El análisis de datos es el estudio exhaustivo de un conjunto de información cuyo objetivo es obtener conclusiones que permitan a una empresa o entidad tomar una decisión.
Es decir, nos referimos a la examinación e interpretación de una base de datos. Esto, con el fin de llegar a la resolución de un problema o cuestionamiento.
Durante este análisis, los datos pueden ser objeto de operaciones, por ejemplo, para obtener indicadores estadísticos.
Cabe señalar que este es un proceso de la ciencia de datos que se da luego de la recolección de la información.
Es decir, este análisis incluye todas las herramientas a las que podemos recurrir para el estudio de una base de datos, incluso las visuales como el histograma, el diagrama de barras, el gráfico circular, entre otros.
Tipos de análisis de datos
El análisis de datos puede ser de dos tipos:
· Cuantitativo: La información es numérica a partir de la cual se pueden elaborar estadísticas exactas. Por ejemplo, las calificaciones obtenidas por los alumnos de una clase en el último semestre.
· Cualitativo: Se trata de información obtenida de una base de datos presentada usualmente en forma textual. Por ejemplo, un grupo objetivo donde se ha consultado a los participantes su opinión sobre un nuevo producto.
Herramientas del análisis de datos
Para el análisis de datos existen diferentes herramientas que provienen de campos de estudios como la estadística, la econometría o las matemáticas.
Así, por ejemplo podríamos utilizar métricas estadísticas como la media, la desviación típica o la mediana para obtener información sobre el comportamiento de una variable. Por su parte, la econometría nos brinda herramientas básicas como el análisis de regresión. En esta línea, también podemos valernos de gráficos que aporten información visual. Por ejemplo, de un histograma.
Con todo, vale la pena mencionar que el análisis de datos no está exento de limitaciones. Esto ya que hay variables difíciles de cuantificar de forma precisa. Es por ello, que en el análisis de datos es frecuente hablar en términos de probabilidad.
Utilidad del análisis de datos
El análisis de datos puede tener distintas aplicaciones, tanto para empresas como para organizaciones estatales o aquellas que tienen objetivos no lucrativos. Por ejemplo, una entidad que busca reducir la desnutrición infantil en un país, estará constantemente evaluando los índices de anemia de los niños en un determinado rango de edad.
Asimismo, una empresa puede analizar los datos de satisfacción mostrados por sus clientes. Esto, tras haber realizado una encuesta a todas las personas que contrataron el mes anterior sus servicios. De ese modo, puede tomar decisiones para su estrategia de negocio.
El análisis de datos cobra relevancia en tiempos del Big Data que son conjuntos tan grandes de datos que superan la capacidad de las aplicaciones informáticas tradicionales para tratar con ellos en un tiempo razonable.
Las compañías pueden disponer hoy de enormes bases de datos, por ejemplo, al crear aplicaciones donde pueda acceder toda su clientela y público objetivo.
Métodos para el análisis de datos
Además de los tipos de análisis mencionados previamente, existen diversos métodos de análisis de datos que pueden ponerse en marcha dependiendo de las necesidades y las preguntas que guían tu investigación:
Análisis de datos descriptivo
El método de análisis descriptivo es el punto de partida de cualquier reflexión analítica, y pretende responder a la pregunta ¿Qué ha pasado? Para ello, ordena, manipula e interpreta los datos brutos procedentes de diversas fuentes para convertirlos en ideas valiosas para tu organización.
Realizar un análisis descriptivo es esencial, ya que permite organizar los datos y dejarlos listos para llevar a cabo nuevas investigaciones. Es pertinente mencionar que este análisis por sí solo no permitirá predecir resultados futuros ni dirá la respuesta a preguntas como por qué sucedió algo.
El análisis de datos puede ser de dos tipos:
· Cuantitativo: La información es numérica a partir de la cual se pueden elaborar estadísticas exactas. Por ejemplo, las calificaciones obtenidas por los alumnos de una clase en el último semestre.
· Cualitativo: Se trata de información obtenida de una base de datos presentada usualmente en forma textual. Por ejemplo, un grupo objetivo donde se ha consultado a los participantes su opinión sobre un nuevo producto.
Herramientas del análisis de datos
Para el análisis de datos existen diferentes herramientas que provienen de campos de estudios como la estadística, la econometría o las matemáticas.
Así, por ejemplo podríamos utilizar métricas estadísticas como la media, la desviación típica o la mediana para obtener información sobre el comportamiento de una variable. Por su parte, la econometría nos brinda herramientas básicas como el análisis de regresión. En esta línea, también podemos valernos de gráficos que aporten información visual. Por ejemplo, de un histograma.
