González-Teruel, A., & Barrios Cerrejón, M. (2012).

Métodos y técnicas para la

investigación del comportamiento informacional: fundamentos y nuevos desarrollos.
Gijón: Ediciones Trea.

CAPÍTULO 2

TÉCNICAS DE MUESTREO

2.1. INTRODUCCIÓN

En cualquier investigación, tras la concreción de los objetivos, el siguiente paso que

debe plantearse es la definición de la población o colectivo de interés. Por población
se entiende aquel conjunto de elementos, también llamados sujetos, individuos, casos
o unidades muestra/es, que comparten alguna característica. Los elementos que con-
figuran una población pueden ser muy variados: personas físicas (usuarios, investi-
gadores, profesionales de un centro de información, ... ), organizaciones (unidades de
información, universidades, colegios, ... ), objetos (puntos de lectura o de conexión a
internet, buzones de retorno de libros, expositores, ... ), documentos (libros, revistas,
artículos, ... ), eventos o acciones (consultas a un catálogo, solicitudes de documentos,
peticiones en una página web, ... ) o incluso espacios de tiempo en donde a partir de
registros (por ejemplo, audiovisuales) se valora la presencia de alguna conducta de
interés. No obstante, cuando una población contiene muchos elementos es inviable
estudiarlos todos. El coste económico y de tiempo que requeriría estudiar todos los
elementos sería tan grande que se desaconsejaría llevar a cabo la investigación. En
estos casos, es necesario seleccionar un subgrupo representativo de elementos de la
población, es decir, una muestra de individuos. El proceso de selección de las unida-
des muestrales que forman parte de la población es lo que se conoce como muestreo.
Dentro del muestreo se distingue entre el muestreo probabilístico y el muestreo no
probabilístico. En el muestreo probabilístico, los sujetos de la población tienen
una probabilidad conocida de ser seleccionados para formar parte de la muestra y esta
probabilidad es distinta a cero. En cambio, en los procedimientos no probabilísticos
no se conoce la probabilidad de que un sujeto forme parte de la muestra. Seleccio-
nar uno u otro procedimiento depende en buena medida de la naturaleza del estudio
(Marshall, 1996; Patton, 2002; Ritchie, Lewis y El am, 2003; Neuman, 2007). Cuan-
do una investigación tiene una naturaleza cuantitativa, la selección de los individuos
[56) MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓNDEL COMPORTAMIENTO INFORMACIONAL

se rige por el objetivo de que el estudio de la muestra permita la correcta estimación

de los valores poblacionales. Es decir, se persigue generalizar a la población los resul-
tados obtenidos a partir del estudio de la muestra. Lo anterior implica que la muestra
resultante debe contener las mismas características y en las mismas proporciones que
las observadas en la población. Esto se consigue gracias a la selección aleatoria de las
unidades muestrales. Para que un muestreo sea considerado probabilístico la selección
de los individuos se debe regir por un procedimiento aleatorio. En cambio, en un
estudio cualitativo, la selección de las unidades muestrales se rige básicamente por el
objetivo de formar una muestra que permita un mayor conocimiento sobre un deter-
minado fenómeno en un contexto específico. En este caso, el investigador selecciona
a los individuos en base a determinados criterios que considera adecuados y no de
manera aleatoria. De esta manera, los estudios cuantitativos, más preocupados por
su capacidad de ofrecer una generalización de los resultados a partir del estudio de
muestras, preferentemente se realizan en base a muestreos probabilísticos. En cambio,
en los estudios cualitativos se opta por muestreos no probabilísticos.
No obstante, los estudios cuantitativos no siempre pueden realizarse a partir de
procedimientos probabilísticos. Estos procedimientos tienen un mayor coste económi-
co y requieren una mayor inversión de tiempo para conseguir formar las muestras, por
lo que es habitual que muchos estudios, aunque persigan la generalización de los re-
sultados a la población, recurran a procedimientos no probabilísticos. Otra situación
habitual en la que se recurre a utilizar un procedimiento no probabilístico es cuando
se estudian poblaciones en las que no se dispone de un registro exhaustivo de los
individuos, es decir, un marco muestral completo. El marco muestral es el listado de
individuos de la población a la que se tiene acceso. El objetivo que se persigue es que
contenga todos los elementos de la población. No obstante, en la práctica, no existe
un marco perfecto y es habitual encontrar errores, omisiones y duplicidades (Pérez,
2010). Es esencial que el marco muestral represente al conjunto de la población. Un
marco muestral incompleto o que no incluya algún sector de la población pone en
peligro la validez externa de la investigación (por ejemplo, realizar un estudio por en-
trevistas telefónicas no incluiría aquellos que no disponen de teléfono). En los casos en
que no existe un marco muestra! completo, el investigador debe intentar construirlo,
pero si esto no es posible, la alternativa es aplicar un muestreo no probabilístico. Este
sería el caso de un estudio en el que se quisiera estudiar a los usuarios de una biblio-
teca pública que no pertenecieran a la comunidad europea. Difícilmente se podría
contar con un listado de estos usuarios y construirlo sería igualmente infructuoso. La
opción más sensata sería posiblemente utilizar un procedimiento no probabilístico.
Es importante señalar que a partir de los procedimientos no probabilísticos, aun-
que se pueden obtener muestras representativas, no se llega a tener información sobre
el grado de representatividad respecto a la población y existe un mayor riesgo de
2. TÉCNICASDE MUESTREO [57]

Figura 5. Representación de una muestra representativa y una muestra sesgada

Poblatión

Muestraseigada

introducir sesgos a la hora de seleccionar a los individuos. En la figura 5 se ilustran

una muestra representativa y una muestra sesgada.
Como se puede apreciar en la figura 5, una muestra representativa es un subgrupo
de elementos de la población que mantiene las mismas características que se observan
en la población. En cambio, una muestra sesgada está formada por elementos que
presentan una sobrerrepresentación o infrarrepresentación de alguna de las caracte-
rísticas de la población. Utilizar un procedimiento no probabilístico puede provocar
que algunos de los sujetos seleccionados presenten una probabilidad más alta de
ser incluidos en la muestra. Los sujetos finalmente incluidos en la muestra pueden
presentar características diferentes respecto a los sujetos no seleccionados y, de esta
manera, disminuir la representatividad de la muestra. Por eso los procedimientos no
probabilísticos se deberían reservar para aquellas situaciones en que la generalización
de las conclusiones a la población no es una prioridad del estudio, como podría ser
en el caso de estudios exploratorios o bien de estudios cualitativos. En estos casos,
el objetivo principal será profundizar en la información que los individuos puedan
aportar más que en la representatividad de esta información.
En el presente capítulo se pretende dar respuesta a dos de los interrogantes que los
investigadores se plantean cuando trabajan con muestras. El primero hace referencia
a qué procedimiento deben utilizar para seleccionar a los sujetos que participarán en
su estudio. El segundo es cuántos sujetos deben estudiar o incluir en la muestra. En
la tabla 6 se recogen los diferentes tipos de muestreo que se expondrán en este capí-
tulo. En este punto, se debe señalar que la literatura sobre el muestreo probabilístico
[58] MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INl'ORMACIONAL

muestra un amplio consenso tanto en las técnicas propuestas como en la terminología

usada para referirse a ellas. No ocurre lo mismo con los muestreos no probabilísticos,
donde conviven diversas propuestas sobre los diferentes procedimientos que pue-
den aplicarse (Patton, 1990; Marshall, 1996; Bernard, 2000; Neuman, 2007). En los
muestreos no probabilísticos se observa una falta de acuerdo tanto en las definiciones
como en la terminología utilizada, lo que en ocasiones lleva a confusión (Marshall,
1996; Coyne, 1997). Así, para los procedimientos no probabilísticos se revisarán
algunas de las principales propuestas existentes en la literatura y se expondrán los
principales tipos de muestreo, intentando esclarecer la terminología. Para finalizar el
capítulo se abordará el tema del tamaño de muestra, diferenciando entre los estudios
cuantitativos y los estudios cualitativos.

