SESIÓN 12: Metodología del diseño de investigación — Transcript

Sesión sobre metodología del diseño de investigación con enfoque en investigación científica y uso de IA para tesis.

Key Takeaways

La investigación científica se basa en evidencias y sigue reglas para obtener resultados confiables.
No existe un único diseño de investigación; la elección depende de la pregunta y el contexto.
La IA es una herramienta útil para apoyar el diseño y análisis en la investigación.
Es fundamental entender la metodología para construir tesis sólidas y bien fundamentadas.
La ciencia es un 'cómo' para conocer el mundo, no un 'qué' ni un 'quién'.

Summary

Presentación del maestro Eduward Chávez, experto en psicología, diseños experimentales y análisis cuantitativo.
Introducción a la estructura general de un artículo científico y su relación con la tesis.
Importancia de definir el propósito de la investigación y avanzar del qué y por qué al cómo.
Explicación sobre la investigación científica como un método basado en evidencias y no en opiniones.
Diversidad de metodologías y diseños de investigación para responder diferentes preguntas científicas.
Crítica a la visión rígida y simplista de los diseños de investigación como recetas fijas.
Relevancia de la epistemología y la construcción del conocimiento confiable a través del método científico.
Uso de la inteligencia artificial como herramienta para facilitar el diseño de investigaciones.
Enfoque en la aplicación práctica de diseños experimentales y análisis de datos en tesis.
Importancia de adaptar el diseño a la pregunta de investigación y no al revés.

Chapters

Full Transcript — Download SRT & Markdown

Speaker A

Eh, vamos a presentar a Eduward, nuestro maestro Eduward Chávez. Pues es magíster en psicología por la Universidad de Antioquia, Colombia, experto en diseños experimentales y análisis de datos cuantitativos. Pues cuenta con amplia experiencia en docencia e investigación.

Speaker A

Asimismo, ha trabajado en proyectos que integran el diseño experimental y el análisis estadístico. De la misma manera, cuenta con una sólida trayectoria docente, guiando a estudiantes y profesionales en el uso de metodologías científicas en todo lo que es la investigación

Speaker A

cuantitativa, ¿no? Entonces, estimados, tenemos la presencia de Eduward, ya nos ha acompañado en varios cursos anteriores que nosotros hemos tenido. Aquí ustedes tienen justamente la presencia, como siempre pueden ir consultando, preguntando.

Speaker A

Excelente. Gracias, Eduward. Adelante. Listo. Bueno, buenas noches para todos. Miguel, ¿me das permiso por favor para compartir pantalla? Perfecto. Ahorita doy todos los permisos.

Speaker A

Vamos. [Música] Bien, creo que ya ahora sí. Y perfectamente. Entonces, comparto toda esta pantalla. Creo que ahí ya me están viendo, ¿cierto? Vemos la pantalla completa, pero a quitar para listo. Sí, ahí se ve.

Speaker A

Perfecto. Muchas gracias. Bueno, nuevamente buenas noches para todos. Bienvenidos entonces a nuestro encuentro de hoy. Eh, bueno, sé que ya llevan un ratico aquí en el curso y creo que ya han ido pensando una muy buena parte como todo

Speaker A

el proceso de acompañamiento de una tesis y particularmente como viendo cómo la IA nos puede ayudar. Entonces, el reto que tenemos esta noche es, esperemos que no me esté avanzando.

Speaker A

Este es un muy buen resumen como de toda la estructura de un artículo más que de una tesis. Sabemos que la forma de manuscrito final cambia, pero buena parte lo que todos ustedes han hecho hasta ahora es lo que en los artículos

Speaker A

reportamos como la introducción, lo que se han preguntado y lo que espero ya vayan avanzando. He visto que tienen talleres, entonces ojalá tengamos ahí los elementos que han avanzado por si quieren que los integremos hoy. Tienen que ver con el qué vamos a hacer, por

Speaker A

qué hacerlo, para qué hacerlo. Básicamente han estado pensando estos elementos, más o menos un orden claro durante su curso hasta ahora y tiene que ver con esto, con bueno, que nos pensemos un poco cuál es el propósito de

Speaker A

la investigación. Esperemos por acá está el chat. Eh, está haciendo eco. Okay, permítame, voy a ver si cambio el micrófono, ¿eh? A ver si lo ponemos con ahí se escucha mejor.

Speaker A

No sé si se escucha mejor. Me cuentan. Voy a ir avanzando un poco porque al parecer es comprensible y si algo seguimos adaptándolo.

Speaker A

Entonces, como les decía, ya ustedes llevan una buena parte del proceso, que es básicamente toda esa revisión de qué es lo que queremos hacer, pero estamos ya haciendo el tránsito, no del qué, el por qué, para qué, sino ya en este

Speaker A

momento al cómo, ¿listo? Y ese cómo tiene que ver ya es con el método, con cómo vamos a responder esa pregunta. En este escenario aparecen un montón de nuevos elementos que hay que pensarse bien. En un primer lugar es con quién

Speaker A

vamos a trabajar. Justamente esa parte la hablaremos el próximo lunes todos nosotros. El con qué básicamente qué instrumentos materiales vas a utilizar.

Speaker A

Para eso tendrán otras dos sesiones, uno para instrumentos cuantitativos y otro para cualitativos. También meteremos fuerte a eso y el cómo ante todo tienen que ver ya cómo aplicamos lo que vamos a hablar de todo esto y el análisis de

Speaker A

datos que también tendrán una sesión para eso. De modo que la sesión que nos interesa hoy de todo ese cómo que hay que pensar tiene que ver justamente con ese concepto de diseños de investigación. Vamos a meterle la ficha

Speaker A

a esto y de nuevo ante todo ver cómo la IA es muy útil para esta parte. En este aspecto en particular, realmente funciona muy bien y la idea es que entendamos por qué para que le saquemos bastante provecho. Entonces, ¿cómo

Speaker A

funciona esto? Acá con todo el primer momento que ustedes llevan, con lo que han venido pensando hasta ahora en el curso y la estructura de una tesis, básicamente uno le está apostando a hacer como este granito, ¿no? Si notan

Speaker A

estamos diciendo, pues estamos planteando un problema, identificando una situación y ahí estamos nosotros intentando apoyar un poquitico con el granito de arena que podemos, el pedacito que se puede. Eso es básicamente lo que hacemos en Canco.

Speaker A

Enfrentarnos con preguntas enormes, con fenómenos muy interesantes, aportando un granito a la vez. La cuestión de fondo que a veces puede desalentar mucho, pero también que implica ese proceso de aprendizaje que ustedes están metiéndole la ficha, sacando tiempo a cursos como estos, es

Speaker A

que en ese reto de responder a esos problemas de conocimiento hay muchas formas, realmente hay muchas formas de conocer el mundo, pero la investigación científica se ha construido como una forma particular. Básicamente es un cómo, seguramente han visto imágenes como

Speaker A

estas, como el método científico y claro que nos plantean es primero observas, planteas el problema, haces hipótesis, manipulas y haces todo este proceso. La esencia fundamental de la investigación científica y el reto para donde van los diseños es esto. Al momento estamos

Speaker A

preguntando como por ese gran problema que tenemos, la pregunta es, ¿y cómo vamos a responder? Ahí es donde aparece todo esto que corresponde a los diseños de investigación. Una frase que me gusta mucho es esta que estamos viendo y dice

Speaker A

lo siguiente. Las opiniones de los científicos, aunque a veces a algunos científicos no les guste, no tienen más valor que las de cualquier otra persona.

Speaker A

Las opiniones sobre temas fácticos solo valen cuando están basadas en evidencias. Para obtener evidencias, aquí es donde venimos, se necesita realizar una investigación científica que cumpla determinadas reglas para dar resultados confiables.

Speaker A

Cuando es así, no solo dejan de ser meras opiniones, sino que deja de ser importante quién es el emisor o si ese emisor es o no un científico. La ciencia y eso es lo fundamental que necesito que entendamos para que se ubiquen distinto

Speaker A

a cómo vamos a construir la tesis. Es un cómo, no un qué ni mucho menos un quién. ¿Listo? ¿Qué es lo que pasa?

Speaker A

Todo esto que ustedes han venido pensando, que ya han reflexionado sobre la epistemología, sobre cómo investigar, de por qué es importante, pues resalta que durante lo que llevamos como especie hemos encontrado formas de encontrar conocimiento más confiable que otros. No

Speaker A

es la verdad. Podemos equivocarnos, pero si seguimos unos ciertos pasos que ya hemos construido, es mucho más probable que encontremos resultados confiables.

Speaker A

Ese es el punto fundamental. Esa es la idea clave. La invitación a todo que toda aquella persona que quiera pensar un fenómeno es, ey, venga, pese con nosotros, pero mire todo lo que hemos construido para facilitar ese proceso. Eso es la clave,

Speaker A

ese es el punto de lo que tienen que pensar con los diseños de investigación.

Speaker A

Hay un conjunto de formas de preguntarse por el mundo, de modo que ustedes pueden decir, "Bueno, quiero preguntarme por esto, ¿cómo lo hago?" Entonces, desde la parte de ciencia le decimos, bueno, se puede hacer así o se puede hacer así o se puede hacer así. Y

Speaker A

ese es el punto clave que viene. Aunque estamos diciendo que la ciencia es un cómo, hay un pero muy importante y es que realmente no existe un único cómo.

Speaker A

Por el contrario, hemos desarrollado muchas metodologías distintas para responder diferentes preguntas, porque no todas las preguntas se responden igual. Hay que pensarlo diferente para poder responder a ellas. De manera que el reto que viene es entender cómo pensar los diseños, porque

Speaker A

lastimosamente, y eso es especialmente para nosotros en Latinoamérica, como se han visto los diseños de investigación, no los presentan como recetas mágicas, nos dicen, "Mire, estos son los diseños, este es así." Entonces, usted tiene que hacerlo de esta manera. Tienes que

Speaker A

adaptarte al diseño. Pero eso es una mala lectura de lo que son los diseños. Por eso.

Speaker A

Los diseños de investigación básicamente tienen que pensarlos así. Son estrategias para responder una pregunta, de modo que los diseños deben estar al servicio de lo que te preguntas, no al revés.

Speaker A

Y si ustedes tienen experiencia, sé que también aquí hay asesores de tesis, hay docentes, hay investigadores. Muchas veces en el proceso se dice al revés, si es no es que si es una investigación de este tipo, entonces tienes que cambiar

Speaker A

tú todo a esto. Entonces, no, si vas a hacer un experimento, tienes que hacerlo así. Entonces, no, pero tu estudio no permite, entonces cambia tu estudio. No, no, no. Las preguntas obligan a pensar formas distintas de responderlas. Lo que

Speaker A

pasa, retomando lo que hemos dicho hasta ahora, es que los diseños ya los hemos pensado, le hemos metido la ficha, hemos dicho, "¿Sabe qué? Cuando uno se pregunta esto, tal vez la mejor manera que tenemos hasta ahora es haciéndolo

Speaker A

así." Entonces, claro, en vez de vos hacerlo solo y estar por ahí perdido como, "¿Qué hago? ¿Cómo lo hago?" Vení a aprovechar lo que ya hemos aprendido a hacer. Mira esta estrategia que ha resultado útil para obtener resultados

Speaker A

confiables. ¿Listo? Entonces, el punto clave que la invitación a pensarlo hoy y de nuevo eh también no lo dije ahorita, pero si ustedes somos pocos por lo que veo, entonces genial para que participen, para que aclaremos dudas que tengan. La

Speaker A

primera hasta ahora es esta. Vamos a pensar los diseños como formas de responder las preguntas que ustedes vienen haciendo, que vienen pensando con el proyecto hasta ahora. Y en ese sentido, pues depende la pregunta, eso es clave. Y una primera gran distinción,

Speaker A

justamente tiene que ver con esa esa separación que suelen escuchar entre cuantitativo y cualitativo. Ya sé que en el curso lo han visto y lo han discutido.

Speaker A

No obstante, cuando si les pregunto cuál es la principal diferencia entre estos dos, las formas que usualmente escuchamos de responder suelen ser problemáticas. Hoy la sesión tenemos mucho que cortar y además quiero que sea práctica, entonces no me voy a demorar

Speaker A

mucho acá, pero lamentablemente cuando se nos vende esta distinción se nos ha vendido de una forma que nos lleva a problemas y a confusiones. Usualmente, por ejemplo, cuantitativo, entonces es que tienes datos cuantificables, entonces si tienes números, si tienes

Speaker A

datos objetivos medibles. En cambio cualitativo es si tienes cualidad, categorías que no se pueden cuantificar en sí mismas.

Speaker A

El gran problema es que eso nos pone en una oposición de si uso números o si uso categorías. No funciona tan así porque de nuevo estamos priorizando ahora es el tipo de dato y no la pregunta que me

Speaker A

estoy haciendo. Entonces, la mejor forma para entender estas dos sesiones que vienen es la pregunta. Eso es lo que organiza la investigación. ¿Cuál es tu propósito epistémico? En otras palabras, recuerden, ya vieron que es epistemología. histérémico desde conocimiento. ¿Cuál es tu propósito de

Speaker A

conocer? ¿Qué es lo que estás buscando comprender del fenómeno que te interesa? Esa es la pregunta fundamental para elegir un buen diseño. ¿Cuál es el objetivo de conocimiento que tienes?

Speaker A

Porque dependiendo de cómo definas ese conocimiento, pues se determina una ruta particular u otra. tenemos formas de responder a esa pregunta dependiendo de cuál es tu objetivo. Entonces, eso que llamamos cuantitativo y lo que llamamos cualitativo tal vez se entiende mejor y

Speaker A

esta es una txonomía mucho más efectiva si los pensamos como algo no botético e ideográfico. Ambas son ciencias, ambos son propósitos científicos, pero es objetivo de conocimiento es diferente.

Speaker A

Cuando hablamos de una ciencia noética, una pregunta motética, es una pregunta por la regularidad, por cómo funciona un fenómeno.

