Mostrando entradas con la etiqueta investigación científica. Mostrar todas las entradas
Mostrando entradas con la etiqueta investigación científica. Mostrar todas las entradas

sábado, 14 de junio de 2025

Por qué la validez y la confiabilidad son importantes en investigación sobre aprendizaje y qué puede hacer al respecto


Los profesionales de L&D se enfrentan constantemente a decisiones: ¿qué evaluación de liderazgo usar , qué diagnóstico de equipo implementar o en qué perfil psicométrico confiar ? A menudo, estas herramientas incluyen informes brillantes y el respaldo de proveedores, pero en realidad, muchas carecen del rigor científico necesario para respaldar decisiones significativas. Por eso la validez y la fiabilidad son importantes. No son lujos académicos; son filtros esenciales que protegen a las organizaciones de desperdiciar recursos, engañar a los estudiantes y tomar malas decisiones sobre el talento.

COMPRENDER LA VALIDEZ Y LA CONFIABILIDAD

La validez tiene que ver con la verdad: ¿la herramienta mide lo que dice medir?

La confiabilidad tiene que ver con la consistencia: ¿se mide de manera consistente a lo largo del tiempo y entre evaluadores o situaciones?

Estos términos no son intercambiables. Una herramienta puede ser altamente confiable pero no válida (consistentemente errónea) o moderadamente válida pero aplicada de forma inconsistente. Ambos son importantes para la capacitación y el desarrollo porque determinan si un instrumento realmente apoya el desarrollo o si proporciona la ilusión de conocimiento.

...

LEER (inglés): https://3starlearningexperiences.wordpress.com/2025/06/12/why-validity-and-reliability-matter-in-ld-and-what-you-can-do-about-it/

martes, 22 de abril de 2025

OpenAlex: Hacia el Futuro de la Ciencia Abierta y Accesible

 

OpenAlex es una plataforma abierta y gratuita que ofrece un catálogo global del sistema de investigación científica, posicionándose como una alternativa a bases de datos comerciales como Scopus y Web of Science. Desarrollada por la organización sin ánimo de lucro OurResearch, OpenAlex se lanzó en enero de 2022 como sucesora del Microsoft Academic Graph (MAG), integrando datos de diversas fuentes como Crossref, ORCID, ROR, DOAJ y Wikidata.

¿Qué es OpenAlex?

OpenAlex proporciona acceso a metadatos de más de 209 millones de obras académicas, incluyendo artículos, libros y actas de congresos, así como información sobre autores, instituciones, revistas, conceptos y financiadores. Su arquitectura se basa en un grafo de conocimiento que permite explorar las interconexiones entre estos elementos.

Características destacadas

  • Acceso abierto y gratuito: Todos los datos están disponibles bajo una licencia CC0, permitiendo su reutilización sin restricciones.
  • Cobertura amplia: Incluye una mayor representación de publicaciones en acceso abierto, especialmente de revistas Diamond OA, y una cobertura más equilibrada de regiones del sur global en comparación con bases de datos comerciales.
  • Herramientas de acceso: Ofrece una API REST moderna y una interfaz web para consultas, además de la posibilidad de descargar instantáneas completas de la base de datos para análisis locales.

Aplicaciones en investigación y evaluación

OpenAlex se ha convertido en una herramienta valiosa para estudios bibliométricos y análisis de redes científicas. Instituciones como la Universidad de Leiden y la Sorbona han adoptado OpenAlex para sus sistemas de evaluación y clasificación, destacando su utilidad en contextos de ciencia abierta.

Consideraciones y desafíos

Aunque OpenAlex ofrece numerosas ventajas, también presenta desafíos, como la necesidad de mejorar la desambiguación de autores y la calidad de algunos metadatos. Estudios comparativos han señalado que, si bien su cobertura es comparable a la de Scopus y Web of Science, existen áreas donde se requiere mayor precisión.

En fin...

OpenAlex representa un avance significativo hacia la democratización del acceso a datos científicos, alineándose con los principios de la ciencia abierta. Su adopción creciente por parte de instituciones académicas y su enfoque en la transparencia y la inclusividad la posicionan como una herramienta clave para investigadores, bibliotecarios y responsables de políticas científicas.​

Para explorar más sobre OpenAlex, puede visitar su sitio oficial: https://openalex.org.

