Unidad I. Niveles y Escalas de Medición A Ser Aplicados En La Construcción De Instrumentos Para La Investigación.
1. Introducción A Las Escalas De Medición
El término escala ha
cobrado importancia en el mundo científico, pero a diferencia de la forma
general en que se entiende el significado de esta palabra, en la actualidad la
utilización de esta palabra se ha generalizado ya que con base en diversas
acepciones suele hacerse referencia a las mediciones (en puntos, centímetros,
unidades de peso o longitud) realizadas con objetos determinados, según las
leyes de semejanza o analogía. El término escala hace referencia a un concepto
mucho más general del de medición. La medición establece la cuantificación de
los objetos teniendo en cuenta una regla o patrón determinado (instrumentos de
medida). Por su parte, la escala de medición ofrece el sentido en que se
establecen las medidas (altruistas, egoístas, etc.) y permiten la
representación matemática de los resultados. Los instrumentos de medida (regla,
metro, patrón) pueden proporcionar una información cuantitativa de la magnitud
que mide el instrumento, simplemente una numeración de los objetos del grupo
estudiado. La escala, por el contrario, proporciona una información cualitativa
sobre los datos del grupo de investigación. Importancia de las escalas de
medida: hoy día se entiende que la escala de medida es la manera en que se
representa matemáticamente a un constructo. Para poder realizar el análisis de
algo determinado es necesario que este se pueda expresar en términos de
unidades, por ejemplo, la medida de la masa de las personas en kilogramos.
Cuando estos datos se adquieren a partir de una observación suelen ser números
con una escala continua (es decir, prima un orden entre los números),
exceptuando las denominadas escalas de Likert. Cuando los datos representan
niveles diferentes de la propiedad observada se dice que son escalas empíricas
(por ejemplo: 1 informe, 2 informes, frecuente...). Sin embargo, eso no es lo
más importante; sino que esos números indican valores distintos (o niveles) de
la propiedad observada.
2. Tipos De Escalas De Medición
Las escalas categóricas
consisten en agrupar los objetos de la medición en categorías, donde se asigna
a cada objeto o individuo la pertenencia a una de las categorías de la escala.
El ejemplo más conocido es la escala Likert, una escala de valoración a partir
de un cuestionario. Las respuestas a preguntas tipo Likert pueden ser agrupadas
en cinco categorías: categoría 1, completamente en desacuerdo; categoría 2, en
desacuerdo; categoría 3, neutro; categoría 4, de acuerdo; y categoría 5,
completamente de acuerdo. En esta escala, las distancias entre los puntos de
corte de la misma no son, en la mayoría de los casos, iguales, por lo que es
especialmente importante la concisión y claridad del instrumento. Las escalas
ordinales consideran que los individuos pueden ser clasificados en orden según
el fenómeno que se quiere medir. La característica matemática que justifica su
orden es la magnitud. Las distintas categorías de la variable (posibles
respuestas) pueden ser ordenadas según la cantidad que representa cada una. Sin
embargo, no se puede sumar o restar las cantidades relativas a una variable
ordinal. Si una variable es ordinal, será también categórica, pero no a la
inversa. Cualquier escala categórica y ordinal podría considerarse una
agrupación de niveles excluyentes y complementarios de una única variable
cualitativa ordinal nominal. Las dos escalas categóricas que soportan variables
ordinales son la escala de Likert (categórica ordinal) y la de Guttman
(categórica nominal). En las escalas ordinales resulta fundamental que los
sujetos, organizados por orden de su localización en el continuo latente, sigan
el mismo orden entre sus distintos intervalos de medida.
2.1. Escala Nominal
En términos estadísticos,
el tipo de datos de la escala nominal es cualitativo. Sin embargo, es
importante tener en cuenta que el hecho de que no se establezca un orden entre
las diferentes categorías no implica necesariamente que los datos sean
cualitativos. Los datos cuantitativos pueden convertirse en cualitativos de
acuerdo a la pregunta que se esté formulando. Por ejemplo, si a los individuos
se les pregunta sobre la categoría de ingreso y se les dan diferentes valores,
estos pueden ser evaluados en función de ese valor (datos cuantitativos), o se
pueden convertir los ingresos en diferentes categorías de acuerdo a los rangos
de ingresos (datos cualitativos). En un trabajo de investigación, la intención
de los autores será contar, siempre que sea posible, con información lo más
específica y estructurada posible. Estas escalas admiten todas estas
posibilidades. Es decir, podría decidirse no trabajar con una determinada
graduación posible (por ejemplo, podría no suministrarse el nivel de
escolaridad de sus protagonistas a un determinado colectivo), pero lo
importante es siempre hacerlo conscientemente, nunca por dejadez o ignorancia.
Una escala de nominación se considera nominal cuando la correspondencia entre
el signo lingüístico y el objeto no tiene más relación que la puramente
convencional. El cualitativo caracteriza la relación sintagmática como una
relación que no está "basada en la cantidad (sino) en la semejanza o
identidad de las diferencias" (Schaff, 1969, p. 360). En las
combinatorias, los elementos que se combinan para formar un nuevo elemento
tienen "carácter cualitativo, aquello que se define por atributos"
(Ibíd., p. 379). Los elementos discretos cualitativamente pueden también poseer
relación entre sí fijada convencionalmente. Es esta relación una mera
convención o acuerdo (Ibíd., p. 380). En el mercado aquí mostrado hay diversas
categorías o clases de productos que se han "acordado" como
pertenecientes a esa clase, pero el carácter que las define es siempre
cualitativo (vino tinto en lugar de "clase N de asociaciones de
numeral").
2.2. Escala Ordinal
Está formada por
categorías y, además, se cumple una condición de orden para las distintas
categorías. Es decir, se puede entrever un orden entre los posibles atributos a
medir. Tienen "más" de esa categoría que de las superiores y
viceversa. Las escalas de actitud que, por ejemplo, miden Likert o Guttman,
pueden considerarse como a simple vista continuas. Pero la verdad es que nos
proporcionan un rango a localizar sobre una escala con un conjunto ordenado de
categorías clasificadas ordinalmente. Se trata también de un subtipo de escala
discreta. La única diferencia con la escala nominal es que, además de contar
con la misma cantidad de categorías y el tamaño de estas sea el mismo, en la
escala ordinal puede especificarse el orden entre las mismas. Se trata de un
buen ejemplo que ilustra el punto 2): existe un orden claro y estricto de
intensidad asociado a la variable "intensidad de nuestra cafetera".
Al usuario le resultará fácil determinar el color que corresponde a
intensidades adyacentes con un término o dos de la escala repetido (intenso-muy
intenso, descafeinado-descafeinado). Sin embargo, el usuario no sabe cuánto de
"intensidad" hay entre dos parcelas sucesivas de la escala. Si el
raspado de la cápsula no es lo "suficientemente" intenso, se le queda
frío. Pero del salto escalar mediante la máquina mejorada sólo conoce las
bondades potenciales desde el ritual contemporáneamente promocional del anuncio
televisivo.
2.3. Escala de Intervalo
Contenían la misma
cantidad, ¿cómo se podría distinguir 10 gramos de 20 gramos? Cuando dos
terapias son comparadas y sus efectos se miden en años, sí puede inferirse que
un año de vida en un estado de bienestar corresponde a lo mismo, independiente
de si el país con mayor esperanza de vida lo es en 20 o 80 años. Por
definición, el intervalo de separación entre dos categorías adyacentes debe ser
exactamente el mismo. 2.3.1 Ejemplos Existen varios ejemplos de escalas
intervalares: 1. Escala Kelvin para medir temperaturas termodinámicas. El
intervalo de separación entre los números es constante e igual a la constante
de Boltzmann. 2. Escala de intervalo estándar que indica años, meses, minutos,
kilómetros, furlones, yardas, pies y pulgadas. 3. Puntajes en los ejercicios de
múltiple opción (sistemáticos). 4. Medidas estándar para longitud, capacidad y
peso. 5. Créditos de fármacos. Como se desprende de lo anterior, siempre que
estemos dentro de una escala intervalar, podemos sumar y restar, pero no sacar
porcentajes reales. Teniendo como base que 18°C-0°C = 180°C-0°C = 18 K-0 K, a
partir de esos datos jamás podríamos inferir una temperatura 9 veces superior
en grados Celsius de la de un grado Celsius; simplemente, esa lógica no tiene
sentido.
