Analisis de Resultados, La guia del estudiante.

Planted February 18, 2024

Siempre me hacen la pregunta clave: Como se hace un buen análisis de resultados?. Aquí veremos cómo. Atentos.

Definición

Les dejo la que más me gustó 😄 :

Análisis de resultados es el proceso de examinar y evaluar datos obtenidos de experimentos, investigaciones o pruebas para extraer conclusiones significativas y tomar decisiones informadas.

Fuente: Enciclopedia Británica.

Tipos

Realmente existen muchos tipos de análisis de resultados, pero los más usados en los laboratorios son dos:

• Análisis Cualitativo.
• Análisis Cuantitativo.

Analisis Cualitativo:

Explora y analiza datos no numéricos, como textos, entrevistas, o respuestas abiertas en encuestas. Se centra en patrones de significado, temas y conceptos emergentes.

Este se suele utilizar cuando se estudian características de un fenómeno particular, como podría ser condiciones generales de encendido de un led, o la relación entre el cambio de estado de un componente dentro de un circuito (ejemplo: un botón) con respecto al resto del susodicho.

Análisis Cuantitativo:

Examina datos numéricos mediante técnicas estadísticas y matemáticas. Incluye el uso de medidas cuantitativas para describir y comparar fenómenos.

El más común de encontrar entre nuestros laboratorios. Se usa cuando existe un proceso de adquisición de datos mediante instrumentos.

Análisis cualitativo, cómo se hace?

Pasos:

1. Familiarización con los Datos.

Lee o escucha los datos en su totalidad para familiarizarte con el contenido. Toma notas preliminares y reflexiona sobre las impresiones iniciales.

2. Categorización de Datos.

Identifica unidades de significado en los datos y asigna categorías descriptivas a estas unidades. Las categorías son etiquetas que resumen temas o conceptos clave. Estos conceptos claves tienen que ir relacionados directamente con los objetivos del experimento o práctica.

Ejemplo: En un experimento de comportamiento de un Transistor usado como conmutador de un LED vs. Encendido de LED sin conmutador con semiconductor; las categorías serían:

• Estado de LED.
• Disipación de calor de resistencia en serie de LED.
• Corriente asociada a cada fenómeno.

También se pueden agregar categorías tales como costo económico asociado, y complejidad del circuito.

3. Muestreo de Datos

Selecciona muestras específicas de datos para un análisis más detallado. Puedes enfocarte en casos extremos, casos típicos o ejemplos que ilustren ciertos patrones.

4. Matriz de Análisis

Crea una matriz de codificación que relacione las categorías con segmentos específicos de datos. Esto facilitará la organización y referencia cruzada durante el análisis.

Para el ejemplo previamente mencionado, se tendría que realizar una matriz para cada estado del LED de cada circuito.

Video recomendado:

5. Identificación de Patrones y Tendencias.

Busca patrones, tendencias o relaciones en las categorías y temas identificados. Pregúntate cómo estos patrones contribuyen a la comprensión de tu investigación.

6. Elaboración de Narrativa.

Construye narrativas o explicaciones que resuman y den sentido a los resultados. Destaca ejemplos específicos para respaldar tus conclusiones.

Otros videos recomendados:

Análisis Cuantitativo, cómo se hace?

1. Familiarización con los Datos.

Lee o escucha los datos en su totalidad para familiarizarte con el contenido. Toma notas preliminares y reflexiona sobre las impresiones iniciales.

2. Muestreo de Datos.

Selecciona muestras específicas de datos para un análisis más detallado. Puedes enfocarte en casos extremos, casos típicos o ejemplos que ilustren ciertos patrones.

3. Visualización de Datos.

Crea gráficos y visualizaciones, como histogramas, diagramas de dispersión o gráficos de barra, para representar la distribución de los datos y detectar patrones visuales.

Mirar videos:

4. Tratamiento de Datos.

• MEAN SQUARED ERROR

Una de las funciones primordiales a tener dentro de nuestro repertorio, y que se presenta de gran utilidad al hacer correlación entre datos medidos y calculados, es la función de Error Cuadrático Promedio (MSE por sus siglas en inglés):

La cual lo definimos como el promedio de las diferencias entre el valor real y el calculado elevados al cuadrado. Entre más grande sea este valor, menos exacto son nuestras predicciones, y, por lo tanto, se debe justificar esa diferencia.

Caso de uso: Esta herramienta estadística es muy útil cuando analizamos curvas características de componentes y el cambio de una variable dentro de nuestro experimento con respecto a otra. En el caso de que los valores obtenidos durante un experimento no sea posible calcularlos, debemos investigar en la hoja de datos de los componentes por si existe una tabla o gráfico que nos permita comparar.

Video útil:

• ERROR RELATIVO.

Si nuestro experimento consta únicamente de un dato tomado, o, que nuestro interés sea analizar únicamente un tan solo dato, podemos usar la función Error Relativo:

Esta función nos da un valor porcentual que nos dice que tan desviada está nuestra medición del valor calculado.

• REGRESIONES

Puede también ser de gran ayuda tener siempre a la mano métodos de regresión para utilizar en el caso sea necesario. Esto nos ayuda a obtener una función que describa el comportamiento de nuestro fenómeno y a hacer futuras predicciones.

Regresión lineal:

Regresión exponencial:

Existen muchas regresiones, por lo que se debe ver cuál es la más adecuada para describir nuestro fenómeno.

5. Elaboración de Narrativa.

Construye narrativas o explicaciones que resuman y den sentido a los resultados. Destaca ejemplos específicos para respaldar tus conclusiones.

Conclusión.

El análisis de resultados es el paso con mayor relevancia dentro de las prácticas de laboratorio, ya que es este el que les da sentido a los datos, y relaciona la teoría con la práctica.