Consideremos cómo los marcos de área y los marcos de listas se pueden usar en la investigación.
Supongamos que su población objetivo es todos los que viven en Londres. En ese caso, puede usar datos del censo, directorio telefónico o datos de un registro electoral para seleccionar un subconjunto de personas para su investigación.
También puede usar imágenes satelitales para identificar hogares en diferentes áreas de Londres que pueden servir como marco de muestra; De esta manera, su marco de muestreo quizás pueda explicar con mayor precisión a las personas que viven en Londres, incluso si no están registradas para votar, no están en el directorio telefónico o se mudan recientemente.
Un marco de muestreo es la base de datos de todos en su población objetivo. Es probable que su población sea grande, y tal vez no pueda permitirse incluir a todos en su investigación. Luego, puede usar el proceso de muestreo para seleccionar un grupo más pequeño de la población. Este es el grupo del que recopila datos.
Un método de muestreo de ejemplo es el muestreo aleatorio. Si su marco de muestreo incluye 1200 personas, puede seleccionar aleatoriamente (por ejemplo, utilizando un generador de números aleatorios) 100 personas en esa lista para contactar y pedir que participen en su investigación.
Pueden aparecer varios problemas al usar marcos de muestra.
- En primer lugar, cuando la población objetivo es grande, no todos los que deben ser incluidos se incluirán en los marcos de muestra.
No todos están en el directorio telefónico o en el registro electoral. Del mismo modo, no todos cuyos datos están en estas bases de datos todavía viven donde podrían estar registrados.
¿Cómo redactar el diseño muestral?
En línea con el conjunto de objetivos, esta investigación favorecerá una combinación de diseño descriptivo y diseño exploratorio. El diseño descriptivo se puede definir como «un tipo de investigación concluyente que tiene su…
… en el medio del papel…
… Usando una escala Likert, será posible establecer los diferentes niveles de influencia que la RSE tiene sobre la intención de compra de varios estudiantes. Además, esta escala permitirá crear comparaciones entre las respuestas y opiniones de los encuestados. El cuestionario de este estudio de investigación se dividió en cuatro secciones con diferentes objetivos en términos de la información a recopilar. La primera sección se refiere a los datos demográficos del encuestado.
El tamaño de la muestra es importante. Una pequeña muestra podría cambiar el resultado. Podría ser una sobrerrepresentación de un pequeño subgrupo dentro de la población específica. El riesgo de errores de muestreo disminuye a medida que el tamaño de la muestra se hace más grande. La forma en que se determina el tamaño de la muestra y la forma en que se invita a los participantes a la investigación se incluye dentro de la redacción.
Por ejemplo, si uno quería saber cuántos clientes apoyan un cambio propuesto en productos o servicios y cuán fuerte y lo apoyan. Nuevamente, en la investigación cuantitativa, el investigador podría terminar con los datos reducidos a números, que se analizan utilizando estadísticas. Tienden a centrarse en los números para obtener la imagen completa. Al mismo tiempo, en la investigación cualitativa, implica describir y analizar un fenómeno mientras usa palabras. En muchos proyectos de investigación, haga un uso de métodos mixtos de cuantitativo y cualitativo para obtener una explicación más completa y completa del sujeto que se está estudiando.
Evaluará brevemente estrategias que pueden ayudar en la exploración del tema. Además, recomendará y justificará una estrategia de muestreo y tamaño de muestra. Finalmente, resaltará el razonamiento subyacente a la elección y los beneficios asociados. Estrategias de muestreo
Existen diferencias significativas en las estrategias de muestreo, los requisitos y el tamaño de la muestra entre los enfoques de investigación cualitativa y cuantitativa. Mientras que la investigación cuantitativa busca generalización, los métodos cualitativos se centran en la profundidad, la especificidad de las experiencias y el contenido.
¿Qué es un marco estadístico?
