Está en la página 1de 28

Tipos:

Investigación descriptiva
Se refiere a la etapa preparatoria del trabajo científico que permita ordenar el resultado de las
observaciones de las conductas, las características, los factores, los procedimientos y otras variables de
fenómenos y hechos. Este tipo de investigación tiene hipótesis exacta, ya que se fundamenta en una
serie de análisis y pruebas para llevar a cabo la valoración de la física.[cita requerida]
“La investigación descriptiva busca especificar propiedades, características y rasgos
importantes de cualquier fenómeno que se analice”

Hernández, Fernández y Baptista, 2003, pp. 119

Investigación analítica
Es un procedimiento que es más complejo con respecto a la investigación descriptiva, que consiste
fundamentalmente en establecer la comparación de variables entre grupos de estudio y de control sin
aplicar o manipular las variables, estudiando éstas según se dan naturalmente en los grupos. Sin
embargo, se refiere a la proposición de hipótesis que el investigador trata de probar o negar.

Investigación experimental
Es un procedimiento metodológico en el cual un grupo de individuos o conglomerado, son divididos en
forma aleatoria en grupos de estudio y control, y son analizados con respecto a un factor o medida que
el investigador introduce para estudiar y evaluar.

Investigaciones casi experimentales


En un diseño experimental, la asignación a los grupos experimentales y de control se realiza en forma
aleatoria, para aproximarse el máximo posible a una igualación de las características de los sujetos que
conforman esos grupos. Los diseños en los cuales no se puede usar el azar para formar grupos reciben
el nombre de casi experimentales.

Características de la investigación cuantitativa (concluyente)


 Analiza la realidad social descomponiéndola en variables. Es particularista.
 Asume que la realidad social es relativamente constante y adaptable a través del tiempo.
 Asume una postura objetiva, separando su postura con respecto a los participantes en la
investigación y la situación.
 Asume una realidad social objetiva.
 Se basa en la inducción probabilística del positivismo lógico.
 Busca cuantificar los datos en los que generalmente se aplica algún tipo de análisis estadístico.
 Es confirmatoria, inferencial y deductiva.
 Emplea conceptos preconcebidos y teorías para determinar qué datos van a ser recolectados.
 Emplea métodos estadísticos para analizar los datos.
 Emplea procedimientos de inferencia estadística para generalizar las conclusiones de una
muestra a una población definida.
 Opera por estímulo y respuesta.
 Estudia conductas y otros fenómenos observables.
 Estudia el comportamiento humano en situaciones naturales o artificiales.
 Estudia poblaciones o muestras que representen poblaciones
 Genera datos numéricos para representar el ambiente social.
 Generaliza hechos o datos. Infiere más allá de los datos.
 Realiza una medición penetrante y controlada.
 Es objetiva.
 Observa relaciones causales entre fenómenos sociales desde una perspectiva mecanicista.
 Está orientada al resultado.
 Prueba teorías o hipótesis.
 Considera la realidad como estática.

