UNIVERSIDAD SAN PEDRO

FACULTAD DE EDUCACIÓN

MÓDULO

METODOLOGÍA DE LA

INVESTIGACIÓN

DOCENTE

Lic. Aurelia Pasapera Calle

INTRODUCCIÓN

Es misión y función de la Universidad San pedro fomentar y orientar, en el

marco de la educación superior que imparte, la tendencia investigativa que

permita a sus estudiantes no solamente enfrentar los retos del desarrollo

científico, técnico y tecnológico, sino hacer del conocimiento y la cultura , ejes

de la calidad y desarrollo. Esto implica necesariamente favorecer procesos de

formación que además de articular y hacer coherentes los campos de

conocimiento y sus campos específicos de prácticas, contribuyan a identificar

problemas en diversos contextos y a encontrar o crear soluciones a partir de

procesos de reflexión.

Dentro de este contexto este curso promueve la apropiación de metodologías

y técnicas de la investigación fundamentada en la teoría de investigación

educativa. Su estructura temática está orientada al desarrollo de las

competencias investigativas al ofrecer a los estudiantes los elementos que le

permiten profundizar e indagar sobre el objeto y los proceso de conocimiento

en las ciencias educativas.

La primera unidad del módulo expone las características básicas que definen la

investigación, sus funciones y la utilización que hace de propiedades que se dan

en las personas o grupos, en diversos niveles de cuantificación, y que aquí

reciben el nombre de variables.

Las restantes tres unidades presentan numerosas técnicas para el análisis de

datos cuantitativos, recogidos y sistematizados por el investigador. El punto de

partida lo constituyen las técnicas para la descripción de colectivos, para

continuar con técnicas que se utilizan en las inferencias que se hacen de una

muestra a su correspondiente universo. Las dos últimas unidades del módulo

están destinadas a técnicas para el análisis de asociaciones y correlaciones que

pueden darse entre dos variables y al análisis de correlaciones entre tres o

más variables, es decir, al análisis multivariado.

La importancia de la investigación científica es que como vía que utiliza la

ciencia para enriquecerse en lo que a conocimientos respecta, constituye hoy

un proceso de vital importancia para el hombre en su quehacer cotidiano. Sin

embargo, en general no resulta ser una práctica habitual de todos los humanos,

sino más bien es un proceso privativo de profesionales, científicos y

estudiantes y que requiere un buen nivel intelectual

Pese a que algunos rehúsan la inclusión de conceptos básicos en cursos de

Metodología de la Investigación, ya sea por considerarlo irrelevante o or un

exceso de pragmatismo, opinamos que es imposible logara una transformación

importante en el estudiante – con respecto al nivel de conocimiento de esta

ciencia- de no impartirse elementos teóricos de a misma.

TEMA 1. Ciencia e investigación científica

Quienes queremos dar respuestas a esta sociedad cambiante y necesitada de

conocimiento e información confiable y científica; bien sabemos que es

imposible hacer cualquier planteamiento científico a espaldas de la ciencia. La

base y punto de partida del científico es la realidad, que mediante la

investigación le permite llegar a la ciencia. Vale decir que la realidad, la

investigación y la ciencia permiten toda relación científica, no se puede

suprimir alguno de ellos, porque no se puede concebir la ciencia sin base en la

realidad, y ésta se convierte en ciencia a través de la investigación científica.

Esta siempre ha sido el instrumento por el cual la ciencia logra llegar al

conocimiento científico.

Importancia de la Investigación científica

La investigación nos ayuda a mejorar el estudio porque nos permite establecer

contacto con la realidad a fin de que la conozcamos mejor. Se convierte en un

estímulo para la actividad intelectual creadora. Ayuda a desarrollar una

curiosidad creciente acerca de la solución de problemas. Además, contribuye al

progreso de la lectura crítica y solución de problemas, mejora el estudio

porque nos permite establecer contacto con la realidad a fin de que a

conozcamos mejor.

Elementos

Desde un punto de vista estructural reconocemos cuatro elementos presentes

en toda investigación:

Sujeto. El que desarrolla la actividad, el investigador.

Objeto. Lo que se indaga, esto es la materia o el tema

Medio. Lo que se requiere para llevar a cabo la actividad, es decir, el conjunto

de métodos y técnicas adecuados.

Fin. Lo que se persigue, los propósitos de la actividad de búsqueda que radican

en la solución de una problemática detectada.

Características.

La característica fundamental de la Investigación Científica es el

descubrimiento e principios generales. El investigador parte de resultados

anteriores, planteamientos, proposiciones o respuestas en torno al problema

tratado.

La investigación debe ser OBJETIVA, es decir el investigador debe librarse de

preferencias y sentimientos personales, así como buscar únicamente aquellos

datos que le confirmen su hipótesis .

En la investigación deben darse una serie de características para que sean en

realidad científica.

Estar planificada, contar con los instrumentos de recolección de datos, ser

original, ser objetiva, Disponer de tiempo necesario, ofrecer resultados

comprobables y verificables, apuntar a principios generales.

El Método Científico

La ciencia y la epistemología nos ponen de manifiesto el método científico,

hasta no poder hablar de investigación sin tener que hablar de método

científico. Podemos decir que entre la investigación y el conocimiento científico

encontramos el método científico, que es el que nos asegura el primero y el

seguro. Tamayo nos dice “el método científico es n conjunto de procedimientos

por los cuales se plantean los problemas científicos y se ponen a prueba las

hipótesis y los instrumentos de trabajo investigativo.

Características el Método Científico

Según ANDER Egg

Es fáctico. Ciñe los hechos, es decir, tiene una referencia empírica

Trasciende los hechos. Los científicos exprimen la realidad, para ir más allá

de las apariencias.

Verificación empírica. Se vale de la verificación empírica para formular

respuesta a los problemas planteados y para apoyar sus propias afirmaciones.

Autocorrectivo. Esta permanente confrontación hace que el método científico

sea además Autocorrectivo y progresivo; Autocorrectivo en cuanto va

rechazando o ajustando las propias conclusiones, es progresivo, ya que al no

tomar sus conclusiones como infalibles y finales. Está abierto a nuevos aportes

y a la utilización de nuevos procedimientos y técnicas.

Formulaciones de tipo general. La cosa en particular o el hecho singular

interesa en la medida en la medida en que éste es un miembro de una clase o de

una ley.

Es objetivo. La objetividad no sólo es lograr el objeto tal como es, sino evitar

la distorsión del sujeto que lo conoce mediante las circunstancias concretas.

Objeto

El objeto de la investigación es aquello a lo que se aplica el pensamiento.

Cuando se trata de obtener nuevo conocimiento científico el objeto se erige en

fortaleza que hay que conquistar con métodos que aseguren la garantía de

obtención de una verdad contrastable por toda la comunidad científica.

Formas

Según Tamayo y Nel Quezada, la investigación científica posee dos formas:

Investigación Pura llamada también fundamental, se apoya dentro de un

contexto teórico y su propósito fundamental es el de desarrollar teoría

mediante el descubrimiento de amplias generalizaciones o principios.

Investigación Aplicada llamada también activa o dinámica y se encuentra

íntimamente ligada a la anterior ya que depende de sus descubrimientos y

aportes teóricos. Busca confrontar la teoría con la realidad. Es el estudio y

aplicación de la investigación a problemas concretos, en circunstancias y

características concretas.

Enfoques

Cuantitativo. La metodología cuantitativa se fundamenta en la construcción y

medición de dimensiones, indicadores e índices de variables y los datos deben

responder a estos factores. Por lo cual quiere decir que deben ser observados

y constatados de alguna forma.

Cualitativo. La metodología Cualitativa y la cuantitativa son diferentes desde

el punto de vista epistemológico y complementarios desde el aspecto

metodológico.

Es lo cualitativo de orden explicativo, centrado en lo local, lo micro, lo regional,

en grupos, comunidades, escuelas, salones de clase.

Tipos
Cuando se va a resolver un problema en forma científica es muy conveniente

tener un conocimiento detallado de los posibles tipos de investigación que se

pueden seguir. Este conocimiento hace posible evitar equivocaciones en la

elección de método adecuado para un procedimiento específico.

TIPOS DE INVESTIGACIÓN
TIPOS Y DEFINICIONES CARACTERISTICAS
HISTORICA 1. Depende de fuentes primarias y

Busca reconstruir el estado de de fuentes secundarias.

manera objetiva, con base en 2. Somete los datos a crítica

evidencia documentales confiables interna y externa.

Descriptiva 1. Se interesa en describir

Describe características de un 2. Np está interesado en

conjunto de sujetos o áreas de explicar

interés.
EXPERIMENTAL 1.Usa grupo experimental y de

Es aquella que permite con más control

seguridad establecer relaciones de 2.Eivesigador manipula el factor

causa efecto. supuestamente causal

3.Usa procedimientos al azar para

la selección

44.Es artificial y restrictivo

Cuasi-experimental 1. Apropiado en situaciones

Estudia relaciones de causa efecto, naturales en que no es posible el

pero no en condiciones de control control experimental riguroso.

riguroso de todos los factores que

puedan afectar el experimento.

Correlacional Indicada para establecer relaciones
Determina la variación de unos estadísticas entre característica o

factores en relación con otros fenómenos. Pero o conoce

(covariación)
Estudio de caso 1permite comprender a profundidad

Estudia intensivamente un sujeto o lo estudiado-

situación únicos. 2. Sirve para planear, después,

investigaciones más extensas.

3.No sirve para hacer

generalizaciones
Ex pos facto 1.A partir de un efecto observado,

Busca establecer relaciones de se indaga por su causa en el

causa- efecto, después de que este pasado.

último ha ocurrido y su causa se 2. útil en situaciones en as que no

ubica en el pasado. se puede experimentar

El Diseño Investigativo

Es la estructura a seguir en una investigación, ejerciendo el control de la

misma a fin de encontrar resultados confiables y su relación con los

interrogantes surgidos de los supuestos e hipótesis-problema.

Los tipos de diseño, de acuerdo con los datos recogidos para llevar a cabo una

investigación, se categorizan en dos básicamente; Diseños bibliográfico y

diseños de campo.

Diseño Bibliográfico

Cuando recurrimos a la utilización de datos secundarios, es decir aquellos que

han sido obtenidos por otros y nos llegan elaborados y procesados de acuerdo

con los fines de quienes inicialmente los elaboran y manejan, y por lo cual

decimos que es un diseño bibliográfico.

Diseño de Campo

Cuando los datos se recogen directamente de la realidad, por lo cual los

denominados primarios, su valor radica en que permitieron cerciorarse de las

verdaderas condiciones e que se han obtenido los datos, lo cual facilita su

revisión o modificación en caso de surgir dudas.

Son de tipo: de encuesta, estadístico, de casos, experimental, Cuasi

experimental, ex post facto.

PROYECTO DE INVESTIGACIÓN

¿Qué es un problema?

Es común decir que no hay investigación sin un “problema” y que un problema

bien planteado es mejor que cualquier solución gratuita. Pero ¿De qué estamos
hablando? ¿Qué es un Problema?
 Analicemos las siguientes definiciones, tomadas como muestra, y decidamos
luego hasta qué punto es claro o evidente el sentido de la palabra:

 Problema es un procedimiento dialéctico que tiende a elección o al

rechazo o también a la verdad y al conocimiento (Aristóteles)
 El problema o la proposición problemática es una proposición principal
que enuncia que algo puede ser hecho, demostrado o encontrado. (
 Por problema los matemáticos entienden las cuestiones que dejan en
blanco una parte de la proposición (Leibnitz)
 Problema es una proposición práctica demostrativa por la cual se afirma
que algo puede o debe ser hecho.(Wolff)
 Problemas son proposiciones demostrativas que necesitan pruebas o son
tales como para expresar una acción cuyo modo de realización no es
inmediatamente cierto. (Kant)
 La situación no resuelta o indeterminada podría llamarse situación
“problemática” , se hace problemática en el momento mismo de ser
sometida a investigación . El resultado primero de la intervención de la
investigación es que se estima que la situación es problemática.(Dewey)
 Problema es la conciencia de una desviación de la norma. (BOAS)
 Problema es cuando dos más dos no son cuatro (Woldberg)
 Problema es una oportunidad vestida con ropa de trabajo.

a)¿Qué es un problema de investigación?