 


sábado, 23 de septiembre de 2023

Descubriendo la Ciencia Abierta: Un Camino Hacia el Conocimiento Compartido

Introducción

La ciencia abierta es un movimiento que ha ganado un impulso significativo en los últimos años, revolucionando la forma en que se realiza la investigación y se comparte el conocimiento en todo el mundo. En esta entrada, exploraremos los conceptos clave de la ciencia abierta y su importancia en la comunidad científica y más allá.

¿Qué es la Ciencia Abierta?

La ciencia abierta, en su esencia, busca hacer que la investigación científica sea accesible, transparente y colaborativa para todos. Implica romper barreras tradicionales en la investigación, como el acceso restringido a revistas científicas y la falta de acceso a datos y métodos de investigación. En cambio, promueve la idea de que la ciencia es un bien público y que todos deben tener la oportunidad de participar en ella.

Algunos pilares de la Ciencia Abierta

  • Acceso Abierto a la Información: En la ciencia abierta, los resultados de la investigación, los datos y las publicaciones se comparten de manera abierta y gratuita. Esto permite que cualquier persona interesada pueda acceder y utilizar esta información sin restricciones.
  • Datos Abiertos: La ciencia abierta promueve la liberación de datos de investigación de manera que estén disponibles para su reutilización y verificación por parte de otros científicos. Esto fomenta la transparencia y la replicabilidad de los estudios.
  • Colaboración Global: La ciencia abierta alienta la colaboración entre investigadores de diferentes disciplinas y lugares del mundo. Esto amplía el alcance de la investigación y permite abordar problemas complejos de manera más efectiva.
  • Revisión por Pares Abierta: En lugar de revisar artículos de manera privada, la revisión por pares abierta permite que los comentarios y las críticas se realicen de manera pública, lo que aumenta la transparencia y la calidad de la investigación.

Beneficios de la Ciencia Abierta

La ciencia abierta ofrece una serie de ventajas:

  • Acelera el avance científico al permitir la reutilización de datos y métodos.
  • Aumenta la confianza pública en la ciencia al hacerla más transparente.
  • Facilita la colaboración global en la búsqueda de soluciones a desafíos globales.
  • Amplía el acceso a la educación y la información científica.

Cómo Puedes Contribuir a la Ciencia Abierta

  • Comparte tus datos y resultados de investigación de manera abierta cuando sea posible.
  • Apoya las iniciativas de acceso abierto y plataformas de datos abiertos.
  • Participa en proyectos de ciencia ciudadana y colabora con otros investigadores.

La ciencia abierta es un movimiento que está transformando la forma en que se lleva a cabo la investigación y se comparte el conocimiento en todo el mundo. Al adoptar los principios de la ciencia abierta, podemos construir un futuro en el que la información científica sea accesible para todos y en el que la colaboración global acelere el progreso científico.

¡Únete al movimiento de la ciencia abierta y sé parte del cambio hacia un mundo donde el conocimiento sea un recurso compartido para el beneficio de todos!


jueves, 24 de agosto de 2023

5 Bibliotecas de Python Imprescindibles para la Investigación Científica


La programación en Python se ha convertido en una herramienta indispensable en el campo de la investigación científica. Sus bibliotecas altamente especializadas y de código abierto permiten a los científicos analizar datos, realizar simulaciones, visualizar resultados y llevar a cabo una amplia gama de tareas esenciales. En este artículo, exploraremos las cinco bibliotecas de Python más utilizadas en la investigación científica, junto con un vistazo a lo que hacen y por qué son esenciales.

1. NumPy

Comenzamos con el pilar fundamental de la computación científica en Python: NumPy, proporciona soporte para matrices multidimensionales y funciones matemáticas que permiten realizar operaciones eficientes en esos arreglos. Su capacidad para realizar cálculos numéricos rápidos es crucial en una amplia gama de aplicaciones científicas, desde la física hasta la biología y más allá. NumPy es la base sobre la que se construyen muchas otras bibliotecas científicas.

2. SciPy

SciPy se basa en NumPy y lleva la computación científica de Python un paso más allá. Agrega una gran cantidad de funcionalidades adicionales, como optimización, álgebra lineal avanzada, procesamiento de señales, estadísticas y más. Cada uno de estos módulos es esencial para la investigación en su respectivo dominio. SciPy es una biblioteca completa que permite a los investigadores resolver una variedad de problemas complejos en campos que van desde la ingeniería hasta la biomedicina.

