AD ASTRA

sábado, 22 de mayo de 2021

Breve esquema de los niveles de concreción curricular

De acuerdo a la Teoría Ecológica, cada persona es afectada de modo significativo por todo lo que le rodea (Bronfenbrenner, 1994). Bajo esta teoría y atendiendo al orden del sistema educativo nacional podemos diferenciar cuatro niveles de concreción curricular.


  • Macrosistema. Este es el primer nivel de concreción curricular y estaría integrado por los valores culturales, políticos, económicos y sociales que se le impregna al currículo educativo. Entonces, correspondería con todos los aspectos relacionados con la legislación vigente.

  • Exosistema. Este es el primer nivel de concreción curricular. En este lugar tenemos el Proyecto Educativo de Centro (PEC). Aquí, el individuo sigue sin formar parte activa, pero le influye directamente.

  • Mesosistema. Este es el tercer nivel de concreción curricular. Es el punto de unión entre los microsistemas con los exosistemas. En concreto, este nivel hace referencia a la Programación Didáctica del Aula (PDA) y es aquí donde aparece la planificación y desarrollo de las unidades didácticas.

  • Microsistema. Este es el cuarto nivel de concreción curricular. En esta parte es donde entra en juego las Adaptaciones Curriculares. En otras palabras, la adaptación de las unidades didácticas que integran la programación del aula a la diversidad del aula y las características individuales de cada alumno.

Entonces, todas las actividades o contenidos que se pretendan introducir en las aulas de Educación Primaria o Secundaria deben ser consecuentes con las unidades didácticas, la PDA, el PEC y el currículo de educación vigente. Es así como se construye la educación.

Sigma y Jacob Sierra Díaz

jueves, 13 de mayo de 2021

El índice de Kappa con SPSS

En muchas ocasiones es habitual que tengamos dos personas que estén evaluando al mismo sujeto o el mismo objeto. Esto se suele hacer para "limar" juicios de valor o valoraciones subjetivas y ser más preciso en la evaluación de ese sujeto o ítem. En Estadística podemos obtener un valor que nos indique el grado de acuerdo de los dos jueces o evaluadores: el índice de Kappa (Cohen, 1960). Básicamente, las condiciones para obtener este sencillo valor es que haya dos evaluadores que estén analizando al mismo sujeto o ítem (puede ser en momentos distintos) empleando una variable nominal. Obtener la Kappa de Cohen en SPSS es una tarea muy sencilla de solicitar e interpretar.


1.- Requisitos para hacer una Kappa de Cohen

Para efectuar una Kappa de Cohen se deben cumplir las siguientes condiciones:

  • Que haya dos evaluadores o jueces que analicen al mismo sujeto o elemento.
  • Que tengan las mismas instrucciones y criterios para evaluarlo.
  • Que sus valoraciones finales se extraigan de una variable cualitativa nominal.

Para hacer este análisis en SPSS podemos meter los datos de dos maneras distintas:
  • A través de dos variables teniendo en cuenta que cada fila representa un sujeto: los resultados o valores del primer juez para cada sujeto objeto de estudio y los resultados o valores del segundo juez para cada sujeto objeto de estudio. 

  • Mediante una tabla de contingencia. Este es el caso para muestras mucho más amplias. En este caso tendremos tres variables: las combinaciones de las posibles categorías de la variable nominal  que se ha usado para la valoración final (dos variables) y el recuento de cada una de esas posibilidades. En la guía que encontrarás al final de este pequeño paseo, te explicamos cómo se pueden meter datos en forma de tabla de contingencia en SPSS, en la cual deberás de clicar sobre el botón de Ponderar casos para que el programa no piense que cada fila representa un sujeto (sino más bien una combinación de posibilidades y su recuento).




2.- Procedimientos en SPSS

Para solicitar el índice kappa en SPSS seguiremos la siguiente ruta:

Analizar > Estadísticos descriptivos > Tablas cruzadas



A continuación, introduciremos una variable en filas y la otra en columnas. Haremos clic en el botón de Estadísticos y seleccionaremos Kappa. Pulsamos en Continuar y en Aceptar.




