nociones b sicas de m todos cuantitativos para ling istas n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Nociones básicas de métodos cuantitativos para lingüistas PowerPoint Presentation
Download Presentation
Nociones básicas de métodos cuantitativos para lingüistas

Loading in 2 Seconds...

play fullscreen
1 / 45

Nociones básicas de métodos cuantitativos para lingüistas - PowerPoint PPT Presentation


  • 103 Views
  • Uploaded on

IUOG, Seminario de Metodología, 28 marzo 2006. Nociones básicas de métodos cuantitativos para lingüistas. Crist óbal Lozano Universidad Autónoma de Madrid http://www.uam.es/cristobal.lozano. Objetivos del seminario. NO estudiaremos hoy: Cómo hacer estadística. Cómo diseñar un experimento.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Nociones básicas de métodos cuantitativos para lingüistas' - howard-stanley


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
nociones b sicas de m todos cuantitativos para ling istas

IUOG, Seminario de Metodología, 28 marzo 2006

Nociones básicas de métodos cuantitativos para lingüistas

Cristóbal Lozano

Universidad Autónoma de Madrid

http://www.uam.es/cristobal.lozano

objetivos del seminario
Objetivos del seminario
  • NO estudiaremos hoy:
    • Cómo hacer estadística.
    • Cómo diseñar un experimento.
    • Cómo analizar datos en SPSS.
  • SÍ estudiaremos hoy:
    • Conceptos y métodos básicos en investigación cuantitativa.
    • Principios básicos antes de comenzar estudio cuantitativo  qué hay que tener en cuenta.
escoger tema de investigaci n
Escoger tema de investigación
  • Error del principiante: investigarlo “todo”
  • Solución  restringir el objeto de estudio
    • ERROR: quiero investigar la adquisición de pronombres en español L1
    • SOLUCIÓN: restringir:
      • Pronombres personales: caso
      • Pronombres personales accusativo: persona
      • Pronombres personales acusativo 3ª: singular vs. plural.
  • ►PREGUNTA ¿Necesitamos restringir estos temas de investigación?:
  • Adquisición: El “periodo crítico” en la adquisición de español L2.
  • Psicolingüística: La representación mental de los morfemas en pacientes con síndrome de Alzheimer.
  • Corpus: la distribución de los sujetos postverbales con verbos inacusativos en dos corpus nativos: corpus español de la RAE y el British National Corpus.
datos tipos
Datos: Tipos
  • ¿Qué/cómo son los datos lingüísticos?
    • Sintagmas
    • Palabras
    • Tiempo de reacción ante ciertas estructuras
    • Nº de sujetos nulos
    • Morfemas
    • Grado de aceptabilidad ante una estructura/elemento.
    • Edad de aprendizaje de L2
    • Nivel de competencia gramatical
  • Tipos de datos:
    • Cualitativos:
      • Nominales: cada dato es una etiqueta, un nombre, sin valor numérico real:
        • SN / SV.
        • Hombre/mujer.
        • L1 inglés / L1 español.
      • Ordinales: cada dato está ordenado según un criterio (mayormenor):
        • Clase social (baja/media/alta)
        • Tipología (S>OD>OI)
    • Cuantitativos:
      • Continuos: cada dato es un número resultado de una medida, no hay “saltos”.
        • Milisegundos
        • Edad cronológica (en meses)
      • Discretos: cada dato es un número resultado de contar (¿cuántas veces tanto?), hay “saltos”
        • Nº de SN en un corpus
        • Nº de producción de morfemas verbales
medici n de datos escalas
Medición de datos: escalas
  • Según el tipo de datos, así el aparato de medición (escala):
  • IMPORTANTE: El tipo de estadística variará según el tipo de datos/escalas.
  • Escala nominal:
    • Sexo (hombre/mujer)
    • L1 (español/chino/japonés)
    • Respuesta escogida (gramatical/agramatical/no sé)
  • Escala ordinal:
    • Competencia (principiante/intermedio/avanzado)
    • Edad (niño/adolescente/adulto)
    • Valores de una escala graduada (nunca/a veces/a menudo/siempre)
  • Escala numérica (intervalo): contínuo, no hay “cero”:
    • RT msecs: Tiempo de reacción en milisegundos.
    • Tiempo (segs) en producir una oración.
    • TTR (Type/Token ratio)
    • MLU (Mean Length of Utterance)
    • Edad cronológica en años: 1, 2, 3, 4, …
    • Valores de una escala numérica de aceptabilidad del 1 al 10.
  • Escala numérica (ratio): discreto, hay “cero”:
    • Nº de SP en un texto.
    • Nº de errores cometidos con morfemas nominales flexivos.
    • Nº de africadas en un diálogo.
datos poblaci n muestra caso
Datos: Población, muestra, caso
  • Población:
    • Nº relativamente grande de elementos (puede ser infinito).
    • Poco manejable.
    • Ej 1: niños que aprenden español L1.
    • Ej 2: la lengua española (=todas las posibles oraciones del español)
  • Muestra:
    • Un conjunto (elegido al azar) de la población que investigamos.
    • Debe ser finito.
    • Más manejable.
    • Ej 1: un grupo de niños (n=30)con español L1.
    • Ej 2: un corpus del español (n=1 millón de palabras).
  • Caso:
    • Un elemento de la muestra.
    • Ej 1: uno de los 30 niños de la muestra.
    • Ej 1: una de las miles de estructuras sintácticas del corpus.
  • Idea básica:
    • La muestra representa fielmente a la población.
    • CIENCIA: se generalizan (=inferencia) los resultados de la muestra a la población en general.

