba de contraste U de Mann-Whitney, utilizado para comparar los grupos de estudio nos permite observar en la Tabla 8 que existen diferencias altamente significativas (U = 2,545; p<0.01) a nivel fonémico en lo que respecta a la tarea de omisión de fonemas en la posición inicial de la palabra. Los valores de la media indican que son las niñas (X=26.02) quienes presentan mayor nivel de desarrollo en contraste a los varones (X=22.68). (X=22.68). Por tanto, se rechaza la hipótesis nula.
Tabla 8 Análisis comparativo la tarea de omisión de fonemas en la posición inicial de la palabra, según sexo Grupos
n
Rango promedio
Suma de rangos
Hombres
50
22,68
6,523
Mujeres 50 26,02 6,601 ** Diferencias significativas ( p< 0.05)
U 2,545
p ,000
7
Ejemplo 8. Cuando el resultado a presentar corresponde a un análisis comparativo con análisis de varianza A N O V A ). Esta prueba se emplea cuando se comparan los promedios de 3 o más grupos en simultáneo. Es una prueba paramétrica. El equivalente no paramétrico de esta prueba es Kruskal Wallis. Análisis comparativo de la satisfacción según condición del usuario Ejemplo de resultados con ANOVA: Los resultados del análisis de varianza indican en la Tabla 9 que existen diferencias altamente significativas en el grado de satisfacción de acuerdo con la condición de usuario (F = 27,860, gl = 2 y 133, p < 0.01). Los valores de la media (véase Figura 1) indican que son los usuarios nuevos (X=36,81) quienes presentan mayor satisfacción en comparación a los usuarios antiguos o continuadores (X= 30,47).
Tabla 9 Comparación de medias de satisfacción de los usuarios en el Servicio de Emergencia, según condición del usuario
Condición del usuario
n
Media
DT
F
gl
p
Nuevo Reingresante Continuador
54 52 30
36,81 34,42 30,47
2,761 3,902 4,826
27,860
2 133
0,000
Figura 1. Tendencia de medias de la satisfacción, según condición de usuarios
Ejemplo de resultados con Kruskal Wallis: Los datos de la prueba de contraste Kruskal Wallis nos permite observar en la Tabla 10 que, cuando se comparan a los usuarios de acuerdo al tipo de seguro, existen diferencias altamente significativas con respecto al grado de satisfacción por el servicio recibido en Emergencia (X 2= 12,633, gl= 3, p<0.01). Asimismo, los valores del rango promedio nos permite observar que son los pen sionistas (X=2.116) y los del SIS
8
(X= 1.181) quienes presentan menor grado de satisfacción satisfacción en comparación comparación a los otros dos grupos.
Tabla 10 Comparación de la satisfacción de los usuarios en el Servicio de Emergencia, según tipo de asegurado
Tipo de asegurado
n
Rango promedio
X2
gl
p
Titular
35
4,386
12,633
3
,000
Pensionista
32
2,116
SIS
33
1,181
Particulares
37
4,011
Ejemplo 9. Las siguientes Tablas ilustran los resultados que se deben reportar cuando se han estimado nuevas propiedades psicométricas para un instrumento. El orden de presentación de los resultados psicométricos para cada instrumento es: confiabilidad, validez y baremos Propiedades Psicométricas Psicométricas del cuestionario de Autoconcepto Confiabilidad En la Tabla 11 se presenta las estimaciones de la confiabilidad como consistencia interna mediante los índices del Alpha de Cronbach para cada dimensión del cuestionario de Autoconcepto de Piers Harris. Los coeficientes Alpha son elevados en las dimensiones de autoconcepto conductual, intelectual y ansiedad porque superan los valores del punto de corte de 0.70, generalmente aceptado como adecuado para los instrumentos psicológicos. Las otras dimensiones cuyos coeficientes oscilan entre 0.65 y 0.69, desde el punto de vista de los supuestos de la teoría estadística en relación al número pequeño de items, muestran una buena consistencia interna (Streiner y Norman, 1989).
Tabla 1 11 E st i im d e c c onf i ia el c A ph p l ha ac i io nes d bi l li i d da d m med i ia nt e e c oef i ic c i i e nt e Al
Dimensiones
N° d de iite ms
Alpha
Conductual
12
0.81
Intelectual
14
0.79
Físico
8
0.69
Ansiedad
9
0.71
Popular idad
11
0.65
Satisf acción
6
0.66
9
Validez Como se puede observar en la Tabla 12 los cálculos estimados y tomando como criterio de aceptación, correlaciones con significancia al p<.05, resultaron eliminados el ítem 4 (¿Tus trabajos tienen siempre la misma calidad o varían considerablemente?) considerablemente?) y el ítem 13 (¿Aceptas las sugerencias de otras personas en trabajos de grupo o insistes en imponer tus ideas?). Los resultados de los análisis de los items ejecutados, que identificaron correlaciones significativas confirman la validez de la Escala de Autocontrol de Kendall Kendall y Wilcox.
Tabla 12 Resultados del análisis de items
Items
r
p
Items
r
p
Items
r
p
1
.308 **
.002
12
.470 **
.000
23
.345 **
.001
2
.311 **
.002
13
.162 ns
.070
24
.397 **
.000
3
.513 **
.000
14
.283 **
.005
25
.475 **
.000
4
.062 ns
.287
15
.467 **
.000
26
.303 **
.003
5
.402 **
.000
16
.271 **
.006
27
.495 **
.000
6
.234 *
.016
17
.318 **
.002
28
.352 **
.001
7
.468 **
.000
18
.221 *
.022
29
.484 **
.000
8
.424 **
.000
19
.230 *
.018
30
.421 **
.000
9
.517 **
.000
20
.298 **
.003
31
.494 **
.000
10
.248 *
.012
21
.582 **
.000
32
.343 **
.001
11
.394 **
.000
22
.422 **
.000
33
.350 **
.001
* La correlación es significativa significat iva al nivel 0,05 ** La correlación correlación es significante significante al nivel 0,01 0,01 ns No es significativo significa tivo
(ítem aceptado)
Baremos En la Tabla 13 se presenta las normas percentilares para la Escala de Autocontrol de Kendall y Wilcox para la población de niños con problemas de aprendizaje. En esta distribución percentilar no se tomó en cuenta los items 4 y 13 puesto que fueron eliminados por el análisis de items.
Tabla 13 Normas percentilares para la escala de autocontrol en niños con problemas de aprendizaje aprendizaje
Percentil
Autocontrol
Percentil
Autocontrol
5 10 15 20 25 30 33
28.00 30.50 31.00 32.00 33.25 34.50 36.00
55 60 65 66 70 75 80
41.00 42.00 44.00 44.10 45.00 46.00 47.00
10
35 40 45 50
36.00 38.00 39.25 40.00
85 90 95 99
50.00 53.00 57.00 61.00
Teniendo en cuenta los valores percentilares (Pc 33 y Pc 66) de la Tabla PP, los niveles de autocontrol quedan establecidos del siguiente modo (véase Tabla 14).
Tabla 14 Puntajes directos categorizados para el autocontrol de niños con problemas de aprendizaje aprendizaje
Niveles de Autocontrol Autocontrol
Puntajes Directos
Alto Normal Bajo
45 – 62 37 – 44 0 – 36
Ejemplo 10. Cuando se van presentar datos de análisis de correlación múltiple. El ejemplo de Tabla ilustra el modo de presentación y descripción de los resultados que se deben reportar mínimamente en un
Modelo con factor de mayor peso explicativo en el consumo de tabaco En la Tabla 15, podemos observar que la ecuación del modelo de Regresión Lineal Múltiple es significativo (F= 8.494, p < .01) para el consumo de tabaco. Los factores incluidos en el modelo explican en un 8% el consumo de tabaco en los universitarios. En los pesos Beta estandarizados, se observa que la variable valoración del cuerpo y de vida es el factor con mayor capacidad explicativa en los universitarios (β = - 0.165, p<0.01). Se observa además que el autoconcepto es la segunda variable con mayor peso explicativo en el consumo de tabaco (β = - 0.120, p<0.01).
Tabla 15 Análisis de Regresión Regresión Múltiple para la variable dependiente consumo consumo de tabaco
Regresión Múltiple R2
= 0.280 = 0.079
F p
= 8.494 = 0.000
Variables Independientes en la ecuación Autoconcepto Apoyo familiar Normas familiares y escolares Satisfacción familiar Apoyo social Valoración del cuerpo y la vida
Beta - .120 - .080 .022 .074 -.036
-.165
t - 2.373 - 1.794 .442 1.681 - .701 - 3.239
p .018 .073 .659 .093 .484
.001
11
EJEMPLO DE FIGURAS Ejemplo de un Figura descriptiva descriptiva con datos porcentuales
Figura 1. Nivel de calidad de atención en el Servicio de Emergencia
Figura 2. Analisis porcentual comparativo de la calidad de atención
12
Construir Construir una comunidad comunidad
Establecer valores alores inclusivos inclusivos
70 62,1 60 51,7
50 e j a t 40 n e c r 30 o p
48,3 37,9
20 10 0
0 Desfavorable
En proceso
Muy Favorable
Figura 3. Análisis porcentual comparativo comparativo de los componentes componentes de la cultura inclusiva
Ejemplo de un Figura de dispersión de puntos para un análisis de correlación lineal simple.
Figura 4. Tendencia lineal de correlación entre calidad de atención recibida y la satisfacción del usuario