Analizar los datos de investigación es un proceso utilizado por los investigadores para reducir los datos a una historia e interpretarlos con el fin de obtener información. En este proceso, una gran cantidad de datos son reducidos en pequeños fragmentos para encontrarles sentido.
Para llegar a la etapa de análisis de datos, es necesario que previamente se haya definido el problema de la investigación, desarrollado e implementado un plan de muestreo, un diseño de estructura, métodos y herramientas, por lo que se considera que este es un paso más fácil de realizar en una investigación.
Si tienes dudas sobre cómo llevar a cabo tu análisis de forma correcta, en este artículo te presentaremos los puntos principales que debes tener en cuenta.
¿Cuál es la importancia de analizar los datos de investigación antes de presentar los resultados?
El propósito de analizar los datos de investigación es obtener información que pueda ser útil para tu trabajo y te permite:
- Describir y resumir los datos
- Identificar la relación entre variables
- Comparar variables
- Identificar la diferencia entre variables
- Pronosticar resultados
¿Cómo hacer un análisis de datos en una investigación?
Al analizar los datos de investigación se presentan tres elementos: la organización de los datos, la reducción de los datos mediante la integración, y la categorización, de modo que los patrones y los temas puedan identificarse y vincularse fácilmente.
A continuación, tenemos para ti el proceso de realizar un análisis de datos, el cual consta de tres fases principales:
Fase I: Validación de datos
La validación de los datos se hace para entender si la información recolectada está de acuerdo con los estándares preestablecidos o si es una muestra de datos sesgada. Esta fase se divide en cuatro aspectos diferentes:
- Fraude: Asegurar que cada respuesta a la encuesta o al cuestionario sea registrada por un ser humano real.
- Proyección: Asegurarse que cada participante o encuestado sea seleccionado o escogido de acuerdo con los criterios de la investigación.
- Procedimiento: Cerciorarse que se mantuvieran los estándares éticos mientras se recolectaban los datos de la muestra.
- Exhaustividad: Asegurarse de que el encuestado contestó todas las preguntas de la encuesta online o de que el entrevistador ha hecho todas las preguntas elaboradas en el cuestionario.
Fase II: Edición de datos
Con mayor frecuencia, una muestra grande de datos de investigación viene cargada de errores. Los encuestados a veces rellenan algunos campos de forma incorrecta o a veces los omiten accidentalmente.
La edición de datos es un proceso en el que los investigadores tienen que confirmar que los datos proporcionados están libres de tales errores y para ello, necesitan realizar comprobaciones básicas y de valores atípicos para editar la edición bruta y prepararla para el análisis.
Fase III: Codificación de datos
Esta es la fase más importante de la preparación de datos, pues se asocia con la agrupación y asignación de valores a las respuestas de la encuesta.
Supongamos que una encuesta se completa con un tamaño de muestra de 1000, entonces el investigador creará un rango de edad para distinguir a los encuestados en función de su edad. Por lo tanto, es más fácil analizar pequeños cubos de datos que tratar con la gran pila de datos.
¿Qué debes considerar al momento de analizar los datos de investigación?
Recuerda que antes de que sepas las diferentes maneras de analizar y discutir los datos, es conveniente que sepas las diferencias entre investigación cualitativa e investigación cuantitativa, y la diferencia entre datos cualitativos y datos cuantitativos.
Digamos que decides hacer una investigación etnográfica, la cual es una investigación cualitativa. En el primer paso, decides tomar una pequeña muestra (algo que normalmente se realiza en las investigaciones cualitativas) pero después, decides realizar una entrevista estructurada o una encuesta (que normalmente se realizan en las investigaciones cuantitativas) para determinar las actitudes particulares de personas cuando sucede un fenómeno de interés (investigación cualitativa).
Debido a que utilizaste métodos que obtienen datos cuantitativos y cualitativos, tu investigación será una mezcla de ambos.
Una fuente de confusión para muchas personas es la creencia de que la investigación cualitativa únicamente genera datos cualitativos (texto, palabras, opiniones, etc.) y que la investigación cuantitativa genera solo datos cuantitativos (números).
En algunos casos sí sucede esto, pero ambos tipos de datos pueden ser generados por cualquier tipo de investigación que se realice. Por ejemplo, una encuesta (investigación cuantitativa) comúnmente obtiene información como edad, salario, longitud de servicio (datos cuantitativos), pero también es probable que obtenga datos cualitativos como opiniones y actitudes.
