El análisis y resultados de la investigación son las secciones donde el autor presenta de manera clara los hallazgos obtenidos durante el proceso investigativo. Es crucial que esta sección sea comprensible y bien estructurada, destacando los resultados relevantes de la investigación cualitativa. A continuación, te detallo los pasos a seguir en cada uno de los aspectos clave para elaborar este análisis.
1. Presentación de los Resultados
En los resultados, el investigador debe describir de forma narrativa los hallazgos obtenidos durante la investigación, comenzando con una visión general sobre las características del grupo estudiado. Esto incluye datos demográficos, como edad, sexo, lugar de origen, entre otros, para asegurar que el grupo de sujetos analizados sea adecuado para el estudio.
Ejemplo: Si la investigación estudia el impacto del uso de herramientas digitales en la educación secundaria, se debe indicar cuántos docentes participaron, su rango de edad, ubicación geográfica, etc.
2. Uso de Estadísticas Descriptivas
Los resultados se presentan usando principalmente estadísticas descriptivas, como medias, frecuencias y porcentajes. Esto es especialmente útil en investigaciones cualitativas donde los datos recogidos de entrevistas, encuestas abiertas, o observaciones son analizados mediante agrupaciones o categorías para identificar patrones.
Ejemplo: Si se encuestaron a 100 docentes, un resultado podría ser que el 60% de los encuestados mostró una preferencia por herramientas digitales para la enseñanza.
3. Presentación Secuencial de los Resultados
Los resultados deben organizarse de manera secuencial, según los objetivos establecidos en la investigación. Cada resultado se debe presentar de manera clara, destacando las diferencias significativas que han surgido durante el análisis.
Si se aplica estadística inferencial, los resultados de las pruebas estadísticas deben detallarse, explicando el nivel de significancia obtenido. Esto es importante si se busca evaluar la relación entre variables, como en un análisis de regresión.
4. Uso de Tablas y Gráficas
Para hacer más accesible y comprensible la información, el uso de tablas, cuadros y gráficas es esencial. Estos deben ayudar a mostrar resultados de forma resumida sin ser repetitivos. Las tablas y gráficas deben estar bien explicadas y no deben incluir información que ya esté presentada en el texto.
A. Tablas Las tablas se utilizan cuando la información presentada es abundante o cuando se desea analizar varias variables de manera combinada. Deben incluir las siguientes partes:
- Número de la tabla: Para facilitar la referencia en el texto.
- Título: Debe ser autoexplicativo, indicando las variables y el contexto temporal y geográfico de los datos presentados.
- Matriz: Contiene las variables y sus categorías.
- Casillas: Son los espacios donde se colocan los datos.
- Totales: Sumas de los valores parciales.
- Notas: Aclaraciones sobre el contenido de la tabla (si es necesario).
B. Gráficas Las gráficas son útiles cuando se quiere mostrar rápidamente una tendencia o una relación entre variables. Se recomienda elegir el tipo de gráfico adecuado según la escala de medición y el tipo de variable, por ejemplo:
- Barras o sectores para variables cualitativas.
- Histogramas o polígonos de frecuencia para variables cuantitativas continuas.
El título de la gráfica debe colocarse al inicio de la misma, y no se recomienda el uso de gráficas en tercera dimensión, ya que puede dificultar su interpretación.
5. Análisis Descriptivo e Inferencial
Análisis Descriptivo
El análisis descriptivo se emplea para resumir las características clave de los datos, como las frecuencias, medias y dispersión. En este tipo de análisis no se buscan inferencias ni generalizaciones, sino simplemente una descripción de los datos.
Análisis Inferencial
El análisis inferencial se aplica principalmente en estudios correlacionales, donde se busca inferir si una variable independiente influye sobre una variable dependiente. Esto se logra mediante pruebas estadísticas como pruebas de hipótesis o ANOVA. Los resultados obtenidos mediante estas pruebas ayudan a determinar si la relación observada es estadísticamente significativa.
Ejemplo de Análisis Inferencial: Si el estudio analiza si el uso de herramientas digitales mejora el rendimiento académico de los estudiantes, se puede utilizar un análisis de regresión para ver si la variable independiente (uso de herramientas digitales) tiene un impacto significativo en la variable dependiente (rendimiento académico). Si el valor de p obtenido es menor que 0.05, se puede inferir que hay una relación significativa entre ambas variables.
6. Prueba de Hipótesis
En el análisis inferencial, se pueden realizar pruebas de hipótesis para validar o rechazar una proposición acerca de la relación entre variables. En esta sección, se debe incluir:
- Hipótesis nula: Proposición de que no existe relación entre las variables.
- Hipótesis alternativa: Proposición de que existe una relación significativa entre las variables.
Se analiza si los datos recogidos son consistentes con la hipótesis propuesta, utilizando el valor p como criterio para determinar si se debe rechazar la hipótesis nula.
Referencias:
- Wiersma, W. (1986). Research Methods in Education: An Introduction. Boston: Allyn & Bacon.
- QuestionPro (2021). How to Report Qualitative Data Analysis. Retrieved from: https://www.questionpro.com.