Es un hecho, fenómeno o situación que incita

a la reflexión o al estudio

PLANTEAR EL b) Aspectos del Problema

c) Importancia PROBLEMA DE
-Descripción: Mostrar la
INVESTIGACIÓN
-Permite conocer la situación que situación objeto de estudio
se va a estudiar mostrando sus
principales rasgos. -Formulación: Elaborar
preguntas de reflexión sobre el
-Dimensiona el estado actual de la problema.
situación o aspecto que se va
estudiar
 La investigación parte siempre de una situación problemática. Un
problema de investigación es una laguna en el conocimiento científico
que tenemos sobre un tema.

El problema de Investigación puede tener tres orígenes:

La experiencia: el
profesional se hace
preguntas sobre su tarea

PROBLEMA DE
Propias teorías INVESTIGACIÓN
científicas: el Conocimiento de
campo de acción investigaciones
de una teoría previas:
científica
Replicar el estudio

Introducir
modificaciones

Problematización: Considerando que la labor educativa se desarrolla en

situaciones donde se presentan problemas prácticos, lo lógico es que un
proyecto de este tipo comience a partir de un problema práctico: en general,
se trata de incoherencias o inconsistencias entre lo que se persigue y lo que
en realidad ocurre. Es posible diferenciar entre:

 Contradicciones cuando existe oposición entre la formulación de

nuestras pretensiones, por una parte , y nuestras actuaciones , por otro.
 Dilemas, un tipo especial de contradicción, pudiendo presentarse como
dos tendencias irreconciliables que se descubren al analizar la práctica,
pero que revelan valores necesarios, o bien diferencias de intereses o
motivaciones entre dos o más partes.
 Dificultades o limitaciones, aquellas situaciones en que nos encontramos
ante la oposición para desarrollar las actuaciones deseables de
instancias que o podemos modificar o influir desde nuestra actuación
directa e inmediata, lo cual requeriría una actuación a largo plazo, como
es el caso de ciertas inercias institucionales o formas de organización.
En hecho de vivir una situación problemática no implica conocerla, un
problema requiere de una profundización en su significado. Hay que
reflexionar porque es un problema, cuáles son sus términos, sus
características, como se describe el contexto en que éste se produce
y los diversos aspectos de la situación, así como también las diferentes
perspectivas que del problema puede existir. Estando estos aspectos
clarificados, hay grandes posibilidades de formular claramente el
problema y declarar nuestras intenciones de cambio y mejora.

¿ Cuál es el problema de investigación?

Murillo F.J. explica acerca de los problemas de investigación:

Una de las fases más difíciles del proyecto de investigación es la

elección y formulación de un problema adecuado
El problema de investigación adquiere distintos sentidos según los fines
que se plantee el equipo investigador. Puede considerarse
 Como una dificultad u obstáculo que desconcierta a los
investigadores;
  Como una pregunta que el investigador se plantea de cara a la
comprensión y explicación de un fenómeno de naturaleza
educativo y social ; o, incluso,
 Como una situación que el investigador considera como
susceptible de cambio o mejora.

Identificación de los Problemas

No se dispone de reglas o procedimientos que lleven directamente a la

identificación de problemas de investigación:

Las fuentes de problemas pueden ser varias:

a) La experiencia derivada de los problemas observados en los diversos

ámbitos de la educación
b) Las innovaciones, los cambios sociales, las reformas educativas
c) La información recogida de seminarios, artículos, libros, etc.
d) El estudio de memorias de investigación ya realizadas: Toda memoria
debe finalizar con un apartado de discusiones o sugerencias para futuras
investigaciones; donde se apuntan nuevos retos que quedan por trabajar.
O incluso la replicación o revisión de investigaciones ya realizadas.
e) El contacto con personas expertas en el ámbito de la investigación
educativa.

Valoración del Problema

Antes de que el problema de investigación pueda ser considerado como

apropiado, debe tenerse en cuenta algunas cuestiones, y solo cuando ésta ha
sido contestada afirmativamente puede considerarse como bueno.

Algunas ideas para su valoración son:

a) Real: ¿es nuevo el problema? ¿Se dispone ya una contestación al mismo?

 b) Resoluble: ¿Es este tipo de problema que puede ser eficazmente
resuelto mediante el proceso de investigación? ¿Pueden ser recogidos
datos relevantes para probar la teoría o encontrar respuesta al
problema bajo consideración?
c) Relevante: ¿Es el problema Significativo? ¿Se halla implicado en él un
principio importante
d) Factible:
 ¿Tiene el equipo la necesaria competencia para realizar un estudio
de este tipo? ¿Conoce el equipo lo suficiente en este campo para
comprender sus aspectos más importantes y para interpretar los
hallazgos? ¿Dispone el equipo de los conocimientos técnicos
suficientes para recoger , analizar e interpretar los datos?
 ¿Pueden obtenerse los datos pertinentes? ¿Se dispone de
sistemas o procedimientos de recogida de datos válidos y fiables?
 ¿Se tienen los recursos económicos y humanos necesarios para
llevar a cabo el trabajo? ¿Qué posibilidades hay de conseguir una
financiación?
 ¿Se tiene el tiempo suficiente para finalizar el proyecto?

e) Generador de Conocimiento: ¿Producirá la solución alguna diferencia en lo

que se refiere a la teoría y la práctica de la gestión cultural? Un problema
trivial cuya solución no enriquece la teoría, ni es útil en la práctica, debe
rechazarse y volcar el esfuerzo en cuestiones de mayor interés teórico o
práctica.

a) Generador de Nuevos Problemas: ¿Va a abrir nuevos interrogantes en el

campo de estudio? Una buena investigación no sólo contesta a una pregunta
sino que plantea nuevas cuestiones de cuyo estudio depende el avance de las
ciencias sociales.

3.- Formulación del Problema

Formular correctamente un problema consiste, básicamente, en reducirlo a sus

aspectos y relaciones esenciales. Debe ser formulado con precisión, en una o
varias preguntas concretas donde se relacionen las variables implicadas.
Algunas condiciones que debe cumplir son:

a) Especificar lo que ha de determinarse o resolverse.

b) Restringir el campo de estudio en un interrogante concreto.
c) Enunciarse de una forma clara y unívoca, de modo que la respuesta solo
admita respuestas precisas.
d) Susceptible de verificación empírica. No debe plantear juicios de valor
sobre lo que es mejor o peor, sobre cómo debería ser idealmente la
realidad, sino sobre cómo es realmente.
Su formulación debe responder a tres criterios básicos:
a) Claridad. Cualquier persona que lea el problema debe entender a qué
cuestiones se pretende responder con la investigación
b) Concisión. En este caso, lo breve y bueno, dos veces bueno.
c) Operatividad. El planteamiento operacional consiste en especificar no
solo el fenómeno, sino también en qué unidades va a ser medido cada uno
de estos efectos.

Etapas del Planteamiento del Problema

Aunque no existe un único procedimiento, una buena sugerencia para el

establecimiento del problema de investigación para un proyecto puede ser:

a) Elección de un área o tema

b) Identificación y delimitación del problema
c) Valoración del problema
d) Formulación definitiva

Actividad
Elabora el planteamiento del problema de tu institución o de tu trabajo
en específico.

Proceso Básicos de la Investigación

¿Qué es un proceso de investigación

El proceso de investigación es un medio simple de efectividad al localizar la

información para un proyecto de investigación, sea esta documental, una
presentación oral, o algo más asignado por el profesor. Dado que la
investigación es un proceso, usted tiene que tomarse el tiempo para refinar y
cambiar su tema.

Puede darse cuenta que su tema es muy amplio o muy escaso. El tema
necesitará ser investigado en diferentes fuentes que requieran numerosas
visitas a la biblioteca y/o del profesor. Deben considerarse unas semanas
para recabar los materiales solicitados a otras bibliotecas u organizaciones. La
investigación no es un proceso que se realice de la noche a la mañana.
Seleccionar un tema y localizar fuentes de información al inicio del semestre
puede facilitar el proceso completo

De forma genérica, podemos decir que la investigación se desarrolla siguiendo

un modelo en espiral en ciclos sucesivos.

EL OBJETIVO DE LA INVESTIGACIÓN

El objetivo de la investigación es la aspiración, el propósito, para qué se

desarrolla la investigación que presupone el objeto transformado, la situación
problémica superada.
De ello se deriva que ante todo se investiga para resolver el problema, para
transformar el objeto.
También podemos decir que los objetivos de investigación constituyen, Tanto
el punto de partida como el punto de llegada, para el investigador, ya que sin
ellos formulados previamente no es posible empezar ni terminar un trabajo de
investigación, por cuanto estos guían todas las actividades del investigador
desde el comienzo hasta el final.

El objetivo es uno de los principales conductores del PI por lo que para cumplir
su función debe observar las siguientes cualidades:

1. Orientador.
2. Expresa de modo sintético y generalizador las cualidades del objeto.
3. Se formula en tono afirmativo.
4. Se declara en forma clara y precisa.
5. Se limita a los recursos disponibles.
6. Debe poder ser evaluable, mesurable, verificable, comprobable.

En esencia sus cualidades explican que el objetivo debe declararse de modo

preciso y en función de la solución del problema científico formulado. El grado
de precisión permitirá conducir el PI y evaluar su cumplimiento. Por otra parte
debe reflexionarse que nadie se propone metas evidentemente inalcanzables.
De ahí que, al formular el objetivo, el investigador debe tener en cuenta la
disponibilidad de recursos humanos y materiales lo cual incluye las limitaciones
intelectuales o de cualquier otro tipo.
Es necesario recordar que los fines no son iguales a los objetivos. Cada uno de
ellos tiene distintos roles, pero similares y hasta complementarios, los
objetivos son generales y específicos, llevan implícitos el contenido esencial de
los fines de la investigación, ya que estos persiguen el beneficio trascendente
que implica el trabajo de investigación para la sociedad.
Si bien, todos los objetivos señalan los propósitos lograrse, no todos se
formula de la misma manera, es decir, se diferencian en virtud de los diversos
tipos, niveles y diseños de investigación , por ello es necesario ejemplificar con
casos.

CLASES Y TIPOS DE OBETIVOS

Clases De Objetivos

Con fines metodológicos, los objetivos de investigación pueden dividirse en

objetivos generales y objetivos específicos, cada uno de ellos cumple roles
propios bien definidos y predeterminados.

OBJETIVOS GENERALES

Son aquellos que expresan los propósitos generales y globales del trabajo de
investigación. Contienen el enunciado deseable, como es, conocer el
cuestionamiento problemático, traduciéndolo en solución al problema de
investigación.
También se designa con este nombre a aquellos objetivos que se lograran como
resultado total del trabajo de investigación. En otras palabras la suma de los
logros específicos expresados en proposiciones generales y globales que
contienen los propósitos investigativos perseguidos.
Los objetivos generales contienen todas las variables en estudio , y a excepción
de las investigaciones descriptivas , se formulan relacionando las variables
independientes con las variables dependientes.
Ejemplos:

Investigación Descriptiva

“Determinar la calidad del aprendizaje en los centros eductivos del distrito de

Castilla”

Investigación Correlacional:

Determinar y explicar la relación de la actitud del docente con la

predisposición al estudio de los alumnos en los centros educativos estatales de
la provincia de Piura, 2005”

Investigación explicativa:

“Identificar y explicar los factores que determinan el deficiente rendimiento

escolar en los centros educativos estatales de la provincia de Paita, 2005”

Objetivos Específicos

Se denomina también objetivos secundarios, sub-objetivos, objetivos

subsidiarios o derivados. Son los que se derivan o deducen del objetivo general
con fines metodológicos y operativos, es decir, para guiar las actividades
prácticas, como elaboración de instrumentos de investigación recogida de
datos, análisis procesamiento y elaboración de conclusiones.
La reunión de estos objetivos constituye el objetivo general, ya que en
conjunto expresan el propósito general y esencial del trabajo de investigación.
Ejemplo:

En investigaciones Descriptivas

Título:
Calidad del aprendizaje en los centros educativos del distrito de Castilla,
2005.
Objetivo General:

Determinar la calidad del aprendizaje en los centros educativos del distrito de

Castilla 2005.

