Tema 2. Anàlisi quantitatiu de les diferències individuals (2015)

Resumen Catalán
Universidad Universidad de Barcelona (UB)
Grado Psicología - 1º curso
Asignatura Diferències individuals
Año del apunte 2015
Páginas 5
Fecha de subida 09/04/2016
Descargas 1
Subido por

Vista previa del texto

Sònia Mestre. Si necesitas más apuntes puedes encontrarlos en Unybook.com buscando el usuario smestremartinez TEMA 2. ANÀLISI QUANTITATIU DE LES DIFERÈNCIES INDIVIDUALS  Mesurar, quantificar, analitzar, predir L’estudi de les diferències individuals inclou l’estudi i la mesura de la variabilitat.
- Amb la finalitat de poder aprehendre la variabilitat, és necessari poder mesurar-la.
*Mesurar: Assignar valors numèrics o successos o trets específics.
Caldrà transfromar un esdeveniment de manera que sigui mesurable.
Aquest esdeveniment rep el nom de *variable *Variables: Continues: Valors numèrics on podem incloure infinits numerus (alçada..) Discretes: S’expressen mitjançant una sèrie de valors numèrics fixes sense valors intermedis entre ells. (categoria laboral, grau de satisfacció..) Segons la seva escala de mesura poden ser:     Nominals: Variable en la que s’estableis una relació d’igualtat o desigualtat entre els seus diferents subtipus. Els valors numèrics amb els quals s0identifiquen actuen com a noms i no permeten realitzar cap tipus de càlcul amb ells. Ex: sexe Ordinal: Ordre en base a la seva quantitat. La seva relació va més enllà que la igualtat o desigualtat per passar de major a menor, sense saber si el valor de la diferència és el mateix o no. Ex: nombre de germans Interval: Pot quantificar la magnitud de la diferència. Ex: puntuacions en una nota de test, la diferencia entre 3 i 4 és la mateixa que entre 7 i 8. De totes maneres no es pot afirmar que la nota 6 sigui el doble de 3 perque no hi ha un valor 0 absolut.
De Raó: El 0 absolut si que existeix. Ex: temperatura, alçada..
*És important conèixer el significat dels valor numèrics d’una variable per saber com operar amb ella i com interpretar-la.
Hi ha diferents mètodes per poder mesurar la variabilitat:   Autoinformes: Qüestionari adreçat al mateix subjecte a qui es vol avaluar. Es parteix de la base que els individus són coneixedors conscients de les seves pròpies característiques i que voldran proporcionar aquesta informació de manera fideligna.
Heteroinformes: Qüestionaris aplicats a persones que coneixen l’individu amb la finalitat de recollir informació sobre ell. Són més costosos.
Sònia Mestre. Si necesitas más apuntes puedes encontrarlos en Unybook.com buscando el usuario smestremartinez   Observacions directes: Avaluacions de la intensitat o freqüència d’una conducta associada a un tret psicològic realitzades per un examinador en un ambient natural o artificial.
Biodata: Consisteix en recollir informació d’una persona que pugui ser utilitzada com a indicador de la seva personalitat. Ex: nombre de multes per indicar la manca de cura.
Aquests 4 procediments son equiparables en termes de qualitat de la informació obtinguda.
Haurien de proporcionar la mateixa informació Sovint les proves tenen barems i criteris de puntuació diferents. Un procediment que permet contrastar-ho és *l’estandardització: transformar les puntuacions al llarg d’una corba normal.
Aquesta distribució reflecteix la freqüència amb què es produeixen aquestes puntuacions.
Aquestes noves puntuacions transformades  *puntacions z permeten que siguin comparades amb altres puntuacions estandarditzades.
Z= (X-µ)/σ *Distribució normal: model matemàtic adecuat per descriure característiques com son la capacitat i la personalitat.
Acostumen a mostrar variacions en la seva forma (simetris, apuntament..)  Aquestes variacions reflecteixen la variabilitat de les dades.
