Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.
ENTENDER LAS ESTADÍSTICAS
¿Por qué estadísticas?
Cuando trabaje con MindSonar, puede ser importante tener un conocimiento básico de estadística. ¿Por qué? En primer lugar, es bueno saber todo lo posible sobre el sistema con el que se trabaja. Por ejemplo, si se quiere construir un perfil de referencia realmente sólido, es útil entender qué es la correlación. O cuando veas una desviación estándar en el perfil de un equipo, es bueno entender exactamente qué significa.
Pero responder a preguntas como «validez» o «alfa de Cronbach» también puede ser importante cuando se habla de un proyecto de gran envergadura con un cliente potencial o con los expertos que contratan. Y no es tan difícil, la verdad. Especialmente desde que busqué en YouTube y encontré algunas películas instructivas bien diseñadas.
En esta página trataremos 4 temas estadísticos:
- Fiabilidad y validez
- Desviación típica
- Correlación
- Alfa de Cronbach
1. Fiabilidad y validez
En el vídeo anterior, el Dr. Conway menciona tres formas de medir la fiabilidad y cuatro formas de determinar la validez:
Fiabilidad
- Prueba/reprueba
- Pruebas paralelas
- Estimaciones entre partidas
Validez
- Validez del contenido
- Validez convergente
- Validez divergente
- Validez nomológica
¿Cómo se relacionan estos 7 conceptos con MindSonar?
Fiabilidadde la prueba/reprueba
Para determinar la fiabilidad de la prueba/reprueba, la prueba se administra dos veces a la misma persona y -en el caso de MindSonar- la prueba también debe versar sobre el mismo contexto. Cuanto menor sea la diferencia entre las dos puntuaciones, mayor será la fiabilidad del test retest. Hasta ahora, no se ha realizado este tipo de investigación sobre MindSonar.
Fiabilidadde la prueba paralela
Para determinar la fiabilidad de la prueba paralela, habría que comparar MindSonar con otras pruebas que ya hayan demostrado medir el mismo concepto de forma fiable. En el ejemplo de la película, la temperatura medida por un termómetro de infrarrojos se correlaciona con la temperatura medida por un termómetro normal. Por desgracia, en el caso de MindSonar, no existen pruebas paralelas que hayan demostrado medir los mismos conceptos. Por lo tanto, determinar la fiabilidad de pruebas paralelas no es posible para MindSonar.
Estimaciones entre ítems
Lo que nos deja con la tercera categoría de medición de la fiabilidad: las estimaciones entre ítems. La estimación entre ítems más utilizada se denomina alfa de Cronbach. Se trata básicamente de una medida de la coherencia interna entre los ítems. Más abajo en esta página se explica detalladamente el alfa de Cronbach.
Desde el punto de vista de la fiabilidad, MindSonar consta de 14 pruebas diferentes; una para cada distinción del Meta Programa y otra para las categorías de Graves.
Drs. Lisette de Ruyter calculó el alfa de Cronbach en 2007, basándose en los resultados de 1600 encuestados. Encontró el número de ítems (preguntas) que disminuían el Alfa de Cronbach o sólo contribuían mínimamente. Estos puntos se eliminaron, a excepción de los que parecían cubrir un aspecto importante del metaprograma en cuestión. Aunque estos ítems no aumentaron mucho el Alfa de Cronbach, sí parecieron contribuir a la profundidad de la medición. Tras esta «operación de limpieza», los Dres. De Ruyter encontró los valores para el Alfa de Cronbach, como se muestra en la siguiente tabla. En las ciencias sociales, un Alfa de 0,70 se considera aceptable y un Alfa de 0,80 se considera bastante fiable. Como se puede ver en la tabla, todos los valores son de al menos .70 y la mayoría están cerca o por encima de .80. Así que en términos de estimaciones entre ítems, podemos concluir que MindSonar es una prueba confiable, o en realidad, que MindSonar es una colección de 13 pruebas confiables. Aún no se ha investigado la 14ª prueba que mide las categorías de Graves.
Meta Programa | Alfa de Cronbach | Alfa de Cronbach medio por metaprograma |
---|---|---|
ProactivoReactivo | α = 0,767
| α = 0,767
|
Hacia
Lejos de | α = 0,843
| α = 0,843
|
Referencia interna Referencia externa
| α = 0,770 | α = 0,770 |
Opciones Procedimientos | α = 0,766 | α = 0,766 |
Emparejamiento Desemparejamiento
| α = 0,794 | α = 0,794 |
Locus interno
Locus externo
| α = 0,706
| α = 0,706
|
Global
Específico | α = 0,835
| α = 0,835
|
Mantenimiento Desarrollo Cambio | α = 0,736 α = 0,608 α = 0,757 | α = 0,700 |
Personas
Actividad
Información | α = 0,823 α = 0,750 α = 0,816 | α = 0,796 |
Concepto
Estructura
Utilice | α = 0,694 α = 0,718 α = 0,799 | α = 0,737 |
Juntos
Proximidad
Solo | α = 0,760 α = 0,545 α = 0,860 | α = 0,722
|
Anterior
Presente
Futuro | α = 0,820 α = 0,809 α = 0,827 | α = 0,819 |
Visual
Auditivo
Kinestésico | α = 0,736 α = 0,722 α = 0,768 | α = 0,742 |
Validez del contenido
La validez del contenido consiste básicamente en preguntar: ¿Qué nos dice el sentido común sobre cómo cubren estas preguntas el concepto que se quiere medir? En 2004, los Dres. Jean Nijskens realizó un estudio en profundidad sobre la validez de contenido de MindSonar. Diez encuestados rellenaron la prueba y durante este proceso los Dres. Nijskens preguntó a cada encuestado, después de cada pregunta, por qué había respondido así. A continuación, evaluó si estas consideraciones eran o no representativas del Metaprograma que se estaba midiendo.
Por poner un ejemplo, había una pregunta que mostraba una fotografía de una mujer con un vestido blanco, con dos textos alternativos. El objetivo de este ítem era medir el emparejamiento frente al emparejamiento erróneo. En un texto, la mujer pensaba «Es estupendo que lleve mi bonito vestido blanco en esta fotografía» (Coincidencia), y en el otro texto pensaba «Es una pena que no lleve mis pendientes blancos en esta fotografía» (Falta de coincidencia). La pregunta era: «¿Qué mujer piensa más como tú en el contexto de [here the context the respondent had defined was filled in]?». Uno de los encuestados eligió la alternativa del vestido («Es estupendo que lleve mi bonito vestido blanco en esta fotografía»). Cuando los Dres. Nijskens le preguntó por qué había hecho esta elección, y ella respondió: «¡Porque tu prenda principal (el vestido) siempre es más importante que los accesorios (los pendientes)!». Por supuesto, esta consideración tenía poco o nada que ver con la distinción del metaprograma que queríamos medir (Coincidencia frente a Falta de coincidencia). Si un elemento evocaba demasiadas asociaciones no deseadas de este tipo, se modificaba o sustituía. A continuación, se volvieron a presentar a los encuestados los nuevos ítems y los ítems modificados, para comprobar que ahora provocaban las asociaciones deseadas.
A partir de esta investigación, se plantearon algunas cuestiones fundamentales sobre la forma en que habíamos operacionalizado los Metaprogramas (es decir, las preguntas con las que estábamos midiendo los Metaprogramas). Se eliminó una categoría completa de ítems (preguntas de asociación), porque se comprobó que demasiados encuestados no podían mantenerse centrados en el contexto deseado al responder a estas preguntas.