Consideramos como indicadores de la variable calidad del aprendizaje:

aprendizaje conceptual, aprendizaje actitudinal, y aprendizaje procedimental.
Cualquiera de los tres indicadores mencionados puede tomarse como referencia
para formular un objetivo específico, como ejemplo.

Objetivo específico

Determinar y conocer la calidad del aprendizaje conceptual.

Otro ejemplo.

General:
Conocer los conocimientos que tienen los profesores de educación USP sobre
computación, para el desarrollo académico de sus asignaturas, durante julio-dic
2003.

􀂙 Específicos:

1. Identificar la capacitación por especialidad, de los profesores de educación

de la USP en computación.
2. Identificar los programas computacionales que manejan los profesores de
educación de la USP
3. Determinar el nivel de conocimientos, según género, que presentan los
profesores de educación de la USP

¿Cómo redactar Objetivos Generales?

Un Objetivo es un enunciado [2] en que se expresa una acción a llevar a cabo.

Por lo tanto debe estar iniciado por verbos fuertes, que indican acciones, a
continuación se indica el fenómeno en el que –o con quien—se llevará a cabo
dicha acción. Seguidamente se indica el objeto de investigación, es decir, el
fenómeno o las partes en relación que serán investigados, indicando finalmente
para qué se realiza esta acción investigativa.

Requisitos para plantear los objetivos:

 Enfocarse a la solución del problema.

 Ser realistas.
 Ser medibles.
 Ser congruentes.
 Ser importantes.
 Redactarse evitando palabras subjetivas.
 Precisar los factores existentes que lleva a investigar.
 Enfatizar la importancia de mejorar la organización.

Para construir los objetivos deben considerarse las siguientes interrogantes

(los que sean necesarios y en el orden más conveniente):

Quién?, qué?, cómo?, cuándo? y dónde?.

A continuación se muestra un cuadro sintagmático que puede ayudar a

construir Problemas y Objetivos de investigación. Secuencia Sintagmática [3]
para escribir objetivo (El Problema/Objetivo de investigación se define
como...)

Verbo Fenómeno Subfenómeno Para...

(Ud. lo pone) (finalidad del

Objetivo)

Establecer Estructuras Entre ... Mejorar

Averiguar Funciones De... Renovar

Identificar Roles Del... Confeccionar

Recopilar Historial En ... Sugerir

 Investiga Probabilidades Cuando... Proponer

Revelar Relaciones Cómo... Innovar

(infrecuente)
Descubrir Avances Resolver

Indagar Retrocesos Satisfacer

Inquirir Resistencias Controlar

Pesquisar Facilidades Iniciar

Registrar Etc... Etc...

Buscar

RELACIÓN PROBLEMA-OBJETO-OBJETIVO

En la investigación científica la triada dialéctica formada por el problema, el

objeto y el objetivo constituyen un conjunto inseparable pues no es posible
referirse a uno de ellos sin hacer alusión a los otros.
El problema se manifiesta en un objeto, mientras que el objetivo pretende
resolver el problema, o sea, transformar el objeto. De aquí que existe entre
estos tres elementos una relación dialéctica con carácter de ley.
En el PIC se observa no sólo un carácter objetivo sino también un carácter
subjetivo dado que el investigador influye de modo decisivo con sus puntos de
vista, enfoques, formación cultural previa, etc.

EL MARCO CONTEXTUAL

El contexto en que se desarrolla el PI es un aspecto de relevante importancia

que el investigador no debe perder de vista al formular conclusiones,
extrapolarlas o someterlas a juicio crítico.

El sujeto se confronta con el objeto utilizando diversos medios en el PI. Esta

interacción ocurre en un campo natural y también socio-cultural complejos lo
cual merece atención especial que incluyen no sólo las condiciones naturales
sino también las económicas, científicas, sociales y culturales en que se
desarrolla la investigación.

En el enfoque cuantitativo-positivista de la investigación el marco ideal para

desarrollar el PI es el laboratorio ya que en este contexto es posible controlar
y manipular las variables que intervienen en el experimento. Ello es
perfectamente posible en las ciencias naturales, técnicas y en general
factuales.

En las ciencias sociales y humanas no es sencillo aplicar el modelo del

experimento de laboratorio aunque se ensayan diseños cuasi-experimentales en
los que se intenta controlar las variables mediante creación de grupos por
pares u otros procedimientos.

En cualquier caso, debe reflexionarse que el proceso del conocimiento

pretende reproducir, interpretar, explicar la realidad y ella se manifiesta en
un contexto natural, social y cultural muy complejos, históricamente
determinados y cambiantes.
En la investigación en las ciencias naturales ese contexto complejo provoca la
necesidad de retomar resultados obtenidos en otros ambientes para
contextualizarlos.
Además, aún en estas ciencias el sujeto desarrolla la investigación a partir de
su ubicación en una determinada situación cultural que incluye, entre otros
aspectos, su práctica crítica, sus posibilidades de comunicación, su capacidad
de argumentación, recursos culturales accesibles, ámbito de libertad
conquistado, relaciones de dominación, valores morales y patrones de
acumulación.
Por su parte, en el paradigma cualitativo de investigación en las ciencias
sociales se preconiza que el PI debe afrontar la diversidad, singularidad y
carácter evolutivo de la realidad social lo cual dificulta el proceso de búsqueda
de relaciones y significados. O sea, que la investigación debe realizarse
fundamentalmente en el contexto original en que producen los fenómenos que
se quieren comprender. Se parte de que los sujetos que son objeto de la
investigación no sólo se desenvuelven en el contexto primario que constituye el
escenario físico o psicosocial en que están siendo observados sino además
reciben influencia continua de un contexto más general y abarcador que es la
sociedad en su conjunto.
En resumen, el marco contextual es aquel campo complejo e históricamente
determinado en que el sujeto se confronta con el objeto en el PIC y que incluye
no sólo lo natural sino ante todo lo socio-cultural.

LA HIPÓTESIS

Las hipótesis sostienen afirmaciones que trataremos de probar y pueden

definirse como: “explicaciones tentativas del fenómeno que se investiga
formuladas a manera de proposiciones ”. Estas proposiciones se establecen
como relaciones entre dos o más variables y se apoyan en conocimientos
organizados.
La hipótesis se constituye en un poderoso instrumento para la investigación
científica, pues permite relacionar la teoría con la observación y viceversa. En
la búsqueda del conocimiento permite combinar el razonamiento inductivo que
se basa en la observación, con la lógica del pensamiento deductivo, que da
prioridad a la razón.
La importancia de una hipótesis radica en que orienta la investigación; al
establecer vínculos entre la teoría y la realidad de los hechos, señala caminos
para buscar los datos que se necesitan para su confirmación. Tomemos el
siguiente ejemplo de hipótesis, investigado por J. Blue en 1958. “El estudio en
grupo contribuye a alcanzar un aprovechamiento más elevado” Se puede
apreciar aquí una relación clara entre dos variables (“estudio en grupo o
individual” y “nivel de aprovechamiento”), de las cuales se pueden deducir
fácilmente algunas predicciones, que se analizan más adelante.

Requisitos de una hipótesis bien formulada

No basta con tener una conjetura o suposición sobre lo que ocurre para
disponer de una hipótesis científica, es necesario que ésta cumpla una serie de
condiciones:

v Lógica. Debe ser coherente en términos de una explicación razonable que

resista un análisis crítico; no puede ser descabellada hasta el punto de ser
absurda.

v Nivel de generalidad. La explicación es de carácter general y trasciende a

una explicación o conjetura de hechos singulares; la hipótesis debe abarcar a
una categoría de fenómenos que tengan algún atributo en común. Por otra
parte, no debe ser tan general que impida precisar los conceptos y operaciones
que de ella se desprendan.

v Referencia empírica. Sus afirmaciones guardan relación con el mundo de los

fenómenos observables (el ámbito de las ciencias)

v Ser verificable. Si la explicación no permite someterla a prueba mediante los

procedimientos de la ciencia, no tiene validez. La lógica científica afirma que lo
que da valor a cierta hipótesis es permitir ser falseada, es decir que luego de
ser puesta a prueba en reiteradas situaciones para rechazarla, logra salir
adelante sin objeciones.

v Operacionalidad. Es decir, que sus términos sean claros, sin ambigüedades a

fin que se puedan establecer las relaciones entre las variables y sus
indicadores que permitirán observar su comportamiento.

v Referencia teórica. Es preciso que se inserte en un cuerpo de teoría en

forma explícita, a fin de procurar incrementar el acervo científico. La ciencia
es acumulativa y una hipótesis aislada no aporta nada.

v Ser fructífera. Los frutos de las hipótesis son las predicciones de

situaciones particulares que se pueden deducir; Una hipótesis científica no se
comprueba, sino que se va confirmando a medida que se cumplen todas las
predicciones que se extraen de ella.

v Factible. Esto implica que el equipo de investigadores está en condiciones de

poner a prueba la hipótesis; en otras palabras llevar a cabo la investigación. La
factibilidad de cualquier operación científica o no implica disponer de: tiempo,
recursos humanos, medios materiales y apoyo logístico.

La hipótesis es una suposición, conjetura o sospecha científicamente

fundamentada y novedosa acerca de las relaciones y nexos existentes entre los
elementos que conforman el objeto de estudio y mediante la cual se soluciona
el problema científico.
En la formulación de hipótesis se relacionan al menos dos variables las cuales
se corresponden con el problema y con los elementos del objeto que se vinculan
con su solución.
En las hipótesis de corte explicativas estas variables se enlazan con la relación
causa-efecto de modo que se clasifican en variables independientes y variables
dependientes.
Las primeras son aquellas con que el investigador presupone actuar de modo
que las segundas sufran modificaciones como respuesta y con ello contribuir a
la solución del problema.
La hipótesis también contiene elementos de predicción y se basan en hechos
nuevos y reales y/o en conocimientos existentes con cuya ayuda el investigador
intenta explicar aquellos hechos que no encajan en la vieja teoría o describir
los fenómenos y procesos que estudia.
Es además una explicación teórica supuesta, no probada, sobre un objeto o
fenómeno que se muestra como problemático y se basa en hechos científicos y
conocimientos existentes.
En general la hipótesis es función del problema y el “éxito” de una investigación
se produce cuando se cumple el objetivo, de resuelve el problema y se verifica
o comprueba la hipótesis. De ello depende la selección de los métodos,
procedimientos y técnicas de investigación.
En la formulación de una hipótesis, además de las ya mencionadas variables,
intervienen un conjunto de unidades de observación y de términos lógicos.
Las fuentes principales de las cuales se nutre el investigador para formular su
hipótesis, son:
1. De la teoría o sistema de conocimientos debidamente organizados y
sistematizados mediante un proceso de deducción lógica.
2. De la observación de los hechos o fenómenos concretos y sus posibles
relaciones mediante un proceso inductivo.
3. De la información empírica disponible de diferentes fuentes o del propio
investigador.

Los principales requisitos y cualidades que debe cumplir la hipótesis son:

 Expresa las relaciones entre dos o más variables.
 Poseen capacidad predictiva.
 Son planteamientos sencillos y compatibles con hipótesis previas ya
confirmadas.
 Se basan en hechos científicos existentes o nuevos o en ambos y es
compatible con todos.
 Su contenido es más rico que los hechos en que se basan.
 Entre los hechos y la hipótesis existe una determinada vinculación lógica.
 Son instrumentos de trabajo de la teoría y contribuyen al progreso de la
ciencia.
 Se elaboran mediante un proceso formativo que posee un desarrollo muy
dinámico en su vinculación con el PIC pasando sucesivamente de suposiciones
a hipótesis de trabajo, de ahí a hipótesis empírica y finalmente a hipótesis
teórica.
 Explican los hechos conocidos y pronostican los desconocidos con una idea
clara de la probabilidad de sus conclusiones.
 Poseen fundamentación teórica razonable y consistencia lógica.
 Su formulación debe ser precisa, clara y fácil de comprender.
 No pueden ser triviales por obvias, comunes, insustanciales, usuales o
conocidas. O sea, deben tener riqueza de contenido y ser significativas.

Las hipótesis pueden ser sometidas a un intento de clasificación con el
propósito de facilitar su descripción y estudio.

1. En función del momento del PI en que se formula.

- Hipótesis de trabajo (en la fase exploratoria de la investigación).
- Hipótesis real (en la fase final).
2. Con respecto a su propósito:
- Hipótesis generales (relacionadas con el propósito central de la
investigación. En general multivariables).
- Hipótesis específicas (relacionadas con cada variante causal de la
investigación. En general monovariables).
3. Por su vínculo con la relación causa-efecto:
- Hipótesis descriptiva.
- Hipótesis explicativas o causales.
Si se designan por “p” las variables independientes y por “q” las variables
dependientes, se pueden observar los siguientes tipos de hipótesis
explicativas:

a) Necesarias (si no “p” entonces no “q”).

b) Suficientes (si “p” entonces “q”).
c) Contribuyentes (si “p” entonces es más probable “q”).
d) Alternativas (si “p”, o “p2” o “p3”... entonces “q”).

Los ejemplos expuestos en los tipos de hipótesis explicativas han sido

formulados en un modo absolutamente simple y casi primitivo. El investigador
debe emplear su creatividad para formular su hipótesis. En general estos
ejemplos pretenden ofrecer diversos enfoques acerca de la relación supuesta
entre las variables, o sea, cómo el investigador sospecha que se comportarán
las variables dependientes al accionar sobre las variables independientes.
Es cierto que la formulación de hipótesis es un momento complejo para
cualquier investigador. La capacidad de éste para generar hipótesis eficientes
depende fundamentalmente de:

 El grado de experiencias del investigador.

 El nivel de conocimientos acerca del problema y del objeto de investigación.
 La naturaleza del objeto de investigación.

Como se ha tratado de expresar anteriormente, en un primer momento se

generan un conjunto de suposiciones que pudieran describir o explicar el
problema. Estas suposiciones van pasando por un proceso lógico de decantación
que da paso a la formulación de una primera versión de hipótesis de trabajo
que ofrece un dinámico proceso de transformación en la medida en que el
investigador se adentra en el PI. pasando por sucesivas versiones hasta llegar
finalmente a convertirse en hipótesis real.
La hipótesis tiene como función primordial adelantar de forma preliminar una
descripción o explicación probable acerca del problema. Presenta una forma de
tránsito entre lo desconocido y lo conocido por lo que también constituye una
forma del desarrollo del conocimiento científico. Representa una guía o criterio
de orientación para que el investigador conduzca el PI.
Las hipótesis que son finalmente comprobadas y verificadas se convierten en
tesis las cuales son el fundamento básico en la formulación de leyes y nuevas
teorías además de convertirse en punto de partida de nuevas investigaciones.

COMO PARTE DE LA FORMULACION DE UNA HIPOTESIS DEBEN

DEFINIRSE CONCEPTUAL Y OPERACIONALMENTE LAS VARIABLES1

Al formular una hipótesis, es indispensable definir los términos o variables que

están siendo incluidos en ella. Esto es necesario para varios motivos:

1
Hernández Sampieri, Roberto y otros. Metodología de la Investigación Págs. 99-104
 1. Para el investigador, sus colegas, los usuarios del estudio y, en general,
cualquier persona que lea la investigación comparta el mismo significado
respecto a los términos o variables incluidas en las hipótesis. Es común
que un mismo concepto se emplee de maneras distintas. Términos como
“actitud”, “inteligencia”, “aprovechamiento” pueden tener varios
significativos o ser definidos en diferentes formas.

2. Asegurarnos de que las variables pueden ser evaluadas en la realidad, a

través de los sentidos (posibilidad de prueba empírica), condición de las
hipótesis

3. Poder confrontar nuestra investigación con otras similares (si tenemos

definidas nuestras variables, podemos comparar nuestras definiciones
con las de otros estudios para saber “ si hablamos de lo mismo”, y si esta
comparación es positiva, podremos confrontar los resultados de nuestra
investigación con los resultados de otras)

4. Evaluar más adecuadamente los resultados de nuestra investigación,

porque las variables (y no solo las hipótesis), han sido contextualizadas.

De hecho, sin definición de las variables no hay investigación. Las variables

tienen que ser definidas en dos formas: conceptual y operacionalmente. A
continuación se explican las dos por separado.

DEFINICIÓN CONCEPTUAL.

Una definición conceptual define el término o variable con otros términos. Por
ejemplo, “inhibición proactiva” es “la dificultad de evocación que aumenta con el
tiempo”, “comunicación interpersonal diádica” puede definirse como “el
intercambio de información psicológica entre dos personas que desarrollan
predicciones acerca del comportamiento del otro basados en dicha información
y establecen reglas para su interacción que sólo ellos conocen”. “poder” es
“influir” más en los demás que lo que éstos influyen en uno”. Son definiciones
de diccionario o de libros especializados (Kerlinger, 1975 y 1979; Rojas, 1981) y
cuando describen la esencia o las características reales de un objeto o
fenómeno se les denomina “definiciones reales” (Reynolds, 1971). Estas últimas
constituyen la adecuación de la definición conceptual a los requerimientos
prácticos de la investigación.

Estas definiciones son necesarias pero insuficientes para definir las variables
de la investigación, porque no nos relacionan directamente con la realidad.
Después de todo siguen siendo conceptos. Como señala Kerlinger (1979, p.41):
“…los científicos deben ir más allá. Deben definir las variables que se usan en
sus hipótesis en forma tal que las hipótesis puedan ser comprobadas. Esto es
posible usando lo que se conoce como definirse operacionalmente”

DEFINICION OPERACIONAL

Una definición operacional constituye el conjuntos de procedimientos que

describe las actividades que un observador debe realizar para recibir las
impresiones sensoriales (sonidos, impresiones visuales o táctiles, etc.), que
indican la existencia de un concepto teórico en mayor o menor grado (Reynolds,
1971, p 52). en otras palabras especifica que actividad u operaciones deben
realizarse para medir una variable. Siguiendo la línea de F.N.Kerlinger, una
definición operacional nos dice que para medir esta variable, hay que hacer
este y este otro (nos indica los pasos a seguir). Por ejemplo, la definición
operacional de la variable “temperatura” sería termómetro (con las respectivas
instrucciones de cómo medir e interpretar la temperatura); “inteligencia”
podría ser definida operacionalmente como las respuestas a una determinada
prueba de inteligencia; el conocido “Inventario Multifacético de la Personalidad
Minnesota” (MMPI) es una definición operacional de “la personalidad” en
adultos y adolescentes alfabetizados. La variable ingreso familiar podría ser
operacionalizada haciendo una pregunta sobre el ingreso personal a cada uno de
los miembros de la familia y luego sumando las cantidades que cada quien
indico. El “atractivo físico” es operacionalizado en un certamen de belleza –
como el de “Miss Universo” – aplicando una serie de criterios que un jurado
utiliza para evaluar a las candidatas ( los miembros del jurado otorgan una
calificación a las contendientes en cada criterio y después obtienen una
puntuación total del atractivo físico).

Casi siempre se dispone de varias definiciones operacionales (o forma de

operacionalizar) de una variable. Por ejemplo, para definir operacionalmente la
variable personalidad se tienen varias pruebas psicometrías (v.g., las
diferentes versiones del mencionado MMPI), técnicas de entrevista directas.

El aprendizaje de un alumno en un curso de investigación puede medirse por

medio de varios exámenes, un trabajo, una combinación de exámenes, trabajos
y prácticas.

Cuando el investigador tiene varias alternativas para definir operacionalmente

una variable, debe elegir la que proporcione mayor información sobre la
variable, capte mejor la esencia de ella, se adecue más su contexto y sea más
precisa.. Una correcta selección de las definiciones operacionales disponibles o
la creación de la propia definición operacional están muy relacionadas con una
adecuada revisión de la literatura. Cuando ésta ha sido cuidadosa, se puede
tener una gama más amplia de definiciones operacionales para elegir o más
ideas para crear una nueva.

Ahora bien, en la formulación de hipótesis se sugiere cómo habrán de

operacional izarse las variables, pero es en la etapa correspondiente a la etapa
correspondiente a la elaboración de los instrumentos de recolección de los
datos, donde la operacionalización se plasma en la selección o diseño y adoptan
al contexto particular del estudio.

Hay algunas variables que no requieren que su definición conceptual sea

explicitada en el deporte de investigación, porque esta definición es
relativamente obvia y compartida. El mismo título de la variable la define (por
ejemplo, “sexo” – que es diferente a “práctica sexual”-, “edad”, “ingreso”). Pero
son pocas las variables que no requieran una definición operacional para que
puedan ser evaluadas empíricamente, aun cuando en el estudio no se formulen
la hipótesis. Siempre que se tengan variables, se deben definir
operacionalmente
TIPOS DE VARIABLES

Es importante distinguir las funciones que cumplen las diferentes variables en

el planteamiento de las hipótesis. También las variables se diferencian por la
forma de registros de su comportamiento durante la administración de pruebas
o test para contrastar cierta hipótesis.

Criterios de clasificación.

Ø Según el modo como se observan: Variables cuantitativas, cuando se pueden

medir o contar y variables cualitativas que no se miden; sólo permiten
clasificar a los sujetos, por ejemplo por “sus intereses profesionales”

Ø Según la unidad de medida: variables continuas (por ejemplo, el tiempo

horario) y variables discontinuas o discretas, en que sus unidades no se
pueden dividir (por ejemplo, el número de estudiantes).

Ø Según su relación causal : variable independiente (X) que corresponde a la

característica o propiedad que se supone la causa del fenómeno que se estudia
y variable dependiente (Y), aquella cuyos valores están asociados a los cambios
de la primera. Por ejemplo: En la investigación de Blue, ya mencionada, la
variable independiente es “conjunto o grupo de estudiantes” y la dependiente
es “el grado de aprovechamiento o aprendizaje.” (Actividad Nº5)7

Ø Según su influencia en el diseño de la investigación: Variables relevantes e

irrelevantes, puesto que en las ciencias sociales las variables pueden ser casi
infinitas, se descartan aquellas consideradas irrelevantes (si nos equivocamos,
esto resulta fatal)
Las variables intervinientes son aquellas que estando presente en el
fenómeno en observación no son advertidas por los investigadores y malogran
los resultados de la investigación. Por ejemplo, supongamos que en la
investigación de Blue algunos estudiantes que estudiaban “solos”, tomaban
“clases particulares” sin que los investigadores lo supieran, aquí habría una
variable interviniente (que por supuesto Blue la evitó).
Ø Variables controladas: Se aplican procedimiento para eliminar o “controlar”
las variables intervinientes sospechosas. El investigador en su informe debe
 explicar los procedimientos aplicados para controlar dichas
variables.

Metodología y Diseño Muestral

-Selección del diseño apropiado de investigación

Diseños no experimentales de investigación

¿QUÉ ES LA INVESTIGACIÓN NO EXPERIMENTAL?

La investigación no experimental es aquella que se realiza sin manipular

deliberadamente variables. Es decir, es investigación donde no hacemos variar
intencionalmente las variables independientes. Lo que hacemos en la
investigación no experimental es observar fenómenos tal y como se dan en su
contexto natural, para después analizarlos. Como señala Kerlinger (1979, p.
116). “La investigación no experimental o expost-facto es cualquier
investigación en la que resulta imposible manipular variables o asignar
aleatoriamente a los sujetos o a las condiciones”. De hecho, no hay condiciones
o estímulos a los cuales se expongan los sujetos del estudio. Los sujetos son
observados en su ambiente natural, en su realidad.

En un experimento, el investigador construye deliberadamente una situación a

la que son expuestos varios individuos. Esta situación consiste en recibir un
tratamiento, condición o estímulo bajo determinadas circunstancias, para
después analizar los efectos de la exposición o aplicación de dicho tratamiento
o condición. Por decirlo de alguna manera, en un experimento se ‘construye” una
realidad.

En cambio, en un estudio no experimental no se construye ninguna situación,

sino que se observan situaciones ya existentes, no provocadas intencionalmente
por el investigador. En la investigación no experimental las variables
independientes ya han ocurrido y no pueden ser manipuladas, el investigador no
tiene control directo sobre dichas variables, no puede influir sobre ellas
porque ya sucedieron, al igual que sus efectos.

EJEMPLOS ILUSTRATIVOS

Tomemos un ejemplo para explicar el concepto de investigación no

experimental y su diferencia con la experimentación. Vamos a suponer que un
investigador desea analizar el efecto que produce el consumo de alcohol sobre
los reflejos humanos. Si decidiera seguir un enfoque experimental, asignaría al
azar los sujetos a varios grupos. Supóngase cuatro grupos: un grupo en donde
los sujetos ingirieran un elevado consumo de alcohol (7 copas de tequila o
aguardiente), un segundo grupo que ingiriera un consumo medio de alcohol (4
copas), un tercer grupo que bebiera un consumo bajo de alcohol (una sola copa)
y un cuarto grupo de control que no ingiriera nada de alcohol. Controlaría el
lapso en el que todos los sujetos consumen su ‘ración” de alcohol, así como
otros factores (misma bebida, cantidad de alcohol servida en cada copa,
etcétera). Finalmente mediría la calidad de respuesta de los reflejos en cada
grupo y compararía a los grupos, para así determinar el efecto del consumo de
alcohol sobre los reflejos humanos. Desde luego, el enfoque podría ser
cuasiexperimental (grupos intactos) o los sujetos asignarse a los grupos por
emparejamiento (digamos en cuanto al sexo, que influye en la resistencia al
alcohol. Las mujeres suelen tolerar menos cantidades de alcohol que los
hombres).

Por el contrario, si decidiera seguir un enfoque no experimental, el inves-

tigador podría acudir a lugares donde se localicen distintas personas con
diferentes consumos de alcohol (por ejemplo, oficinas donde se haga la prueba
del nivel de consumo de alcohol —digamos una estación de policía donde acuden
personas que tienen pequeños incidentes de tránsito y como parte de la rutina
se les mide el grado de consumo de alcohol—). Encontraría personas que han
bebido cantidades elevadas, medias y bajas de alcohol, así como quienes no han
ingerido alcohol. Mediría la calidad de sus reflejos, llevaría a cabo sus
comparaciones y establecería el efecto del consumo de alcohol sobre los
reflejos humanos.

Claro está que no sería ético un experimento que obligara a las personas a
consumir una bebida que afecta gravemente la salud. El ejemplo es sólo para
ilustrar la diferencia entre la investigación experimental y la que no lo es.

Pero, vayamos más a fondo a analizar las diferencias. En la investigación

experimental se construye la situación y se manipula de manera intencional a la
variable independiente (en este caso el consumo del alcohol), después se
observa el efecto de esta manipulación sobre la variable dependiente (en este
caso la calidad de los reflejos). Es decir, el investigador influyó directamente
en el grado de consumo de alcohol de los sujetos. En la investigación no
experimental no hay ni manipulación intencional ni asignación al azar. Los
sujetos ya consumían un nivel de alcohol y en este hecho el investigador no tuvo
nada que ver, no influyó en la cantidad de consumo de alcohol de los sujetos.
Era una situación que previamente existía, ajena al control directo del
investigador. En la investigación no experimental se eligieron personas con
diferentes niveles de consumo, los cuales se generaron por muchas causas
(alguien tuvo una comida con sus amigos, otra persona era alcohólica, una más
estaba en depresión, etcétera) pero no por la manipulación intencional y previa
del consumo de alcohol. En cambio en el experimento, sí se generaron los
niveles de consumo de alcohol por una manipulación deliberada de esta variable.

En resumen, en un estudio no experimental los sujetos ya pertenecían a un

grupo o nivel determinado de la variable independiente por autoselección.

Esta diferencia esencial genera distintas características entre la investigación

experimental y la no experimental, que serán discutidas cuando se analicen
comparativamente ambos enfoques. Para ello es necesario profundizar en los
tipos de investigación no experimental.

La investigación no experimental es investigación sistemática y empírica

en la que las variables independientes no se manipulan porque ya han
sucedido. Las inferencias sobre las relaciones entre variables se realizan
sin intervención o influencia directa y dichas relaciones se observan tal y
como se han dado en su contexto natural.

Un ejemplo no científico (y tal vez hasta burdo) para ilustrar la diferencia

entre un experimento y un no experimento serían las siguientes situaciones:

“EXPERIMENTO”: Hacer enojar intencionalmente a una persona para ver sus

reacciones.

“NO EXPERIMENTAL”: Ver las reacciones de esa persona cuando llega

enojada.

¿CUÁLES SON LOS TIPOS DE DISEÑOS DE INVESTIGACIÓN NO

EXPERIMENTALES?

Distintos autores han adoptado diversos criterios para clasificar a la

investigación no experimental. Sin embargo, en este libro quisiéramos
considerar la siguiente manera de clasificar a dicha investigación: Por su
dimensión temporal o el número de momentos o puntos en el tiempo en los
cuales se recolectan datos.

Tipos de diseños no experimentales de acuerdo con el número de momentos o

puntos en el tiempo en los cuales se recolectan los dato (dimensión temporal)

En algunas ocasiones la investigación se centra en analizar cuál es el nivel o

estado de una o diversas variables en un momento dado, o bien en cuál es la
relación entre un conjunto de variables en un punto en el tiempo. En estos
casos el diseño apropiado (bajo un enfoque no experimental) es el transversal o
transeccional.

En cambio, otras veces la investigación se centra en estudiar cómo evoluciona o

cambia una o más variables o las relaciones entre éstas. En situaciones como
ésta el diseño apropiado (bajo un enfoque no experimental) es el longitudinal.
Es decir, los diseños no experimentales se pueden clasificar en transeccionales
y longitudinales.

Investigación

Los diseños de investigación transeccional o transversal 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. O bien,
determinar el nivel de escolaridad de los trabajadores de un sindicato —en un
punto en el tiempo—. O tal vez, analizar la relación entre la autoestima y el
temor de logro en un grupo de atletas de pista (en determinado momento). O
bien, analizar si hay diferencias en contenido de sexo entre tres telenovelas
que están exhibiéndose simultáneamente.

Estos diseños pueden esquematizarse de la siguiente manera:

Pueden abarcar vario.~ grupos o subgrupos de personas, objetos o indicadores.
Por ejemplo, medir los niveles de aprovechamiento de grupos de primero,
segundo y tercer año de instrucción básica o primaria. O tal vez medir la
relación entre la autoestima y el temor de logro en atletas de deportes
acuáticos, de raqueta y de pista. Pero siempre, la recolección de los datos es
en un único momento.

A su vez, los diseños transeccionales pueden dividirse en dos: descriptivos y

correlacionales/causales
DISEÑOS TRANSECCIONALES DESCRIPTIVOS

Los diseños transeccionales descriptivos tienen como objetivo indagar la

incidencia y los valores en que se manifiesta una o más variables. El
procedimiento consiste en medir en un grupo de personas u objetos una o —
generalmente— más variables y proporcionar su descripción. Son, por lo tanto,
estudios puramente descriptivos que cuando establecen hipótesis, éstas son
también descriptivas.

EJEMPLOS

Las famosas encuestas nacionales de opinión sobre las tendencias de los

votantes durante periodos de elección. Su objetivo es describir el número de
votantes en un país que se indinan por los diferentes candidatos contendientes
en la elección. Es decir, se centran en la descripción de las preferencias del
electorado.

Un estudio que pretendiera averiguar cuál es la expectativa de ingreso mensual

de los trabajadores de una empresa. Su propósito es describir dicha
expectativa. No pretende relacionarla con la calificación del trabajador, ni su
edad o sexo, el objetivo es descriptivo. Un análisis de la tendencia ideológica
de los 15 diarios de mayor tiraje en Latinoamérica. El foco de atención es
únicamente describir —en un momento dado— cuál es la tendencia ideológica
(izquierda-derecha) de dichos periódicos, no se tiene como objetivo ver el por
qué
manifiestan una u otra ideología, simplemente describirla.

Un estudio del número de extranjeros que ingresan a un país en cierto

momento y sus características (nación de procedencia, estado civil, edad,
motivos del viaje, etcétera). El propósito es ofrecer un panorama de los
extranjeros que visitan un país en una época (descripción).

Los estudios transeccionales descriptivos nos presentan un

panorama del estado de una o más variables en uno o más grupos
de personas, objetos (v.g., periódicos) o indicadores en
determinado momento.

En ciertas ocasiones el investigador pretende hacer descripciones

comparativas entre grupos o subgrupos de personas, objetos o indicadores
(esto es, en más de un grupo). Por ejemplo, un investigador que deseara
describir el nivel de empleo en tres ciudades.

El ejemplo que ha venido desarrollándose a lo largo del libro sobre la televisión

y el niño de la Ciudad de México es en parte ejemplo de diseño transeccional
descriptivo.

En este tipo de diseños queda claro que ni siquiera cabe la noción de manipula-
ción puesto que se trata a cada variable individualmente, no se vinculan
variables.
DISEÑOS TRANSECCIONALES CORRELACIONALES/CAUSALES

Los diseños transeccionales correlacionales/causales tienen como objetivo

describir relaciones entre dos o más variables en un momento determinado. Se
trata también de descripciones, pero no de variables individuales sino de sus
relaciones, sean éstas puramente correlacionales o relaciones causales. En
estos diseños lo que se mide es la relación entre variables en un tiempo
determinado. La diferencia entre los diseños transeccionales descriptivos y los
correlacionales causales puede expresarse gráficamente de la siguiente
manera:
Por lo tanto, los diseños correlacionales/causales pueden limitarse a
establecer relaciones entre variables sin precisar sentido de causalidad o
pueden pretender analizar relaciones de causalidad. Cuando se limitan a
relaciones no causales, se fundamentan en hipótesis correlacionales y cuando
buscan evaluar relaciones causales, se basan en hipótesis causales.

EJEMPLOS

Una investigación que pretendiera indagar la relación entre la atracción física y

la confianza durante el noviazgo en parejas de jóvenes, observando qué tan
relacionadas están ambas variables (se limita a ser correlacional).

Una investigación que estudiara cómo la motivación intrínseca influye en la

productividad de los trabajadores de línea de grandes empresas industriales,
de determinado país y en cierto momento, observando si los obreros más
productivos son los más motivados, y en caso de que así sea, evaluando el por
qué y cómo es que la motivación intrínseca contribuye a incrementar la produc-
tividad (esta investigación establece primero la correlación y luego la relación
causal entre las variables).

Un estudio sobre la relación entre la urbanización y el alfabetismo en una

nación latinoamericana, para ver qué variables macrosociales mediatizan tal
relación (causal).

Una investigación que analizara cuáles son las variables que regulan la relación
existente entre organizaciones proveedoras (vendedores) y organizaciones
compradoras (clientes) en las transacciones comerciales en Latinoamérica (con
volúmenes de intercambio anuales superiores a un millón de dólares), así como
estudiar la vinculación que se da entre dichas variables y las razones que
originan tal vinculación (se correlacionan las variables y se evalúan causal-
mente).

De los ejemplos puede desprenderse lo que se ha comentado anteriormente

respecto a que en ciertas ocasiones sólo se pretende correlacionar variables,
pero en otras ocasiones se busca el establecer relaciones causales. Desde
luego, debemos recordar que la causalidad implica correlación pero no toda
correlación significa causalidad. Primero establecemos correlación y luego
causalidad.

Estos diseños pueden ser sumamente complejos y abarcar diversas variables.

Cuando establecen relaciones causales son explicativos. Su diferencia con los
experimentos es la base de la distinción entre experimentación y no
experimentación. En los diseños transeccionales correlacionales/causales, las
causas y efectos ya ocurrieron en la realidad (estaban dadas y manifestadas) y
el investigador las(os) observa y reporta. En cambio, en los diseños
experimentales y cuasiexperimentales el investigador provoca —
intencionalmente— al menos una causa y analiza sus efectos o consecuencias.

Un diseño correlacional/causal puede limitarse a dos variables o abarcar mode-

los o estructuras tan complejas como la siguiente (donde cada letra en
recuadro representa una variable):
O aun estructuras más complejas como la presentada en el apartado de
hipótesis causales multivariadas del capítulo cinco (“Establecimiento de
hipótesis”).

