DataSonica es un podcast de preguntas, curiosidades y temas cotidianos en debates significativos, análisis y aprendizajes. Temas en educación, ciencia, tecnología y música...desde cómo escribir un artículo científico hasta los secretos detrás de la música Lo-Fi.
Podcast Overview
DataSonica es un podcast de preguntas, curiosidades y temas cotidianos en debates significativos, análisis y aprendizajes. Temas en educación, ciencia, tecnología y música...desde cómo escribir un artículo científico hasta los secretos detrás de la música Lo-Fi.
Language
🇪🇸
Publishing Since
3/30/2025
Reach the team behind DataSonica
Verified contact details for this show aren't on file yet — sign up to get notified when they land.
Recent Episodes
July 22, 2025
10 Estrategias para Potenciar tu Creatividad como Administrador
This episode explores ten strategies, inspired by Jeffrey Baumgartner, that administrators can use to enhance their creativity through techniques like music, brainstorming, and journaling.
June 29, 2025
Likert, la escala que revolucionó las encuestas
This episode explores how Rensis Likert's scale revolutionized surveys by measuring intangible opinions and attitudes through quantifiable data, impacting various fields and research methodologies.
April 7, 2025
La significación estadística
<p>Cuando el jurado te dice "Por qué tu variable tiene una influencia SIGNIFICATIVA sobre..."</p><p>A veces la gente pregunta cómo saber si los resultados son <strong>significativos</strong>.</p><p>El problema es que la palabra <strong>significativo</strong> tiene diferentes significados en el lenguaje cotidiano y difiere del lenguaje estadístico.</p><p>En el lenguaje cotidiano <strong>significativo</strong> puede significar <strong>grande</strong> o <strong>importante</strong>. Por ejemplo, podríamos decir que las ganancias son <strong>significativamente</strong> más este año de lo que fueron el año pasado, lo que implica que la diferencia es bastante grande; o podríamos decir que ha habido un <strong>aumento significativo en la temperatura</strong> para enfatizar el aumento como <strong>importante</strong>, pero podría ser bastante pequeño, por lo que esos son dos significados cotidianos de <strong>significativo, </strong>es decir<strong>, grande</strong> e <strong>importante</strong>, pero en el análisis estadístico la palabra <strong>significativo</strong> significa algo muy diferente, algo que puede ser estadísticamente <strong>significativo y ser pequeño</strong> y sin importancia.</p><p>Esto es un problema con los informes de investigación porque cuando la gente dice que <strong>los resultados son significativos</strong>, la gente piensa que eso significa <strong>grande</strong> e <strong>importante</strong>, pero en realidad podría no serlo necesariamente.</p><p>Cuando un resultado es <strong>estadísticamente significativo</strong> consta que tenemos evidencia en nuestra muestra que el efecto que está en la muestra existe también en la población.</p><p>Generalmente, usamos un <strong>valor p</strong> (<strong>p value</strong>) para decidir si algo es <strong>estadísticamente significativo;</strong> usamos el <strong>valor p</strong> para determinar si el efecto que aparece en la muestra indica que hay también un efecto en la población o, de lo contrario, podría haber ocurrido simplemente por casualidad o por error de muestreo.</p><p>En las ciencias sociales, cuando un <strong>valor p</strong> es menor a 0.05 decimos que el resultado es significativo.</p><p>Cuando rechazamos la <strong>hipótesis nula</strong> (no hay efecto), estamos diciendo que hay un efecto que demuestra que el resultado es <strong>estadísticamente significativo</strong>, por lo que el <strong>valor p</strong> rechaza el resultado estadísticamente significativo de la <strong>hipótesis nula.</strong></p><p>Por otro lado, si tienes una muestra grande, casi cualquier cosa podría ser <strong>estadísticamente significativa</strong> pero puede tener un efecto muy pequeño, pero debido a que nuestra muestra es tan grande y es una buena representación de la población podríamos decir que es estadísticamente significativo, pero el resultado podría ser absolutamente inútil.</p><p>Si tienes una muestra muy pequeña, es poco probable que tu resultado sea <strong>estadísticamente significativo</strong> a menos que haya un efecto notable.</p><p>Así es que, cuando hagas un informe de investigación con el término <strong>estadísticamente significativo</strong> no uses la palabra significativa por sí sola y definitivamente no la uses para expresar algo grande o importante; sino, usa frases como “estadísticamente probable”.</p><p><a href="https://www.youtube.com/watch?v=b6VJINPaHbA" target="_blank" rel="noopener ugc nofollow">https://www.youtube.com/watch?v=b6VJINPaHbA</a></p><p>Fuente principal: Statistics learning center and creative. 2021</p><p>Fuente textual <a href="https://medium.com/@antonioliriololi/comprensi%C3%B3n-de-la-significaci%C3%B3n-estad%C3%ADstica-546f05bed1ed" target="_blank" rel="noopener noreferer">aquí</a>.</p>
8 total episodes available
Deep-dive analytics for DataSonica
Frequently asked questions
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
- What is DataSonica?
- How often does this podcast release new episodes?
This podcast updates daily.
- Where can I listen to this podcast?
This podcast is available on 4 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
- Does this podcast accept guests?
Information about guest appearances is not available.
Legal Disclaimer
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.