Se reconoce ampliamente que los estudios tradicionales basados en la intervención grupal que se centran en la respuesta media son limitados en el contexto de la nutrición deportiva personalizada, y que en todas las poblaciones, existe una gran variabilidad interindividual en respuesta a las intervenciones relacionadas con la salud y el rendimiento. Esta variación ocurre debido a una miríada de factores, incluido el genotipo de un individuo, el fenotipo, el estado de entrenamiento y la ingesta nutricional (1, 2). En consecuencia, un número creciente de investigaciones intentan interpretar los datos individuales y clasificar a los participantes como respondedores o no respondedores a intervenciones basadas en nutrición o ejercicio (3-11). Para interpretar con precisión los datos individuales recopilados de las intervenciones grupales, es esencial que los investigadores y profesionales consideren una variedad de conceptos, incluida la influencia de confusión del error de medición y la variabilidad biológica. Además, la capacidad de interpretar la significación práctica y estadística se ve reforzada por conceptos como el cambio más pequeño que vale la pena (SWC) y los intervalos de confianza (IC). El objetivo de esta revisión es describir un marco estadístico que puede ser utilizado por investigadores y profesionales en los campos de la nutrición deportiva aplicada y la fisiología del ejercicio. La revisión se estructura en tres secciones que se basan entre sí y se convierten en un marco estadístico coherente. La sección inicial introduce conceptos de la teoría de la prueba clásica (12), a saber, el error de medición y describe cómo el cálculo del error típico y la aplicación de CIS pueden usarse para expresar la incertidumbre en los valores de referencia. La Sección Dos de la revisión se basa en la sección anterior y demuestra cómo se puede combinar CIS con el concepto de SWC para evaluar si se han producido cambios significativos después de una intervención. La sección final de la revisión analiza los conceptos de respuesta individual y la no respuesta y describe cómo el marco estadístico desarrollado puede usarse para estimar la proporción de respuesta en una intervención grupal.
Los términos clave que se utilizarán a lo largo de la revisión se han definido en la Tabla 1 y están en cursiva en el primer uso. Para facilitar la comprensión, los ejemplos trabajados se incluyen a lo largo de la revisión, a partir de un estudio controlado aleatorizado hipotético (n = 20) que investiga la influencia de 12 semanas de suplementación beta-alanina en: (1) composición corporal [evaluada por la suma de 7 pliegues de piel]; (2) contenido de carnosina muscular [evaluado por cromatografía líquida de alto rendimiento; HPLC] y (3) capacidad de ciclo de alta intensidad [evaluada por el CCT110%, una prueba de tiempo de tiempo a exhaustión]. El diseño del estudio se ilustra en la Figura 1. Los datos simulados del estudio junto con todos los ejemplos trabajados se incluyen en el archivo digital complementario (SF) que lo acompaña. También se incluyen hojas de cálculo automatizadas para que los lectores incorporen sus propios conjuntos de datos y sigan los procedimientos descritos en esta revisión.
Los profesionales e investigadores seleccionan y evalúan rutinariamente las intervenciones dependiendo de la información de referencia recopilada de un individuo. Por lo tanto, es esencial considerar la precisión de la información de referencia y tener en cuenta el error en cualquier proceso de toma de decisiones. El verdadero puntaje de un individuo puede verse como su nivel estable actual en la prueba de interés. En la práctica, nunca podemos conocer la puntuación real de un individuo, ya que toda la medición incorpora un error y, por lo tanto, una sola medición de una prueba simplemente se conoce como una puntuación observada. En la teoría de la prueba clásica, se supone que si fuera posible realizar una gran cantidad de pruebas en el mismo individuo, los valores observados seguirían una distribución normal (gaussiana), con una media igual a la puntuación verdadera y la desviación estándar (σ) describiendo la variabilidad en torno a esta media (12). En la notación matemática, afirmamos que la puntuación observada (OS) comprende una puntuación verdadera hipotética (TS) y un error de medición (ϵ), de modo que OS = TS+ϵ (13). Esta perspectiva tiene implicaciones claras al usar mediciones de referencia para seleccionar las intervenciones, ya que el verdadero puntaje de un individuo siempre sigue siendo desconocido. Para las pruebas que con frecuencia producen grandes errores de medición, existe una mayor probabilidad de que las puntuaciones observadas difieran sustancialmente de la puntuación verdadera, de modo que las conclusiones extraídas y las intervenciones adoptadas pueden ser innecesarias, ineficaces o, realmente inapropiadas.