Tabla 6. Tipos de muestreo

Muestreo probabilístico
Muestreo aleatorio simple
Muestreo aleatorio sistemático
Muestreo aleatorio estratificado
Muestreo aleatorio por conglomerados
Muestreo no probabilístico
Muestreo accidental
Muestreo intencional
Muestreo teórico
Muestreo por cuotas
Muestreo por bola de nieve

2.2. MUESTREO PROBABILÍSTICO

Las diferentes técnicas de muestreo probabilístico tienen como denominador común el

uso de la aleatorización para la selección de los individuos. La aleatorización permi-
te que cada unidad muestral tenga una probabilidad conocida de formar parte de la
muestra del estudio. De este modo se asegura que la muestra de individuos seleccionada
sea representativa de la población de referencia. Sin embargo, para asegurar la repre-
sentatividad se ha de contar con un marco muestral bien definido y que no presente
ningún tipo de sesgo. El marco muestral debe contener un listado de todas las unida-
des muestrales de la población de referencia. De este marco muestral se seleccionará
la muestra de individuos que serán los que participarán en el estudio. Los datos que
se obtengan de esta muestra permitirán la generalización de resultados a la población
de origen. Las técnicas de muestreo probabilístico son el muestreo aleatorio simple, el
2. TÉCNICASDE MUESTREO [59]

sistemático, el estratificado y el de conglomerados. Las dos últimas variantes, el mues-

treo estratificado y el de conglomerados, pueden ser consideradas variaciones de las
dos primeras y pueden combinarse entre sí en función de las exigencias del estudio.

2.2.1. Muestreo aleatorio simple

En el muestreo aleatorio simple todos los sujetos de la población tienen la misma

probabilidad de ser seleccionados para formar parte de la muestra (Cochran, 1987).
Para seleccionar una muestra de sujetos a partir de este procedimiento se necesita una
tabla de números aleatorios, o bien generar una serie de números aleatorios mediante
algún programa informático. La tabla de números aleatorios es un conjunto de dígi-
tos organizados en el espacio con una misma frecuencia. Para facilitar el seguimiento
visual, los dígitos se presentan en grupos de filas y columnas (por ejemplo, filas y
columnas de cuatro o cinco dígitos).
El primer paso para seleccionar los elementos de la muestra es numerar los indi-
viduos de la población desde O hasta N, el último valor de la población. En la tabla
de números aleatorios los dígitos se deben agrupar en bloques de tantas cifras como
tenga el último valor numerado de la población. A continuación, se seleccionan tan-
tos grupos de números aleatorios como individuos se quiera incorporar a la muestra.
Cada número aleatorio seleccionado indicará el individuo que debe ser incluido en la
muestra. En el cuadro 3 se propone un ejemplo para ilustrar esta técnica.

Cuadro 3. Ejemplo de muestreo aleatorio simple

Imaginemos que se desea seleccionar una muestra de 1O individuos de una población de 100. Los pasos
que deberían seguirse son:
l. Numerar todos los individuos de la población desde el O hasta el 99.
2. Seleccionar 10 valores de la tabla de números aleatorios. Los valores se seleccionan en función del
número de cifras que tenga el último dígito numerado a la población. En esta ocasión, como el úl-
timo valor tiene dos cifras (99), se seleccionan valores de dos cifras. La tabla de números aleatorios
puede leerse en cualquier dirección (de abajo arriba o de arriba abajo y de izquierda a derecha o
al revés). En este caso, para seleccionar los 1O valores de la tabla se sigue la dirección de la lectura
(por filas y de izquierda a derecha).

55659 44105 47361 34833 86679

53364 71726 45690 66334 60332
49927 57715 50423 67372 63116
07243 79931 89292 84767 85693
67879 00544 23410 12740 02540

3. A partir del paso anterior, se obtienen los siguientes 10 grupos de números aleatorios de dos cifras:
el 55, 65, 94, 41, 05, 47, 36, 13, 48 y el 33. Estos valores indican los sujetos que formarán parte
de la muestra
[60] MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INFORMACIONAL

2.2.2. Muestreo aleatorio sistemático

En este tipo de muestreo también se deben enumerar todos los individuos de la pobla-
ción, aunque el procedimiento resulta más sencillo que el anterior. Consiste en selec-
cionar el primer individuo de la muestra al azar y seleccionar el resto a partir de este.
El primer individuo (i) se selecciona al azar entre los k-1 (k= N/n) primeros elementos
de la población. El valor k se denomina coeficientede elevacióny representa el número
de veces que la muestra estará comprendida en la población. El resto de individuos se
seleccionan a partir del primer individuo sumando cada vez el valor k a cada uno de
los individuos seleccionados. Para asegurar que la muestra sea representativa de lapo-
blación se debe evitar que la población esté ordenada según algún criterio relacionado
con el objeto de estudio. En el cuadro 4 se propone un ejemplo de este tipo de muestreo.

Cuadro 4. Ejemplo de muestreo sistemático

Siguiendo con el ejemplo anterior, en este caso el procedimiento sería:

l. Numerar todos los individuos de la población desde el O hasta el 99.
2. Calcular el coeficiente de elevación k:

3. Seleccionar al azar el primero individuo (i) de la muestra entre los k-1 primeros sujetos. Es decir,
entre O y 9. Por ejemplo, i podría ser el sujeto 3.
4. A partir del sujeto i se seleccionan de k en k el resto de individuos de la muestra. Los individuos que
formarán parte de la muestra serán los siguientes: 3, 13, 23, 33, 43, 53, 63, 73, 83 y el 93.

2.2.3. Muestreo aleatorio estratificado

El muestreo aleatorio estratificado es útil cuando se conoce la proporción de una o

varias características de la población relevantes para realizar un estudio particular
(como por ejemplo el género, la edad o el nivel de estudios) y además se quiere ase-
gurar que estas características estén representadas en la muestra. Las diferentes mo-
dalidades de estas características (por ejemplo: hombre/mujer, niños/jóvenes/adultos,
etcétera) se denominan estratos, término que proviene de la geología y que se refiere
a una capa homogénea de terreno. Los individuos que pertenecen a un determinado
estrato presentarán características similares entre ellos y, en cambio, presentarán ca-
racterísticas muy diferenciadas respecto a los individuos de otros estratos. Este hecho
traerá una homogeneidad entre los individuos que pertenecen a un mismo estrato y
una heterogeneidad entre los individuos de diferentes estratos.
2. TÉCNICASDE MUESTREO [61 I

El proceso de distribución de los individuos en los diferentes estratos se conoce

como a-fijacióny existen diferentes tipos:

A-fijaciónproporcional: para cada estrato, se intenta conservar la variabilidad ob-

servada en la población de manera proporcional. En estos casos el número de
sujetos de cada estrato en la muestra será proporcional al que se observa en la
población.
A-fijaciónde compromiso: en algunas ocasiones aplicar una afijación proporcional
puede llevar a generar estratos con un número muy reducido de sujetos. Si el
investigador está interesado en analizar en profundidad cada uno de los estra-
tos, los resultados no serán validos para aquellos estratos que presenten pocos
sujetos. En estos casos, se opta por aumentar el tamaño de los estratos con
menos sujetos hasta que se considere que su número es adecuado.
A-fijaciónuniforme: se trata de una estratificación no proporcional en la que todos
los estratos tienen el mismo número de sujetos independientemente de la pro-
porción que se observa en la población. Esto favorece a los estratos que pre-
sentan una proporción menor y perjudica a los que presentan una proporción
mayor. Tal como señala Pérez (2010), este tipo de afijación solo se aconseja
utilizar en los casos en que los estratos presenten una proporción similar en la
población.
A-fijación óptima: en este procedimiento, además de tener en cuenta el peso del
estrato en la población, se valora la variabilidad de cada estrato. Para aplicar
una afijación óptima se necesita conocer la varianza poblacional de cada es-
trato, lo que requiere que se haya hecho algún estudio previo de la población.