Estos diseños se fundamentan en hipótesis correlacionales y de deferencia de

grupos sin atribuir causalidad (cuando se limitan a relaciones entre variables) y
en hipótesis causales o de diferencia de grupos con atribución de causalidad
(cuando pretenden establecer relaciones causales). Asimismo, los diseños
correlacionales/causales —en ocasiones— describen relaciones en uno o más
grupos o subgrupos y suelen describir primero las variables incluidas en la
investigación, para luego establecer las relaciones entre éstas (en primer lugar
son descriptivos de variables individuales, pero luego van más allá de las
descripciones: van a establecer relaciones).

EJEMPLO

Una investigación para evaluar la credibilidad de tres conductores (locutores)

de televisión, y relacionar esta variable con el sexo, la ocupación y el nivel
socioeconómico del teleauditorio. Primero, mediríamos qué tan creíble es cada
conductor y describiríamos la credibilidad de los tres conductores.
Observaríamos el sexo de las personas e investigaríamos su ocupación y nivel
socioeconómico, y describiríamos el sexo, ocupación y nivel socioeconómico del
teleauditorio. Posteriormente, relacionaríamos la credibilidad y el sexo (para
ver si hay diferencias por sexo en cuanto a la credibilidad de los tres
conductores), la credibilidad y la ocupación (para ver si los conductores tienen
una credibilidad similar o diferente entre las distintas ocupaciones) y
credibilidad y nivel socio-económico (para evaluar diferencias por nivel
socioeconómico). Así, primero describimos y luego correlacionamos.

COMENTARIO ACLARATORIO

Tanto en los diseños transeccionales descriptivos cómo en los

correlacionales/causales vamos a observar variables o relaciones entre éstas,
en su ambiente natural y en un momento en el tiempo.

Los diseños transeccionales correlacionales/causales buscan

describir correlaciones entre variables o relaciones causales
entre variables, en uno o más grupas de personas u objetos o
indicadores y en un momento determinado.

Investigación longitudinal

En ciertas ocasiones el interés del investigador es analizar cambios a través

del tiempo en determinadas variables o en las relaciones entre éstas. Entonces
se dispone de los diseños longitudinales, los cuales recolectan datos a través
del tiempo en puntos o periodos especificados, para hacer inferencias
respecto al cambio, sus determinantes y consecuencias. Por ejemplo, un
investigador que buscara analizar cómo evolucionan los niveles de empleo
durante cinco años en una ciudad u otro que pretendiera estudiar cómo ha
cambiado el contenido de sexo en las telenovelas (digamos de Venezuela) en los
últimos diez años.

Los diseños longitudinales suelen dividirse en tres tipos: diseños de tendencia

(trend), diseños de análisis evolutivo de grupos (cohort) y diseños panel, como
se indica en el siguiente esquema.

DISEÑOS LONGITUDINALES DE TENDENCIA

Los diseños de tendencia o trend son aquellos que analizan cambios a través del
tiempo (en variables o sus relaciones) dentro de alguna población en general.
Por ejemplo, una investigación para analizar cambios en la actitud hacia el
aborto en una comunidad. Dicha actitud se mide en varios puntos en el tiempo
(digamos anualmente durante 10 años) y se examina su evolución a lo largo de
este periodo. Se puede observar o medir toda la población o bien tomar una
muestra representativa de ella cada vez que se observen o midan las variables
o los relaciones entre éstas. La característica distintiva de los diseños de
tendencia o trend es que la atención se centra en una población.
Estos diseños pueden representarse de la siguiente manera:

DISEÑOS LONGITUDINALES DE EVOLUCIÓN DE GRUPO

Los diseños de evolución de grupo o estudios “cohort” examinan cambios a

través del tiempo en subpoblaciones o grupos específicos. Su atención son las
“cohorts” o grupos de individuos vinculados de alguna manera —generalmente la
edad, grupos por edad— (Glena, 1977). Un ejemplo de estos grupos (“cohoris”)
sería el formado por las personas que nacieron en 1930 en Brasil, pero también
podría utilizarse otro criterio de agrupamiento temporal como: las personas
que se unieron en matrimonio durante 1986 y 1987 en Costa Rica o los niños de
la Ciudad de México que asistían a instrucción primaria durante el terremoto
que ocurrió en 1985. Los diseños de los que estamos hablando hacen
seguimiento de estos grupos a través del tiempo. Usualmente en estos diseños
se extrae una muestra cada vez que se mide al grupo o subpoblación más que
incluir a toda la subpoblación.

EJEMPLO

Una investigación nacional sobre las actitudes hacia la dictadura militar de los
chilenos nacidos en 1973, digamos cada cinco años, comenzando a partir de
1985. En este año se obtendría una muestra de chilenos de 12 años de edad y
se medirían las actitudes. En 1990, se obtendría una muestra de chilenos de 17
años y se medirían las actitudes. En 1995, se obtendría una muestra de
chilenos de 22 años y en el año 2 000 una muestra de chilenos de 27 años, y así
sucesivamente. Así, se analiza la evolución o cambios de las actitudes mencio-
nadas. Desde luego, aunque el conjunto específico de personas estudiadas en
cada tiempo o medición pueda ser diferente, cada muestra representa a los
sobrevivientes del grupo de chilenos nacidos en 1973.

DIFERENCIA ENTRE DISEÑOS DE TENDENCIA Y DE EVOLUCIÓN DE

GRUPO

Su diferencia con los diseños de tendencia puede verse en el siguiente ejemplo

tomado de Wiersma (1986, p. 208).

EJEMPLO

Un investigador está interesado en estudiar las actitudes de los maestros

respecto a las asociaciones de profesionales en la Región “A”. Las actitudes son
medidas cada tres años durante un periodo de 15 años. En cada momento que
se hace la medición, se seleccione de la población de maestros existente en ese
momento, una muestra de ellos. La membresía de la población puede cambiar a
través del tiempo al menos parcialmente (algunos pueden dejar de ser
maestros o ingresar nuevos maestros), pero en cualquier momento o tiempo la
población es la misma: los maestros de la Región ‘A” (llamada población general).
Éste sería un ejemplo de un diseño de tendencia.
Si el investigador estuviera interesado en estudiar las actitudes hacia los
sindicatos de profesionales por parte de los maestros que se iniciaron como
tales en 1986, en la Región “A”, el estudio involucraría el análisis de una
subpoblación o grupo específico. Tres años después, la siguiente muestra se
obtendría de lo que queda de esa subpoblación, la cual —en 1989— estará
constituida por maestros con tres anos de experiencia. Desde luego, algunos de
los maestros que se iniciaron como tales en 1986 habrán dejado la docencia, y
el estudio incluirá sólo las actitudes del grupo o subpoblación de maestros que
comenzaron a serlo en dicho año y en 1989 continúan en el magisterio (de toda
la población de maestros se estudia a una subpoblación). Éste sería un ejemplo
de diseño de evolución de grupo o cohort.

En algunas poblaciones que se modifican con relativa facilidad, los miembros

actuales de la población pueden cambiar totalmente a través del tiempo
(Wiersma, 1986). Por ejemplo, si se llevara a cabo una investigación sobre las
opiniones políticas de estudiantes graduados en economía cada cinco años,
habría un elevado porcentaje de cambio en los integrantes actuales de esa
subpoblación. Aunque la subpoblación seguiría siendo siempre la misma: los
graduados en Economía de tal escuela(s). Es decir, los nombres de muchas
personas cambiarían, la subpoblación no.

ESQUEMA DE LOS DISEÑOS DE EVOLUCIÓN DE GRUPO

Los diseños de evolución de grupo podrían esquematizarse de la siguiente

manera:
En los diseños de tendencia y de evolución de grupo se estudia el cambio en
subpoblaciones o poblaciones pero debido a que en cada momento o tiempo se
mide una muestra diferente aunque equivalente, el cambio se evalúa
colectivamente y no de manera individual (porque las personas pueden cambiar).
Si hay cambios, el investigador no puede determinar específicamente qué
individuos provocan los cambios. En ambos tipos de diseños tal situación podría
graficarse así:

Es decir, algunos o todos los sujetos pueden cambiar, pero la población o

subpoblación es la misma.

DISEÑOS LONGITUDINALES PANEL

Los diseños panel son similares a las dos clases de diseños vistas
anteriormente, sólo que el mismo grupo específico de sujetos es medido en
todos los tiempos o momentos.
Un ejemplo lo sería una investigación que observara anualmente los cambios en
las actitudes de un grupo de ejecutivos en relación a un programa para elevar
la productividad, digamos durante cinco años. Cada año se observaría la actitud
de los mismos ejecutivos. Es decir, los individuos y no sólo la población o
subpoblación, son los mismos. Otro ejemplo, sería el observar mensualmente
(durante un año) a un grupo que acudió a psicoterapia para analizar si se
incrementan sus expresiones verbales de discusión y exploración de planes
futuros, y si disminuyen sus expresiones de discusión y exploración de hechos
pasados (en cada observación los pacientes serían las mismas personas). Esto
podría expresarse gráficamente asi:

En los diseños panel se tiene la ventaja de que además de conocer los cambios
grupales, se conocen los cambios individuales. Se sabe qué casos específicos
introducen el cambio. La desventaja es que a veces resulta muy difícil obtener
exactamente a los mismos sujetos para una segunda medición u observaciones
subsecuentes. Este tipo de diseños puede estudiar poblaciones o grupos más
específicos y es conveniente cuando se tiene poblaciones relativamente
estáticas. Por otra parte, deben verse con cuidado los efectos que una
medición pueda tener sobre mediciones posteriores (recuérdese el efecto de
administración de la prueba vista como fuente de invalidación interna en
experimentos y cuasiexperimentos, sólo que aplicada al contexto no
experimental). Los diseños panel podrían esquematizarse de la siguiente forma:
Los diseños longitudinales se fundamentan en hipótesis de diferencia de
grupos, correlacionales y causales

Los diseños longitudinales recolectan datos sobre variables —o

sus relaciones— en dos o más momentos, para evaluar el cambio en
éstas. Ya sea tomando a una población (diseños de tendencia o
trends) a una subpoblación (diseños de análisis evolutivo de un
grupo o “cohort”) o a los mismos sujetos (diseños panel).

Comparación de los diseños transeccionales y longitudinales

Los estudios longitudinales tienen la ventaja de que proporcionan información

sobre cómo las variables y sus relaciones evolucionan a través del tiempo. Sin
embargo, suelen ser más costosos que los transeccionales. La elección de un
tipo de diseño u otro, depende más bien del propósito de la investigación.
Asimismo pueden combinarse ambos enfoques, por ejemplo: Un investigador
puede analizar en un momento dado la productividad en grandes, medianas y
pequeñas empresas; y ver cómo se modifica (o no se modifica) la productividad
de las grandes empresas a los seis meses, al año y a los dos años.

¿CUÁLES SON LAS CARACTERÍSTICAS DE LA INVESTIGACIÓN NO

EXPERIMENTAL EN COMPARACIÓN CON LA INVESTIGACIÓN

EXPERIMENTAL?

Tal como se mencionó al inicio del capítulo sobre experimentos, tanto la

investigación experimental como la no experimental son herramientas muy
valiosas de que dispone la ciencia y ningún tipo es mejor que el otro. El diseño a
seleccionar en una investigación depende más bien del problema a resolver y el
contexto que rodea al estudio. Desde luego, ambos tipos de investigación
poseen características propias que es necesario resaltar.

El control sobre las variables es más riguroso en los experimentos que en los
diseños cuasiexperimentales y a su vez, ambos tipos de investigación tienen
mayor control que los diseños no experimentales. En un experimento se
analizan relaciones “puras” entre las variables de interés, sin contaminación de
otras variables, y por ello podemos establecer relaciones causales con mayor
precisión. Por ejemplo, en un experimento sobre el aprendizaje podemos variar
el estilo de liderazgo del profesor, el método de enseñanza y otros factores.
Así, podemos saber cuanto afectó cada variable. En cambio, en la investigación
no experimental, resulta mas complejo separar los efectos de las múltiples
variables que intervienen (en un estudio no experimental sobre los daños que
provoca el tabaquismo, sería más difícil saber qué tanto contribuyó el tipo de
papel en el que se envolvió el tabaco, qué tanto cada sustancia que compone la
mezcla, el número de cigarrillos fumados, el grado hasta donde el fumador se
acaba cada cigarrillo, etcétera). En la investigación experimental las variables
pueden manipularse por separado o conjuntamente con otras para conocer sus
efectos, en la investigación no experimental no podemos hacerlo.

