Modelos a emplear en el análisis de datos de encuestas
Compilado por:
Dr. Manuel Coronado,
Abogado-Cpa-Investigador.
Enero 2015.
Frecuentemente, estudiantes de grado y
postgrado se encuentran ante la situación de tener que analizar los datos
arrojados por encuestas aplicadas a diferentes fuentes, con respecto a un
determinado tópico.
En estas notas usaremos ejemplos tomados de
trabajos de investigación en el área de educación, aunque los modelos pueden
ser extrapolados a muy diferentes áreas.
Se presentarán diferentes enfoques a través
de los cuales se puede abordar el problema objeto de investigación, y para cada
enfoque se ofrecerán alternativas para el análisis y presentación de los datos.
Debe tenerse en cuenta que estas notas NO
SON UN TRATADO DE ESTADÍSTICAS. No se pretende enseñar a realizar chi cuadrado
o regresiones múltiples, sino simplemente indicar posibles soluciones para la
situación. Se incluyen sintaxis de SPSS, que pueden ser utilizadas para
producir salidas como las usadas en los ejemplos, aunque los mismos resultados
pueden obtenerse con otros paquetes de análisis de datos (Epiinfo, SAS, etc.)
Enfoque del problema.
Existen varios acercamientos a través de
los cuales se puede enfocar la situación. Detallamos algunos de los más
frecuentemente observados.
Esquema puramente descriptivo
Es la forma En este enfoque, se busca
simplemente describir una situación, como podría ser “aplicación de la
ordenanza 1’96 en las escuelas del distrito …”. La encuesta consistirá
prácticamente en una “lista de cotejo” para identificar en qué medida una serie
de indicadores relacionados con la situación en estudio se están aplicando.
En nuestro ejemplo, algunos de estos
indicadores podrían ser:
- Promoción automática a 2º y 3º grado
- Permanencia de docente de 1º grado con estudiantes promovido al
2º…
La presencia de estos indicadores puede
establecerse por observación simple, o por consulta a fuentes (maestros,
padres, directores…). Puede establecerse una escala dicotómica (Si / no) o una
escala ordinal, tipo Liker (totalmente, parcialmente, para nada)
El análisis de éstos datos se haría por
frecuencia simple, presentando la proporción (porcentaje) de respuestas
observadas. No es necesario presentar el porcentaje acumulado.
Ejemplo:
Tabla Ejemplo #1:
Se realiza la promoción automática de alumnos/as de 1º
a 2º grado
|
Respuestas de directores
|
Casos
|
%
|
|
Nunca
|
3
|
9%
|
|
Pocas veces
|
6
|
17%
|
|
A veces
|
12
|
34%
|
|
Muchas veces
|
6
|
17%
|
|
Siempre
|
8
|
23%
|
|
Total
|
35
|
100%
|
Fuente: Cuestionario de directores
La representación gráfica de estos datos
puede hacerse por gráficos sectoriales (pastel) o de barras. No deben usarse
polígonos de frecuencia ni barras unidas.
Gráfico #1:
Ejemplos de Gráficos de barras simples
Gráfico #2:
Ejemplo de gráfico de pastel o sectorial
La interpretación de éstos datos se produce
por simple inspección de las frecuencias de respuestas obtenidas. Una “regla
del pulgar” utilizada para considerar si dos porcentajes son significativamente
diferentes consiste en asumir diferencias si entre uno y otro porcentaje hay 10
puntos porcentuales o más de diferencia. En nuestro ejemplo, “A veces” se
diferencia de las restantes categorías, ya que supera a todas por más de 10 puntos
porcentuales.
Descripción por fuentes comparadas
Una situación interesante se da cuando se
desean comparar las respuestas suministradas por fuentes diferentes a una misma
pregunta. Por ejemplo, en una investigación sobre “Rol de Directores de Centros
de Educación Básica”[1]
se presenta un cuestionario donde hay preguntas que se plantean tanto a
directores de centros como a maestros y a miembros de la comunidad. Existen dos
maneras de abordar esta situación:
Comparación Tablas de Doble (o múltiple) entrada
En este caso, las respuestas a cada
pregunta se analizan comparando simultáneamente las respuestas obtenidas en
cada categoría. Esto se hace en una misma tabla. En ese sentido, las categorías
(directores, maestros, padres) se consideran como homogéneas, sin agruparlas
ulteriormente, y se compara el total de respuestas ofertadas.
Esto implica que disponemos de un conjunto
de registros donde están las respuestas dadas y una clara identificación de la
categoría a que pertenece. Probablemente tendremos una lista o base de datos de
la siguiente forma:
Tabla Ejemplo #2:
Base de datos de encuestados
|
Categoría
|
Escuela
|
Zona
|
Sexo
|
Preg 1
|
Preg 2
|
Preg 3
|
Preg 4
|
Preg 5
|
Otras preguntas
|
|
Comunidad
|
1
|
Urbana
|
Femenino
|
5
|
5
|
4
|
4
|
4
|
…Otras
respuestas…
|
|
Director
|
1
|
Urbana
|
Masculino
|
3
|
4
|
3
|
1
|
2
|
…Otras
respuestas…
|
|
Maestro
|
1
|
Urbana
|
Femenino
|
2
|
5
|
4
|
5
|
3
|
…Otras
respuestas…
|
|
Maestro
|
1
|
Urbana
|
Femenino
|
5
|
4
|
5
|
5
|
4
|
…Otras
respuestas…
|
|
Maestro
|
1
|
Urbana
|
Femenino
|
4
|
5
|
4
|
5
|
5
|
…Otras
respuestas…
|
|
Maestro
|
1
|
Urbana
|
Femenino
|
4
|
5
|
4
|
4
|
4
|
…Otras
respuestas…
|
|
Comunidad
|
2
|
Rural
|
Masculino
|
3
|
5
|
3
|
3
|
3
|
…Otras
respuestas…
|
|
Director
|
2
|
Rural
|
Masculino
|
5
|
5
|
5
|
4
|
5
|
…Otras
respuestas…
|
|
Maestro
|
2
|
Rural
|
Femenino
|
5
|
5
|
5
|
4
|
4
|
…Otras
respuestas…
|
|
Maestro
|
2
|
Rural
|
Femenino
|
4
|
5
|
5
|
4
|
4
|
…Otras
respuestas…
|
|
Comunidad
|
3
|
Urbana
|
Femenino
|
4
|
4
|
4
|
3
|
3
|
…Otras
respuestas…
|
|
Director
|
3
|
Urbana
|
Masculino
|
5
|
5
|
4
|
4
|
3
|
…Otras
respuestas…
|
|
Maestro
|
3
|
Urbana
|
Femenino
|
5
|
5
|
4
|
4
|
3
|
…Otras
respuestas…
|
|
Maestro
|
3
|
Urbana
|
Femenino
|
5
|
5
|
5
|
5
|
5
|
…Otras
respuestas…
|
|
Maestro
|
3
|
Urbana
|
Masculino
|
4
|
5
|
5
|
4
|
5
|
…Otras
respuestas…
|
|
…Otros casos…
|
|||||||||
Sobre esta estructura se pueden hacer los
análisis siempre y cuando se cumplan las siguientes condiciones:
1
Cada caso contiene respuestas a
las mismas preguntas. En el ejemplo que usaremos se preguntó a los directores
si ellos promovían actividades para vincular escuela y comunidad. La misma
pregunta se hizo a maestros y miembros de la comunidad, pero referida al
DIRECTOR (“El director de este centro promueve actividades…”)
2
Cada caso está identificado
según la categoría de pertenencia (en nuestro ejemplo; debe quedar claramente
identificado quién es director, maestro o padre)
3
Las preguntas formuladas a cada
categoría tienen el mismo abanico de respuesta, la misma codificación y el
mismo sentido de la escala. En nuestro ejemplo, si la pregunta P1 se refiere a
si “Promueve actividades para vincular la escuela con la comunidad”, las
opciones que se dieron de respuestas a directores, maestros y padres son las
mismas y en el mismo orden (ejemplo: 1 = Nunca, 2 = A veces, y así
sucesivamente)
El siguiente ejemplo muestra un análisis
basado en las respuestas de directores, maestros y comunidad a una determinada
pregunta:
Tabla Ejemplo #3:
Respuestas a “Promueve actividades para vincular la
escuela con la comunidad” según categoría de entrevistado
|
|
Categoría
|
Total
|
||||||
|
Director
|
Maestro
|
Comunidad
|
Casos
|
%
|
||||
|
Casos
|
%
|
Casos
|
%
|
Casos
|
%
|
|||
|
NUNCA
|
|
|
4
|
8.0%
|
3
|
25.0%
|
7
|
9.0%
|
|
A VECES
|
1
|
6.3%
|
3
|
6.0%
|
3
|
25.0%
|
7
|
9.0%
|
|
FRECUENTEMENTE
|
2
|
12.5%
|
13
|
26.0%
|
2
|
16.7%
|
17
|
21.8%
|
|
CASI SIEMPRE
|
6
|
37.5%
|
21
|
42.0%
|
3
|
25.0%
|
30
|
38.5%
|
|
SIEMPRE
|
7
|
43.8%
|
9
|
18.0%
|
1
|
8.3%
|
17
|
21.8%
|
|
Total
|
16
|
100.0%
|
50
|
100.0%
|
12
|
100.0%
|
78
|
100.0%
|
Este tipo de presentación permite analizar
el comportamiento de una variable con respecto a diferentes grupos o
categorías. Debe notarse, sin embargo, que en este caso la información se
refiere a TODO los casos en la categoría (todos los maestros, por ejemplo),
aunque sí es posible obtener estratos: Por ejemplo, la siguiente tabla muestra
el comportamiento de la misma variable, estratificados según zona (urbana –
rural):
Tabla Ejemplo #4:
Respuesta a “Promueve actividades para vincular la
escuela con la comunidad”, según categoría y zona del centro
|
Zona del Centro Urbana
|
|||||||||
|
|
Categoría
|
Total
|
|||||||
|
Director
|
Maestro
|
Comunidad
|
Casos
|
%
|
|||||
|
Casos
|
%
|
Casos
|
%
|
Casos
|
%
|
||||
|
NUNCA
|
|
|
1
|
4.0%
|
2
|
50.0%
|
3
|
8.8%
|
|
|
A VECES
|
1
|
20.0%
|
1
|
4.0%
|
|
|
2
|
5.9%
|
|
|
FRECUENTEMENTE
|
|
|
9
|
36.0%
|
1
|
25.0%
|
10
|
29.4%
|
|
|
CASI SIEMPRE
|
2
|
40.0%
|
10
|
40.0%
|
|
|
12
|
35.3%
|
|
|
SIEMPRE
|
2
|
40.0%
|
4
|
16.0%
|
1
|
25.0%
|
7
|
20.6%
|
|
|
Total
|
5
|
100.0%
|
25
|
100.0%
|
4
|
100.0%
|
34
|
100.0%
|
|
|
Zona
del Centro Rural
|
|||||||||
|
|
Categoría
|
Total
|
|||||||
|
Director
|
Maestro
|
Comunidad
|
Casos
|
%
|
|||||
|
Casos
|
%
|
Casos
|
%
|
Casos
|
%
|
||||
|
NUNCA
|
|
|
3
|
12.0%
|
1
|
12.5%
|
4
|
9.1%
|
|
|
A VECES
|
|
|
2
|
8.0%
|
3
|
37.5%
|
5
|
11.4%
|
|
|
FRECUENTEMENTE
|
2
|
18.2%
|
4
|
16.0%
|
1
|
12.5%
|
7
|
15.9%
|
|
|
CASI SIEMPRE
|
4
|
36.4%
|
11
|
44.0%
|
3
|
37.5%
|
18
|
40.9%
|
|
|
SIEMPRE
|
5
|
45.5%
|
5
|
20.0%
|
|
|
10
|
22.7%
|
|
|
Total
|
11
|
100.0%
|
25
|
100.0%
|
8
|
100.0%
|
44
|
100.0%
|
|
|
Total
|
|||||||||
|
|
Categoría
|
Total
|
|||||||
|
Director
|
Maestro
|
Comunidad
|
Casos
|
%
|
|||||
|
Casos
|
%
|
Casos
|
%
|
Casos
|
%
|
||||
|
NUNCA
|
|
|
4
|
8.0%
|
3
|
25.0%
|
7
|
9.0%
|
|
|
A VECES
|
1
|
6.3%
|
3
|
6.0%
|
3
|
25.0%
|
7
|
9.0%
|
|
|
FRECUENTEMENTE
|
2
|
12.5%
|
13
|
26.0%
|
2
|
16.7%
|
17
|
21.8%
|
|
|
CASI SIEMPRE
|
6
|
37.5%
|
21
|
42.0%
|
3
|
25.0%
|
30
|
38.5%
|
|
|
SIEMPRE
|
7
|
43.8%
|
9
|
18.0%
|
1
|
8.3%
|
17
|
21.8%
|
|
|
Total
|
16
|
100.0%
|
50
|
100.0%
|
12
|
100.0%
|
78
|
100.0%
|
|
En este caso, en realidad lo que se
presentan son TRES TABLAS diferentes: una para zona Urbana, otra para Zona
Rural y una tercera TOTAL (que es la misma tabla ejemplo anterior).
La representación de gráfica de éstos datos
es, preferentemente, el de barras, como en el ejemplo siguiente:
Gráfico #3:
Barras estratificadas
Nótese que en este tipo de gráfico, algunos datos pueden no visualizarse correctamente, porque otros los ocultan. En efecto, ¿qué proporción de la comunidad contesta “Casi siempre”? Esto no puede apreciarse, porque las barras de respuestas de maestros las ocultan. Para paliar esta situación puede recurrirse a otro tipo de gráficos de barras, donde las mismas se presentan agrupadas en el eje “X”, sin usar el eje “Y”. Aunque se pierde vistosidad en este modelo, se logra visualizar todas las series de datos.
Gráfico #4:
Ejemplo de barras agrupadas en un solo eje.
Una observación muy importante es que si
los grupos son de cantidades de casos diferentes, como sucede en nuestro
ejemplo (16 directores, 50 maestros, 12 miembros de la comunidad), la
representación gráfica debe hacerse usando los PORCENTAJES DE RESPUESTAS POR
CADA CATEGORÍA. No tiene sentido y es desviante, usar la frecuencia de casos
para esa representación. Obsérvese el siguiente gráfico, que trata de
representar la misma variable que el anterior, pero donde se usó frecuencia de
casos en vez de porcentaje:
Gráfico #5:
Gráfico erróneo, en cuanto se representan por
frecuencia de casos grupos no homogéneos en cantidad.
Obviamente, al ser más maestros, parece que
las respuestas de éstos son más frecuentes, en la categoría “Siempre” que las
de directores, cuando en realidad los directores producen porcentualmente más
respuestas “SIEMPRE” que los maestros.
Podría ser interesante visualizar la
composición de las respuestas por categoría. Para eso se puede emplear el
gráfico de barras denominado de “barras apiladas”, como se muestra a
continuación:
Gráfico #6:
Barras apiladas por categorías
Las barras apiladas permiten apreciar
también cómo se distribuyeron las respuestas en el grupo total, sin
categorizarlas. Una simple inspección permite identificar que el tipo de
respuestas más frecuente fue “Casi Siempre”, y que DENTRO DE ESTE TIPO DE RESPUESTA
fueron los maestros quienes más la emplearon. También en este caso se usan
porcentajes y no frecuencia de casos.
Este tipo de datos permite el realizar
pruebas de significación estadística que van más allá de la mera apreciación
gráfica o intuición. Para análisis basados en la cantidad de casos, la prueba
más conveniente es la del c2 (Chi Cuadrado) Las siguientes tablas muestran la salida de análisis
de c2 usando
la sintaxis de SPSS siguiente, en la que C1 es la variable que identifica la
pregunta y catego es la variable de las categorías (maestro, director…):
CROSSTABS
/TABLES=c1
BY catego
/FORMAT= AVALUE TABLES
/STATISTIC=CHISQ
/CELLS= COUNT EXPECTED .
El resulatado obtenido es el siguiente:
Tablas de
contingencia
|
Resumen
del procesamiento de los casos
|
|||||||
|
|
Casos
|
||||||
|
Válidos
|
Perdidos
|
Total
|
|||||
|
N
|
Porcentaje
|
N
|
Porcentaje
|
N
|
Porcentaje
|
||
|
Promueve actividades para vincular la escuela con la comunidad.
* Categoría
|
78
|
95.1%
|
4
|
4.9%
|
82
|
100.0%
|
|
|
Tabla
de contingencia Promueve actividades para vincular la escuela con la
comunidad. * Categoría
|
||||||
|
|
Categoría
|
Total
|
||||
|
Director
|
Maestro
|
Comunidad
|
||||
|
Promueve actividades para
vincular la escuela con la comunidad.
|
NUNCA
|
Recuento
|
0
|
4
|
3
|
7
|
|
Frecuencia esperada
|
1.4
|
4.5
|
1.1
|
7.0
|
||
|
A VECES
|
Recuento
|
1
|
3
|
3
|
7
|
|
|
Frecuencia esperada
|
1.4
|
4.5
|
1.1
|
7.0
|
||
|
FRECUENTEMENTE
|
Recuento
|
2
|
13
|
2
|
17
|
|
|
Frecuencia esperada
|
3.5
|
10.9
|
2.6
|
17.0
|
||
|
CASI SIEMPRE
|
Recuento
|
6
|
21
|
3
|
30
|
|
|
Frecuencia esperada
|
6.2
|
19.2
|
4.6
|
30.0
|
||
|
SIEMPRE
|
Recuento
|
7
|
9
|
1
|
17
|
|
|
Frecuencia esperada
|
3.5
|
10.9
|
2.6
|
17.0
|
||
|
Total
|
Recuento
|
16
|
50
|
12
|
78
|
|
|
Frecuencia esperada
|
16.0
|
50.0
|
12.0
|
78.0
|
||
|
Pruebas
de chi-cuadrado
|
|||
|
|
Valor
|
gl
|
Sig. asint. (bilateral)
|
|
Chi-cuadrado de Pearson
|
15.766(a)
|
8
|
.046
|
|
Razón de verosimilitud
|
14.723
|
8
|
.065
|
|
Asociación lineal por lineal
|
10.961
|
1
|
.001
|
|
N de casos válidos
|
78
|
|
|
|
a 11 casillas (73.3%) tienen una frecuencia esperada inferior a
5. La frecuencia mínima esperada es 1.08.
|
|||
El valor de c2 obtenido (0.046) es menor de 0.05, límite convencional para admitir
que NO HAY DIFERENCIAS. El análisis de c2 busca identificar si la frecuencia observada
difiere significativamente de la esperada. Decimos que ambas frecuencias
(observada y esperada) no se diferencian, cuando el valor de c2 es mayor de 0.05, y admitimos que sí
existen diferencias cuando es igual o menor de éste valor. El significado de la
diferencia puede expresarse como: “las respuestas obtenidas de los padres,
maestros y directores son significativamente diferentes de las que deberíamos
esperarnos si no hubiesen diferencias de percepción entre padres, directores y
maestros”. En otras palabras, el análisis ha demostrado que los padres
SIGNIFICATIVAMENTE juzgan la frecuencia con que el director promueve
actividades para vincular la escuela con la comunidad, diferente de cómo lo
hacen los maestros y los propios directores. La inspección de los datos nos
muestra que, en efecto, los padres son más severos juzgando este aspecto que
los directores o los maestros.
Como se señaló, cierta profundidad de
análisis no será posible. Por ejemplo, en nuestro caso, no podremos agregar los
datos a nivel de CENTRO EDUCATIVO, en cuanto por cada centro existe un solo
director y no tiene sentido una tabla comparativa con esas condiciones. Las
tablas resultantes serían tan poco significativas como las siguientes:
Tabla Ejemplo #5:
Tablas de frecuencia con categorías de sólo un caso
|
Nombre del
Centro REMIGIO MORETA
|
||||||||||
|
|
Categoría
|
Total
|
||||||||
|
Director
|
Maestro
|
Comunidad
|
Casos
|
%
|
||||||
|
Casos
|
%
|
Casos
|
%
|
Casos
|
%
|
|||||
|
Promueve
actividades para vincular la escuela con la comunidad.
|
NUNCA
|
|
|
1
|
25.0%
|
|
|
1
|
16.7%
|
|
|
A VECES
|
|
|
1
|
25.0%
|
1
|
100.0%
|
2
|
33.3%
|
||
|
FRECUENTEMENTE
|
1
|
100.0%
|
|
|
|
|
1
|
16.7%
|
||
|
CASI SIEMPRE
|
|
|
2
|
50.0%
|
|
|
2
|
33.3%
|
||
|
SIEMPRE
|
|
|
|
|
|
|
|
|
||
|
Total
|
1
|
100.0%
|
4
|
100.0%
|
1
|
100.0%
|
6
|
100.0%
|
||
|
Nombre del
Centro JOSE BIENVENIDO ENCARNACION
(ADULTOS)
|
||||||||||
|
|
Categoría
|
Total
|
||||||||
|
Director
|
Maestro
|
Comunidad
|
Casos
|
%
|
||||||
|
Casos
|
%
|
Casos
|
%
|
Casos
|
%
|
|||||
|
Promueve
actividades para vincular la escuela con la comunidad.
|
NUNCA
|
|
|
|
|
|
|
|
|
|
|
A VECES
|
|
|
|
|
|
|
|
|
||
|
FRECUENTEMENTE
|
|
|
2
|
100.0%
|
|
|
2
|
66.7%
|
||
|
CASI SIEMPRE
|
1
|
100.0%
|
|
|
|
|
1
|
33.3%
|
||
|
SIEMPRE
|
|
|
|
|
|
|
|
|
||
|
Total
|
1
|
100.0%
|
2
|
100.0%
|
|
|
3
|
100.0%
|
||
Nótese
como en estas tablas se hace difícil interpretar su significado, debido a la
escasa cantidad de datos en cada una de ellas.
Análisis de variables confluyentes
El modelo anterior permite cierta
profundidad de análisis, pero siguen adoleciendo de una dificultad: No puede
determinar la correspondencia entre las diferentes categorías cuando éstas
proceden de una misma fuente. En otras palabras: en nuestro ejemplo sabemos qué
respuestas dieron LOS MAESTROS en general de ese Distrito Educativo o de esa
zona, pero no sabemos qué grado de concordancia hay entre los maestros y el
director, y entre estas dos categorías y los padres.
Análisis por asignación categórica de frecuencias
Existen otras maneras de abordar el
análisis, un poco más complejas. Una de ellas es la de asignar a la categoría
más frecuentes las respuestas dadas por las categorías menos frecuentes, con
base en una llave de conexión. Desde el punto de vista práctico esto significa
que a una determinada categoría (maestros, por ejemplo) se le asignan las
respuestas dadas por otra categoría (directores) que respondan a un criterio de
conexión (son de la misma escuela).