En el muestreo estratificado es frecuente que se considere más de una característica

a la vez, lo que genera diferentes dimensiones. Por ejemplo, en un primer momento, se
puede considerar la característica género y generar dos estratos: hombre y mujer. En
un segundo momento, se puede considerar la variable edad y crear diferentes interva-
los: menor de 12 años, de 12 a 18 años, de 19 a 30 años, etcétera. Automáticamente,
cada uno de estos intervalos queda incluido en la categorización previa de hombre y
mujer, como se muestra en la tabla 7:

Tabla 7. Ejemplo de un muestreo aleatorio estratificado

GÉNERO
Hombre Mujer
Edad Edad
>12 años l 12-18 años l t9-30 años >12 años l 12-18 años l 19-30 años
[62] MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INFORMACIONAL

Una vez se ha fijado el tamaño de cada estrato, se seleccionan los individuos que
formarán parte de cada uno. La selección de cada uno de los individuos se puede
realizar mediante un procedimiento aleatorio simple o bien sistemático.
Se debe tener en cuenta que los resultados que se deriven de muestras generadas
por procedimientos de afijación no proporcionales (de compromiso y uniforme) no
podrán ser directamente generalizables a la población y deberán hacerse ajustes para
poder informar correctamente sobre la población. En el cuadro 5 se propone un
ejemplo para ilustrar esta técnica de muestreo.
En general, si la información de la que se dispone sobre la población es precisa,
las muestras obtenidas mediante este tipo de muestreo aseguran mejor la represen-
tatividad que las muestras generadas a partir de la aplicación directa del muestreo
aleatorio simple (Rodríguez Osuna, 1991). Esto es así porque en el muestreo estratifi-
cado se asegura que, pese a que un estrato presente un porcentaje pequeño respecto a
la población, este quedará representado en la muestra. Un muestreo aleatorio, en un
caso así, podría omitir este estrato y no quedar representado en la muestra. Además,
el muestreo estratificado evita las oscilaciones debidas al azar y conserva los mismos
parámetros observados en la población. Por ejemplo, si se conoce que el porcentaje
de hombres y de mujeres en la población de usuarios del servicio de préstamo es de
48 % y 52 % respectivamente, utilizando un muestreo estratificado se puede obte-
ner una muestra exactamente con un 48 % de hombres y un 52 % de mujeres. En
cambio, si se aplicara un muestreo aleatorio simple, este porcentaje podría variar
ligeramente respecto al observado en la población de referencia.

2.2.4. Muestreo aleatorio por conglomerados

En algunos casos los individuos de una población se agrupan de manera natural

formando grupos con características muy heterogéneas. Estas agrupaciones reciben
el nombre de conglomerados. Interesa que los conglomerados presenten una gran
diversidad dentro de ellos mismos, pero sean similares a otros conglomerados (Pérez,
2010). De esta manera pueden considerarse poblaciones «en pequeño».
Por ejemplo, una biblioteca A podría ser considerada un conglomerado. Dentro
del conglomerado se pueden encontrar usuarios con características muy diversas (en
edad, nivel educativo, frecuencia de uso, etcétera). Si se compara esta biblioteca A con
otra biblioteca, B, posiblemente se encuentren más similitudes entre los usuarios de
estas dos bibliotecas que diferencias (en las dos habría individuos con edades diver-
sas, con diferente nivel educativo, frecuencia de uso, etcétera). Cada conglomerado
actuaría como una pequeña representación de la población. No obstante, se debe
tener en cuenta que entre conglomerados puede haber diferencias importantes. En
2. TÉCNICASDE MUESTREO (63)

Cuadro 5. Ejemplo de un muestreo aleatorio estratificado

Se quiere seleccionar una muestra de 300 individuos para elaborar un estudio sobre el uso de diferentes
servicios en una biblioteca pública. Se sabe que el uso de los servicios está relacionado con el nivel
educativo de los usuarios, por lo que para seleccionar la muestra se opta por utilizar la información
disponible sobre el nivel educativo de la población a la cual da servicio la biblioteca. En la siguiente
, tabla se expone el porcentaje observado en la población para cada uno de los estratos.

Estratos Porcentaje observado en la población

Estudios primarios 54 %
Estudios secundarios 30 %
Estudios universitarios 16 %

Para calcular el número de sujetos necesarios en cada estrato mediante afijación uniforme, se divide el
total de la muestra que se quiere obtener por el número de estratos. En este caso, cada estrato estaría
formato por 100 sujetos:
n 300 O .
n._.,.w= numero de estratos = 1 O su1etos
nestr.tro
3

En el caso de que se quisiera realizar mediante una afijación proporcional, se calculará la proporción
de sujetos para cada uno de los estratos a partir de la siguiente expresión:
p ·n
nC'\trJ(O ::::::-~--

100

Donde P, es el porcentaje de sujetos de la población que presentan la característica concreta en el

estrato y n es el tamaño de la muestra que se quiere estudiar. En el ejemplo propuesto quedaría de la
siguiente forma:
54 · 300 .
nC'\lr.llC)'\rrJITI.Um'\ ----= 162 su1etos
100

30 · 300
n ..ir.uu,-unJJrios =---- =90 sujetos
100

11l"~U JW'\ 16 · 300

Unl\'C'í\lf;:UIO~
---- = 48 sujetos
100

En siguiente tabla se detalla, para cada uno de los estratos, el número de sujetos necesarios si se utiliza
una afijación uniforme o una afijación proporcional.

Estrato Afijación uniforme Afijación proporcional

Estudios primarios 100 162
Estudios secundarios 100 90
Estudios universitarios 100 48

Finalmente, para seleccionar los sujetos de cada uno de los estratos sería necesario aplicar un muestreo
aleatorio simple o sistemático.
(64] MÉTODOSY TÉCNICASPARALA INVESTIGACIÓNDEL COMPORTAMIENTOINFORMACIONAL

este sentido, no sería lo mismo estudiar una biblioteca de una gran ciudad que otra
ubicada en un núcleo rural. En estos casos, para conseguir una buena representación
de la población, sería necesario seleccionar dos muestras diferenciadas, una con bi-
bliotecas ubicadas en núcleos urbanos y otra en núcleos rurales.
Se dice que el muestreo por conglomerados es polietápico cuando los conglome-
rados seleccionados en un primer momento forman nuevos conglomerados dentro de
ellos y se procede a una nueva selección de estos. Este procedimiento se puede repetir
hasta que se llegue a la selección final de los individuos de la muestra. Este sería el
caso si se quisiera estudiar el comportamiento informacional de los usuarios del con-
junto de bibliotecas de un determinado municipio. Seleccionar todas las bibliotecas
seria un procedimiento muy costoso, por lo que se podrían seleccionar en primer
lugar unas determinadas poblaciones (primer conglomerado) y de estas seleccionar
unas determinadas bibliotecas (segundo conglomerado). De las bibliotecas finalmen-
te incluidas en la muestra se seleccionarían de manera aleatoria los individuos que
formarían parte del estudio.
Para seleccionar unos conglomerados u otros se utiliza un procedimiento alea-
torio, como por ejemplo un muestreo aleatorio simple o estratificado. Una vez se
han seleccionado los conglomerados que formarán parte de la muestra, se pasará a
seleccionar las unidades muestrales. Si los conglomerados están formados por pocas
unidades muestrales, se pueden seleccionar todos los elementos que forman parte del
conglomerado. En cambio, si el número de unidades muestrales dentro del conglome-
rado es grande, se deberá realizar una nueva selección aleatoria de las unidades mues-
trales a partir de un procedimiento aleatorio simple o sistemático. Una de las ventajas
más destacadas de este tipo de muestreo es su ahorro en tiempo y coste económico.
La concentración de las unidades muestrales evita los costes de desplazamiento, per-
mitiendo que la selección de la muestra sea más rápida y barata.
Decidir el número de conglomerados necesarios para un estudio depende de la
variabilidad observada entre los conglomerados. Si se observa una gran diversidad
entre conglomerados, para poder conseguir una buena representación de la pobla-
ción será necesario seleccionar un número más grande de conglomerados. En cambio,
si las diferencias entre conglomerados no son importantes, la representatividad de la
población se podrá conseguir con unos pocos conglomerados. De manera análoga, si
se observa una variabilidad más alta dentro del conglomerado, será necesario selec-
cionar más individuos dentro del conglomerado y, en cambio, si los individuos que
forman el conglomerado presentan características homogéneas entre ellos, no serán
necesarios tantos individuos para conseguir una buena representación.
La siguiente situación ilustra el procedimiento a seguir en este tipo de muestreo:
un grupo de investigadores se propone realizar un estudio sobre los hábitos lectores
de los alumnos de educación secundaria obligatoria en España. Para elaborarlo pre-
2. TÉCNICASDE MUESTREO (65]

