Video: Análisis de Resultados en Investigación Educativa 2025
Los conceptos de validez y fiabilidad son relativamente ajenos al campo de la investigación cualitativa. Los conceptos simplemente no son una buena opción. En lugar de centrarse en la fiabilidad y la validez, los investigadores cualitativos sustituyen la confiabilidad de los datos. La confiabilidad consiste en los siguientes componentes: (a) Credibilidad; (b) transferibilidad; (do); confianza; y (d) confirmabilidad.
Credibilidad y confiabilidad
La credibilidad contribuye a la creencia en la confiabilidad de los datos a través de los siguientes atributos: (a) compromiso prolongado; (b) observaciones persistentes; (c) triangulación; (d) adecuación referencial; (e) interrogatorio de pares; y (f) cheques de miembros.
Triangulación y verificaciones de miembro son métodos primarios y comúnmente utilizados para abordar la credibilidad.
La triangulación se logra haciendo las mismas preguntas de investigación de los diferentes participantes del estudio y mediante la recopilación de datos de diferentes fuentes y utilizando diferentes métodos para responder a esas preguntas de investigación. Las verificaciones de los miembros se producen cuando el investigador solicita a los participantes que revisen tanto los datos recopilados por el entrevistador como la interpretación de los investigadores de los datos de esa entrevista. Los participantes generalmente aprecian el proceso de verificación de miembros, y sabiendo que tendrán la oportunidad de verificar sus declaraciones, tiende a provocar que los participantes del estudio completen cualquier brecha de las entrevistas anteriores. La confianza es un aspecto importante del proceso de verificación de miembros.
Generalización y confiabilidad
Transferibilidad es la generalización de los hallazgos del estudio a otras situaciones y contextos. La transferibilidad no se considera un objetivo de investigación naturalista viable.
Los contextos en los que se produce la recopilación de datos cualitativos definen los datos y contribuyen a la interpretación de los datos. Por estas razones, la generalización en la investigación cualitativa es limitada.
El muestreo intencional puede utilizarse para abordar el problema de la transferibilidad, ya que la información específica se maximiza en relación con el contexto en el que se produce la recopilación de datos.
Es decir, se enfatiza información específica y variada en el muestreo intencional, en lugar de información generalizada y agregada, que sería el caso, generalmente, en la investigación cuantitativa. El muestreo intencional requiere la consideración de las características de los miembros individuales de una muestra en la medida en que esas características estén relacionadas directamente con las preguntas de investigación.
Confiabilidad y confiabilidad
La confiabilidad depende de validez . Por lo tanto, muchos investigadores cualitativos creen que, si se ha demostrado la credibilidad, no es necesario demostrar también y por separado la confiabilidad .Sin embargo, si un investigador permite analizar los términos, entonces la credibilidad parece estar más relacionada con la validez y la confiabilidad parece estar más relacionada con la confiabilidad.
A veces, la validez de los datos se evalúa mediante el uso de una auditoría de datos. Se puede llevar a cabo una auditoría de datos si el conjunto de datos es rico y denso para que un auditor pueda determinar si la situación de la investigación se aplica a sus circunstancias. Sin suficientes detalles e información contextual, esto no es posible. De todos modos, es importante recordar que el objetivo no es generalizar más allá de la muestra.
Un investigador cualitativo debe obstinadamente registrar los criterios sobre qué categoría se deben tomar las decisiones (Dey, 1993, p.
100). La capacidad de un investigador cualitativo para usar el marco de análisis de datos de manera flexible, permanecer abierto a alteraciones, evitar superposiciones y considerar categorías previamente no disponibles o no observables, depende en gran medida de la familiaridad y comprensión de los datos por parte del investigador. Este nivel de análisis de datos se logra revolcándose en los datos (Glasser y Strauss, 1967).
Se puede realizar una investigación cualitativa para replicar el trabajo anterior, y cuando ese es el objetivo, es importante que las categorías de datos se hagan internamente consistentes. Para que esto suceda, el investigador debe idear reglas que describan las propiedades de la categoría y que, en última instancia, puedan usarse para justificar la inclusión de cada bit de datos que permanece asignado a la categoría, así como para proporcionar una base para pruebas posteriores de replicabilidad (Lincoln & Guba, 1985, p.
347).
El arte de la investigación cualitativa y la confiabilidad
El proceso de refinación de los datos dentro y entre las categorías debe llevarse a cabo sistemáticamente, de manera que los datos se organicen primero en grupos de acuerdo con atributos similares que sean evidentes. Después de ese paso, los datos se colocan en pilas y sub-pilas, de modo que la diferenciación se basa en discriminaciones cada vez más finas.
A través del proceso de escribir notas, un investigador cualitativo registra notas sobre la aparición de patrones o los cambios y consideraciones que están asociados con el proceso de refinación de la categoría. Se puede esperar que las definiciones categóricas cambien a lo largo del estudio, ya que eso es fundamental para el proceso constante comparativo las categorías de procesos se vuelven menos generales y más específicas a medida que los datos se agrupan y reagrupan en el transcurso de la investigación. En definición de categorías, por lo tanto, debemos ser atentos y tentativos, atentos a los datos y tentativos en nuestras conceptualizaciones de ellos (Dey, 1993, p.102).
Fuentes:
Dye, J.G., Schatz, I.M., Rosenberg, B.A., y Coleman, S.T. (2000, enero). Método de comparación constante: un caleidoscopio de datos. El informe cualitativo, 4 (1/2).
Glaser, B., y Strauss, A. (1967). El descubrimiento de la teoría fundamentada: estrategias para la investigación cualitativa. Chicago, IL: Aldine.
Lincoln, Y. S., y Guba, E. G. (1985). Indagación naturalistaNewbury Park, CA: Sage.
Procesos de clasificación automatizados para el reciclado de prendas de vestir

Sistema de clasificación de tecnología nIR promete mejorar dramáticamente el valor de la fibra recuperación, al tiempo que mejora la eficiencia del proceso de clasificación.
Day Datos del mercado de valores - Feeds de datos del mercado - Datos del mercado en tiempo real

Descripción de los datos del mercado de trading diario, y la negociación información que proporcionan los datos del mercado. Incluye perfiles de los feeds de datos de mercado más populares, con los mercados que ofrecen, sus tarifas mensuales y su software y las interfaces de programación.
4 Razones por las cuales su empresa necesita procesos documentados

Crear procesos de negocios no es solo para los Fortune 500 . Una pequeña empresa no puede agrandarse sin comprender & amp; documentando sus procesos centrales.