¿Tu investigación busca medir el efecto de un programa pedagógico? El diseño cuasi-experimental es ideal para comparar un antes y un después. En este artículo, el Mg. Javier Villar te muestra cómo procesar estos datos correctamente.
¿Qué es un diseño Cuasi-Experimental?
A diferencia de los experimentos puros, aquí trabajamos con grupos ya formados. La clave es el análisis del Pretest (línea base) y el Postest (resultado tras la intervención).
Paso 1: Determinar la Normalidad
Antes de elegir la prueba, debemos saber si los datos siguen una distribución normal.
- Si hay normalidad: Usamos la T de Student para muestras relacionadas.
- Si NO hay normalidad: Usamos la Prueba de Wilcoxon.
Análisis Práctico en SPSS (Video)
En el siguiente video, realizamos un ejercicio real segmentando grupos para validar si el programa tuvo un impacto significativo.
En este tutorial, observamos cómo el Mg. Javier Villar realiza la segmentación de datos para comparar los resultados del Grupo Control frente al Grupo Experimental, validando si el programa aplicado tuvo un impacto real en los estudiantes.
Conclusión: Interpretación de Resultados
Para que tu tesis sea válida, el nivel de significancia ($p-valor$) debe ser menor a 0.05. Solo así podemos rechazar la hipótesis nula y afirmar que tu programa realmente funcionó.