Población

oo o o oo o o o

o o o oo o ooo

o oooo o o o

ooo o o o oo

ooo o o oo o ooo

o o o o o o o ooo

ooo o o oo ooo

o o o o o o oo

se extrae

Muestra

o o

o oo oo

oo

o o

se infiere

variables
Variables
  • ►¿Qué es una var? ¿Es importante para la investigación?
  • Variable:
    • Propiedad/aspecto que varía entre las personas/animales/objetos o cualquier otra unidad de análisis.
    • Su valor depende del azar (aleatorio).
    • Existen Modelos de Probabilidad que describen el comportamiento de las vars, p. ej., Modelo distribución Normal, distribución Chi-cuadrado, distribución t, distrib Binominal, etc.
      • Longitud corporal, peso de los gatos, talla del pie, número de infracciones de tráfico, sexo (hombre/mujer), clase social, nº de SSNN en un texto, nº de errores cometidos en L2, etc.
    • Variable Independiente (VI): variable “predictora”, la manipula el investigador, predice lo que le ocurrirá a una segunda variable que depende de ella. [predictor, factor]
    • Variable Dependiente (VD): variable de “respuesta”, el resultado, lo que se mide.
  • ►EJEMPLO: adquisición: El investigador quiere descubrir si el nivel de proficiencia en L2 (Principiante vs. Avanzado) influye en la detección de errores de concordancia Sujeto-Verbo (*Pedro comes manzanas).
  • VI: nivel de competencia (principiante/avanzado)
  • VD: nº de detecciones de errores de concordancia Sujeto-Verbo
  • ►PREGUNTA ¿Cuál es la VD y la VI?:
  • Adquisición: El inglés es una lengua con sujetos obligatorios (*John believes that is intelligent), al igual que el francés pero a diferencia del español. El investigador predice que en la adquisición de inglés L2, nivel principiante, los francófonos producirán menos errores que los hispanófonos.
niveles de la vi
Niveles de la VI:

Competencia: principiante/intermedio/avanzado [3 niveles]

Sexo: hombre/mujer [2 niveles]

Lengua materna: español/japonés/chino [3 niveles]

Modalidad del estímulo: auditivo/visual [2 niveles]

Niveles de la VI
  • ►PREGUNTA ¿Cuál es la VD y la VI? ¿Cuántos niveles de la VI?
  • Adquisición: Ionin & Wexler (2002:95): Adquisición de morfología verbal en inglés L1 con verbos temáticos (no acescenso) vs. verbo “be” (ascenso): “A grammaticality judgement task of English tense/agreement morphology similarly shows that the child L2 English learners are significantly more sensitive to the “be” paradigm than to inflection on thematic verbs”.
  • VI: flexión verbal: verbo temático vs. verbo “be” (2 niveles)
  • VD: resultados (=puntuación) obtenidos en el juicio de gramaticalidad.
  • ►PREGUNTA ¿Cuál es la VD y la VI? ¿Cuántos niveles de la VI?
  • Psicolingüística: El investigador quiere saber el tiempo que se tarda (en milisegundos) en reaccionar a una violación sintáctica (ascenso verbal: *John eats often pasta) frente a una oración gramatical (no ascenso verbal: John often eats pasta).
confounding variables
“Confounding” variables
  • Hay que controlar las variables que dan lugar a confusión.
  • El investigador quiere que los resultados (VD) se expliquen por una causa específica que se ha controlado (VI) y no por otras causas irrelevantes.
  • ►EJEMPLO: adquisición: Violaciones en la extracción de elementos wh-en inglés L2: *Who do you say that killed the president?
  • 3 grupos de aprendices de inglés L2:
    • Nativos de alemán (nivel principiante)
    • Nativos de griego (nivel principiante)
    • Nativos de griego (nivel avanzado)
  • Problema: ¿A qué se deben los resultados? ¿Al nivel: principiante vs. avanzado? ¿O a la lengua materna: griego vs. alemán).
  • Solución: VI: lengua materna (alemán/griego)
  • Descartar variable de confusión: nivel avanzado (griego).
constantes
Constantes
  • Las posibles variables de confusión hay que mantenerlas constantes (=una constante no varía, permanece fija, así que NO es una var).

►EJEMPLO ANTERIOR: Violaciones en la extracción de elementos wh-en inglés L2: *Who do you say that killed the president?

Solución: VI: lengua materna (alemán/griego)

Constante: nivel (avanzado sólo)

Constante: edad (sólo adolescentes)

Constante: tipo de instrucción (sólo contextos naturalistas)

modelo normal
Modelo “Normal”

N (μ,σ)

  • Es un modelo matemático que describe la probabilidad de variables continuas en una Población.
  • La “Normal” (=campana de Gauss):
    • Media esperanza (μ) en torno a la que se centran los datos.
    • Desviación típica (σ): dispersión de los datos.
    • Frecuencia densidad: mientras más a la izquierda/derecha de la media, menos frecuencia.
    • Es muy frecuente en la naturaleza.
      • Altura de humanos
      • Peso de gatos
      • Resistencia del hormigón
      • Élitros (=alas) de insectos
      • Capa de óxido de un microchip
    • Definición: N (μ,σ)
    • Modelo matemático (con fórmula).
modelo normal cont
Modelo “Normal” (cont)
  • Se puede calcular la probabilidad (o el %) de datos que queda a la derecha/izquierda de μ.

N (μ,σ)

68%

95%

99%

68% de los datos: (μ –1σ, μ +1σ)

95% de los datos: (μ –2σ, μ +2σ)

99% de los datos: (μ –3σ, μ +3σ)

la normal poblaci n curva vs muestra barras de histograma
La Normal: Población (curva) vs. muestra (barras de histograma)

n=20

n=50

n=10

n=100

n=500

n=1000

hip tesis
Hipótesis
  • Son predicciones que se aceptarán o rechazarán DESPUÉS del análisis de datos.
  • Hipótesis nula (H0): hipótesis por defecto, no predice diferencias, X=Y, la VI no influye.
  • Hipótesis alternativa (H1): predice diferencias, X≠Y, causadas por la VI.
  • Idea básica:
    • Rechazar H0 para así poder aceptar H1 (con un margen de confianza alto).
    • Así, el investigador tentrá la certeza (con un margen de error bajo) de que los resultados se deben a manipulación de IV (lengua materna) y no a otros factores o al azar.
    • ¿Por qué margen de error? Porque trabajamos sobre la muestra, que es un conjunto incompleto de la población.
  • Idea “matemática”:
    • H0: μx= μy
    • H1: μx≠μy

►EJEMPLO ANTERIOR: Violaciones en la extracción de elementos wh-en inglés L2: *Who do you say that killed the president?

H0: No se observarán diferencias entre ambos grupos de principiantes (griego vs. alemán) en el nº de detecciones de violaciones –wh.

H1: Habrá una diferencia entre los dos grupos de principiantes (griego vs. alemán) en el nº de detecciones de violaciones de elementos –wh.

direcci n de las hip tesis
Dirección de las hipótesis
  • Ejemplo anterior: hipótesis bidireccional (=dos colas):
    • Grupo alemán > grupo griego
    • Grupo alemán < grupo griego
      • Posibilidad de cometer error en predicción es doble.
  • Hipótesis unidireccional (=una cola):
    • Grupo alemán > grupo griego
      • Posibilidad de cometer error en predicción es la mitad (α/2).

►EJEMPLO : Corpus: material sintáctico que interviene entre el Verbo y el Sujeto postverbal: V X S.

Basándose en teorías lingüísticas, el investigador asume que la proporción de material sintáctico será mayor en un corpus nativo de español que en otro de italiano.

¿Cuáles son H0 y H1 ? ¿Unidireccional o bidireccional?

3 dise os experimentales b sicos
3 diseños experimentales básicos
  • Diseño: cómo se interrelacionan los grupos de datos y las variables.
  • 3 tipos de preguntas/hipótesis básicas en cualquier ciencia:
    • ¿Hay diferencias entre varX y varY?
    • ¿Hay diferencias entre varX y varY?
    • ¿Existe una relación entre varX y varY?
  • 3 tipos de diseños básicos:
    • Inter-grupos [between-group design, unrelated design]: Se comparan dos grupos diferentes de sujetos/muestras:
      • Psicolingüística: Los inmigrantes con árabe L1 que llegan a España antes del periodo crítico (14 años) alcanzan un nivel de competencia mayor que aquellos que llegan después del periodo crítico  2 GRUPOS DIFERENTES (PREPUBESCENTE vs POSTPUBESCENTE)
    • Intra-grupos [within-group design, related design]: Se comparan dos elementos del mismo grupo/muestra:
      • Psicolingüística: Los inmigrantes con árabe L1 que llegan a España después del periodo crítico producen más regularizaciones morfológicas con participios de la tercera conjugación (*escribido) que con los de la segunda (*ponido)  1 GRUPO, MISMOS SUJETOS, SE TOMAN MUESTRAS REPETIDAS.
    • Correlacional: relación entre dos variables:
      • Psicolingüística: El nivel de competencia lingüístico disminuye conforme la edad de llegada al país de destino aumenta (=a más edad, menos competencia).  RELACIÓN ENTRE 2 VAR (EDAD Y COMPETENCIA)
ejemplo inter grupos vs intra grupos
Ejemplo: inter-grupos vs. intra-grupos
  • Ascenso verbal en inglés L2:
    • SAVO: John often eats pasta.
    • SVAO: *John eats often pasta
  • 2 grupos:
    • Francés
    • Chino
  • Método: juicios de aceptabilidad: escala del 0 (inaceptable) al 10 (aceptable).
  • ¿Cuál podría ser H1? ¿Y H0? ¿Cuál es la VI? Y la ¿VD? ¿Cuántos niveles tiene VI? Observando a simple vista los datos, ¿podemos rechazar H0?

Inter grupos

Intra grupo

ejemplo correlacional
Ejemplo: correlacional
  • Español L1
  • Producción de dos elementos:
    • Flexión con verbos finitos (limpio, limpias, limpia) vs. formas verbales por defecto (“limpá”)
    • Sujetos pronominales plenos (yo, tú, él) vs. nulos (pro)
  • Predicción: H1: la producción de flexión verbal se correlaciona con la producción de sujetos plenos  a más flexión verbal, menos sujetos nulos.
2 tipos de estad stica
2 tipos de estadística
  • Estadística descriptiva:
    • Describe la muestra.
    • Proporciona un “resumen” de los datos de la muestra:
      • Centralidad: ¿qué datos son los más representativos?
      • Frecuencia: ¿cuántas veces aparece X?
      • Dispersión: ¿cuán dispersos son los datos?
  • Estadística inferencial:
    • Basándonos en la muestra, se infiere algo sobre la población.
    • Dice si las diferencias o las correlaciones entre las VI son significativas.
descriptiva tendencias de centralidad
Descriptiva: tendencias de centralidad
  • Centralidad: información sobre el comportamiento más típico de los casos.
    • Media: (promedio): la suma de todos los valores observados divididos por el nº de datos.
    • Moda: valor más frecuente (puede haber más de una moda).
    • Mediana: valor que divide la muestra en dos grupos (la mitad está por debajo de la mediana, la otra mitad por encima).
ejemplo centralidad
Ejemplo centralidad
  • Investigador: quiere comprobar una teoría lingüística (Hipótesis Incusativa).
    • Hipótesis Inacusativa:
      • Inergativos como ‘llorar’: SV
      • Inacusativos como ‘venir’: VS
    • Contextos neutros: la info es desconocida y ningún constituyente es Foco (info nueva):
      • A: ¿Qué pasó?
      • B: Un niño vino (SV) / Vino un niño (VS)
      • B’: Un niño lloró (SV) / Lloró un niño (VS)
  • Método: Test de juicios de aceptabilidad pareados:
    • Ayer, mientras estabas en el banco, un ladrón entró a robar. Hoy, tu amigo José ha escuchado en la radio una noticia sobre el banco, pero no sabe qué paso. Así que José te llama por teléfono y te pregunta: “¿Qué pasó ayer en el banco?”. Tú respondes:
      • Un ladrón entró -2 -1 0 +1 +2
      • Entró un ladrón -2 -1 0 +1 +2
datos nativos espa ol

Media para cada sujeto de estímulos de condición Inacusativo VS

(n=6)

Datos:Nativos español

Estímulos de condición Inacusativo VS

(n=6)

Casos

(n=19)

Inacusativos VS: 1.34

Inacusativos SV: 0.29

Hay diferencia…pero, ¿con qué confianza podemos afirmar que son realmente diferentes? ¿Qué pasaría si replicásemos el experimento 100 veces?

Media total para estímulo 1 de condición Inacusativo VS

Media total para los 6 estímulos de condición Inacusativo VS para todos los casos

qu hacer con los datos
¿Qué hacer con los datos?
  • 1º. Explorar y resumir [estadística descriptiva]:
    • Tablas (detallado pero poco intuitivo)
    • Gráficos (menos detallado pero visualmente intuitivo)
  • 2º. Inferir y generalizar [estadística inferencial]
    • Test(s) relevante(s): t-test, chi-cuadrado, ANOVA, etc…
    • Comprobar si las diferencias son significativas (o no).
    • Ver si H0 es rechazada o aceptada.
    • Generalizar/inferir de la muestra a la población.
  • 3º. Interpretar
    • Implicaciones teóricas/lingüísticas
descriptivos medias
Descriptivos: medias
  • Hay diferencia… pero ¿con qué confianza podemos decir que la diferencia es real? ¿Podemos rechazar H0 (para aceptar H1)?
descriptiva dispersi n
Descriptiva: dispersión
  • Desviación típica [inglés standard deviation]
    • La desviación de los datos con respecto a la media.
    • Desviación típica baja: datos homogéneos.
    • Desviación típica alta: datos heterogéneos.
      • Inacusativos VS: 0.61
      • Inacusativos SV: 1.08
  • Rango: diferencia entre valor más alto y más bajo.
    • Inacusativos VS: valor más bajo (0), valor más alto (+2)  rango: 2
    • Inacusativos SV: valor más bajo (-1.83), valor más alto (+1.83)  rango: 3.66
inferencial nivel de significaci n
Inferencial: Nivel de significación
  • ¿Con qué margen de confianza podemos rechazar H0 (para así aceptar H1)?
  • Investigador establece el nivel de significación α:
    • α=0.05  posibilidad de error del 5% (confianza del 95%) lingüística, psicología
    • α=0.01  posibilidad de error del 1% (confianza del 99%) medicina, farmacología
  • El test estadístico (SPSS) arroja el valor p,que varía entre 0 y 1.
    • p=0.03 implica:
      • La probabilidad matemática (de 0 a 1) de que H0 sea cierta: 0.03 = 3%.
      • Podemos rechazar H0 con una confianza de p=0.97 = 97%.
      • La diferencia (o correlación) entre X e Y es estadísticamente sig porque p<α.
      • La probabilidad de que la diferencia (o correlación) se deba al azar es 3%.
      • Podemos estar 97% seguros de que nuestros resultados no se deben al azar.
      • Podemos estar 97% seguros de que la diferencia (o correlación) de nuestra muestra se puede aplicar a la población en general.
    • p=0.60 implica:
      • La probabilidad matemática (de 0 a 1) de que H0 sea cierta: 0.60 = 60%.
      • Podemos rechazar H0 con una confianza del p=0.40= 40%.
      • La diferencia (o correlación) entre X e Y NO es estadísticamente sig porque p>α.
      • La probabilidad de que la diferencia (o correlación) se deba al azar es 60%.
      • Podemos estar 40% seguros de que nuestros resultados no se deben al azar.
      • Podemos estar 40% seguros de que la diferencia (o correlación) de nuestra muestra se puede aplicar a la población en general.

RESUMEN: p<0.05 diferencias sig p>0.05 diferencias n.s.

asociaci n correlaci n
Asociación: Correlación
  • Correlación: mide el grado de relación entre dos variables: X e Y.
  • Covarianza: mide relación lineal entre X e Y.
  • Coeficiente de correlaciónr
  • Mediciónde vars: escála numérica.
    • Datos cuantitativos
  • Correlación positiva:
    • Mientras más A, más B.
      • A más horas de instrucción en una L2, más nivel de competencia.
  • Correlación negativa:
    • Mientras más A, menos B.
      • Mientras más tarde se aprenda una L2, menor será el nivel de competencia.
ejemplo correlaci n
Ejemplo: correlación
  • Vida cotidiana: a más altura, más peso.
  • Adquisición: Español L1, Inglés L2
  • H1: a más producción de concordancia S-V (walk-s, sing-s), más producción de pronombres plenos (he walks, she sings).
ejemplo cont
Ejemplo (cont)

r=0.972

p<0.01 (una cola)

Correlación ≠ causalidad

asociaci n chi cuadrado 2
Asociación: Chi cuadrado χ2
  • Mide la asociación/relación entre dos var nominales.
  • Compara las frecuencias observadas con el modelo teórico-matemático “Chi cuadrado” (=frecuencias esperadas).
  • Medición: escala nominal (datos cualitativos):
    • sí/no
    • SN/SV/SP
    • nunca/a veces/siempre
    • L1 inglés / L1 alemán
  • Cada caso (=persona) es contado sólo 1 vez.
ejemplo chi cuadrado
Ejemplo chi cuadrado
  • Investigador: relación/asociación entre…?
    • Lengua materna (L1): holandés / griego
    • Nivel de pronunciación en L2: suena como un nativo / NO suena como un nativo
  • Hipótesis de trabajo: ¿Está la lengua materna asociada al nivel de pronunciación en L2? SÍ. Por ejemplo, si la L1 y la L2 son fonológicamente similares, el nivel de pronunciación en L2 será mayor.
  • H1: hay diferencias entre L1 holandés y L1 griego. En concreto, la proporción aprendices clasificados como “suena nativo” será significativamente más alta en el grupo holandés que en el griego.
  • Método: fonólogo evalúa como nativo/no nativo grabaciones orales de los aprendices.
resultados chi cuadrado
Resultados chi-cuadrado

p=0.003 (dos colas)

p=0.003/2 (una cola)

18 holandeses fueron clasificados como “nativo”

¿Podemos rechazar H0 (no hay relación entre L1 y nivel de pronunciación)?

P=0.003/2=0.0015 (una cola)

¿Es p menor que α? 0.0015<0.05 SÍ

Entonces, rechazamos H0 y aceptamos H1

Conclusión: existe una relación significativa entre L1 y nivel de pronunciación en L2 … o la L1 influye más en el nivel de pronunciación de L2 mientras más cercanas estén fonológicamente

diferencias test t de student
Diferencias: test t de Student
  • Modelo matemático:
  • Compara si dos medias son significativamente diferentes.
  • Tipos:
    • Test t para muestra independientes (inter grupos):
      • Dos grupos diferentes, p. ej., L1 griego, L1 español
    • Test t para muestras relacionadas (intra grupos):
      • Un mismo grupo (L1 español) se mide dos veces con verbos inacusativos: orden SV y luego orden VS.
  • Medición: escala (datos cuantitativos).
ejemplo t test intra grupo
Ejemplo t test (intra-grupo)
  • Ejemplo: un solo grupo (nativos de español)
  • Se toman medias repetidas:
    • Inacusativo VS
    • Inacusativo SV
  • Hay diferencias entre VS (1.34) y SV (0.29)
  • Pero, ¿son sig?

VS

SV

Nativos

resultados test t intra grupo
Resultados test t (intra-grupo)

p=0.003

¿Podemos rechazar H0 (la aceptación de VS y SV no son diferentes)?

p=0.003

¿Es p menor que α? 0.003<0.05 SÍ

Entonces, rechazamos H0 y aceptamos H1

Conclusión: existe una difrencia significativa entre VS y SV, según predice la Hipo. Inac.

ejemplo test t inter grupos
Ejemplo: test t (inter-grupos)
  • Inacusativos: orden VS
  • 2 grupos:
    • Nativos de español
    • Griegos aprendices de español L2 (nivel avanzado bajo)

Griegos

Nativos

Hay diferencias entre los nativos y los griegos: 1.34 vs. 1.44

PREGUNTA: ¿Es la diferencia realmente significativa?

resultados test t inter grupos
Resultados: test t (inter grupos)

p=0.63

¿Podemos aceptar H0 (la aceptación de inacusativo VS NO es diferente entre nativos de español y nativos de griego con español L2)?

p=0.63

¿Es p menor que α? 0.63>0.05 NO

Entonces, NO podemos rechazar H0

Conclusión: NO existe una difrencia significativa en la aceptación de inacusativo VS entre españoles y griegos, según predice la Hipo. Inac.

bibliograf a
Bibliografía
  • Brace, N., Kemp, R., Snelgar, R., 2000. SPSS for Psychologists. Basingstoke: Palgrave.
  • Christie, K. and Lantolf, J. The ontological status of learner grammaticality judgments in UG approaches to L2 acquisition. Rassegna Italiana di Linguistica Applicata 24[3], 31-57. 1992.
  • Cowart, W., 1997. Experimental syntax: Applying Objective Methods to Sentence Judgments. Thousand Oaks, CA.: Sage.
  • Crain, S., Thornton, R., 1998. Investigations in Universal Grammar: A guide to Experiments on the Acquisition of Syntax and Semantics. Cambridge, MA.: MIT Press.
  • Dörnyei, Z., 2003. Questionnaires in Second Language Research: Construction, Administration and Processing. Mahwah, NJ: LEA.
  • Faer, C and Casper, G. Introspection in Second Language Research. 1987.
  • Graham, A., 1995. Statistics: An Introduction. London: Hodder & Stoughton.
  • Greene, J., D'Oliveira, M., 1999. Learning to Use Statistical Tests in Psychology (2nd edition). Buckingham: Open University Press.
  • Greer, B., Mulhern, G., 2002. Making sense of data and statistics in psychology. Basingstoke: Palgrave.
  • Mackey, A., Gass, S.M., 2005. Second Language Research: Methodology and Design. Mahwah, NJ: Lawrence Erlbaum.
  • Mandell, P.B., 1999. On the reliability of grammaticality judgement tests in second language acquisition research. Second Language Research 15, 73-99.
  • Marinis, T., 2003. Psycholinguistic techniques in second language acquisition research. Second Language Research 19, 144-161.
  • McDaniel, D, McKee, C, and Cairns, H. S. Methods for assessing children's syntax. 1996. 1998, MIT Press.
  • Menn, L., Ratner, N.B., 2000. Methods for studying language production. Mahwah, NJ: Lawrence Erlbaum.
  • Oakes, M.P., 1998. Statistics for Corpus Linguistics. Edinburgh: Edinburgh University Press.
  • Porte, G.K., 2002. Appraising Research in Second Language Learning: A Practical Approach to Critical Analysis of Quantitative Research. Amsterdam: John Benjamins.
  • Prideaux, G.D., 1984. Psycholinguistics: The Experimental Study of Language. London: Croom Helm.
  • Rietveld, T., van Hout, R., 2005. Statistics in Language Research: Analysis of Variance. Mouton de Gruyter.
  • Scholfield, P., 1995. Quantifying language : a researcher's and teacher's guide to gathering language data and reducing it to figures. Clevedon: Multilingual Matters.
  • Schütze, C.T., 1996. The Empirical Base of Linguistics: Grammaticality Judgments and Linguistic Methodology. Chicago: The University of Chicago Press.
  • Seliger, H.W., Shohamy, E., 1989. Second Language Research Methods. Oxford: Oxford University Press.
  • Sorace, A., 1996. The use of acceptability judgments in second language acquisition research. In: Ritchtie, W.C., Bhatia, T.K. (eds.), Handbook of Second Language Acquisition London: Academic Press.