Con todo, vale la pena mencionar que el análisis de datos no está exento de limitaciones. Esto ya que hay variables difíciles de cuantificar de forma precisa. Es por ello, que en el análisis de datos es frecuente hablar en términos de probabilidad.
Utilidad del análisis de datos
El análisis de datos puede tener distintas aplicaciones, tanto para empresas como para organizaciones estatales o aquellas que tienen objetivos no lucrativos. Por ejemplo, una entidad que busca reducir la desnutrición infantil en un país, estará constantemente evaluando los índices de anemia de los niños en un determinado rango de edad.
Asimismo, una empresa puede analizar los datos de satisfacción mostrados por sus clientes. Esto, tras haber realizado una encuesta a todas las personas que contrataron el mes anterior sus servicios. De ese modo, puede tomar decisiones para su estrategia de negocio.
El análisis de datos cobra relevancia en tiempos del Big Data que son conjuntos tan grandes de datos que superan la capacidad de las aplicaciones informáticas tradicionales para tratar con ellos en un tiempo razonable.
Las compañías pueden disponer hoy de enormes bases de datos, por ejemplo, al crear aplicaciones donde pueda acceder toda su clientela y público objetivo.
Métodos para el análisis de datos
Además de los tipos de análisis mencionados previamente, existen diversos métodos de análisis de datos que pueden ponerse en marcha dependiendo de las necesidades y las preguntas que guían tu investigación:
Análisis de datos descriptivo
El método de análisis descriptivo es el punto de partida de cualquier reflexión analítica, y pretende responder a la pregunta ¿Qué ha pasado? Para ello, ordena, manipula e interpreta los datos brutos procedentes de diversas fuentes para convertirlos en ideas valiosas para tu organización.
Realizar un análisis descriptivo es esencial, ya que permite organizar los datos y dejarlos listos para llevar a cabo nuevas investigaciones. Es pertinente mencionar que este análisis por sí solo no permitirá predecir resultados futuros ni dirá la respuesta a preguntas como por qué sucedió algo.
Análisis de datos exploratorio
Este tipo de análisis se realiza como parte de la investigación exploratoria , cuando todavía no se tiene una idea de la relación entre los datos y las variables.
Por ello, una vez investigados los datos, el análisis exploratorio permite encontrar conexiones y generar hipótesis y soluciones para problemas concretos. Un área típica de aplicación para ello es la minería de datos.
Análisis de diagnóstico
El análisis de diagnóstico de datos permite a los analistas y ejecutivos obtener una firme comprensión contextual de por qué ha sucedido algo. Si se sabe por qué ha sucedido, además de cómo ha sucedido, se podrán identificar mejor las formas exactas de abordar el problema o el reto.
Diseñado para proporcionar respuestas directas y procesables a preguntas concretas, es uno de los métodos más importantes del mundo en la investigación, entre sus otras funciones organizativas clave, como la analítica de la venta retail, por ejemplo.
Análisis predictivo
El análisis predictivo permite mirar al futuro para responder a la pregunta ¿qué pasará? Para ello, utiliza los resultados de los análisis descriptivos, exploratorios y de diagnóstico mencionados anteriormente, además de herramientas de aprendizaje automático e inteligencia artificial.
De este modo, puede descubrir tendencias futuras, posibles problemas o ineficiencias, conexiones o pérdidas en los datos.
A través del análisis predictivo se pueden desarrollar iniciativas que no solo mejorarán los diversos procesos operativos, sino que también ayudarán a obtener una ventaja competitiva importante.
Análisis de datos prescriptivo
El análisis prescriptivo se enfoca en la identificación y uso de patrones o tendencias para desarrollar estrategias empresariales prácticas y con alta capacidad de respuesta.
Al profundizar en el análisis prescriptivo, la organización podrá tener un papel activo en el proceso de generación de datos, ordenando la información de forma concreta para utilizarla como una poderosa solución a los problemas emergentes en una serie de áreas clave, como el marketing, las ventas, la experiencia del cliente, los recursos humanos, el cumplimiento, las finanzas y el análisis de la logística, entre otros.
Fases del análisis de los datos:
¿Qué es la organización de investigación?
La organización de la investigación. Considerando la delimitación legal del quehacer científico en el Art. 3 de la Ley de Educación Superior, la cual es definida como “la búsqueda sistemática y análisis de nuevos conocimientos para enriquecer la realidad científica y social”.