Diseño de la Investigación Cuantitativa


1. 1. Esp. Guillermo Augusto Narváez Burbano
2. 2. Con el propósito de responder al planteamiento del problema se debe seleccionar o
desarrollar un diseño de investigación especifico. El término diseño se refiere al plan o
estrategia concebida para obtener la información que se desea. En el enfoque cuantitativo, el
investigador utiliza su diseño para analizar la certeza de las hipótesis formuladas en un contexto
en particular o para aportar evidencia respecto de los lineamientos de la investigación (si es que
no se tienen hipótesis). Para visualizar más claramente el asunto del diseño, veamos una
interrogante coloquial como pregunta de investigación: ¿le gustaré a Paola: por qué sí y por qué
no?; y la hipótesis: “yo le resulto atractivo a Paola porque me mira frecuentemente”.
3. 3. El diseño constituiría el plan o la estrategia para confirmar si es o no cierto que le resultó
atractivo a Paola (el plan incluiría procedimientos y actividades tendientes a encontrar la
respuesta a la pregunta de investigación). En este caso podría ser: mañana buscaré a Paola
después de la clase de Software, me acercaré a ella, le diré que se ve muy guapa y la invitaré a
tomar un café. Una vez que estemos en la cafetería la tomaré de la mano, y si ella no la retira, la
invitaré a cenar el siguiente fin de semana; y si acepta, en el lugar donde cenemos le comentaré
que me resulta atractiva y le preguntaré si yo le resulto atractivo. Si el diseño está concebido
cuidadosamente, el producto final de un estudio (sus resultados) tendrá mayores posibilidades
de éxito para generar conocimiento.
4. 4. Sobre la investigación cuantitativa es posible encontrar diferentes clasificaciones de los
diseños. La clasificación mas utilizada divide los diseños en experimentales y no
experimentales. En términos generales, no se puede decir que un tipo de diseño sea mejor que
otro (experimental frente a no experimental), ambos son relevantes y necesarios, ya que tienen
un valor propio. Cada uno posee sus características, y la decisión sobre qué clase de diseño
específico hemos de seleccionar o desarrollar depende del planteamiento del problema, de la
perspectiva del (los) investigador(es), el alcance del estudio y las hipótesis formuladas.
5. 5. El término experimento se refiere a realizar una acción y después observar las consecuencias.
Este uso del término es bastante coloquial; así, hablamos de experimentar, por ejemplo, cuando
mezclamos sustancias químicas y vemos la reacción provocada, o cuando nos cambiamos de
peinado y observamos el efecto que suscita en nuestras amistades dicho cambio. La esencia de
un experimento es que requiere la manipulación intencional de una acción para analizar sus
posibles resultados. Entonces un diseño experimental se refiere a un estudio en el que se
manipulan intencionalmente una o más variables independientes (supuestas causas o
antecedentes), para analizar las consecuencias que la manipulación tiene sobre una o más
variables dependientes (supuestos efectos o consecuentes), dentro de una situación de control
para el investigador.
6. 6. Así es que en los diseños experimentales se pretende establecer el posible efecto o influencia
de una causa o hecho que se manipula. Es decir, los diseños experimentales se utilizan cuando
el investigador puede manipular el posible efecto de una causa. Entonces, El primer requisito
para un diseño experimental es poder realizar la manipulación intencional de una o más
variables independientes. La variable independiente es la que se considera como supuesta causa
en una relación entre variables, es la condición antecedente, y al efecto provocado por dicha
causa se le denomina variable dependiente (consecuente).
7. 7. El segundo requisito consiste en medir el efecto que la variable independiente tiene en la
variable dependiente. Como en la variable dependiente se observa el efecto, la medición debe
ser válida y confiable. Si no podemos asegurar que se midió de manera adecuada, los resultados
no servirán y el experimento será una pérdida de tiempo. En la planeación de un experimento se
debe precisar cómo se van a manipular las variables independientes y cómo medir las
dependientes. El tercer requisito que todo experimento debe cumplir es el control o la validez
interna de la situación experimental. En términos más sencillos, tener control significa saber qué
está ocurriendo realmente con la relación entre las variables independientes y las dependientes.
8. 8. A continuación se presentan los diseños experimentales más comúnmente citados en la
literatura respectiva. Para ello nos basaremos en la tipología de Campbell y Stanley (1966): 1.
Preexperimentos: Los preexperimentos se llaman así porque su grado de control es mínimo. a.
Estudio de caso con una sola medición: Consiste en administrar un estímulo o tratamiento a un
grupo y después aplicar una medición de una o más variables para observar cuál es el nivel del
grupo en éstas. Este diseño no cumple con los requisitos de un experimento “puro”. No hay
manipulación de la variable independiente o grupos de contraste.
9. 9. b. Diseño de preprueba/posprueba con un grupo: A un grupo se le aplica una prueba previa al
estímulo o tratamiento experimental, después se le administra el tratamiento y finalmente se le
aplica una prueba posterior al estímulo. Este diseño ofrece una ventaja sobre el anterior: existe
un punto de referencia inicial para ver qué nivel tenía el grupo en la(s) variable(s)
dependiente(s) antes del estímulo. Sin embargo, el diseño no resulta conveniente para fines de
establecer causalidad: no hay manipulación ni grupo de comparación, y es posible que actúen
varias fuentes de invalidación interna.
10. 10. 2. Experimentos Puros: Los experimentos puros son aquellos que cumplen con los
requisitos para lograr el control y la validez interna, tienen grupos de comparación y
equivalencia de los grupos. a. Diseño con posprueba únicamente y grupo de control: Este diseño
incluye dos grupos: uno recibe el tratamiento experimental y el otro no (grupo de control). Es
decir, la manipulación de la variable independiente alcanza sólo dos niveles: presencia y
ausencia. Los sujetos se asignan a los grupos de manera aleatoria. Cuando concluye la
manipulación, a ambos grupos se les administra una medición sobre la variable dependiente en
estudio.
11. 11. b. Diseño con preprueba-posprueba y grupo de control: Este diseño incorpora la
administración de prepruebas a los grupos que componen el experimento. Los participantes se
asignan al azar a los grupos, después a éstos se les aplica simultáneamente la preprueba; un
grupo recibe el tratamiento experimental y otro no (es el grupo de control); por último, se les
administra, también simultáneamente, una posprueba. c. Diseño de cuatro grupos de Solomon:
Diseño que era la mezcla de los dos anteriores. La suma de estos origina cuatro grupos: dos
experimentales y dos de control, los primeros reciben el mismo tratamiento experimental y los
segundos no reciben tratamiento. Sólo a uno de los grupos experimentales y a uno de los grupos
de control se les administra la preprueba; a los cuatro grupos se les aplica la posprueba.
12. 12. 3. CuasiExperimentos: En los diseños cuasiexperimentales los sujetos no se asignan
al azar a los grupos ni se emparejan, sino que dichos grupos ya están formados antes del
experimento: son grupos intactos, la razón por la que surgen y la manera como se formaron es
independiente o aparte del experimento. Por ejemplo, si los grupos del experimento son tres
grupos escolares formados con anterioridad a la realización del experimento, y cada uno de
ellos constituye un grupo experimental.
13. 13. Paso 1: Decidir cuántas variables independientes y dependientes irán en el
experimento. Deben ser las incluidas solamente variables que sean necesarias para probar las
hipótesis, alcanzar los objetivos y responder las preguntas de investigación. Paso 2: Elegir los
niveles o modalidades de manipulación de las variables independientes y traducirlos en
tratamientos experimentales. Paso 3: Desarrollar o seleccionar el instrumento o instrumentos
para medir la(s) variable(s) dependiente(s). Paso 4: Seleccionar para el experimento una
muestra de personas que posean el perfil que nos interesa. Paso 5: Reclutar a los participantes
del experimento.
14. 14. Paso 6: Seleccionar el diseño experimental o cuasiexperimental apropiado para
nuestras hipótesis, objetivos y preguntas de investigación. Paso 7: Planear cómo vamos a
manejar a los participantes del experimento. Es decir, elaborar una ruta crítica de qué van a
hacer las personas desde que llegan al lugar del experimento hasta que se retiran. Paso 8: En el
caso de experimentos “puros”, dividirlos al azar o emparejarlos; y en el caso de
cuasiexperimentos, analizar cuidadosamente las propiedades de los grupos intactos. Paso 9:
Aplicar las prepruebas (cuando las haya), los tratamientos respectivos (cuando no se trate de
grupos de control) y las pospruebas.
15. 15. Estudios que se realizan sin la manipulación deliberada de variables y en los que
sólo se observan los fenómenos en su ambiente natural para después analizarlos. en un estudio
no experimental no se genera ninguna situación, sino que se observan situaciones ya existentes,
no provocadas intencionalmente en la investigación por quien la realiza. En la investigación no
experimental las variables independientes ocurren y no es posible manipularlas, no se tiene
control directo sobre dichas variables ni se puede influir sobre ellas, porque ya sucedieron, al
igual que sus efectos.
16. 16. Por su dimensión temporal o el número de momentos en el tiempo, en los cuales se
recolectan datos. En algunas ocasiones la investigación se centra en: a) Analizar cuál es el nivel
o modalidad de una o diversas variables en un momento dado. b) Evaluar una situación,
comunidad, evento, fenómeno o contexto en un punto del tiempo. c) Determinar o ubicar cuál es
la relación entre un conjunto de variables en un momento. En estos casos el diseño apropiado
bajo un enfoque no experimental es el transversal o transeccional. Ya sea que su alcance sea
exploratorio, descriptivo, correlacional o explicativo.
17. 17. Otras veces, la investigación se concentra en: a) Estudiar cómo evolucionan una o
más variables o las relaciones entre ellas. b) Analizar los cambios a través del tiempo de un
evento, una comunidad, un fenómeno, una situación o un contexto. En situaciones como ésta el
diseño apropiado bajo un enfoque no experimental es el longitudinal. Dicho de otro modo, los
diseños no experimentales se pueden clasificar en transeccionales y longitudinales.
18. 18. Investigación Transeccional o Transversal: Estos recolectan datos en un solo
momento, en un tiempo único. Su propósito es describir variables y analizar su incidencia e
interrelación en un momento dado. Es como tomar una fotografía de algo que sucede. Por
ejemplo: • Investigar el número de empleados, desempleados y subempleados en una ciudad en
cierto momento. • Medir las percepciones y actitudes de mujeres jóvenes que fueron abusadas
sexualmente en el último mes en una urbe latinoamericana. • Analizar el efecto que sobre la
estabilidad emocional de un grupo de personas provocó un acto terrorista. Abarcan varios
grupos de personas, objetos o indicadores; así como diferentes comunidades, situaciones o
eventos.
19. 19. Investigación Transeccional o Transversal: Diseños transeccionales exploratorios: Su
propósito es comenzar a conocer una variable o un conjunto de variables, una comunidad, un
contexto, un evento, una situación. Se trata de una exploración inicial en un momento
específico. Diseños transeccionales Descriptivos: Tienen como objetivo indagar la incidencia de
las variables en una población. Consisten en ubicar en una o diversas variables a un grupo de
personas, seres vivos, objetos, situaciones, contextos, fenómenos ó comunidades; y así
proporcionar su descripción. Son, por tanto, estudios descriptivos. Por ejemplo: Ubicar a un
grupo de personas en las variables: género, edad, estado civil o marital y nivel educativo.
20. 20. Investigación Transeccional o Transversal: Diseños transeccionales correlacionales o
causales: Describen relaciones entre dos o más categorías o variables en un momento
determinado. A veces, únicamente en términos correlacionales, otras en función de la relación
causa y efecto (causales), por ejemplo: • Una investigación que pretendiera indagar la relación
entre la atracción y la confianza durante el noviazgo en parejas de jóvenes, observando cuán
vinculadas están ambas variables (se limita a ser correlacional). • Un estudio sobre la relación
entre urbanización y alfabetismo en una nación latinoamericana, para ver qué variables
macrosociales mediatizan tal relación (causal).
21. 21. Investigación Transeccional o Transversal: Encuestas de Opinion (Survey): Las
encuestas de opinión (surveys) son consideradas por diversos autores como un diseño. En
nuestra clasificación serían investigaciones no experimentales transversales o transeccionales
descriptivas o correlacionales-causales, ya que a veces tienen los propósitos de unos u otros
diseños y a veces de ambos. Exclusivo de las ciencias sociales, parte de la premisa de que si
queremos conocer algo sobre el comportamiento de las personas, lo mejor es preguntarlo
directamente a ellas. Es importante en este diseño determinar la validez de muestreo y
generalmente utilizan cuestionarios que se aplican en diferentes contextos
22. 22. Investigación Longitudinal: Estudios que recaban datos en diferentes puntos del
tiempo, para realizar inferencias acerca de la evolución, sus causas y sus efectos. Diseños de
Tendencia (trend): Son aquellos que analizan cambios a través del tiempo (en categorías,
conceptos, variables o sus relaciones), dentro de alguna población en general. Su característica
distintiva es que la atención se centra en la población. Por ejemplo, una investigación para
analizar cambios en la actitud hacia el aborto por parte de adolescentes de una comunidad.
Dicha actitud se mide en varios puntos en el tiempo (digamos, anualmente o en periodos no
preestablecidos durante 10 años) y se examina su evolución a lo largo de este gran periodo.
23. 23. Investigación Longitudinal: Diseños de evolución de grupo: Se examinan cambios a
través del tiempo en subpoblaciones o grupos específicos. Su atención son las cohortes o grupos
de individuos vinculados de alguna manera o identificados por una característica común,
generalmente la edad o la época. Un ejemplo de estos grupos (cohortes) sería el formado por las
personas que nacieron en 1973 en Chile, durante el derrocamiento del gobierno de Salvador
Allende; también podría utilizarse otro criterio de agrupamiento temporal, como las personas
que se casaron durante el año 2000 en Pasto, Colombia.
24. 24. Investigación Longitudinal: Diseños de Panel: Son similares a las dos clases de
diseños vistas anteriormente, sólo que los mismos participantes son medidos u observados en
todos los tiempos o momentos. Un ejemplo sería una investigación que observara anualmente
los cambios en las actitudes (bajo la aplicación de una prueba estandarizada) de un grupo de
ejecutivos en relación con un programa para elevar la productividad, por ejemplo, durante cinco
años. Cada año se observaría la actitud de los mismos ejecutivos. Es decir, los individuos, y no
sólo la muestra, población o subpoblación, son los mismos.
25. 25. Los estudios de caso son considerados por algunos autores y autoras como una clase
de diseños, a la par de los experimentales, no experimentales y cualitativos, mientras que otros
los ubican como una clase de diseño experimental o un diseño etnográfico. También han sido
concebidos como un asunto de muestreo o un método. La realidad es que los estudios de caso
son todo lo anterior. Son estudios exhaustivos de uno o muy pocos objetos de investigación, lo
cual permite conocer en forma amplia y detallada a los mismos. Consiste, por lo tanto, en
estudiar cualquier unidad de un sistema, para estar en condiciones de conocer algunos
problemas generales del mismo.
26. 26. Poseen sus propios procedimientos y clases de diseños. Los podríamos definir como
“estudios que al utilizar los procesos de investigación cuantitativa, cualitativa o mixta; analizan
profundamente una unidad para responder al planteamiento del problema, probar hipótesis y
desarrollar alguna teoría”. Ejemplos de preguntas de investigación que pueden llevar a estudios
de caso: • ¿Por qué se divorciaron Lupita y Adrián? (Unidad: pareja). • ¿Quién sería el asesino
de un determinado crimen? (Unidad: evento). • ¿Cómo era la personalidad de Robert F.
Kennedy? (Unidad: personaje histórico).
27. 27. Posible DiseñoHipótesisEstudio Exploratorio No Hipótesis, solo conjeturas.
Transeccional descriptivo Preexperimental Posible DiseñoHipótesisEstudio Descriptivo
Descriptiva. Transeccional descriptivo Preexperimental
28. 28. Estudio Correlacional Hipótesis Diferencia de grupos sin causalidad. Correlacional.
Posible Diseño Cuasiexperimental Transeccional correlacional Longitudinal (no experimental)
Estudio Explicativo Hipótesis Diferencia de grupos con causalidad. Causales. Posible Diseño
Experimental Cuasiexperimental Longitudinal Transeccional causal

Presentación del tema: "Niveles de investigación. Investigación


cuantitativa"— Transcripción de la presentación:

1 Niveles de investigación. Investigación cuantitativa


Niveles de investigación Investigación cuantitativa Investigación cualitativa Procesos de investigación
mixta Dr. Octavio Islas PROYECTO INTERNET-CÁTEDRA DE COMUNICACIONES DIGITALES
ESTRATEGICAS Tecnológico de Monterrey, Campus Estado de México
2 Atributos del enfoque cuantitativo Mide fenómenos Utiliza estadísticas
Emplea experimentación Análisis causa-efecto Secuencial Deductivo Probatorio Analiza la realidad
objetiva Permite generalizar resultados Control sobre fenómenos Precisión Réplica Predicción El
World Internet Project está formado por una red internacional de investigadores, en más de 25 países,
dedicados al estudio y análisis de los hábitos, actitudes, percepciones y tendencias de las personas con
respecto a las tecnologías de información y comunicación.
3 Atributos del enfoque cualitativo No busca la réplica
Se conduce básicamente en ambientes naturales Los significados se extraen de los datos No se
fundamenta en la estadística Inductivo Recurrente Analiza la realidad subjetiva No tiene secuencia
lineal Profundidad de ideas Amplitud Riqueza interpretativa Contextualiza el fenómeno El World
Internet Project está formado por una red internacional de investigadores, en más de 25 países,
dedicados al estudio y análisis de los hábitos, actitudes, percepciones y tendencias de las personas con
respecto a las tecnologías de información y comunicación.
4 Etapas del Proceso Cuantitativo Idea Planteamiento del problema
Revisión de la literatura y desarrollo del marco teórico Ver alcance del estudio Elaboración de
hipótesis, definición de variables. Diseño de la investigación Definición y selección de la muestra
Recolección de los datos. Análisis de los datos Elaboración del reporte de investigación El World
Internet Project está formado por una red internacional de investigadores, en más de 25 países,
dedicados al estudio y análisis de los hábitos, actitudes, percepciones y tendencias de las personas con
respecto a las tecnologías de información y comunicación.
5 Etapas del Proceso Cualitativo Idea Planteamiento del problema
Inmersión inicial en el campo Diseño del estudio. Definición de la muestra inicial Recolección de los
datos. Análisis de los datos Interpretación de resultados Elaboración del reporte El World Internet
Project está formado por una red internacional de investigadores, en más de 25 países, dedicados al
estudio y análisis de los hábitos, actitudes, percepciones y tendencias de las personas con respecto a las
tecnologías de información y comunicación.
6 En el enfoque cuantitativo, las hipótesis se establecen previamente.
Diferencias En el enfoque cuantitativo, las hipótesis se establecen previamente. En el enfoque
cualitativo no se prueban hipótesis. El enfoque cuantitativo persigue el propósito de generalizar. El
enfoque cuantitativo centra su atención en las unidades El World Internet Project está formado por una
red internacional de investigadores, en más de 25 países, dedicados al estudio y análisis de los hábitos,
actitudes, percepciones y tendencias de las personas con respecto a las tecnologías de información y
comunicación.
7 Las investigaciones se originan por ideas
Multiplicidad de fuentes de investigación La autoridad de la fuente generadora de la idea es
independiente de la calidad de la idea La idea demanda desarrollo, precisión. Las ideas deben
madurarse Reconocer el estado del arte que presenta el objeto-problema de investigación conocimiento
Considerar enfoques multidisciplinarios A veces un estudio genera más preguntas que respuestas. En el
“estudio de hábitos y percepciones de los mexicanos sobre Internet y diversas tecnologías asociadas” se
puede encontrar -entre otros aspectos- información detallada sobre hábitos de los usuarios y no usuarios
de las tecnologías de información y comunicaciones asociadas a internet, uso y nivel de confianza en
las tecnologías, comportamiento de los consumidores, patrones de comunicación, comunidades en
línea, efectos en las nuevas generaciones, influencia política, e impacto laboral.
8 Enfoques mixtos Parte de considerar que los procesos cuantitativos y cualitativos son únicamente
posibles opciones para enfrentar problemas de investigación y no posiciones epistemológicas. Las
objeciones proceden de fundamentalistas que defienden determinado enfoque desdeñando el otro. Los
pragmáticos consideran que el planteamiento del problema y las circunstancias dictan el método. El
enfoque mixto es un proceso que recolecta, analiza y vincula datos cuantitativos y cualitativos en un
mismo estudio o una serie de investigaciones para responder a un problema de investigación En el
“estudio de hábitos y percepciones de los mexicanos sobre Internet y diversas tecnologías asociadas” se
puede encontrar -entre otros aspectos- información detallada sobre hábitos de los usuarios y no usuarios
de las tecnologías de información y comunicaciones asociadas a internet, uso y nivel de confianza en
las tecnologías, comportamiento de los consumidores, patrones de comunicación, comunidades en
línea, efectos en las nuevas generaciones, influencia política, e impacto laboral.
9 Modelo de enfoque dominante. Prevalece alguno
Enfoques mixtos Los diseños mixtos logran obtener una mayor variedad de las perspectivas del
problema El mundo y los fenómenos son tan complejos que requerimos un método para investigar
relaciones dinámicas y sumamente intrincadas. El enfoque mixto es el mejor para poder hacerlo. Al
combinar métodos, aumentamos no solo la posibilidad de ampliar las dimensiones de nuestro proyecto
de investigación, el entendimiento es mayor y más rápido. Modelo de enfoque dominante. Prevalece
alguno Modelo de etapas múltiples. Alterna enfoques En el “estudio de hábitos y percepciones de los
mexicanos sobre Internet y diversas tecnologías asociadas” se puede encontrar -entre otros aspectos-
información detallada sobre hábitos de los usuarios y no usuarios de las tecnologías de información y
comunicaciones asociadas a internet, uso y nivel de confianza en las tecnologías, comportamiento de
los consumidores, patrones de comunicación, comunidades en línea, efectos en las nuevas
generaciones, influencia política, e impacto laboral.
10 Enfoques mixtos Diseños en paralelo Permiten comparar frecuencias, factores, resultados Ventajas:
mayor confianza y validez de los resultados, mayor creatividad en el abordaje del estudio, más
flexibilidad interpretativa, productividad en la recolección y el análisis de los datos, mayor sensibilidad
a los grados de variación no perceptibles con un solo modelo, posibilidades de descubrir fenómenos
atípicos y casos extremos, cercanía del investigador con el objeto de estudio, posibilidad de innovación.
En el “estudio de hábitos y percepciones de los mexicanos sobre Internet y diversas tecnologías
asociadas” se puede encontrar -entre otros aspectos- información detallada sobre hábitos de los
usuarios y no usuarios de las tecnologías de información y comunicaciones asociadas a internet, uso y
nivel de confianza en las tecnologías, comportamiento de los consumidores, patrones de comunicación,
comunidades en línea, efectos en las nuevas generaciones, influencia política, e impacto laboral.
11 Enfoques mixtos Desventajas: Acumulación de gran cantidad de datos sin efectuar un análisis
exhaustivo y completo, dificultad de organizar la información en un marco coherente, mayores
dificultades para controlar sesgos, complejidad derivada de la multidimensionalidad de los casos,
carencia de directrices para determinar la convergencia de los resultados, costos elevados para
implementar los estudios, dificultad de réplica del estudio. Si estamos abiertos a nuevas metodologías,
somos progresistas, creemos en el cambio y la innovación, así como en que todavía hay mucho que
aprender y que la evolución de la ciencia es permanente. En el “estudio de hábitos y percepciones de
los mexicanos sobre Internet y diversas tecnologías asociadas” se puede encontrar -entre otros
aspectos- información detallada sobre hábitos de los usuarios y no usuarios de las tecnologías de
información y comunicaciones asociadas a internet, uso y nivel de confianza en las tecnologías,
comportamiento de los consumidores, patrones de comunicación, comunidades en línea, efectos en las
nuevas generaciones, influencia política, e impacto laboral.
12 Enfoques mixtos Procuremos ir más allá de las guerras civiles entre cuantitativos y cualitativos y los
conflictos paradigmáticos. En el “estudio de hábitos y percepciones de los mexicanos sobre Internet y
diversas tecnologías asociadas” se puede encontrar -entre otros aspectos- información detallada sobre
hábitos de los usuarios y no usuarios de las tecnologías de información y comunicaciones asociadas a
internet, uso y nivel de confianza en las tecnologías, comportamiento de los consumidores, patrones de
comunicación, comunidades en línea, efectos en las nuevas generaciones, influencia política, e impacto
laboral.
DISEÑOS DE INVESTIGACIÓN CUANTITATIVA
¿Qué es un diseño de investigación?
Es un plan o estrategia desarrollada para obtener la información que se requiere en la investigación.
Los diseños de investigación sirven para visualizar la manera práctica de responder a la pregunta de
investigación.

Simbología de los diseños experimentales


R (asignación al azar o aleatoria).
G (grupo de sujetos).
X (tratamiento, estímulo o condición experimental).
O (medición de los sujetos de un grupo).
- (ausencia de estímulo, grupo de control o testigo).
Tipos de diseños experimentales
Campbell y Stanley (1966) dividen los diseños experimentales en tres clases:
preexperiméntales, experimentos puros y cuasiexperimentos.
Estudio de caso con una sola medición:
Consiste en administrar un estímulo o tratamiento a un grupo y después aplicar una medición de una o
más variables. Se diagrama así:

GXO
Diseño de preprueba-posprueba con un solo grupo:
A un grupo se le aplica una prueba previa al estímulo o tratamiento experimental, después se le
administra el tratamiento y finalmente se le aplica una prueba posterior al estímulo. Se diagrama así:

G o, X O,
Experimentos puros
Son aquellos que reúnen dos requisitos para lograr el control y la validez interna: un grupo de
comprobación, con manipulación de la(s) variable(s) independiente(s) y la equivalencia entre los
grupos. Suelen incluir una o más variables independientes y una o más dependientes. Utilizan
prepruebas y pospruebas para analizar la evolución de los grupos antes y después del tratamiento
experimental. En este diseño se distinguen:
Diseños con preprueba unicamente y grupo de control:
Incluye 2 grupos, uno que recibe el tratamiento experimental y el otro que actúa como grupo de
control, por lo tanto, la manipulación de la variable dependiente alcanza sólo dos niveles: presencia y
ausencia.
Los sujetos se asignan a los grupos de forma aleatoria, a ambos grupos se le administra una medición
sobre la variable dependiente en estudio. Se diagrama así:

RGi X Oj
RG2 - o2
Diseño con preprueba-posprueba y grupo de control:
Incorpora la administración de prepruebas a los grupos que componen el experimento. Los sujetos se
asignan al azar a los grupos, después a éstos se le aplica simultáneamente la preprueba; un grupo recibe
el tratamiento experimental y el otro no (grupo de control); por último se le administra también la
posprueba. Se diagrama así:

RGt o, X o2
RG2 O3 - o4
Diseño de 4 grupos de Solomon:
Es una mezcla de los 2 diseños anteriores. La suma de estos origina 4 grupos: 2 experimentales y 2 de
control. Los primeros reciben el mismo tratamiento experimental y los segundos no lo reciben. Sólo a
uno de los grupos experimentales y a uno de los grupos de control se le administra la preprueba, a los 4
grupos se les aplica la posprueba. Se diagrama así:

RG¡ O¡ X o2
RG2 o3 - o4
RG3 X o5
RG¡ - o6
Diseños experimentales con series cronológicas múltiples:
Este diseño adopta varias pospruebas, o bien con diversas prepruebas y pospruebas, con repetición del
estímulo, con varios tratamientos aplicados a un mismo grupo y otras condiciones. En estos diseños se
suelen tener dos o más grupos y los participantes son asignados al azar. Efectúa a través del tiempo
varias observaciones o una o más variables experimentales.
Diseños factoriales:
Manipulan 2 o más variables independientes e incluyen 2 o más niveles o modalidades de presencia en
cada una de las variables independientes. Su construcción básica consiste en que todos los niveles o
modalidades de cada variable independiente son tomados en combinación con todos los niveles o
modalidades de las otras variables independientes (Wiersma y Jurs, 2005).
Cuasiexperimentos
Estos diseños también manipulan deliberadamente, al menos, una variable independiente para observar
su efecto y relación con una o más variables dependientes, difiriendo en relación con los experimentos
puros en el grado de seguridad que pueda tenerse sobre la equivalencia inicial de los grupos. Los
sujetos no se asignan al azar ni se emparejan, sino que estos grupos ya están formados antes del
experimento.
DISEÑOS NO EXPERIMENTALES
Es la investigación que se realiza sin manipular deliberadamente variables, se trata, de estudios donde
no se hacen variar en forma intencional las variables independientes para ver su efecto sobre otras
variables. Lo que se hace es observar fenómenos tal como se dan en su contexto natural, para después
analizarlos. Los diseños no experimentales se pueden clasificar en transeccionales y longitudinales.
Diseños transeccional o transversal:
Estos diseños recolectan datos en un solo momento, en un tiempo único. Su propósito es describir
variables y analizar su incidencia e interrelación en un momento dado. Se clasifica en tres:
Diseños transeccional exploratorio:
Su propósito es comenzar a conocer una variable o un conjunto de variables, una comunidad, un
contexto, una situación. Se trata de una exploración inicial en un contexto único. Se aplica a problemas
de investigación nuevos o pocos conocidos, constituyendo el preámbulo a otros diseños.
Diseños transeccional descriptivo:
Tienen como objetivo indagar la incidencia de las modalidades o niveles de una o más variables en una
población. Consiste en ubicar en una o diversas variables a grupos de personas u otro ser vivo, objetos,
situaciones, contextos, fenómenos, comunidades, etc. Son por lo tanto, estudios puramente descriptivos
y cuando establecen hipótesis, éstas son también descriptivas.
Diseños transeccional-causal:
Estos diseños describen relaciones entre dos o más categorías, conceptos o variables en un momento
determinado, a veces, únicamente en términos correlaciónales, otras en relación causa-efecto.
Diseño longitudinal o evolutivo
Son estudios que recolectan datos a través del tiempo en puntos o periodos, para hacer inferencias
respecto al cambio, sus determinantes y sus consecuencias. Suelen clasificarse de tres formas:
Diseño longitudinal de tendencia:
Son aquellos que analizan cambios a través del tiempo (en categorías, conceptos, variables o sus
relaciones) dentro de alguna población en general. Su característica distintiva es que la atención se
centra en una población. Este diseño se representa así:

Recolección de datos en una población (RDP)


RDP RDP RDP RDP
Muestras distintas misma población
Tiempo 1 tiempo 2 tiempo 3 tiempo k

Diseño longitudinal de evolución de grupo:


Estos diseños examinan cambios a través del tiempo en subpoblaciones o grupos específicos. Su
atención son los grupos de individuos vinculados de alguna manera, o identificados por una
característica común, generalmente la edad o la época (Glenn, 1977). Se esquematiza así:

Recolección de datos en una subpoblación (RDS)


RDS RDS RDS RDS
Muestras distintas, misma subpoblación vinculada por algún criterio o característica
Tiempo 1 tiempo 2 tiempo 3 tiempo k

Diseño longitudinal de panel:


Los diseños panel son similares a las dos clases de diseños vistas anteriormente, sólo que el mismo
grupo de participantes es medido u observado en todos los tiempos o momentos. En los diseños panel
se tiene la ventaja de que, además de conocer los cambios grupales, se conocen los cambios
individuales. Este tipo de diseños sirve para estudiar poblaciones o grupos más específicos y es
conveniente cuando se tienen poblaciones relativamente estáticas. Se diagrama así:

Recolección de datos en población o subpoblación (RDPS)


RDPS RDPS RDPS RDPS
Tiempo 1 tiempo 2 tiempo 3 tiempo 3

Tanto los diseños experimentales como los no experimentales son herramientas muy valiosas y ninguno
es mejor que el otro. El diseño a seleccionar en una investigación depende más bien del problema a
resolver y del contexto que rodea al estudio. Ambos son relevantes y necesarios, ya que tienen un valor
propio, cada uno posee sus características, y la decisión sobre qué clase de diseño especifico hemos de
seleccionar depende del planteamiento del problema, del alcance del estudio y las hipótesis formuladas.

Niveles:
1. Introducción
Como ocurre en las ciencias exactas, cuando un investigador se propone demostrar una idea acerca de
un fenómeno del mundo social, su esfuerzo debe concentrarse en demostrar que sus hipótesis gozan de
cierto nivel de verdad y que los procedimientos que ha usado para demostrarlas han sido válidos y
fiables. De este modo, el investigador deberá recurrir al uso de estrategias científicas para la
contrastación de hipótesis.
Estas estrategias son un conjunto de mecanismos de reflexión, exposición y experimentación que
conducen la elaboración por un camino sistemático de verificación. Una serie de pasos y criterios de
actuación que llevan a demostrar la veracidad de las afirmaciones a una determinada audiencia
científica. En términos generales, pueden dividirse en dos niveles, que varían, básicamente, en función
del modo en que el investigador se aproxima al objeto estudiado. En el primer nivel, el acercamiento se
realiza por medio de conceptos, ideas y teorías; en el segundo, a través de experimentos y técnicas de
medición.
En ambos niveles, se trata de poner a prueba una misma hipótesis para un mismo objeto de estudio.
Con todo, los recursos que usamos para demostrarla son completamente distintos. En el primero, la
estrategia de verificación es conceptual y tiene lugar en el orden de la teoría. Allí, la información de
que nos servimos es de carácter secundario, basada en la revisión de ideas generadas por otros autores
o en nuestra propia capacidad reflexiva. En el segundo, por el contrario, nuestra estrategia es empírica
y se funda en el uso de datos de carácter primario, esto es, en la observación directa de la realidad que
pretendemos estudiar.
Sin dudas, ambas aproximaciones pueden combinarse. Un trabajo de carácter mixto implicaría,
primeramente, una etapa de reflexión teórica que sentaría las bases para una segunda etapa, centrada en
su observación y experimentación empírica. En el ejercicio de la investigación, de hecho, ambos
niveles se suelen usar de forma vinculada, siempre con el objetivo de promover una contrastación
mucho más sólida de la hipótesis que se pretende demostrar.
Cuando se redacta el trabajo de investigación, estos dos niveles cristalizan en sendos bloques
discursivos, que ocupan una parte destacada del cuerpo principal. El primer nivel, el de la teoría, se
expresa en podemos llamar estructura lógica, esto es, la serie articulada de conceptos, postulados y
definiciones que precisan los aspectos teóricos del objeto estudiado. El segundo nivel, el de la empiria,
se manifiesta en lo que suele llamarse el diseño metodológico, es decir, el conjunto ordenado de
actividades, técnicas y procedimientos utilizados para aplicar los conceptos teóricos, desarrollados en el
primer nivel, a los fenómenos tal como se presentan en el mundo real.
2. La estructura lógica
El esqueleto de conceptos teóricos definido en la primera instancia de un trabajo de investigación
conforma lo que aquí llamaremos su estructura lógica. Se trata de una serie de etapas compuesta por
conceptos, postulados y definiciones, que se orientan a presentar la o las hipótesis que se intentará
contrastar por medio de la investigación. Estos conceptos se constituyen a partir de la observación de lo
real y de la abstracción de sus características estables y recurrentes. A su vez, requiere del acceso a
fuentes secundarias de información, esto es, el conjunto de textos y datos generados por autores
validados por la comunidad científica.
La exposición de las etapas que forman la estructura lógica de un trabajo debe respetar el orden lógico
en que se dieron durante el ejercicio de la investigación, que no necesariamente se corresponde con su
sucesión temporal. La tarea fáctica de la investigación suele ser más bien un proceso desordenado; o,
mejor dicho, pueden ocurrir en su desarrollo muchas etapas de forma simultánea y enlazada. Hay que
tener en cuenta, además, que su disposición puede variar de acuerdo al género y al tipo de trabajo en
que se enmarquen, y en función de la entidad académica que evaluará el trabajo.
A grandes rasgos, estas etapas suelen ser siete: la definición de un objeto de estudio; la formulación de
una pregunta de investigación, la exposición de una hipótesis, la enunciación de unos objetivos, la
elaboración de un estado de la cuestión, la construcción de un marco teórico, y, por último, la elección
de una metodología que, como veremos, sienta las bases para el desarrollo del diseño metodológico.
2.1. El objeto de estudio
En primer término, el trabajo de investigación debe delimitar un objeto de estudio, que nace del recorte
arbitrario y acotado de un aspecto de lo real.[1] Se trata de la demarcación de un hecho, fenómeno o
proceso específico, con pertinencia temática y relevancia científica, que debe ser abarcable por medio
del esfuerzo que se propone realizar. Definir un objeto consiste en delimitar un área temática, un tema
general y un tema específico, siempre dentro del campo disciplinar en que se indaga, y en seleccionar, a
partir de ello, un aspecto preciso que será sometido a estudio.
El objeto debe ser recortado con especial cuidado, puesto que, si resulta demasiado extenso, dará lugar
a una investigación superficial; y si es muy acotado, producirá un estudio hondo, pero poco abarcador.
Debe ser, por ende, apropiadamente amplio y, a la vez, suficientemente profundo. Como tal, debe dar
lugar, primero, a una investigación empíricamente realizable que logre considerarlo en todas sus
dimensiones constituyentes; y, segundo, a un análisis que permita extraer de él unas conclusiones
relevantes, de modo de que las capas que lo conforman sean indagadas con el mayor detalle posible.
Un mismo objeto asume diversos niveles de abstracción. La destreza del investigador reside en su
capacidad de definirlo por medio de términos tan precisos como le fuera posible. En la calidad de esta
definición, descansará la estructura completa del trabajo; todos sus componentes y pasos posteriores,
incluso la enunciación de sus conclusiones, podrán variar significativamente conforme se modifique
esta distinción inicial.
2.2. La pregunta de investigación
Una vez definido el objeto, debe detectarse en él un problema. Esto implica reconocer la existencia de
una incógnita, incertidumbre o punto oscuro, o de un cierto nivel de conflicto, antagonismo o
desacuerdo alrededor del hecho o fenómeno abordado, que se expresa, en todos los casos, a través de
una pregunta de investigación. Enunciarla supone aceptar tres cosas: primero, que en ella se declara la
existencia de un problema; segundo, que la solución a dicho problema no se conoce y es relevante
conocerla; y, por último, que el trabajo propuesto podrá echar luz en la búsqueda de tal solución.
Una pregunta de investigación se diferencia de una pregunta genérica en tanto que tiene un carácter
específico: debe ser susceptible de respuesta. Pero no solo ello. A su vez, debe poder ser respondida por
medio de una investigación, es decir, de la observación metódica de la realidad. En particular, ha de ser
posible responderla por medio de la investigación que proponemos realizar, de modo que, cuando
formulamos una pregunta, estamos realizando una promesa implícita que consiste en suponer que
contamos con los recursos necesarios para abordarla. Así, pues, debe tenerse en cuenta que nuestro
trabajo, aunque no logre resolver el problema en un ciento por ciento, sí al menos tiene que poder
aumentar la probabilidad de su solución.
Como ocurre con el objeto de estudio, la pregunta de investigación puede asumir diversos niveles de
abstracción. Aquí, nuevamente, la habilidad del investigador reside en formularla de manera clara y
precisa, recortando el problema particular detectado en el objeto, y usando cada término del modo
menos ambiguo posible. Una pregunta bien redactada, abarcadora y puntual a la vez, permitirá
construir un trabajo sólido y consistente, de forma tal de que, cuando se haya concluido su desarrollo,
el discurso pueda ser comparado, a modo de respuesta, con el interrogante que disparó su ejecución.
La pregunta, expresada como tal con signos de interrogación, no debe aparecer necesariamente en
superficie textual, aunque se recomienda su declaración explícita, en especial en trabajos presentados
ante un tribunal evaluador. En todos los casos, sin embargo, la pregunta de investigación, se haga o no
presente en el texto, deberá poder reconstruirse a partir de la formulación explícita de su respuesta, que
no es otra cosa que la hipótesis de trabajo.
2.3. La hipótesis
En un plano metodológico, una hipótesis es una proposición que puede ser sostenida mediante pruebas
y razonamientos apropiados (Sabino 1994). Se trata de un enunciado presentado en tono afirmativo que
se propone como respuesta a la pregunta de investigación. Como tal, se supone que explica, aclara,
responde o soluciona el problema formulado. Una hipótesis es una afirmación, aún no verificada, que
se refiere a una de las dimensiones que componen el objeto. La investigación que sigue a su
enunciación se construye precisamente con el propósito de ponerla a prueba. Se suele hablar, así, de
hipótesis de trabajo, en tanto que herramienta metodológica que usa el investigador para dirigir su
investigación.
Las hipótesis no son buenas por que se comprueben, sino por el modo en que están formuladas y por el
hecho de que arrojan luz sobre un conjunto de fenómenos oscuros o poco claros. Una hipótesis que se
rechaza puede ser incluso más relevante que una que se verifica, en tanto que su refutación puede dar
lugar a otros trabajos de mayor alcance, o a una reformulación teórica sobre cierto aspecto que se
consideraba estable y conocido. La calidad de las hipótesis se mide, así, por la originalidad y claridad
con que proponen una nueva explicación o interpretación de los fenómenos.
A grandes rasgos, una hipótesis define una relación lógica entre variables de investigación, a saber: una
o muchas variables independientes que explican el fenómeno –el explanans– y una o muchas variables
dependientes que componen el fenómeno que se busca explicar –el explanandum–. Se asume, en
principio, que la variable independiente ejerce una cierta influencia sobre la dependiente, en tanto que
una modificación en alguno de sus parámetros genera cambios en los de la otra.
En la formulación de la hipótesis ha de buscarse implicar, de modo ordenado y exhaustivo, la mayor
cantidad de variables que participen en el objeto de estudio, de forma tal de proponer, para cada una, un
lugar definido en la relación. Deben así plantearse, por una parte, los supuestos metodológicos y las
variables contextuales, que son los fenómenos que damos por sentado y que deben ser verdaderos para
que la hipótesis se cumpla; las variables condicionales, que influyen sobre la variable independiente,
sin cuya presencia no podría darse la relación; las variables intervinientes, que inciden de forma
secundaria en la relación entre la variable independiente y la dependiente; y, finalmente, las variables
independientes, que suponemos explican el fenómeno observado, y la variable dependiente, que es el
fenómeno, en sí mismo, que nos proponemos explicar.
El esfuerzo, dado este esquema, radica en aislar las variables que entran en juego, reconocer su rol
funcional en la relación y definir para cada una un modo preciso y objetivo de medición. Dadas estas
definiciones, podrá plantearse, pues, una hipótesis relacional correctamente definida que, en definitiva,
no es otra cosa que la declaración de un tipo de relación lógica entre las variables de investigación
dados ciertos supuestos metodológicos y ciertas variables contextuales, condicionales e intervinientes.
En el caso de las hipótesis descriptivas o interpretativas, que se asocian a trabajos monográficos o de
integración final, e incluso a tesis o tesinas exploratorias de talante no explicativo ni argumental, no se
busca plantear relaciones explicativas, causales o correlaciones entre grupos de variables, sino que se
trata de identificar las características que constituyen a un fenómeno o de interpretar el modo en que un
hecho es percibido o expresado por los individuos que participan en él.
2.4. Los objetivos
El cuarto paso consiste en la formulación de los objetivos, definidos como los conocimientos que
podrán obtenerse mediante la investigación del objeto de estudio. Por ejemplo, pueden orientarse a
resolver un problema cognoscitivo en particular o a aportar evidencia empírica o metodológica para
probar o refutar una teoría. Los objetivos representan una continuación lógica del planteamiento de la
pregunta de investigación y de las hipótesis de trabajo, y pueden dividirse entre objetivos generales o
primarios, y específicos o secundarios.
Los objetivos generales indican, de forma global, a dónde se quiere llegar con el trabajo; los
específicos, por su parte, desglosan las dimensiones del problema de investigación. Tanto unos como
otros, tienen que estar expresados con claridad y ser razonablemente alcanzables por medio del trabajo
propuesto. Deben redactarse en tiempo infinitivo (‘determinar’, ‘analizar’, ‘verificar’, ‘examinar’,
‘describir’, ‘cuantificar’, ‘diagnosticar’, ‘explorar’, etc.) y estar expresamente dirigidos a la obtención
de conocimientos y resultados académicamente relevantes. Cuando se redactan las conclusiones del
trabajo, éstas se pueden comparar con los objetivos iniciales, a fin de saber cuáles puntos han quedado
contemplados y cuáles han quedado sin resolver y requieren, por lo tanto, de una reformulación.
En la etapa de presentación de objetivos, puede incluirse también una justificación del trabajo, esto es:
un análisis de su alcance, finalidad y relevancia (qué valor académico, social o comercial aportará) y un
estudio de sus públicos de interés (a quiénes servirá). La justificación de la investigación puede
ubicarse en diversos puntos del trabajo y depende de la importancia que tenga dentro del texto como un
todo. Este aspecto puede resultar central en trabajos de investigación que hayan sido financiados por
instituciones científicas, pero es recomendable declararlo explícitamente en todo tipo de esfuerzos. Hay
que recordar que el valor del trabajo reside en gran parte en la pertinencia y relevancia que tiene dentro
de la disciplina en la que investigamos.
2.5. El estado de la cuestión
El quinto paso de una investigación social relativamente extensa consiste en el desarrollo de un estado
del arte o estado de la cuestión. Se trata de una recensión exhaustiva de todo aquello que se ha escrito
previamente respecto del objeto elegido y supone, en tanto, una reseña y discusión teórica de las
respuestas que otros autores han dado a nuestra pregunta de investigación. El estado del arte se
construye por medio del arqueo bibliográfico de los materiales teóricos y metodológicos disponibles.
Técnicamente, toma la forma de fichas de lectura, documentos ordenados y breves que extraen los
aspectos centrales de cada pieza revisada.
El estado de la cuestión permite precisar, aislar y desambiguar los aspectos relevantes del fenómeno
estudiado, a saber: sus variables dependientes e independientes, sus factores determinantes, sus
mecanismos causales, sus conceptos y nociones primarias, sus supuestos metodológicos, sus marcos y
enfoques explicativos e interpretativos. En esencia, un buen estado del arte ofrece un análisis de los
acuerdos y desacuerdos que existen, respecto del objeto recortado, entre las distintas piezas de la
literatura disponible.
La exposición exhaustiva de un estado del arte da lugar a los dos últimos pasos del trabajo: la
definición de un marco teórico y de una metodología. Pero, a su vez, puede promover una
reformulación de la pregunta de investigación, de la hipótesis y de los objetivos generales. Realizar
correctamente este paso evita el estudio innecesario de temáticas ya investigadas o que carecen de
interés académico; representa, en este sentido, un mecanismo de control sobre nuestras propias
limitaciones (Sabino 1998).
2.6. El marco teórico
El marco teórico, referencial o conceptual define la perspectiva desde la cual observaremos nuestro
objeto y enmarca el problema de investigación dentro de un conjunto de conocimientos más generales.
Un mismo fenómeno admite múltiples puntos de vista, de modo que nuestro trabajo debe dar cuenta del
enfoque que usaremos para delimitarlo, esto es: ¿desde qué ángulo de visión observaremos?, ¿qué cara
o aspecto particular destacaremos en el análisis?, ¿qué puntos dejaremos fuera de nuestra mirada?
La elección de un marco teórico impone una forma de aprehender el objeto de estudio. Instala, en
nuestra mirada, una visión del mundo, una posición epistemológica o una postura cognitiva, que
necesariamente sesga nuestra forma de observar y analizar la realidad. Al definirlo, en todos los casos,
limitamos nuestra forma de pensar y, por añadidura, empobrecemos el objeto analizado. Con todo, a
efectos de mejorar nuestro trabajo de investigación, hemos de reconocer la necesidad de insertarlo en
un marco de observación. Se asume que el esfuerzo intelectual no puede dar genuinos resultados si no
se incorpora a una perspectiva preexistente. Puede darse el caso, sin embargo, de que un investigador
desarrolle un marco teórico original que constituya en sí mismo un nuevo modo de comprensión de los
fenómenos; pero incluso en ese supuesto, habrá detrás de todo una tradición de pensamiento que sirva
de sustento epistemológico para cualquiera de sus afirmaciones.
El marco teórico impone sus restricciones de observación y determina las posibilidades metodológicas
que serán utilizadas para abordar empíricamente el objeto recortado. En cada caso, el investigador
deberá familiarizarse con las perspectivas teóricas que históricamente se utilizaron para el abordaje de
su objeto de estudio. De ahí que un análisis del estado de situación de la literatura existente redunde
siempre en un desarrollo teórico más rico y fecundo, o en la adopción de una perspectiva teórica más
rigurosa.
3. El diseño metodológico
El séptimo y último paso consiste en la elección de una metodología, definida por un conjunto de
etapas, herramientas, métodos, procedimientos y técnicas de análisis, que deben ajustarse al marco
teórico definido y al arqueo bibliográfico realizado en el estado del arte. La metodología debe
presentar, entre otras cosas: el carácter de su aproximación (cualitativo o cuantitativo), los mecanismos
que se utilizarán para agrupar la información, el modo en que se definirán las unidades de registro, la
explicación de los términos relevantes, el diseño muestral construido para abordar la población de
análisis y la forma en que se recolectarán los datos. Pero, principalmente, debe dar cuenta de la validez
y adecuación de las técnicas seleccionadas para responder a la pregunta de investigación, que no solo
tendrán que ser pertinentes, sino también económicas y eficaces para la correcta resolución del
problema.
Dada su naturaleza, la metodología atraviesa, de inicio a fin, todo el trabajo. Es decir que no se
restringe al apartado dedicado a hacer manifiesto el abordaje metodológico, sino que hace referencia a
una actitud general respecto del modo en que se generará el conocimiento. Está compuesta por un
conjunto de etapas de actuación que se utilizarán para aplicar los conceptos teóricos, desarrollados en la
estructura lógica del trabajo, al objeto real tal como se presenta en el mundo. De ahí que se pueda
hablar, más propiamente, de un diseño metodológico.
El diseño metodológico debe definir, en primer lugar, el carácter de su abordaje, que dice algo acerca
de la naturaleza de la información sometida a análisis. Un abordaje de carácter cuantitativo supone que
los datos pueden ser expresados por medio de valores numéricos. En una investigación por encuestas o
en un trabajo que aplica la técnica del análisis de contenido, la realidad es abordada como si fuera
medible por medio de escalas cuantitativas. Una metodología cuantitativa hace hincapié en hallar
regularidades y patrones de presentación, lo cual supone que las variables (por ejemplo, la edad, la
altura, el peso, el salario, etc.) son comparables entre diversos individuos y, por lo tanto, susceptibles de
operacionalización y análisis estadístico.
Una metodología con carácter cualitativo, por el contrario, asume que los datos no pueden ser
reducidos a números, razón por la cual deben someterse a otra clase de enfoque. Aquí, la información
recabada se considera como inherentemente compleja, en tanto se hacen presentes la subjetividad, el
lenguaje y los modos de expresión que son propios del sujeto u objeto investigado. Las variables
analizadas ya no se representan a través de números, sino por medio de caracteres alfabéticos, palabras,
oraciones o frases. El abordaje etnográfico, la semiótica, el análisis de texto o de discurso, los grupos
focales y el análisis de conversación, entre otros, son ejemplos de metodologías cualitativas orientadas
a comprender los datos a partir del modo en que son expresados por quien los produce (un individuo,
un periódico, una institución, un medio audiovisual, etc.).[2]
Las metodologías con carácter mixto, por último, articulan ambos abordajes. Una investigación cuali-
cuantitativa podría comenzar, por ejemplo, con un estudio etnográfico o unos grupos focales, de corte
cualitativo, orientados a recabar información relevante (emergentes y pautas de conducta) que servirá
como base para la segunda parte de la investigación, de enfoque cuantitativo, a saber: la construcción
de un cuestionario de encuesta. Esta combinación de métodos suele ser provechosa, en tanto que utiliza
lo mejor de cada uno y evita sesgar, en este sentido, la naturaleza intrínsecamente compleja de la
realidad social estudiada.
Ahora bien, en el diseño metodológico, además de definir el carácter con que se abordarán los datos,
debe hacerse explícito el modo en que se cumplirán los propósitos de la investigación. Entre otros
aspectos, en un trabajo de corte eminentemente cuantitativo deberá definirse el sistema de categorías,
el cuestionario, el universo poblacional, los métodos muestrales, el tamaño muestral y los mecanismos
para la extracción de una muestra, el planeamiento del trabajo de campo, la codificación y
procesamiento de una base de datos, el análisis estadístico de los resultados y, por último, el
cronograma de trabajo.
3.1. El sistema de categorías
El primer paso en una investigación orientada a analizar un universo poblacional mediante técnicas
cuantitativas radica en construir un sistema de categorías. Se trata del listado ordenado de términos,
conceptos y variables centrales del estudio, que serán el punto de partida para abordar la población por
medio de fichas de medición. Para su construcción, los conceptos y proposiciones definidos en el
marco teórico deben transformarse en variables e indicadores, procedimiento deductivo que se
denomina operacionalización de conceptos teóricos (Lazarsfeld 1973, 35-46) y opera como fase
intermedia entre la formulación teórica del problema y la medición de las variables relevantes. Este
proceso se concreta a través de una serie de pasos relacionados: primero, descomponiendo los
conceptos teóricos en diversas dimensiones; segundo, seleccionando de cada dimensión una serie de
indicadores; tercero, sintetizando cada indicador mediante la elaboración de índices (Krippendorff
1990).
El sistema de categorías está en la base de la herramienta de medición que usaremos para acercarnos al
objeto. En este sentido, su determinación exhaustiva es un aspecto clave del diseño. El esfuerzo de un
trabajo de esta clase debe concentrarse precisamente en la codificación, esto es, en el proceso en virtud
del cual las características relevantes de un objeto son transformadas en unidades de registro [3], que
serán insertadas, colocadas o encasilladas en categorías. Las categorías y subcategorías de un sistema
categorial deben cumplir con los siguientes requisitos: de un lado, ser exhaustivas, esto es, abarcar
todas las unidades de registro posibles; de otro, ser mutuamente excluyentes, es decir, establecer
distinciones entre las unidades de análisis, evitando que una misma unidad pueda pertenecer a dos
casilleros al mismo tiempo. La correcta determinación y jerarquización del sistema de categorías
redunda en una ficha de medición válida y fiable.[4]
Por ejemplo, si en nuestra investigación reconociéramos como central el concepto de éxito profesional,
deberíamos imaginar de qué forma podemos medir esta noción teórica. El éxito profesional es una
entidad imaginaria que no puede asumir valores y, por lo tanto, no podemos mensurar. Es necesario
operacionalizar el concepto a través de sus manifestaciones concretas en la realidad. Así, podrá
definirse el concepto teórico a partir de categorías, entre otras: el dinero, el poder, el reconocimiento, la
educación, la felicidad, etc. Cada una de estas categorías abre una dimensión del concepto y, de esta
forma, nos permite medirlo. A su vez, se pueden elaborar indicadores de estas dimensiones, que son la
base de las preguntas que formularemos en el cuestionario, a saber: ‘tener un buen sueldo’, ‘ser
reconocido/a’, ‘estar conforme con el trabajo’, ‘tener un importante cargo laboral’, ‘obtener títulos de
estudio’, etc. Los índices, por último, constituyen la escala de valores que podemos asignar a estos
indicadores.
3.2. El diseño del cuestionario
El cuestionario es el correlato visible, en forma de plantilla estructurada, del sistema de categorías
definido. Las dimensiones e indicadores del sistema se cristalizan en la forma de preguntas de
formulario (variables), cada una de las cuales contiene opciones de respuesta (valores). Un sujeto
encuestado, al dar una respuesta, asigna un valor a una variable. Por ejemplo, para medir la dimensión
‘Dinero’, en base al indicador ‘Tener un buen sueldo’, podríamos plantear la siguiente pregunta, que
presenta una serie de índices o escalas de medición.
Otra alternativa para indagar acerca del concepto de éxito profesional, podría consistir en listar una
serie de indicadores, de forma que el encuestado seleccione aquellos que considera lo definen de mejor
modo.
Las preguntas en un cuestionario pueden ser abiertas, y admitir respuestas no codificadas (textos,
frases y modos de expresión del sujeto), o cerradas, y ser susceptibles de clasificación en un listado
acotado de opciones fijadas de antemano. En trabajos por encuestas, es conveniente orientar las
preguntas para su medición cuantitativa y limitar, por consiguiente, el espectro de los valores que
pueden asumir. Las opciones de una pregunta cerrada pueden ser múltiples o dicotómicas. Estas últimas
contienen solo dos valores excluyentes entre sí (i.e., sexo femenino o masculino); las respuestas con
opción múltiple, por el contrario, pueden ser tanto excluyentes (admiten la selección de una sola
alternativa) como no excluyentes (permiten elegir más de una opción). En respuestas múltiples, las
opciones pueden ser mencionadas en voz alta por el encuestador, que ofrece al encuestado, de forma
previa a su intervención, el listado exhaustivo de casilleros posibles, o ser omitidas, en cuyo caso el
respondente deberá nombrarlas de forma espontánea, y será luego tarea del codificador ingresarlas en
las opciones viables.
Debe prestarse especial atención en la redacción de las preguntas y de sus opciones en forma de
respuesta. Una pregunta ambigua puede ser percibida de manera diferente por dos encuestados
distintos; e incluso si se comprendiera de igual modo, las escalas asignadas a sus respuestas
(supongamos, una escala de satisfacción) podrán ser interpretadas de manera subjetiva, dando lugar a
que las respuestas no puedan ser comparables entre diversos sujetos.
Por último, debe revisarse el flujo del cuestionario, que consiste en controlar, primero, los saltos de
preguntas, es decir, la omisión de ciertos interrogantes en función del tipo de respuestas dadas a
preguntas previas; y, segundo, los patrones de respuesta, en tanto que una serie de preguntas con
mismas escalas de codificación puede generar agobio en el sujeto encuestado, que terminará por dar
idénticas respuestas en casi todos los puntos (Padua 1996, 82-85).
3.3. La definición del universo
De modo paralelo al desarrollo del cuestionario, es necesario delimitar el universo de análisis, esto es,
la población de documentos o individuos que será sometida a estudio. La definición del universo
poblacional es un aspecto central del diseño metodológico. Debe ajustarse a los objetivos y al problema
de la investigación, y, a su vez, ser una derivación del objeto de estudio. La formulación del universo
debe ser precisa y exacta, de modo tal de incluir a todo individuo de interés y de excluir a todo aquel
que no lo sea. En la definición del universo, deben también precisarse las unidades de registro o
unidades de análisis que constituyen las porciones mínimas del universo recortado que contienen
información significativa para el análisis.
3.4. El diseño muestral
Dada la limitación inherente a la tarea de investigación respecto de los recursos de trabajo
(económicos, humanos, tecnológicos, etc.), caeremos rápidamente en la cuenta de que no podemos
censar al universo y decidiremos, por lo tanto, extraer un pequeño grupo, esto es, una muestra. Una
muestra es un subconjunto de individuos, tomado del total de la población, que es sometido, como en
un laboratorio, a nuestros mecanismos de medición. La muestra, por su propia naturaleza, es artificial:
se aleja, necesariamente, del mundo real del que fue tomada. Con todo, existen estrategias de muestreo
que ayudan a minimizar esta diferencia.
A fin de que podamos inferir conclusiones que vayan de la muestra al universo, el segmento muestral
que tomemos deberá ser representativo, en la mayor medida posible, de la población de la cual se
extrajo. En caso contrario, nuestros resultados aplicarán solamente a los individuos encuestados. Para
que una muestra sea estadísticamente representativa, debe asegurarse, en primer término, que las
unidades muestrales tengan equiprobabilidad [5] de ser seleccionadas respecto de aquellas que
quedaron fuera de la muestra. Para realizar dicha selección, que debe ser necesariamente
probabilística[6], se deben tener en cuenta las características de la población general y el tipo de
inferencia que desea realizarse, partiendo de la muestra, al universo como un todo (Cea D’Ancona
1999).
Para abordar el universo poblacional de forma representativa, es decir, para extraer de él una muestra
que asegure equiprobabilidad en la extracción de las unidades de análisis, contamos con dos métodos
principales:

 Muestreo aleatorio simple: consiste en construir una lista exhaustiva de todas las
unidades del universo y en seleccionar de ella, por medio del azar, una cantidad fija
de individuos. En tanto que cada extracción se realiza a partir de la serie de todos
los casos posibles, cada elemento en la población tiene la misma probabilidad de ser
seleccionado.
 Muestreo aleatorio estratificado: se trata de dividir a la población en grupos,
llamados estratos, que son homogéneos entre sí y heterogéneos respecto del resto
del universo en cuanto a ciertas variables duras. Los elementos son seleccionados al
interior de cada estrato por medio de un muestreo aleatorio simple. En este proceso,
debe asegurarse que la muestra extraída contenga, proporcionalmente, los mismos
estratos observados en la población.

Por lo general, si se realiza un abordaje de tipo probabilístico, se suele preferir el muestreo aleatorio
estratificado; el muestreo aleatorio simple supondría que contamos con el listado de nombres y
apellidos de todos los individuos que componen el universo. Un muestreo estratificado, por el
contrario, no requiere de tal información y se orienta a tomar un subconjunto organizado por estratos de
clasificación. Esto implica que la extracción de los individuos debe constituir una muestra, de forma tal
de que el tamaño de sus estratos sea proporcional, en cantidad de elementos, al tamaño de los estratos
poblacionales.
3.5. La estimación del tamaño muestral
Un problema importante en cualquier proceso de muestreo radica en la definición del tamaño de la
muestra, esto es, la cantidad mínima de unidades de análisis que es necesario extraer para asegurar la
representatividad. El tamaño óptimo se desprende de los parámetros del universo; cosa que, por
supuesto, casi siempre se desconoce. Medido en cantidad de individuos, debe ser suficiente en
principio como para permitirnos realizar inferencias al universo estudiado. Si tomáramos solo 10 casos,
existirá una enorme posibilidad de que no representen al total, en tanto que la probabilidad de que esos
10 individuos no piensen del mismo modo o no tengan las mismas características de perfil que el resto
del universo es enormemente alta. Tomando pocos casos, pues, obtendríamos una muestra sesgada.
La dimensión de la muestra debe calcularse de modo de alcanzar un nivel de confianza aceptable. El
nivel o intervalo de confianza es la probabilidad de que las estimaciones que haremos para las medidas
de las variables de la muestra (los llamados estadísticos muestrales) se ajusten a las medidas reales de
la población de estudio (conocidos como parámetros universales). Es decir, el intervalo de confianza
indica hasta qué punto podremos inferir lo observado en la muestra al conjunto del universo.
Cuanto más nos acerquemos al tamaño universal o cuanto mejor tomemos los individuos de la muestra,
nuestro nivel de confianza tenderá a cero, es decir que la probabilidad de que la muestra que tomemos
sea sesgada será casi nula y, por consiguiente, podremos decir cosas acerca de la población con un
fundamento estadístico. En el siguiente gráfico (gráfico 1), se visualiza la diferencia que puede existir
entre el promedio de la muestra y la media del universo si la extracción muestral no se realiza
correctamente.

3.6. El trabajo de campo


En una investigación con muestra probabilística estratificada, el plan de muestreo se orienta a coordinar
el trabajo de campo de forma tal de que se asegure, sobre todo, la equiprobabilidad en la selección al
interior de cada estrato: cualquier individuo del universo estratificado debe poder ser, potencialmente y
con el mismo peso relativo, una unidad de la muestra. Pese a estas consideraciones, podrá ocurrir que,
por errores de coordinación, la muestra construida termine siendo diferente, en cuanto a su división por
estratos, de la población total. En ese caso, deberá recurrirse a mecanismos de ponderación [7], a fin de
asignar menor peso a ciertos estratos sobredimensionados y de acercarlos, así, al peso verdadero que
tienen en el mundo real.
Al comenzar el trabajo de campo, los encuestadores abordan a las unidades de análisis a fin de
encuestarlas en determinadas situaciones de entrevista. El abordaje se puede realizar de diversas
maneras, por ejemplo, ubicando a los interrogadores en ciertos puntos de la locación designada como
escenario de campo. Es importante, en este sentido, la correcta distribución geográfica y temporal de
los individuos encargados del trabajo de campo a fin de asegurar, nuevamente, la equiprobabilidad en
el muestreo.
3.7. La codificación del cuestionario
La información recabada por medio del trabajo de campo debe registrarse, en la etapa de data entry
(ingreso de datos), en una base de datos estructurada. El beneficio de este vaciamiento radica en que la
estructura tabular permite el análisis estadístico, tanto a lo largo de una misma variable como en la
relación que se establece entre algunas de ellas. Para ello, debe realizarse, como primer paso, una
codificación de las variables y categorías presentes en la ficha de medición.
La codificación radica en asignar un número a cada valor. Por ejemplo, para la variable estado civil, se
pueden definir los siguientes valores numéricos:
1 = ‘Soltero/a’

2 = ‘Casado/a’

3 = ‘Divorciado/a’

4 = ‘Viudo/a’

En este caso, no existen valores perdidos; pero para otras variables deben contemplarse los valores en
los que hay ausencia de dato, que se codifican automáticamente con un número alto, alejado de los
números de los valores existentes. Es importante, en este sentido, distinguir los valores nulos (null
values), en los que el dato es igual a cero, de los valores perdidos (missing values), en los que hay
ausencia de dato (el sujeto no respondió a la pregunta o el encuestador no la cargó correctamente). Esta
distinción la realiza el programa de gestión estadística de forma automática a través del proceso de
codificación, pero debe tenerse siempre presente en la tarea de análisis posterior.
La codificación del cuestionario requiere del uso de una herramienta automática de gestión de datos.
Puede realizarse de forma manual y en papel, pero actualmente se considera innecesario tal esfuerzo.
Se suele recurrir, así, a un software de análisis estadístico (i.e., SPSS, SAS e incluso Excel) que permite
construir una base de datos compuesta por tantas tablas como formularios existan. Cada tabla de la base
contiene, como en una planilla de cálculo de doble entrada, columnas (variables / preguntas) y filas
(individuos / unidades).
En la celda V1/I1, que vincula la fila del individuo 1 y la columna de la variable 1, deberá registrarse,
en la etapa de data entry, la respuesta dada por dicho individuo a la primera variable identificada en el
cuestionario; por extensión, la celda Vn/In registrará la respuesta dada por el individuo n a la variable
n. De este modo, se construye una base de datos que contendrá, en una sola planilla de cálculo, el total
de los valores asignados a todas las variables por todas las unidades muestrales.
3.8. El procesamiento de la base de datos
Una vez construida, la base debe adaptarse para su correcto uso en programas de gestión estadística. Su
adaptación consiste en la revisión detallada de los tipos y medidas de cada variable, es decir, de cada
pregunta del cuestionario, a fin de controlar su conversión de un lenguaje a otro. Cada variable se
define en la base de datos de acuerdo a un tipo (numérico, cadena, fecha, etc.) y a una medida (escalar,
nominal, ordinal, etc.). Estas definiciones imponen restricciones a la clase de análisis a la que podrán
someterse y definen el método estadístico válido para su representación (tablas de contingencia, tests
paramétricos o no paramétricos, pruebas T de Student, regresiones logísticas o regresiones numéricas,
etc.).[8]
A su vez, se opera en esta etapa la recodificación de las variables cualitativas abiertas en variables
categóricas codificadas. Una pregunta abierta puede expresarse a través de diversas clases de
respuestas, a veces en la forma de textos que respetan, literalmente, los modos de expresión del sujeto
encuestado. Para el análisis, es necesario recodificarlas y asignar a cada valor recurrente una categoría
cerrada. De este modo, se evitan errores comunes, como los de considerar que ‘gerente de producto’,
‘gerente de productos’ y ‘gte. de producto’, son categorías diferentes.
Con la base correctamente revisada en cuanto a los tipos y medidas, a la recodificación numérica de
cada variable y la identificación de los valores perdidos y valores nulos, se procede al análisis
estadístico propiamente dicho. Estos procedimientos de control aseguran la validez de los datos que se
someten a análisis y están, por lo tanto, directamente vinculados con la calidad de los resultados de la
investigación.
3.9. El análisis estadístico
El uso de herramientas y métodos estadísticos para el análisis de los datos debe tener siempre como
objetivo, en primer término, la descripción de cada variable de forma individual (estadística
descriptiva) y, en segundo lugar, la búsqueda de relaciones significativas entre dos o más variables
(estadística inferencial). El análisis descriptivo, en todos los casos, debe realizarse con anterioridad al
inferencial, en tanto que permite detectar las distribuciones de los datos que luego serán sometidos a
análisis relacional. En la estadística descriptiva se busca realizar una descripción de las puntuaciones
sostenidas para cada variable por medio de distribuciones de frecuencia de acuerdo a medidas de
tendencia central (media, mediana, etc.) y a medidas de dispersión (desvío estándar, varianza, etc.).
La estadística inferencial, por su lado, se ocupa de medir la frecuencia de coocurrencias de los valores
de una variable y los valores de otra, para lo cual se utilizan normalmente tablas de contingencia que
permiten detectar la dependencia o la independencia entre variables y categorías, fijando en cada caso
relaciones de determinación, asociación, equivalencia, oposición, exclusión, proximidad,
simultaneidad, secuencialidad u orden, entre otras (Piñuel Raigada 1995). En los abordajes
inferenciales, lo que se busca es detectar los efectos de relación entre una variable independiente y una
variable dependiente (métodos univariables), o entre dos o más variables independientes y una variable
dependiente (métodos multivariables)[9]. Así, en el análisis de inferencias, se buscan relaciones
relevantes entre variables, intentado hallar en cada caso su significación estadística (que dice algo
acerca de la fuerza de la relación en términos puramente estadísticos) y, quizá más importante, su
significación ecológica (que dice algo acerca de la importancia práctica e intuitiva que tiene dicha
relación).
3.10. El cronograma de trabajo
El último paso de un diseño metodológico consiste en la elaboración de un cronograma de trabajo, que
debe ser una presentación esquemática y gráfica de las principales actividades realizadas, tanto en la
construcción de la estructura lógica como en el diseño metodológico, y que permite comparar las
fechas proyectadas en el diseño del proyecto o anteproyecto con las fechas efectivamente cumplidas
durante su realización. El sentido del cronograma no radica únicamente en mostrar las etapas del
trabajo, sino en servir de guía de control para su correcto cumplimiento.
Existen diversas maneras de presentar un cronograma. Puede plantearse en forma de tabla de doble
entrada, organizada por etapas de trabajo (tabla 3).

4. La presentación de resultados
Cuando se han definido los componentes de la estructura lógica y se han elaborado y llevado a cabo
todos los pasos del diseño metodológico de acuerdo al cronograma pautado, deben presentarse los
principales resultados obtenidos, que asumirán la forma de un informe de investigación. Un informe es
un documento formal de moderada extensión (no más de 80 o 100 páginas) que pauta, de manera
ordenada, los procedimientos utilizados en cada etapa del esfuerzo realizado y que presenta, de forma
clara y precisa, las principales conclusiones a las cuales se ha podido arribar. Es un texto extenso, pero
redactado con estilo sintético, que detalla el diseño utilizado para la demostración de la hipótesis y los
principales resultados alcanzados durante el proceso, exhibidos en forma de gráficos, tablas, cuadros y
descripciones.
Debe pensarse, primeramente, en el destinatario al que va dirigido el trabajo, de modo de hacer énfasis
en aquellos puntos que gozan de especial interés para el público objetivo y de omitir aquellos que
podrían resultar innecesarios. Los principales resultados deben estar expresados de tal modo que
puedan extraerse de ellos unas conductas de acción. Es decir, ha de tenerse en cuenta que podrán servir
a modo de diagnóstico de una situación, ofreciendo a este respecto posibles soluciones de actuación.
Por último, el trabajo debe cerrar con unas reflexiones generales, propuestas por el mismo investigador,
que se puedan extraer, como corolarios, de los frutos obtenidos durante la investigación. En este
sentido, debe incorporarse una propuesta final que establezca nuevos interrogantes y problemáticas que
nacen del esfuerzo realizado y que pueda dar lugar, por consiguiente, a nuevos caminos de
investigación.
5. Referencias
[1] Es necesario tener en cuenta el carácter sesgado de todo objeto de estudio. Cuando se recorta un
objeto, se dejan cosas de lado, de modo que lo analizado será siempre pobre en relación con el conjunto
del cual se extrajo. Asimismo, como resultado de este recorte, que es siempre arbitrario y motivado, se
construye un mundo artificial, que se aleja de sus condiciones naturales de existencia. De ahí que
muchas de las variables que operaban en éste en circunstancias reales dejarán de funcionar en su
reproducción experimental o teorética.
[2] Para un mayor detalle de los métodos cualitativos, véase Sautu 2005; y, en particular, Kornblit
2004.
[3] Las unidades de registro (también llamadas unidades de codificación o de análisis) se definen como
aquella porción mínima que el investigador aísla por contener elementos considerados significativos
para el análisis. Se trata del segmento mínimo de la realidad estudiada, que será sometido a
categorización. Véanse Bardin 1986 y Krippendorff 1990.
[4] La validez se refiere a la adecuación del sistema de clasificación para la medición de los conceptos
teóricos, es decir, denota el nivel de correspondencia que existe entre los constructos teóricos definidos
y las variables empíricas generadas a partir de ellos. La fiabilidad, por su parte, es un índice de la
consistencia del procedimiento de medición, que implica que distintos investigadores puedan llegar a
idénticos resultados sobre el mismo corpus de análisis (fiabilidad intersubjetiva) o que el mismo
investigador extraiga las mismas conclusiones del mismo corpus en dos períodos de tiempo separados
(fiabilidad intrasubjetiva). Véase Krippendorff 1990.
[5] La condición de equiprobabilidad (equi = idéntica) exige que cualquier unidad de análisis que
forma parte de la población de estudio debe tener la misma probabilidad de formar parte de la muestra,
fijada como P = 1/N, siendo N la cantidad de unidades del universo.
[6] Hay que mencionar, sin embargo, que existen procedimientos de muestreo no probabilísticos, por
ejemplo, las muestras casuales, intencionales o por cuotas. Estos abordajes, como señala Padua (1996,
82-85), tienen poco interés en términos de estimación, pero pueden servir en ciertos casos a modo de
aproximación inicial a un tema de estudio.
[7] Véanse Canavos 1988 y Runyon 1992.
[8] Para un detalle de estos métodos de análisis estadístico, véanse Cea D’Ancona 1999; y,
especialmente, Ander-Egg 2003.
[9] Entre los métodos multivariables, que son los más significativos en este tipo de análisis, pueden
identificarse, siguiendo la clasificación de J. N. Sheth (1971, 13-19), los siguientes: regresión múltiple
lineal, análisis discriminante múltiple, análisis multivariable de la varianza, análisis canónico, análisis
factorial, análisis de grupos o cluster analysis, análisis de escalas multidimensionales métricas y no
métricas, y análisis de la estructura latente

También podría gustarte