¿Qué es el marco estadístico?
Un tema recurrente en el primer informe del panel (Academias Nacionales de Ciencias, Ingeniería y Medicina, 2017b), así como en los capítulos anteriores de este informe, es que la calidad de las fuentes de datos administrativas y privadas necesita un examen cuidadoso antes de ser utilizado. para estadísticas federales. El tema y la precaución han sido impulsados por la novedad relativamente reciente del uso simultáneo de múltiples fuentes de datos y el hecho de que algunas nuevas fuentes potenciales de datos presentan nuevos problemas de calidad de datos.
Comenzamos este capítulo con una discusión de los marcos de calidad para los datos de la encuesta y luego revisamos brevemente las características de calidad adicionales y algunas extensiones de estos marcos para fuentes de datos administrativas y privadas. Luego consideramos cómo se han combinado o se pueden combinar diferentes fuentes de datos para producir estadísticas federales, con ejemplos para ilustrar algunos de los problemas de calidad en el uso de nuevas fuentes de datos.
La ciencia de la investigación de la encuesta tiene su origen en la provisión de datos descriptivos cuantitativos para el uso del estado a partir del siglo XVII. En general, el enfoque era enumerar a toda la población (censos) para proporcionar una descripción de la población a los gobernantes y administradores. Con el tiempo, las crecientes demandas de información por parte de los estados para las funciones de planificación y administrativa colocaron mayores tensiones en la capacidad de las oficinas estadísticas nacionales para proporcionar los datos, particularmente de manera oportuna.
El Instituto Estadístico Internacional, fundado en la segunda mitad del siglo XIX, reunió a los principales oficiales estadísticos de los países desarrollados, incluidos algunos académicos principales. En su convención en 1895, el principal estadístico de Noruega, Anders Kiaer, propuso una innovación radical, para recopilar información sobre solo un subconjunto de la población, una muestra representativa. Durante un período de 30 años, los estadísticos refinaron las ideas que presentó y desarrolló la forma de la encuesta de muestra que seguía siendo la base de la recopilación de datos estadísticos relacionados con las políticas durante el siglo XX.
¿Cómo elaborar un marco estadístico?
Este marco ayuda a los maestros y estudiantes a pensar en cómo producir mejores informes estadísticos.
He estado reflexionando sobre lo que debe suceder para que un estudiante pueda producir un buen informe estadístico. Esto ha sido impulsado por una encuesta informal que realicé entre los maestros de estadísticas de secundaria en Nueva Zelanda. Debido al nuevo plan de estudios y evaluaciones, muchos maestros de matemáticas se sienten fuera de su profundidad y se preguntan cómo ayudar a sus alumnos. Le pregunté a los maestros qué encontraron más desafiantes en las estadísticas de enseñanza. Con mucho, la respuesta más común se relacionó con la alfabetización o la escritura de informes. Aquí hay una muestra de respuestas del maestro cuando se les pregunta qué les parece más desafiante:
- Enseñando a los estudiantes a escribir.
- Ayudar a los estudiantes a presentar sus pensamientos e ideas en un informe escrito.
- Escribir los informes para la evaluación, lo que hace esto interesante.
- Ayudar a los estudiantes a usar el lenguaje estadístico requerido en las evaluaciones.
- Hacer que los estudiantes analicen y escriban un informe adecuadamente.
- Tratando de pensar más como un profesor de inglés que un profesor de matemáticas
Estos comentarios tienden a centrarse en el aspecto escrito del informe, pero me pregunto si la incapacidad de escribir un informe coherente también es un indicador de algunas otras limitaciones. El siguiente diagrama describe las habilidades y conocimientos necesarios para completar un buen informe estadístico. Además, el estudiante necesita los rasgos de carácter de pensamiento crítico, coraje y persistencia para llevar el informe a su finalización.
Artículos Relacionados:
