DataSonica

About DataSonica

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.

Publisher

Antonio Lirio

Category

society & culture

Language

es

Explicit

No

First episode

30 Mar 2025

Latest episode

22 Jul 2025

Latest episodes

8 episodes in the feed.

1. 

   22 Jul 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.

2. 

   29 Jun 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.

3. 

   7 Apr 2025

   La significación estadística

   Cuando el jurado te dice "Por qué tu variable tiene una influencia SIGNIFICATIVA sobre..." A veces la gente pregunta cómo saber si los resultados son significativos. El problema es que la palabra significativo tiene diferentes significados en el lenguaje cotidiano y difiere del lenguaje estadístico. En el lenguaje cotidiano significativo puede significar grande o importante. Por ejemplo, podríamos decir que las ganancias son significativamente 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 aumento significativo en la temperatura para enfatizar el aumento como importante, pero podría ser bastante pequeño, por lo que esos son dos significados cotidianos de significativo, es decir, grande e importante, pero en el análisis estadístico la palabra significativo significa algo muy diferente, algo que puede ser estadísticamente significativo y ser pequeño y sin importancia. Esto es un problema con los informes de investigación porque cuando la gente dice que los resultados son significativos, la gente piensa que eso significa grande e importante, pero en realidad podría no serlo necesariamente. Cuando un resultado es estadísticamente significativo consta que tenemos evidencia en nuestra muestra que el efecto que está en la muestra existe también en la población. Generalmente, usamos un valor p (p value) para decidir si algo es estadísticamente significativo; usamos el valor p 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. En las ciencias sociales, cuando un valor p es menor a 0.05 decimos que el resultado es significativo. Cuando rechazamos la hipótesis nula (no hay efecto), estamos diciendo que hay un efecto que demuestra que el resultado es estadísticamente significativo, por lo que el valor p rechaza el resultado estadísticamente significativo de la hipótesis nula. Por otro lado, si tienes una muestra grande, casi cualquier cosa podría ser estadísticamente significativa 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. Si tienes una muestra muy pequeña, es poco probable que tu resultado sea estadísticamente significativo a menos que haya un efecto notable. Así es que, cuando hagas un informe de investigación con el término estadísticamente significativo 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”. https://www.youtube.com/watch?v=b6VJINPaHbA (https://www.youtube.com/watch?v=b6VJINPaHbA) Fuente principal: Statistics learning center and creative. 2021 Fuente textual aquí (https://medium.com/@antonioliriololi/comprensi%C3%B3n-de-la-significaci%C3%B3n-estad%C3%ADstica-546f05bed1ed).

4. 

   6 Apr 2025

   ¿Qué tan fiable y válido es el instrumento de tu tesis?

   En carreras como Administración, Educación, Psicología, Ciencias de la comunicación, el instrumento más utilizado es el cuestionario. Este se evalúa según 2 criterios principales: Validez (Validity): Es el grado en que un instrumento realmente mide la variable que se pretende evaluar. Ejemplo exagerado, si necesito medir la estatura de un estudiante, debo usar un estadiómetro y no una balanza. De manera similar, un estudio sobre la variable “rendimiento laboral” debe contar con un cuestionario cuyos ítems midan ese concepto, y no otro como el clima laboral. Fiabilidad o Confiabilidad (Reliability): Se refiere a la consistencia y precisión de las mediciones del instrumento, o la capacidad de producir resultados similares cuando se aplica repetidamente al mismo sujeto en condiciones equivalentes. Otro ejemplo exagerado, si en el mercado una balanza mide un kilo de pollo y luego muestra en la pantalla un peso de 800 gramos para el mismo producto, concluiríamos que la balanza no es confiable. En el caso de los cuestionarios, los ítems deben recoger resultados similares en la misma población, siempre y cuando las condiciones sean estables. Las variaciones observadas en las respuestas suelen deberse a factores externos como las fluctuaciones naturales de las personas, y no a defectos del instrumento. Profundicemos: Tipos de validez: Validez de Contenido: Evalúa si los ítems representan adecuadamente el dominio teórico de la variable. Este proceso se realiza mediante juicio de expertos, quienes verifican la claridad y consistencia del instrumento. Este método es cualitativo. Validez de Constructo (o Validez Discriminante): Examina estadísticamente si el instrumento refleja la estructura teórica de la variable, asegurando que cada ítem sea independiente de los demás. Para este análisis se utiliza el AVE (Average Variance Extracted o Varianza Extraída Promedio) y la prueba de Fornell & Larcker, aplicados en el SEM PLS a través de software como SmartPLS. Es un método cuantitativo. Validez de Criterio: Combina la validez de contenido y constructo, e incluye la validez predictiva, que evalúa si los resultados del instrumento permiten anticipar fenómenos o comportamientos relacionados. Es importante destacar que, si existe un instrumento ampliamente validado en la comunidad científica, como el cuestionario de Burnout, ya no requiere juicio de expertos. Muchas veces estos cuestionarios están disponibles en línea y cuentan con el respaldo de autores reconocidos, aunque pueden tener un costo asociado. Fiabilidad: Para medir la fiabilidad de un instrumento, se utilizan métodos como: Alfa de Cronbach: Indicador que varía entre 0 y 1, siendo aceptable ≥ 0.6. Rho de A y Fiabilidad Compuesta. Además, la fiabilidad puede evaluarse mediante una prueba piloto aplicada a un grupo representativo, asegurando la reproducibilidad del instrumento en aplicaciones repetidas bajo las mismas condiciones. También se verifica la fiabilidad durante su uso continuo en estudios posteriores. Conclusión: La validez y confiabilidad son pilares fundamentales para garantizar que un instrumento de investigación sea riguroso y creíble. La validez asegura que el instrumento mide lo que se busca evaluar, mientras que la fiabilidad garantiza resultados consistentes y estables, fortaleciendo la calidad de cualquier estudio científico. Si deseas esto en texto, ingresa aqui (https://medium.com/@antonioliriololi/resumen-acad%C3%A9mico-validez-y-confiabilidad-del-instrumento-82c23f481575)

5. 

   31 Mar 2025

   Tips para la sustentación de tu proyecto de tesis

   ANTES DE LA SUSTENTACIÓN 1.   Preparación técnica  : - Plataforma: Usa   MS Teams   (verifica clave, día yhora). - Cámara: Obligatoria. Usa PC/laptop (evita celulares). - Fondo: Neutro y sin distractores. Evita fondos virtuales si la calidad es baja. 2.   Tiempo  : Máximo   20 minutos . Prepárate para posibles recortes por fallas técnicas. 3.      - Jurado: Profesores de la Escuela de especialidad tu maestría o tema de proyecto. - Asesor: Puede conectarse si lo autorizas. 4.   Vestimenta  : Formal (aunque solo se vea de mediocuerpo). 5.   Diseño de diapositivas  : - Herramientas:   PowerPoint  (pantalla completa) o   Canva   (diseños dinámicos si dominas la herramienta). - Evita transiciones complejas para optimizar tiempo. -   Recomendaciones visuales  : - Prioriza   imágenes, gráficos y tablas   sobre texto. - Fuente mínima:   12pt  . - Máximo   8-10 líneas por diapositiva  . 6.   Preparación oral  : - Practica con cronómetro. - Elimina muletillas y modula tu voz. - Memoriza   palabras clave  , no el texto completo. - Incluye   pausas estratégicas   para enfatizar ideas. 7.   Material de apoyo  : - Ten listo tu proyecto en   Word/PDF   para compartir si el jurado lo solicita. DURANTE LA SUSTENTACIÓN Estructura recomendada (20-25 diapositivas)  : 1.   Portada  : Título del proyecto, tu nombre, mención ymaestría. 2.   Planteamiento del problema  : 2 diapositivas (contextobreve, sin copiar/pegar). 3.   Pregunta, objetivos e hipótesis  : Sintetiza en 1-2diapositivas. 4.   Antecedentes  : Solo títulos, sin descripciones largas. 5.   Marco teórico  : Máximo 4 diapositivas con gráficos otablas. 6.   Operacionalización de variables  : Muestra tabla resumida(variables, dimensiones, indicadores). 7.   Metodología  : - Enfoque, diseño y técnicas clave (sé conciso; será la base de preguntas). ¡Evita!  : - Leer diapositivas:   Interpreta   la información. - Incluir justificación: Resérvala para preguntas. DESPUÉS DE LA SUSTENTACIÓN 1.   Sesión de preguntas  : - Cada jurado hará   2-4 preguntas  - Escucha atentamente y toma notas. - Responde con   referencias bibliográficas   (autores, años, teorías). 2.   Manejo del tiempo  : - Si hay fallas técnicas, adapta tus respuestas para ser breve. 3.   Reflexión final  : - Destaca el   aporte de tu investigación   en 1-2frases. ¿CUÁNDO GENERALMENTE DESAPRUEBAN? - Falta de dominio del tema:  - No explicar variables, marco teórico o metodología. - Dependencia excesiva de diapositivas o lectura. - Inseguridad al responder (voz temblorosa,contradicciones). CONSEJOS FINALES -   Practica en grupo  : Simula preguntas aleatorias concompañeros. -   Mantén la calma  : Respira profundo antes de empezar. ¡Tú eres el experto! ATENCIÓN: Esta es una guía NO OFICIAL. eres responsable de tomarlo o no tomar estos consejos. Gracias. Más detalle aquí (https://antonioliriololi.medium.com/tips-para-la-sustentaci%C3%B3n-de-tu-proyecto-f158397ab966)

6. 

   30 Mar 2025

   ¿Qué son los programas de análisis cualitativos (QDA)?

   Este podcast está diseñado para estudiantes que quieren dominar la investigación cualitativa con herramientas digitales. Explora cómo software como ATLAS.ti, NVivo y MaxQDA pueden revolucionar el análisis de datos, organizando entrevistas, textos, audios o incluso redes sociales de manera eficiente y visual. Discute ventajas clave (ahorro de tiempo, rigor analítico, trabajo en equipo) y desafíos (costo, curva de aprendizaje), además de tips para elegir la herramienta ideal según el proyecto. Con un tono dinámico y ejemplos prácticos, invita a los oyentes a dejar atrás el caos de los papeles y abrazar la tecnología como aliada, sin perder de vista que la verdadera magia está en su curiosidad y mirada crítica. ¡Perfecto para investigadores que quieren ser productivos sin morir en el intento! 🚀📊

7. 

   30 Mar 2025

   ¿Qué es un DOI?

   El podcast trata sobre el DOI, o Identificador de Objeto Digital, una herramienta clave para localizar y vincular artículos científicos mediante un enlace permanente, incluso si su ubicación en la web cambia. Este sistema, gestionado por la International DOI Foundation y agencias como Crossref y DataCite, asegura la identificación única de publicaciones digitales en todas las disciplinas. Con el DOI, es posible acceder rápidamente al artículo y a sus metadatos, lo que facilita la gestión bibliográfica y el ahorro de tiempo en investigaciones. Aunque es confiable, se han detectado errores en la asignación de DOI, pero sigue siendo un recurso ampliamente utilizado para garantizar el acceso y la organización de contenidos académicos.

8. 

   30 Mar 2025

   Canciones por estudiantes de Santa Rosa de Viterbo de Huaraz en 1969

   Testimonio íntimo y evocador de Antonio Lirio sobre cómo las tardes de sábado en su infancia estaban llenas de canciones interpretadas por su hermana y amigas. Usando una grabadora alemana, registraron melodías, poesías y himnos que pintaban la cultura estudiantil de la “Gran Unidad Escolar Santa Rosa de Viterbo”. Estas grabaciones, llenas de alegría y nostalgia, sobrevivieron al terremoto de 1970, aunque las cintas enfrentaron desgaste con el tiempo....(Versión Youtube: https://youtu.be/XnZnSDpN0bU (https://youtu.be/XnZnSDpN0bU))