Speaker A

Aquí lo clave, lo fundamental para que lo separemos es no me interesa un caso concreto, me interesa el fenómeno que estoy conceptualizando y eso es una marca distintiva de los estudios nométicos cuantitativos y es que las personas que participan en el

Speaker A

estudio no son en sí mismas lo importante, son representantes del fenómeno que me interesa. Entonces, yo soy psicólogo, ya les comentaba Miguel, yo podría estudiar, por ejemplo, la memoria y puedo pensar y reunirlos a todos ustedes. Tengo aquí en pantalla a

Speaker A

Alfredo, a Juan José, a Julio Ángel y podría usarlos en un estudio del tipo que sea. Ya vamos a verlos. Pero la cuestión es que realmente a mí no me interesa ni Alfredo, ni Juan José, ni Julio Ángel. me sirven para pensar el

Speaker A

fenómeno, pero ellos en sí mismos no son de interés, por más personas maravillosas que sean, que seguramente lo son. Ah, okay. Listo. Entonces, lo que es clave acá, permítame borrallando la diapositiva para resaltar estos elementos, es esto de acá. Queremos

Speaker A

pensar la regularidad de cómo funciona el fenómeno. ¿Listo? Voy a mostrarles el otro lado para que vean lo puesto y aquí hacemos pausita y me cuentan si me están siguiendo. ¿Listo?

Speaker A

¿Qué es lo que pasa? Mientras que podemos hacer preguntas entonces por los fenómenos donde la persona en sí misma no es importante, sino el fenómeno que quiero conocer, pues puede invertirse, puedo hacerme preguntas ideográficas y dio acá es de caso. ¿Cómo así? Ya lo que

Speaker A

me interesa no es la regularidad, lo general, sino que lo que me interesa es la particularidad.

Speaker A

un caso al margen del resto. Entonces, resulta que ahora sí, si estudio Alfredo es porque me interesa Alfredo. ¿Hay alguna característica, hay alguna razón?

Speaker A

Hay algo que me dice, "Ey, si pensamos este caso, podemos entender mejor el fenómeno. Primero pienso el caso, luego el fenómeno. Por ahora me interesa solo el caso." Y eso justamente es lo que orienta la investigación cualitativa. Ya

Speaker A

por eso ustedes ven que no interesa generalizar el propósito, no es extender el conocimiento a nuevos casos, sino comprender a profundidad un caso concreto.

Speaker A

Aquí ojo que el concepto de caso puede ser una persona, un grupo, una comunidad. Lo importante es que el fenómeno se particulariza y ya me interesa es ese escenario y solo ese al margen del resto. ¿Por qué? Porque

Speaker A

asumimos que hay algo interesante que nos puede contar. Entonces, noten que esa separación es mucho más clara.

Speaker A

Primero espero, ya les voy a preguntar y me confirma si me va a siguiendo o no, pero también es mucho más bonita para los diseños que vienen y los instrumentos que vamos a usar.

Speaker A

Evidentemente hay instrumentos cuantitativos y hay instrumentos cualitativos, pero si yo quiero preguntarme por lo general la regularidad, no implica que no puedo usar instrumentos cualitativos y eso no me cambia en nada lo que estoy haciendo.

Speaker A

Eso es lo que vamos a ver en los diseños que tendremos hoy. El propósito es conocer lo mejor posible el fenómeno, cómo funciona, cuáles son las relaciones que están implicadas y para eso podemos usar muchas estrategias, muchas mediciones, muchos instrumentos. Lo

Speaker A

importante es tener claro mi pregunta, lo que me interesa conocerlo. ¿Listo? Entonces, esa separación es importante.

Speaker A

El día de hoy conmigo van a pensar los diseños noéticos, esos diseños que quieren conocer los fenómenos cómo ocurren más que los casos particulares.

Speaker A

Eso lo verá la próxima clase con la profesora se me fue, creo que es Katia.

Speaker A

Eh, me disculpan ahí que se me olvidó ese detallito. Listo. Entonces, esta separación para mí es muy importante que la entendamos hoy para entender los diseños como tal. Hasta aquí, ¿cómo vamos? Que es una presentación rapidita, veloz. para poder centrarnos en lo

Speaker A

importante. Claros hasta acá me están siguiendo. ¿Todo claro? ¿O hay alguien que tenga alguna pregunta? Comentar sea por manita levantada o algo. Creo que Juan José activa este micrófono, pero no te escuchamos.

Speaker A

Okay. Ah, para m para mí quedó claro, muy claro. Gracias. Perfecto, Juan José, es el objetivo. ¿Alguien más nos dice Yar también? Vamos bien. Perfecto.

Speaker A

Excelente. Entonces, ya estamos ubicados acá en la pregunta que nos interesa hoy. Si en sus investigaciones quieren conocer el fenómeno más que el caso, ese es el camino. Justamente eso es lo que vamos a dejar clarísimo acá. ¿Por qué

Speaker A

nos vamos a ir por esta línea? ¿Por qué en sus tesis o por qué cuando tengan a un asesorado orientarlo a este tipo de diseños? Bueno, básicamente ya lo vimos.

Speaker A

¿Qué queremos lograr? Si me interesa encontrar en la regularidad cómo funciona el fenómeno, ese es el camino.

Speaker A

Por acá es más fácil. Acá hay diseños diseñados para eso. Además, la pregunta clave que les contaba es, ¿los casos qué significan para ustedes? Si realmente el caso no es importante, entonces no es necesario un diseño cualitativo, no es

Speaker A

orientarse a ese en profundidad, sino pensarlo más allá del caso. De ahí que lo importante es que aparece el concepto de generalización. Justamente es quiero que se pueda extender este conocimiento a nuevos casos y fundamentalmente, ¿qué tenés disponible para hacer tu

Speaker A

investigación? Si podés recolectar muchos datos, si puedes recolectar con varias mediciones y podés obtener información para pensar la regularidad, por acabar el camino, porque puede ser que a mí me interese las regularidades, pero no pueda reconectar información.

Speaker A

Entonces, tal vez no es ni quality quantity, sino que hay que hacer un eh investigación documental. Revisamos y hacemos una revisión sistemática o metaanálisis, hay otras líneas. ¿Listo?

Speaker A

Una cosa importante que por eso verán en su momento en esta en este curso del análisis estadístico es que como nos interesan la regularidades, la estadística es una herramienta muy útil para pensar el comportamiento general de los datos. Entonces usualmente lo quanti

Speaker A

y el análisis estadístico van de la mano. Digo usualmente porque no es obligatorio, pero es una herramienta muy útil y veremos que muchos diseños, especialmente no experimentales, dependen del análisis estadístico que utilicemos.

Speaker A

Entonces, esta es la ruta que tenemos. ¿Cuándo vamos a estarnos por esta línea? Cuando les interese todo esto, recuerden las diapositivas y las vamos a compartir. Eso queda como una ruta. Pero okay, decimos, sí, definitivamente eso es lo que me interesa. Esta es la ruta

Speaker A

que yo quiero. ¿Qué tengo que hacer ahora? Bueno, se nos abre un portafolio de formas de responder porque depende mucho de tu pregunta. Yo puedo preguntarme por la regularidad de muchas maneras.

Speaker A

La forma más clara para entender todos los diseñoséticos o cuantitativos tiene que ver con el nivel de conocimiento que quieres construir. Ojo, lo que nos interesa es poder entender cómo funcionan los fenómenos, pero lograr eso es retador, no es una tarea

Speaker A

fácil, es demandante, tiene eh retos importantes. Espér corro un poquitico aquí que no los estoy viendo.

Speaker A

Ya retos importantes que de lo contrario no se podrían lograr si no vamos reconociendo como ese nivel de conocimiento. Entonces el propósito de todas las ciencias es poder explicar explicar por qué las cosas son como son.

Speaker A

Pero para llegar a la explicación necesitamos mucho para poder pensar siquiera una explicación. Una primera estrategia tiene que ver con que pasa.

Speaker A

Sí describir. Antes de poder explicar por qué las cosas pasan como pasan, deberíamos poder decir cómo pasa. Mire, es que esto es así y esto pasa de esta manera.

Speaker A

Entonces, descripciones muy detalladas nos dan información útil para entender cómo ocurren los fenómenos, cómo es la regularidad del fenómeno. ¿Listo?

Speaker A

Ahora resulta que estos fenómenos pues no son solitos. El mundo no es una cosita aislada, sino que por el contrario el mundo es un movimiento casi que diríamos caótico, pero lo interesante es que todo ese caos hay orden y ese es el orden que queremos

Speaker A

encontrar. Pero yo puedo describir el orden, pero también puedo entre todo eso que se está moviendo comenzar a establecer relaciones. Ese sería un nivel más alto. Ya no solo describo cómo se está dando un fenómeno, sino que comienzo a relacionar este con este

Speaker A

otro, con este otro, con este otro. Comenzamos a articular el conocimiento. Entonces, miren que ahí subimos de Pero a uno me basta que dos cosas estén relacionadas. No me explica por qué. Más importante, ¿cómo? La mejor manera es

Speaker A

poder llegar justamente a explicar. Ese es el nivel más alto de conocimiento, es el que busca las ciencias.

Speaker A

Entonces ah carambas puedo hacer muchas cosas con los fenómenos. Hay unas más simples de unas más complejas explicación y puedo moverme en ese gradiente.

Speaker A

Entonces, la cuestión viene justamente en que los diseños se diferencian según esto, según si es una estrategia descriptiva, si es una estrategia asociativa o si es una estrategia manipulativa. ¿Qué sería la explicación? Ya voy a mostrarles por qué. En función de eso, básicamente

Speaker A

están todos los disechos disponibles, se organizan en términos del nivel de conocimiento que se quiere lograr.

Speaker A

Entonces, dependiendo si vas a describir, si vas a relacionar, si vas a explicar, ahí cambia la cosa. Haces un diseño de un tipo o haces un diseño de otro. Pero lo que más me interesa para hoy y para que justamente vayamos viendo

Speaker A

los usos de Ivia tiene que ver con los esquemas de abajo. Según el tipo de estrategia, noten que la relación entre los entre los fenómenos, las variables, entonces tengo que prestar atención a cosas diferentes. Ese es el reto que

Speaker A

tenemos. ¿Y qué es lo importante? que para poder hacer esto necesito entender cómo me estoy preguntando las cosas, cómo funcionan esas estrategias.

Speaker A

Vamos a intentar hoy jugar entre dejarlo claro conceptualmente, pero ante todo, y esa es la ventaja y lo bonito, cursos como estos, que puedan ver como las guías ya nos ayudan a cortar camino y a tener en cuenta un montón de cosas.

Speaker A

Vamos a movernos hacia allá. Pero nuevamente por la virtualidad que no los puedo ver, esas interacciones siempre son raritas, es importante que vayamos haciendo chiqueos. Así que nuevamente vamos bien hasta acá hemos dado un segundo paso y es sí me interesa en

Speaker A

preguntar nomética, ¿cómo pregunto? Bueno, depende cuál estrategia vas a seguir, si vas a describir, relacionar o explicar, haces cosas distintas. Eso es claro para todos, sencillo de entender o alguien se nos perdió en este pasito.

Speaker A

Parece que todo bien. Listo. Perfecto. Si no, detenganme porque aquí ya vamos a empezar y hemos hecho como la subidita.

Speaker A

Vamos ya a empezar a aplicar todo eso. Entonces, antes de meternos, perdón, al frcer la transición para meternos en todo esto, realmente si el gráfico es aclarador, eso es una ventaja enorme, por eso me gusta mucho, pero también

Speaker A

para la primera persona que se enfrente a esto puede ser como muy confuso. Y en efecto lo es. Un dexo que recomiendo mucho leer es este que está ahí abajito que se llama La importancia de la estupidez y la investigación científica.

Speaker A

Es un ensayo muy corto, pero en ese ensayo aparecen cosas muy bonitas y una de ellas es esto. Martin en esa en ese ensayo en un momento dice, "Mire, yo cómo me puedo formular preguntas de investigación que lleven a

Speaker A

descubrimientos significativos. ¿Cómo voy a hacer para diseñar e interpretar un experimento para que las construcciones sean absolutamente convincentes?

Speaker A

¿Y cómo voy a prever dificultades y cómo sortearlas o cuando ocurre la dificultad cómo resolverlas?

Speaker A

Pucha, ¿cómo hacemos eso? Y ahí lo que va a mostrar es en el ensayo lo hace muy bonito, es cuando se ha enseñado ciencia, usualmente se demuestra que es buscar las respuestas correctas, pero cuando investigamos nunca sabremos si lo que estamos

Speaker A

haciendo es lo correcto. Siempre puede ser que nos faltó algo que pudo haberse hecho mejor, que si hubiéramos tenido en cuenta esto habría sido más fácil o que podríamos haber prevido cosas que ocurrieron y dijimos, pues pucha, ¿cómo se nos pasó

Speaker A

eso? siempre es una posibilidad porque y él lo dice muy bien, investigar es básicamente darnos cuenta que somos ignorantes.

Speaker A

No ignorantes en términos chiquiticos como, "Ah, es que él no sabía esto, de verdad lo sé." Es ignorantes básicamente a propósitos prácticos se le dice así, a niveles infinitos.

Speaker A

Nunca sabremos todo, pero eso en vez de ser un problema es justamente lo que alienta investigar.

Speaker A

Ese es el punto clave. Es lo bonito. Es como ve, en vez de decir como, "Ay, qué estúpido soy, porque justamente cuando solemos hacer errores lo ponemos en nosotros, él invita a reconocer que todos somos estúpidos, que todos somos

Speaker A

ignorantes, nadie lo sabe, lo estamos intentando y por tanto lo que él invita es seamos estúpidos productivamente.

Speaker A

Usemos esa estuparnos por las cosas que estamos haciendo." Y ahí lo defines la estupidez productiva significa ser ignorante por elección, centrarnos en cuestiones importantes, en preguntas importantes, nos pone en la posición incómoda de ser ignorantes, de que si estamos investigando es porque no

Speaker A

sabemos. Y él lo dice muy bonito. Una de las cosas bellas de la ciencia es eso, que nos permite ir dando tumbos, dando como errores, equivocándonos, metiendo la pata acá, metiendo la pata allá y estar perfecto con eso, porque lo importante

Speaker A

es que vamos aprendiendo, vamos entendiendo un poco mejor cómo funcionan los fenómenos. Ahí viene el punto y él va cerrando con esta partecita acá. Lo que impita es que en la educación científica escenarios como estos deberían facilitar esto y es lo clave de

Speaker A

la investigación es aprendamos primero de otros que ya lo hicieron, que ya descubrieron algo para cada vez ir acercándonos a encontrar descubrimientos propios, hacerlo nosotros y él lo explicita muy bien. La única forma para lidiar con eso es siendo estando cómodos

Speaker A

con sentirnos estúpidos, con meternos a decir, "Venga, no sé, pero vamos a intentarlo." Ese es el reto de los diseños. Los diseños de investigación y este semestre que est acompañando justamente eh a psicólogos, es muy bonito porque un estudiante decía, "Es

Speaker A

que eso es muy rígido, eso es un paso a paso y no tiene nada de creativo, no me gusta." Y ya es lo que llevamos hasta ahora dicho, ah, no, todo lo contrario. Los diseños es un reto creativo todo el

Speaker A

tiempo. Hay cosas fijas. Perdón por el ruido, espero que se haya escuchado mi voz.