Validez Convergente
Determinar la validez convergente significaría para MindSonar: encontrar otros tests que ya han probado medir confiablemente Meta Programas, y luego calcular la correlación entre esos tests y MindSonar. Desgraciadamente, en este momento no existen otras pruebas para Meta Programas que tengan las cualidades estadísticas requeridas. Se trata, por tanto, de establecer la validez convergente en este sentido.
Sin embargo, hay otro sentido en el que se ha demostrado cierta validez convergente para MindSonar. Me refiero a los perfiles de referencia. Se ha demostrado que algunos perfiles de referencia predicen con precisión alguna otra medida de criterio. Se ha demostrado que los perfiles de referencia pueden predecir con significación clínica:
- el número de coches vendidos por un vendedor de coches
- la valoración de un candidato a miembro del jurado hípico por un comité de selección
- la eficacia de los agentes del orden de la ciudad
- los resultados financieros obtenidos por los cobradores de deudas
Validez divergente
No se ha demostrado validez divergente específica para MindSonar.
Validez Nomológica
En el caso de MindSonar validez nomológica significa: lo mejor encaja con el conocimiento general sobre Meta Programas. Este tipo de validez fue abordado por los Dres. Jean Nijskens en 2005. Todas las preguntas se mostraron a un grupo de 60 expertos. Los expertos eran Masterpractitioners de PNL que habían recibido formación para reconocer los Metaprogramas. Para cada pregunta se les preguntó qué distinción del Metaprograma pensaban que queríamos medir con esa pregunta concreta. Para cada pregunta se calculó el porcentaje de identificaciones correctas por parte de los expertos. Es una pregunta fue identificada correctamente por menos del 50% de los expertos, se consideró una operacionalización inadecuada del constructo subyacente (el Meta Programa). Todas estas preguntas fueron sustituidas o modificadas. A continuación, las nuevas preguntas o las preguntas modificadas se presentaron de nuevo a los expertos, hasta que lograron al menos un 50% de identificación adecuada.
2. Desviación típica
A continuación, echemos un vistazo a la Desviación Estándar. Se trata básicamente de la distancia media a la media. En otras palabras: ¿a qué distancia están las puntuaciones de la media?
Usando MindSonar, verá esta medida (SD) aparecer automáticamente en los perfiles de equipo, cuando use la hoja Excel aquí en esta página. En un perfil de equipo, la DE para un Meta Programa determinado le indica cómo piensan los diferentes miembros individuales del equipo, cuando se trata de ese Meta Programa. Otra forma de decirlo es: ¿hasta qué punto son coherentes o flexibles como equipo cuando se trata de ese metaprograma?
Por ejemplo, digamos que un equipo tiene una puntuación media para «Opciones» de 7, con una DE (Desviación Estándar) de 0,2. La diferencia media es bastante pequeña, por lo que se sabe que el equipo piensa de forma muy coherente en términos de Opciones. Como siempre, esto tiene sus ventajas y sus trampas, según el contexto, pero ese es otro tema. Pero si este equipo tuviera una media de 7 con una SD de 4, la historia sería diferente. Al menos en términos de coherencia y flexibilidad. El 7 es la media, pero las puntuaciones varían mucho, por lo que el equipo no es muy coherente con respecto a este metaprograma y son bastante flexibles. Y de nuevo, esta flexibilidad puede ser un recurso de una limitación, dependiendo del contexto.
He aquí un magnífico vídeo de Apstats Guy. Me gusta mucho este vídeo. Explica de forma clara, dinámica y kinestésica lo que significa esa fórmula SD.
3. Correlación
El siguiente concepto estadístico que debemos comprender es la correlación. Básicamente, esto significa: ¿hasta qué punto coinciden dos puntuaciones? Si la correlación entre dos medidas es alta, significa que cuando una sube o baja, la otra también lo hace. Si la correlación es baja, entonces cuando uno sube, no dice mucho sobre lo que hará el otro.