3. Pandas

Cuando se trata de la manipulación y análisis de datos, Pandas es la elección predilecta. Pandas proporciona estructuras de datos flexibles como DataFrames y Series, que facilitan la limpieza, transformación y exploración de datos. Con Pandas, los científicos pueden importar datos de diferentes fuentes, realizar análisis estadísticos y generar informes precisos. Su versatilidad lo convierte en una herramienta imprescindible en la investigación en ciencias sociales, biología, economía y más.

4. Matplotlib

La visualización de datos y resultados es esencial en la comunicación efectiva de los hallazgos científicos. Matplotlib es una biblioteca ampliamente utilizada para esta tarea. Ofrece una amplia variedad de estilos de gráficos y personalización para crear visualizaciones informativas y atractivas. Desde simples gráficos de barras hasta visualizaciones 3D complejas, Matplotlib permite a los investigadores presentar sus datos de manera efectiva.

5. Scikit-learn

En el campo del aprendizaje automático y la minería de datos, Scikit-learn es una de las opciones más usadas. Proporciona herramientas para la clasificación, regresión, clustering, selección de modelos y más. Los científicos pueden utilizar Scikit-learn para construir modelos predictivos y realizar análisis de datos avanzados con relativa facilidad. Su documentación detallada y su comunidad activa hacen que sea una opción sólida para la investigación en ciencias de datos y aprendizaje automático.

Estas cinco bibliotecas de Python son fundamentales en la investigación científica. NumPy y SciPy proporcionan la base para la computación científica, mientras que Pandas facilita la manipulación de datos. Matplotlib permite visualizar los resultados, y Scikit-learn brinda herramientas poderosas para el aprendizaje automático. Con estas herramientas a su disposición, los científicos pueden abordar una amplia variedad de problemas y avanzar en sus investigaciones de manera efectiva y eficiente.

En futuros artículos, exploraremos cada una de estas bibliotecas con más detalle, mostrando ejemplos concretos de su uso en la investigación científica. ¡Mantente atento!


lunes, 7 de agosto de 2023

DOAJ: Potenciando el Acceso Abierto y la Calidad en la Investigación Científica


https://doaj.org 

Introducción:

En el vertiginoso mundo de la investigación científica, el acceso a publicaciones de calidad y confiables es esencial para el avance del conocimiento. Sin embargo, con la proliferación de revistas académicas en línea, encontrar fuentes legítimas y bien revisadas puede ser un desafío. Aquí es donde el Directory of Open Access Journals (DOAJ) juega un papel fundamental. En esta entrada, exploraremos qué es DOAJ, cómo funciona, su importancia para la comunidad académica y cómo esta plataforma está impulsando la calidad en las publicaciones científicas.

¿Qué es DOAJ?

DOAJ, o Directory of Open Access Journals, es un directorio en línea que indexa y promueve revistas académicas de acceso abierto. Fue lanzado en 2003 con el objetivo de aumentar la visibilidad y accesibilidad de revistas científicas de calidad en todo el mundo. DOAJ es una organización sin fines de lucro que proporciona un servicio valioso al facilitar el acceso a información científica de manera gratuita y sin restricciones.

DOAJ: Abierto, Global y de Confianza

DOAJ es una parte esencial de la infraestructura global de acceso abierto. Con un equipo, embajadores y voluntarios en 45 países y que hablan 36 idiomas, DOAJ es una comunidad global dedicada a asegurar que contenido de calidad esté disponible en línea de forma gratuita para todos. Sus criterios se han convertido en un estándar de oro para la publicación de acceso abierto en todo el mundo, lo que hace que DOAJ sea una fuente confiable y de confianza para la comunidad académica.

Misión y Visión de DOAJ

La misión de DOAJ es clara: aumentar la visibilidad, accesibilidad, reputación, uso e impacto de la investigación académica de calidad, revisada por pares y de acceso abierto en todo el mundo, sin importar la disciplina, geografía o idioma. Su visión es construir un ecosistema académico equitativo y diverso, donde la investigación confiable pueda ser accesada globalmente sin barreras.

Funcionamiento de DOAJ:

El proceso de inclusión en DOAJ es riguroso y se basa en estrictos criterios de calidad y transparencia. Las revistas interesadas en ser indexadas deben solicitar su inclusión y someterse a una evaluación exhaustiva por parte del equipo editorial de DOAJ.

