Materia
Análisis de Datos en Investigación Socioeducativa
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Castellano
Descripción y contextualización de la asignatura
La Estadística en general, y el Análisis de Datos en particular, es una herramienta imprescindible, para mejorar el conocimiento de la realidad educativa a través de la investigación. Esto es aplicable a los dos programas de doctorado en los que se imparte la asignatura: El Máster de Investigación en Ámbitos Socioeducativos y el Master en Multilingüismo y Educación.En este contexto, y con el fin de dar a conocer las posibilidades que ofrecen la Estadística y el Análisis de Datos en el contexto de la Metodología de Investigación se analiza su papel instrumental dentro de un proceso sistemático de recogida de información, análisis de datos, así como en la interpretación y presentación de los resultados.
Desde esta perspectiva se estudia el proceso a seguir en el análisis de datos, desde la recogida de los datos, hasta la presentación de los resultados obtenidos mediante análisis estadísticos, tras realizar una adecuada interpretación de los mismos.
La asignatura es de utilidad para:
1.- Leer e interpretar informes y aportaciones de investigadores que han sido expuestas y presentadas en diferentes formas.
2.- Poder realizar informes de evaluación, análisis de las necesidades, análisis de adaptación, análisis de mejora en su ámbito profesional, pruebas de diagnóstico.
Profesorado
Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
---|---|---|---|---|---|---|
ETXEBERRIA MURGIONDO, JUAN | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Catedratico De Universidad | Doctor | Bilingüe | Métodos de Investigación y Diagnóstico en Educación | juan.etxeberria@ehu.eus |
Competencias
Denominación | Peso |
---|---|
Delimitar los problemas de la investigación y buscar la información relevante. Describir las propiedades y características de los datos empíricos. Seleccionar las técnicas estadísticas apropiadas en virtud de las propiedades de los datos empíricos. Elegir, utilizar e interpretar los estadísticos más usuales en función de los objetivos del análisis. Tomar decisiones basadas en resultados estadísticos | 20.0 % |
Potenciar la capacidad para comparar y poner en relación conceptos y metodologías diferentes con un objetivo común | 15.0 % |
Aprender a resolver problemas en entornos nuevos o poco conocidos dentro de contextos o multidisciplinares relacionados con el análisis de datos multivariantes | 20.0 % |
Desarrollar la capacidad de elaboración y construcción de modelos y su validación. Ser capaz de formular y proponer modelos basados en datos empíricos. Saber verificar, mediante procedimientos estadísticos, las hipótesis derivadas de los modelos. | 15.0 % |
Valorar adecuadamente la capacidad predicativa y/o explicativa de los modelos. Saber generalizar, a la vez que delimitar la generalizabilidad de los modelos | 20.0 % |
Ser capaz de comunicar las conclusiones -y los conocimientos y razones últimas que los sustentan- a públicos especializados y no especializados de un modo claro y sin ambigüedades | 10.0 % |
Tipos de docencia
Tipo | Horas presenciales | Horas no presenciales | Horas totales |
---|---|---|---|
Magistral | 15 | 45 | 60 |
P. de Aula | 5 | 0 | 5 |
P. Ordenador | 10 | 0 | 10 |
Actividades formativas
Denominación | Horas | Porcentaje de presencialidad |
---|---|---|
Clases expositivas | 60.0 | 25 % |
Ejercicios | 10.0 | 100 % |
Talleres de aplicación | 5.0 | 100 % |
Sistemas de evaluación
Denominación | Ponderación mínima | Ponderación máxima |
---|---|---|
Exposiciones | 30.0 % | 30.0 % |
OTROS | 15.0 % | 40.0 % |
Preguntas a desarrollar | 30.0 % | 50.0 % |
Trabajos Prácticos | 20.0 % | 60.0 % |
Convocatoria ordinaria: orientaciones y renuncia
EVALUACIÓN3 NIVELES
A) Básica. Por asistencias. Nota final, 6 puntos. Asistencia mínima 5 días.
B) Notable. Asistencias y Tareas en aula de informática. Dossier de prácticas, en base a la
resolución de tareas que se indicarán en cada sesión. Nota final, 6 a 8 puntos. Asistencia
mínima 6 días.
C) Excelencia. Trabajo de Estadística. Nota final, 8 a 10 puntos. Asistencia mínima 6 días.
Una vez seleccionada una base de datos, el trabajo de evaluación continua, que deberá
hacerse de forma individual, se desarrollará siguiendo las pautas que se indican a
continuación:
i) Trabajo a realizar. Individual.
Fase 1.- Listado de 10-12 preguntas de investigación (de ampliar el conocimiento) en
relación con las variables que están incluidas en la base de datos, a las que se les va a
responder con los análisis estadísticos y gráficos que se detallan en el punto siguiente.