A menudo utilizo el ejemplo de los paraguas y la lluvia. Si se mide la cantidad de lluvia que cae, digamos, en una hora determinada, y se mide el número de paraguas que se ven en la calle en esa hora, se encontrará una fuerte correlación. Cuanto más llueva, más paraguas verás. Y también funciona al revés: cuantos más paraguas cuentes, más lluvia encontrarás. Por supuesto, esta relación, la correlación entre lluvia y paraguas, no será del cien por cien. Porque a algunas personas no les importa mojarse y otras pueden utilizar el paraguas para protegerse del sol.
Tenga en cuenta que una correlación elevada no significa automáticamente que una variable sea la causa de la otra. El ejemplo clásico es la correlación entre sacerdotes y alcohólicos en una ciudad. Cuando la ciudad crezca, tendrá más sacerdotes y más alcohólicos. Así que habrá una alta correlación -cuando midamos diferentes ciudades- entre el número de sacerdotes y el número de alcohólicos. Pero esto no significa, por supuesto, que los sacerdotes causen el alcoholismo….
En MindSonar te encuentras con correlaciones cuando miras las correlaciones entre los puntajes del Meta Programa. Por ejemplo, la correlación entre las Opciones, por un lado, y el Locus de Control Interno, por otro, es de 0,40. Aunque esta correlación es débil, no es insignificante. Si elevamos al cuadrado la correlación, vemos que, de media, 0,40 x 0,40 = 0,16 por ciento de la puntuación en Locus de control interno viene determinada por la puntuación en Opciones. Y viceversa. Esto significa que las personas que puntúan alto en Opciones tienden a puntuar alto también en Locus de Control Interno. Opciones tiene una baja correlación (-,02; muy cercana a 0) con Actividad. Esto significa que cuando alguien obtiene una puntuación alta en Opciones, no se sabe qué puntuación obtendrá en Actividad, ya que casi no existe relación alguna (.02 x .02 para ser precisos) entre estas dos puntuaciones.
Y también hay correlaciones negativas, lo que significa que cuando alguien obtiene una puntuación alta en una medida, tiende a obtener una puntuación baja en la otra y viceversa. Si volvemos a examinar las Opciones, vemos que se correlacionan -,45 con Lejos de. Así, alguien que puntúe alto en Opciones, tenderá a puntuar bajo en Lejos de. Y al revés también, cuando puntúan bajo en Opciones tienden a puntuar alto en Lejos de.
¿Cuándo es importante? Por ejemplo, cuando se utiliza un perfil de referencia. Si tiene un perfil de referencia con puntuaciones altas en Opciones y Lejos de, sabrá que será un poco más difícil encontrar a alguien que se ajuste a ese perfil, en comparación con cuando buscaría a alguien con puntuaciones altas tanto en Opciones como en Locus de control interno.
Otro lugar en MindSonar donde las correlaciones pueden ser muy importantes es cuando se construye y evalúa un perfil de referencia. Si se dispone de un perfil de referencia y de una cifra que indica lo bien que le va a alguien en el contexto objetivo, se tienen dos conjuntos de cifras, por lo que se puede calcular la correlación. Digamos, por ejemplo, que tiene un perfil de referencia para vendedores de coches. Hiciste un perfil de varios vendedores de coches. Y también tienes una lista del número de coches que han vendido en los últimos tres años. A continuación, debería encontrar una fuerte relación positiva (una fuerte correlación) entre el perfil de referencia y el número de coches vendidos. Cuanto más se acerque el perfil de un vendedor al perfil de referencia, más coches habrá vendido.
Tenga en cuenta que todas las puntuaciones de dos caras del metaprograma (Proactivo/Reactivo, Hacia/Alejado, etc.) tienen una correlación perfectamente negativa (-1) entre sí. Esto se debe a la forma en que se miden durante el perfilado. Los encuestados dividen los puntos entre los Metaprogramas. Por lo tanto, cuantos más puntos den a Proactivo, por ejemplo, exactamente tantos menos puntos estarán dando a Reactivo. Cuanto mayor sea su puntuación Proactiva, exactamente menor será su puntuación Reactiva. Esto también significa que sus correlaciones con otros Meta Programas se reflejan: Opciones correlaciona +.45 con Locus Interno de Control, y su opuesto Procedimientos refleja exactamente eso, correlaciona -.45 con Locus Interno de Control.