Por lo que respecta a la posibilidad de réplica, los diseños experimentales y

cuasiexperimentales se pueden replicar más fácilmente, con o sin variaciones.
Pueden replicarse en cualquier lugar siguiendo el mismo procedimiento.

Ahora bien, como menciona Kerlinger (1979), en los experimentos —sobre todo
en los de laboratorio— las variables independientes pocas veces tienen tanta
fuerza como en la realidad. Es decir, en el laboratorio dichas variables no
muestran la magnitud real de sus efectos, la cual suele ser mayor fuera del
laboratorio. Por lo tanto, si se encuentra un efecto en el laboratorio, éste
tenderá a ser mayor en la realidad.

En cambio, en la investigación no experimental estamos más cerca de las

variables hipotetizadas como ‘reales” y —consecuentemente— tenemos mayor
validez externa (posibilidad de generalizar los resultados a otros individuos y
situaciones cotidianas).

Una desventaja de los experimentos es que normalmente seleccionan un

número de personas poco o medianamente representativo respecto a las
poblaciones que estudian. La mayoría de los experimentos utilizan muestras no
mayores de 200 personas, lo que dificulta la generalización de resultados a
poblaciones más amplias. Por tal razón los resultados de un experimento deben
observarse con precaución y es a través de la réplica de éste —en distintos
contextos y con diferentes tipos de personas— como van generalizándose
dichos resultados.

En resumen, ambas clases de investigación —experimental y no experimental—

se utilizan para el avance del conocimiento y en ocasiones resulta más
apropiado un tipo u otro dependiendo del problema de investigación a que nos
enfrentemos.

¿QUÉ RELACIÓN EXISTE ENTRE EL TIPO DE ESTUDIO, LAS HIPÓTESIS

Y EL DISEÑO DE INVESTIGACIÓN?

Anteriormente se comentó que el planteamiento del problema y el marco

teórico nos indican si nuestro estudio o investigación se iniciaría con fines
básicamente exploratorios, descriptivos, correlacionales o explicativos.
Asimismo, el tipo de estudio nos lleva a la formulación de cierta clase de
hipótesis y éstas a la selección de determinado diseño de investigación. En la
tabla 7.1 se muestra esquemáticamente esta correspondencia.

Algunos problemas de investigación pueden ser abordados experimentalmente

o no experimentalmente. Por ejemplo, si deseáramos analizar la relación entre
la motivación y la productividad en los trabajadores de cierta empresa,
podríamos seleccionar un conjunto de éstos y dividirlos al azar en cuatro
grupos: un primero donde se propicie una elevada motivación, un segundo con
mediana motivación, un tercero con baja motivación y un cuarto al que no se le
administre ningún motivador. Después compararíamos a los grupos en cuanto a
su productividad. Tendríamos un experimento. Si se tratara de grupos intactos
tendríamos un cuasiexperimento. En cambio, si midiéramos la motivación
existente en los trabajadores así como su productividad y relacionáramos
ambas variables, estaríamos realizando una investigación transeccional
correlacional. Y si cada seis meses midiéramos las dos variables y
estableciéramos su correlación efectuaríamos un estudio longitudinal.

CORRESPONDENCIA ENTRE TIPOS DE ESTUDIO,

HIPÓTESIS Y
DISEÑO DE INVESTIGACIÓN

Estudio Hipótesis Diseño

Exploratorio — No se — Transeccional
establecen, lo que descriptivo
se puede formular — Preexperimental
son conjeturas
iniciales

Descriptivo — Descriptiva — Preexperimental

 — Transeccional
descriptivo

Correlacional — Diferencia de —
grupos sin atribuir Cuasiexperimental
causalidad
— Transeccional
correlacional.
— Longitudinal (no
experimental).

— Correlacional —
Cuasiexperimental.
— Transeccional
correlacional.
— Longitudinal (no
experimental).

Explicativo — Diferencia de — Experimental.

grupos atribuyendo —
causalidad Cuasiexperimental,
longitudinal y
transeccional
causal (cuando hay
bases para inferir
causalidad, un
mínimo de control
y análisis
estadísticos
apropiados para
analizar
relaciones
causales).

— Causales — Experimental.
—
 Cuasiexperimental,
longitudinal y
transeccional
causal (cuando hay
bases para inferir
causalidad, un
mínimo de control y
análisis
estadísticos
apropiados para
analizar relaciones
causa les).

RESUMEN

1. La investigación no experimental es la que se realiza sin manipular

deliberadamente las variables independientes, se basa en variables que
ya ocurrieron o se dieron en la realidad sin la intervención directa del
investigador. Es un enfoque retrospectivo.

2. La investigación no experimental es conocida también como investigación

expost-facto (los hechos y variables ya ocurrieron) y observa variables y
relaciones entre éstas en su contexto natural.

3. Los diseños no experimentales se dividen de la siguiente manera:

 4. Los diseños transeccionales realizan observaciones en un momento único

en el tiempo. Cuando miden variables de manera individual y reportan esas

mediciones son descriptivos. Cuando describen relaciones entre variables

son correlacionales y si establecen procesos de causalidad entre variables

son correlacionales/causales.

5. Los diseños longitudinales realizan observaciones en dos o más momentos

o puntos en el tiempo. Si estudian a una población son diseños de ten-
dencia, si analizan a una subpoblación o grupo específico son diseños de
análisis evolutivo de grupo y si estudian a los mismos sujetos son diseños
panel.

6. La investigación no experimental posee un control menos riguroso que la

experimental y en aquélla es más complicado inferir relaciones causales.
Pero la investigación no experimental es más natural y cercana a la
realidad cotidiana.

7. El tipo de diseño a elegir se encuentra condicionado por el problema a

investigar, el contexto que rodea a la investigación, el tipo de estudio a
efectuar y las hipótesis formuladas.
CONCEPTOS

BÁSICOS

Investigación no experimental

Investigación expost-facto

Diseños transeccionales

Diseño transeccional descriptivo

Diseño transeccional correlacuonal/explicativo

Diseños longitudinales

Diseño longitudinal de tendencia (trend)

Diseño longitudinal de análisis evolutivo de grupo o evolución de

grupo <cohort)

Diseño longitudinal panel

Observación en ambiente natural

Tipo de estudio y diseño

Tipo de hipótesis y diseño

EL MUESTREO

Cuando un investigador realiza en ciencias sociales un experimento, una

encuesta o cualquier tipo de estudio, trata de obtener conclusiones generales
acerca de una población determinada. Para el estudio de ese grupo, tomará un
sector, al que se conoce como muestra.

 Las poblaciones que el investigador puede estudiar son muy diversas, pero
generalmente se relacionan con personas. Por ejemplo, puede estudiar la
opinión de las amas de casa con respecto a ciertos métodos de planificación
familiar, la edad promedio de los alumnos de una escuela, el coeficiente
intelectual promedio de los universitarios, etc.

 Desde luego, es de fundamental importancia que se empiece el estudio

definiendo la población que se va a estudiar. Las poblaciones suelen ser muy
numerosas, por lo que es difícil estudiar a todos sus miembros; además de que
esto no es posible, no es necesario. Es como si quisiéramos estudiar la
composición química del agua de un río y para ello tratáramos de analizar todo
el líquido que corre por su cauce, cuando solamente necesitamos algunas
muestras para realizar ese estudio y para llegar a conclusiones generalizables
con respecto a la composición química del agua a todo el río.

En ciencias sociales, las muestras no se obtienen tan fácilmente, puesto que los
eventos se relacionan siempre con personas, las cuales son mucho menos
estables en cuanto a sus pautas de actividades, valores, actitudes y conductas
que algunos de los fenómenos que se estudian en las ciencias naturales.

El momento metodológico de la investigación está constituido por la definición

y especificación del diseño que se va a utilizar y por la tarea de
operacionalización de variables (convertir en operativos, en manejables, a los
diversos elementos que intervienen en el problema que se va a investigar).

La operacionalización se refiere de dos tipos de elementos:

 El universo, en tanto conjunto de unidades o fuentes de datos que es

preciso reducir a proporciones manejables para poderlo explorar.
 Las variables, en tanto conceptos abstractos a los que es preciso dar
contenido concreto para poder efectuar sobre ellos las mediciones
correspondientes.
La operacionalización del universo es la tarea de encontrar una forma de
obtener información relevante sin necesidad de acudir a la medición de todo el
universo posible de datos. Es el aspecto cuantitativo de la operacionalización y,
para resolverlo, tendremos que apelar a la estadística, mediante técnicas de
muestreo. La operacionalización de las variables, de naturaleza cualitativa,
tiene por objeto encontrar los indicadores a través de los cuales se expresa
concretamente el comportamiento de las mismas.
 
La relación que existe entre la operacionalización y el tipo de diseño se origina
en que, de acuerdo con el método general que se va a utilizar (o sea, el diseño),
se requerirá de uno u otro tipo de datos, operacionalizar de cierta manera o de
otra. Inversamente, de acuerdo con las posibilidades concretas de
operacionalizar en uno u otro sentido las variables y el universo considerado,
será más o menos adecuado un cierto tipo de diseño. Por esta razón, ambas
tareas deben encararse simultáneamente.
 
 
Datos y unidades.
 
Un dato es cada uno de los elementos de información que se recoge durante el
desarrollo de una investigación y en base a los cuales, convenientemente
sintetizados, podrán extraerse conclusiones en relación con el problema inicial
planteado.
 
Cualquier información, por más pequeña y fragmentaria que sea, puede
considerarse como un dato, siempre y cuando pueda colaborar de algún modo a
esclarecer los problemas que nos planteamos en un estudio. Saber, por ejemplo,
que la persona N opina que las pruebas nucleares deben ser proscritas, es un
dato. Esa información, por sí sola, carece prácticamente de valor, pues poco
nos dice de las reacciones que despiertan las pruebas de armas atómicas en la
gente. Pero el valor del dato reside no en su alcance individual, en lo que nos
expresa por sí mismo, sino en su posibilidad de ser integrado en conjuntos
mayores. Cuando agrupamos muchas informaciones de carácter similar, cada
dato se hace valioso dentro de una perspectiva más amplia. Así, en nuestro
ejemplo, si consultamos la opinión de muchas personas, podemos llegar a
enunciar que un determinado tanto por ciento de ellas están en contra de los
ensayos nucleares e integrar esa información, a su vez, en un estudio sobre las
opiniones de determinado conglomerado social.
 
Las fuentes de datos pueden ser personas, situaciones o hechos que se
observan directamente, o materiales bibliográficos de diversa naturaleza. Las
llamamos unidades de datos y, a su conjunto, a la suma de todas las unidades,
se le da el nombre de universo o población. Podríamos decir que una población o
universo es, entonces, el conjunto de todas las cosas que concuerdan con una
determinada serie de especificaciones. En general, toda investigación puede
considerarse como una búsqueda de los datos apropiados que permitan resolver
ciertos problemas de conocimiento. Estos datos son obtenidos a través de un
conjunto de unidades que constituyen el universo relevante para la
investigación.
 
Existen universos que resultan demasiado amplios para el investigador, pues
éste no tienen ni el tiempo ni los recursos para abordar el estudio de cada una
de las unidades que lo componen (el conjunto de ciudadanos de un país, la flora
de una región o las innumerables galaxias). Para resolver este inconveniente, se
acude a la operacionalización del universo mediante la extracción de muestras.
 
 
Universo y muestra.
 
Una muestra es un conjunto de unidades, una porción del total, que nos
representa la conducta del universo en su conjunto.
 
Una muestra, en un sentido amplio, no es más que eso, una parte del todo que
llamamos universo y que sirve para representarlo.
 
Sin embargo, no todas las muestras resultan útiles para llevar a cabo un
trabajo de investigación. Lo que se busca al emplear una muestra es que,
observando una porción relativamente reducida de unidades, se obtengan
conclusiones semejantes a las que lograríamos si estudiáramos el universo
total. Cuando una muestra cumple con esta condición, es decir, cuando nos
refleja en sus unidades lo que ocurre en el universo, la llamamos muestra
representativa. Por lo tanto, una muestra representativa contiene las
características relevantes de la población en las mismas proporciones en que
están incluidas en tal población. Sus conclusiones son susceptibles de ser
generalizadas al conjunto del universo, aunque para ello debamos añadir un
cierto margen de error en nuestras proyecciones.
 
