Azar: Es todo aquello que depende de un suceso fortuito o aleatorio. Todo aquello que utilice el azar como método o técnica estará influenciado totalmente por lo fortuito. El azar tiende a producirse según las leyes de monótona regularidad, y todavía con mayor firmeza a medida que las muestras extraídas son mayores.

Aleatorización: Con ella se pretende el control de variables extrañas en el momento inicial y toda posible influencia del investigador. Es una técnica basada en la selección de sujetos al azar que permite valerse del principio de imparcialidad que debe existir en toda investigación.

Aleatorización completa: Es una técnica de control. Se selecciona al azar el número de casos que se desean. La muestra así obtenida es asignada al azar a los dos grupos para, en uno tercero y último, decidir al azar qué grupo recibirá tratamiento experimental y cuál actuará como control, o qué modalidad de tratamiento experimental recibirá cada uno.

Bloqueo: Es una forma de lograr, una mayor igualdad de los grupos y reducir las diferencias individuales entre pares o grupos de sujetos con la consiguiente reducción de la variabilidad debida al azar, con lo que se consigue un diseño más sensible, capaz de captar diferencias más pequeñas.

Diseño de bloques: Es el emparejamiento propio de los diseños de dos grupos; como sólo se trabaja con dos niveles de v.i., con dos tratamientos, cada bloque, integrado por una o varias parejas de sujetos, recibe los dos niveles que son experimentados, uno por el o los primeros miembros de las parejas y el otro por el o los segundos miembros de dichas parejas.

Diseño por bloques al azar: Se utiliza cuando las unidades experimentales no son todas iguales, cuando existe gran heterogeneidad. Se forman tantos bloques como valores de la variable independiente interesa contrastar; los tratamientos se asignan igualmente al azar.

Ciencia Nomotética: Tiene por objeto alcanzar la ley general. Son ciencias nomotéticas las que intentan llegar a establecer leyes en el sentido, algunas veces de relaciones y expresables en forma de funciones matemáticas, pero también el en sentido de hechos generales traduciéndose por medio del lenguaje coloquial.

Ciencia Idiográfica: Tiene por objeto alcanzar la comprensión del comportamiento del educando.

Covarianza: Cuando se tiene dificultades para utilizar el muestreo simple en el momento de constituir los grupos, donde es fácil que difieran de forma sensible en alguna característica determinada, si ésta está significativamente correlacionada con la variable de criterio se tratará como covariante o variable de control.

Covarianza (Diseños): Los diseños de una sola variable independiente basados en el análisis de covarianza se emplea cuando los grupos permanecen intactos, pero difieren en una característica o atributo relacionado con la variable dependiente. Puede ser extensivo a covariantes múltiples.

Corrección Por Continuidad en X2 (sentido): Su sentido es acomodar la distribución empírica a la teórica de X2, de forma que la asignación de probabilidades sea lo más correcta posible.

Control: El término de control presenta varias acepciones, referidas de una parte, al dominio del investigador sobre v.i., lo que permite su manipulación, aspecto este al que ya nos hemos referido, y, de otra, a la forma de asignación de los sujetos a los grupos y al control de variables extrañas.

Criterios: El primer gran criterio en la elección de la prueba adecuada en contrastes no paramétricos es el nivel de medición (Razón, intervalo, ordinal o nominal), el segundo criterio es el de potencia y el tercer criterio depende de las ocasiones en los que interesa comprobar si se dan diferencias de cualquier tipo.

Cuadrado latino, diseño: Concepto y esquema básico: Es un paradigma balanceado, ya que cada técnica o tratamiento se expresa solamente una vez en cada hilera o columna. Reduce el número de observaciones y grupos. (Ver esquema en página 310).

Diseño (Sentido y alcance): Hay dos sentidos principales en los que se usa. En sentido amplio, como sinónimo de la planificación de la investigación en su totalidad y en sentido restrictivo, que le es más propio, como una etapa del proyecto de investigación. El diseño multigrupo es el de mayor posibilidades de utilización.