Correlaciones positivas y negativas
Para entender lo que significan las cifras de correlación, he aquí un buen resumen:
Cálculo de correlaciones
Para entender cómo se calculan las correlaciones en estadística, aquí está de nuevo ese loco de Apstats con otro gran vídeo. Nota: al final del vídeo entra en el cálculo de la correlación en su calculadora estadística TI (Texas Instruments). Si no utilizas una calculadora de este tipo, puedes saltarte esta parte. Esta última parte del vídeo muestra, sin embargo, cómo pueden calcularse fácilmente las correlaciones con esta tecnología relativamente sencilla.
Explicación alternativa de las correlaciones
Y para tener una visión ligeramente diferente, más académica, de las correlaciones, aquí está el «Doctor Matemáticas» explicando qué es la correlación (vídeo 1) y cómo calcularla (vídeo 2). Básicamente, explica lo mismo que en los dos vídeos anteriores, pero con otro estilo y otros ejemplos.
4. Alfa de Cronbach
Y por último, pero no por ello menos importante, echemos un vistazo al alfa de Cronbach. Se trata de un número que expresa la coherencia interna de una prueba. En realidad: la coherencia interna de una serie de ítems (preguntas) del test. El alfa de Cronbach básicamente pregunta: ¿Parece que estas preguntas miden la misma idea subyacente? ¿Se refieren todas al mismo concepto? Esto suele considerarse un indicador de la fiabilidad de una prueba. Porque no se puede medir algo de forma fiable sin ser coherente.
¿Por qué es importante entender esto? Cuando trabaje con MindSonar a veces se encontrará con expertos como psicólogos haciendo preguntas sobre validez y confiabilidad o a veces sobre la «calidad estadística» de MindSonar. El conocimiento del alfa de Cronbach le ayudará a responder a estas preguntas. Ser capaz de hacerlo a veces puede ser crucial para su autoridad percibida; de sus respuestas puede depender que le contraten o no para realizar el proyecto.
Qué es el alfa de Cronbach y cómo se utiliza
He aquí una introducción general al alfa de Cronbach por Julie Dickinson. Lo que me gusta de este vídeo es que explica claramente el posible equilibrio entre alfa y validez. A veces puede aumentar el nivel Alfa de su examen eliminando algunas preguntas. Según la fórmula de Cronbach, estas preguntas no encajan muy bien con las demás, es decir: parecen medir un concepto diferente. Sin embargo, eliminarlos, como explica Julie, no siempre es una buena idea. En nuestro caso, estas preguntas podrían cubrir un aspecto importante del metaprograma que queremos medir. Pudimos reducir el número de preguntas en MindSonar eliminando varias preguntas que en realidad disminuían el Alfa. También retuvimos una serie de preguntas que no contribuían mucho al Alfa, pero que considerábamos que medían un aspecto importante de un Meta Programa.
Al considerar el alfa de Cronbach, es importante recordar que MindSonar no es una prueba, sino una colección de 13 pruebas separadas, una para cada conjunto de Meta Programas.
A continuación, Agnes Ly explica claramente cómo calcula el alfa de Crombach con un programa estadístico (SPSS).
MINDSONAR IN YOUR AREA
For certification training and other MindSonar events in your country, please see our international Distributors List.
SEAL
Only registered MindSonar Professionals have the right to use the MindSonar seal in their communications.
MINDSONAR GLOBAL
The Registry is maintained by MindSonar Global.
Sterreschansweg 34, 6522 GR Nijmegen, The Netherlands.
Chamber of Commerce Registration: NL-10142706