Un ejemplo sencillo puede hacernos entender
este concepto. Supongamos que tenemos tres escuelas y 9 maestros (tres por
escuelas). De los maestros tenemos datos como son edad, sexo, escuela donde
trabajan, grado que enseñan y las respuestas al cuestionario, pero no tenemos
datos de si su escuela es rural o urbana, cuántos alumnos tiene la escuela y
otras variables que SI las tenemos por escuela. Nuestros archivos serán algo
del tipo:
Tabla Ejemplo #6:
Registro de Datos de Maestros
|
Record
|
Escuela
|
Sexo
|
Grado
|
Edad
|
P1
|
P2
|
P3
|
…
|
|
|
1
|
1
|
2
|
8
|
25
|
2
|
5
|
5
|
1
|
5
|
|
2
|
1
|
2
|
8
|
34
|
3
|
4
|
5
|
5
|
4
|
|
3
|
1
|
2
|
8
|
21
|
3
|
4
|
5
|
2
|
2
|
|
4
|
2
|
2
|
1
|
22
|
2
|
3
|
3
|
2
|
1
|
|
5
|
2
|
1
|
6
|
39
|
3
|
5
|
5
|
5
|
4
|
|
6
|
2
|
1
|
6
|
45
|
4
|
4
|
3
|
4
|
1
|
|
7
|
3
|
2
|
8
|
28
|
3
|
4
|
3
|
4
|
1
|
|
8
|
3
|
2
|
8
|
31
|
5
|
5
|
5
|
5
|
5
|
|
9
|
3
|
1
|
8
|
36
|
4
|
4
|
5
|
4
|
1
|
Tabla Ejemplo #7:
Registro de las Escuelas
|
Record
|
Escuela
|
Zona
|
Número Alumnos
|
Tipo Piso
|
Tipo de Techo
|
(otras variables)
|
|
1
|
2
|
1
|
346
|
1
|
1
|
|
|
2
|
1
|
2
|
29
|
2
|
1
|
|
|
3
|
3
|
1
|
181
|
1
|
2
|
|
Usando el código de la escuela, podemos
agregar al registro de profesores los datos que nos hacen falta (supongamos que
sea zona y número de alumnos). El registro (o base de datos) de los profesores
se convertiría entonces en algo del tipo:
Tabla Ejemplo #8:
Registro de Datos de Maestros ampliado
|
Record
|
Escuela
|
Sexo
|
Grado
|
Edad
|
P1
|
P2
|
P3
|
…
|
|
Escuela
|
Zona
|
Número Alumnos
|
|
1
|
1
|
2
|
8
|
25
|
2
|
5
|
5
|
1
|
5
|
1
|
2
|
29
|
|
2
|
1
|
2
|
8
|
34
|
3
|
4
|
5
|
5
|
4
|
1
|
2
|
29
|
|
3
|
1
|
2
|
8
|
21
|
3
|
4
|
5
|
2
|
2
|
1
|
2
|
29
|
|
4
|
2
|
2
|
1
|
22
|
2
|
3
|
3
|
2
|
1
|
2
|
1
|
346
|
|
5
|
2
|
1
|
6
|
39
|
3
|
5
|
5
|
5
|
4
|
2
|
1
|
346
|
|
6
|
2
|
1
|
6
|
45
|
4
|
4
|
3
|
4
|
1
|
2
|
1
|
346
|
|
7
|
3
|
2
|
8
|
28
|
3
|
4
|
3
|
4
|
1
|
3
|
1
|
181
|
|
8
|
3
|
2
|
8
|
31
|
5
|
5
|
5
|
5
|
5
|
3
|
1
|
181
|
|
9
|
3
|
1
|
8
|
36
|
4
|
4
|
5
|
4
|
1
|
3
|
1
|
181
|
Nótese como en todos los casos de la
escuela 1 se le anexaron los datos de esa escuela, y lo mismo sucedió con los
restantes casos. En otras palabras, a cada caso de maestro se le anexaron las
variables de la escuela.
Para claridad terminológica llamaremos
“base de datos fuente” a los registros de la categoría hacia la cuál deseamos
traer nuevos datos. En nuestro ejemplo este es el registro inicial de maestros
que teníamos. De la misma manera, llamaremos “base de datos de códigos” al
conjunto de registros de donde sacaremos la información. En nuestro ejemplo,
esta es la lista de las escuelas y sus características. Por último, llamaremos
“base de datos resultante” a lo que obtendremos cuando agreguemos a la base de
datos fuente los datos seleccionados de la base de datos de códigos; en nuestro
ejemplo es la aparece en la tabla anterior, donde se muestran los maestros con
los datos de las escuelas agregados a cada registro.
Para realizar estos procedimientos es
importante que se cumplan ciertas condiciones:
1
Cada caso en la base de datos
fuente contiene un nexo único e identificable con la base de datos de códigos.
En el caso ejemplificado, cada maestro tiene un campo que identifica UNA Y SOLO
UNA escuela en la que trabaja.
