Cmo seleccionar una muestra para investigar el aprendizaje estudiantil

22 de agosto de 2008 Sr. Jos M. Coln de la Matta Oficina de Planificacin Acadmica

Plan de evaluacin del aprendizaje estudiantil (metas)

(1) estimular el inters y la discusin sobre el aprendizaje estudiantil (2) fomentar la reflexin sobre las prcticas de enseanza y evaluacin (3) desarrollar un sistema institucional continuo de recopilar evidencia que permita reconocer en qu grado se est logrando lo que los programas acadmicos y el Recinto, en su conjunto, se proponen con relacin al aprendizaje estudiantil.

Plan de evaluacin del aprendizaje estudiantil (preguntas principales)

1) En qu grado los estudiantes del Recinto de Ro

Piedras estn logrando los aprendizajes que se esperan, segn se expresa en la Misin del Recinto, el perfil de la persona egresada y en las metas y los objetivos de los programas acadmicos?
2) Cmo evidenciamos el logro de esos

aprendizajes?
3) Qu acciones y decisiones toman los programas

acadmicos y el Recinto a partir de los hallazgos?

Plan de evaluacin del aprendizaje estudiantil

Se fundamenta en la Misin del Recinto, en el perfil de la persona egresada y en las metas y objetivos de los programas, Facultades o Escuelas. Requiere que se utilicen mltiples y variadas fuentes de informacin acerca de los aprendizajes del estudiantado en diferentes momentos.

Plan de evaluacin del aprendizaje estudiantil

La responsabilidad de llevar a cabo el proceso de evaluacin del aprendizaje estudiantil del Recinto recae, entonces, de manera compartida entre los programas acadmicos, las Facultades y Escuelas y la propia institucin, a tono con el calendario de trabajo para la implantacin del PEAE en el Recinto.

Plan de evaluacin del aprendizaje estudiantil

Se llevar a cabo en dos etapas.
La primera hasta un mximo de tres aos La segunda hasta un mximo de dos aos

Plan de evaluacin del aprendizaje estudiantil

En la primera etapa se seleccionarn al menos dos de los siguientes cuatro dominios de la Misin del Recinto.
Capacidad critica Comunicacin efectiva Responsabilidad social Investigacin y creacin

Plan de evaluacin del aprendizaje estudiantil

Tcnicas directas para recopilar la informacin
Exmenes de grado o comprensivos Tesis o disertaciones Exmenes departamentales Certificaciones o revalidas Presentaciones Portafolios Proyectos de investigacin Entrevistas, encuestas de egresados, graduandos y patronos.

Cohorte
Conjunto de individuos de una poblacin que presentan un conjunto de criterios comunes Los estudios de cohorte se inician con la identificacin de individuos con y sin algn factor que se va a investigar. Posteriormente se realiza un seguimiento de los individuos y se estima cmo se distribuye el factor entre los que poseen y no poseen dicha caracterstica.

Muestreo - Conceptos Bsicos

Muestreo Mediante esta tcnica se permite analizar una parte de la poblacin. La alternativa es hacer un censo a todos los elementos de la poblacin. Tipos de muestreo
Probabilstico La seleccin es aleatoria de manera que cada elemento tiene cierta probabilidad de ser seleccionado. No probabilstico o por conveniencia Los elementos pueden ser voluntarios, opiniones de personas que transitan por algn lugar, estudiantes de una seccin, etc.

Muestreo - Conceptos Bsicos

Tipos de muestreo probabilstico
Aleatorio simple Conlleva seleccionar una muestra de tamao n de una poblacin N. La probabilidad de seleccin de cada elemento es n/N. Muestreo sistemtico Definir el marco muestral N Determinar el tamao de la muestra n Calcular un intervalo espaciador k; k = N/n Seleccionar un numero aleatorio r entre 1 y k. A este se le conoce como punto de inicio. Seleccionar los elemento de la lista

Muestreo - Conceptos Bsicos

Muestreo aleatorio estratificado Asegura la representatividad de cada grupo de la muestra. Los estimados son mas precisos.
En este mtodo la poblacin se divide en sub poblaciones. N = N1 + N2 +NL: Nh = es el nmero de elementos en el h-simo estrato.

Muestreo por conglomero La poblacin se divide en unidades primarias que estn compuestas por unidades secundarias. (bloques residenciales, viviendas). Se hace en etapas. Una consideracin importante es que supone que no hay gran variacin en las unidades primarias.