2.4. Escala de Razón
La escala de razón o
medidor es aquella que presenta todas las características de la escala de
intervalo, con la salvedad de que en ella se produce un punto único y avalor a
la "nada" (valor 0), mientras que en las escalas de intervalo la
"nada" aparece representada por la cifra 0. Los ejemplos más usuales
son en la adopción a un estímulo; un valor = 0 supone nula adopción mientras
que un valor cualquiera superior a 0 implica algún grado de adopción (nunca
0%), al menos formal. Previamente a 1911, el coeficiente de correlación no
permitía medir la relación entre variables intervalares en los términos de que
las conocemos ahora. El premio Nobel de Medicina (1903) foresis y profesor de
Psicología en la Universidad de Leipzig, C. Spearman, divulgó su famoso
"modelo bifactorial" de la inteligencia. Esto le condujo a
perfeccionar el denominado coeficiente de correlación de Pearson, introduciendo
el denominado coeficiente de correlación de media rangos, que probó ser más
adecuado a la realidad los datos a los que se refiere. Dada una muestra de
tamaño N, simplemente calculamos las diferencias (en valor absoluto) entre las
coordenadas correspondientes a los elementos de las dos variables. Dividimos el
conjunto de elementos en dos parejas de listas: las diferencias cuyo valor es
igual cero y las que no lo son. Sumamos los rangos que correspondan a las
diferencias iguales a cero. Las diferencias cuyas coordenadas no coinciden,
asignamos las medias aritméticas de sus correspondientes coordenadas, asignando
a este valor el rango 'i' y a continuación calculemos el valor del coeficiente
de correlación de rango de Pearson o de Simple Medios (r14): siendo: m = la
media de las correlaciones multiplicadas por los medios rangos Sx = la
diferencia de rangos de la 1ª variable Sy = la diferencia de rangos de la 2ª
variable.
3. Instrumentos Para La Investigación
Para la construcción de instrumentos en la
investigación, especialmente en el contexto de niveles y escalas de medición,
es fundamental contar con referencias bibliográficas que cubran tanto teoría
como aplicaciones prácticas. A continuación, proporciono una selección de
libros, artículos y publicaciones clave en este tema:
Libros y Artículos Clave
Niveles y Escalas de Medición
Nunnally, J.C., & Bernstein, I.H.
- Psychometric Theory (3rd Edition), McGraw-Hill, New York, 1994.
Este libro es un clásico en la teoría psicométrica y
aborda los diferentes niveles de medición y sus implicaciones en el diseño y
análisis de instrumentos.
Guttman, L.
- The Basis for Scales and Scoring Methods,
Psychometrika, 1950.
Este artículo introduce conceptos fundamentales sobre
escalas de medida y cómo se pueden usar para clasificar y analizar datos.
Escala de Ebbinghaus
· - Ebbinghaus, H.M.
· - Grundzüge der Psychologie (Elements of
Psychology), 1890.
Este libro originalmente contiene el trabajo que
introduce la escala de medidas en psicología.
Buros, Oscar K.
· - Buros, O.K., & Dattner, S.
La Teoría
de la Medición no fue formulada por un solo autor, ya que es un
concepto amplio y multifacético que abarca diferentes disciplinas como la
física, la psicología, la ingeniería y las matemáticas. Sin embargo, algunos
contribuyeron significativamente a su desarrollo:
1. Richard Dedekind: Fue uno de los matemáticos que formuló una teoría formal del concepto de medida en la segunda mitad del siglo XIX.