*Variància (σ2) Índex estadístic que reflecteix la magnitud de la variabilitat o dispersió de les mesures. En Psicologia Diferencial interessa veure la proporció de variabilitat comuna entre variables.
Aquresta variància compartida s’anomena  covariància.
Positiva: Indica que hi ha una relació lineal entre elles. Quan el valor d’una variable augmenten també ho fan els valors de l’altre.
Negativa: Quan hi ha un augment en una, hi ha una disminució en l’altre.
-Si el valor de la covariància és 0, s’interpreta que no hi ha relació entre les dos variables.
 Metodologia experimental vs. Correlacional L’estudi científic de la conducta es realitza incorporant el Mètode Cientific Natural com a procediment.  L’aplicació d’aquest mètode topa amb algunes limitacions com - Incloure elements no observables per explicar les diferencies del comportament Sònia Mestre. Si necesitas más apuntes puedes encontrarlos en Unybook.com buscando el usuario smestremartinez - Introduir procediments empírics en la recerca que requereixen no manipular les variables antecedents.
Des d’aquest punt de vista, es van desenvolupar dos tradicions en l’anàlisi quantitativa en Psicologia: 1. Enfocament experimental L’explicació de la conducta es realitza a través de la manipulació de l’entorn o de les variables antecedents, amb la intenció d’establir relacions de causalitat entre les variables.
Ha caracteritzat la Psicologia General-Experimental No sempre és viable o ètic realitzar estudis experimentals.
2. Tradició correlacional Es basa en l’observació natural i en la no modificació de l’entorn o dels subjectes, calculant les covariacions o correlacions entre les variables.
Ha caracteritzat la Psicologia Diferencial.
*Totes dues complementen la seva metodologia d’estudi mitjançant l’anàlisi estadística de les dades.
*Els procediments experimentals tenen més força que els correlacionals.
Distinció entre causalitat i correlació La metodologia experimental pretén aïllar i conèixer les relacions de causa i efecte (Estimul-Resposta) entre variables. La causalitat, en canvi, no és observable. El que si és observable és una relació entre variables (una correlació).
Per poder acreditar una causalitat, en tot cas esdevé necessari veure que dues variables estan correlacionades i determinar una seqüència temporal que permeti aïllar un antecedent i un conseqüent.
*Correlació: Mesura del grau d’associació entre dues variables; és un índex estadístic (Pearson o Spearman) que s’expressa mitjançant valors numèrics que es troben entre 0 i 1. La relació existent pot ser positiva o negativa.
Un valor de correlació entre dues variables pot ser interpretada de diverses maneres.
- Associació atzarosa Una variables és antecedent i l’altre conseqüent La relació vingui explicada per una altre variable no observable que afecti directament i de manera simultània les variables correlacionades.
Sònia Mestre. Si necesitas más apuntes puedes encontrarlos en Unybook.com buscando el usuario smestremartinez  Qualitats de les dades: objectivitat, fiabilitat i validesa Per estudiar la conducta, l’eina bàsica de recollida de dades i d’investigació és l’observació i registre de la conducta mitjançant  Test psicològic: Procés que realitza una observació sistemàtica de la conducta per ser descrita.
Les dades recollides, per poder ser considerades científiques, cal que siguin objectives, fiables i vàlides.
*Objectivitat: els resultats són independents a l’experimentador. Pot radicar en el registre, avaluació o interpretació.
*Fiabilitat: Grau en què una mesura coincideix de manera estable amb altres mesures del mateix esdeveniment.
Hi ha diferents tipus de fiabilitat en funció de la possible font d’error de la mesura:    Consistència interna: Respondre sobre la mateixa línia a diferents ítems que preguntin sobre el mateix fenomen.
Fiabilitat entre jutges: Diversos jutges que cal que coincideixin en la seva valoració.
Fiabilitat test-retest: Avaluar el fenomen en diverses ocasions en un espai curt de temps, controlant així l’efecte de fluctuacions aleatòries en el temps.
