TESIS
Para optar el Ttulo Profesional de
Ingeniero Estadstico
por
LIMA - PER
2011
RESUMEN
La Importancia de la Investigacin es esencial para la innovacin,
transmisin de conocimientos y la confrontacin de ideas que permitir
generar cambios a nuestra sociedad. Promover, capacitar y disear
estrategias de enseanza ser la base fundamental para revertir todo ello, el
manejo prctico de modelos estadsticos para la alta competencia se ha
vuelto algo indispensable para lograr ello. Se verifica una naturaleza
multidimensional de la escala de actitudes motivacionales hacia la
investigacin de los estudiantes de la UNI, el cual esta estructurado por 3
factores que explican 34,2% de la inercia total.
Palabras claves.- Anlisis de componentes principales (ACP), rotacin
Varimax, Alfa de Cronbachs
TESIS
por
AGRADECIMIENTOS
INDICE
INTRODUCCIN.
OBJETIVOS DE LA INVESTIGACIN
ANTECEDENTES
13
1.1.2 Enfoques
14
16
18
22
24
24
40
41
51
56
68
CONCLUSIONES... 95
RECOMENDACIONES 97
BIBLIOGRAFIA. 98
ANEXOS
ANEXO N1 Comunalidad..... 101
ANEXO N2 Como Calcular el Coeficiente Alfa de Cronbach.. 102
ANEXO N3 Poblacin universitaria UNI por Facultad 2005-2. 105
ANEXO N4 Informacin sobre Facultades.. 106
ANEXO N5 Carga de Factores Rotados y Comunalidades................ 107
ANEXO N6 Total de crditos que las carreras profesionales asignan como
obligatorios y electivos para poder egresar..
108
109
INDICE DE TABLAS
Tabla N 3.1: Alumnos que Participaron en la encuesta segn Sexo ........ 83
Tabla N 4.1: KMO y prueba de Bartlett. ........................... 88
Tabla N 4.2: Factores Explicativos Extrados. 89
Tabla N 4.3: Matriz de Coeficientes para el calculo de las puntuaciones en
las componentes .
90
INDICE DE FIGURAS
Figura N 1.1: Ejemplo de la recta que minimiza las distancia ortogonales de
los puntos a ella .
43
INDICE DE GRAFICOS
Grafico N 4.1 Grafico de Sedimentacion. ..................................... 88
Grafico N 4.2 Diagrama de Cajas con respecto a su variabilidad. 92
INTRODUCCIN
Otro hecho que se puede mencionar es la poca integracin que hay entre
las dimensiones humansticas, tecnolgicas y cognoscitivas propias del espritu
crtico de quien construye para el diseo de proyectos cientficos y tecnolgicos.
El compromiso de esta investigacin es generar una movilizacin, hacia un
cambio de actitud en el estudiante que evidencie su inters hacia la produccin
cientfica, razn de su formacin. Este cambio no solo beneficiara a los docentes
y a los estudiantes que integran la comunidad acadmica de las instituciones de
Educacin Superior, sino que igualmente contribuyen hacia el alcance del gran
reto de modernizacin del Sistema Educativo, implica la transformacin de los
ambientes de aprendizaje, donde se privilegie la orientacin hacia la creatividad,
el descubrimiento y hacia la propuesta autnoma.
Esencialmente
trabajo
intelectual:
disciplina,
lectura,
escritura,
OBJETIVOS DE LA INVESTIGACIN
OBJETIVO GENERAL
OBJETIVO ESPECFICO
ANTECEDENTES
Nuestra investigacin expone los estudios realizados en torno a las
actitudes hacia la investigacin tanto del extranjero como del pas. En los ltimos
aos existieron investigaciones que por su relevancia merecen ser citados.
La
muestra
del
profesorado
seleccionada
fue
contactada
Cristian Daz Vlez; Luis Miguel Manrique Gonzlez; Edn Galn Rodas;
Moiss Apolaya Segura (2008) Efectan un estudio para determinar los
10
11
12
CAPITULO I
MARCO TERICO
13
1.1.2 ENFOQUES
Segn Floyd H. Allport (1924), es: una disposicin squica, nerviosa,
organizadora por la experiencia, que ejerce una influencia orientadora
o dinmica sobre las reacciones del individuo frente a todos los
objetos y situaciones con los que est relacionado.
Thurstone (1928), define actitud como: la suma total de inclinaciones,
sentimientos, prejuicios o distorsiones, nociones preconcebidas,
ideas, temores, amenazas y convicciones de un individuo acerca de
un asunto determinado .
Por su parte Mann Len (1970) considera que la actitud indica la
organizacin que tiene un individuo en cuanto a sus sentimientos,
creencias y predisposiciones a comportarse del modo que lo hace.
Freedman, Carlsmith y Sears (1970) definen a las actitudes como una
coleccin
de
cogniciones,
creencias,
opiniones
hechos
14
constante
clases
de
estmulos
socialmente
importantes.
Kidder y Campbell (1976) Sostiene que actitud es una: multitud de
trminos aparentemente no relacionados como pulsin adquirida,
creencia, reflejo condicionado, fijacin, juicio, estereotipia, valencia,
slo para mencionar algunos son sinnimos funcionales del concepto
de actitud. Todos describen residuos de experiencias pasadas que
constituyen el material del que estn hechas las actitudes.
Ross H.L. (1976), Las define como: las estructuras mentales que
organizan y evalan la informacin.
Clay Lindgren (1979) Considera a la actitud como sinnimo de "motivo
social ", en donde los motivos dan lugar a la conducta.
Para Rodrguez A. (1993) "Las actitudes son variables intercurrentes,
directamente
inferibles,
observables
que
constituyen
una
15
16
cognoscitivo:
Se
refiere
las
expresiones
de
subjetivas
positivas/negativas,
acercamiento/huida,
placer/dolor.
Componente conductual o tendencial: Aparece vinculado a las
actuaciones en relacin con el objeto de las actitudes. Son
expresiones
de
accin
intencin
conductista/conductual
17
son:
direccin,
intensidad,
centralidad,
prominencia
consistencia.
La direccin.- seala el modo de sentir, es decir, siempre que hay una
actitud, se est en pro o en contra, se acepta o se rechaza el objeto
actitudinal, slo se registra neutralidad en los instrumentos, cuando no
18
19
20
21
22
Valores
sociales,
tales
como
(amabilidad,
patriotismo,
23
Valores
de
poder,
tales
como
(liderazgo,
interaccin
que
pertenecen
la
variable.
Sin
embargo,
este
24
estn resueltos an. El primero de ellos es un problema conceptualterico: en realidad qu es la actitud? El segundo problema es:
sepamos o no lo que son las actitudes cmo podemos medirlas? Lo
que aqu se desarrollar es, apoyndonos en sustentos cientficos, la
segunda cuestin, cabe indicar que los conceptos de actitud estn
dados en pginas previas.
Segn Morales (2000), los tipos de escala se pueden clasificar en tres
grupos:
1. Diferenciales (Thurstone): Se caracterizan por que en ellas tan solo
hay dos respuestas posibles a los distintos tems que se presentan:
de acuerdo o desacuerdo.
2. Sumativas (Likert): En este mtodo se supone que todos los tems
miden con la misma intensidad la actitud que se desea medir y es el
encuestado el que le da una puntuacin, normalmente de 1 a 5, en
funcin de su posicin frente a la afirmacin sugerida por el tem. La
actitud final que se asigna al encuestado ser la medida de la
puntuacin que ste da a cada uno de los tems del cuestionario.
3. Acumulativas (Guttman): En este modelo, llamado tambin
escalograma, los tems tienen una determinada dificultad y el estar de
acuerdo con uno, implica el estar de acuerdo con todos los
precedentes. Suelen tener muy pocos tems y se utiliza para medir
actitudes muy concretas.
25
26
27
ESCALA DE THURSTONE
Thurstone desarroll en 1988 los principios de medicin de actitudes
con unos procedimientos tcnicos que han heredado su nombre. En
realidad, lo que hoy ms comnmente se conoce como la escala de
actitud tipo Thurstone es slo uno de esos procedimientos, el de
intervalos aparentemente iguales, aunque llegara a idear otros. Ms
an, este mtodo de intervalos es una optimizacin del "mtodo de
comparacin por pares" que sentaba las bases de sus principios de
medicin sobre unos postulados tericos concretos que describiremos
brevemente a continuacin. Este mtodo de comparacin por pares
consiste en presentar a una muestra representativa de la poblacin
una lista previa de enunciados que, se piensa, pueden ser pertinentes
para medir el grado favorabilidad/desfavorabilidad de los individuos
hacia un cierto objeto. Sin embargo, los sujetos de esta muestra no
actan como sujetos que responden con su opinin a los enunciados
o tems, sino que hacen de jueces para discriminar la favorabilidad de
esos enunciados. Es decir, no expresan su opinin sobre la afirmacin
que se los presenta, lo que se les pide es que manifiesten cul es el
grado de favorabilidad que expresan los enunciados con respecto al
objeto de que tratan.
Para construir una escala de actitud tipo Thurstone, debemos seguir,
al menos, siete pasos. En primer lugar intentar especificar lo mas
claramente posible cul es la variable actitud que queremos medir.
Una vez que tengamos una idea, clara sobre esa variable, el siguiente
28
todos
los
grados-valores
de
favorabilidad.
Sin
embargo, con este sistema no sabemos aun si los tems son buenos o
malos si, a pesar de que sabemos su valor escalar todo el mundo
estar de acuerdo en que ese es su grado de favorabilidad.
Necesitamos saber la ambigedad-dispersin del tem, si est claro
para todo el mundo la posicin de favorabilidad que ocupa. As,
depuramos la escala de los tems que no. Estamos seguros de si
reflejan una actitud favorable o desfavorable. Una vez dados estos
pasos, elegimos aquellos tems que configuran una distribucin ms
uniforme de la escala. Finalmente, cuando administremos la escala a
la muestra elegida podremos obtener su fiabilidad y validez y analizar
los datos de las actitudes de los individuos. En resumen, los pasos
son:
29
Especificacin de la variable
Se debe definir con claridad y sin ambigedad, si se quiere obtener
una buena escala que mida efectivamente lo que se pretende medir.
La eleccin de los tems correspondientes y, por tanto, toda la escala,
depender de este primer paso.
Recoleccin de enunciados
La escala requiere tantos tems cuantos sean necesarios para cubrir
toda la gama que va desde los muy desfavorables al objeto sobre el
que se intenta medir la actitud, hasta los muy favorables.
Seleccin de los tems
Esta seleccin se refiere al primer filtro que deben pasar los tems en
la escala. Dicho filtro ha de tener en cuenta sobre todo, las
caractersticas lingsticas y gramaticales de los tems, su estructura
lgica y sus caractersticas generales.
Recurso a los jueces
El recurso a los jueces es la particularidad ms importante del mtodo
de intervalos aparentemente iguales para establecer el grado de
favorabilidad de cada tem dentro la escalas y, por tanto, para
abandonar aquellos tems que nos proporcionan una informacin
redundante.
Clculo del valor escalar de cada tem
El valor escalar de un enunciado en una escala Thurstone (el lugar
que el enunciado ocupa en la escala) viene dado por la mediana de
30
Q3 Q1
2
.... (1.1)
Q1 : Primer Cuartil
Q3 : Tercer Cuartil
Un tem ser menos ambiguo si su desviacin cuartil es menor.
Generalmente se acepta como enunciado poco ambiguo aquel cuya
desviacin cuartil sea menor o igual que 1,40 y ambiguo lo contrario.
Seleccin de enunciados uniformemente distribuidos
Si construimos la escala a partir de cinco intervalos, lo ideal es una
escala con diez tems, es decir 2 tems por cada intervalo, situados
preferiblemente en sus lmites y en su centro. Se debe tener en
cuenta que una actitud es considerada un aspecto con dos polos:
favorable o desfavorable.
31
ESCALA DE LIKERT
La presentacin de este mtodo de calificaciones sumadas para la
medicin de actitudes fue desarrollada por R.Likert en 1932, partiendo
de una encuesta, sobre relaciones internacionales, relaciones
raciales, conflicto econmico, conflicto poltico y religin, realizada
entre 1929 y 1931 en diversas universidades de EEUU. (LIKERT, R.
1932). La escala de Likert es una de las ms utilizadas en la medicin
de actitudes. Inspirndose probablemente en la teora factorial de
aptitudes de Spearman, confeccion un mtodo sencillo por la
simplicidad de su confeccin y aplicacin. Acusando al, mtodo de
Thurstone de ser excesivamente laborioso, sin que sepamos por ello
que funcione mejor que otras tcnicas ms sencillas, su tcnica ofrece
ventajas de construccin. Entre estas ventajas se encuentra una ms
amplia posibilidad de respuestas, tambin se evita el recurso a los
jueces, sin que esto repercuta en la alta correlacin que mantiene con
otros mtodos para medir actitudes. Bajo la perspectiva de considerar
las actitudes como un continuum que va de lo favorable a lo
desfavorable, esta tcnica, adems de situar a cada individuo en un
punto determinado, lo que es rasgo comn a otras escalas, tiene en
cuenta la amplitud y la consistencia de las respuestas actitudinales.
Estas caractersticas las analizaremos al tratar la construccin,
veamos antes cul es su filosofa.
Para construir una escala de actitudes de calificaciones sumadas, en
primer lugar debemos definir el objeto de la variable actitud que
32
la
puntuacin
sumada
de
cada
individuo
33
34
Ponderacin arbitraria.
entre
las
puntuaciones
logradas
por
los
sujetos
35
Ejemplo:
Si pudiera no estudiara ms matemticas
TA
A
I
D
TD
1
2
3
4
5
Si pudiera estudiara ms matemticas
TA
A
I
D
TD
5
4
3
2
1
36
percibe lo siguiente: a toda nota global alta, nota elemental alta, a nota
global baja, nota elemental baja, al menos estadsticamente hablando.
Entonces tenemos que verificar que esta relacin existe y que es
estadsticamente significativa. Aquellos tems que reciben respuestas
favorables por parte de individuos que, como grupo, no responden a la
mayora de los otros tems de forma favorable (o viceversa) se
descartan, considerndose que no detectan las mismas actitudes que
los otros tems. En otras palabras, se busca validar la significacin de
un tem estableciendo la relacin entre las notas elementales que han
sido dadas y las notas globales correspondientes. La nota global se
comporta como la nota referencial la cual nos ayudara a hacer el
descarte.
37
anterior
mediante
una
prueba
no
paramtrica.
Se
38
ESCALA DE GUTMAN
La escala de Gutman la concibi Louis Guttman en 1940, para
integrar la prueba emprica de unidimensional como parte del proceso
de elaboracin de escalas, es un procedimiento o tcnica para
determinar ciertas propiedades de una escala, de un conjunto de
tems (preguntas); basado en el hecho de que algunos tems indican,
en mayor medida, la intensidad de la actitud. La escala busca analizar
si los tems de una escala son reproducibles y escalables. Se dice que
hay reproducibilidad si a partir del puntaje total de cada persona,
podemos reproducir su puntaje en cada tem, y que hay escalabilidad
si los tems tienen diferente intensidad, representan diferentes grados
de actitud, ambas caractersticas estn relacionadas y suponen que
los tems son unidimensionales. La escala es acumulativa y ello
implica que los tems se pueden ordenar por su grado de dificultad, y
quien contesto afirmativamente a un tem difcil, contestara siempre
afirmativamente a un tem menos difcil y viceversa. Un ejemplo en la
ciencia fsica seria: si un objeto mide cuatro metros, es mas largo que
un objeto que mide tres metros, dos metros o de un metro, otro
ejemplo seria si una persona muestra actitud muy favorable para
levantar inventarios, tendr una actitud muy favorable en trabajos de
contabilidad y la tendr tambin para trabajar en el departamento de
finanzas, otro ejemplo si un grupo de trabajadores acepta trabajar con
miembros de otro grupo tnico, al mismo grupo no le molestara que
esos trabajadores de otro grupo tnico sean miembros de su club
deportivo, y tambin aceptaran habitar en el mismo edificio.