2
No es necesario que todos los
casos de la base de datos de códigos tengan casos en la base de datos fuente.
Podría tener información de las 6,000 escuelas del país, pero solamente
usaríamos las tres que nos hacen falta.
3
No hay límites para el número
de casos de la base de datos fuente que pertenecen a la categoría de conexión
con la base de datos de códigos. En nuestro ejemplo, es indiferente cuántos
maestros se entrevistaron por cada escuela: puede ser uno, 100 o ninguno.
4
Los valores importados desde la
base de datos de códigos deben ser siempre los mismos para todos los casos que
caigan en una misma categoría. En nuestro ejemplo, todos los maestros de la
escuela 1 deben recibir los mismos valores de zona y número de estudiantes.
Una vez realizada esta operación, puede
tabularse la información mediante el uso de las nuevas variables insertadas: en
nuestro ejemplo, puedo determinar la frecuencia de respuestas a la pregunta 1
según la zona donde se ubica la escuela.
De la misma manera que hemos asignados
características físicas del centro a la base de datos de los maestros, podemos
adicionar otro tipo de variables, verbigracia, las respuestas dadas por el
director del centro.
Volviendo a nuestro ejemplo del acápite
anterior, las respuestas de los maestros pueden recibir, como variables
adicionales, las respuestas de los directores a las diferentes preguntas, si se
cumplen los postulados antes expuestos. Y en efecto es así: cada maestro tiene
UNO Y SOLO UN director, y ese director está identificado en la base de datos
del maestro en cuanto en ambas base de datos (maestros y directores) existe un
campo denominado “ESCUELA”.
Una vez realizado este proceso, podemos
analizar la información, cruzando SIMULTÁNEAMENTE las respuestas de una
categoría con la correspondiente de la otra categoría. El siguiente ejemplo
muestra el resultado de la misma pregunta analizada en el acápite anterior:
Tabla Ejemplo #9:
Análisis por asignación de categorías
|
Pregunta
#43 de Maestros y #66 de Director
Promueve actividades para vincular la escuela con la comunidad. Respuestas Maestros Versus Respuesta Directores |
|||||||||||
|
|
Resp Director
|
Total
|
|||||||||
|
A VECES
|
FRECUENTE
|
CASI SIEMPRE
|
SIEMPRE
|
N
|
%
|
||||||
|
N
|
%
|
N
|
%
|
N
|
%
|
N
|
%
|
||||
|
Respuesta Maestros
|
NUNCA
|
|
|
1
|
20.0%
|
2
|
10.0%
|
1
|
5.0%
|
4
|
8.0%
|
|
A VECES
|
|
|
1
|
20.0%
|
1
|
5.0%
|
1
|
5.0%
|
3
|
6.0%
|
|
|
FRECUENTEMENTE
|
3
|
60.0%
|
1
|
20.0%
|
4
|
20.0%
|
5
|
25.0%
|
13
|
26.0%
|
|
|
CASI SIEMPRE
|
2
|
40.0%
|
2
|
40.0%
|
11
|
55.0%
|
6
|
30.0%
|
21
|
42.0%
|
|
|
SIEMPRE
|
|
|
|
|
2
|
10.0%
|
7
|
35.0%
|
9
|
18.0%
|
|
|
Total
|
5
|
100.0%
|
5
|
100.0%
|
20
|
100.0%
|
20
|
100.0%
|
50
|
100.0%
|
|
|
Fuente: Cuestionarios Directores y Maestros
|
|||||||||||
La
interpretación de éstos datos es un poco especial: No significa que sean 50
directores (las respuestas se refieren SIEMPRE a maestros), sino que debe
leerse algo así como: “En los casos en que el Director respondió A VECES, el
60% de los maestros respondió FRECUENTEMENTE y el 40% respondió CASI SIEMPRE”
[1] Tejeda, Luis Manuel, Rol
de los Directores de Centro de Educación Básica, Sector Público, Distrito 01-02
de Enriquillo, Trabajo final para Maestría en Supervisión de la Educación.
UASD. 1999-2000
No hay comentarios:
Publicar un comentario