2. Ernest Edward Courant y Harold Jeffreys: A principios del siglo XX, Courant y Jeffreys trabajaron en el desarrollo de la Teoría de la Medición Estadística y probabilidad.
3. Andrei Kolmogórov: En 1933, Kolmogórov proporcionó una base matemática sólida para la teoría de la medida en su artículo "Über die grundsätzliche Definition des Wahrscheinlichkeitsbegriffs" (Sobre la definición fundamental del concepto de probabilidad).
4. Richard Von Mises: También contribuyó significativamente con el desarrollo de la Teoría de la Medición Estadística y probabilística.
5. Ivor Grattan-Guinness: Aunque no fue un inventor, su trabajo sobre la historia matemática ha sido clave para entender cómo se desarrolló la teoría en los siglos XX y XXI.
En resumen, el desarrollo de la Teoría de la Medición es una acumulación del trabajo de muchos matemáticos y científicos a lo largo del tiempo.
5. Características Claves De Las Escalas De Medición
En todo caso, si aun las
propiedades de las escalas nominales pueden ser inferiores a las de escalas
como, por ejemplo, la cuántica o la absoluta, la existencia de un punto de
corte que permite clasificar o separar los datos en categorías diferentes con
base en un criterio prefijado. Este tipo de datos se ajusta al nivel nominal de
medición que, por describir el nivel más simple, ofrece una posibilidad pequeña
de operacionalización en cualquier proceso de construcción de la escala,
conocer y agrupar los elementos muestrales en función de un cierto número de
categorías mutuamente excluyentes y colectivamente exhaustivas. Sin embargo,
actualmente todos los niveles de medición de los elementos son de una
importancia es evidente pero sin duda alguna, los niveles más elevados de
clasificación implican la posesión de las propiedades de los niveles
anteriores. Las escalas ordinales disponen en los elementos de un ordenamiento
claro y un conocimiento del valor de las diferencias entre los distintos
niveles del ordenamiento. Los niveles más elevados diferentes niveles desde el
intervalo. De carácter eminentemente ordinal son, en realidad, los que
conforman las bases de las técnicas más ventosas de la estadística; sin embargo
también podemos operar con los elementos con la misma libertad de forma clara
sin que tengamos conocimiento del valor de estas diferencias. La clave del
debate resulta entonces el tipo de elementos básicos y el grado en qué ellos
ofrecen estas propiedades. Las escalas de escala tienen dos propiedades
fundamentales que van a un paso más allá del modelo con el que trabajamos las
escalas ordinales. Los elementos de las escalas proporcionan hechos diferenciar
lo que se encuentra en los niveles inferiores y una discriminación múltiple de
éstos elementos por lo que podemos determinar la cantidad en que se diferencian
para ser clasificados respecto al elemento que nos interesa.
6.1. Conceptualización de
los conceptos de fiabilidad y validez La validez y la fiabilidad hacen
referencia al grado en que el instrumento de medida mide de manera acertada.
Una escala de medida aportará unos resultados válidos cuando mida los aspectos
del fenómeno que se pretendan medir e inválidos si mide otros que no son los
que pretende medir. Este es el concepto de validez; por otro lado, si una
medida adolece de error aleatorio y la medida lo recoge sistemáticamente, se
podrá considerar que la medida procede de un instrumento fiable para ese fin.
Este es el concepto de fiabilidad. El error, entendido como cualquier efecto
indeseable que pueda producirse en nuestro resultado, puede ser clasificado
como sistemático si aparece de forma regular y como aleatorio si aparece de
forma fortuita. Y por último, podríamos clasificar las mediciones erróneas
según su magnitud: pequeñas, grandes y extremas. La validez y la fiabilidad
pueden medirse de forma indirecta. 6.2. Tipos de validez y fiabilidad La validez
y la fiabilidad son dos propiedades del instrumento de medida y desde el punto
de vista científico nos interesará conocer el grado en que una medida es válida
y fiable. Sirva de introducción a la enumeración detallada de los tipos de
validez y fiabilidad que no existe un solo tipo de validez o fiabilidad, sino
que a cada uno de estos conceptos se le asocian diversas formas o
procedimientos de evaluación. Por tanto, cuando nos enfrentamos a un problema
de medición, tenemos que tomar una serie de decisiones acerca de si nuestra
medida mide lo que pretendemos que mida (validez), y hasta qué punto los
resultados obtenidos son fiables (fiabilidad). Por tanto, cualquier medida que
realicemos requerirá la verificación de su validez y fiabilidad, por lo que
contamos con un buen cúmulo de procedimientos estadísticos para ello. Existen
diferentes tipos de validez y fiabilidad y todos suelen ser importantes en la
investigación científica.