3.- Interpretación de los resultados

La tabla que más nos interesa para obtener el grado de concordancia entre las dos evaluaciones o diagnósticos es la de Medidas simétricas. 



Más concretamente, nos fijaremos en la casilla de Valor. En líneas generales, cuando este índice esté más cerca de 1 significará que habrá una mayor concordancia o acuerdo entre las evaluaciones. Por el contrario, si está cerca de 0, significará que no habrá ninguna concordancia. Distintos expertos han propuesto ciertas tablas con intervalos para interpretar este valor. Nosotros te mostramos la de Landis y Koch (1977), que te ayudará a saber lo que significa tu valor K. [La referencia bibliográfica está en la guía].



Por otro lado, si quieres saber si este valor se puede trasladar a la población, es decir, si evaluásemos a toda la población de donde hemos extraído la muestra tendríamos un resultado similar, tenemos que recurrir a la casilla Significación aproximada (o p-valor). Como es habitual, si este valor es menor que 0,050 (p < 0,050) podemos rechazar la hipótesis nula y admitir que el acuerdo alcanzado entre ambos jueces se deba al azar y que en circunstancias similares, si evaluásemos a toda la población, obtendríamos los mismos resultados.



4.- Guía para llevar a casa

Para conocer con más detalle este valioso valor que nos da detalle sobre el grado de acuerdo entre dos evaluaciones, puedes hacer clic en el siguiente enlace o, si lo prefieres, escanear el código qr con tu dispositivo móvil para descargarte la completa guía:



En esta guía veremos qué es eso del índice de Kappa, aplicaremos un ejemplo real para ver cómo se solicita e interpreta este valor en SPSS y veremos la forma que tiene el programa de meter datos en forma de tablas de contingencia o tablas cruzadas. Además, conoceremos en detalle el contraste de hipótesis de este estadístico.




5.- Banco de datos

Puedes entrenar este procedimiento en SPSS con la base de datos que encontrarás en el siguiente enlace y que también se ha empleado para el diseño de la guía.

La base de datos contiene la evaluación a 200 personas que llevaron a cabo dos psicólogos de un hospital el año pasado. En esencia, estos dos psicólogos debían hacer un diagnóstico y valorar, de manera individual y en momentos distintos, el tipo de neurosis que padecían los 200 pacientes. Específicamente, debían clasificar la neurosis de cada paciente en fobia, histeria, obsesión o depresión. Así, cada paciente tenía dos evaluaciones: la del primer psicólogo y la del segundo psicólogo.

- Se desea conocer el grado de acuerdo entre los dos psicólogos sobre las evaluaciones.

  • Haciendo clic en el siguiente enlace podrás descarte un archivo tipo .sav (compatible con la mayoría de softwares estadísticos, pero sobre todo con SPSS) que tiene como título Neurosis (Kappa).
    • Hemos metido los datos en forma de tabla de contingencia. Recuerda darle al menú Datos y Ponderar Casos para que SPSS los trate como tal. A continuación, deberás seleccionar la variable Recuento total en Ponderar casos mediante.
    • En la base de datos, en lugar de usar la palabra psicólogos se ha usado la palabra juez para referirse a los diagnósticos de los 200 pacientes.
    • Puedes dejar tu comentario abajo si quieres compartir cualquier cosa.



Sigma y Jacob Sierra Díaz

viernes, 7 de mayo de 2021

Etiquetas de valor: el cambio de número a palabras

Como ya es bien sabido, SPSS funciona muy bien con números (aunque estos no tengan un valor algebraico en el caso de las variables de tipo cualitativas). En efecto, siempre se recomienda poner una cifra numérica a las categorías o valores de nuestras variables cualitativas. En SPSS hay un botón muy útil para intercambiar entre el número y la palabra que hemos puesto para nuestras variables cualitativas, ya sean estas nominales u ordinales. Es decir, podremos ver nuestra variable de manera numérica (1, 2 y 3, por ejemplo) o con palabras (Hombre, Mujer y Otro). Dicho botón se llama Etiquetas de valor y está en el menú superior de la Vista de datos. 