Speaker A

Eh, aunque hay cosas fijas, porque ya sabemos, hay que saber jugar con ellas. Y ese es el punto clave que viene ahora.

Speaker A

Y ahí es donde aparece la IA. Ahí es donde está ese punto fundamental de lo que podemos aprender a usar con ella, de cómo usarla, de qué provecho sacarle, porque justamente eh el aspecto clave tiene que ver con eso, tiene que

Speaker A

ver con eh, ¿cómo decirlo?, con aprender a jugar con el fenómeno. Hay un trayecto recorrido, pero hay otro que le toca a como investigador. Y ahí es donde aparece la IA a ayudarnos.

Speaker A

¿Cómo así? Hay una cosa importante y es que usualmente, y yo acabo de decirlo y suena así, cuando hablamos de la investigación suele hablarse como un trabajo individual. Tú estás haciendo tu tesis, tú estás haciendo tu proceso, tú

Speaker A

estás tienes que responder tu pregunta, pero realmente la investigación científica es todo menos eso. Es y ahí la imagen se ve mucho mejor, un trabajo colaborativo, sea que tengas tu asesor, un compañero, un grupo de investigación, o sea, que sea con los autores, con los

Speaker A

investigadores, con quien ya publicó. Todo el tiempo estamos pensando con otros. Ese es el punto clave. La investigación no se hace solos. Siempre estamos apoyándonos en otros, sean lo que han investigado específicamente, sean conocimientos como de metodología, de epistemología, de filosofía, siempre

Speaker A

nos apoyamos enos. Entonces, ¿qué es lo que pasa? El escenario ideal sería como la imagen de la derecha, que no sean investigaciones solitos, sino que seamos un grupo de gente pensando las cosas.

Speaker A

Por ejemplo, yo con mi tesis de maestría me interesa la comprensión social en niños y a partir de eso desarrollamos un grupo de investigación que llevamos, sin mentirles 2 años ya construyendo una investigación. Hemos estamos montando un experimento y cada vez que lo pensamos

Speaker A

más cosas encontrábamos más cosas y estamos todo el tiempo pensando. Ese era el escenario ideal, tener ese grupo con el que pensamos y nos apoyamos y vemos cosas distintas.

Speaker A

Pero y ese pero es muy importante, no siempre tenemos esa posibilidad, a veces nos toca solos.

Speaker A

Ahí es donde las IAs aparecen con su rol y es que las IAS pueden cumplir esa función como asistentes que nos acompañan a estructurar mejor lo que estamos pensando. Sonías informadas, capaces de encontrar regularidades, de consultar información a mucha velocidad,

Speaker A

de devolvernos las cosas. Entonces, la invitación fundamental que en el transcurso del curso espero haya estado quedando claro para todos es eso. Son asistentes, son ese otro par que nos puede ayudar a pensar, a devolver, a dar información, que es lo que les pongo

Speaker A

aquí abajito. Nos puede mostrar cosas que no estamos teniendo en cuenta que pueden ser importantes. Puede ofrecernos alternativas para que veamos que puede ser mejor. Podemos pedirle que mire fortalezas y debilidades, pero lo más importante de todo esto es que no se nos

Speaker A

olvide que son asistentes, no pueden reemplazarnos a nosotros porque quien tiene el criterio somos nosotros.

Speaker A

Y eso es muy difícil porque la en principio accede un gustón de conocimiento que parece experta que uno dice, "Ve, yo no sabía eso." Entonces uno puede confundirse un poco, toca evitar que el asistente se lo coma uno.

Speaker A

Entonces ahí hay algunos consejos prácticos, pero el principal que les tengo es ese. Lo que vamos a ver ahorita, ya lo que queda de la sesión es que veamos los diseños y veamos como la IA es muy buena para montar diseños.

Speaker A

una estructura, pero pues hay que sacarle provecho y ese sacarle provecho y tomarrol nosotros, él es el asistente, es un par que me está dando información para yo pensar mejor mi diseño. Entonces, hay varias cosas que podemos usarlas. La primera que les

Speaker A

propongo ahí es eso. Sirve mucho para estructurar, para evaluar alternativas. La segunda, que me parece de las más potentes para veres distintas, para ver otras cosas que tal vez uno diga, "No, la pensé y puede ser muy útil." Aquí

Speaker A

cuando estamos en esa dinámica de estructural, ver alternativas es muy importante esto que no sé si se lo han dicho explícitamente y es la respuesta de la IA varía mucho de como le preguntemos. Hay veces que incluso en

Speaker A

temas muy específicos da respuestas generales y eso implica que tenemos que preguntarle mejor. Listo. Y la última, que es la más importante que estaremos hablando todas las sesión, es siempre tenemos que evaluar lo que nos está diciendo. ¿Okay? Esa es la dinámica que

Speaker A

viene en este momento. Vamos a jugar un poco con ella para que veamos las opciones de, "Okay, eso le pido, esto hace que evaluó, evaluó con eso." Listo.

Speaker A

Entonces, reitero, muy muy importante. La IA aquí en Diseños Juanti es muy bonita, la verdad. Es muy útil, es muy buena.

Speaker A

Pero hay que saber utilizarlo. Entonces, vamos a ver, vamos a a ver algunos usos que nos pueden ayudar.

Speaker A

Tengo una pregunta, ¿ustedes están viendo esto? Ah, sí, lo puedo cerrar. Ya. Listo. Entonces, el primer uso que les tengo para recomendar tiene que ver con esto y es que con todo lo que ustedes han construido hasta ahora, ya

Speaker A

están en posibilidad de decirle a la IA que le sugiera cuál es el mejor diseño disponible, cuál es finalmente la mejor manera que se puede responder a su pregunta.

Speaker A

Las ya son muy sensibles a esto y eso es finalmente el trabajo que hace el asesor. También un asesor de tesis debe conocer de los diferentes diseños para decir, "Hm, tú te estás preguntando por esto, quieres hacer esto, el mejor

Speaker A

diseño de disponibles es." Curiosamente un problema a veces de los de los eh asesores es que tenemos cercos, tenemos preferencias y eso orienta a otros criterios que no necesariamente coinciden con la pregunta que nos hacemos. La ventaja de la guía es eso.

Speaker A

Como los diseños son estrategias que se adaptan a la pregunta, no al revés, cuando le mostramos a la que nos preguntamos que queremos lograr, ella capta de una y por tanto ofrece un diseño adecuado. Eso es muy muy usual,

Speaker A

incluso muchas veces en contra del criterio del propio asesor y eso pasa raro. como la IA está siendo más congruente con la pregunta que el asesor, pero para poder entonces usar la A tenemos que darle la información, tenemos que mostrarle y aquí es donde

Speaker A

viene todo lo que ustedes han hecho. En principio, mínimamente ya debemos tener claro cuál es nuestra pregunta de investigación, cuál es el objetivo, si tenemos hipótesis, cuáles son, cuál es la relación y ese es el clave. Según es

Speaker A

cómo respondemos esa cuarta pregunta, se define básicamente el diseño y obviamente qué variables hemos identificado y de qué tipos. Con esa información pues básicamente hay que construir el PR, hay que decirle a la IA, "Venga, ayuda." Ya ustedes lo han

Speaker A

visto hasta ahora. Básicamente un pron varios elementos. Fundamentalmente probabiliza una mejor respuesta si incluimos mínimamente, ¿qué rol queremos que ocupe eh la IA? darle contexto de nuestra petición y ya darle la petición o la tarea específica. Entonces, en

Speaker A

nuestro caso, cuando estemos pidiéndole, básicamente es pedirle que actúe como un experto en investigación, en este caso cuantitativa. Puede pedirle cuali y también funcionará.

Speaker A

Una cosa que ayuda mucho es que luego expliciten el área de conocimiento o a la disciplina a la que ustedes pertenecen. No es lo mismo preguntarse por el estrés a nivel de psicología que a nivel de biología.

Speaker A

Son fenómenos tanto psicológicos como biológicos. Interesante. No es lo mismo preguntarse como psicólogo que como educador por los procesos de aprendizaje. No es lo mismo preguntarse como ingeniero que como arquitecto por la mejor manera de cierto elemento. Son

Speaker A

preguntas distintas, aunque sea lo mismo. Entonces, esta indicación es muy útil. ¿Listo? Vamos a pedirle que sea experto en el tipo de investigación que que estamos viendo en este momento y el área paral.

Speaker A

Ahora, la pregunta es, quiero que sepa sobre mi investigación. Aquí está un PR más o menos construido para que ustedes puedan adaptarlo. Básicamente le decimos, "Bueno, estoy diseñando investigación cuantitativa." Le vamos a poner nuestro objetivo. ¿Listo? ¿Qué es

Speaker A

lo que queremos lograr? Vamos a informar las variables que tenemos, sea conceptualmente como, ah, bueno, me interesa el estrés académico, que es el ejemplo que les tengo, pero podemos pensarlo de ustedes. Y la relación que se está estableciendo.

Speaker A

Cuando estemos redactando, explicitar las relaciones que estamos pensando es fundamental. Me disculpo que tengo como una migraña hace ratico y está aumentando, entonces como hacer presión a veces ayuda, pero si me siguen entendiendo perfecto.

Speaker A

Esta parte, la que viene, negrita, es la que les digo, la pregunta cuatro es clave.

Speaker A

Específicamente, ¿qué es lo que te interesa? ¿Cuál es la relación entre esas variables que estás buscando? Hay muchas relaciones, hay de causación, hay de predicción, hay de asociación, hay de moderación, hay muchas. ¿Cuál es la relación? Eso seguramente lo encontrarán

Speaker A

en sus antecedentes. Entonces, conceptualmente, ¿cómo nos estamos preguntando por esas dos variables? Les aseguro, insisto, que esto es lo clave. Si le dicen esto, ahí es básicamente donde se define el diseño.

Speaker A

Pero finalmente es muy importante que también expliciten si tienen hipótesis. Bueno, esto es lo que yo quiero estudiar y tengo la hipótesis de que esto funciona de esta manera. Una vez le damos el contexto, tenemos todo esto ya

Speaker A

des pedirle qué estamos esperando con él. Bueno, pero decimos, bueno, teniendo en cuenta todo esto, ¿cuál es el diseño más adecuado? Y explícame por qué.

Speaker A

con esta estructura de promp que de nuevo est la diapositivas ya en un momento se las paso para que si quieran probar en este momento o si me quieren seguir funciona muy bien nos ayuda a justamente estructurar una pregunta muy

Speaker A

fácilmente. De nuevo, la guía a todo esto le va a prestar atención, pero lo clave va a ser esto de acá. Ya vamos a ver.

Speaker A

De momento voy a pasar a mostrarles cómo yo lo hice con un ejemplo, pero aquí es donde me interesa que ustedes mismos puedan jugar con eso, sea que quieran hacerlo ustedes en tiempo real y si algo nos comparte en pantalla en algún

Speaker A

momento o sea que pues finalmente quieren compartirnoslo y lo pensamos rápidamente. Por esa razón les voy a pegar en el chat en este momento la estructura del pron. Listo. Espérame un momentico acá, ya lo separo.

Speaker A

Listo, ahí está el promien quiere ir jugando con él de una vez y probando si le funciona o no le funciona, qué sale.

Speaker A

Pero por ahora yo avanzo con el ejemplo que tenemos. ¿Listo? Entonces, piensen por seguirme.

Speaker A

Recuerden, soy psicólogo, entonces obviamente los ejemplos con los que más cómodo me siento son de ese tipo, pero busqué una relación fácil de entender y es esto. Podemos preguntarnos algo simple y es, venga, ¿será que hacer ejercicio en la comunidad de estudiantes

Speaker A

universitarios puede reducir el estrés? ¿Listo? Entonces tenemos que hacer la pregunta. Primero le decimos, bueno, actúa como un experto enón cuativa en psicología. Ese es el rol.

Speaker A

Lo va a dar el contexto y le va a decir, "Bueno, mi objetivo es analizar la relación entre el ejercicio regular en los niveles de estrés de estudiantes universitarios. Esas son las variables que identifiqué, el ejercicio, el distrés académico, rendimiento académico

Speaker A

y bienestar." ¿Qué es lo que me interesa específicamente? ver si el ejercicio, ojo, acá tiene efectos causales sobre las otras variables.

Speaker A

Mi expectativa o hipótesis es que a mayor regularidad de ejercicio de la semana, mejor rendimiento académico, mayor bienestar y lo que más me interesa, habrá menor distrés. Ese es el contexto. Y ya le pedimos, ey, tienen en cuenta lo anterior, esa es mi petición.

Speaker A

¿Cuál es el diseño más adecuado? ¿Listo? Entonces esta es la estructura. Yo puedo jugar con los elementos. Muy importante, reitero, este es el elemento que va a ser clave. La relación que me estoy preguntando es esta. Y vamos a ver qué

Speaker A

diseños orientados a eso. Entonces, antes de mostrárselos en chat cómo responde ante este prom, ¿me van siguiendo? Todos claros. ¿Alguien se me perdió? ¿Están probando?

Speaker A

Ayúdenme para saber cómo vamos. Vamos bien. Okay. Pos dice bien, listo. No sé los demás. Vamos bien también dice Agustín.

Speaker A

Perfecto. Entonces, yo les voy a mostrar cómo chat GPT responde a esto. Yo ya tengo por acá la petición jugador para justamente pues que veamos cómo respondería. Entonces aquí lo tenemos.

Speaker A

Miren que es tal cual el que teníamos ahorita. Y muy bien, miren cómo nos responde y toda la información que nos va a dar como tu con base a tu objetivo de analizar relaciones causales, eh, te explico las opciones.

Speaker A

Lo que nos va a decir es depende del grado de control y se va a ser más de una medición. Es que eso son eso es lo que les digo, la IA sorprende un montón.

Speaker A

Entonces, ya me da el objetivo, cuál es la el objetivo que tengo y miren lo que es. El diseño más adecuado que te propongo es este. Es un diseño cuasi experimental con grupos no equivalentes y medico.

Speaker A

Ya está. Y ya me comienza a justificar. ¿Por qué? Porque te interesa son relaciones causales, porque no sabe tener comparación, porque quieres ver cambios entre un momento y otro. Ah, pero es muy poco probable que puedas asignar aleatoriamente y como veremos

Speaker A

ahorita en un momento, para quienes no sean expertos en diseñentales, justamente esto es lo que diferencia un cu experimento de un experimento y mira que me lo dice. Si puedes asignarlo entonces ya es un experimento. Sería esto ya está.

Speaker A

y ya comienza a mostrarme otras opciones si no quiero hacer experimentos, si no quiero una relación causal, puedo hacer correlaciones predictivas, me ofrece finalmente cómo sería en las variables, qué tipo de relación tienen, recomendaciones, ya está, funciona muy

Speaker A

bien. Miren que ya en este momento me acabo de dar directamente el diseño más adecuado para responder.

Speaker A

Depende del nivel de conocimiento que ustedes tengan. En este momento pueden diciendo, "Wow, qué brutal. Mira todo lo que tuvo en cuenta." O podrán estar diciendo, "No entiendo. De nuevo, depende mucho del nivel de conocimiento que tengamos." Y esas son algunas advertencias que hay

Speaker A

que pensar para que ya tememos el ejercicio entre ustedes. Lo primero, entonces, lo que les vengo diciendo y lo voy a repetir muchísimas veces, el tipo de relación que explicitemos básicamente va a probabilizar el tipo de diseño que la

Speaker A

inteligencia artificial sugiere. Si ustedes ya vieron justamente como los verbos que se utilizan en los objetivos, en las preguntas, justamente dependiendo de los verbos o la forma en que pones la pregunta se define el diseño. Si te preguntas por efectos o influencias

Speaker A

finalmente son mejor diseños experimentales. Si te preguntas por cuál es la relación, cuál es la asociación, pues estos son diseños de estrategia asociativa. Y cuando te preguntas por cuál es el nivel, cuál es el porcentaje, cuáles son las características, pues ya

Speaker A

finalmente eh son verbos de identificar, describir y tienen que ver más con una estrategia descriptiva. Entonces, cuando ustedes establecen esto, ya básicamente tiraron al diseño, van de la mano la pregunta, define el diseño, no al revés.

Speaker A

¿Listo? Entonces, ténganme presente como para en eso va a cambiar la cosa. ¿Listo? Otra cosa fundamental que determina esto y sé que la semana pasada estuvieron pensándolo, es que las categorías de la variable son fundamentales. Categorías, niveles, no sé bien qué término usaron,

Speaker A

pero recuerden, una variable es básicamente una característica que toma diferentes valores. Esos valores son los niveles o las categorías. Pero piensen que no es lo mismo hablar de estrés académico como alto, medio, bajo a estrés académico como eh elevado,

Speaker A

eh eh alto, moderado, eh normal, bajo. La clasificación, aunque puede moverse en grados, es distinta.

Speaker A

También puedo hablarlo en presente ausencia, puedo decir estés académico, presente ausente. Depende las categorías. cambia mucho cómo lo estudio, cambia cómo lo investigo y además cambia cómo puedo investigarlo. Entonces, tengan presente eso y en lo posible cuando presenten sus

Speaker A

variables, lo veremos ya en prontos más específicos, especifiquen cómo lo están eh definiendo, como la variable va a ser entendida como esto y esto y esto. Es más, si me devuelvo, eh, acá ustedes pueden ver que una de

Speaker A

las comentarios es es define operativamente ejercicio regular. ¿Qué es eso? ¿Cada cuánto? En horas, en minutos, cuánto por semana, tienes que definirlo claramente. Entonces, depende cómo lo definan, cambia un poco la cosa.

Speaker A

¿Listo? Esos dos son elementos claves para que lo piensen, pero advertencia fundamental para que vean justamente cómo va siendo difícil de establecer esto tiene que ver con que entre más variables metan es más caótico, son más cosas, son más

Speaker A

elementos a los que tengan en cuenta y usualmente quien está iniciando una investigación quiere meter mucho y mete y mete y mete. Y vamos a ver que el ejercicio realmente de investigación es quitar, quitar quitar, depurar. Entre más pequeña sea la relación, pequeña en

Speaker A

sentido como de bienenda delimitada, es más probable encontrar resultados significativos porque si no vas a tener tantas cosas que se te confunden.

Speaker A

Entonces aquí justamente miren que estaba ejercicio regular, distés académico rendimiento bienestar pero cada uno de esos tiene relación distintas, funciona diferente, hay que tener diferentes acciones, tal vez se puede delimitar mejor, que es lo que teníamos acá. Realmente me interesan

Speaker A

estas dos relaciones. Dependiendo del tipo de diseño, cambia un poco la dinámica. ¿Listo? Hasta acá supongo que vamos bien, ¿cierto? La pregunta fundamental es, ¿alguien en este momento tiene pues ustedes cómo van? ¿Tienen información como para intentar adaptar? ¿Les doy un

Speaker A

momento? ¿Lo intentan y miramos opciones o quieren que sigamos? Depende mucho del tiempo de ustedes. Tenemos mucho que cortar pero ¿cómo vamos? ¿Ustedes tienen para intentar construir su pron? ¿Quieren hacer esto en este momento o seguimos con mi ejemplo y vamos avanzando?

Speaker A

Vamos bien de tiempo de todas maneras. Y habí ahora seguimos. Nos dice Juan José. Perfecto.

Speaker A

Los demás, ¿alguno quiere intentarlo con lo que ha llevado hasta ahora? Eh, nos pregunta José Milton, en caso de enfoques mixtos, claro, en este momento, como les decía, estamos preguntáos por inversión cuantitativa con el tipo de relaciones que podemos preguntarnos acá.

Speaker A

Eh, yo soy de los de la opinión impopular que no existen los enfoques mixtos propiamente, eso es una confusión y que realmente son o enfoques separados con preguntas distintas, momento a momento, o sea, secuenciales o o simultáneas.

Speaker A

O, finalmente, una confusión. Si tu pregunta es por esto, yo podría, por ejemplo, medir el ejercicio regular con una prueba, que es una medición objetivo, pero también con entrevistas y puedo entrevistar a la persona, pero algunos investigadores dirán, "Ah,

Speaker A

entonces tu investigación es mixta porque tienes ambos." Mi pregunta sigue siendo la misma, sigue siendo la regularidad. Entonces, la cuestión es la siguiente. ¿Cuándo amerita hablar de enfoque mixto, que es el uso adecuado que yo he visto? Bueno,

Speaker A

me va a quitar un poquito con la diapositiva. Puede ser que primero me haga una pregunta general sobre cómo funciona esto y me pille que en mi maestra haya un estudiante muy raro, uno que hace mucho ejercicio y aún

Speaker A

así está el más estresado de todos. ¿Por qué tan raro? Venga, pues entonces hagamos una investigación con este sujeto, hagamos una entrevista a profundidad, veamos ese caso, saquéosle provecho y ya luego que lo tengamos decimos, "Okay, ya podemos volver con lo

Speaker A

que aprendimos, volvamos a preguntarnos por la generalidad." M, okay. Y todo eso se puede reportar como un estudio. Sería mixto porque en cada momento usé un diseño diferente porque mi pregunta fue diferente. Podría ser al revés. Podría ser que yo inicie

Speaker A

con un grupo particular, me interese ver, no sé, el primer grupo de ajedrecistas de de una comunidad y como el ajedrez se tiende como deporte, venga, eso será a la par, ¿no? Veamos la dinámica, veamos qué pasa con ellos y en

Speaker A

ese proceso de conocer el caso nos damos cuenta de una cosa muy brutal, general que hay que preguntarnos primero para entender eso. Entonces, no toca hacer una investigación más general. Venga, ¿qué está pasando?

Speaker A

Listo. Y luego puedo devolverme el particular. Son dos preguntas distintas articuladas en un proceso. Puede ser también en el sentido que sean dos investigaciones al tiempo simultáneas donde una parte tiene una pregunta general y otra tiene una pregunta particular.

Speaker A

Pero entonces nota que esto que estamos pensando hasta ahora, eh, que espero que me esté siguiendo, implicaría pensar dentro de cada uno de estos cuadritos.

Speaker A

Acá el diseño y acá el diseño. No puedo pensar un diseño mixto en el sentido de un diseño que abarque ambas preguntas.

Speaker A

Diseño ambas. Y la que me lo que debo pensar en términos de diseño mixto es cómo lo hago, cuál va primero? ¿Cuál va después? ¿Van al tiempo? ¿Van a ser secuenciales? ¿Cómo vamos a a unir la información eventualmente?

Speaker A

Pero las preguntas, reitero, el objetivo de cada uno de ellos es separado. Esa es la mejor manera a mi concepto con la experiencia que tengo de ver los bitsos, porque usualmente es es que usaste una encuesta y usaste un instrumento

Speaker A

psicométrico o cuantitativo, ya eso te hace mix, no, eso no me cambió nada lo que yo estoy preguntando. Entonces aquí es muy importante eso y más importante, ya que lo preguntas, tengan cuidado porque la IA evidentemente no tiene estos

Speaker A

criterios. La IA se alimenta desde la información disponible. Entonces claro, cuando aparece lo mixto puede entrar información rara, los criterios se le pueden mezclar, se le pueden perder.

Speaker A

Entonces, entre más delimitado esté, mejor mantendría yo esa instrucción y justamente separarlo. En términos de que hay una pregunta mixta, una pregunta de este tipo, justamente va ver que si le pedimos a la seguramente nos ayuda a pensar esa estructura. Primero hace

Speaker A

esto, luego esto y luego eso. Okay. No sé si eso responde la pregunta, José.

Speaker A

Y hasta ahora pues no sé si hay más preguntas. Parece que no hay un caso concreto que alguien tenga hasta el 90. Ah, no se alguien hablar, ¿no?

Speaker A

Bien, entonces. Perfecto. Gracias por la confirmación José. Entonces, ojo con lo que le estoy diciendo y justamente creo que la pregunta de José nos llevó también a poder hablar de eso. Noten que poder valorar lo que la nos devuelve implica

Speaker A

un reto importante en términos también de el conocimiento que ustedes tienen de diseños. Dependiendo ese nivel, finalmente ustedes podrán valorar lo que ha dado como respuesta al aire. Entonces ahí viene un reto importante. Me devuelvo acá que para poder valorar,

Speaker A

sacarle provecho, ver todo lo que esto nos ha ha dado respuesta, valdría la pena eh que ustedes tengan criterios para eso de nuevo, porque la IA no puede reemplazarlos a ustedes. muy tesa ella que en segundos monta todo esto que uno

Speaker A

se tardaría ratico en montarlo y pensarlo, pero hay que justamente aprovechar que no se ha cortado camino y cuestionar y preguntarnos por eso. Esa es como la ruta que nos viene ahorita.

Speaker A

Pero antes quiero mostrarles una herramienta muy útil. Si ustedes ven este Pro está sencillo, funciona bien.

Speaker A

Es decir, para estos propósitos y para lo que haremos el resto de la sesión, seguiremos con front sencillitos.

Speaker A

Pero de nuevo, entre más detalle tenga el PRON, mejor va a ser. Para eso hay una herramienta, una página, una guía que es esta que estamos viendo acá, se llama Pronco Boy.

Speaker A

Ah, básicamente ellos lo venden como lo siguiente y es que es una página para perezosos. Para esa gente que le cuesta construir un prom completico, lo que vas a hacer es le vas a dar el pront que construiste la página y ella va a

Speaker A

construir un pron muy detallado con el cual probabilizarás una mejor respuesta. Entonces, les muestro acá, acá está el pron. Ah, bueno, una cosa es que la página está en inglés, por tanto, muy importante siempre al final le que

Speaker A

le pidan que construya el pron. Entonces, mira que esa primera parte es, ¿cuál es el pron? perezoso, el ahí el vago. Ah, bueno, yo construí este de acá que es literal el que acabamos de usar ahorita con con el chat. Y al hacer eso,

Speaker A

miren ya todo la información que saca y lo que dice. Bueno, mira, ¿cuál es la situación? Él es un experto en mención cuantitativa en psicología con amplia experiencia, diseño de estudios, metodología investigación y análisis estadístico. Te especializa inversión

Speaker A

aplicada en contextos educativos y de salud mental con particular experticia en estudios sobre factores que influyen en el bienestar y el rendimiento académico de estudiantes. Entonces, pucha, noten la diferencia de esto a este error que yo pedí.

Speaker A

Ahí vamos viendo el nivel de detalle que tenemos, cuál es la tarea que tiene, cuál es el objetivo, cuál es el conocimiento que debe utilizar.

Speaker A

¿Qué es lo que debemos considerar? Y usualmente el PR le pone esto, tu vida depende de como para mostrarle que debe ser muy detallado.

Speaker A

Y ya miren que le dice, "Estructura tu respuesta incluyendo esto, esto, esto, esto." Si cogemos esto y lo usamos en chat GPT, la respuesta va a ser muy diferente, va a ser mucho más detallada. Es decir, se los muestro acá.

Speaker A

Entonces, miren que voy a copiar el nuevo pronto. Vamos a a ver cómo responde.

Speaker A

Y acá empieza entonces ya a elaborar mucho mejor las respuestas. Miren todos los criterios que está colocándonos, está respondiendo con términos muy técnicos, con un nivel ya de dominio mucho mayor. Y eso tiene que ver porque he cambiado mi instrucción.

Speaker A

¿Listo? Entonces, esta página de acá muy útil, se la voy a pasar de una vez al chat para que no la pierdan quienes ya están acá, si no la va a poder buscar.

Speaker A

Cambia mucho la información que nos da. Noten el nivel de detalle. ¿Listo? No obstante, evidentemente la propuesta de diseños es muy parecida. La diferencia es que acá está ofreciendo uno longitudinal y en el otro ofrecía uno transversal. una única

Speaker A

medición con varios comparado con varias mediciones, pero la respuesta fue muy parecida, fue la misma. Lo que cambia es finalmente cómo eh cómo se pregunta y cómo desarrolla la información. ¿Listo? Entonces, esto es muy útil, no solo para investigación,

Speaker A

sino en general como para convertir los pronts. Y aquí al lado derecho hay un elemento adicional y es esto. Si tenemos diseños de ejemplos previos, acá podemos poner toda la información, cuáles son los recursos que tienes, qué es lo que puedes gastar o no, cuánto

Speaker A

tiempo tienes, cuál es el presupuesto y cuál es el nivel de rigor que se necesita. es para maestría, para doctorado, simplemente un piloto y con todo eso luego de responder se mejora y el prom es mucho más efectivo, mucho más

Speaker A

específico a su situación. ¿Listo? Es muy útil esta página para que le saquen provecho y que la puedan pensar mejor.

Speaker A

¿Listo? No sé si dudas hasta acá vieron cómo funciona. Es sencillo. Voy rápido en principio asumiendo que me están siguiendo. Si alguien, no sé, tiene alguna otra duda, pregunta, ¿no?

Speaker A

Avanzamos. Pareciera que no. Perfecto. Muy bien. Entonces, esa es la primera gran recomendación. En este momento en el que ustedes están, seguramente ya tienen información para pensar su tesis y dle e hagamos esto. O cuando acompañen a alguien, ese primer proceso de

Speaker A

definición debe llevarnos a poder darle esto a la inteligencia artificiales. Pero podemos pedirle otra cosa, otro uso que también me parece muy bonito, que es lo que él decía, pensar alternativas.

Speaker A

En vez de decirle eh nos José Milton, lo que me estás diciendo, un ejemplo práctico, lo que acabamos de hacer, te lo voy a mostrar nuevamente. Tururu.

Speaker A

Eh, ¿ves? Se me perdió. ¿Dónde está este de acá? Entonces, si recuerdas, usamos ese pron que construimos rápidamente con lo de ejercicio y niveles académicos.

Speaker A

Aquí está la versión perezosa y vimos la respuesta que nos dio. Nos ofreció un diseño cuas experimental con grupos, lo estableció bastante bien. Miren, la respuesta es corta, simple, pero responde y me da muchísima información.

Speaker A

Pero al momento de pasar esa misma instrucción a un mejor pronto, mire, vea, mira cómo cambia la respuesta. Lo copiamos, lo pegamos y ya me explico mucho mejor. Me tuve en cuenta elementos como la validez ecológica, control de eh

Speaker A

confusores, ya está usando, por ejemplo, medidas estadísticas importantes como los test de protección, que son muy útiles para esto. Eh, comienza a tener en cuenta un montón de información.

Speaker A

Entonces, es claro, incluso puedo mostrarles esto así. Miren la diferencia entre cómo respondió acá a cómo respondió acá.

Speaker A

Ahí veamos viendo cómo cambia el tipo de prom, el tipo de respuestas, aunque la información en principio es la misma. ¿Listo? Entonces, el ejemplo lo acabamos de hacer. No sé si queda un poco más claro así. Ya ahí estábamos

Speaker A

viendo la diferencia con un ejemplo práctico. En este caso lo construyó previamente, pero si ustedes tienen ya un tema y tienen alimentos sobre esto, pueden construir el dron, nos lo mandan y lo probamos entre todos. Es finalmente la idea. Listo. No sé si ya con esto

Speaker A

cumple o sí. Sí, perfecto. Listo. Entonces, muy bien. Un segundo uso, como les decía, que me parece muy valioso en términos de eh de la guía.

Speaker A

Es como es ese parketing puede mirar muchísima información muy rápido que uno se demoraría eternidades.

Speaker A

El que me muestre alternativas a lo que yo he pensado también es muy útil.

Speaker A

Entonces, como les decía, el tipo de pregunta, el objetivo, las relaciones que ustedes han pensado, ya eso va a sesgar hacia un tipo de diseño. Estamos viendo que la pregunta que le hice llevó a que fueran diseños experimentales,

Speaker A

pero puede ocurrir que yo aún no tenga claro cuál es el diseño. Mi pregunta aún no está también definida o aunque la tengo, quiero ver cómo serían los otros diseños. Ese ese otro escenario que me vale que vale la pena que lo pensemos.

Speaker A

La idea puede construirnos esquemas rápidos de cómo sería la pregunta con las variables que tengo en los diferentes niveles, una estrategia descriptiva, una asociativa, una eh manipulativo.

Speaker A

Y eso puede ayudarnos a ey, yo estaba pensando en una descripción, pero mira, me da para montar un experimento o al revés. Yo estaba un experimento, pero no, eso está muy complicado. Creo que me va a bajar y voy a hacer una

Speaker A

correlación. Eso es muy útil. Entonces ese segundo uso se lo recomiendo especialmente para tantear terreno como para uno pensar mejor y decidirse por el diseño que le interesa. Lo mismo, el PROM va a tener la misma estructura, el rol, contexto,

Speaker A

pregunta y tarea. El rol en principio va a ser lo mismo. Es el experto en cuantitativa con el área, no nos cambia la petición.

Speaker A

El contexto va a ser muy similar, requeriremos la misma información de antes, solo que la pregunta cuatro, que les decía, la relación que me interesa no la voy a explicitar. Por el contrario, y miren que ahí está subrayada, le digo, mira, no he definido

Speaker A

el tipo de relación que quiero estudiar entre estas variables. Si tengo una expectativa, la coloco, ya está. Al cambiar eso, cambio también mi petición.

Speaker A

Le voy a decir, ten bien en cuenta lo anterior, muéstrame cómo podría ser mi investigación en los diferentes diseños de investigación cuantitativa diferenciado, ojo acá, por la estrategia utilizada. puede ser descriptiva, asociativa o manipulativa.

Speaker A

Le va a pedir que me justifique cada una de ellas y que presente ventajas y desventajas de cada diseño.

Speaker A

Con esto entonces ya miren que le estoy pidiendo algo diferente. No es IA, dime tú cuál es el mejor, sino IA, muéstrame los que pueden ser. Y con eso ustedes pueden decir, "Este me gusta más, este me parece más interesante, este podría

Speaker A

ser mejor, este se ajusta mejor al presupuesto, al tiempo, a la logística." Ya vamos justamente a eso. Entonces este segundo pron es muy útil, por eso se los voy a pasar nuevamente al chat si alguno de ustedes está haciendo el ejercicio.

Speaker A

Esperen que se me fue. Acá estamos. Bajo acá y se los paso por si alguien quiere ir probando, ¿listo?

Speaker A

y adaptarlo a su caso. Si no hay ejemplos por ahora, que pareciera que no, sigamos con el que les tengo propuesto. Es, bueno, ¿cómo podríamos adaptarlo a esto? Okay, es la misma cosa que pusimos ahorita, simplemente le cambiamos esto de acá. Es

Speaker A

lo único que cambié. ¿Listo? Y vamos a ver cómo al cambiar eso cambia entonces el prontado. Espérenme, ya voy a quitar esto de aquí. Este, no, espérenme que estoy jugando con toda la información que les tengo para mostrarles.

Speaker A

Se me perdió, lo siento. Acabó. Listo. Entonces, aquí, mírenlo. Eh, como les pregunté de nuevo, es exactamente lo que teníamos ahorita, simplemente le cambié esto, sin embargo, no he definido el tipo y cambiamos la instrucción y ya me

Speaker A

empieza a responder. Claro. Bueno, te muestro los tres tipos según la estrategia. Entonces, bueno, ¿qué pasa si estás siguiendo una estrategia descriptiva? El objetivo sería este, el posible diseño es este de acá y lo que te propongo es que recolectes esta

Speaker A

información una sola vez, que el análisis que hagas es este, ¿por qué sería este diseño el más adecuado? ¿Qué ventajas tiene? ¿Qué desventajas tiene?

Speaker A

Perfecto. Ah, venga, pero si vas a ser asociativo, ¿cuál es el objetivo? ¿Cuál podría ser el posible diseño? ¿Cómo funcionaría? ¿Qué análisis estadísticos podrías usar? ¿Cuál sería la justificación? Ventajas, desventajas, ¿no? Venga, y si quieres hacer un experimento, una estrategia

Speaker A

manipulativa, lo mismo. ¿Cuál es el efecto causal? ¿Cuál es el objetivo, perdón? ¿Cuál sería el diseño más adecuado posible? ¿Qué análisis podrías hacer? Justificación, ventajas y desventajas. Y la idea siempre suele hacer esto que es muy bonito y es al

Speaker A

final una comparación útil. Te muestra si vas a ver una relación causal, si puede hacer control.

Speaker A

si es fácil de implementar, cuál es el propósito y al final noten que me das una recomendación, sigue apareciendo lo que aparece ahorita en mi petición. Dado que tienes una hipótesis clara sobre efectos causales, lo mejor sería tal vez un

Speaker A

estudio asociativo y ya luego pasar a uno cuasi experimental, pero depende y es ahorita enfatizar dependiendo de si tienes las condiciones para eso.

Speaker A

Entonces aquí tenemos otra opción. Voy rápido, insisto, porque pues la idea es mostrarles muchas opciones, pero necesitan que nos detengamos, que exploremos, que pensemos, me dice.

Speaker A

Aquí las cosas son muchas. Miren que ya la guía rápidamente me permitió plantear tres posibles investigaciones que podríamos hacer, realmente más, porque ofrece varios diseños en cada caso.

Speaker A

De nuevo, si ustedes tienen ya información, chévere que lo que lo practiquen, que lo prueben, que lo muestren, lo vemos entre todos, pero hasta ahora funciona para todos, vamos viendo, entienden este uso o alguien se me perdió acá o quieren que nos

Speaker A

detengamos en alguien. También hay una cosa importante y ahorita lo vamos a corregir si no es el caso, pero estoy asumiendo que hay un nivel de conocimiento básico de investigación, ¿cierto?, que ustedes ya conocen, que se pueden mover. Para

Speaker A

quienes no lo tengan, ya vamos a hablar de prods específicos para cada diseño y que lo puedan entender, pero hasta aquí.

Speaker A

Bien claros pareciera que sí. Perfecto. Entonces, antes de avanzar, ahí sí me gustaría que intenten ustedes hacer esta interacción con el chat. Tenemos el tiempo, vamos bien. Vamos a simplemente en unos 5 minuticos que ustedes se tomen el

Speaker A

trabajo en este momento de redactarlo. Así estén en el celular, ustedes pueden chatti también intenten construir y me voy a volver a la diapositiva del prom que ya se les compartí en el chat uno sobre alguna tema que les interese.

Speaker A

Una cosa es que uno le explique, uno puede deslumbrarse, pero haciéndolo es que realmente uno ve el valor. Entonces, vamos a a pensarlo con esta estructura que les muestre los diferentes diseños para que ustedes lo puedan valorar.

Speaker A

Voy a irles indicando y ustedes vayan escribiendo su caso. El que tenga ya autonomía lo hace. Lo primero, recuerden, entonces van a decirle que sea un experto enón cuantitativa y especifiquen el campo de conocimiento al que ustedes pertenecen, sea derecho, sea

Speaker A

biología, sea ingeniería, sea educación. Seguramente hay muchos acá de educación, sea psicología también. ¿Listo?

Speaker A

Ya está. Recuerden que entre más específico mejor, pero esto puede ser suficiente para los objetivos iniciales.

Speaker A

Una vez le hayan pedido eso, bueno, vamos a explicitar que queremos una investigación cuantitativa. Y recuerden que ustedes ya tienen un objetivo, ya lo habrán construido en los talleres anteriores. Si no lo recuerdan, o tienen a la mano, pues propongan uno. ¿Cuál es

Speaker A

el objetivo que están persiguiendo? ¿Qué es lo que quisieran saber sobre ese fenómeno? Entonces, no sé, quieren ver estrategias de aprendizaje. Bueno, ¿cómo lo harían? Entonces, quiero conocer cuál es la mejor estrategia de aprendizaje para que estudiantes de octavo grado

Speaker A

aprendan x cosa. Esa es una pregunta. Nombre las variables. ¿Cuáles son esas variables que ustedes les interesa?

Speaker A

¿Cuál es la relación que se esperan entre ellas? Y ya aquí pues expliciten lo que les pedía para que no se sesgue la dile, no tengo definido el tipo de relación así que justamente vamos a pedirle lo que

Speaker A

está aquí al final. Ya depende justamente si hay alguna expectativa o alguna idea de cómo debe ser la relación, que esto usualmente viene de eh de los antecedentes, explicitenla. Si no, pueden omincible. Y ya esta parte del final sí es copiar y pegar. Okay,

Speaker A

entonces voy a esperar un momentico, son las 14, demos unos 3 minuticos más para que puedan probarlo.

Speaker A

Quienes aún no hayan iniciado, se los recomiendo prueben practiquen haciendo que uno le coja el tiro a estas cosas para que veamos un poco como qué es lo que pasa y qué es lo que les ofrece el chat.

Speaker A

Ah. Pues bien, ¿alguien ya lo hizo? ¿Alguien ya avanzó y lo logró o necesita más tiempito para saber cómo procedemos?

Speaker A

Unos minutos más, dice Agustín. Perfecto. Listo. Lo ideal es que los que quieran compartirnos, el que el primero lo haga y quiera compartirnos, recuerden que aquí arribita en la esquina aparece esta opción que dice share, que es compartir.

Speaker A

Al darle clic él va a generar un enlace. Ustedes le dicen crear el enlace. Y al copiarlo pueden poner acá en el chat si quieren y yo lo abro y aquí lo podemos ver todos. Podemos ver qué le pediste,

Speaker A

cómo se lo pediste, que te devolvió. Y ya con eso vemos uno o dos ejemplos que tengamos. Listo. Váyanlo pensando y quien quiera compartirlo, que lo veamos todos juntos, nos lo muestran y lo y lo vemos. No vamos a ver si el PR está bien

Speaker A

o mal construido, sino justamente que entre todos veamos qué tal sale y cómo podemos hacerlo mejor. Okay, demos un momento adicional. Ah, bueno, voy a dejar acá lo de compartir que voy a aprovechar a ir por agüita que se

Speaker A

me olvidó esperar un vaso con agua para esta sesión. Entonces voy minuticos mientras ustedes avanzan.

Speaker A

Okay, muy bien. ¿Cómo vamos? ¿Alguien ya lo tiene listo y no lo quiere compartir?

Speaker A

Sí, pues cuénteme si alguien pues va quiere compartirlo, va a participar como para saber si lo esperamos o y sigo para que no pues no nos quedemos con este tiempo Esas son para ustedes, obviamente, por es que funciones

Speaker A

y sus procesos. Bueno, que avancemos entonces para que no no nos quedemos acá. Si alguien se lo sigue haciendo y luego quiere compartirlo, está abierta la puerta para que lo hagamos. Pero bien, entonces ya hicimos este nuevo ejercicio y en este

Speaker A

escenario donde le pedimos diferentes opciones, es importante tener en cuenta otros aspectos. El primero, tengan presente de inmediato que ya la pregunta y objetivos que ustedes hagan ya eso va a sesgar hacia un tipo de diseño en particular. Lo vimos con el

Speaker A

ejemplo que hicimos. Como les decía, las son muy sensibles ya a esto y por tanto hay una implicación adicional que vamos a ver ahorita.

Speaker A

El hecho de que finalmente en diseños cuantitativos lo que diferencia es alcance muestra y lo veíamos en la respuesta que la me ofrece una progresión. Yo puedo hacer primero un estudio descriptivo, luego un correlacional y luego un experimental. Puedo hacer la secuencia,

Speaker A

puedo quedarme en uno, depende de lo que ustedes les interese, pero además depende de sus antecedentes.

Speaker A

Si ya hay muchas descripciones de lo mismo, pues ya no tiene sentido una descripción más. Tal vez sea mejor dar el pasito y comenzar a establecer relaciones. Si ya conocemos muchas relaciones y ya hay una indicación clara de que estas dos cosas tienen que ver,

Speaker A

pues tal vez una relación más no vale la pena. Tal vez ya lo pertinente es probar esa relación experimentalmente.

Speaker A

Entonces, dependiendo del nivel de conocimiento, podrán elegir uno u otro. Eh, y eso ya va marcando justamente el trabajo comunitario.

Speaker A

Pero tal como la lo hacía en su momento, es importante ver que además Dale, Agustín, pásanos el enlace y ya lo abrimos acá mientras termin como veíamos y vamos a ver si en Agustín también le ocurre, eh hay aspectos

Speaker A

adicionales, no solo la pregunta, no las variables, no los antecedentes, sino la logística, la ética. Operativamente, ¿cuánto tiempo tenés? ¿Cuántos recursos tenés? Usualmente, ¿cuáles son tesis de maestría, doctorado? hay tiempos limitados, entonces todo eso hay que tenerlo en cuenta y se pueden incluir en

Speaker A

el contexto. Pero bien, entonces vamos el ejemplo que nos comparte eh, perdón, Agustín y lo pensamos.

Speaker A

Entonces, muy bien, él nos dice, es un experto y el campo que le está pidiendo es medicina, infectología, estrategias de prevención y control de infecciones.

Speaker A

Perfecto. El objetivo que está buscando es mejorar la adherencia al lavado de manos. Interesante. Imagino que estos son elementos de protección personal y los cinco momentos de higiene bajo entrenamiento en un laboratorio de simulación clínica. Miren que ahí está

Speaker A

muy delimitado y ya lo va a orientar. ¿Cuáles son las variables que he identificado Agustín hasta el momento?

Speaker A

la asistencia al laboratorio, el número de de evoluciones que se le hace, retroalimentación, servicio asignado, si eso está en urgencia, hospitalización, unidades de cuidados intensivos, me imagino, no sé qué sería la A, el equipo de salud, aquí ya él pone como todos

Speaker A

esos elementos. Usualmente cuando estén enlistando, noten que por ejemplo en el caso de de Agustín tenemos ya bastantes, puede ser utilizar los guiones, ¿listo?

Speaker A

como hacerlos enlistados y eso también le facilita a la guía que no se le pierda ninguno porque noten que aquí el hecho de que pongas el punto puede confundir a la guía diciéndole es otra cosa. Entonces eso es una recomendación

Speaker A

útil. Está la instrucción, no hemos identificado. Tengo la expectativa que los estudiantes de equipo de salud que se exponen al entrenamiento en el modelo simulado aprenden y mejoran su adherencia. Okay. Aquí hay una cosa importante, eh, para Agustín para

Speaker A

mejorar un poco, y es que nota que estás hablando de adherencia, lavado de manos, uso de elementos personales y los cinco momentos, pero esos no los incluiste en las variables. ¿Listo? Eso es importante. Por el lavado de manos,

Speaker A

¿cómo lo vas a tener en cuenta? A contabilizar la cantidad de veces. Perfecto. Uso de elementos personales.

Speaker A

Entonces, como lista de chequeo de cuántos elementos está usando durante la jornada. Los cinco momentos de higiene hay que ponerlos como variables porque eso es lo que te está interesando.

Speaker A

¿Listo? Eh, pero bien, hicimos teniendo en cuenta lo anterior, pues la instrucción. Perfecto. Nos dice eh Char PT como respuesta, reconoce el rol y va a buscar como el laboratorio de simulación clínica. Es una estrategia educativa para mejorar la adherencia. Perfecto.

Speaker A

Nota acá, por ejemplo, Agustín, que ya él te devolvió una mejor forma de hablar de la investigación, incluso el título o la o la pregunta aquí ya la tienes.

Speaker A

¿Cómo el uso de laboratorio de simulación clínica como estrategia educativa puede mejorar la adherencia? Y ya esa pregunta realmente es una pregunta experimental, vamos a verlo, pero vamos a ver cómo nos ofrece justamente la opción.

Speaker A

Entonces, bueno, si es un diseño eh descriptivo, te dice, "Bueno, puedes caracterizar las estrategias que ellos tienen." Ya está. Ver cómo está en ese escenario cuando están en la simulación, ver qué pasa. Bien, ahí está describiendo finalmente los elementos.

Speaker A

Nota que sin embargo y lo hace bien Charli PT al reconocer, ya te está ofreciendo variables dependientes e independientes y si ya estás haciendo esto, esto no es una descripción, esto ya es justamente un una intervención.

Speaker A

Entonces, aunque él lo reconoce así, no da. Y claro, es que tu pregunta ya está muy bien orientada, está chévere, reconociéndote como la investigación está muy interesante, no va a para una investigación descriptiva, miren que ya no cuadra. Y entonces aquí es donde uno

Speaker A

necesita tener cierto conocimiento para decir esto no me funciona associativo. Tendríamos que explorar la asociación entre estos elementos, el transposición al laboratorio y la adherencia considerando, claro, aquí viene lo mismo, entonces hay que exponerlos a esto y ver si eso cambia el

Speaker A

comportamiento, pero ya no es una estrategia asociativa de nuevo es experimental, estás manipulando. Entonces puse esto y quiero ver los efectos que tiene. Entonces aquí es interesante porque de nuevo la porque yo se lo pedí justamente Agustín acá le

Speaker A

dijo eso, ella lo intentó, pero no no da conceptualmente es que la pregunta de de Agustín ya va hacia ese lado y lo esperaríamos ver acá. No tan que acar cuál es el efecto causal del entrenamiento sobre la adherencia

Speaker A

comparado con un grupo control. Y entonces aquí, por ejemplo, puede ser que hay algo que Agustín no había pensado y ya lo vamos a ver ahorita en diseños experimentales. Hay que tener un grupo control. Ese es el mejor escenario

Speaker A

de control. Perfecto. Ya te ofrece una hipótesis un poco más clara. ¿Cuál sería el diseño sugerido? ¿Cuál sería la estructura? Va, perfecto. Y mira que al final termina lo que yo te estoy diciendo. Dado que tu contexto educativo

Speaker A

clínico es mejor optar por un diseño cuasi experimental, pero podrías iniciar con descriptivo exploratorio como fase uno para caracterizar la derecha. Claro, eso es lo que se conoce como un pretest.

Speaker A

Sería chévere que hagas una medición antes de del de la estrategia y después de la estrategia y ahí está. Y ya la guía siempre esto les ofrece información adicional muy útil para sus estudios.

Speaker A

¿Quieres que hagamos juntos el protocolo? ¿Quieres que hagamos el plan de análisis y cronograma? Entonces se les pueden ir pidiendo cosas con esto que vamos hablando. Est muy bien, chévere. Agustín, muchas gracias por compartirlo. Funciona bastante bien, pero no tenen entonces cómo tenemos que

Speaker A

irlo pensando. ¿Listo? Por acá veo que eh José nos escribe, "La integración de las tecnologías basenía puede potenciar cuáles son las barreras y condiciones. Tengo ese trabajo en cieres, me sale que tengo que trabajar con un enfoque mixto. Es un pedido.

Speaker A

Gracias, José. No sé bien cómo qué es lo que te respondió, porque lo que pasa es que si le escribiste eso que pusiste, claro, la va a responder una cosa más general. Lo interesante sería que hagas el ejercicio de adaptar eso que tienes a

Speaker A

la estructura del PROM que construimos por acá. No es porque tenga que ser esta estructura, sino que insisto, con la experiencia que tengo les probabiliza un poco mejor. Inténtalo con esto y si de aquí a la final de la sesión no logras,

Speaker A

no nos lo muestras y lo vemos entre todos. ¿Listo? Para que veamos finalmente cómo se mueve. Okay, perfecto. Entonces, bien. No sé, Agustín, si te quedó claro con tu ejercicio, funcionó bien o alguna cosa que quieras pensar o comentar antes de

Speaker A

que pasemos. fue, perdón, antes de que nos vayamos, ¿no? Yo yo le entendí, creo que es un buen ejercicio. Es un ejercicio. Yo vengo planteando esa esa yo soy profesor de medicina y trabajo con prevención y control y adherencia.

Speaker A

Listo. Ahorita estoy trabajando en un laboratorio de simulación y estoy eh queriendo ingresar ese escenario de laboratorio de simulación para que eh las personas ustedes saben que generalmente en los hospitales tenemos es el manejo de el lavado de manos y la

Speaker A

higiene es muy policía, Skinner. Si alguien lo hace mal lo que se le hace es darle, digamos, se le pone una un correctivo o se le sigue y por qué hizo eso y por qué lo otro. La propuesta, la

Speaker A

hipótesis mía es que en un laboratorio de simulación, digamos, la persona que haga ese entrenamiento tiene la tiene una mejor opción de aprendizaje eh en la medida que lo haga una vez, dos o tres veces, digamos, en la y el número de veces que se

Speaker A

retroalimenta esa persona, ¿sí? Que eh también y la otra importante era diferenciar los diferentes tipos. Hay un nosotros tenemos un problema en nuestro hospital es que eh los diferentes médicos tienen diferentes niveles de adherencia. es diferente un estudiante

Speaker A

de medicina, al interno, al residente, al médico especialista, todos tienen diferente tipo de adherencia. Entonces, la idea es que como con esto es homogeneizar, o sea, llegar a que todos suban su nivel de adherencia a un nivel, digamos, que que se tiene dentro del

Speaker A

proceso de la higiena y el lav de manos. La pregunta mía, la otra es que pues yo lo hago, no sé si digamos, yo lo hago conosteo con lavado de manos, higiene y peppés. Sí, no sé si eso es muy grande

Speaker A

el ejercicio completo o si hacerlo uno a uno. Sí, el elevatorio de simulación es un cuarto que ya es un escenario de simulación ya establecido donde la persona puede entrar, hay un paciente allí en aislamiento, alguien tiene que entrar a a revisar el

Speaker A

paciente y por tal motivo tiene que lavarse las manos, ponerse el equipo personal, ingresar al cuarto y moverse alrededor de la del el simulador de alta fielidad que se quede allí y ejercitar los cinco momentos de los cinco momentos de de

Speaker A

higiene. tiene manos y una vez termina ese ejercicio, pues sale de allí y es cuando viene eh eh el termina y allí le damos nosotros un una retroalimentación a la persona que hace el ejercicio.

Speaker A

Ese es como el escenario y ese es el pues yo he pensado y lo he hecho con los estudiantes, pero no he pensado en el exiso cux experimental. Sí.

Speaker A

Eh, claro. Entonces ahí te va a interrumpir porque ya sí es pensar como todos los detalles y se nos va al propósito de laón. Pero muy bien, miren que justamente el ejemplo de Agustín nos va llevando a que ya la pregunta, ya los

Speaker A

recursos le orientan a ese diseño cu experimental, aunque no lo había considerado. Entonces, la pregunta que haces solo para responderte y no no dejarla en el aire. Creo que los tres elementos no son no son muchos porque todo se rastrea de la misma manera.

Speaker A

Imagino que es una observación directa y se va registrando. Entonces está perfecto. La verdad está chévere. Creo que con el pron de diseños experimentales te va a servir bastante.

Speaker A

Entonces justamente muchachos con esto que llevamos, espérate, ya tuut, eh una cosa importante que viene es esta, que es lo que acabamos de hablar con con José, eh, con Agustín, perdón.

Speaker A

En ese proceso de pedirle a Charpt que les dé opciones, que les dé ideas, en el momento que ustedes digan, "Ve, ¿qué tal si hacemos un experimento?" Como le está pasando Agustín, eso va a implicar devolverse a organizar la pregunta, los

Speaker A

objetivos, porque todo eso va de la mano. ¿Listo? Las preguntas, los diseños se ajustan a la pregunta, pero a veces uno se da cuenta de que la pregunta pudo no estar bien formulada y entonces hay otra forma de preguntarme, entonces

Speaker A

cambia y se va puliendo. Creo que por ejemplo para Justin mucho de lo que está pensando está muy bien, pero cuando le pongas la estructura experimental se te organiza un montón de cosas. Ese es el reto que justamente tienes. Entonces, el

Speaker A

punto clave es ese. Cuando estamos lidiando con cómo elegir el diseño, básicamente está la estrategia manipulativa que corresponde a los diseños experimentales, la asociativa y la descriptiva, que estas dos son no experimentales. ¿Listo?

Speaker A

En cada caso, muchachos, tienen que ustedes conocer del tema, saber en qué consiste ese diseño, cómo funciona, cuáles son las relaciones que están buscando, por qué.

Speaker A

Y dependiendo de eso se construya el PR diferente porque hay que pedirle atención distinta a cada una de las cosas.

Speaker A

Eh, acá tengo la duda porque definitivamente el tiempo no nos daba desde el inicio lo tenía clarísimo de ver todos los prom, de ver todos los diseños. Creo que es mucho más útil que ustedes vean un asunto práctico de cómo

Speaker A

jugar, de cómo pedirle cosas. Eh, y creo que dependerá qué les interese más. Por ahora les voy a mostrar las experimentales para que vean que es un poquito más completa y ya de eso ser pura para las otras y ya miramos ahorita

Speaker A

siorizamos una u otra. ¿Listo? Entonces vamos a los diseños experimentales. Esper damos aquí el enlace.

Speaker A

Entonces, ojo, ¿qué es lo que pasa? Recuerden que este es el nivel más alto.

Speaker A

Los diseños experimentales básicamente es cuando me pregunto por relaciones causales. Por ejemplo, lo que le está pasando a Agustín. Agustín se quiere preguntar si un laboratorio de simulación es efectivo puede causar adherencia a cierto tipo de comportamientos que en general está en

Speaker A

control, pero el laboratorio es más de prevención, es antes del escenario. ¿Será que podemos hacer que las personas se adapten a eso? Cuando hay una pregunta experimental, por definición hay tres acciones claves que tienen que haber. La primera

Speaker A

que justamente le da el nombre a la estrategia y que sin esto no podemos hablar de experimento es la manipulación.