Entre los criterios clave para la inclusión en DOAJ se encuentran:

  • Acceso abierto: Las revistas deben proporcionar acceso gratuito e inmediato a su contenido, permitiendo a los lectores leer, descargar, copiar, distribuir e imprimir los artículos sin costo alguno.
  • Revisión por pares: DOAJ exige que las revistas tengan un proceso de revisión por pares adecuado y transparente, asegurando así la calidad de los contenidos publicados.
  • Calidad editorial: Las revistas deben seguir prácticas editoriales éticas y profesionales, lo que incluye la declaración clara de políticas de copyright y autoarchivo.
  • Preservación digital: DOAJ valora la preservación digital a largo plazo de los contenidos publicados, asegurando que los artículos permanezcan disponibles a lo largo del tiempo.
  • Identificación y metadatos: Las revistas deben proporcionar identificadores únicos y metadatos completos de sus artículos, facilitando su indexación y búsqueda en diversas bases de datos.

Importancia de DOAJ para la comunidad académica:

DOAJ desempeña un papel crucial en el mundo académico por varias razones:

  • Acceso a información confiable: DOAJ ofrece una amplia selección de revistas científicas de alta calidad, lo que permite a investigadores, estudiantes y profesionales acceder a información confiable y actualizada.
  • Promoción del acceso abierto: DOAJ respalda el movimiento del acceso abierto, incentivando a las revistas a adoptar políticas de acceso gratuito y contribuyendo así a la democratización del conocimiento.
  • Visibilidad para revistas y autores: La inclusión en DOAJ aumenta la visibilidad y el impacto de las revistas y sus autores, al facilitar la búsqueda y el descubrimiento de sus trabajos por parte de una audiencia global.
  • Calidad garantizada: Al seguir criterios estrictos de calidad editorial, DOAJ asegura que las revistas indexadas cumplen con altos estándares de revisión por pares y ética académica.
  • Fomento de la investigación colaborativa: Al permitir el acceso gratuito a la investigación, DOAJ promueve la colaboración y el intercambio de conocimientos entre investigadores de diferentes partes del mundo.

Conclusión:

DOAJ se ha convertido en una herramienta esencial para la comunidad académica al promover la calidad, transparencia y accesibilidad en las publicaciones científicas. A través de su selección rigurosa de revistas de acceso abierto, DOAJ facilita el acceso a información valiosa para investigadores y estudiantes, contribuyendo así al avance del conocimiento y a una ciencia más abierta y colaborativa. Si eres un entusiasta de la investigación o simplemente buscas información confiable, DOAJ es una visita obligada en tu búsqueda de conocimiento.




jueves, 13 de julio de 2023

Tutoriales y trucos sobre Google Académico

Hola, hoy quiero compartir con ustedes una selección de videos sobre tutoriales y trucos de Google Académico. Si eres estudiante, investigador o simplemente alguien que busca información académica confiable, es probable que ya conozcas esta herramienta imprescindible. Sin embargo, incluso los usuarios más experimentados pueden beneficiarse de algunos consejos y trucos para aprovechar al máximo sus funciones. Por eso, he seleccionado algunos videos que cubren diferentes aspectos de Google Académico, desde cómo realizar búsquedas avanzadas hasta cómo gestionar tus referencias bibliográficas.

Aquí van:


















miércoles, 12 de julio de 2023

OpenAlex: Un catálogo abierto y completo de documentos académicos

https://openalex.org/

 OpenAlex es un catálogo abierto y completo de documentos académicos, autores, instituciones y mucho más. Inspirado en la antigua Biblioteca de Alejandría, OpenAlex es un índice de cientos de millones de entidades interconectadas en todo el sistema de investigación mundial. Es 100% gratuito y de código abierto, y ofrece acceso a través de una interfaz web, una API y una instantánea de la base de datos.

El conjunto de datos de OpenAlex describe las entidades académicas y cómo están conectadas entre sí. Hay cinco tipos de entidades: obras, autores, venues, institutions y concepts. En conjunto, forman una enorme red de cientos de millones de entidades y miles de millones de conexiones entre todas ellas.

Con OpenAlex, se puede construir su propio motor de búsqueda académica, servicio de recomendación o gráfico de conocimiento. Puede ayudar a gestionar la investigación haciendo un seguimiento del impacto de las citas, detectando nuevas áreas de investigación prometedoras e identificando y promoviendo el trabajo de los grupos infrarrepresentados. Y puedes investigar sobre la propia investigación, en áreas como la bibliometría, los estudios científicos y tecnológicos y la política científica.