Muestreo - Conceptos Bsicos

Terminologa
Poblacin Conjunto de todos los elemento (los estudiantes nuevos de primer ao del cohorte de ao 2000) Unidades de muestreo Numero de elementos de la poblacin. Unidades de anlisis Individuos Marco muestral Lista de las unidades o elementos del muestreo. Muestra Se refiere al conjunto que es seleccionado del marco.

Muestreo - Conceptos Bsicos

Muestreo complejo Estos mtodos utilizan diferentes esquemas de seleccin y pueden ser conglomerados y estratos.
Probabilidad proporcional al tamao Lo pesos muestrales no son iguales para todos los elementos de la muestra. Probabilidad proporcional al tamao, estratificado con punto de inicio aleatorio.

Muestreo - Conceptos Bsicos

Otras definiciones
Parmetro Medida usada para describir una caracterstica de la poblacin.
Media poblacional () Varianza poblacional (2) Proporcin poblacional (P)

Estadstica Caracterstica de la muestra

Media muestral ( ) Generalmente se representa mediante la letra x con un barra Varianza muestral (s2 ) Proporcin muestral (p)

Muestreo - Conceptos Bsicos

Estimador Estadstica que se utiliza para aproximar un parmetro
Los estimadores se escogen en trminos de sus propiedades que deben ser insesgados, eficientes, consistentes y robustos. Normalmente se presentan mediante un intervalo. (ej. 70 +- 5). Esto depender de el nivel de confiabilidad deseado (ej. 90%, 95% 99%).

Anlisis Muestra dependientes

La estadstica que se utiliza es la distribucin t t = dpromedio [sd (1/n1/2)] Donde: dpromedio = el desvo promedio n = nmero de observaciones n1/2 = raz cuadrada de n sd = desviacin estndar de d para n-1 grado de libertad

Muestreo - Conceptos Bsicos

Propiedades de los estimadores
Insesgadez Se refiere a cuan distante est del parmetro. E[Xi] = para cualquier i=1...n

Muestreo - Conceptos Bsicos

Eficiencia Se refiere a la mnima varianza. Un estimador es ms eficiente si en comparacin con otro estimador su varianza es menor.

Muestreo - Conceptos Bsicos

Consistencia Esta propiedad tiene que ver con el tamao de la muestra. Cuando se aumenta la muestra la varianza tiende a ser igual que la varianza de la poblacin. Robustez Si la distribucin no es normal el estimado no se altera significativamente

Muestreo - Conceptos Bsicos

Uso de la distribucin normal Generalmente la muestra es lo suficiente grande de manera que los estimados se aproximen a la distribucin normal.
El valor exacto del estimado y del error ( - ) no se conoce, sin embargo;
La probabilidad de que | - | > = .32 La probabilidad de que | - | > 1.96 = .05 La probabilidad de que | - | > 2.58 = .01

Muestreo - Conceptos Bsicos

Tamao de la muestra El tamao depender de cada estudio y los costos juegan un papel preponderante as como el nivel de precisin deseado.

Muestreo - Conceptos Bsicos

Significancia estadstica Se refiere a la probabilidad de cometer error de Tipo I que es rechazar una hiptesis nula que es correcta. Se representa mediante la letra . Normalmente utilizamos = .05 y = .01 para el clculo de tamaos muestrales. Si = .05 entonces el nivel de confiabilidad es 95% y para = .01 es de 99%.

Muestreo - Tamao de la muestra

Factores importantes para determinar el tamao de la muestra:
Las variables a medir La variabilidad de la poblacin El tamao de la poblacin

Muestreo - Tamao de la muestra

Frmula : no = Z22/2 para datos continuos no = Z2P(1-P)/2 para la proporcin Z = Valor que determina el nivel de significancia 2 = Varianza de la poblacin = Precisin deseada p = Proporcin estimada

TABLE FOR DETERMINING NEED SIZES OF A RANDOMLY CHOSEN SAMPLE FROM A GIVEN FINITE POPULATION OF N CASES SUCH THAT THE SAMPLE PROPORTION p WILL BE WITHIN + 0.05 OF THE POPULATION PROPORTION p WITH A 95 PERCENT LEVEL OF CONFIDENCE
N 10 15 20 25 30 35 40 45 50 55
N is population; n is sample size

n 10 14 19 24 28 32 36 40 44 48

N 220 230 240 250 260 270 280 290 300 320

n 140 144 148 152 155 159 162 165 169 175

N 1200 1300 1400 1500 1600 1700 1800 1900 2000 2200

n 291 297 302 306 310 313 317 320 322 327

Krejcie, R.V. and Morgan, D.W. Determining sample size for research activities. Educational and Pyschological Measurement, 1970,30,607-610