Supongamos que tenemos dos variable cualitativas en una base de datos sobre los resultados de una asignatura en la Facultad de Educación. 
  • La primera es una variable (cualitativa) nominal llamada Género. Esta puede tomar las categorías o variables Hombre, Mujer y Otro. 
  • La segunda es una variable (cualitativa) ordinal denominada Valoración. Puede tomar los valores Mal, Regular, Bien, Muy bien y Excelente. 

En lugar de estar escribiendo las palabras correspondientes a cada sujeto, se decide darle un valor numérico a estas variables. En nuestro ejemplo:
  • En el caso del Género, asignaremos un 1 a Hombre, un 2 a Mujer y un 3 a Otro.
  • En el caso de Valoración, asignaremos un valor 1 a Excelente, 2 a Muy bien, 3 a Bien, 4 a Regular y 5 a Mal.

A la hora de meter los datos por primera vez en Vista de datos, lo haremos según el código numérico que hemos introducido en Vista de variables. Luego, en el caso de que queramos cambiar a las palabras, pulsaremos sobre el botón que hemos aprendido hoy: Etiquetas de valor. Podemos volver a los códigos numéricos pulsándolo nuevamente.


Sigma y Jacob Sierra Díaz

sábado, 24 de abril de 2021

Análisis exploratorio de datos en SPSS

Uno de los primeros pasos que deberíamos hacer cuando hayamos creado nuestra base de datos en SPSS es la de hacer un análisis descriptivo exploratorio previo. Con la función Explorar de dicho programa podremos conocer el tamaño muestral, si hay algún dato perdido, información sobre la media, mediana, desviación típica y más información de cada variable, los percententiles y las pruebas de normalidad. Por otro lado, esta función también nos permite obtener gráficos como los gráficos Q-Q (complementan las pruebas de normalidad) o los gráficos de cajas con bigotes (box-plot). Hoy aprenderemos a usar esta importante función.


1.- ¿Qué ofrece el análisis exploratorio?

Tal vez convendría empezar a decir que se recomienda ejecutar este análisis siempre que queramos realizar otros análisis más complejos, ya que como su propio nombre indica, nos permitirá explorar y familiarizarnos con nuestros datos. Además, la mayoría de información descriptiva que necesitamos la solemos encontrar en esta función. 

Esta es una lista extensa de los resultados que nos dará el análisis exploratorio:
  • Procesamiento de casos
  • Análisis descriptivo
    • Media
    • Error estándar
    • Intervalo de confianza al 95%
    • Media recortada al 5%
    • Mediana
    • Varianza
    • Desviación estándar o típica
    • Valor mínimo
    • Valor máximo
    • Rango
    • Rango intercuartílico
    • Asimetría
    • Curtosis
  • Percentiles y cuartilies (incluyendo bisagras de Tukey)
  • Valores extremos o outliers
  • Pruebas de normalidad
    • Prueba Kolmogorov-Smirnov
    • Shapiro-Wilk
  • Histogramas
  • Diagrama de tallo y hojas
  • Gráficos Q-Q (estudio de la normalidad)
  • Box-plot o gráficos de cajas con bigotes



2.- Procedimiento en SPSS

Efectuar el análisis exploratorio en SPSS es tan sencillo como seguir esta ruta:

Analizar > Estadísticos descriptivos > Explorar



En la siguiente ventana meteremos las variables que queramos explorar. Para ello, podemos hacer un análisis solo de algunas (o todas) las variables dependientes [variables que dependen de una característica o variable independiente] o podemos explorar un "sistema" introduciendo variables dependientes con variables independientes o factores [aquellas variables ya están configuradas de modo natural como el sexo o el grupo sanguíneo, por ejemplo].



En el botón Estadísticos pulsaremos en la opción de Descriptivos, Valores atípicos y Percentiles. En el botón de Gráficos pulsaremos la opción Gráficos de normalidad con pruebas.




3.- Interpretación de resultados

Hacer una interpretación de las tablas de los análisis exploratorios es muy sencillo cuando se tienen pequeñas nociones estadísticas. No obstante, te recomendamos que te descargues la siguiente guía para conocer en profundidad el significado de cada una de las tablas de resultados que nos ofrece SPSS con el objetivo de sacarle el máximo partido a tus datos.