39
40
41
por 100 de las originales) expliquen la mayor parte (mas del 80 por
100 de la variabilidad original). La tcnica de componentes principales
es debida a Hotelling (1933), aunque sus orgenes se encuentran en
los ajustes ortogonales por mnimos cuadrados introducidos por K.
Pearson (1901). Su utilidad es doble:
Permite representar ptimamente en un espacio de dimensin
pequea observaciones de un espacio general p-dimensional.
En este sentido, componentes principales es el primer paso para
identificar las posibles variables latentes, o no observadas que
generan los datos.
Permite
transformar
correlacionadas,
en
las
variables
nuevas
originales,
variables
en
general
incorrelacionadas,
1
X X
n
42
.. (1.2)
Figura N 1.1
Ejemplo de la recta que minimiza las distancias ortogonales
de los puntos a ella.
43
......................... (1.3)
r
i 1
xi z i a i
. (1.4)
i 1
. (1.5)
44
x x z
i 1
i 1
2
i
ri 2
.. ..
(1.6)
i 1
r 2 , la suma de
i 1 i
n
2
i 1 i
z ,
d ij2 ( z i z j ) 2 a las
45
D
i
(dij2 dij2 )
j
2
j ij
d
i
b) Enfoque estadstico
Representar puntos p dimensionales con la mnima prdida de
informacin en un espacio de dimensin uno es equivalente a sustituir
las p variables originales por una nueva variable, z1, que resuma
ptimamente la informacin. Esto supone que la nueva variable debe
tener globalmente mxima correlacin con las originales o, en otros
trminos, debe permitir prever las variables originales con la mxima
precisin. Esto no ser posible si la nueva variable toma un valor
semejante en todos los elementos.
Volviendo a la Fig.1.1 se observa que la variable escalar obtenida al
proyectar los puntos sobre la recta sirve para prever bien el conjunto
de los datos. La recta indicada en la figura no es la lnea de regresin
de ninguna de las variables con respecto a la otra, que se obtienen
minimizando las distancias verticales u horizontales, sino la que
minimiza las distancias ortogonales o entre los puntos y la recta y se
encuentra entre ambas rectas de regresin.
Este enfoque puede extenderse para obtener el mejor subespacio
resumen de los datos de dimensin 2. Para ello, calcularemos el plano
que mejor aproxima a los puntos. El problema se reduce a encontrar
46
una nueva direccin definida por un vector unitario, a2, que, sin
prdida de generalidad, puede tomarse ortogonal a a1, y que verifique
la condicin de que la proyeccin de un punto sobre este eje
maximice
las
distancias
entre
los
puntos
proyectados.
c) Enfoque geomtrico
El problema puede abordarse desde un punto de vista geomtrico con
el mismo resultado final. Si consideramos la nube de puntos de la
Fig.1.1 vemos que los puntos se sitan siguiendo una elipse y
podemos describirlos por su proyeccin en la direccin del eje mayor
de la elipse. Puede demostrarse que este eje es la recta que minimiza
las distancias ortogonales, con lo que volvemos al problema que ya
hemos resuelto. En varias dimensiones tendremos elipsoides, y la
mejor aproximacin a los datos es la proporcionada por su proyeccin
sobre el eje mayor del elipsoide. Intuitivamente la mejor aproximacin
en dos dimensiones es la proyeccin sobre el plano de los dos ejes
mayores del elipsoide y as sucesivamente. Considerar los ejes del
elipsoide como nuevas variables originales supone pasar de variables
47
z1 = Xa1.
1
1
z '1 z1 a '1 X ' Xa1 a '1 Sa1 .. (1.7)
n
n
Donde S es la matriz de varianzas y covarianzas de las
observaciones. Es obvio que podemos maximizar la varianza sin limite
aumentando el modulo del vector a1. Para que la maximizacin de
(1.7) tenga solucin debemos imponer una restriccin al modulo del
vector a1, y, sin prdida de generalidad, impondremos que a'1a1 = 1.
Introduciremos esta restriccin mediante el multiplicador de Lagrange:
M
2 Sa1 2a1 0
a1
48
....
(1.8)
2 Sa1 21 a1 0
a1
2 Sa 2 2 2 a 2 0
a 2
49
..... (1.10)
Sa2=2a2
. (1.11)
1 2
. (1.12)
S I = 0.. (1.13)
50
son dos
componentes
principales
son
nuevas
variables
con
las
propiedades siguientes:
1). Conservan la variabilidad inicial: la suma de las varianzas de los
componentes es igual a la suma de las varianzas de las variables
originales, y la varianza generalizada de los componentes es igual
a la original.
51
tanto,
S x 1 ..... p i 1Var ( Z i ) S z .
P
i 1
igual, como
52
Cov (z ; x) =
1
Z' X
n
1
A' X ' X A' S DA'
n
53
Para comprobarlo:
Cov ( z i x j )
Corr ( z i ; x j )
Var ( z i )Var ( x j )
i aij
i s j 2
aij
sj
originales
se
obtiene
utilizando
las
primeras
de
los
datos
originales.
Estandarizando
los
54
55
56
57
58
Rotaciones Ortogonales
Rotacin Varimax
59
Rotacin Cuartimax
Rotaciones Oblicuas
Representacin Grfica
anlisis es la
60
Donde:
Fij
Representa
la
puntuacin
del
i-simo
componente
a is
Z sj
61
las
siguientes
caractersticas:
observaciones
insuficientes,
62
de
componentes
principales
categrico
maximiza
las
63
sobre
64
especfico
hipottico
constructo.
En
trminos
65
66
la correlacin.
67
Improvisacin
68
k
1
k 1
S i2
i1
S T2
Donde:
2
np
1 p ( n 1)
Donde:
n: Es el nmero de tems.
p: Es el promedio de las correlaciones lineales entre cada uno de
los tems.
69
70
71
La Investigacin.-
72
Es
una
prueba
estadstica
desarrollada
para
realizar
73
grupos
que
se
comparan
sean
aproximadamente
iguales
74
CAPITULO II
PLANTEAMIENTO DEL PROBLEMA
75
uno
debe
tener.
Las
normas
universitarias
se
concentran
en
lo
76
CAPITULO III
HIPTESIS Y METODOLOGA
3.1.
SISTEMAS DE HIPTESIS
3.1.1. HIPTESIS GENERAL
77
3.2.
DEFINICIONES OPERATIVAS
Formacin de actitudes
La escala de actitudes hacia la investigacin de las carreras de
Ingeniera y Ciencias de la UNI est constituido por un componente
cognitivo, conductual y afectivo. Es un estado mental duradero y
organizado, aprendido a travs de la experiencia, que predispone a la
accin y que influye en la respuesta a un determinado objeto o
situacin. Por la naturaleza misma del proceso de investigacin que
exige tantos conocimientos tericos (metodologa, modelamiento
estadstico-matemtico,
etc.)
como
prcticos
(habilidades
y se expresa en el manejo de
78
DISEO MUESTRAL
3.3.1.
MTODO DE INVESTIGACIN
Para tales propsitos se debe construir un modelo estadstico que
nos permita combinar o agrupar las caractersticas mencionadas,
de manera que podamos obtener nuevas variables o factores que
aunque no son directamente medibles (observables) pero que
tienen un significado prctico, por lo tanto de fcil interpretacin.
Estas agrupaciones de caractersticas deben ser comunes, en el
sentido que una caracterstica que pertenece a un grupo o factor
comn deber explicar en la misma forma que las dems
caractersticas dentro del grupo. Es decir, podemos suponer que
existen altas correlaciones entre las
variables o caractersticas
un modelo estadstico
79
TIPO DE INVESTIGACIN
Es una investigacin de carcter observacional, exploratorio,
transversal.
3.3.3.
POBLACIN
Definiciones Previas
Universo
Para este estudio nuestro universo es los estudiantes de la
Universidad Nacional de Ingeniera
Unidad de Anlisis
La unidad de anlisis para la presente investigacin es el
estudiante (de la Universidad Nacional de Ingeniera que
cumpla los criterios de inclusin de la muestra) midiendo de l
sus actitudes en base a los reactivos (preguntas) del
80
Poblacin Objetivo
La poblacin a estudiar son los estudiantes de la Universidad
Nacional de Ingeniera que se encontraron matriculados en el
ciclo
acadmico
(2005-II)
en
las
diferentes
escuelas
que
se
designe
para
esa
facultad
y/o
especialidad.
-
81
Criterios de Exclusin
-
3.3.4.
LA MUESTRA
Est constituido por 382 estudiantes, la muestra se ajusto sobre la
base de los ciclos del 7 al 10. Las cuotas fueron distribuidas
proporcionalmente a la cantidad de estudiantes entre las
especialidades y los ciclos acadmicos de estudio mencionados.
Segn Jolliffe, I. T. op. Cit, considera que siempre que no exista
una estructura compleja en la poblacin, la seleccin del tamao
muestral equivale al caso de un muestreo simple aleatorio y la
determinacin del tamao de muestra no se ve afectado por estos
factores de diseo y sugiere aplicar las reglas del ratio. Las reglas
del ratio se generan bajo el supuesto de cantidad suficiente de
observaciones.
82
TABLA N 3.1
Alumnos que participaron en la Encuesta segn Sexo
Escuela Profesional
Ing. Elctrica
Ing. Electrnica
Ing. Telecomunicaciones
Ing. Mecnica
Ing. Mecnica Elctrica
Ing. Naval
Ing. Mecatrnica
Ing. Civil
Ing. Geolgica
Ing. Metalrgica
Ing. Minas
Ing. Sanitaria
Ing. Higiene y Seguridad
Ing. Econmica
Ing. Estadstica
Fsica
Matemtica
Qumica
Ing. Fsica
Ing. Petrleo
Ing. Petroqumica
Ing. Qumica
Ing. Textil
Ing. Industrial
Ing. Sistemas
Total
3.3.5.
SEXO
Masculino Femenino
18
1
16
1
11
2
20
0
15
0
7
0
9
1
49
8
7
1
8
0
13
0
12
1
7
7
17
6
9
1
5
2
7
0
6
0
5
1
6
1
1
6
22
8
9
5
17
7
19
8
315
67
INSTRUMENTO DE RECOLECCIN
El cuestionario psicomtrico.Se desarrollar un cuestionario siguiendo las pautas de Espsito,
J. (2002), para el proceso de construccin y validacin de
encuestas. Asimismo, la evaluacin de actitudes tipo Likert se
disear con una escala de valoracin de diez grados con el fin de
83
la
investigacin
de
Schwarz,
N.
(1995)
son
84
Importancia
de
la
investigacin,
Preferencias
hacia
la
2.
La
experimentacin
lo
motiva
realizar
nuevas
investigaciones.
3.
4.
5.
6.
7.
8.
9.
85
tiempo a
cientfico.
86
CAPITULO IV
RESULTADOS Y ANLISIS
87
Tabla N 4.1
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin.
Chi-cuadrado aproximado
Prueba de
esfericidad de Bartlett gl
Sig.
En la tabla 4.1
.819
3120.680
496
.000
88
inercia acumulada
alfa de cronbach
18.058%
0.7913
Carga
0.58
0.57
0.68
0.63
0.69
inercia acumulada
alfa de cronbach
27.221%
0.7059
inercia acumulada
alfa de cronbach
Carga
0.61
0.57
0.73
0.81
34.218%
0.6853
89
Carga
0.73
0.61
0.6
0.6
0.6
0.56
0.67
P1
0.034
0.02
0.071
P2
P3
P4
P5
P6
P7
P8
P9
P10
P11
P12
P13
P14
P15
P16
-0.004 0.083 -0.044 0.013 -0.045 -0.003 0.052 0.114 -0.044 -0.059 0.009 0.142 0.121 0.167 0.151
0.077 -0.066 0.193 0.138 0.153 -0.017 0.066 -0.063 0.186 0.036 -0.053 -0.069 0.021 -0.028 -0.088
0.129 0.158 -0.093 -0.013 0.014 0.225 -0.036 -0.071 -0.017 0.19
0.288 0.022 -0.018 -0.056 0.029
Comp1
Comp2
Comp3
P17
P18
-0.078 -0.022
0.159 0.104
0.113 -0.003
P19
P20
P21
0.113
0.13 0.158
0.02 0.003 -0.003
0.011 -0.027 0.075
P22
0.019
0.097
0.079
P23
P24
0.009 -0.054
0.13 0.2
0.031 -0.093
P25
0.092
0.018
0.034
P26
P27
P28
-0.004 -0.039 -0.023
0.041
-65
0.041
0.149 0.339 0.178
P29
0.114
-0.05
0.083
P30
-0.044
0.142
0.038
P31
0.041
0.078
0.027
90
P32
0.106
-0.03
-0.055
Existen tems para cada componente que aportan mayor informacin explicativa y
son los que anteriormente fueron agrupados en 3 factores y se encuentran
marcados en la tabla 4.3. Se puede precisar que se encontr factores que
explicaran la actitud de los estudiantes hacia una investigacin
A continuacin analizaremos nuestra hiptesis especfica, la que trata
acerca de la Importancia de la Investigacin para la Sociedad que se expresa
como actitud si esta es o no significativa en las escuelas de ingeniera que tienen
el mayor crdito acadmico en cursos relativos a la Investigacin se realiza una
comparacin de ms de dos grupos realizaremos el anlisis de varianza para lo
cual comenzaramos evaluando los supuestos de independencia, normalidad y
homocedasticidad. Hay independencia ya que cada facultad tiene su consejo de
facultad independiente para la toma de sus decisiones y ello repercute en las
escuelas que son nuestras muestras. Hay normalidad ya que mediante la prueba
de Shapiro Wilks para menos de 50 grados de libertad (que es nuestro caso), en
la tabla 4.4 observamos que los niveles de significancia son mayores que el nivel
de significancia establecido del 5% por lo que decimos que las muestras se
distribuyen de forma normal.
Tabla N4.4
Prueba de Shapiro Wilk
Shapiro - Wilk
ESCUELA
PROFESIONAL
Importancia de
la Investigacion
Ing. Minas
Ing. Higiene y
Seguridad
Industrial
Ing. Economica
Ing. Estadistica
Ing. Textil
Ing. Industrial
Ing. Sistemas
91
Estadistico
gl
Sig
0,884
12
0,097
0.965
0.965
0.846
0.937
0.92
0.954
14
23
10
14
24
27
0,796
0,572
0,052
0,382
0,060
0,272
homogeneidad.
Grafico N 4.2
Diagrama de Cajas con respecto a su variabilidad
Pero para saber si hay homogeneidad tenemos que probarlo estadsticamente por
lo que aplicaremos la prueba de levene. Por lo cual planteamos las hiptesis:
Ho: La Importancia de la Investigacin para la Sociedad que se
expresa como actitud no es significativa en las escuelas de
ingeniera que tienen el mayor crdito acadmico en cursos
relativos a la Investigacin.
92
es
gl2
117
Sig.
0,633
gl
Media
cuadrtica
229,813
59,457
Inter-grupos
Intra-grupos
1,378,876
6,956,478
6
117
Total
8,335,355
123
Sig.