De la medición depende en
gran medida la validez interna de un estudio, es decir, la seguridad de que los
resultados se deben al hecho investigado. Ahora bien, el investigador debe
tener presente que una medición eficaz sólo será posible mediante la adopción
de las decisiones más oportunas desde el mismo momento en que concibe el diseño
de la investigación. Llevar a cabo mediciones fiables y válidas no sólo se
halla en el campo de la evaluación psicopedagógica sino que las investigaciones
científicas de carácter general tienen en ello un aspecto fundamental. Sin
embargo, con demasiada frecuencia, dichas investigaciones no suelen ocuparse de
un aspecto esencial: la confiabilidad y la validez de las mediciones que se
llevan a cabo en ellas. La labor investigadora exige una medición lo más fiable
y válida posible. Ello es válido en las ciencias experimentales como evidentes
y en las historiográficas, pero también en las sociales, como recurso
fundamental para comprobar las validaciones empíricas de las teorías. La
educación, como propiedad de los hábitos, es en mayor o menor grado más
tradicional que las demás ciencias. Ello acarga aún más las decisiones a los
docentes al no encontrar planos obvios claros y precisos. Las investigaciones
en educación con posibilidades de ofertar modelos más o menos generales,
deberían ser apoyadas de una adecuada medicación.
Debido a que las escalas
son "instrumentos" de medición que se usan para cuantificar
fenómenos, juegan un papel primordial en el proceso inferencial del método
científico. Especialmente importantes resultan para la investigación en
Ciencias Sociales, y, en concreto, en todas aquellas disciplinas que se
encuadren en el ámbito de la Psicología. El campo de las escalas de medición es
muy amplio y en constante aumento, abarcando hoy en día casi todos los ámbitos
de la actividad humana, tanto referidos al ámbito universitario, como a lo
religioso, lo económico, lo jurídico, hasta los más en apariencia frívolos como
el resto social. En los cuatro campos de investigación que vamos a exponer a
continuación adquieren una importancia mayúscula, por lo tanto, la elección o
creación de una escala de medida del fenómeno a analizar. Con ellas se
seleccionan rigurosamente los "items" o preguntas que más se ajusten
a las características del objeto de estudio que se desea medir (validez del
contenido), se construyen establecidos los hipotéticos valores que ha de tomar
el "índice artificial" que el investigador atribuye a lo que en
verdad se pretende medir (validez concurrente), y se cuantifican los valores
que arrojen los distintos respondientes. En la investigación social, la
complejidad del comportamiento del ser humano hace que rara vez sea posible (y
sobre todo relevante) medir alguna de las variables que intervienen en un
espacio de la conducta con algún tipo de objeto o fenómeno objetivo (como
ocurre, por ejemplo, en la investigación en Biología, donde se pueden medir con
incontestable claridad las distintas especies de flora del planeta).