Diseño (Concepto): Un diseño es un esquema o estructura lógica de acción que permite mantener constante el flujo de las variables experimentales pertinentes y controlar así la influencia de las variables independientes sobre las variables dependientes.

Diseño (objeto): Podemos concretar como objetivos del diseño el maximizar la varianza sistemática, controlar la varianza sistemática de las variables extrañas o fuentes de variación secundarias, y minimizar la varianza del error (el azar y los errores de medición).

Clasificación de diseños experimentales: Se pueden agrupar alrededor de dos criterios. Diseños para controlar la varianza sistemática (Diseño de cuatro grupos de Solomon) y para reducir la varianza de error (Bloques al azar unidimensionales, diseños jerárquicos, de una v.i. basados en el análisis de la covarianza.

Diseños de dos grupos: Diseños de una sola variable independiente con dos condiciones o tratamientos, uno de los cuales es aplicado a uno de los grupos y el otro al segundo, o con una condición o tratamiento que, aplicada al grupo experimental, se contrasta con la ausencia del mismo en un grupo de control.

Hay diseños con sólo post-test, con pretest y diseños con sujetos independientes o emparejados.

Diseño intrasujeto: Cada estudiante actúa como su propio control, sometiéndose a todos los valores de la variable experimental, registrándose todos los valores correspondientes. Los principales inconvenientes son intrínsecos a la misma estructura del diseño, práctica, fatiga, comprensión de las tareas, etc.

Diseños naturales o ecológicos: Este tipo de diseños se apoyan en los supuestos de la cuasi-experimentación. Es el estudio de los fenómenos pedagógicos y didácticos en su contexto natural.

Distribución muestral: Es una distribución de probabilidad teórica que establece una relación funcional entre los posibles valores de un estadístico dado, y la probabilidad o densidad de probabilidad asociado con cada uno de estos valores cuando de una población definida se extraen todas las muestras posibles de tamaño n.

Emparejamiento: Se trabaja sólo con dos niveles de v.i., con dos tratamientos, cada bloque, integrado por una o varias parejas de sujetos, recibe los dos niveles que son experimentados, uno por el o los primeros miembros de dichas parejas. Para que sea eficaz debe mantener una elevada corrección con v.d.

Error muestral máximo: Es el producto de los valores de t y del error típico de las diferencias de las medias.

Error típico: Es la desviación típica de la distribución muestral de un estadístico. Indica la precisión del estadístico obtenido respecto al parámetro. Es una medida de los errores aleatorios de medición.

Prueba de Friedman: s se emplea al menos en una escala ordinal, se puede utilizar con muestras muy pequeñas, al disponer con tablas de probabilidades exactas. La prueba determinará la diferencia significativa de los totales de rango.

Grados de libertad: Son datos que pueden variar libremente, no determinados por un total.

Prueba de Kruskal-Wallis: Probablemente es la más eficaz para G muestras independientes, en procedimientos no paramétricos. Trata de contrastar si las diferencias entre las muestras indican idénticas variaciones respecto de las poblaciones. La variable requiere al menos una escala de medición de carácter ordinal.

Diseños Jerárquicos: Son diseños donde se encuentran factores anidados. Tienen tres potenciales fuentes de variación. A) Aquella atribuible a la variable experimental. B) El efecto debido a los grupos. C) Las diferencias individuales, como variación residual, y en consecuencia, la variación del error.

Medida “Ordinal Burda”: Es cuando en un nivel de medida ordinal, el nivel de imprecisión es tan grande, la medición es tan burda, que el investigador no se atreve no ya a considerar tales medidas como números sino, ni siquiera, a efectuar con ellos varios órdenes a lo largo del continuo.

Métodos T y S: Son procedimientos para comparar las diferencias entre tratamientos o técnicas. El contraste T sólo es posible utilizarlo cuando existen solamente dos grupos en el experimento. El método S se considera superior por la razón sencilla que no exige el que nos n sean iguales y por tanto es más general y sensible, pero el método T detecta mejor las diferencias significativas. Por lo que se utilizará el método T cuando sólo se exija el contraste entre las diferencias de medias y S en contrastes más complejos.

Metodología N=1: Existen dos modalidades de diseños en la metodología N=1: aquella que apunta a encontrar relaciones universales y, y por otra parte, limitarse al estudio de un solo discente sin interés por generalización alguna. El problema de la generalidad está relacionado con la validez externa del diseño.

Pruebas paramétricas: Ventajas: Mayor potencia para rechazar Hº falsas o al igual potencia el ahorro de sujetos en las muestras, desarrollo estadístico superior, permiten hacer estimaciones de los parámetros indicando el margen de error que les afecta. Inconvenientes: Su uso está limitado a una serie de restricciones.

Pruebas No para métricas: Ventajas: Cálculo más sencillo, menos restrictivas incluso a niveles de medida tan elementales como ordinal o nominal, son especialmente adecuadas para muestras pequeñas donde suelen ser tan potentes como las paramétricas. Inconvenientes: Menor potencia y desarrollo estadístico menor.

Q de Cochran: El objeto de la misma es examinar si más de dos conjuntos de puntuaciones igualados difieren o no significativamente, especialmente si los datos son en escala nominal u ordinal. Su aplicación práctica en el aula es amplia, ya que incluso pueden referirse los conjuntos de datos a observaciones de los N estudiantes en diferentes condiciones.

Significación estadística (ð): Es igual a la probabilidad de rechazar la hipótesis de nulidad cuando es verdadera o cometer el error de tipo I. El riesgo de alfa ha de ser fijado a priori, antes de la investigación.

Nivel de confianza (1-ð): Es la probabilidad de aceptar la hipótesis de nulidad cuando es cierta.

Diseño de Solomon: Fue desarrollado para controlar todas las variables extrañas, y poder observar la varianza sistemática, consecuencia del tratamiento experimental objeto de estudio. Son cuatro grupos los necesarios y todos se forman al azar. La variable experimental se representa por X (Diagrama pag 299).

Utilización de X2: Presenta fundamentalmente dos usos o funciones claramente diferentes: Se puede aplicar para decidir sobre su compatibilidad con un modelo (prueba de bondad de ajuste) o para decidir sobre la asociación o independencia de variables.

Varianza: Es la media de las diferencias al cuadrado de n puntuaciones respecto a su media aritmética. Hay varias clases:

Varianza residual: Es la que queda cuando de la varianza total se extraen las dos varianzas sistemáticas identificadas.

Varianza de población o muestra: Se refiere fundamentalmente a la específica de la población o muestra de la que proceden los datos.

Varianza de muestreo: Independientemente del tamaño de la muestra, la técnica de muestreo favorece o no la entrada de otras fuentes de varianza. Cuando el muestreo es aleatorio simple la varianza de las medias será relativamente pequeño. Al aumentar la muestra la varianza de muestreo se reduce y viceversa.

Varianza sistemática: Cuando se inclina en un determinado sentido; cuando de forma constante toma un sesgo preciso.

Varianza experimental: Es la debida a la manipulación de una variable experimental. Al ser introducida en la planificación de la acción didáctica, se asociará íntimamente con la varianza sistemática. Cuanto mayor sea la varianza, la diferencia entre grupos, mayor será el efecto de la variable independiente.

Varianza de error: Es la fluctuación o variación de medidas debida a la casualidad. Es aleatoria y nos resulta desconocida o se ignora.

Análisis de Varianza: ANAVA o prueba F: Es una técnica para analizar mediciones o datos que dependen de varios tipos de efectos, que operan simultáneamente, para decidir que clases de efectos son importantes, y calcular la magnitud de los mismos.

r

2