3,865
,001
93
Adems encontramos relacin entre parejas de escuelas que tiene una diferencia
ms significativa que las otras, para lo cual utilizaremos la prueba de scheffe ya
que, se utiliza para las comparaciones de media y en la prueba de anlisis de
varianza es la que contrasta la hiptesis de igualdad de medias de dos o ms
grupos. Si el resultado se considera estadsticamente significativo, lo que se
afirmara que al menos la media de uno de los grupos es distinta a las restantes, o
bien que hay otras medias diferentes entre s.
Tabla 4.7
Prueba de Scheffe
Ing. Minas
Ing. Higiene
Ing. Economia
Ing. Estadistica
Ing. Textil
Ing. Industrial
Ing. Sistemas
Ing. Minas Ing. Higiene Ing. Economia Ing. Estadistica Ing. Textil Ing. Industrial Ing. Sistemas
1
0.968
0.958
1
0.399
0.595
1
0.9
0.98
0.996
0.221
0.386
0.968
0.9
0.414
0.999
0.852
0.966
0.958
0.98
0.414
0.79
0.036
0.076
1
0.996
0.996
0.79
0.668
0.848
0.399
0.221
0.221
0.036
0.668
1
0.595
0.386
0.386
0.076
0.848
1
Segn la tabla 4.7 podemos notar que por la prueba de scheffe la pareja que
escuelas que tiene una diferencia significativa es la de estadstica y la de
industrial ya que su nivel de significancia es menor de 0.5.
94
CONCLUSIONES
95
explica el 7% de
variabilidad y los tems relacionados tienen que ver con el rol que juegan la
universidad, las facultades, y los profesores en el desarrollo de la
investigacin. Aqu se considera importante que las Escuelas definan sus
lneas de investigacin, que promuevan la participacin permanente de los
profesores en la bsqueda de problemas de investigacin. Esto se traducira
en la produccin de una mayor cantidad de Tesis con sentido prctico para el
desarrollo de la comunidad.
96
RECOMENDACIONES
97
Bibliografa
CONTASTI, M., Transformacin de la Educacin Superior: Pertinencia y Calidad,
Estudios y Rituales. Conferencia Regional sobre Polticas y Estrategias para
la Transformacin de la Educacin Superior en Amrica Latina y El Caribe.
Venezuela, Mrida. 1996.
ESTRADA ROCA Assumpta. Actitud hacia la estadstica e instrumentos de
evaluacin. Universidad de Lleida. Departamento de matemtica. Facultad
de Ciencias de Educacin. Complex de la Caparrella, s/n. 25192. Lleida,
Espaa.
PAPANASTESIOU Elena C. Estructura factorial de la escala de actitudes hacia la
investigacin. Intercollege, Mourouzi, #402, 1055 Nicosia, Chipre. Asociacin
internacional para la educacin estadstica, mayo, 2005.
SCHWARZ, N.,What respon-dents learn from questionnaires: The survey
interview and the logic of conversation. International Statis-tical Review. Vol
63 N 2. pp. 153-177. Mxico. 1995.
PIRELA MORILLO Johann, OCANDO MEDINA Jenny. El desarrollo de actitudes
hacia el conocimiento y la investigacin desde la biblioteca escolar.
Universidad de Los Andes, Mrida. Venezuela. 2002.
ESTRADA Assumpta, BATANERO Carmen, FORTUNY Joseph. Componentes de
las actitudes hacia la estadstica en profesores en formacin. Universidad de
Lleida, Universidad de Granada, Universidad Autnoma de Barcelona.
PEA, DANIEL. Anlisis de Datos Multivariantes Universidad Carlos III de
Madrid. Cap 5 (2002)
98
UADY. Nueva
99
ANEXOS
100
ANEXO N1
COMUNALIDAD
La comunalidad de una variable es igual es igual a la suma de los coeficientes
factoriales al cuadrado de cada variable con todos los factores.
La comunalidad puede oscilar entre cero y uno. Cero indica que los factores no
explican nada de la variable y uno indica que explican el 100% de la variabilidad
de la variable.
La variabilidad total de una variable se expresa as:
h 2 U 2 1
Donde:
h 2 es la comunalidad y
U es el factor nico
101
ANEXO N2
Como calcular el Coeficiente Alfa de Cronbach
Suponga que se tiene un cuestionario para evaluar la aceptacin de un curso
con tres preguntas y se desea saber si los datos que se obtienen a partir de
esta herramienta, son confiables. Para evaluar la fiabilidad de este
cuestionario, este ltimo se aplic a 10 jueces. Las preguntas y los resultados
se muestran a continuacin
tem 1: El curso ha respondido a sus expectativas?
tem 2: Los expositores conocen el tema?
tem 3: Se desarroll de acuerdo a lo programado?