Fase 2.- Análisis Estadísticos:
· Análisis exploratorio univariante
· Correlaciones
· Tablas de contingencia
· T-test
· Análisis de la varianza de un factor
· Análisis de la varianza de dos factores. Interacción.
· Pruebas no paramétricas: Una muestra (K-S), 2 y k muestras independientes
· Regresión lineal
· Análisis de Componentes Principales
· Análisis Clúster
· Gráficas. Un ejemplo de cada modelo de gráfica. Excel y SPSS.
Fase 3.- Conclusiones. En menos de 5 páginas, un resumen de las conclusiones en las que
se plasme el incremento del conocimiento en las respuestas a las preguntas planteadas.
ii) Plazos de entrega.
Planteamiento de las preguntas: 3ª semana
Análisis e interpretación de los resultados: A partir de la cuarta semana, cada semana.
Conclusiones. 15 días después de la última clase.
iii) Porcentajes en la evaluación final:
Planteamiento de las preguntas: 10%
Análisis e interpretación de los resultados: 60%
Conclusiones: 30%
RENUNCIA A LA CONVOCATORIA
Cada persona matriculada en el máster puede renunciar a la convocatoria con una antelación de 4 semanas antes de la última sesión docente.
TRATAMIENTO DEL PLAGIO:
"De acuerdo al protocolo sobre ética académica" se recuerda que:
EXAMEN- "en caso de detectar fraude, copia o plagio durante la realización dela prueba, el profesor o profesora informará al o la estudiante de que la calificación del ejercicio es de supenso (0.0)
CORRECCION DE TRABAJOS ACADEMICOS. "cuando en la corrección de un trabajo académico se evidencie la comisión de una practica fraudulenta relevante para el resultado de la misma, dicho trabajo podrá, motivadamente, ser calificado con un suspenso.
"La comisión de las conductas fraudulentas antes descritas comportará para las y los autores y, en su caso, para las y los cooperadores necesarios las siguientes consecuencias:
- consecuencias en la calificación: supondrá la calificación de suspenso y la calificación numérica de 0.0
- posible apertura de expediente disciplinario persona matriculada en el máster puede renunciar a la convocatoria con una antelación de 4 semanas antes
Convocatoria extraordinaria: orientaciones y renuncia
EVALUACIÓNTrabajo de Estadística.
Una vez seleccionada una base de datos, el trabajo de evaluación continua, que deberá
hacerse de forma individual, se desarrollará siguiendo las pautas que se indican a
continuación:
i) Trabajo a realizar. Individual.
Fase 1.- Listado de 10-12 preguntas de investigación (de ampliar el conocimiento) en
relación con las variables que están incluidas en la base de datos, a las que se les va a
responder con los análisis estadísticos y gráficos que se detallan en el punto siguiente.
Fase 2.- Análisis Estadísticos:
· Análisis exploratorio univariante
· Correlaciones
· Tablas de contingencia
· T-test
· Análisis de la varianza de un factor
· Análisis de la varianza de dos factores. Interacción.
· Pruebas no paramétricas: Una muestra (K-S), 2 y k muestras independientes
· Regresión lineal
· Análisis de Componentes Principales
· Análisis Clúster
· Gráficas. Un ejemplo de cada modelo de gráfica. Excel y SPSS.
Fase 3.- Conclusiones. En menos de 5 páginas, un resumen de las conclusiones en las que
se plasme el incremento del conocimiento en las respuestas a las preguntas planteadas.
ii) Porcentajes en la evaluación final:
Planteamiento de las preguntas: 10%
Análisis e interpretación de los resultados: 60%
Conclusiones: 30%
TRATAMIENTO DEL PLAGIO:
"De acuerdo al protocolo sobre ética académica" se recuerda que:
EXAMEN- "en caso de detectar fraude, copia o plagio durante la realización dela prueba, el profesor o profesora informará al o la estudiante de que la calificación del ejercicio es de supenso (0.0)
CORRECCION DE TRABAJOS ACADEMICOS. "cuando en la corrección de un trabajo académico se evidencie la comisión de una practica fraudulenta relevante para el resultado de la misma, dicho trabajo podrá, motivadamente, ser calificado con un suspenso.
"La comisión de las conductas fraudulentas antes descritas comportará para las y los autores y, en su caso, para las y los cooperadores necesarios las siguientes consecuencias:
- consecuencias en la calificación: supondrá la calificación de suspenso y la calificación numérica de 0.0
- posible apertura de expediente disciplinario persona matriculada en el máster puede renunciar a la convocatoria con una antelación de 4 semanas antes
Temario
La Estadística y el Análisis de Datos en un proceso de investigación científica. Estadística descriptiva vs. inferencial. Muestreo. Análisis inferencial de datos. Programas informáticos de análisis estadísticos de datosPanorama general del análisis cualitativo y y cuantitativo de datos en la investigación sobre multilingüismo y educación
SPSS. Aspectos básicos
Estadística descriptiva
1. Análisis exploratorio univariante.
2 Las gráficas en Estadística.
3. Edición de resultados: Tablas y gráficos. Excel.
4. La Estadística y los casos atípicos. Explorar…
5. Comparación de medias.
6. Relación entre variables (numéricas – cuantitativas). Coeficiente de correlación.
7. Asociación/relación entre variables cualitativas.
Inferencia Estadística.