renden estudiar una muestra de alumnos que estén cursando en la actualidad estos
estudios. La mejor manera para acceder a la muestra es dirigirse a las escuelas de
educación secundaria del territorio. Sin embargo, contactar con todas las escuelas
(públicas y privadas, urbanas y rurales, etcétera) sería una tarea impracticable. Los
investigadores optan por seleccionar de manera aleatoria unas determinadas comar-
cas dentro de cada comunidad autónoma, dentro de cada comarca se seleccionan de-
terminadas poblaciones en función del número de habitantes y, por último, de nuevo
de manera aleatoria, un grupo asequible de escuelas dentro de cada población. Con
el fin de conseguir una mayor representación de la población se tiene en cuenta la
característica pública o privada de la escuela y también la ubicación (urbana o rural).
Una vez seleccionadas las escuelas, se pasa a seleccionar los alumnos de manera alea-
toria (a partir de un muestreo aleatorio simple o sistemático). Para cada escuela se
entrevista a un número determinado de alumnos en función del tamaño de la escuela
y del curso donde están matriculados (primero, segundo, etcétera). En este ejemplo,
la comunidad autónoma, la comarca, las poblaciones y la escuela actúan como con-
glomerados. El interés de los investigadores es conseguir una muestra de alumnos,
pero para acceder a ellos la estrategia es centrarse en una organización que agrupa
a la población de interés. Además, en este ejemplo se tienen en cuenta características
intrínsecas de la escuela, como su carácter privado o público o su ubicación. Estas ca-
racterísticas actúan como estratos, por lo que convierten a este procedimiento en un
muestreo mixto: muestreo aleatorio estratificado y por conglomerados polietápico.

2.3. MUESTREO NO PROBABILÍSTICO

En general, por las ventajas que representa, los investigadores que pretenden llevar a
cabo un estudio cuantitativo preferirían trabajar con muestras probabilísticas. En la
práctica, en ciencias sociales, el coste y el tiempo que requiere obtener una muestra
a partir de un muestreo probabilístico lo hace, en muchas ocasiones, inviable. En
otros casos, es imposible construir el marco muestral de la población. Esto es, si no
se dispone de una lista exhaustiva de los sujetos que forman parte de la población,
no es posible seleccionar una muestra a partir de un procedimiento probabilístico. La
alternativa que tiene el investigador, en estas situaciones, es utilizar un procedimiento
no probabilístico.
Como se ha comentado al inicio del capítulo, un procedimiento no probabilístico
puede provocar una selección sesgada de los individuos. No obstante, cuando el ob-
jetivo del estudio es básicamente descriptivo y no se pretenden extraer conclusiones
generalizables al conjunto de la población, un muestreo no probabilístico puede ser
perfectamente válido.
166] MÉTODOS Y TÉCNICASPARA LA INVESTIGACIÓNDEL COMPORTAMIEN"TO
INFORMACIONAL

Con todo, el muestreo no probabilístico no debe ser contemplado como un tipo

de muestreo alternativo en aquellos casos en que no sea posible llevar a cabo una
selección aleatoria de los sujetos. De hecho, los procedimientos no probabilísticos
son generalmente la opción más acertada en los casos en que el investigador se
propone realizar un estudio de carácter cualitativo. En este tipo de estudios, los
individuos se seleccionan en base a sus características particulares o bien por su
capacidad para proporcionar información rica para el estudio. En estos casos, no
sería apropiado utilizar un procedimiento probabilístico. Tal como señala Marshall
( 1996), escoger a los sujetos de manera aleatoria para realizar un estudio cualitati-
vo sería tan poco adecuado como ante la situación de que se nos estropee el coche
en medio de la calle, parar al primer transeúnte que pase por nuestro lado y esperar
que sepa cómo reparar un coche averiado. Sin duda, lo más acertado, en un caso
como este, es acudir directamente a un buen mecánico y no esperar a que el azar
proporcione al mejor informante.
Existen diferentes propuestas de clasificación de los procedimientos no proba-
bilísticos. Marshall propone tres tipos: accidental, intencional y teórico. Neuman
(2007) distingue entre muestreo accidental, por cuotas, intencional, por bola de
nieve, de casos «desviados» y secuencial (que sería equivalente al teórico propuesto
por Marshall). Bernard (2000) resume la propuesta anterior en cuatro tipos: mues-
treo accidental, por cuotas, intencional y por bola de nieve. Otros autores (Tro-
chim, 2006; Singh, 2007) reconocen dos grandes tipos de muestreo: el muestreo
accidental y el muestreo intencional. En el primero, el investigador no tiene ningún
criterio para seleccionar a los sujetos de la muestra y acepta aquellos que volun-
tariamente acceden a participar en el estudio. En el segundo, el investigador selec-
ciona a los individuos en función de unos criterios previamente establecidos. Otros
autores (Coyne, 1997; Patton, 1990), en cambio, consideran que, en última instan-
cia, todos los procedimientos no probabilísticos tienen la característica común de
que el investigador es quien determina las particularidades que deben cumplir los
sujetos como candidatos óptimos para el estudio. Según este criterio, los distintos
procedimientos podrían clasificarse básicamente en uno: el muestreo intencional y,
dentro de él, se hallarían diferentes subtipos. Patton (1990, 2002) distingue un total
de quince variantes (tabla 8). Según este autor, el muestreo no probabilístico para
una investigación cualitativa debe basarse en la selección de sujetos que el inves-
tigador considere que pueden aportar información rica al estudio (lo que el autor
llama information-rich cases). Estos informantes serán aquellos sujetos que pueden
aportar más y mejor información sobre la investigación, permitiendo la adecuada
comprensión del fenómeno de interés.
2. TÉCNICASDE MUESTREO
Tabla 8. Subtipos de muestreo intencional según Patton ( 1990, 2002)
TIPO DE MUESTREO
Muestreo de casos extremos
o inusuales
Muestreo de casos intensos
Muestreo de variación máxima
Muestreo de casos homogéneos
Muestreo de casos típicos
Muestreo intencional estratificado
Muestreo de casos críticos
Muestreo por bola de nieve
Muestreo de criterio
Muestreo teórico
Muestreo de casos confirmatorios
o desconfirmatorios
Muestreo oportunista
Muestreo aleatorio intencional
Muestreo de casos políticamente
importantes
Muestreo de conveniencia
1671
CARACTERÍSTICAS
Selección de casos por sus características especiales. Son casos que
sobresalen del resto de sujetos de la población. A partir de estos
sujetos poco habituales se pretende obtener información sobre el
objeto o fenómeno de interés.
Se trata de un muestreo similar al anterior, pero los casos no llegan
a ser considerados casos extremos.
Selección de casos que presentan rasgos variables respecto al fenó-
meno de interés. Se trata de conseguir una muestra lo más heterogé-
nea posible respecto a las características de los sujetos.
Al contrario que el muestreo de variación máxima, pretende cons-
truir una muestra que presente características homogéneas. Es el
tipo de muestreo utilizado en los grupos de discusión.
Selección de casos que presentan características habituales respecto
al conjunto de la población. Representan el promedio o la nor-
malidad. No obstante, la definición de «típico» no se basa en la
normalidad estadística sino en la opinión de los informantes claves.
Sigue la lógica del muestreo aleatorio estratificado, aunque, a di-
ferencia de este, el tamaño de los estratos es más pequeño y no
implica una selección aleatoria de los individuos. Se forman grupos
de sujetos homogéneos, lo que facilita la comparación entre ellos.
Se basa en una selección de casos que se consideran importantes y
representativos para estudiar el fenómeno de interés. Los informan-
tes claves son los agentes capaces de identificar estos casos.
Los casos se seleccionan a partir de referencias de los sujetos que
inicialmente forman parte de la muestra. Los nuevos sujetos serán
los encargados de derivar a otros sujetos.
Se seleccionan los casos que cumplen una o más condiciones que a
criterio del investigador son importantes para el estudio.
La selección de casos se realiza de forma progresiva. Se parte de
una selección inicial, la inclusión de los siguientes casos va reconsi-
derándose en función de los datos. El muestreo se rige por la capa-
ciclad de los casos para estudiar y elaborar los conceptos teóricos.
Este tipo de muestreo permite elaborar y profundizar en los con-
ceptos y teorías emergentes, buscar excepciones y valorar la varia-
bilidad de los sujetos. Los casos confirmatorios añaden informa-
ción y credibilidad, mientras que los desconfirmatorios ayudan a
formar los límites y las excepciones a la regla.
La selección se lleva a cabo sin previa programación, aprovechando
las oportunidades de selección de casos que ofrece el trabajo de
campo.
Se selecciona una pequeña muestra de casos a partir de un procedí-
miento aleatorio con la finalidad de aumentar la credibilidad (no la
representatividad estadística) de la información recogida.
Se seleccionan los actores principales del fenómeno de interés que
intervienen directamente en la acción o en la toma de decisiones.
Los casos son seleccionados por su accesibilidad con el fin de redu-
cir tiempo, costes y recursos.
168) MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INfORMACIONAL

De lo anterior se desprende que la literatura sobre los procedimientos no proba-

bilísticos no muestra una clasificación unitaria. Parece lógica la opción de englobar
las diferentes variantes en un único tipo de muestreo, dado que todas comparten una
misma característica y es que se basan en el criterio del investigador. No obstante,
dadas las características particulares de cada procedimiento, a continuación se co-
mentan de manera más amplia el muestreo accidental, el intencional, el teórico, por
cuotas y por bola de nieve.

2.3.1. Muestreo accidental

El muestreo accidental selecciona a los individuos en función de la posibilidad de

acceder a ellos y de su voluntad de participar en el estudio y no por el hecho de que
sean representativos de la población. En la clasificación propuesta por Patton (1990;
2002) este tipo de muestreo corresponde a un muestreo de tipo oportunista o bien
de conveniencia.
Formar muestras a partir de este procedimiento es relativamente rápido y barato,
pero se corre el peligro de que los individuos aporten información distorsionada y en
absoluto representen a la población de referencia. Es posible que, pese a que el tama-
ño de la muestra sea adecuado, el hecho de seleccionar los individuos a partir de este
procedimiento provoque un sesgo importante en los resultados obtenidos. Por lo que
los estudios que se realicen a partir de esta estrategia de muestreo deberán ser cautos
a la hora de interpretar los resultados que obtengan.
No obstante, por su comodidad y rapidez este tipo de muestreo es una estrategia
óptima para los estudios piloto o exploratorios, en los que se pretende recoger datos
de manera rápida para tener una idea general de lo que se quiere estudiar. Posterior-
mente se puede realizar una investigación con un procedimiento de muestreo diferen-
te que permita un estudio más profundo. Este puede ser el caso de un estudio piloto
de un cuestionario, en el que se quiere valorar la adecuación de los ítems del instru-
mento administrándolo a una pequeña muestra, para posteriormente administrar el
cuestionario final a una muestra representativa. Imagínese una situación en que un
investigador ha construido un cuestionario para valorar el grado de satisfacción de
los usuarios sobre los servicios de una biblioteca, pero antes de realizar el estudio
quiere valorar la comprensión de los ítems. Para seleccionar a los usuarios, el inves-
tigador se traslada a la biblioteca y propone a algunos sujetos que se encuentran en
el recinto que participen en el estudio contestando el cuestionario. La muestra estará
formada por todos los sujetos que finalmente accedan a ser entrevistados. Aunque
la muestra puede ser válida para valorar la comprensión de los ítems, se debe tener
en cuenta que este tipo de selección puede generar una muestra sesgada, por lo que
2. TÉCNICAS DE MUESTREO [69J

no sería adecuada para el objetivo último del estudio: conocer la satisfacción de los
usuarios con determinados servicios. Es fácil suponer que los usuarios que visitan
la biblioteca en una hora y día determinados (cuando el investigador está presente)
no tienen por qué representar al conjunto de usuarios que utilizan la biblioteca. Los
usuarios finalmente seleccionados pueden tener características diferentes del resto de
sujetos que no asisten a la biblioteca en aquel momento. Otra fuente de sesgo es dejar
a criterio del investigador la selección de los sujetos a quienes se va a preguntar. El in-
vestigador de manera involuntaria puede escoger a aquellos individuos que presenten
una serie de características que considere «idóneas» para la realización del estudio y
evite la selección de otros (personas mayores, con algún tipo de discapacidad, perso-
nas que parezcan muy atareadas o con prisa, etcétera).
Otro caso de muestreo accidental sería aquel en el que la composición de la mues-
tra se forma a partir de sujetos que acceden a un cuestionario desde una página web.
En este caso una biblioteca, con el fin de valorar la satisfacción de diferentes servicios,
incorpora un enlace en su página de inicio para que los usuarios puedan acceder
al cuestionario. Todos aquellos que entren a contestar el cuestionario formarán la
muestra del estudio. Sin embargo, no todos los usuarios utilizan o tienen acceso a la
web de la biblioteca, por lo que una buena parte de la población no podría acceder
al cuestionario y no quedaría representada en la muestra. Además, se sabe que las
personas que navegan por Internet tienen características diferentes de aquellas que no
usan Internet. Probablemente, los individuos que finalmente participen en el estudio
sean aquellos con mayor interés por la cuestión particular que se pretende estudiar,
presenten unas expectativas determinadas, tengan más tiempo para contestar el cues-
tionario o bien estén más motivados a participar en este tipo de estudios.

2.3.2. Muestreo intencional

El muestreo intencional, también denominado opinático, de iuicio o experto, añade

algunas restricciones respeto al muestreo accidental a la hora de aceptar la inclusión
de sujetos a la muestra. La principal característica de este tipo de muestreo es que el
investigador utiliza la experiencia o sus conocimientos previos, de un experto o de
la literatura disponible para decidir qué sujetos deben ser incluidos en la muestra.
Los sujetos son seleccionados porque son los que se consideran más adecuados para
lograr el objetivo del estudio. En ocasiones es recomendable generar una lista de
características que deberá tener el individuo para que sea considerado un candidato
óptimo para el estudio. Es un método simple, no requiere disponer de un listado ex-
haustivo del marco muestral y tiene la ventaja de que la muestra se puede conseguir
de manera rápida. Este tipo de muestreo contempla de manera clara la subjetividad
[70J MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INFORMACIONAL

del investigador a la hora de seleccionar los casos que investigará. Lo cual visto desde
la óptica de la investigación cuantitativa, que busca la representatividad estadística,
supondrá un sesgo en la composición de la muestra final.
La siguiente situación ejemplifica este tipo de muestreo: una biblioteca pública se
propone conocer las motivaciones de los usuarios adultos que hacen uso de la sala
de lectura. Con este objetivo, seleccionan un grupo de usuarios mayores de 18 años
con el objetivo de entrevistarlos. El equipo de investigadores decide que para asegu-
rar que los usuarios conocen bien los diferentes aspectos de la sala de lectura, deben
cumplir una serie de requisitos: haber utilizado la sala como mínimo durante los
últimos seis meses, visitarla al menos una vez cada quince días y utilizar siempre ma-
terial de la biblioteca (revistas, libros, cedés, etcétera). Los sujetos de la muestra serán
seleccionados entre los asistentes a la sala en diferentes momentos del día de lunes a
sábado. Seleccionar los sujetos en función de los criterios escogidos por el equipo de
investigadores asegura que los usuarios estén en mejores condiciones para participar
en el estudio, dado que la sala de lectura será para ellos un espacio conocido.

2.3.3. Muestreo teórico

El muestreo teórico está íntimamente ligado al desarrollo de la teoría fundamen-

tada. Concretamente, la teoría fundamentada, desarrollada inicialmente por Glaser
y Strauss en 1967 (Glaser y Strauss, 1967), se basa en la idea de que de los datos
emerge la teoría. Se trata de un proceso iterativo de recogida de datos a partir de una
muestra inicial, un análisis de estos datos y una nueva selección de casos guiada por
los resultados obtenidos. Así, a diferencia de los anteriores procedimientos comen-
tados, la selección de los individuos en el muestreo teórico no se realiza a priori del
estudio. El muestreo tiene lugar en diversos momentos temporales a lo largo de la
investigación y los criterios de esta selección pueden variar en función de los datos
recogidos y analizados hasta el momento. La inclusión de casos corre paralela a la
propia investigación. Los nuevos sujetos que van incorporándose al estudio se selec-
cionan en función de su capacidad para validar y desarrollar la teoría emergente. El
proceso continúa hasta que se llega a una saturación informativa o saturación teórica
en la que los nuevos sujetos dejan de aportar datos relevantes para el desarrollo de la
teoría (Strauss y Corbin, 1998).
Algunos autores consideran este tipo de muestreo como una variante dentro del
muestreo intencional (Ritchie, Lewis y El am, 2003; Coyne, 1997), dado que los suje-
tos son seleccionados en base a su capacidad para desarrollar y evaluar los conceptos
teóricos que van surgiendo. Así, en un primer momento, los sujetos son seleccionados
por su capacidad de proporcionar datos sobre el fenómeno que se pretende estudiar.
2. TÉCNICASDE MUESTREO 1711

Estos primeros datos se codifican y se analizan permitiendo la generación de catego-

rías o conceptos teóricos. La selección de los siguientes casos se basa en su capacidad
para proporcionar información que permita contrastar la existencia de las categorías
o de los conceptos teóricos, así como redefinidos o concretarlos.
El siguiente ejemplo ilustra este tipo de muestreo: se pretende llevar a cabo un estu-
dio para valorar si las herramientas 2.0 son consideradas útiles por la comunidad cien-
tífica. Se valora si los investigadores utilizan este tipo de herramientas para su trabajo,
qué opinión les merecen y qué ventajas o reticencias encuentran a la hora de utilizarlas.
Para realizar el estudio se opta por entrevistar a investigadores y docentes de diferentes
universidades públicas. Se empieza a entrevistar a algunos catedráticos y titulares de
universidad con una larga trayectoria docente e investigadora. No se establece un nú-
mero concreto de sujetos a entrevistar, se opta por ir entrevistando a diferentes sujetos
hasta que se consiga una variabilidad de opiniones amplia que permita un conocimiento
suficiente sobre el objeto de estudio. Después de entrevistar a tres investigadores, se
considera necesario incluir en la muestra a investigadores más jóvenes, con una carrera
profesional más corta y con perfiles más variados (perfil con una orientación más enfo-
cada hacia la docencia, perfil más orientado hacia la investigación, etcétera). Después de
realizar quince entrevistas a diferentes investigadores se considera que se ha llegado a un
suficiente conocimiento de las diferentes opiniones que les merecen este tipo de herra-
mientas, las razones de su uso o de su no uso. La saturación informativa se ha logrado
tras entrevistar a siete investigadores con una larga carrera profesional (tres investiga-
dores tenían un perfil fundamentalmente investigador, dos investigadores un perfil más
docente y dos un perfil mixto) y a ocho investigadores jóvenes (tres investigadores tenían
un perfil investigador, dos investigadores un perfil más docente y tres un perfil mixto).
En este ejemplo se usa el muestreo teórico. La selección de los individuos de la
muestra arranca sin determinar cuántos sujetos serán necesarios. Tampoco se deter-
mina a priori si la tipología de los sujetos escogidos al inicio del estudio permitirá
estudiar el fenómeno de interés en toda su amplitud y complejidad. A partir de los
resultados de las primeras entrevistas se considera la necesidad de ampliar la tipolo-
gía de sujetos a entrevistar para poder abordar el objeto de estudio en su conjunto.
La inclusión de sujetos finaliza cuando se considera que se ha llegado a una satura-
ción informativa y los nuevos sujetos que pudieran incorporarse dejarían de aportar
información relevante.

2.3.4. Muestreo por cuotas

El muestreo por cuotas asegura que determinadas características de la población es-

tarán representadas en la muestra. El muestreo homogéneo y el muestreo intencional
[721 MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INFORMACIONAL

estratificado propuesto en la clasificación de Patton (2002) entrarían dentro de esta

categoría. Consiste en que el investigador previamente identifica una o varias caracte-
rísticas de la población que, en principio, son relevantes para el estudio (por ejemplo:
género, edad, nivel de estudios, etcétera) y determina cuántos individuos deben pre-
sentar estas características en la muestra. La selección de la muestra finaliza cuando se
logra el número de individuos necesarios para cada cuota. Este procedimiento presen-
ta cierta similitud con el muestreo aleatorio estratificado, que también tiene en cuenta
determinadas características de los sujetos para formar parte de la muestra, pero se
diferencia en que la selección de los sujetos no se lleva a cabo de manera aleatoria.
A continuación se presenta una situación que ilustra este tipo de muestreo: una
biblioteca universitaria situada en un campus especializado en ciencias humanas y
sociales pretende estudiar a partir de un estudio de encuesta la percepción de los
estudiantes sobre los servicios que ofrece la biblioteca y sus necesidades. La idea que
se persigue es conocer cuál es la percepción de los estudiantes sobre los actuales servi-
cios y las necesidades no cubiertas con el fin de identificar nuevos servicios necesarios
para la comunidad de usuarios. Dado que los estudiantes de las diferentes facultades
utilizan de manera diferente la biblioteca, se ha decidido seleccionar un número pro-
porcional de sujetos entre los estudiantes matriculados en las tres facultades presentes
en el campus: formación de profesorado, pedagogía y psicología. Otra variable que
se considera importante para el estudio es el curso en el cual están matriculados los
estudiantes. Los investigadores consideran necesario diferenciar entre estudiantes de
primer curso de grado, de segundo a cuarto curso de grado y de posgrado (máster o
doctorado). La selección de los estudiantes se realizará entre los asistentes a la biblio-
teca en diferentes momentos del día, de lunes a sábado. Suponiendo que se quisiera
seleccionar una muestra de mil estudiantes, las diferentes cuotas podrían quedar re-
partidas como se muestra en la tabla 9.

Tabla9. Ejemplo de un muestreo por cuotas

FACULTAD
Formación de profesorado (25 % ) 1 Pedagogía (30 %) Psicología (45 %)
250 estudiantes 1300 estudiantes 450 estudiantes
CURSO

1." curso 2.º-4." curso Posgrado l!' curso 2.º-4.º curso Posgrado l!' curso 2.º-4.º curso Posgrado
(50 %) (42 %) (8 %) (42 %) (45 %) (13 %) (48 %) (36 %) (16 %)
125 105 20 126 135 39 216 162 n

El investigador entrevistará a los usuarios siempre que estos cumplan las carac-
terísticas indicadas. Ahora bien, cuando el investigador consiga la cuota máxima de
2. TÉCNICASDE MUESTREO 1731

sujetos en alguna de las categorías, dejará de incorporar nuevos usuarios en esa cate-
goría y pasará a centrarse en la selección de las cuotas todavía no cubiertas.
Este ejemplo muestra cómo el muestreo por cuotas asegura que determinadas ca-
racterísticas, que se consideran importantes para el objetivo del estudio, estén inclui-
das en la muestra (facultad y curso académico). No obstante, la muestra que resulta
de este procedimiento puede presentar igualmente un sesgo por motivos parecidos a
los ya comentados en el muestreo accidental. El hecho de que el investigador decida
preguntar a uno u otro usuario puede provocar un sesgo en la composición final de la
muestra. Pese a la objetividad que se le presupone al investigador, este puede escoger,
de manera involuntaria, a aquellos usuarios que le parezcan «más adecuados» para
la investigación, o «más accesibles» o con «mejor predisposición» a participar, entre
aquellos usuarios que se encuentren en la biblioteca durante el tiempo en que él esté
seleccionando la muestra.

2.3.5. Muestreo por bola de nieve

El muestreo por bola de nieve consiste en seleccionar los sujetos a partir de las refe-
rencias aportadas por el primero o por los primeros sujetos a los cuales se ha tenido
acceso. El procedimiento empieza con uno o pocos sujetos y se completa la muestra
a partir de los vínculos de estos con otros sujetos. Así, la primera persona que se se-
lecciona para el estudio sirve de enlace para incorporar la siguiente o las siguientes;
estas, a la vez, servirán de vínculo para incorporar otras y así sucesivamente. Este
método permite ir aumentando la muestra, como una bola de nieve, que al principio
es pequeña, pero que a medida que se hace rodar por la nieve se va haciendo más
grande. La incorporación de nuevos sujetos finaliza cuando se consigue el tamaño de
muestra prefijado o bien cuando la información que se obtiene de los nuevos sujetos
es redundante o deja de aportar datos relevantes para el estudio. Este tipo de mues-
treo se utiliza en poblaciones de difícil acceso en las cuales no hay un registro, como
por ejemplo, inmigrantes o personas con algún tipo de enfermedad o discapacitados
(personas ciegas, sordas, con problemas de lectura, con déficits cognitivos, etcétera).
A continuación, se presenta una situación que ejemplifica este tipo de muestreo.
En los últimos años, una biblioteca pública ha detectado un aumento importante
de los usuarios procedentes de otros países. Por esta razón, un equipo investigador
de la biblioteca se propone elaborar un estudio para conocer las necesidades infor-
macionales de esta población. Los investigadores responsables del proyecto han
identificado un grupo pequeño de usuarios de diferentes nacionalidades y les han
administrado un cuestionario. Para conseguir el número de sujetos deseado para
el estudio, al finalizar el cuestionario los investigadores preguntan a cada usuario
[74] MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INFORMACIONAl.

si les podría indicar a otras personas, de su misma nacionalidad o de otra, que

puedan participar en el estudio. Los investigadores anotan el teléfono o el correo
electrónico de estos nuevos sujetos para ponerse en contacto con ellos e invitarlos
a participar en la investigación.
Una desventaja clara del muestro por bola de nieve es que el investigador depende
de los participantes para poder completar la muestra. Las derivaciones que se hagan
dependerán de la comprensión del estudio que estos hayan alcanzado. Solo si los
participantes conocen suficientemente la búsqueda que quiere llevar a cabo el investi-
gador, podrán conducirlo a nuevos sujetos que puedan ser adecuados para completar
la muestra.

2.4. TAMAÑO DE LA MUESTRA

Al igual que se ha comentado que existen procedimientos de muestreo más acordes

en función de la naturaleza del estudio, el número de sujetos que debe estudiarse para
llevar a cabo un estudio depende en buena medida de si se trata de una investigación
de carácter cualitativo o cuantitativo.
En los estudios cualitativos, en donde la generalización de los resultados pasa a un
segundo plano, el tamaño de la muestra se basa en la capacidad de los datos obteni-
dos para dar respuesta al objetivo planteado. En estos casos, la muestra no necesita
tener un tamaño grande porque no persigue ser estadísticamente representativa de la
población. Así, es frecuente que el tamaño de la muestra de los estudios cualitativos
se establezca por la saturación de información y teórica que aporten los datos o bien
por cuestiones de coste.
Por cuestiones prácticas, los estudios cualitativos se basan en muestras pequeñas
por el coste económico y de tiempo que requiere la recogida y el análisis de los datos.
Obtener y analizar las respuestas de mil cuestionarios contestados a partir de una
web es perfectamente asumible para una investigación; en cambio, los costes se mul-
tiplicarían en el caso de que la recogida de datos se pretendiera realizar a partir de
una entrevista en profundidad cara a cara.
Otro de los aspectos que delimita el tamaño de muestra de los estudios cuali-
tativos es la saturación informativa o teórica. La saturación se produce cuando la
incorporación de nuevos sujetos deja de aportar datos adicionales o información re-
levante para el estudio del fenómeno de interés. Este aspecto tiene especial relevancia
en el muestreo teórico, donde la selección de casos corre paralela a la investigación.
En los estudios cuantitativos el tamaño de la muestra se basa fundamentalmente
en tres aspectos: la precisión de la estimación, la certeza de esta estimación y la varia-
bilidad de la característica que se pretende medir.
2. TÉCNICAS DE MUESTREO [75]

El primer aspecto que debe plantearse el investigador es la precisión que se quiere

conseguir con los datos. Si lo que se persigue es estimar un parámetro de la pobla-
ción a partir del estudio de una muestra, se necesitará que los datos que se obtengan
de ella informen adecuadamente sobre la población. Se necesita que los datos sean
precisos. Sin embargo, al trabajar con muestras se debe asumir que siempre existirá
un error muestra}, una diferencia entre el valor obtenido a partir del estudio de las
diferentes muestras que pueden extraerse de la población y el verdadero valor en esta
población. El investigador debe decidir qué precisión quiere para sus datos. Por un
lado, debe valorar qué diferencia entre el valor obtenido en la muestra y el verdadero
valor de la población será asumible y a la vez resultará informativo y, por otro, qué
diferencia será excesiva y carecerá de valor informativo. Si el investigador exige una
alta precisión en los datos, necesitará más sujetos para estimar los parámetros de la
población, y al contrario, si su nivel de exigencia no es tan alto, aceptará una mayor
diferencia y el tamaño de la muestra podrá ser menor. Si por ejemplo se optase por
una diferencia de cuatro puntos, se aceptaría como una estimación aceptable aquella
que difiriera en cuatro puntos (por debajo o por encima) del verdadero valor de la
población. La distancia entre estos dos puntos, el valor mínimo y el valor máximo de
la estimación, se conoce como intervalo de confianza. Imaginemos que se quiere es-
tudiar el porcentaje de usuarios que utilizan el servicio de préstamo cuando acuden a
una biblioteca universitaria. Si el resultado de la muestra aleatoria fuera que un 32 %
de los usuarios utiliza el servicio, el intervalo de confianza se situaría en realidad en-
tre el 28 % y el 36 %. De esta manera, si se pudiese estudiar a toda la población de
usuarios, se obtendría un valor que oscilaría entre un 28 % y un 36 %.
El segundo aspecto que influye en el tamaño de la muestra es la confianza que
se desea depositar en que el verdadero valor de la población caiga dentro de este
intervalo de confianza. Como es lógico, se desea tener una confianza alta, por lo que
normalmente se trabaja con niveles de confianza entre el 95 % y el 99 %. Esto quiere
decir que de 100 muestras de igual tamaño que se extrajeran de una población, en el
95 % (o en el 99 %) de ellas el valor poblacional estaría dentro del intervalo. Solo se
aceptaría error, es decir que el verdadero valor de la población cayera fuera del inter-
valo, en un 5 % (o en un 1 %) de las muestras. Por supuesto, si se desea conseguir un
nivel de confianza alto (del 99 %) será necesario incluir más sujetos en la muestra, en
cambio, si el nivel de confianza es menor (del 95 %), el número de sujetos necesarios
será menor.
Por último, el tercer aspecto a tener en cuenta es la variabilidad que presenta la
característica que se pretende estudiar. Si la población es heterogénea respecto a la
característica que se quiere medir, será necesario incluir más sujetos en la muestra
para poder representar esta diversidad. En la práctica, son pocas las ocasiones en que
se conoce la diversidad de aquello que se pretende investigar, por lo que es habitual
[76] MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓNDEL COMPORTAMIENTO INFORMACIONAL

trabajar con el supuesto de la máxima indeterminación, lo que equivale a asumir la

máxima variabilidad posible del parámetro que se pretende medir.
Es frecuente que una investigación pretenda abordar más de un objetivo a la vez y
valore más de una característica. No obstante, para calcular el tamaño de la muestra
el investigador deberá centrarse en una característica concreta que considere funda-
mental para el estudio (Lorh, 1999). El investigador deberá conocer (o bien suponer)
la variabilidad de esta característica en la población y decidir con qué precisión y cer-
teza desea trabajar. Existen diferentes fórmulas para calcular el tamaño de la muestra
en función del parámetro que se desea estimar. En la práctica, las más utilizadas son
aquellas que calculan el tamaño de muestra para medias y proporciones. En cualquier
texto básico de estadística pueden consultarse estas fórmulas o bien puede optarse
por utilizar alguna de las muchas calculadoras en línea que pueden encontrarse en
la Red.
Por último, es importante señalar que contar con un tamaño de la muestra ade-
cuado o con una muestra «grande» no es suficiente para garantizar la precisión del
estudio. Tal y como se ha ido comentando en los diferentes procedimientos de mues-
treo, una muestra mal seleccionada o no representativa, aunque sea grande, puede
provocar resultados distorsionados.

2.5. EJEMPLOS DE INVESTIGACIONES

Ejemplo 1. Necesidades de información generadas por los médicos de atención

primaria

Los trabajos llevados a cabo por González-González y otros (2005, 2006) estudian
las necesidades de información de los médicos de atención primaria a partir de un
estudio observacional. Se registra a partir de vídeo la consulta médica y se analizan
las preguntas que los médicos se plantean durante la visita al paciente, así como las
fuentes de información que utilizan para dar respuesta a estas preguntas. El estudio
tiene como población de referencia a los médicos de atención primaria. Los investiga-
dores cuentan con un marco muestral bien definido que engloba a todos los médicos
de atención primaria de determinadas áreas de salud de Madrid, eliminando a médi-
cos residentes, suplentes y a aquellos que participan en comisiones de investigación
y desempeñan labores docentes en la universidad. Concretamente, el marco muestral
construido se compone de 1.182 médicos de atención primaria. A partir de este mar-
co muestral, los investigadores seleccionan la muestra de 208 médicos a partir de un
procedimiento aleatorio estratificado. Utilizan dos estratos: la ubicación de la con-
sulta (zona rural o urbana) y la especialidad médica (médico de familia o pediatra).
2. TÉCNICASDE MUESTREO [77]

La selección de las unidades muestrales se realizó mediante un muestreo aleatorio

simple utilizando el programa estadístico SPSS. De los 208 médicos invitados a for-
mar parte del estudio, solo 112 aceptaron participar. Así, la muestra de médicos final
estuvo compuesta por 112 médicos, 90 médicos de familia y 22 pediatras. No se pro-
porciona información sobre la composición final según la ubicación de la consulta
(rural o urbana). Se analizaron dos horas de grabación por médico y se recogieron
todas las preguntas que se formularon. Del estudio se desprende que las dudas más
habituales eran referentes a enfermedades infecciosas y a farmacología (19 % y 10 %
del total de preguntas). El 71 % de las preguntas requirió buscar información para su
resolución. Se resolvieron el 86 % de las preguntas en las que se buscó información
utilizando fundamentalmente el vademécum y libros de texto.
Este estudio presenta un ejemplo de muestreo estratificado. Se debe señalar que,
aunque se hace un muestreo de los médicos, en realidad la unidad de análisis del
estudio son las preguntas que estos formulan durante una consulta médica. En este
caso se analizaron todas las preguntas generadas por la muestra de médicos que par-
ticiparon. En el proyecto previo al estudio (González-González, 2005) se determina
el número de preguntas que sería necesario recoger a partir del cálculo de tamaño de
muestra de proporciones. Los investigadores se proponen trabajar con una precisión
del 1,7 % y un nivel de confianza del 95 % y asumen que el tipo de pregunta más
frecuente supondrá un 9 % del total de preguntas. A partir de este cálculo determinan
que será necesario recoger 1.089 preguntas. Sin embargo, finalmente solo recogen
635 preguntas, dado que consideran que en este punto de la investigación se llega a
una saturación de la información.

Ejemplo 2. Factores que rodean la conducta de compra de libros y su relación

con la consulta de opiniones sobre libros en Internet

El estudio de Kuei y Yang (2008) valora los factores que rodean la conducta de com-
pra de libros y su relación con la consulta de opiniones sobre libros en Internet. Los
autores utilizan la técnica de grupo de discusión para estudiar los motivos que llevan
a los consumidores a consultar estas opiniones así como el efecto que tiene esta con-
sulta sobre la conducta de compra. Para conseguir la muestra publican anuncios en
las revistas de su universidad con el fin de captar a sujetos que de manera frecuente
consulten las opiniones sobre libros que otros publican en Internet. Una vez obtenida
la muestra, se organizaron diferentes grupos de discusión. Los miembros de cada
grupo fueron seleccionados en función de su similitud. Se organizaron grupos con
estudiantes de grado, con estudiantes ya graduados y con personas no estudiantes
derivadas de la población general.
[78] MÉTODOS Y TÉCNICAS PARA LA INVESTIGACIÓN DEL COMPORTAMIENTO INFORMACIONAL

En este estudio se utilizan diferentes procedimientos de muestreo. Inicialmente, la

selección de la muestra se realiza a partir de un muestro no probabilístico e intencio-
nal. La captación de los participantes se realiza a partir de anuncios y recomendacio-
nes de amigos y colegas. Este tipo de captación hace que la inclusión de los sujetos se
base fundamentalmente en la posibilidad de acceder a los sujetos. No obstante, los
investigadores optan por utilizar un criterio para seleccionar a los participantes ópti-
mos; no todos los voluntarios que muestren interés en el estudio serán incluidos en la
muestra, sino solo aquellos sujetos que manifiesten que de manera habitual consultan
en Internet las opiniones de libros realizadas por otros.
Una vez seleccionada la muestra, la composición de cada uno de los grupos de
discusión sigue un muestreo homogéneo (muestreo propuesto por Patton, 1990). Tal
como recomiendan diferentes autores (Margan, 1997; Edmunds, 1999), los partici-
pantes de los grupos de discusión deben tener características similares para lograr un
mejor flujo de información y participación de los miembros. Congruentemente, en esta
investigación, los participantes son ubicados en diferentes grupos en función de si son
estudiantes de grado, estudiantes ya graduados o bien sujetos de la población general.

2.6. RESUMEN

Se entiende por muestreo el procedimiento de selección de sujetos de una población

con el fin de formar una muestra. Se distingue entre procedimientos de muestreo pro-
babilístico y no probabilístico. Los procedimientos probabilísticos utilizan la aleato-
rización para seleccionar a los sujetos. Su objetivo es formar muestras que presenten
un sesgo mínimo y permitan la generalización de resultados a la población de origen.
Los principales procedimientos son el muestreo aleatorio simple, el sistemático, el
estratificado y el de conglomerados. Los procedimientos no probabilísticos se basan
fundamentalmente en el criterio del investigador para seleccionar a los sujetos de la
muestra. Persiguen la representatividad del colectivo estudiado y conseguir una cierta
transferencia de los resultados, pero no en el sentido estadístico. En este capítulo se
han presentado las características del muestreo accidental, el intencional, el teórico,
por cuotas y por bola de nieve.
Determinar el número de sujetos de una investigación es un aspecto que depende-
rá del tipo de estudio que quiera llevarse a cabo. El tamaño de muestra de los estudios
cualitativos suele regirse por cuestiones prácticas y por la saturación informativa. En
cambio, en los estudios cuantitativos el tamaño de muestra se determina en función
de la precisión que se desee conseguir, del nivel de certeza de que el verdadero valor
poblacional se sitúe dentro del intervalo alrededor del resultado obtenido y de la
variabilidad de la característica que se pretende medir.