OpenAlex no está haciendo esto solo. Más bien, estamos agregando y estandarizando datos de un montón de otros grandes proyectos, como un río alimentado por muchos afluentes. Nuestras dos fuentes de datos más importantes son MAG y Crossref. Otras fuentes clave son ORCID, ROR, DOAJ, Unpaywall, Pubmed, Pubmed Central, The ISSN International Centre y repositorios temáticos e institucionales, desde arXiv a Zenodo.

En conjunto, OpenAlex ofrece una base de datos completa y abierta para la investigación académica. Si eres un estudiante, investigador o simplemente alguien interesado en las últimas investigaciones en tu campo, OpenAlex es una herramienta esencial.

martes, 4 de julio de 2023

¿Qué diferencias existen entre las categorías de análisis y las variables de investigación?

En un estudio de investigación, las categorías de análisis y las variables de investigación son dos conceptos diferentes que se utilizan para diferentes propósitos.

Por un lado, las variables en una investigación miden o cuantifican una característica, un atributo o un comportamiento que se está estudiando. Las variables pueden ser medidas de manera cuantitativa o cualitativa, dependiendo de la naturaleza de lo que se está estudiando y del tipo de investigación que se está llevando a cabo.

En un estudio cuantitativo, las variables se miden de manera numérica y se utilizan técnicas estadísticas para analizar los datos. Las variables cuantitativas pueden ser discretas o continuas. Las variables discretas son aquellas que tienen un número finito o contable de valores posibles, como el número de hijos que tiene una familia o el número de personas en una habitación. Las variables continuas, por otro lado, son aquellas que pueden tomar cualquier valor dentro de un intervalo, como la altura, el peso o el ingreso de una persona.

En un estudio cualitativo, las variables se miden en términos de atributos o características que se están estudiando. Las variables cualitativas no se miden numéricamente, sino que se describen en términos de categorías o temas. Por ejemplo, en un estudio cualitativo sobre la experiencia de los pacientes en un hospital, las variables pueden incluir temas como la calidad de la atención, la comunicación con el personal del hospital, el confort de la habitación, etc.

Las variables se dividen generalmente en dos tipos: variables independientes y variables dependientes. La variable independiente es la que se manipula o controla en una investigación para ver su efecto sobre la variable dependiente, que es la que se mide o se observa para ver si ha habido algún cambio debido a la manipulación de la variable independiente. Por ejemplo, en un estudio sobre los efectos de un nuevo medicamento en la presión arterial, el medicamento sería la variable independiente, mientras que la presión arterial sería la variable dependiente.

Por otro lado, las categorías de análisis se utilizan en la investigación cualitativa para agrupar y clasificar los datos recopilados. Las categorías de análisis son etiquetas o temas que se utilizan para identificar patrones, temas y relaciones en los datos cualitativos. En estudios cualitativos, los investigadores recopilan datos a través de entrevistas, observaciones, diarios, documentos y otros tipos de información no estructurada. Las categorías de análisis se desarrollan a partir de los datos recopilados y son específicas para cada estudio. Las categorías se crean a través de un proceso iterativo de análisis de los datos, en el que se examinan los datos para identificar patrones y temas emergentes. Luego, los temas se agrupan en categorías más amplias, que se refinan y ajustan a medida que se continúa el análisis de los datos. Por ejemplo, en un estudio sobre las experiencias de las mujeres trabajadoras en una industria determinada, las categorías de análisis podrían incluir temas como la discriminación, la brecha salarial, el acoso sexual y el equilibrio entre la vida laboral y personal.

De manera general, tanto las categorías de análisis como las variables de investigación son importantes en la investigación, pero se utilizan para diferentes propósitos y en diferentes tipos de estudios. Las variables de investigación se utilizan en estudios cuantitativos para medir o manipular una o más variables y para hacer inferencias sobre la relación entre las variables. Las categorías de análisis, por otro lado, se utilizan en estudios cualitativos para agrupar y clasificar los datos recopilados y para identificar patrones, temas y relaciones en los datos. Al comprender las diferencias entre estas dos herramientas de investigación, los investigadores pueden elegir la metodología adecuada para su estudio y utilizar las herramientas adecuadas para recopilar y analizar los datos.

jueves, 29 de junio de 2023

¿Qué es un cuasiexperimento? ¿Se puede llevar a cabo con una sola medición?