9. Consideraciones Éticas En El Uso De Escalas De Medición
* Asegúrese de que el uso
de las escalas sea justificado. * Debe tener claro los propósitos de su
investigación y ser consciente de cómo un público más amplio podría interpretar
y generalizar los hallazgos. Por ello, es importante el argumento para usar una
escala, tanto también la fuente de la misma respuesta. Diferentes poblaciones
pueden interpretar de manera diferente las preguntas, hacer investigación con
poblaciones muy diversas y validar cada escala. * Si modifica la escala, se
debe ser honesto con el público, el panel de técnicos y el público debería
saber de las modificaciones a las escalas (omisión de una o más preguntas o la
reforma). * Si se utilizan las escalas de otros autores, existen ya editadas y
formalizadas, se deberá referenciar adecuadamente de su fuente. * Los
investigadores deben restringir o aclarar plenamente su uso de los resultados
de preguntas que claramente tienen poco potencial predictivo o relaciones
convergentes. Tales manipulaciones pueden ser proporcionar parcial o manipulada
basada en evidencia que tiende a aumentar potencialmente los resultados
problemáticos o no científicos. Los investigadores también deben ser
conscientes del tipo y la magnitud de entorno político (y potencial) a través
de cómo reportan y valoran los resultados asociados, por ejemplo, calcular e
informar el riesgo relativo en lugar del riesgo absoluto. * Use procedimientos
de control que sean razonables científicamente pero que exijan redundancia. Los
procedimientos mantienen la atención en la capacidad de respondientes para
predecir la convergencia de sus propias respuestas, no en su habilidad para
predecir una convergencia potencial no controlada estable ciertas relaciones
cultivadas (por ejemplo, preguntas que son duplas o funciones del mismo
constructo). La tarea de los editores y revisores es equiparar una serie de
instrumentos que, para ser válidos, deberían emplear diferentes dimensiones,
indicadores y fuentes de medida.
La elaboración de escalas
de medición ha experimentado en los últimos años una serie de notables
tendencias, entre ellas cabe mencionar: Cada vez es mayor el número de autores
que pone de manifiesto la necesidad de concebir las escalas como instrumentos
mediadores, estrechamente relacionados con los constructos teóricos a los que
se refieren, de manera que el desarrollo de estrategias de medida válidas
requiere la realización de una labor profunda de anclaje teórico y metodológico
específica. A este respecto, autores como Borsboon (1980) o Marc Aocb (1992)
han propuesto operativizar los constructos medidos por considerarlos también
constructos teóricos. En este sentido, su conceptualización e
instrumentalización resultan inseparables, y por lo tanto, la elaboración de
escalas constituiría un proceso inductivo que pretendería implantar un plan de
teorización experimental. Este modelo de trabajo, propio de la estrategia
experimental clásica, supondría el firme anclaje de los instrumentos a los
constructos y al mismo tiempo a las teorías correspondientes, salvaguardándoles
tanto de la contaminación psicologista – no consecuente con los desarrollos
reales de la psicología actual– como de las posibles abstracciones lingüísticas
contaminantes, desvinculadas de las realidades subyacentes que convendría
investigar. De este modo, la intervención experimental, o el diseño de
aplicaciones prácticas e intraestructurales, sería la propia verificación de una
experiencia con orientaciones teóricamente planificadas. Ello nos lleva a
señalar la importancia que algunos autores están concediendo a las relaciones
estrechas y dinámicas existentes entre el desarrollo de las escalas de medida y
el proceso de investigación científica. Tal carácter acaba de quedar
explicitado en el argumento precedente y nos remite a la defensa de una
concepción dialéctica de la relación interescalar. Compleja postura
epistemológica que se acopla bien con una epistemología estructuralista e
interaccional. Investigar el mundo real constituiría un permanente proceso de
supervisión de la coherencia experimental, estructural y efectiva de los
instrumentos de medida y de las interpretaciones resultantes.
11. Isomorfismo
entre Medición y Realidad.
La idea del isomorfismo entre medida y realidad es un concepto filosófico y científico que busca establecer una correspondencia estructural entre el proceso de medición y los fenómenos reales. Este concepto se ha discutido en varias disciplinas, incluyendo la física teórica, la filosofía del conocimiento y la ciencia de la medida. A continuación, exploramos algunos aspectos clave y referencias bibliográficas que pueden ayudarte a entender este tema.
El isomorfismo entre medición y realidad implica que el sistema de medida utilizado para describir un fenómeno físico debe ser capaz de capturar la estructura esencial del fenómeno real. Esto significa que la relación entre los valores medidos y los valores reales debe ser estructuralmente equivalente, en el sentido de que los mismos principios matemáticos y lógicos aplican tanto a la medida como a la realidad.