Speaker A

Justamente por eso el escenario de Agustín es un experimento porque se está manipulando un escenario, se está haciendo el laboratorio de simulación intencionalmente se está construyendo un escenario. Ya estamos manipulando, pero el objetivo fundamental es manipular. Acá no es mentir, engañar,

Speaker A

sino hacer mover a voluntad para que cuando yo muevo una variable pueda ver si no tiene efectos en otra. Por tanto, todo diseño experimental manipula, pero a su vez mide. Después de mover esta variable, veo que tiene efectos en eso

Speaker A

le da nombre a las variables. La variable que se manipula es la independiente, que hacemos como una causa, y la otra que estamos esperando que se mueva es la dependiente, porque asumimos que esta depende de esta. Si yo

Speaker A

subo esta, yo espería que suba esta. Note que justamente el laboratorio es si se presenta el laboratorio, esperamos que aumente los comportamientos. Si no estuviera laboratorio, no esperamos que pase nada. Ah, okay. Ahí esa dinámica, pues justamente es la de los

Speaker A

experimentos. Pero aunque esto es sencillo de entender, lo fundamental en los experimentos no es la manipulación y la medición, es realmente la última acción que es el control. El concepto de validez interna que está aquí es fundamental.

Speaker A

Básicamente la cuestión de un experimento es yo muevo esto para ver si esto también se mueve. Pero la pregunta es, ¿y si esto se mueve, ¿será que se movió por lo que yo hice o por otra cosa?

Speaker A

La validez interna, por definición es la confianza que yo tengo de que esto se movió porque yo moví eso. Y eso es problemático porque puede ser que haya otra explicación. Puede ser que no sea por el laboratorio de de simulación que

Speaker A

monté Agustín, sino que haya un efecto en que todo el mundo comenzó a hablar de eso porque si eso e están haciendo experimento. Sí. ¿De qué? Lavado de manos. Ah, no. Entonces, ha hablábamos eso y se esparzan no por el laboratorio

Speaker A

en sí mismo, sino por como el chismerío, no sé cómo lo llaman ustedes de sus países, pero como el cuchicheo entre las personas.

Speaker A

Claro. Entonces, luego puede creer Agustín que fue por su experimento y no por otras cosas. Entonces ahí es donde viene el reto fundamental. ¿Cómo garantizamos confianza en un experimento?

Speaker A

Ahí es donde está el control y eso es lo importante. En términos de diseños, lo que ofrece ya la ciencia es, mire, ya encontramos varias medidas de control que pueden ser útiles. Las fundamentales, básicamente, la primera que es la que justamente le ofrecía

Speaker A

Chatt a Agustín, es primero tiene un grupo de comparación. Si es laboratorio y no otra cosa, solo las personas que participen en el laboratorio deberían mejorar. Por tanto, si tengo otro grupo que también son estudiantes residentes doctores pero

Speaker A

que no participan, yo no debería ver cambios aquí, pero sí acá. Ah, qué interesante. Entonces, eso me va a dar más confianza de que mi manipulación tiene efectos.

Speaker A

El problema es que puedo tener dos grupos, pero si este grupo es solo de estudiantes y este solo de doctores, puede ser que no haya diferencias en estos, pero es porque son doctores. Pero los estudiantes sí, por el chismerío.

Speaker A

Entonces, ah, no, no, no. Además de que los grupos esté, tengo que buscar que esos grupos sean equivalentes, que yo pueda decir, "Mire, esos grupos eran iguales en todo, pero a este le hice laboratorio y mejoraron." Y a este no le

Speaker A

hice laboratorio y no mejoraron. Qué interesante esa equivalencia. Ante todo se logra con la aleatorización. Eso es el criterio fundamental.

Speaker A

Y finalmente, una medida que no determina la calidad del diseño, pero que es deseable es usar preost.

Speaker A

Justamente eso es lo que Chanti le decía a Agustín con lo del estudio descriptivo. Es antes del diseño experimental, antes del laboratorio, hace una caracterización, hace una línea de base. Mira cómo está el comportamiento ahora. Usualmente en el

Speaker A

entorno natural, ¿cuántas veces se lavan las manos? ¿Se sigue el protocolo? ¿Cuántas veces? ¿Cuántos eh elementos de protección personal están usando? Todo eso para ver luego si tras el experimento cambió y qué tanto.

Speaker A

Entonces, esas medidas son muy útiles. Esa es justamente eh las formas que se han tenido de control. Hay otras, pero realmente estas son las que definen el tipo de diseño. Hay preexperimentos, cuasi experimentos y experimentos puros.

Speaker A

Y la clasificación depende realmente de eso, de si tienes mayor o menor control. Para de contar.

Speaker A

Entonces, esta diapositiva que está ahí es un resumen muy volado, muy a a a a rapidez de lo que es un diseño experimental. Entonces, la cuestión ahora es, ¿cómo usamos IA para pensar esto? Bueno, la clave es seguir esta

Speaker A

línea. ¿Qué es lo que vamos a manipular y cómo? ¿Cuáles son las variables independientes? Entonces, básicamente en el caso de Agustín es laboratorio de simulación, sí. A unos sí se les hace y a otros no se les hace. Esa es la

Speaker A

manipulación. Pero Agustín realmente estaba preguntando también otra cosa y es, ¿será que entre más veces se le se exponga esto mejor efecto? Entonces podría ya no es manipular si no sino una semana en el laboratorio de simulación, dos semanas, tres semanas a ver si entre

Speaker A

más tiempo es suficiente o si desde el inicio ya son efectos iguales. Miren que ya son dos diseños distintos.

Speaker A

Una regla importante es que entre más niveles tenga o más bien así en cada nivel de la variable independiente implica un grupo. Entonces, si tengo unos la variable si no hay un grupo que sí, hay un grupo que no. Si hay un grupo

Speaker A

de una semana, pues si hay un nivel de una semana, pues hay un grupo de una semana. Dos semanas, un grupo para dos semanas. Tres semanas un grupo para tres semanas. Siempre debo hacer eso. ¿Listo?

Speaker A

Luego tenemos que definir qué vamos a medir y cómo lo vamos a medir, que ese es el reto que tiene justamente Agustín en este momento. Bueno, ¿qué es lo ya sabemos cómo funciona el laboratorio, pero qué vamos a medir? ¿Qué vamos a

Speaker A

registrar? ¿Cómo lo registramos? ¿Cuántas veces? ¿De qué tipo? ¿Cuál es el protocolo? Eso hay que pensarlo.

Speaker A

Las relaciones experimentales siempre implican una hipótesis causal. ¿Cuál es la hipótesis de Agustín? Sigo con el ejemplo de él. Si alguien quiere usar su ejemplo, lo puede poner en el chat, ¿cierto? Pues que el laboratorio aumentará la presencia de los

Speaker A

comportamientos que se buscan, lavado de manos, uso de equipo de protección personal, etcétera, etcétera. Esa es la hipótesis.

Speaker A

Ahora, lo que les decía, siempre puede haber algo que me explique que no es lo mío. Eso es lo que llaman variables extrañas, que es lo que se controla que no se los expliqué acá.

Speaker A

Entonces, bueno, puede ser que hayan otras cosas que no sea por el laboratorio, sino por el rol que tiene, que justamente Agustín lo está teniendo en cuenta. Puede ser que sea estudiante, puede ser que es doctor, puede ser que

Speaker A

es enfermera, eso puede afectar. Entonces, Agustín, por ejemplo, ¿qué puede hacer? identificarlos, organizar los grupos para que estén todos del mismo tipo y rastrear el efecto. Hay diferentes acciones según eso. Y ahí justamente lo último es lo más importante es qué medidas de control

Speaker A

estás usando. ¿Listo? En función de todo esto es lo que se le va a pedir al chat que les ayude a pensarlo, pero un diseño se monta pensando estas cosas.

Speaker A

Entonces, para que les quede un poquitico más claro en la clasificación, que es lo que más interesa, recuerden, hay tres tipos que se diferencia según el control, básicamente según si se usan o no estas medidas. Los experimentos pueden usar medidas frente posteres,

Speaker A

recuerden, esto no es necesario a veces, pero da más control, no tienen grupo control, esa es la característica. Un preexperimento nunca tiene grupo control y no hace asignación aleatoria. Ah, porque no tiene sentido.

Speaker A

Si no tengo grupos de comparación no la utilizo. Los experimentos pueden usar pretest postest y la diferencia es que tienen grupo control. Eso ya me da más información. Por eso Agustín usa Grupo Control. Esa es la recomendación del

Speaker A

chat y que yo también haría. Y lo único por lo cual no es un experimento puro, es porque no tiene asignación aleatoria.

Speaker A

Entonces, ¿cómo funciona un experimento? Pues los experimentos sí tienen pretespostés o no. Recuerden que ese puede ser opcional por ese asterisco.

Speaker A

Tiene grupo control, pero además tiene asignación aleatoria. Entonces, ustedes ven la respuesta que le hace a Agustín y las que me hacía a mí eran estas. Si puedes aleatorizar, experimenta. Si no, o se exprimo. Ya está. Eso es todo.

Speaker A

Entonces, de nuevo, noten que la definición del diseño no es es que tienes que hacer un cu experimento con grupo control y pretextos test. Pues, ¿qué te está diciendo eso? Es qué medidas de control puedes usar.

Speaker A

Entonces, eso es lo que le vamos a pedir en el pron. La estructura acá sería la siguiente. Vamos a probarla. Y en este caso, por ejemplo, Agustín, sería chévere que lo probemos con la tuya a ver qué tal. Lo primero es que ya vamos

Speaker A

a especificar. vamos a actúa como un experto en diseños experimentales y pues el área que le interesa.

Speaker A

¿Cuál es el contexto? Bueno, pues le vamos a explicitar que queremos hacer una estrategia manipulativa para establecer causalidad y que tenemos los siguientes elementos. Lo que les decía, ya ahora es mejor en guioncitos para que se pueda separar.

Speaker A

Bueno, mi variable independiente es esta y la entiendo de esta y de esta manera.

Speaker A

La variable dependiente es esta y la pienso medir así, así, así. He identificado esta hipótesis. Básicamente la estructura siempre en experimento es que la independiente tiene efectos en la dependiente, pero eso básicamente hay que estructurarlo como sí. Entonces, en

Speaker A

cada nivel, en el caso de de Agustín sería si las personas participan en un laboratorio eh de simulación, entonces sus comportamientos de lavado de manos, uso de protección aumentarán y al revés hay que explicitarla también.

Speaker A

Entonces si no participan sus niveles no van a cambiar. Ah, okay, perfecto. Así es como tiene que ir la lógica.

Speaker A

¿Cuáles son las amenazanas a la validez? ¿Qué puede hacerme dudar? Bueno, es que mira, depende del área de servicio, si es urgencia, si es la UCI, depende del tipo de rol que tiene. Hay varias cosas que ya a ella Agustín ha pensado.

Speaker A

Entonces ahí las enistamos. Y finalmente, ah, bueno, perdón, y también le podemos decir a la como, "Ey, vos ves alguna cosa que debería tener en cuenta y usualmente es muy útil, es muy buena para eso, para ofrecerte cosas que

Speaker A

tal vez no pensaste que pueden influir. Y finalmente, si allá ustedes tienen un tipo de control como quiero usar grupos de comparación, quiero que sean grupos equivalentes, quiero usar medas pretes post, se explícita para que eh la IA

Speaker A

construye XM. Con toda esa información ya le decimos, "Bueno, venid, tened en cuenta esto y ofrecerme el mejor diseño disponible." Acá esta petición solo tiene sentido en los experimentos y es eso, explicita las mejores maneras de fortalecer la validez

Speaker A

interna y le pedimos que nos justifique cada decisión y que proponga alternativas por si no es viable para que ustedes tengan opciones. ¿Listo?

Speaker A

Esa instrucción pues nos da justamente un nuevo escenario. En el caso de de Agustín, pues tendría que ya poder organizar mucho mejor sus datos que los que hizo en la primera pronunción de esto. Seguramente el tiempo no nos da

Speaker A

para eso. Entonces, sigamos el ejemplo que les tenía yo hasta ahora. Noten que estamos hablando del ejercicio y eh el el estés académico. Entonces, miren, le digo, mi variable independiente es el ejercicio como la cantidad de horas al día que se

Speaker A

dedican durante la semana. La dependiente es el estrés académico y lo voy a medir con este inventario particular que muestra que a mayor puntaje mayor estrés. ¿Qué es lo que yo espero? Que a mayor nivel de ejercicio menor estrés. Ah, perfecto. Pero venga,

Speaker A

¿qué también puede explicar que haya menor estrés? Pues que tenga buenos hábitos de estudio, que la carga académica sea más bajita, que tenga una red de apoyo.

Speaker A

Es grave. Bueno, y yo quiero usar sí o sí un grupo de comparación y medidas pre y posto.

Speaker A

Bueno, con todo eso le pido que haga esta tarea y les va a mostrar entonces cómo responde la espiró.

Speaker A

¿Será este de aquí? Sí. No, este no es. Esp, creo que voy a cerrar este. Ya de una vez se me perdió.

Speaker A

Creo que es este. No, este es el el otro. Puedo ir cerrando porque creo que ya han ido quedando claros.

Speaker A

Es este de aquí. No, este no era. Perdón. Se me perdió. Se me perdió. No sé por qué no está.

Speaker A

Espérame un momentico. Sí, perdón que no lo encontraba. Listo. Entonces, noten que aquí le acabo de pedir justamente lo que escribimos en la diapositiva. Está tal cual.

Speaker A

Y aquí ya me lo voy a puestar. Mira, te ofrezco la primera opción, un diseño cu experimental con grupos no equivalentes y medidas y me muestra cuál es el procedimiento ventajas desventajas una segunda opción, ventajas, desventajas, cómo fortalecerlo, qué

Speaker A

opciones tomar, ta ta ta. Demuestra opciones inviable, ¿qué fue lo que le pedimos? me hace el análisis estadístico y ya finalmente pues acá le puedo pedir más información para pensar.

Speaker A

Esto que hizo la uno que tiene mucha experiencia se demora unos 15, 20 minutos. La lo hace en 2 minutos, menos menos de 2 minutos realmente 30 segundos te monta todo esto. De nuevo, la te ofrece la información, no es

Speaker A

copiar y pegar, es entender un poco qué es lo que te está ofreciendo. Entonces, creo que con este escenario de diseño experimental les muestro un poco la dinámica, qué es lo que hay que hacer.

