## 1. Introducción La **medición y el análisis de datos** constituyen el núcleo operativo de la investigación psicológica, ya que permiten traducir fenómenos abstractos —como la ansiedad, la inteligencia o la motivación— en información sistemática susceptible de análisis. A diferencia de las ciencias físicas, la psicología trabaja con **constructos latentes**, es decir, variables no observables directamente que deben inferirse a partir de indicadores empíricos. Esto implica que toda medición es **indirecta, probabilística y sujeta a error**, lo que vuelve crucial el rigor metodológico. ## 2. Medición y operacionalización Medir consiste en asignar valores a variables según reglas definidas, pero en psicología este proceso depende de la **operacionalización**, que vincula el concepto teórico con indicadores observables. Ejemplo: - Ansiedad (constructo) → puntuación en una escala validada La calidad de la medición depende de: - claridad conceptual, - adecuación del instrumento, - y coherencia con el diseño de investigación. ## 3. Niveles de medición y sus implicaciones Los niveles de medición no solo clasifican datos; **determinan qué análisis son válidos**. ### 3.1 Nominal Clasifica sin orden. → Análisis: frecuencias, proporciones. ### 3.2 Ordinal Introduce jerarquía, pero sin distancias equivalentes. → Análisis: mediana, rangos. ⚠️ En psicología, muchas escalas tipo Likert son tratadas como intervalares, aunque estrictamente son ordinales. ### 3.3 Intervalo Permite comparar diferencias, pero sin cero absoluto. → Análisis: media, desviación estándar. ### 3.4 Razón Incluye cero absoluto y permite proporciones. → Análisis completo. 👉 Error común: asumir que todo dato numérico permite operaciones avanzadas. El nivel de medición limita el análisis. ## 4. Confiabilidad y validez: núcleo de la medición ### 4.1 Confiabilidad Indica la consistencia de la medición. Tipos: - **Test-retest**: estabilidad temporal - **Consistencia interna** (ej. alfa de Cronbach) - **Formas paralelas** ### 4.2 Validez Indica si el instrumento mide lo que pretende. Tipos: - **Contenido**: cobertura del constructo - **Constructo**: coherencia teórica - **Criterio**: relación con variables externas 👉 Sin validez, los datos carecen de significado; sin confiabilidad, carecen de estabilidad. ## 5. Tipos de variables y relación con el diseño Las variables pueden clasificarse por su función: - **Independiente**: causa o manipulada - **Dependiente**: efecto observado - **Control**: se mantiene constante - **Extraña**: puede interferir Y por su naturaleza: - cualitativas - cuantitativas 👉 La medición no es neutra: depende del **diseño de investigación**: - Experimental → medir efectos causales - Correlacional → medir relaciones - Descriptivo → caracterizar fenómenos ## 6. Técnicas de recolección de datos (enfoque crítico) Las técnicas deben elegirse según el problema y el tipo de variable. ### Principales: - Cuestionarios y escalas - Entrevistas - Observación - Tests psicológicos - Registros y medidas fisiológicas ### Problema central: sesgos Toda recolección está expuesta a errores, como: - **deseabilidad social** - **sesgo del entrevistador** - **sesgo de memoria** - **reactividad del observado** 👉 Estrategia avanzada: **triangulación de métodos** para aumentar validez. ## 7. Procesamiento de datos Antes del análisis, los datos deben prepararse: - revisión y depuración - codificación - manejo de datos perdidos - detección de valores atípicos - verificación de supuestos (ej. normalidad) 👉 Un mal procesamiento invalida cualquier análisis posterior. ## 8. Estadística descriptiva (con enfoque interpretativo) La estadística descriptiva organiza y resume los datos, pero su interpretación depende de la distribución. ### 8.1 Tendencia central - Media (sensible a extremos) - Mediana (robusta) - Moda 👉 La media no es representativa en distribuciones sesgadas. ### 8.2 Dispersión - Rango - Varianza - Desviación estándar Indica la variabilidad, clave para interpretar estabilidad o heterogeneidad. ## 9. Distribución de los datos El análisis debe considerar la forma de la distribución: - **Normal**: simétrica - **Asimétrica**: sesgada - **Curtosis**: concentración de valores 👉 La distribución condiciona el tipo de análisis estadístico. ## 10. Representación gráfica (uso crítico) Las gráficas facilitan la interpretación, pero su uso incorrecto distorsiona resultados. - Barras → variables categóricas - Histogramas → distribución - Pastel → solo con pocas categorías ⚠️ Error común: usar gráficos inapropiados que simplifican en exceso. ## 11. Más allá de la descripción: estadística inferencial Aunque la estadística descriptiva resume datos, la investigación suele requerir inferencias: - pruebas de hipótesis - correlación - regresión 👉 Permiten generalizar resultados, pero implican supuestos y márgenes de error. ## 12. Interpretación y límites Interpretar datos implica más que describirlos: - evitar confundir **correlación con causalidad** - considerar el contexto teórico - reconocer limitaciones del estudio - distinguir entre significación estadística y relevancia práctica ## 13. Ética en la medición y análisis El manejo de datos psicológicos exige: - consentimiento informado - confidencialidad - anonimización - uso responsable 👉 La manipulación o interpretación sesgada compromete la validez científica. ## 14. Conclusión La medición y el análisis de datos en psicología no son procesos meramente técnicos, sino **operaciones teórico-metodológicas complejas**. Implican traducir constructos latentes en datos observables, seleccionar instrumentos válidos y confiables, recolectar información minimizando sesgos y analizarla considerando sus límites. El uso adecuado de herramientas estadísticas permite organizar y comprender la información, pero su valor depende de decisiones previas sobre qué y cómo medir. Por ello, la calidad de una investigación psicológica no radica solo en sus resultados, sino en la **coherencia entre teoría, medición y análisis**.