Contribuciones Clave
1. Richard Dedekind
- Fue uno de los primeros matemáticos a
quien se atribuye haber formalizado la teoría de la medición en términos
matemáticos. En su obra *Was sind und was sollen die Zahlen?* (1888), Dedekind
estableció fundamentos matemáticos para la teoría de los números y, por
extensión, para la medida.
2. Andrei Kolmogórov
- En 1933, Kolmogórov proporcionó una base
matemática sólida para la teoría de la medida en su artículo *Über die
grundsätzliche Definition des Wahrscheinlichkeitsbegriffs* (Sobre la definición
fundamental del concepto de probabilidad). Este trabajo es crucial para
entender cómo la teoría de la medición se ha integrado con la estadística y la
probabilidad.
3. Richard Von Mises
- Von Mises contribuyó significativamente al
desarrollo de la teoría de la medida en probabilidades. En su obra
*Wahrscheinlichkeit, Statistik und Wahrheit* (1928), él discute cómo los
conceptos matemáticos pueden ser aplicados para modelar y entender las leyes de
la naturaleza.
4. Kurt Gödel
- Aunque no directamente en el campo de la
medición, Gödel's trabajo sobre la incompletitud de los sistemas formales ha
impactado profundamente la filosofía de la matemática y la ciencia, incluyendo
aspectos relacionados con la medida.
5. Hermann Weyl
- En su obra *Space-Time-Matter* (1918), Weyl discute la relación entre espacio, tiempo y materia desde un punto de vista que es relevante para entender cómo la realidad física puede ser representada matemáticamente.
Filosofía del Conocimiento
El isomorfismo también ha sido analizado desde una perspectiva filosófica. Filósofos como Wittgenstein y Quine han discutido cómo el conocimiento científico está ligado a la capacidad de modelar y medir.
- Ludwig Wittgenstein
- En su obra *Philosophical Investigations*
(1953), Wittgenstein explora cómo las palabras y conceptos están relacionados
con el mundo real, lo que incluye la manera en que podemos entender los
sistemas de medida.
- W.V.O. Quine
- Quine's work in *Word and Object* (1960) y
*From a Logical Point of View* (1953) aborda cómo el lenguaje y las teorías
científicas están interconectados con la realidad, incluyendo la posibilidad de
que los sistemas de medida sean útiles para capturar esa realidad.
12. Conclusión y Resumen De La Importancia De Las Escalas De Medición En La Investigación Científica
La utilización de escalas
con relación a errores de tipo "secuencial" permite maximizar el
conocimiento y su objeto de estudio, considerado desde su abordaje sociológico,
administrativo, económico, psicológico, entre otros. Las escalas de medición, se traten
o no de escalas psicológicas, son herramientas de máxima importancia que
permiten abordar cuantitativamente "algo" que los científicos
estudian a lo largo de sus respectivas investigaciones. En tanto, su correcto
uso y combinación inadecuada de las mismas permiten generar errores de tipo
"escala" que se suman a los errores sistemáticos que caracterizan al
método científico y que afectan la validez de los resultados. La validez
externa (sociológica, económica, de administración pública, etc.) de los
resultados está constituida por las empresas que se emprenden para afrontar en
el cuerpo del conocimiento y no por las funciones de los mismos resultados si
son "verdaderos". La evaluación y selección exógena o interna. El
progreso del conocimiento construye datos construidos (interna validez de para
los resultados tiene que ver con un análisis de gros.
Referencias Bibliográficas En General
Barone, M., Bunge, M., e Ippolito, L. La Teoria della Misura, Laterza, Roma-Bari, 1986.
·
This
work provides a comprehensive overview of the theory of measurement and its philosophical
implications.
Courant, R. y Jeffreys, H. Methods of Mathematical Physics, 3rd Edition, Clarendon Press, Oxford, 1970 (Original 1937).