Muestreo Ejemplo
Probabilidad proporcional al tamao, estratificado con punto de inicio aleatorio
Seleccionar una muestra del cohorte de estudiantes de nuevo ingreso correspondiente al ao acadmico 2006-07.

gnero. La poblacin ( N =2,197) de la Tabla obtenemos que el tamao de muestra para una confiabilidad de 95% es n = 327. Obtenemos el intervalo espaciador k dividiendo N/n = 2,197/327 = 7.

Los factores de variacin son facultad y

Muestreo Ejemplo
21 12d obs. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Cohorte 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 Conc AOFI AOFI AOFI AOFI AOFI AOFI AOFI AOFI CONT CONT CONT CONT CONT CONT CONT CONT CONT CONT CONT CONT Num_est 801062752 801065716 801061948 801067904 801063020 801068282 801064260 801060277 801062856 801068924 801067320 801060304 801061440 801060752 801063840 801064624 801068724 801061112 801068004 801067172 0 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 o 0 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 e 22d r 0 1 1 1 1 1 0 1 1 1 0 1 1 0 1 1 1 1 1 1 3er o 0 1 1 1 1 1 0 1 1 1 0 1 1 0 1 1 1 1 1 1 1Conc AOFI AOFI AOFI AOFI AOFI AOFI AOFI AOFI CONT CONT CONT CONT CONT CONT CONT CONT CONT CONT CONT CONT Genero F F F F F F F F F F F F F F F F F F F F Fac AE AE AE AE AE AE AE AE AE AE AE AE AE AE AE AE AE AE AE AE fac_rec 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Sel .

Muestreo Ejemplo
Se ordenan los datos por facultad y genero. Aunque no se est estratificando por concentracin es recomendable que tambin se ordenen por la variable concentracin.

Muestreo Ejemplo
Concentr acionIngr eso 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 AOFI AOFI AOFI AOFI AOFI AOFI AOFI AOFI CONT CONT CONT CONT AOFI AOFI NumeroEstudi ante 801062752 801065716 801061948 801067904 801063020 801068282 801064260 801060277 801062856 801068924 801067320 801060304 801061060 801062184 @1erAno 2doSem 0 1 1 1 1 1 0 1 1 1 1 1 1 1 @2doAno 1erSem 0 1 1 1 1 1 0 1 1 1 1 1 1 1 @2doAno 2doSem 0 1 1 1 1 1 0 1 1 1 0 1 1 1 @3erAno 1erSem 0 1 1 1 1 1 0 1 1 1 0 1 1 1 ConcOrigi nal AOFI AOFI AOFI AOFI AOFI AOFI AOFI AOFI CONT CONT CONT CONT AOFI AOFI Genero F F F F F F F F F F F F M M FacultadI ngreso AE AE AE AE AE AE AE AE AE AE AE AE AE AE

Muestreo Ejemplo
Se calcula un nmero aleatorio entre 1 y 7 el cual representar el punto de inicio aleatorio. Esto se hace en EXCEL con la funcin de Rand. Se escribe de la siguiente forma Rand()*(7-1)+1. El numero que se obtuvo fue el 4 o sea que el punto de arranque es 4. Una vez seleccionada la observacin nmero 4 entonces se procede a seleccionar una de cada 7.

Muestreo Ejemplo
Poblacin Muestra

Facultad AE AQ CN CP CS ED EG HU Total

F 277 21 323 59 264 324 68 181 1,517

% 12.1 0.9 14.1 2.6 11.5 14.1 3.0 7.9 66.0

M 212 11 172 10 117 136 55 67 780

% 9.2 0.5 7.5 0.4 5.1 5.9 2.4 2.9 34.0

Total 489 32 495 69 381 460 123 248 2,297

Facultad AE AQ CN CP CS ED EG HU Total

F 39 3 46 9 38 46 10 25 216

% 12.0 0.9 14.1 2.8 11.7 14.1 3.1 7.7 66.3

M 30 2 24 1 16 19 8 10 110

% 9.2 0.6 7.4 0.3 4.9 5.8 2.5 3.1 33.7

Total 69 5 70 10 54 65 18 35 326

Anlisis Muestra dependientes

Generalmente lo que queremos poner a prueba es el impacto de alguna poltica establecida. Como consecuencia queremos examinar el antes y despus. En esto casos tenemos una muestra que no es dependiente o lo que se conoce como observaciones en pares. En este tipo de caso la variable que se considera es d =(X1 X2) o dicho de otra forma el desvo.