Un cuasiexperimento es un tipo de diseño de investigación en el cual los participantes no son asignados aleatoriamente a las condiciones experimentales, como suele ser en un experimento tradicional. En cambio, los participantes ya están divididos en grupos basados en características que los investigadores no pueden manipular o controlar, como su edad, género, nivel socioeconómico, entre otros. 

En un cuasiexperimento, los investigadores comparan los resultados de grup
os que difieren en una variable o condición específica, pero que no fueron asignados al azar. Por ejemplo, podrían comparar el rendimiento académico de estudiantes que recibieron una intervención educativa en una escuela determinada con el rendimiento de los estudiantes en otra escuela que no recibieron la intervención. 

 Aunque los cuasiexperimentos son menos rigurosos que los experimentos verdaderos, pueden proporcionar información valiosa sobre la relación entre las variables y ser una alternativa útil cuando no es posible realizar un experimento aleatorio. Sin embargo, los resultados de un cuasiexperimento deben interpretarse con precaución, ya que pueden ser afectados por sesgos y variables de confusión que no pueden ser controladas. 

 Al respecto de los cuasiexperimento en han preguntado: 


  ¿Se puede hacer un cuasiexperimento con una sola medición? 

En teoría, es posible realizar un cuasiexperimento con una sola medición, pero esto limitaría la capacidad de los investigadores para establecer relaciones causales entre las variables. En un diseño de cuasiexperimento con una sola medición, los investigadores compararían los resultados de dos o más grupos que difieren en una variable específica, pero no tendrían datos de línea base o pre-intervención para comparar con los datos posteriores a la intervención. Esto dificultaría la determinación de si los cambios observados en los resultados se deben a la intervención o a otros factores que no se controlaron. 

 Por lo tanto, aunque es posible realizar un cuasiexperimento con una sola medición, se recomienda que los investigadores realicen mediciones pre-intervención y post-intervención para poder establecer relaciones causales más sólidas. Esto permitiría que los investigadores comparen los datos antes y después de la intervención y determinen si los cambios observados son realmente el resultado de la intervención y no de otros factores que puedan haber influido en los resultados. 
  ¿Qué tipo de factores podrían influir en los resultados de un cuasiexperimento con una sola medición? 

 En un cuasiexperimento con una sola medición, varios factores podrían influir en los resultados y dificultar la interpretación de los datos. Algunos de estos factores incluyen: 
  •  Sesgo de selección: Los grupos que se comparan pueden diferir en características no controladas que influyen en los resultados. Por ejemplo, un grupo puede tener más estudiantes motivados que otro, lo que podría afectar los resultados. 
  •  Variables de confusión: Los grupos pueden diferir en factores que no se controlaron pero que influyen en los resultados. Por ejemplo, un grupo puede tener más estudiantes con experiencia previa en la materia que se está enseñando, lo que podría afectar los resultados. 
  •  Historia: Los resultados pueden ser influenciados por eventos históricos que ocurrieron durante el período en que se realizó el estudio. Por ejemplo, el resultado de un estudio que se realizó durante una pandemia podría verse afectado por factores como el cierre de escuelas o la educación a distancia. 
  •  Regresión a la media: Los resultados podrían ser influenciados por la tendencia natural de los resultados extremos a regresar a la media. Por ejemplo, si un grupo tiene resultados extremadamente bajos en una medición inicial, es probable que vea una mejora en la siguiente medición, incluso sin intervención. 
Un cuasiexperimento con una sola medición tiene limitaciones significativas y puede verse afectado por varios factores que limitan la capacidad de los investigadores para establecer relaciones causales sólidas. 
  ¿Cómo se pueden minimizar estos factores en un cuasiexperimento? 

 Aunque es difícil eliminar completamente los factores que pueden influir en los resultados de un cuasiexperimento, hay algunas estrategias que los investigadores pueden utilizar para minimizar su efecto y aumentar la validez interna del estudio. Algunas de estas estrategias incluyen: 
  •  Selección cuidadosa de los grupos: Los investigadores deben seleccionar los grupos que se compararán de manera cuidadosa y asegurarse de que sean lo más similares posible en las características que afectan los resultados. Por ejemplo, si se está comparando el rendimiento académico de dos escuelas, los investigadores deberían seleccionar escuelas similares en tamaño, ubicación y nivel socioeconómico. 
  • Control de variables de confusión: Los investigadores deben identificar y controlar las variables que pueden afectar los resultados pero que no están siendo manipuladas. Por ejemplo, si se está comparando el rendimiento académico de dos escuelas, los investigadores deberían controlar la experiencia previa de los estudiantes en la materia, la calidad de los profesores y la cantidad de recursos disponibles. 
  • Mediciones pre e intervención: Los investigadores deben realizar mediciones pre-intervención y post-intervención para poder comparar los resultados antes y después de la intervención y determinar si los cambios observados son realmente el resultado de la intervención y no de otros factores que puedan haber influido en los resultados. 
  • Control de eventos históricos: Los investigadores deben controlar los eventos históricos que puedan influir en los resultados, como cambios en la política pública o en la economía. 
  •  Análisis estadístico apropiado: Los investigadores deben utilizar análisis estadísticos apropiados que tengan en cuenta los factores que pueden afectar los resultados y que permitan determinar si las diferencias observadas son estadísticamente significativas. 
Es importante que los investigadores reconozcan las limitaciones de los cuasiexperimentos y utilicen estrategias para minimizar los factores que puedan afectar los resultados. Esto ayudará a aumentar la validez interna del estudio y permitirá que los investigadores establezcan relaciones causales más sólidas.

jueves, 14 de abril de 2022

Curso de publicación científica en video - Canal Youtube RecuEdu. Raidell Avello PhD (gratis)

Curso de publicación científica en videos, ofertado libremente por el Canal de Youtube RecuEdu y conmigo como profesor, para quien no me conoce soy Raidell Avello Martínez (PhD) en la columna izquierda de este blog puedes encontrar más datos sobre mí. 

El curso consta de 9 videos principales y anexos que son otros videos publicados en el canal que tienen relación con la temática.

El curso está basado en el docmento de trabajo del curso presencial publicado en abierto en ResearchGate:  https://www.researchgate.net/publication/334230927_El_articulo_su_estructura_y_naturaleza_Formatos

Introducción

La investigación científica tiene como objetivo transformar y hacer avanzar el conocimiento en un área determinada. A partir de la aplicación del método científico los investigadores pueden confirmar o descartar hipótesis que se plantean ante problemáticas que se presentan en su campo de investigación.

Videos:

1. ¿Qué es la publicación científica?

2. El método científico. Principios y pasos


3. Tipos de artículos más frecuentes en las ciencias sociales


4. Estructura del artículos de investigación (IMRyD)


5. Aspectos formales de los artículos científicos


6. Estándares JARS (Journal Article Reporting Standards) de APA para elaborar artículos de revistas científicas


7. El protocolo PRISMA para la elaboración de revisiones sistemáticas.




8. El proceso de revisión por pares


9. Los self-report studios (Estudios de autoreporte)



ANEXOS

1. Redes sociales científicas


2. Citation finder



3. Por qué expresar las limitaciones del estudio




4. 5 libros de invstigación científica


5. Google Trends. Interés de Búsqueda en Google.










lunes, 14 de marzo de 2022

Redes Sociales Académicas. ¿Por qué usarlas? Ventajas


Las redes sociales para investigadores son plataformas en línea diseñadas específicamente para que los investigadores y académicos puedan conectarse, colaborar, compartir y descubrir información relacionada con sus áreas de investigación y disciplinas académicas.

Estas redes sociales ofrecen una amplia gama de herramientas y recursos para los investigadores, como la posibilidad de crear perfiles de usuario, publicar y compartir artículos científicos, participar en debates y discusiones en línea, buscar y seguir a otros investigadores, recibir actualizaciones sobre publicaciones y eventos relevantes en su campo, entre otras.

Algunos ejemplos populares de redes sociales para investigadores incluyen ResearchGate, Academia.edu, Mendeley, LinkedIn, Twitter y Facebook. Estas plataformas pueden proporcionar un valioso espacio para que los investigadores conecten y colaboren entre sí, lo que puede fomentar la innovación y el progreso en la investigación científica y académica.

miércoles, 30 de agosto de 2017

El procesamiento estadístico con R en la investigación científica

Avello-Martínez R, Seisdedo-Losa A. El procesamiento estadístico con R en la investigación científica. Medisur [revista en Internet]. 2017 [citado 2017 Ago 30]; 15(5):[aprox. 3 p.]. Disponible en: http://medisur.sld.cu/index.php/medisur/article/view/3662