Para nuestro ejemplo se consider la escala de 1 a 5 para cada pregunta
donde Con esta informacin calcularemos el alfa de cronbach mediante los
dos mtodos explicados en pginas anteriores:
a. Mediante la varianza de los tems y la varianza del puntaje total, o
sea usando la siguiente formula:
Jueces
Item 1
1
4
2
2
3
3
4
2
5
2
6
1
7
2
8
3
9
4
10
1
Total Columna
24
Promedio
2.4
Desv. Estandar
1.075
Item 2
2
1
1
2
1
1
4
3
4
1
20
2
1.247
k
1
k 1
S
i 1
2
i
Item 3
4
3
2
2
4
3
4
4
3
1
30
3
1.054
S
i 1
S T2
2
i
102
Total Fila
10
6
6
6
7
5
10
10
11
3
74
7.4
2.675
K=3
3.82155
1
0.699
7.156
3 1
Ahora veamos cuanto obtenemos si usamos la otra frmula es decir:
b. Mediante la matriz de correlacin de los tems
np
1 p ( n 1)
rij
x y mx y
( x mx )( y my
i
2
i
2
i
Donde:
"m" es el nmero de jueces
Por ejemplo para hallar la correlacin lineal entre las preguntas 1 y 2
tenemos:
r12
(4 x 2 2 x1 1x1) 10(2.4)(2)
(42 22 12 (10)(2.42 ))(2 2 12 12 (10)(2 2 ))
0.497
tem 1
tem 2
tem 3
tem 1
1.000
0.497
0.392
103
tem 2
0.497
1.000
0.423
tem 3
0.392
0.493
1.000
(3)(0.4373)
0.699
1 (0.4373)(3 1)
104
ANEXO N3
Poblacin Universitaria UNI por Facultad Periodo
2005-2
105
ANEXO N 4
Informacin sobre las Facultades
Cada integrante estudi los cursos correspondientes a las facultades asignadas,
logrando centrarse sobre aquellas que tienen relacin con la investigacin y estadstica.
Se clasifico los cursos en 4 grandes grupos(a propuesta del profesor y alumnos
miembros del curso)
-
cursos de estadstica
cursos de metodologa
cursos de investigacin de operaciones y otros
cursos de control de la calidad
C AR R E R AP R O F E S IO NAL
Ing. Estadistica
Ing. Economica
Ing. Textil
Ing. De Higiene y Seguridad Industrial
Ing. Industrial
Ing. de Minas
Ing. de Sistemas
Fisica
Ing. Sanitaria
Matematica
Ing. Quimica
Ing. Telecomunicaciones
Ing., Geologica
Ing. Metalurgica
Ing. Electrica
Ing. Electronica
Ing. Petroleo
Quimica
Ing. Civil
Ing. Mecatronica
Ing. Petroquimica
Ing. Mecanica
Ing. Mecanica Electrica
Ing. Naval
Ing. Fisica
E s tadis ticas
87
18
3
4
3
13
6
8
4
9
4
7
7
4
3
3
4
0
3
3
4
3
3
3
0
106
ANEXO N 5
Carga de Factores Rotados y Comunalidades
Componentes
1ro 2do 3ro
15. La investigacin le parece fascinante.
21. La investigacin le resulta agradable.
16.
14.
20.
19.
13.
Comunalidad
0.73
0.67
0.61
0.538
0.47
0.384
0.60
0.60
0.60
0.56
0.385
0.379
0.363
0.358
10.
24.
4.
6.
17.
Le parece muy sencillo disear una muestra experimental con sustento estadstico.
Le resulta fcil plantear un problema de investigacin.
Se le hace fcil formular una hiptesis de investigacin.
No incurre en muchas equivocaciones en el diseo de un experimento de investigacin.
Ud. no tiene dudas respecto al procesamiento y/o anlisis de datos provenientes de la
30.
5.
23.
28.
18.
2.
27.
12.
7.
11.
107
0.69
0.68
0.63
0.58
0.57
0.485
0.458
0.408
0.343
0.326
0.81
0.73
0.61
0.54
0.685
0.571
0.41
0.357
ANEXO N 6
Total de crditos que las Carreras Profesionales asignan como obligatorios y electivos
para poder Egresar.
Facultades
FAUA
FIC
FC
FIA
FIPP
FIECS
FIEE
FIGMM
FIIS
FIM
FIQT
Escuelas
Arquitectura
ing. civil
Matemtica
Fsica
Qumica
ing. fsica
ing. Sanitaria
Ing. de Higiene y Seguridad Industrial
Ingeniera de Petrleo
Ingeniera Petroqumica
Ingeniera Econmica
Ingeniera Estadstica
Ingeniera Elctrica
Ingeniera Electrnica
Ingeniera de Telecomunicaciones
Ingeniera Geolgica
Ingeniera de Minas
Ingeniera Metalrgica
Ingeniera Industrial
Ingeniera de Sistemas
Ingeniera Mecnica
Ingeniera Mecnica-Elctrica
Ingeniera Naval
Ingeniera Mecatrnica
Ingeniera Qumica
Ingeniera Textil
total crditos
obligatorios en
estudio
total crditos
electivos en
estudio
Total crditos
electivos en
Carrera
184
190
180
177
181
195
182
178
194
197
176
175
177
168
204
179
184
189
184
198
209
209
217
210
191
184
28
27
30
24
20
16
33
34
16
13
26
28
28
37
12
31
26
21
18
8
21
21
18
21
20
24
212
217
210
201
201
211
215
212
210
210
202
203
205
205
216
210
210
210
202
206
230
230
235
231
211
208
108
ANEXO N 7
Nmero de centros de investigacin presentes dentro de cada facultad
Centro de
Centro de
Total de
FACULTADES investigacion investigacion
centros de
de alumnos de la facultad investigacion
FAUA
0
1
1
FIC
3
1
4
FC
2
13
15
FIA
1
1
2
FIPP
1
1
2
FIECS
0
1
1
FIEE
0
1
1
FIGMM
1
1
2
FIIS
2
2
4
FIM
5
1
6
FIQT
1
1
2
109