*Validesa: Grau en què s’avalua la variació en el fenomen que es vol mesurar. Es refereix si realment s’està avaluant allò que es vol avaluar.
En funció de l’aspecte que es vulgui remarcar, distingim diferents tipus de validesa:   De contingut: Fa referència a si els ítems d’una escala són rellevants i exhaustius per mesurar allò que es pretén.
De criteri: Contrasta si els ítems d’una escala són iguals d’eficaços que altres ítems que s’han demostrat eficaços en mesurar una determinada característica (validesa convergent) o igual d’ineficaços que d’altres que no mesuren el que es pretén (validesa discriminant)  Anàlisi factorial *Anàlisi factorial (AF): Procediment estadístic mitjançant el qual es pot agrupar la variació d’un determinat grup de variables observables en un conjunt de variables latents anomenades dimensions, components o factors. L’agrupament en factors permet reduir el volum de dades conservant la informació i simplificant la seva interpretació  Aquests factors poden ser considerats dimensions classificatòries.
Informen sobre un subconjunt de variables que estan relacionades entre elles i covarien conjuntament per un motiu comú què és intern al subjecte, i explica tant les semblances com les diferències entre diversos individus. Si no existissin, voldria dir que cada prova requeriria d’una capacitat diferent.
- Va ser creada per Charles Spearman i Thrurston.
Sònia Mestre. Si necesitas más apuntes puedes encontrarlos en Unybook.com buscando el usuario smestremartinez - En l’actualitat, engloba un conjunt de procediments utilitzats per identificar la quantitat de variabilitat compartida en un conjunt de variables correlacionades entre elles i reduir la seva dimensionalitat a un nombre menor.
- Distingim dos grans tipus d’AF:   De tipus exploratori: Investiga si es poden agrupar diverses variables en factors sense partir d’hipòtesis prèvies.
De tipus confirmatori: Teoria i hipòtesi sobre la relació entre unes variables observables i unes de latents les que guien l’anàlisi.
-L’AF consta de diverses etapes: 1. Fase inicial: es defineix el problema que es vol investigar i el disseny de l’estudi 2. Una vegada recollida la base de dades, es parteix de la classificació o puntuació dels subjectes en diverses variables per realitzar una anàlisi correlacional que detecti les possibles relacions de covariància entre elles.
En la fase de factorització, mitjançant algoritmes matemàtics s’organitza la matriu de correlacions en una matriu de factors. Hi ha diferents mètodes d’extracció de factors, que poden conduir a resultats factorials diferents.
3. En la fase de rotació, aquests factors s’organitzen eficientment en el seu mínim número. La rotació dependrà dels criteris matemàtics i psicològics.
4. Finalment, es procedeix a la interpretació dels factors en base a la seva importància o càrrega factorial.
-Malgrat la seva utilitat, el seu ús no és exempt de dificultats i controvèrsia  per això, diversos autors han perfilat models teòrics diferents utilitzant el mateix procediment.
Les podem sintetitzar en:      Mostreig i nombre de variables: Allò que no sigui mesurat no podrà ser identificat com a factor. Per poder delimitar un factor cal disposar d’un mínim de tres variables.
Mostreig i nombre de subjectes: La variabilitat ha de ser àmplia per poder generalitzar les conclusions. Tanmateix, cal disposar d’un mínim de 100 observacions.
Mètode d’extracció de factors: Requereix en aprofundir en conceptes estadístics per ser resolts. L’ACP (programa de càlcul estadístic) realitza un anàlisi diferent i genera tants components com variables, i per això és preferible quan hi ha poques variables. Quan hi ha més de 25 variables, no hi ha gaire diferència en les dimensions o factors que s’obtindrien mitjançant un procediment o l’altre.
Nombre de factors: Planteja el dilema d’utilitzar pocs o molts factors. Es recomana optar per aquella solució que aporti una estructura més simple.
Mètode de rotació: Pot ser ortogonal o oblíqua.
-Oblíqua: Obtenir estructures simples. Permet produir factors d’ordre superior.
...