8. Fundamentos de la Inferencia Estadística
9. Tablas de contingencia (Tablas cruzadas) y Estadísticos.
10. Comparando medias. Tamaño del efecto. Potencia de la prueba.
11. Análisis Factoriales. Análisis de Componentes Principales
12. Regresión múltiple
13. Regresión logística
14. La interpretación de los resultados. Problemas del incumplimiento de las condiciones de
aplicación.
Bibliografía
Materiales de uso obligatorio
Apuntes de la asignatura - EgelaEtxeberria, J, Tejedor, F.J. (2005). Análisis descriptivo de datos en Educación. Madrid: La Muralla.
Etxeberria, J. (2007). Regresión Múltiple. Madrid: La Muralla
Gil Flores, J. (2003). La Estadística en la investigación educativa. RIE. Vol 21. Nº 1. Pp. 231-248
Ocaña-Riola, R. (2011). ¿Por qué es necesaria la cultura estadística? Recuperado de
http://www.divestadistica.es/es/2011_04/universo_estadistico_por_que_es_necesaria_la
_cultura_estadistica.html
Tejedor, J. y Etxeberria, J. (2006). Análisis inferencial de datos en educación. Madrid: La Muralla
Bibliografía básica
Allen Paulos, J. (1995). El hombre anumérico. Barcelona. Tusquets.Escobar, M. (1999). Análisis Gráfico ¿ exploratorio. Madrid: La Muralla
Etxeberria, J. (2003). Estatistika eta SPSS. Donostia. Elhuyar.
Etxeberria, J, Tejedor, F.J. (2005). Análisis descriptivo de datos en Educación. Madrid: La Muralla.
Etxeberria, J. (2007). Regresión Múltiple. Madrid: La Muralla
Gil Flores, J. (2003). La Estadística en la investigación educativa. RIE. Vol 21. Nº 1. Pp. 231-248
Hair, J.F. y otros. (1999). Análisis Multivariante. Madrid: Prentice Hall.
Ocaña-Riola, R. (2011). ¿Por qué es necesaria la cultura estadística? Recuperado de
http://www.divestadistica.es/es/2011_04/universo_estadistico_por_que_es_necesaria_la <br /><br />_cultura_estadistica.html <br /><br />Tejedor, J. y Etxeberria, J. (2006). Análisis inferencial de datos en educación. Madrid: La Muralla <br /><br />
Bibliografía de profundización
Hair, J.F. y otros. (1999). Análisis Multivariante. Madrid: Prentice Hall.Martínez Arias, M. R. (1999). El análisis multivariante en la investigación científica. Madrid: La Muralla
Tojar, J.C. (2006). Investigación Cualitativa. Comprender y actuar. Madrid: La Muralla.
Uriel, E. y Aldás, J. (2005). Análisis multivariante aplicado. Madrid: Thompson
Revistas
GENERALESBordón
Revista de Educación
Revista Española de Pedagogía
Revista de Investigación Educativa
Tantak
ESPECíFICAS:
Applied Psychological Measurement
Educational Assessment
Evaluation
Evaluation and Research in Education
Journal of Educational Measurement
Measurement and Evaluation in Guidance
Mesure et Evaluation en Education
Psychometrika
Review of Educational Research
Enlaces
Descartes: www.recursostic.educacion.es/descartes/web/Educación Estadística: www.ugr.es/~batanero/
Enlaces de Estadística: https://estadisticafarem.wordpress.com/enlaces-sugeridos/
Estadística para todos: www.estadisticaparatodos.es/
EUSTAT: http://www.eustat.eus
INE: http://www.ine.es/
La belleza de la visualización de datos: David McCandless. https://www.ted.com/talks/david_mccandless_the_beauty_of_data_visualization?language=es#t-34071
Recursos Educativos para profesores: www.ucv.cl/web/estadistica
Redemat, Estadística: www.recursosmatematicos.com/estadistica.html
Visualizing Statistical Concepts: www.du.edu/psychology/methods/concepts/
Web Estadística de Navarra: www.pwpamplona.com/wen/
Aula virtual de Bioestadística: e-stadistica.bio.ucm.es/index_modulos.html
www.isftic.mepsyd.es/w3/eos/MaterialesEducativos/mem2001/estadistica/index2.htm
Gapminder: http://www.gapminder.org/world
Proyecto Gauss: https://procomun.educalab.es/es/articulos/proyecto-gauss-para-matematicas