4.- Guía para llevar a casa

Tal y como te acabamos de comentar, puedes escanear con tu dispositivo móvil el siguiente código QR o hacer clic en el siguiente enlace para descargarte la guía sobre los análisis exploratorios en SPSS.




En esta guía veremos mediante un caso práctico real todas las funciones de los análisis exploratorios. En concreto veremos qué significa cada una de las tablas y cómo se interpretan los gráficos que hemos solicitado. Por otro lado, veremos qué tablas son las que más nos interesa consultar y qué información es la más relevante para reflejar en nuestros informes o artículos.




5.- Banco de datos

¿Quieres "jugar" con una base de datos antes de usar la tuya? Haz clic en el siguiente enlace para acceder a los datos .sav que han sido usados para la elaboración de la guía. Así podrás seguir y verificar paso a paso cada uno de los procedimientos y resultados descritos en la misma.


Nuestra base de datos contiene tres calificaciones de un examen de inglés que han realizado 30 personas. En concreto se realizaron tres pruebas para medir el nivel de habla (speaking), lectura (reading) y escucha (listening) de 10 españoles, 10 franceses y 10 alemanes. Las pruebas se puntuaban sobre 100 (el máximo que se puede sacar en cada prueba). En este caso, la variable independiente o factor es la Nacionalidad y las variables dependientes son las tres prueba citadas anteriormente.

- Simplemente se desea conocer la estadística descriptiva más relevante de estos datos y valorar los siguientes pasos para un análisis estadístico más complejo.





Sigma y Jacob Sierra Díaz

domingo, 4 de abril de 2021

La prueba Shapiro-Wilk con SPSS

La prueba Shapiro-Wilk es un test estadístico muy similar a la prueba Kolmogorov-Smirnov que nos ayuda a saber si los datos de nuestra muestra proceden de una población que sigue una distribución normal. La principal diferencia de esta prueba con la de Kolmogorov-Smirnov reside en el tamaño muestral: esta prueba se aplica para variables cuantitativas con muestras menores o iguales a 50 participantes o items. Si la muestra es mayor, deberás realizar el prueba Kolmogorov-Smirnov, que se detalla haciendo clic en el siguiente enlace:



1.- ¿Qué es la prueba Shapiro-Wilk?

Al igual que la prueba Kolmogorov-Smirnov, es un test estadístico de bondad de ajuste a una distribución normal que se aplica en determinadas circunstancias para determinar si los datos de la muestra objeto de estudio se han extraído aleatoriamente de una población que siga un modelo de probabilidad ajustado a una distribución normal.


El test Shapiro-Wilk consiste en una prueba de significación estadística que contrasta las mismas hipótesis que en el caso de su "test hermano" Kolmogorov-Smirnov.

  • Hipótesis nula (Ho). La muestra procede de una población que sigue una distribución normal. Aceptaremos esta hipótesis tan deseada cuando el p-valor (significatividad) es mayor a 0,050.

  • Hipótesis alternativa (H1 o Ha). La muestra no procede de una población que se distribuye según un modelo de probabilidad normal. Por el contrario, aceptaremos esta hipótesis cuando el p-valor de la prueba sea menor que 0,050.




2.- ¿Qué requisitos se deben cumplir para realizar esta prueba?

Al contrario de su prueba "hermana" K-S, la muestra debe ser inferior o igual a 50 participantes o items y se debe efectuar para variables dependientes cuantitativas.




3.- Procedimiento en SPSS

Este tipo de análisis es muy sencillo en SPSS. Simplemente se debe seguir la siguiente ruta:

Analizar > Estadísticos descriptivos > Exploratorios


En la ventana introduciremos las variables objeto de estudio en el espacio Lista de dependientes. A continuación, se pulsará el botón Gráficos y se seleccionará Gráficos de normalidad con pruebas. Por último, pulsamos en Continuar y Aceptar.




4.- Interpretación de los resultados

En la Ventana de resultados se nos mostrarán las tablas. La que más nos interesa es la que tiene como título Pruebas de normalidad. En dicha tabla, podemos ver los resulados de las dos pruebas de bondad de ajuste a una distribución normal (la K-S y la S-W). Lo que tenemos que mirar es la columna de la Sig. (significación; p-valor) y determinar si aceptamos o rechazamos la hipótesis nula. Además, aconsejamos reflejar su correspondiente Estadístico (W).


En este caso miraremos la columna de Shapiro-Wilk, porque como se ha señalado anteriormente, nuestra muestra es menor que 50. No obstante, démonos cuenta que ambas pruebas nos llevan a la misma conclusión. En el ejemplo de la tabla debemos rechazar la hipótesis nula y concluir que nuestros datos proceden de una población que no se sigue una distribución  normal.


Podemos seguir los consejos de la guía APA para reportar esta prueba en un informe o artículo científico. Esta guía nos sugiere que empecemos diciendo si la variable procede de una población que sigue una distribución normal. A continuación, reflejaremos el estadístico W de la prueba seguido de los grados de liberad entre paréntesis y finalizando con el p valor. Si nos damos cuenta, seguimos el orden con el que viene reflejado en la tabla. Veamos un ejemplo:
  • El test Shapiro-Wilk indica que la variable Velocidad no sigue una distribución normal: W(24) = 0,882; p = 0,009.
  • The Shapiro-Wilk test shows taht the variable "Velocidad" do not follow a normal distribution: W(24) = 0,882; p = 0,009.



5.- Guía para llevar a casa

Puedes escanear el siguiente código QR o hacer clic en el enlace para descargarte la guía de funcionamiento de esta prueba. Esto te permitirá llevarla a cualquier sitio e incluso imprimirla.


En esta guía vamos a aprender que es eso de la prueba Shapiro-Wilk y los supuestos que debemos cumplir para usarla. Además, descubriremos otra información de especial relevancia para nuestros análisis de la variable objeto de estudio. Puedes dejar tu comentario abajo sobre cualquier tema relacionado con la guía o con la prueba.


Sigma y Jacob Sierra Díaz

martes, 30 de marzo de 2021

La prueba Kolmogorov-Smirnov con SPSS

La prueba Kolmogorov-Smirnov (prueba K-S) es un test estadístico que nos permite averiguar si los datos de la muestra proceden de una población que sigue una distribución normal. A fin de cuentas, esta prueba nos indica si debemos realizar análisis con pruebas estadísticas paramétricas o no paramétricas. Sin embargo, esta prueba no siempre es adecuada. Existen dos requisitos para poder ejecutar esta prueba: que las variables sean cuantitativas y que el tamaño muestral sea mayor a 50. Si tu muestra el menor o igual a 50 deberás realizar la prueba Shapiro-Wilk:



1.- ¿Qué es la prueba Kolmogorov-Smirnov?

Se trata de una prueba no paramétrica de bondad de ajuste a una distribución normal que se aplica en determinadas circunstancias para determinar si los datos de la muestra se han extraído aleatoriamente de una población que siga un modelo de probabilidad ajustado a la distribución normal.



Como el test Kolmogorov-Smirnov es una prueba de significación estadística no paramétrica se establecen dos hipótesis que se deben contrastar.

  • Hipótesis nula (Ho). La muestra procede de una distribución normal. Aceptaremos esta hipótesis [que suele ser la deseada] cuando el p-valor de la prueba sea mayor a 0,050.

  • Hipótesis alternativa (H1). La muestra no procede de una población que se distribuye según un modelo de probabilidad normal. Por el contrario, aceptaremos esta hipótesis cuando el p-valor de la prueba sea menor que 0,050.



Ahora bien, la prueba "clásica" K-S es muy conservadora. Esto significa que en la mayoría de las ocasiones se suele aceptar la hipótesis nula (distribución normal). Para evitar este tipo de errores, Lilliefors propuso una corrección que se implementa automáticamente en SPSS.



2.- ¿Qué requisitos se deben cumplir para realizar esta prueba?

Principalmente que la muestra sea mayor a 50 participantes y que se analicen variables cuantitativas discretas. Si tu muestra cumple estos dos requisitos, puedes realizar esta prueba. En caso contrario, si tu muestra es menor o igual a 50 participantes, deberás realizar una prueba similar denominada prueba de bondad de ajuste a la distribución normal Shapiro-Wilk. En la introducción tienes un enlace a esta prueba.





3.- Procedimiento en SPSS

Realizar la prueba K-S en SPSS es un proceso muy sencillo. Simplemente se debe seguir la siguiente ruta:

Analizar > Pruebas no paramétricas > Cuadros de diálogos antiguos > K-S de 1 muestra


A continuación, aparecerá una ventana donde meteremos las variables objeto de estudio y pulsaremos Aceptar.




4.- Interpretación de los resultados

En la Ventana de resultados se nos mostrará una tabla con los resultados de la prueba. El valor que más nos interesa es el de la sig. asintótica (bilateral): es el p-valor que nos dirá si aceptamos o rechazamos la hipótesis nula (Ho). Encima de este valor encontramos el estadístico Z o D de la prueba K-S, un valor que nunca está de más incluirlo.


Date cuenta que en la tabla hay una leyenda que dice que la prueba se realiza bajo la corrección de Lilliefors.

Cuando queramos expresar este valor en un informe o artículo científico podemos seguir la sugerencia de la guía APA: expresaremos si nuestra variable sigue o no la distribución normal seguido del estadístico Z o D (D de diferencia) de la prueba incluyendo los grados de libertad entre paréntesis (es la N, el tamaño muestral) y finalizando con el p valor. Toda esta información la encontramos en la tabla de arriba. Veamos un ejemplo:
  • El test Kolmogorov-Smirnov indica de la variable Edad no sigue una distribución normal; D(63) = 0,144; p = 0,002.
  • The Kolmogorov-Smirnov test indicates that the variable Edad do not follow a normal distribution; D(63) = 0,144; p = 0,002.




5.- Guía para llevar a casa

Esto ha sido un resumen de la prueba K-S. Si quieres encontrar información más detalla de esta prueba puedes escanear el código QR o hacer clic en el siguiente enlace para descargarte y consultar, incluso si no tienes conexión a Internet, la guía de esta prueba.



Con esta guía aprenderemos en qué consiste la prueba K-S y que supuestos debemos cumplir para emplearla. Además, descubriremos distintas formas de efectuarla en el paquete estadístIco SPSS, así como qué hay que mirar en los resultados. Recuerda que si tienes dudas, puedes dejar tu comentario abajo.




Sigma y Jacob Sierra Díaz

lunes, 29 de marzo de 2021

Currículo versus Programación Didáctica

Bien es sabido que la Educación no solo se basa en dar clases o seguir un libro de texto determinado. La mayoría de Sistemas Educativos regulan esta actividad a través de una legislación que se le suele llamar Currículo. Sin embargo, este Currículo se debe adaptar y ajustar a las circunstancias locales e individuales de cada región o centro educativo. Esto recibe el nombre de concreción curricular. Cada maestro, al inicio del curso académico, debe elaborar y presentar una Programación didáctica en base al Currículo vigente. 


Hoy vamos a definir qué se entiende por Currículo y qué se entiende por Programación Didáctica:

  • Currículo. Documento de carácter oficial en el que se reflejan el conjunto de objetivos, contenidos, métodos pedagógicos, criterios de evaluación y estándares de aprendizaje evaluables de cada uno de los niveles, etapas, ciclos, grados y/o modalidades del Sistema Educativo.

  • Programación Didáctica. Documento en el que se planifican los objetivos, los contenidos, los criterios de evaluación, los estándares de aprendizaje evaluables (si los hay), los diferentes elementos que componen la metodología y los procedimientos de evaluación de cada una de las áreas que forman parte del Currículo y que se desarrolla por el profesorado del centro.



La principal diferencia entre Currículo y Programación Didáctica suele ser que la primera la elaboran y redactan los legisladores, mientras que el segundo documento lo elabora y redacta el profesor en función de las características contextuales donde va a desarrollar las clases. Sin el Currículo no puede haber Programación Didáctica ya que es esta primera la que recoge los contenidos mínimos que se deben establecer en cada curso. En otras palabras, y usando un ejemplo práctico, el Currículo establece que las multiplicaciones se comiencen a ver a partir de tercero de primaria. En este punto, es el maestro el que decidirá de qué modo las introducirá a sus alumnados y cómo llevará a cabo la evaluación atendiendo a los objetivos, criterios de evaluación y estándares de aprendizaje.

Sigma y Jacob Sierra Díaz