Speaker A

cierto, cómo es la estructura del PROM que le puedo pedir y luego cómo evaluamos eso que me va a ofrecer. Okay, esta dinámica, muchachos, toma tiempo.

Speaker A

Como les digo, eh, eso implica, miren que, por ejemplo, en el caso de Agustín nos funciona muy bien porque él ya ha pensado muchos elementos. En el caso de José, de José que nos contó como una idea inicial, ya no nos funciona tanto

Speaker A

porque aún le falta definirlo mejor. Ese es justamente el proio que ustedes llevan en el curso. Primero tengo que pensar el la pregunta, las variables, la relación para poder llegar al diseño.

Speaker A

Pero entonces esta dinámica justamente está, evidentemente el tiempo no nos da mucho. Creo que lo que podemos hacer es, si están de acuerdo, jugamos un poco con el ejemplo de Milton, de Agustín, perdón, para ver cómo justamente esto lo

Speaker A

podemos adaptar, eso les puede ayudar. Pero antes solo quiero mostrarles una cosa. Si vamos a los diseños experimentales, hay que manipular, medir, controlar. ¿Qué es lo que pasa con los diseños no experimentales?

Speaker A

Pues no hay manipulación, por eso no se llaman, no eh por eso no son experimentales. Y como no hay manipulación, pues ya no importa el control.

Speaker A

Lo único que se hace realmente en los diseños experimentales es medir y por eso es dependiendo de la medición que se clasifican los diseños. Puedo tener casos que se llaman transversales o transecionales porque tengo solo una medición y solo una o puedo tener

Speaker A

longitudinales porque tengo varias mediciones en el tiempo. Esa es la diferencia fundamental y cambia mucho porque depende la pregunta.

Speaker A

Las transversales es una relación, una situación y ya cómo está en este momento la longitudinal es una pregunta de cómo cambian el tiempo y ya se clasifican en función. Si solo es una sola medición, ¿qué vas a hacer con esa medición?

Speaker A

¿Estás explorando cómo está el fenómeno? ¿Estás describiéndolo o estás estableciendo relaciones? que esta las dos estrategias, descriptiva y asociativa.

Speaker A

En el caso de las longitudinales, la clasificación suele ser según a quienes sigues, sea una población, se a una a un grupo más específico o a un grupo de personas fijas todo el tiempo. Eso es lo que cambia. Ya está. No nos dará el

Speaker A

tiempo para ver todo esto. Pero entonces noten que al cambiar el tipo de diseño, cambia los elementos. Ya no me voy a preguntar por medidas de control. Aquí el PR no tiene que tener nada de eso, sino que si no saltamos, me voy a saltar

Speaker A

justamente a los PRS, la estructura es diferente. En el caso de una estrategia descriptiva, pues justamente actúa, como dice un experto enos descriptivos. Lo que quiero es describir este fenómeno variable en esta población. Las variables que voy a

Speaker A

describir son estas. Y muy importante acá hay que reportar el nivel de medición. Eso ya lo vieron hace unas semanas, si mal no estoy. Y ya usualmente se le puede sugerir el tipo de análisis, que eso lo verán en

Speaker A

estadística, o se lo piden a la que se los ofrezca. Y ya la pregunta sería más orientada a esto, como cuál es el diseño descriptivo que me recomiendas y qué debo buscar para garantizar una buena representatividad.

Speaker A

Pero, ¿qué pasa si lo que quiero hacer es una estrategia asociativa? Pues cambio. Ya le pido que sea en diseños asociativos cuantitativos. Hay que especificar porque este concepto a veces la confunde.

Speaker A

Y miren que ya cambio. Ya lo que digo es quiero ver si una variable se relaciona, predice la otra. Las variables son estas con este nivel de medición. Mi hipótesis es predictiva asociativa, que espero que si una sube la otra suba, que si una

Speaker A

baje la otra baje. Hay que explicitar esto como que no estamos manipulando, solo midiendo. Y ya siempre está la posibilidad de que hayan otras variables que confundan. podemos usar eso y cambia un poquito la pregunta. Dependiendo de eso, le pedimos a la guía y va a ser lo

Speaker A

mismo, va a ayudarnos a irlo pensando y a irlo puliendo. ¿Listo? Entonces evidentemente muchachos como pueden ver, eh si ustedes no han avanzado en la parte anterior, acá pues evidentemente el diseño implica un conocimiento especializado que la IA les puede

Speaker A

ayudar, pero también ustedes tienen que entender. ¿Qué es lo chévere? Lo que ustedes no entiendan, pregunten a la vení, ¿por qué me estás recomendando un cu experimento? Ah, mira, pues experimento es deseable por esto y esto y esto y esto. Ah, y por eso hay que

Speaker A

usar esto. Sí, mira, los grupos de control hacen esto y esto y esto. Recuerden que es un asistente, le pueden hacer preguntas, le pueden eh retar cosas. Véanlo siempre, no como alguien que les dice qué hacer, sino como

Speaker A

alguien que les asiste para decidir qué hacer. Y bueno, pues ya saben que esto es una estructura básica de los pron, pero que si lo tienen ya mucha información, lo convierten con la página que les comparto y eso les da un lujo de

Speaker A

detalles que construye un buen escenario. ¿Listo? Entonces en este en este dinámica, muchachos, nos faltaría solo los prons de las longitudinales, pero ahí no es posible porque depende de muchas cosas. Ya, eso tienen que ustedes aprenderlo a hacer cada uno. Pero el

Speaker A

propósito que teníamos hoy era este, era revisar justamente en qué consistenos cuantitativos, es encontrar regularidades y ver todos los que están disponibles. Depende de ustedes, depende de la pregunta, de los fenómenos, de las variables. Lo más importante que

Speaker A

quisiera que quedara hoy, ya me si funcionó o si lo aclaramos, es que vean como la IA es muy buena para esto.

Speaker A

ya tiene mucha información, ya eso está organizado, es sabérselo pedir. Ahí tenemos una estructura que les queda de material. Con la experiencia que uno tiene, obviamente eso queda mejor construido, pero también saber leerlo, la idea les devuelve y ese es un reto un

Speaker A

poco mayor que pues dependerá de la formación. En este caso, reitero, nuestro objetivo era ver cómo la nos apoya en esto y es maravilloso.

Speaker A

Realmente es muy útil, te da ideas que tal vez no has pensado, te confirma ideas que si habías considerado y en eso pues vas encontrando que hay muchas formas de investigar sobre un tema.

Speaker A

Perdón que era esa la diapositiva con la que iba a cerrar. Todo este tiempo hemos estado jugando con el ejercicio, pero es que resulta que yo puedo investigar sobre ese tema de muchas maneras. Incluso abriendo ya tema para la próxima sesión que tendrán, yo

Speaker A

puedo investigar eso cualitativamente. Yo podría un grupo particular, como les decía ahorita, un grupo de Jerez, pero acá puede ser un grupo de fútbol femenino. Quiero ver esas estudiantes universitarias si ellas tienen un nivel de vida distinto por ser

Speaker A

parte de ese grupo. Es un caso atípico, casi no hay grupos femeninos a nivel universitario. Veamos si eso tiene impacto. vale la pena estudiar ese caso al margen de resto o puedo preguntarme más bien por el fenómeno. Me interesa

Speaker A

ver en general cómo ocurre y no pensar un grupo particular en sí mismo. Entonces podía tener el grupo femenino y no ser un caso cualitativo, sino cuantitativo. Y puedo hacer descripciones. Podría aplicar una serie de instrumentos y describir cómo está el

Speaker A

nivel de estrés en este momento y la actividad física en ellas. Puedo establecer relaciones, puedo entonces medir ambas y comenzar a decir, "Ah, mira, las que más llevan tiempo en el en el equipo de fútbol son las que

Speaker A

menos estrés tienen. Ve, está interesante cómo se mueve esa relación." O podríamos hacer un experimento, podríamos crear un equipo de fútbol nosotros a unas que sí y rastreamos las que no participaron y vemos si hay cambios conforme participan o no.

Speaker A

un fenómeno, una pregunta puede responderse de muchas maneras. Entonces ahí donde confundí un poco. Si el diseño está al servicio de mi pregunta, pero una pregunta puede responderse con todos los diseños, ¿cómo definimos? De nuevo, depende de muchas cosas. El nivel de

Speaker A

conocimiento que tenemos, los antecedentes, términos operativos, logísticos, el nivel de conocimiento que ustedes tienen, su experticia.

Speaker A

Hay muchas cosas. Lo importante es que no vean esto como una camisa de fuerza, como es que tengo que, sino que lo vean como lo que les he dicho con la son apoyos. Ustedes están preguntando por cosas muy interesantes.

Speaker A

La pregunta de Agustín es muy bacana porque eso puede mejorar protocolos de formación para estudiantes, protocolos en hospitales, facilitar justamente medidas de higiene que son muy importantes.

Speaker A

Pero ey, Agustín, esa pregunta que estás haciendo es tan interesante. Vení, yo te cuento cómo podemos hacerla mejor para tener mejores resultados, para pensarnos lo mejor, que no quede como sobre el ejercicio de docencia que ya está haciendo, sino que él funcione

Speaker A

para un conocimiento confiable, válido, generalizable. La invitación cuando vean los diseños es eso. Más que nombres que tienen que aprenderse, lista de cosas que tienen que hacer porque así se hace, es formas que ya hemos aprendido para preguntarnos

Speaker A

por las cosas. Y depende de la pregunta que ustedes hagan, habrán mejores estrategias que listo. Nos pregunta José, esa estrategias son para definir el diseño de la investigación. Sí, en cuantitativa, sí. Es básicamente si es una estrategia descriptiva, asociativa o

Speaker A

explicativa. En verión cualitativa, que lo verá en la próxima clase, esos no son los criterios, porque recuerda que ya no le interesa la regularidad, le interesa es cómo vamos a pensar el caso concreto.

Speaker A

Entonces, sus diseños son distintos, se definen y se piensan diferente. Pero, ¿para cuál? Y sí, dependiendo esta estrategia es básicamente que defines el diseño. Estas son con gameplos, la mejor diapositiva que te diría que te quedes es esta de acá, Jos. Pues tómale

Speaker A

pantallazo, luego miras esta, pero esta es la que te muestra todos los diseños que estarían disponibles según la estrategia que piensas en IRO. ¿Listo?

Speaker A

Eh, para cualitativa yo podría responderte, pero la próxima sesión tienen para esa. Entonces, en esa sesión vas a poder preguntarle a la docente cuáles son los criterios. Es ah perdón, es al revés. Para Meí.

Speaker A

para cuantitativa. Claro, lo que te decía, el criterio es eso, las estrategias. Mira lo que aquí está en la diapositiva. Según el nivel de conocimiento que quieres alcanzar, eliges la estrategia y en cada una de las estrategias hay múltiples diseños

Speaker A

disponibles que se definen según criterios distintos. En las de manipulación se definen según el nivel de control que tienes. En las de asociación según el tipo de relación que esperas. si es predictiva, asociativa, de moderación, de modulación y en la

Speaker A

descriptiva es básicamente según el instrumento, si estás observando o si estás viviendo con otra cosa, cambia según los criterios, ahí es todo el mundo. De nuevo, por ahora creo que el objetivo de este curso era que vean como

Speaker A

la les ayuda a meterse a estos retos. No sé si lo logramos. Ya nos dice que sí.

Speaker A

Los demás, no sé, cumplimos el objetivo de la sesión, queda claro. ¿Hay alguna cosa que quieran que aclaremos, que veamos? unos 5 minuticos antes de que cerremos.

Speaker A

Recuerden que esto ante todo es práctico, hay que usar la pues los proms que les propongo. Obviamente los construí con uso de día, pero también con el conocimiento que tengo para ustedes, pero pueden jugar con eso, cambiar, probar eso. Ya ustedes lo irán

Speaker A

viendo con la experiencia. Pero la recomendación ya con esto quédense con la curiosidad y prueben irle preguntando por el diseño. Nos dice Agustín que quedó claro, perfecto. Juan Juan José también le quedó muy claro. Perfecto.

Speaker A

Muy bien. Los demás no sé, veo que estamos 16 conectados. ¿Alguien tiene alguna duda, pregunta? ¿Funciona la sesión para que vayamos cerrando?

Speaker A

Okay, parece que nos fue bien. Eh, insisto que es mucho tema, mucha tela para aportar. La idea era que fuera un poco más práctico, pero entiendo entonces que tal vez no estábamos como en el momento para eso. Eh, entonces,

Speaker A

bueno, muchachos, recuerden ya la próxima sesión van a pensarse esto con investigación cualitativa para que vean otros criterios. descubrió también dice que todo bien, perfecto. Y ya nos veremos el próximo lunes para pensar este camino, pero ahora es cómo

Speaker A

seleccionamos, con quién vamos a trabajar. ¿Listo? Eso es como lo que vienen estas dos próximas clases. Espero que la sesión funcione. Igual recuerden que queda la grabación, quedan las diapositivas para que las piensen y bueno, nos estaremos viendo el próximo

Speaker A

lunes eh en nuestra sesión de muestreo. Hasta entonces, muchachos. Mucha suerte con diseños cualitativos y que descansen este fin de semana que viene. Buena noche para todos.

Speaker A

Dale, buenas noches. Que descanses. Buenas noches, docente Alfredo. Buenas noches también.

Topics:metodología de investigacióndiseños experimentalesanálisis cuantitativotesisinteligencia artificialmétodo científicoepistemologíainvestigación científicaMundo TesisEduward Chávez

Frequently Asked Questions

¿Cuál es el enfoque principal de esta sesión sobre diseño de investigación?

El enfoque principal es entender cómo elegir y aplicar diseños de investigación adecuados para responder preguntas científicas, enfatizando la importancia del método científico y el uso de la inteligencia artificial como herramienta de apoyo.

¿Por qué es importante la metodología en la construcción de una tesis?

La metodología es clave porque permite estructurar la investigación de manera que los resultados sean confiables y basados en evidencias, facilitando así la construcción de conocimiento sólido y válido.

¿Cómo ayuda la inteligencia artificial en el diseño de investigación según el video?

La inteligencia artificial ayuda a montar diseños de investigación, facilitando la organización, generación y análisis de datos, lo que permite optimizar el proceso metodológico y mejorar la calidad de la tesis.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play

Or transcribe another YouTube video here →