Con frecuencia, los profesores dejan trabajos de investigación para enseñarles a sus alumnos cómo se debe buscar, seleccionar, organizar, interpretar y redactar información de un tema en específico.
Sin embargo, algunos estudiantes pueden sentirse estresados al no saber qué tema escoger, cómo organizar la información, cómo plantear el tema, etc. Por ello, te mostramos algunos pasos para realizar un buen trabajo de investigación de forma sencilla:
1. Selecciona un tema
Elige un tema que te guste, que sea interesante para contar y que disponga de la información suficiente para plantear diferentes puntos de vista y un buen análisis.
2. Busca información
Acude a una biblioteca o internet y nútrete de toda la información necesaria para realizar la tarea. Puedes utilizar revistas, enciclopedias, páginas web, libros y entrevistas a especialistas en el tema.
3. Organiza la información
Elabora un guión de lo que será tu trabajo. Hazte preguntas como: ¿Qué quiero saber sobre este tema?, ¿Hace cuánto surgió?, ¿Por qué es importante?, ¿Cuánto ha influido en los cambios del mundo actual? En base a estas interrogantes ordena y selecciona la información recaudada. Recuerda que una buena organización garantiza un buen trabajo.
4. Elige un formato
Puede ser papel o virtual, los dos formatos son válidos, lo importante es el contenido. Si tu trabajo llevará ilustraciones u otros elementos multimedia lo mejor sería presentarlo en digital.
5. Revisa lo escrito
Debes estar muy atento en tu ortografía, los márgenes y la información escrita. Toma algunas notas pero no copies los textos al pie de la letra, pues al final deberás incluir una bibliografía con las fuentes utilizadas.
6. Organiza tu tiempo
Procura cumplir con la fecha de entrega. Si es necesario, deberás sacrificar algunas salidas con amigos o familiares pero luego te quedarás con la satisfacción de haber elaborado un excelente trabajo.
La Codificación de las categorías
Codificar datos es asignar números a las modalidades observadas o registradas de las variables que constituyen la base de datos, así como asignar código (valor numérico) a los valores faltantes (aquellos que no han sido registrados u observados).
La codificación es un proceso mediante el cual se asignan claves numéricas a las respuestas de preguntas abiertas de un cuestionario. Este proceso se encuentra integrado a una etapa de procesamiento integral de la información, que incluye la captura, validación y explotación de la información.
Pasos para realizar una codificación inductiva
1. Divide tu conjunto de datos cualitativos en muestras más pequeñas.
2. Lee una muestra de los datos.
3. Crea códigos que cubran la muestra.
4. Vuelve a leer la muestra y aplica los códigos.
5. Lee una nueva muestra de datos, aplicando los códigos que creaste para la primera muestra
Tabulación de datos
La tabulación de datos es, en estadística, el conjunto de operaciones que permiten presentarlos agrupados y, a su vez, en forma de gráficos o tablas. Por tanto, es un proceso mediante el que agrupamos los datos y los mostramos mediante gráficos o tablas para entenderlos mejor.
El proceso de tabulación de la información consiste en realizar una tabla o un cuadro con los resultados obtenidos tras la recopilación de datos. Consiste, por tanto, en presentar los datos estadísticos en forma de tablas o cuadros con el objetivo de que resulten sencillos de leer y comprender.
Este tipo de análisis se realiza como parte de la investigación exploratoria , cuando todavía no se tiene una idea de la relación entre los datos y las variables.
Por ello, una vez investigados los datos, el análisis exploratorio permite encontrar conexiones y generar hipótesis y soluciones para problemas concretos. Un área típica de aplicación para ello es la minería de datos.
Análisis de diagnóstico
El análisis de diagnóstico de datos permite a los analistas y ejecutivos obtener una firme comprensión contextual de por qué ha sucedido algo. Si se sabe por qué ha sucedido, además de cómo ha sucedido, se podrán identificar mejor las formas exactas de abordar el problema o el reto.
Diseñado para proporcionar respuestas directas y procesables a preguntas concretas, es uno de los métodos más importantes del mundo en la investigación, entre sus otras funciones organizativas clave, como la analítica de la venta retail, por ejemplo.
Análisis predictivo
El análisis predictivo permite mirar al futuro para responder a la pregunta ¿qué pasará? Para ello, utiliza los resultados de los análisis descriptivos, exploratorios y de diagnóstico mencionados anteriormente, además de herramientas de aprendizaje automático e inteligencia artificial.
De este modo, puede descubrir tendencias futuras, posibles problemas o ineficiencias, conexiones o pérdidas en los datos.
A través del análisis predictivo se pueden desarrollar iniciativas que no solo mejorarán los diversos procesos operativos, sino que también ayudarán a obtener una ventaja competitiva importante.
Análisis de datos prescriptivo
El análisis prescriptivo se enfoca en la identificación y uso de patrones o tendencias para desarrollar estrategias empresariales prácticas y con alta capacidad de respuesta.
Al profundizar en el análisis prescriptivo, la organización podrá tener un papel activo en el proceso de generación de datos, ordenando la información de forma concreta para utilizarla como una poderosa solución a los problemas emergentes en una serie de áreas clave, como el marketing, las ventas, la experiencia del cliente, los recursos humanos, el cumplimiento, las finanzas y el análisis de la logística, entre otros.
Fases del análisis de los datos:
¿Qué es la organización de investigación?
La organización de la investigación. Considerando la delimitación legal del quehacer científico en el Art. 3 de la Ley de Educación Superior, la cual es definida como “la búsqueda sistemática y análisis de nuevos conocimientos para enriquecer la realidad científica y social”.
Con frecuencia, los profesores dejan trabajos de investigación para enseñarles a sus alumnos cómo se debe buscar, seleccionar, organizar, interpretar y redactar información de un tema en específico.
Sin embargo, algunos estudiantes pueden sentirse estresados al no saber qué tema escoger, cómo organizar la información, cómo plantear el tema, etc. Por ello, te mostramos algunos pasos para realizar un buen trabajo de investigación de forma sencilla:
1. Selecciona un tema
Elige un tema que te guste, que sea interesante para contar y que disponga de la información suficiente para plantear diferentes puntos de vista y un buen análisis.
2. Busca información
Acude a una biblioteca o internet y nútrete de toda la información necesaria para realizar la tarea. Puedes utilizar revistas, enciclopedias, páginas web, libros y entrevistas a especialistas en el tema.
3. Organiza la información
Elabora un guión de lo que será tu trabajo. Hazte preguntas como: ¿Qué quiero saber sobre este tema?, ¿Hace cuánto surgió?, ¿Por qué es importante?, ¿Cuánto ha influido en los cambios del mundo actual? En base a estas interrogantes ordena y selecciona la información recaudada. Recuerda que una buena organización garantiza un buen trabajo.
4. Elige un formato
Puede ser papel o virtual, los dos formatos son válidos, lo importante es el contenido. Si tu trabajo llevará ilustraciones u otros elementos multimedia lo mejor sería presentarlo en digital.
5. Revisa lo escrito
Debes estar muy atento en tu ortografía, los márgenes y la información escrita. Toma algunas notas pero no copies los textos al pie de la letra, pues al final deberás incluir una bibliografía con las fuentes utilizadas.
6. Organiza tu tiempo
Procura cumplir con la fecha de entrega. Si es necesario, deberás sacrificar algunas salidas con amigos o familiares pero luego te quedarás con la satisfacción de haber elaborado un excelente trabajo.
La Codificación de las categorías
Codificar datos es asignar números a las modalidades observadas o registradas de las variables que constituyen la base de datos, así como asignar código (valor numérico) a los valores faltantes (aquellos que no han sido registrados u observados).
La codificación es un proceso mediante el cual se asignan claves numéricas a las respuestas de preguntas abiertas de un cuestionario. Este proceso se encuentra integrado a una etapa de procesamiento integral de la información, que incluye la captura, validación y explotación de la información.
Pasos para realizar una codificación inductiva
1. Divide tu conjunto de datos cualitativos en muestras más pequeñas.
2. Lee una muestra de los datos.
3. Crea códigos que cubran la muestra.
4. Vuelve a leer la muestra y aplica los códigos.
5. Lee una nueva muestra de datos, aplicando los códigos que creaste para la primera muestra
Tabulación de datos
La tabulación de datos es, en estadística, el conjunto de operaciones que permiten presentarlos agrupados y, a su vez, en forma de gráficos o tablas. Por tanto, es un proceso mediante el que agrupamos los datos y los mostramos mediante gráficos o tablas para entenderlos mejor.
El proceso de tabulación de la información consiste en realizar una tabla o un cuadro con los resultados obtenidos tras la recopilación de datos. Consiste, por tanto, en presentar los datos estadísticos en forma de tablas o cuadros con el objetivo de que resulten sencillos de leer y comprender.
Códigos verbales o numéricos
Los códigos son etiquetas que permiten asignar unidades de significado a la información descriptiva o inferencial compilada durante una investigación. En otras palabras, son recursos mnemónicos utilizados para identificar o marcar los temas específicos en un texto.
Gráfica de datos
La representación gráfica de datos estadísticos tiene como objetivo ofrecer una visión de conjunto del hecho sometido a investigación, de una manera más directa y perceptible que la mera presentación de los datos numéricos.
Según López (2013), “la gráfica se utiliza para demostrar datos recolectados de forma organizada. Existen varias alternativas para presentar la información en forma gráfica. Se debe elegir el tipo de gráfica según sea la necesidad o interés del investigador" (p. 137).
En este sentido, se comprende que una gráfica es la representación de datos, generalmente numéricos, mediante líneas, superficies o símbolos, con una relación entre sí, lo cual facilita su interpretación.
Una gráfica está compuesta básicamente por tres partes a saber. La primera parte importante es un título adecuado, el cual debe ser claro y conciso. En segundo lugar el cuerpo o gráfico en sí, cuya elección se debe hacer fundamentada en el o los tipos de variables a relacionar, el público a quien se le va a comunicar y, por supuesto, el diseño artístico del mismo. Finalmente, las notas de pie que se anotan al final de la gráfica representan las aclaraciones respecto al mismo, las escalas de los ejes, o se otorgan los créditos a las fuentes respectivas.
Interpretación de datos
La interpretación de datos es un proceso consistente en la inspección, limpieza y transformación de datos, con el fin de extraer información de utilidad para derivar en unas conclusiones concretas que permitan esclarecer la toma de decisiones.
La interpretación, independientemente de si los datos son cualitativo o cuantitativo, debe:
1. describir y resumir los datos.
2. identificar relaciones entre variables.
3. comparar variables.
4. identificar la diferencia entre las variables.
5. pronosticar resultados.
¿Cómo interpretar los datos de una tesis?
La interpretación de datos se refiere a la aplicación de procesos mediante los cuales se revisan los datos con el fin de llegar a una conclusión fundamentada. La interpretación de los datos asigna un significado a la información analizada y determina su significado e implicaciones.
Es un aspecto importante del trabajo con conjuntos de datos en cualquier campo o investigación y estadística. Ambos van de la mano, ya que el proceso de interpretación de datos implica el análisis de los mismos.
De acuerdo con Ellingson (2007), el proceso de interpretación de los datos suele ser engorroso y, naturalmente, debería hacerse más difícil con la mayor cantidad de datos que se producen a diario. Sin embargo, con la accesibilidad de las herramientas de análisis de datos y las técnicas de aprendizaje automático, a los analistas les resulta gradualmente más fácil interpretar los datos.
La interpretación de los datos es muy importante, ya que ayuda a obtener información útil de un conjunto de datos irrelevantes y a tomar decisiones informadas. Resulta útil para particulares, empresas e investigadores.
¿Qué son los métodos de interpretación de datos?
Los métodos de interpretación de datos son la forma en que los analistas ayudan a las personas a dar sentido a los datos numéricos que se han recogido, analizado y presentado. Los datos, cuando se recogen en bruto, pueden ser difíciles de entender para los profanos, por lo que los analistas tienen que desglosar la información recopilada para que otros puedan darle sentido.
Por ejemplo, cuando los fundadores se dirigen a posibles inversores, deben interpretar los datos (por ejemplo, el tamaño del mercado, la tasa de crecimiento, etc.) para comprenderlos mejor. Hay dos métodos principales para hacerlo: los métodos cuantitativos y los métodos cualitativos.
¿Cómo interpretar los datos?
Una vez seleccionadas las escalas de medida, es el momento de elegir cuál de los dos procesos de interpretación generales se adaptará mejor a sus necesidades de datos. Veamos con más detalle esos métodos específicos de interpretación de datos y los posibles problemas de interpretación de datos.
Ilustración de la interpretación de datos en la pizarra
Al interpretar los datos, un analista debe tratar de discernir las diferencias entre correlación, causalidad y coincidencias, así como muchos otros sesgos, pero también tiene que considerar todos los factores que pueden haber conducido a un resultado. Hay varios métodos de interpretación de datos que se pueden utilizar.
La interpretación de los datos tiene por objeto ayudar a las personas a dar sentido a los datos numéricos que se han recogido, analizado y presentado. Disponer de un método (o métodos) de referencia para interpretar los datos proporcionará a sus equipos de analistas una estructura y una base coherente.
De hecho, si se tienen enfoques diferentes para interpretar los mismos datos, aunque compartan los mismos objetivos, pueden producirse algunos desajustes. Los métodos dispares darán lugar a una duplicación de esfuerzos, soluciones incoherentes, pérdida de energía e, inevitablemente, de tiempo y dinero.
Interpretación cualitativa de los datos
El análisis cualitativo de los datos puede resumirse en una palabra: categórico. Con el análisis cualitativo, los datos no se describen mediante valores numéricos o patrones, sino mediante el uso de un contexto descriptivo (es decir, un texto). Normalmente, los datos narrativos se recogen empleando una amplia variedad de técnicas de persona a persona. Estas técnicas incluyen:
Observaciones
Detallar los patrones de comportamiento que se producen dentro de un grupo de observación. Estos patrones pueden ser la cantidad de tiempo dedicado a una actividad, el tipo de actividad y el método de comunicación empleado.
Documentos
Al igual que los patrones de comportamiento pueden observarse, los diferentes tipos de recursos documentales pueden codificarse y dividirse en función del tipo de material que contienen.
Entrevistas
Es uno de los mejores métodos de recogida de datos narrativos. Las respuestas de las entrevistas pueden agruparse por temas, asuntos o categorías. El enfoque de la entrevista permite segmentar los datos de forma muy precisa.
Una diferencia clave entre el análisis cualitativo y el cuantitativo se aprecia claramente en la fase de interpretación. Los datos cualitativos, al estar ampliamente abiertos a la interpretación, deben ser «codificados» para facilitar la agrupación y etiquetado de los datos en temas identificables. Dado que las técnicas de recogida de datos de persona a persona pueden dar lugar a menudo a disputas sobre el análisis adecuado, el análisis de datos cualitativos suele resumirse en tres principios básicos: notar cosas, recoger cosas, pensar en cosas.
Interpretación de datos cuantitativos
Si la interpretación de datos cuantitativos pudiera resumirse en una palabra (y realmente no puede) esa palabra sería «numérica». Hay pocas certezas cuando se trata del análisis de datos, pero puede estar seguro de que si la investigación en la que participa no tiene números, no es una investigación cuantitativa. El análisis cuantitativo se refiere a un conjunto de procesos mediante los cuales se analizan los datos numéricos. En la mayoría de los casos, implica el uso de modelos estadísticos como la desviación estándar, la media y la mediana. Repasemos rápidamente los términos estadísticos más comunes:
Media
La media representa un promedio numérico para un conjunto de respuestas. Cuando se trata de un conjunto de datos (o de múltiples conjuntos de datos), una media representará un valor central de un conjunto específico de números. Es la suma de los valores dividida por el número de valores dentro del conjunto de datos. Otros términos que pueden utilizarse para describir el concepto son media aritmética, promedio y expectativa matemática.
Desviación estándar
Es otro término estadístico que suele aparecer en el análisis cuantitativo. La desviación estándar revela la distribución de las respuestas en torno a la media. Describe el grado de consistencia de las respuestas; junto con la media, permite conocer los conjuntos de datos.
Distribución de frecuencias
Es una medida que mide la tasa de aparición de una respuesta dentro de un conjunto de datos. Cuando se utiliza una encuesta, por ejemplo, la distribución de frecuencias tiene la capacidad de determinar el número de veces que aparece una respuesta de escala ordinal específica (es decir, de acuerdo, muy de acuerdo, en desacuerdo, etc.). La distribución de frecuencias es muy útil para determinar el grado de consenso entre los puntos de datos.
Normalmente, los datos cuantitativos se miden presentando visualmente pruebas de correlación entre dos o más variables significativas. Se pueden utilizar diferentes procesos juntos o por separado, y se pueden hacer comparaciones para llegar finalmente a una conclusión. Otros procesos de interpretación de datos cuantitativos son los análisis de regresión, cohortes, predictivo y prescriptivo.
Discusión de resultados
La discusión de resultados se refiere a la sección del trabajo de investigación o informe científico, en la cual se describe el significado de los hallazgos obtenidos, se compara con los de publicaciones previas y se enfatizan en los nuevos. De haberse planteado una hipótesis, debe además argumentarse su verificación o rechazo con los resultados obtenidos.
Para algunas publicaciones científicas y diversos académicos, la discusión de resultados es el aspecto más importante de la investigación, pues será el apartado donde confluyan y se contrasten la teoría con los datos provenientes de la experimentación.
En el caso de la discusión se responde a la pregunta ¿qué significado tienen los hallazgos obtenidos? Para las secciones de resultados y conclusión responderían, respectivamente, a las siguientes interrogantes: ¿qué se encontró o qué se obtuvo? y ¿cuáles son los datos más importantes de la investigación?
Características
-La discusión de resultados se presenta posteriormente a la exposición de los datos que provienen de la experimentación. Además, este apartado antecede las conclusiones del trabajo de investigación.
-Debe presentar la redacción propia de la literatura científica, la cual se caracteriza por su coherencia, precisión, claridad, orden, concisión y pertinencia.
-El tiempo verbal utilizado principalmente es el presente, pues ya se consideran evidencia científica los hallazgos. Por ejemplo: “Los datos indican que…”, “Nuestra propuesta presenta similitudes…”.
-Tiene como intención plantear las relaciones entre lo observado y los resultados. Además debe conectar los hallazgos con los objetivos propuestos, la hipótesis y las teorías que se tomaron como marco de referencia.
-No debe repetir los resultados, sino interpretarlos, siendo el momento oportuno para plantear posiciones personales y contrastarlas con la perspectiva de otros autores.
Posee un doble componente explicativo y argumentativo, al indicar de qué manera los datos obtenidos respaldan la veracidad de la hipótesis o desechan su validez.
-Expone consecuencias técnicas de la investigación, así como contradicciones en los datos, sus limitaciones o los problemas encontrados.
-Puede sugerir nuevos estudios o recomendaciones para investigaciones futuras.
-Menciona las fortalezas y los factores más notorios del estudio realizado.
Existen dos aspectos esenciales que no deben faltar en la discusión de resultados como son el significado de los resultados obtenidos y la relación de estos hallazgos con otras investigaciones previas. Los expertos en el área recomiendan que este apartado tenga la siguiente estructura:
1- Iniciar con un breve resumen de los resultados más destacados, sin caer en detalles.
2- Plantear posibles explicaciones a estos resultados, para lo que puede apoyarse en la comparación de otras investigaciones relacionadas. Esto supone tanto los resultados que se asemejan y que por ende sustentan la hipótesis, como aquellos que sean contradictorios y afecten el nivel de veracidad de lo planteado.
Deben abordarse todos los hallazgos importantes, incluso los que inicialmente parecen no tener explicación, pues pueden ser aclarados en informes futuros.
3- Esta es la oportunidad para incluir juicios e interpretaciones del autor, así como de contrastarlas con otros investigadores.
4- Especificar las limitaciones y debilidades que tuvo el estudio.
5- Sopesar las implicaciones que estos resultados significan para el área investigada. Algunas publicaciones científicas presentan por separado las conclusiones, mientras otras suelen colocarlo como cierre de la discusión.
6- De agregar la conclusión, debe entonces inferir todas las ideas derivadas de la comparación y el análisis de resultados. Al formular cada conclusión se resumen las pruebas que la respaldan.
7- Presentar recomendaciones para próximas investigaciones, así como hacer mención aparte de los aspectos que no fueron abordados y que merecen ser estudiados.
Si la interpretación de datos cuantitativos pudiera resumirse en una palabra (y realmente no puede) esa palabra sería «numérica». Hay pocas certezas cuando se trata del análisis de datos, pero puede estar seguro de que si la investigación en la que participa no tiene números, no es una investigación cuantitativa. El análisis cuantitativo se refiere a un conjunto de procesos mediante los cuales se analizan los datos numéricos. En la mayoría de los casos, implica el uso de modelos estadísticos como la desviación estándar, la media y la mediana. Repasemos rápidamente los términos estadísticos más comunes:
Media
La media representa un promedio numérico para un conjunto de respuestas. Cuando se trata de un conjunto de datos (o de múltiples conjuntos de datos), una media representará un valor central de un conjunto específico de números. Es la suma de los valores dividida por el número de valores dentro del conjunto de datos. Otros términos que pueden utilizarse para describir el concepto son media aritmética, promedio y expectativa matemática.
Desviación estándar
Es otro término estadístico que suele aparecer en el análisis cuantitativo. La desviación estándar revela la distribución de las respuestas en torno a la media. Describe el grado de consistencia de las respuestas; junto con la media, permite conocer los conjuntos de datos.
Distribución de frecuencias
Es una medida que mide la tasa de aparición de una respuesta dentro de un conjunto de datos. Cuando se utiliza una encuesta, por ejemplo, la distribución de frecuencias tiene la capacidad de determinar el número de veces que aparece una respuesta de escala ordinal específica (es decir, de acuerdo, muy de acuerdo, en desacuerdo, etc.). La distribución de frecuencias es muy útil para determinar el grado de consenso entre los puntos de datos.
Normalmente, los datos cuantitativos se miden presentando visualmente pruebas de correlación entre dos o más variables significativas. Se pueden utilizar diferentes procesos juntos o por separado, y se pueden hacer comparaciones para llegar finalmente a una conclusión. Otros procesos de interpretación de datos cuantitativos son los análisis de regresión, cohortes, predictivo y prescriptivo.
Discusión de resultados
La discusión de resultados se refiere a la sección del trabajo de investigación o informe científico, en la cual se describe el significado de los hallazgos obtenidos, se compara con los de publicaciones previas y se enfatizan en los nuevos. De haberse planteado una hipótesis, debe además argumentarse su verificación o rechazo con los resultados obtenidos.
Para algunas publicaciones científicas y diversos académicos, la discusión de resultados es el aspecto más importante de la investigación, pues será el apartado donde confluyan y se contrasten la teoría con los datos provenientes de la experimentación.
En el caso de la discusión se responde a la pregunta ¿qué significado tienen los hallazgos obtenidos? Para las secciones de resultados y conclusión responderían, respectivamente, a las siguientes interrogantes: ¿qué se encontró o qué se obtuvo? y ¿cuáles son los datos más importantes de la investigación?
Características
-La discusión de resultados se presenta posteriormente a la exposición de los datos que provienen de la experimentación. Además, este apartado antecede las conclusiones del trabajo de investigación.
-Debe presentar la redacción propia de la literatura científica, la cual se caracteriza por su coherencia, precisión, claridad, orden, concisión y pertinencia.
-El tiempo verbal utilizado principalmente es el presente, pues ya se consideran evidencia científica los hallazgos. Por ejemplo: “Los datos indican que…”, “Nuestra propuesta presenta similitudes…”.
-Tiene como intención plantear las relaciones entre lo observado y los resultados. Además debe conectar los hallazgos con los objetivos propuestos, la hipótesis y las teorías que se tomaron como marco de referencia.
-No debe repetir los resultados, sino interpretarlos, siendo el momento oportuno para plantear posiciones personales y contrastarlas con la perspectiva de otros autores.
Posee un doble componente explicativo y argumentativo, al indicar de qué manera los datos obtenidos respaldan la veracidad de la hipótesis o desechan su validez.
-Expone consecuencias técnicas de la investigación, así como contradicciones en los datos, sus limitaciones o los problemas encontrados.
-Puede sugerir nuevos estudios o recomendaciones para investigaciones futuras.
-Menciona las fortalezas y los factores más notorios del estudio realizado.
Existen dos aspectos esenciales que no deben faltar en la discusión de resultados como son el significado de los resultados obtenidos y la relación de estos hallazgos con otras investigaciones previas. Los expertos en el área recomiendan que este apartado tenga la siguiente estructura:
1- Iniciar con un breve resumen de los resultados más destacados, sin caer en detalles.
2- Plantear posibles explicaciones a estos resultados, para lo que puede apoyarse en la comparación de otras investigaciones relacionadas. Esto supone tanto los resultados que se asemejan y que por ende sustentan la hipótesis, como aquellos que sean contradictorios y afecten el nivel de veracidad de lo planteado.
Deben abordarse todos los hallazgos importantes, incluso los que inicialmente parecen no tener explicación, pues pueden ser aclarados en informes futuros.
3- Esta es la oportunidad para incluir juicios e interpretaciones del autor, así como de contrastarlas con otros investigadores.
4- Especificar las limitaciones y debilidades que tuvo el estudio.
5- Sopesar las implicaciones que estos resultados significan para el área investigada. Algunas publicaciones científicas presentan por separado las conclusiones, mientras otras suelen colocarlo como cierre de la discusión.
6- De agregar la conclusión, debe entonces inferir todas las ideas derivadas de la comparación y el análisis de resultados. Al formular cada conclusión se resumen las pruebas que la respaldan.
7- Presentar recomendaciones para próximas investigaciones, así como hacer mención aparte de los aspectos que no fueron abordados y que merecen ser estudiados.
No hay comentarios:
Publicar un comentario