Te recomiendo conocer todo sobre el software de análisis de texto de QuestionPro.
¿Qué técnica debes usar para analizar los datos de investigación?
Cuando se trata de analizar datos, algunas personas creen que únicamente las técnicas estadísticas son las que se pueden aplicar a los datos cuantitativos (números).
Esto es incorrecto, pues existen muchas técnicas estadísticas que se pueden aplicar a los datos cualitativos, como es el caso de la escala de valoración, que se utiliza comúnmente en investigaciones cuantitativas. Incluso si un estudio cualitativo no utiliza datos cuantitativos, existen muchas maneras de analizar los datos cualitativos que se obtienen.
Por ejemplo, tras realizar una entrevista, la transcripción y la organización de los datos son las primeras etapas de análisis. Después, lo que se debe hacer es analizar sistemáticamente las transcripciones, agrupar los comentarios, interpretarlos y obtener las conclusiones.
Conoce 4 maneras de usar tu investigación cualitativa
¿Cómo recopilar tus resultados de investigación?
Algunas preguntas que los investigadores se hacen comúnmente son: ¿La investigación que hice estará al nivel de otras investigaciones? ¿Las personas creerán en mis resultados?
Los investigadores abordan estas preguntas utilizando un método de recolección de datos (instrumento de investigación) para darle a sus resultados fiabilidad y validez.
- Fiabilidad: refiere a que la investigación realizada y la información obtenida sea única, es decir, que no sea repetida.
- Validez: puede ser explicada con la respuesta de esta pregunta: ¿Estamos midiendo lo que creemos que estamos midiendo?
Esto es algo muy difícil de abordar. Las siguientes son preguntas comunes que te puedes hacer para abordar la validez y poder analizar los datos con confianza.
- ¿Cómo obtuvo el investigador acceso completo al conocimiento y a los datos obtenidos?
- ¿Los investigadores con experiencia utilizan las mismas preguntas y métodos?
Ningún procedimiento es completamente fiable, pero si el procedimiento de recolección de datos no es de confianza la investigación es inválida. Otro problema es que incluso aunque la investigación sea fiable, no significa que esta tenga validez.
Sin embargo, algunos métodos que puedes implementar son:
Triangulación
La triangulación consiste en la comprobación cruzada de los datos utilizando múltiples fuentes o utilizando dos o más métodos de recopilación de datos. Existen diferentes tipos de triangulación, incluyendo:
- Triangulación de tiempo: estudios longitudinales.
- Triangulación metodológica: utilizar el mismo método diferentes veces o diferentes métodos con el mismo objeto de estudio.
- Triangulación de investigador: involucra a más de un investigador
Error de muestreo
El error de muestreo es un indicador que mide la diferencia entre los resultados de muestreo y los parámetros de población de la investigación. No puede ser eliminado, cuando se utiliza el muestreo aleatorio, el error de muestreo puede ocurrir por casualidad y también, el error de muestreo puede disminuir si el tamaño de muestra aumenta.
Estas son algunas preguntas básicas que necesitamos hacernos para evaluar nuestra muestra:
- ¿La muestra es aleatoria y representa a la población?
- ¿La muestra es grande o pequeña?
Puede interesarte: Margen de error ¿qué es y cómo se calcula?
Error de no muestreo
Todos los errores, excepto los errores de muestreo, son errores de no muestreo y pueden eliminarse. Existen diferentes tipos, algunos de estos son:
- Error del investigador: definiciones poco claras; problemas de fiabilidad y validez; problemas de análisis de datos, por ejemplo; falta de datos.
- Error del entrevistador: enfoque general; técnicas de entrevistas personales; registro de respuestas.
- Error de la persona entrevistada: inhabilidad de responder; falta de interés por responder; mentiras al momento de responder; pocas respuestas.
Conoce: Tipos de errores. Consejos para que tu investigación no caiga en ellos
¡Utiliza las mejores herramientas para tu investigación!
Ahora que ya tienes una idea global para analizar los datos de tu investigación, te invitamos a conocer nuestro Ebook “Metodologías de investigación avanzadas”, donde encontrarás información relevante de preguntas avanzadas para una investigación, lógicas de investigación avanzada y mucho más.
COMPARTE ESTE ARTÍCULO:
