Medición y recolección de información

Medimos con números o sin ellos, para saber cuánto tardas en vestirte, o para conocer el carácter de una persona; por ello ‘ya te tomaron la medida’ es una expresión más matemática de lo que parece.

Factores que afectan la recolección de información

Precisión (Confiabilidad)

Es muy importante asegurarse de que los métodos de recolección de información sean precisos (confiables). Esto significa que un método mide lo mismo cada vez que es utilizado.

Hay muchas cosas que pueden afectar la precisión (confiabilidad) de un instrumento o método. Entre otras, algunas de estas cosas son la forma del instrumento (verbal o escrito), el ambiente en que se administra, cómo es administrado por el equipo, la diferencia en los participantes entre un grupo y otro y a través del tiempo, y la hora en que se administra el instrumento. El investigador puede también afectar la precisión (confiabilidad) al elogiar, cumplimentar o censurar al participante. El investigador principal es responsable de ofrecer la capacitación adecuada y hacer ‘verificaciones’ de cómo se están administrando los instrumentos o aplicando los métodos para asegurarse de que el estudio de investigación está siendo conducido con precisión.

Los estudios de investigación son criticados a menudo debido a que no utilizan métodos precisos para reunir información. La precisión (confiabilidad) ayuda a hacer investigación con mayor valor, pues hay mayor confianza en que los hallazgos son reales.

Datos Incompletos

En un caso, un grupo utilizó accidentalmente variables codificadas al revés, lo que hizo que sus conclusiones fueran las contrarias a las que apoyaban los datos.

Errores en el almacenamiento e Intercambio de Datos

Los errores en el almacenamiento e intercambio de datos a largo plazo pueden hacer que los hallazgos no sean confirmables porque los datos no están disponibles para ser reanalizados.

Errores de análisis estadístico

Los errores de análisis estadístico implican métodos que no apoyan de forma fiable las conclusiones.

Errores de lógica

Aunque no se trate de un error en los datos o en los análisis, la investigación filtrada a través de la lente de una lógica deficiente puede distorsionar los resultados, dando lugar a conclusiones que no se desprenden de los datos, el análisis o las premisas fundamentales.

Falacias Lógicas

Las falacias lógicas clásicas aparecen en la literatura.

Argumentos en los errores de lógica

También son habituales los argumentos basados en la autoridad, la reputación y el razonamiento ad hominem.

Errores de comunicación

Los errores de comunicación no afectan necesariamente a los datos y métodos, sino que son fallos en la lógica utilizada para conectar los resultados con las conclusiones.

Ejemplo 1 de Error de Comunicación

Los autores que discuten los beneficios y las limitaciones de los ensayos con animales para predecir el riesgo de cáncer en los seres humanos señalan que el problema de los ensayos con animales es que los resultados de los ensayos con animales a menudo se extrapolan incorrectamente a los seres humanos.

Ejemplo 2 de Error de Comunicación

Otras formas de extrapolación errónea son evidentes. Un estudio sobre las respuestas a pequeñas exposiciones de 1 día puede ser inadecuado para extrapolarlas a exposiciones crónicas. Los sesgos de publicación, notificación y citación son otras formas de errores de comunicación que pueden conducir a una forma de datos erróneos cuando se considera una colección de informes científicos como datos en sí mismos.

Si los científicos no publican algunos resultados por el motivo que sea, la totalidad de los datos utilizados para resumir nuestros conocimientos científicos (por ejemplo, el metaanálisis) está incompleta.

(Reunir información para acertar al pronóstico de un evento es una actividad propia del razonamiento matemático, lo hacemos para decidir cosas cotidianas; sin embargo, es un proceso que adquiere una gran importancia cuando se trata de aspectos decisivos , cómo las elecciones de un país. Un ejemplo muy conocido fueron las elecciones presidenciales de EE.UU. en 2016, donde contrario a las encuestas que favorecían a la candidata Clinton , ganó Trump. De igual forma fue importante en un suceso más reciente como la pandemia por COVID 19, al ser la recolección de datos una herramienta fundamental en la estimación y monitoreo de un hecho sin precedentes.)

Incertidumbre y aleatoriedad

Cuando un fenómeno tiene más de un posible resultado y este no se puede anticipar con certeza, nos encontramos ante la incertidumbre, y está es inherente a cualquier aspecto de la vida humana. A esta condición de variabilidad impredecible de posibles resultados, se denomina aleatoriedad.

Comprender la importancia de la incertidumbre o el azar en el día a día requiere de la probabilidad, la rama de las matemáticas que estudia los fenómenos aleatorios, además de distintos tipos de incertidumbre que existen.

Recolección de datos y probabilidad

En México, se tiene la concepción de que septiembre es el mes con mayor actividad sísmica, o al menos el que no se salva de un evento de este tipo. Predecir un sismo con una total certeza es imposible, pero los registros y la información reunida a través de estudios probabilísticos pueden sustentar o no que septiembre se un ‘mes sísmico’. Entonces, la recolección de datos tiene como propósito conseguir información útil para analizar el objeto de estudio. Para que la recolección de datos sea confiable, la probabilidad se apoya en 8 pasos:

Ubicar la unidad de análisis

Consiste en la evaluación del comportamiento de la unidad de análisis durante un lapso sin interrumpir ni intervenir; de otra forma, los datos no serían totalmente verídicos.

Definir la población o universo

Permite observar los hechos de manera indirecta, ya que la información se obtiene de terceras personas a través de preguntas específicas, ya sean abiertas o cerradas.

Definir la muestra si no es posible analizar a la población

Consiste en organizar una reunión en la que todos los participantes puedan dar su opinión acerca de un tema.

Establecer los parámetros de interés

También está conformada por una serie de preguntas, pero a diferencia de la encuesta, su intención es interactuar directamente con el entrevistado de manera oral.

Evaluar los recursos con los que se cuenta

Si, multiplicamos la frecuencia relativa por 100, estás serán entendidas como: porcentajes

Seleccionar el tipo de técnica de recolección de datos

Terminó que refiere al número de veces que aparece un resultado particular al realizar numerables ocasiones un experimento: frecuencia

Elaborar los instrumentos elegidos

La probabilidad frecuencial es mejor entre sea el número de repeticiones

Recolectar los datos

Cuando un experimento puede tener más de un posible resultado y este no se puede predecir, se dice que es un experimento: desarrollo

Si se divide el número de veces que aparece un resultado entre el total de repeticiones del experimento, se obtiene la frecuencia: absoluta

La tecnología computacional nos permite estudiar un fenómeno a través del desarrollo de: simuladores

Estimar las posibilidades de que un evento ocurra es algo útil para la toma de: decisiones

El tomar una decisión con base en el procesamiento de información previa es una competencia propia del: pensamiento matemático

Una tabla de frecuencias nos permite registrar todas las frecuencias de forma ordenada.

La medida frecuencia absoluta debe ser igual al número total de repeticiones del experimento