Dedekind, R. Original Work: Was sind und was sollen die Zahlen? (What Are the Numbers and What Should They Be?), Vieweg, Braunschweig, 1888. Translation: Dedekind, R., The Nature and Meaning of Numbers. Dover Publications, New York, NY, 1963.
Gödel, K. -*Über formal unentscheidbare Sätze der Principia Mathematica und verwandter Systeme I* (On Formally Undecidable Propositions of Principia Mathematica and Related Systems I). *Monatshefte für Mathematik und Physik*, Vol. 38, pp. 173–198, 1931.
Grattan-Guinness, I. Convolutions in French Mathematics, 1800–1840: From the Calculus to Mathematical Analysis, Birkhäuser, Basel, 1990. Infinitesimal Calculus and Probability Theory: Historical Interactions and Developments. In History of Mathematics and Education, edited by F. E. A. Johnson, Cambridge University Press, 2004.
Grattan-Guinness, I. The Norton History of the Mathematical Sciences. W.W. Norton & Company, New York, NY, 1998. History of the Philosophy of Mathematics: An Encyclopedia. Routledge, New York, NY, 2011.
Marmolejo, L. (2020). Recensión: Barberet,
Rosemary; Bartolomé, Raquel y Fernández-Molina, Esther (Dirs.), Metodología de
Investigación en Criminología. Política criminal, 15(29), 488-492. https://www.scielo.cl/scielo.php?pid=S0718-33992020000100488&script=sci_arttext&tlng=pt
Medición de la delincuencia: técnicas, fuentes
de información y análisis estadístico. https://jurispedia.blog/medicion-de-la-delincuencia-un-analisis-integral-de-fuentes-tecnicas-y-usos-de-la-estadistica-criminal/
Medina, M., Rojas, R.,
& Bustamante, W. (2023). Metodología de la investigación: Técnicas e instrumentos de
investigación. Instituto Universitario de Innovación Ciencia y Tecnología
Inudi Perú. http://coralito.umar.mx:8383/jspui/handle/123456789/1539
Muñoz, R. G. (2020). Revisión
teórica de herramientas metodológicas aplicadas en la investigación
criminológica. Derecho y cambio social, (59), 501-511. https://dialnet.unirioja.es/servlet/articulo?codigo=7219653
Oltra, C., & en Criminologia, G. (2012). Diccionario de conceptos
esenciales en investigación en Criminología y Ciencias Sociales. Universidad de Barcelona. https://www.academia.edu/download/61292004/Diccionario_de_conceptos_esenciales_en_Criminologia20191121-90620-1j522ri.pdf
Popper, K.R. y Miller, D.N. Conjectures and Refutations: The Growth of Scientific Understanding. Routledge, London, UK, 1963. This work includes discussions on the philosophical aspects of scientific measurement and verification.
Quine, W.V.O. - *Word and Object*. MIT Press, Cambridge, MA, 1960. *From a Logical Point of View: Reviews, Lectures, and Other Pieces from 1936 to 1953*. Harvard University Press, Cambridge, MA, 1953.
Stigler, S.M. Statistics on the Table: The History of Statistical Concepts and Methods. Harvard University Press, Cambridge, MA, 2002. This book offers insights into the historical development of statistical concepts, including those related to measurement theory.
Kolmogórov, A.N. Original Work: Über die grundsätzliche Definition des Wahrscheinlichkeitsbegriffs, Mathematische Zeitschrift 32 (1930), pp. 648–660. Translation: Kolmogórov, A.N., Foundations of the Theory of Probability. Chelsea Publishing Company, New York, NY, 1956.
Von Mises, R. Original Work: Wahrscheinlichkeit, Statistik und Wahrheit (Probability, Statistics and Truth), Springer, Berlin, 1928. Translation: von Mises, R., Probability, Statistics and Truth. Dover Publications, New York, NY, 1981.
Weyl, H. - *Space-Time-Matter*. Springer-Verlag, Berlin, 1918. Wittgenstein, L. *Philosophical Investigations*. Blackwell Publishing, Oxford, UK, 1953.
Comentarios
Publicar un comentario