Anlisis Muestra dependientes

Este anlisis hacer poner a prueba una hiptesis. Se define de la siguiente forma: Ho: d >= 0 El aprendizaje de los estudiantes no mejor Ha: d < El aprendizaje de los estudiantes mejor

Anlisis Muestra dependientes

Estudiante 1 2 3 4 5 6 7 8 9 10 11 12 antes x1 25.50 59.20 38.40 66.80 44.90 47.40 41.60 48.90 60.70 41.00 36.10 34.40 despus x2 43.6 69.9 39.8 73.4 50.2 53.9 40.3 58 66.9 66.5 27.4 33.7 diferencia -18.1 -10.7 -1.4 -6.6 -5.3 -6.5 1.3 -9.1 -6.2 -25.5 8.7 0.7

dpromedio =

-6.558

sd =
n1/2 =

9.001

3.464

Anlisis Muestra dependientes

Calculo de la estadstica t t = -6.558/[9.001/(12)1/2] = -6.558/[9.001/3.464] = -6.558/2.598 = -2.524

Anlisis Muestra dependientes

Se compara la t calculada con la t tabulada (tabla de valores de la distribucin t. La regla de decisin es Rechazar H0 si t calculada es menor que t tabulada. De lo contrario no la rechace. La t tabulada para un nivel de confiabilidad de 95% es -1.795885
La t calculada es -2.524. Se rechaza Ho y se concluye que hubo aprendizaje.

Valores de la distribucin t
t table with right tail probabilities critical values df\p 0.4 1 2 3 4 5 0.32492 0.288675 0.276671 0.270722 0.267181 0.25 1 0.816497 0.764892 0.740697 0.726687 0.1 3.077684 1.885618 1.637744 1.533206 1.475884 0.05 6.313752 2.919986 2.353363 2.131847 2.015048 0.025 12.7062 4.30265 3.18245 2.77645 2.57058 0.01 31.82052 6.96456 4.5407 3.74695 3.36493 0.005 63.65674 9.92484 5.84091 4.60409 4.03214 0.0005 636.6192 31.5991 12.924 8.6103 6.8688

6 7 8 9 10

0.264835 0.263167 0.261921 0.260955 0.260185

0.717558 0.711142 0.706387 0.702722 0.699812

1.439756 1.414924 1.396815 1.383029 1.372184

1.94318 1.894579 1.859548 1.833113 1.812461

2.44691 2.36462 2.306 2.26216 2.22814

3.14267 2.99795 2.89646 2.82144 2.76377

3.70743 3.49948 3.35539 3.24984 3.16927

5.9588 5.4079 5.0413 4.7809 4.5869

11 12 13 14 15

0.259556 0.259033 0.258591 0.258213 0.257885

0.697445 0.695483 0.693829 0.692417 0.691197

1.36343 1.356217 1.350171 1.34503 1.340606

1.795885 1.782288 1.770933 1.76131 1.75305

2.20099 2.17881 2.16037 2.14479 2.13145

2.71808 2.681 2.65031 2.62449 2.60248

3.10581 3.05454 3.01228 2.97684 2.94671

4.437 4.3178 4.2208 4.1405 4.0728

Bibliografa
Cochran, W.G.,(1977) Sampling Techniques, John Wiley & Son, N.Y. Comit para el Desarrollo del Plan de Evaluacin del Aprendizaje Estudiantil, (2004) Plan de Evaluacin del Aprendizaje Estudiantil, Decanato de Asuntos Acadmicos, Universidad de Puerto Rico, Recinto de Ro Piedras Krejcie, R.V. and Morgan, D.W., (1970) Determining sample size for research activities. Educational and Psychological Measurement, 30,(pp 607-610) Weirs, R.M., (1998) Introduction to Business Statistics, Duxberry Press, CA