Modelo para seleccionar pruebas estadísticas implementado en una aplicación bilingüe
DOI:
https://doi.org/10.22201/dgtic.26832968e.2026.18.176Palabras clave:
análisis de datos, análisis estadístico, ciencias sociales, educación superior, escalas de Likert, metodología de la investigación, psicologíaResumen
La investigación en educación, ciencias sociales, psicología y campos afines genera continuamente datos provenientes de cuestionarios, tales como encuestas a egresados, evaluación docente o autopercepción de competencias. Un mismo instrumento produce datos conceptualmente distintos: la edad es continua, el género es nominal y las respuestas de una escala de Likert son ordinales. Analizarlos con la prueba adecuada es vital para una correcta interpretación, pero no todas las personas que investigan tienen formación estadística especializada y las recomendaciones académicas suelen ser dispersas y ambiguas. Este artículo presenta un modelo de decisión, construido a partir de una revisión de la literatura metodológica y expresado en dos diagramas de flujo que operacionalizan, mediante umbrales concretos, la decisión entre el tratamiento paramétrico o no paramétrico, así como la selección de la prueba apropiada. El modelo se implementó en el Asistente de Decisión Estadística, una aplicación web bilingüe (español-inglés) gratuita y de código abierto, dirigida a personas con formación estadística básica. Ésta guía al usuario mediante preguntas secuenciales hasta proporcionar una recomendación fundamentada que incluye la prueba estadística, el tamaño del efecto, el intervalo de confianza y la prueba post hoc, cuando corresponde. Se discute su uso en la investigación, en la docencia y en la dirección de trabajos de titulación.
Descargas
Citas
[1] A. González Palacios, C. A. Palafox Sánchez, D. P. Ávila Cruz, and H. A. Gómez Rodríguez, “Autopercepción de las competencias informacionales en estudiantes universitarios del Centro Universitario de Ciencias de la Salud: un estudio descriptivo,” TIES, Revista de Tecnología e Innovación en Educación Superior, no. 16, pp. 10-28, 2026, doi: 10.22201/dgtic.26832968e.2026.16.124.
[2] C. Pérez Cerón, “Affordances de la visualización de datos para el desarrollo de la alfabetización numérica y competencias digitales,” TIES, Revista de Tecnología e Innovación en Educación Superior, no. 16, pp. 42-53, 2026, doi: 10.22201/dgtic.26832968e.2026.16.148.
[3] J. L. Silva-Lugo, L. A. Warner, and S. Galindo, “From parametric to non-parametric statistics in education and agricultural education research,” The Journal of Agricultural Education and Extension, vol. 28, no. 4, pp. 393-413, 2022, doi: 10.1080/1389224X.2021.1936089.
[4] M. A. Tumiran, “Research methodology confusion among novice social sciences and humanities researchers,” Quantum Journal of Social Sciences and Humanities, vol. 5, no. 1, pp. 115-125, 2024, doi: 10.55197/qjssh.v5i1.332.
[5] D. H. Solís Recéndez, B. E. Solís Recéndez y E. P. Solís Recéndez, “Impacto del retorno presencial postpandemia en el estrés universitario”, Revista Mexicana de Orientación Educativa, vol. 23, n.º 50, pp. 1-21, 2026, doi: 10.31206/rmdo702026.
[6] H. N. Boone, Jr. and D. A. Boone, “Analyzing Likert data,” Journal of Extension, vol. 50, no. 2, Art. no. 48, 2012, doi: 10.34068/joe.50.02.48.
[7] G. M. Sullivan and A. R. Artino, Jr., “Analyzing and interpreting data from Likert-type scales,” Journal of Graduate Medical Education, vol. 5, no. 4, pp. 541-542, 2013, doi: 10.4300/JGME-5-4-18.
[8] R. Hernández-Sampieri and C. Mendoza-Torres, Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta, 2nd ed. Ciudad de México, México: McGraw-Hill, 2023.
[9] J. Moreira, A. de Carvalho, and T. Horváth, A General Introduction to Data Analytics. Hoboken, NJ, USA: Wiley, 2019, doi: 10.1002/9781119296294.
[10] M. Á. Villasís-Keever and M. G. Miranda-Novales, “El protocolo de investigación IV: las variables de estudio,” Revista Alergia México, vol. 63, no. 3, pp. 303-310, 2016, doi: 10.29262/ram.v63i3.199.
[11] D. L. Streiner, G. R. Norman, and J. Cairney, Health Measurement Scales: A Practical Guide to Their Development and Use, 6th ed. Oxford, UK: Oxford University Press, 2024.
[12] B. Derrick and P. White, “Comparing two samples from an individual Likert question,” International Journal of Mathematics and Statistics, vol. 18, no. 3, pp. 1-13, 2017.
[13] U. Wadgave and M. R. Khairnar, “Parametric tests for Likert scale: For and against,” Asian Journal of Psychiatry, vol. 24, pp. 67-68, 2016, doi: 10.1016/j.ajp.2016.08.016.
[14] S. M. Lynch, Using Statistics in Social Research. New York, NY, USA.: Springer, 2013.
[15] I. Kusmaryono, D. Wijayanti, and H. R. Maharani, “Number of response options, reliability, validity, and potential bias in the use of the Likert scale education and social science research: A literature review,” International Journal of Educational Methodology, vol. 8, no. 4, pp. 625-637, 2022, doi: 10.12973/ijem.8.4.625.
[16] S. Y. Chyung, K. Roberts, I. Swanson, and A. Hankinson, “Evidence-based survey design: The use of a midpoint on the Likert scale,” Performance Improvement, vol. 56, no. 10, pp. 15-23, 2017, doi: 10.1002/pfi.21727.
[17] D. H. Solis, D. Hutchinson y N. Longnecker, “Visual discrete format: An alternative to Likert-type formats of survey items sensitive enough to measure small changes in stable constructs such as self-concept in science”, International Journal of Cognitive Research in Science, Engineering and Education, vol. 10, n.º 2, pp. 1-16, 2022, doi: 10.23947/2334-8496-2022-10-2-01-16.
[18] A. Field, Discovering Statistics Using IBM SPSS Statistics, 6th ed. London, UK: SAGE Publications, 2024.
[19] J. Diamond, M. Horn, and D. H. Uttal, Practical Evaluation Guide: Tools for Museums and Other Informal Educational Settings. Lanham, MD, USA.: Rowman & Littlefield, 2016.
[20] D. S. Soper, A-priori Sample Size Calculator for Student t-Tests [Software], 2025. [Online]. Available: http://www.danielsoper.com/statcalc. [Accessed: Oct.1, 2025]
[21] F. Faul, E. Erdfelder, A.-G. Lang, and A. Buchner, “G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences,” Behavior Research Methods, vol. 39, no. 2, pp. 175-191, 2007, doi: 10.3758/BF03193146.
[22] A. D. Ho and C. C. Yu, “Descriptive statistics for modern test score distributions: Skewness, kurtosis, discreteness, and ceiling effects,” Educational and Psychological Measurement, vol. 75, no. 3, pp. 365-388, 2015, doi: 10.1177/0013164414548576.
[23] H.-Y. Kim, “Statistical notes for clinical researchers: Chi-squared test and Fisher's exact test,” Restorative Dentistry & Endodontics, vol. 42, no. 2, pp. 152-155, 2017, doi: 10.5395/rde.2017.42.2.152.
[24] M. L. McHugh, “The chi-square test of independence,” Biochemia Medica, vol. 23, no. 2, pp. 143-149, 2013, doi: 10.11613/BM.2013.018.
[25] R. M. West, “Best practice in statistics: Use the Welch t-test when testing the difference between two groups,” Annals of Clinical Biochemistry, vol. 58, no. 4, pp. 267-269, 2021, doi: 10.1177/0004563221992088.
[26] D. G. Pereira, A. Afonso y F. M. Medeiros, “Overview of Friedman's test and post-hoc análisis,” Communications in Statistics - Simulation and Computation, vol. 44, no. 10, pp. 2636-2653, 2015, doi: 10.1080/03610918.2014.931971.
[27] M. W. Fagerland, S. Lydersen, and P. Laake, Statistical Analysis of Contingency Tables. Boca Raton, FL, USA: CRC Press/Taylor & Francis Group, 2017.
[28] G. Cumming and R. Calin-Jageman, Introduction to the New Statistics: Estimation, Open Science, and Beyond, 2nd ed. New York, NY, USA: Routledge, 2024.
[29] M. Tomczak and E. Tomczak, "The need to report effect size estimates revisited. An overview of some recommended measures of effect size," Trends in Sport Sciences, vol. 21, no. 1, pp. 19-25, 2014.
[30] J. Cohen, Statistical Power Analysis for the Behavioral Sciences, 2nd ed. Hillsdale, NJ, USA: Lawrence Erlbaum Associates, 1988.
[31] P. Allen, K. Bennett, and B. Heritage, SPSS Statistics: A Practical Guide, 4th ed. Melbourne, Australia: Cengage AU, 2018.
[32] M. W. Fagerland, S. Lydersen, and P. Laake, “Recommended confidence intervals for two independent binomial proportions,” Statistical Methods in Medical Research, vol. 24, no. 2, pp. 224-254, 2015, doi: 10.1177/0962280211415469.
[33] NCSS, “Tests for multiple correlated proportions (McNemar-Bowker test of symmetry),” in PASS Sample Size Software, ch. 151. Kaysville, UT, USA: NCSS, LLC. [Online]. Available: https://www.ncss.com/wp-content/themes/ncss/pdf/Procedures/PASS/Tests_for_Multiple_Correlated_Proportions-McNemar-Bowker_Test_of_Symmetry.pdf. [Accessed: Aug. 30, 2026]
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Daniel Humberto Solís Recéndez, David A. W. Hutchinson, Nancy Longnecker

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
TIES, Revista de Tecnología e Innovación en Educación Superior, es una publicación semestral de acceso abierto bajo la licencia Creative Commons Atribución-No Comercial 4.0 Internacional (CC BY-NC 4.0).
ISSN 22683-2968 • © 2026 Universidad Nacional Autónoma de México. TIES, Revista de Tecnología e Innovación en Educación Superior es editada por la Universidad Nacional Autónoma de México a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC). Circuito exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, México • Reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203.
El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista del Comité editorial, del Editor o de la Universidad Nacional Autónoma de México. Hecho en México, 2026.