Las muestras pueden ser clasificadas, en una primera división en
probabilísticas y no probabilísticas.
 
En las muestras probabilísticas, la característica fundamental es que todo
elemento del universo tiene una determinada probabilidad de integrar la
muestra, y esa probabilidad puede ser calculada matemáticamente con
precisión. En las muestras no probabilísticas ocurre lo contrario y el
investigador no tiene idea del error que puede estar introduciendo en sus
apreciaciones.
 
Las muestras no probabilísticas más usadas son:
 

 Muestra accidental. Es aquella que se obtiene sin ningún plan

preconcebido; las unidades elegidas resultan producto de circunstancias
fortuitas. Si entrevistamos a los primeros 50 transeúntes que pasan por
cierta calle o medimos la profundidad del mar a lo largo de un trayecto
entre dos puntos cualesquiera, estaremos en presencia de una muestra
accidental; los datos obtenidos podrán o no representar al universo en
estudio. El investigador no puede saber hasta qué punto sus resultados
podrán proyectarse, con confiabilidad, hacia el conjunto más amplio que
desea conocer.
 Muestra por cuotas. Consiste en predeterminar la cantidad de
elementos de cada categoría que habrán de integrar la muestra. Así
podemos asignar una cuota de 50 hombres y 50 mujeres a una muestra
de 100 individuos, asumiendo que ésa es la distribución de la población
total. Por más que esa presunción llegue a ser válida, no deja de existir
cierta arbitrariedad en este modo de proceder, por lo que la rigurosidad
estadística de las muestras por cuotas se reduce considerablemente.
 Muestra intencional. Las unidades se eligen en forma arbitraria,
designando a cada unidad según características que para el investigador
resulten de relevancia. Se emplea, por lo tanto, el conocimiento y la
opinión personal para identificar aquellos elementos que deben ser
incluidos en la muestra. Se basa, primordialmente, en la experiencia de
alguien con la población. Estas muestras son muy útiles y se emplean
frecuentemente en los estudios de caso, por más que la posibilidad de
generalizar conclusiones a partir de ellas, sea en rigor nula. En algunas
 oportunidades se usan como guía o muestra tentativa para decidir cómo
tomar una muestra aleatoria más adelante.

 
 
 
Muestras aleatorias.
 
Como dijimos, en ellas cada uno de los elementos del universo tiene una
probabilidad determinada y conocida de ser seleccionado. Los procedimientos
más usuales para la obtención de muestras aleatorias son:
 

 Azar simple. Este procedimiento se inicia confeccionando una lista de

todas las unidades que configuran el universo, numerando
correlativamente cada una de ellas. Luego, mediante cualquier sistema
(tabla de números al azar, programas de computación), se van sorteando
al azar estos números hasta completar el total de unidades que
deseamos que entren en la muestra. De este modo, la probabilidad que
cada elemento tienen de aparecer en la muestra es exactamente la
misma. Si cada uno de los elementos que integran la población no tiene la
misma posibilidad de ser elegido, se habla entonces de una muestra
viciada. Este método nos garantiza una selección completamente
aleatoria, pero resulta muy lento y costoso, pues nos obliga a elaborar
listas completas de todas las unidades de interés, lo que a veces es
sencillamente imposible. Por este motivo, sólo se emplea cuando los
universos son relativamente pequeños. Este método no será adecuado si,
por ejemplo, queremos sacar una muestra de todas las personas
analfabetas que existen en un país. En cambio, si nuestra intención es
extraer una muestra del universo de todos los alumnos que ingresan a
una universidad en un determinado año, resultará muy adecuado.
 Azar sistemático. También se requiere de un listado completo de las
unidades que integran el universo en estudio. Luego se efectúan las
siguientes operaciones:

1. Se calcula la constante K, que resulta de dividir el número total de

unidades que componen el universo por el número de unidades que habrán
de integrar la muestra:
 K = N/n

Donde:

N = número total de unidades que componen e universo.

n = número total de unidades que integrarán la muestra.

2. Se efectúa un sorteo para elegir un número que sea inferior o igual al

valor de K. Como primera unidad para integrar la muestra se elige aquella
que, en la lista general, posea idéntico número de orden al sorteado. Si
designamos con A este primer valor, la segunda unidad elegida será la
que lleve el número A + K, la tercera corresponderá a A + 2K y así
sucesivamente hasta llegar a A + (n – 1)K.

Supongamos un universo constituido por 2.800 elementos, del que

deseamos obtener una muestra de 70 casos. Tenemos entonces:

N = 2.800

n = 70

K = 2.800 / 70 = 40

Ahora, mediante cualquier procedimiento, buscamos al azar un

número entero cuyo valor figure entre los límites de 1 y 40. En
este caso, el número elegido es el 32. Entonces, las unidades que
pasarán a formar parte de la muestra serán las que lleven los
siguientes números de orden:

 
1° unidad   32

2° unidad 32 + 40 72

3° unidad 32 + 80 112

....    

70° unidad 32 + 2760 2.792

 Las ventajas y desventajas de este procedimiento son casi
idénticas a la de las muestras al azar simple. Los procedimientos
computacionales hacen mucho más fácil efectuar el sorteo de las
unidades y no existe el riesgo de que la muestra quede sesgada
por algún tipo de regularidad que no conocemos y que esté
presente en el universo.

 Muestras por conglomerados. Esta técnica tiene utilidad cuando el

universo que se requiere estudiar admite ser subdividido en universos
menores de características similares a las del universo total. Se procede
a subdividir el universo en un número finito de conglomerados y, entre
ellos, se pasa a elegir algunos que serán los únicos que se investigarán;
esta elección puede realizarse por el método del azar simple o por el del
azar sistemático. Una vez cumplida esta etapa, puede efectuarse una
segunda selección, dentro de cada uno de los conglomerados elegidos,
para llegar a un número aún más reducido de unidades muestrales. La
ventaja de esta técnica es que obvia la tarea de confeccionar el listado
de todas las unidades del universo. Su desventaja mayor radica en que,
al efectuarse el muestreo en dos etapas, los errores muestrales de cada
una se van acumulando, lo que da un error mayor que para los métodos
anteriores. La técnica de conglomerados suele utilizarse cuando
queremos extraer muestras de los habitantes de un conjunto geográfico
amplio, por ejemplo, una gran ciudad o un conjunto de pueblos, por lo que
se procede a tomar cada pueblo o grupo de manzanas como un
conglomerado independiente; del mismo modo, se la utiliza para conocer
las reservas forestales y marinas, para estudiar las estrellas y otros
casos semejantes.
 Muestras estratificadas. Este método supone que el universo puede
desagregarse en sub – conjuntos menores, homogéneos internamente
pero heterogéneos entre sí. Cada uno de estos estratos se toma luego
como un universo particular, de tamaño más reducido, y sobre él se
seleccionan muestras según cualquiera de los procedimientos anteriores.
Por ejemplo, si quisiéramos estudiar las actitudes políticas de los
estudiantes de una universidad, podríamos subdividir en estratos de
acuerdo con el tipo de estudios que cursen, suponiendo que estas
actitudes van a ser diferentes entre quienes siguen Ingeniería, Letras,
Medicina u otras carreras. Luego, efectuaríamos un muestreo dentro de
 cada sub – universo así definido para, finalmente, realizar un análisis
integrando los resultados de todas las sub – muestras.

 
 
Tanto en el muestreo estratificado como en el de conglomerados, la población
se divide en grupos bien definidos. Usamos el muestreo estratificado cuando
hay una amplia variación entre los grupos. Usamos el muestreo por
conglomerados en el caso opuesto: cuando hay una variación considerable
dentro de cada grupo, pero los grupos son esencialmente similares entre sí.
 
 
Tamaño de la muestra y error muestral.
 
Recordemos que la muestra descansa en el principio de que las partes
representan al todo y, por tal, refleja las características que definen a la
población de la cual fue extraída, lo cual nos indica que es representativa. Es
decir, que para hacer una generalización exacta de una población, es necesario
tomar una muestra representativa. Por lo tanto, la validez de la generalización
depende de la validez y tamaño de la muestra.
 
Cuando trabajamos con muestras, generalmente se presentan dos tipos de
errores:
 

 Error sistemático. Llamado de distorsión o sesgo de la muestra, se

presentan por causas ajenas a la muestra:

 Situaciones inadecuadas: se presentan, por ejemplo, cuando el

encuestador tiene dificultades para obtener la información y la
sustituye por la que más fácilmente está a su alcance, que no siempre es
la más confiable.
 Insuficiencia en la recolección de datos: hay distorsión por falta de
respuestas, o respuestas inadecuadas, ya sea por ignorancia o falta de
datos relativos a los elementos incluidos. Distorsiones del encuestador
causadas por prejuicios, interés personal o por fallas en la aplicación de
instrumentos.
 Errores de cobertura a causa de que no se han incluido elementos
importantes y significativos para la investigación que se realiza.
  Error de muestreo o muestral. Cualquiera sea el procedimiento
utilizado y la perfección del método empleado, la muestra diferirá de la
población. A esta diferencia se la denomina error de muestreo.

Cuando una muestra es aleatoria o probabilística, es posible

calcular sobre ella el error muestral. Este error indica el
porcentaje de incertidumbre, es decir, el riesgo que se corre de
que la muestra elegida no sea representativa. Si trabajamos con
un error calculado en 5%, ello significa que existe un 95% de
probabilidades de que el conjunto muestral represente
adecuadamente al universo del cual ha sido extraído.

A medida que incrementamos el tamaño de la muestra, el error

muestral tiende a reducirse, pues la muestra va acercándose más
al tamaño del universo. Del mismo modo, para una muestra
determinada, su error será menor cuanto más pequeño sea el
universo a partir del cual se la ha seleccionado. Así, para un
universo de 10.000 casos, una muestra de 200 unidades tendrá un
error mayor que una de 300; una muestra de 200 casos, por otra
parte, tendrá un error mayor si el universo tiene 10.000 unidades
que si éste posee solamente 2.000.

Para fijar el tamaño de la muestra adecuado a cada investigación, es preciso

primero determinar el porcentaje de error que estamos dispuestos a admitir.
Una vez hecho esto, deberán realizarse las operaciones estadísticas
correspondientes para poder calcular el tamaño de la muestra que nos permite
situarnos dentro del margen de error aceptado.
 
A veces, sin embargo, el tamaño de la muestra queda determinado previamente
por consideraciones prácticas; en tales casos, no hay otra alternativa que
aceptar el nivel de error que su magnitud acarree.
 
 
Bibliografía:
Sabino, Carlos A. EL PROCESO DE INVESTIGACIÓN. Argentina (1996). Ed.
Lumen - Humanitas.
 
POBLACIÓN Y MUESTRA

   Una población está determinada por sus características definitorias. Por lo

tanto, el conjunto de elementos que posea esta característica se denomina
población o universo. Población es la totalidad del fenómeno a estudiar, donde
las unidades de población poseen una característica común, la que se estudia y
da origen a los datos de la investigación.

    Entonces, una población es el conjunto de todas las cosas que concuerdan
con una serie determinada de especificaciones. Un censo, por ejemplo, es el
recuento de todos los elementos de una población.

    Cuando seleccionamos algunos elementos con la intención de averiguar algo

sobre una población determinada, nos referimos a este grupo de elementos
como muestra. Por supuesto, esperamos que lo que averiguamos en la muestra
sea cierto para la población en su conjunto. La exactitud de la información
recolectada depende en gran manera de la forma en que fue seleccionada la
muestra.

    Cuando no es posible medir cada uno de los individuos de una población, se
toma una muestra representativa de la misma.

    La muestra descansa en el principio de que las partes representan al todo y,

por tal, refleja las características que definen la población de la que fue
extraída, lo cual nos indica que es representativa. Por lo tanto, la validez de la
generalización depende de la validez y tamaño de la muestra.

Leyes del método de muestreo.

   El método de muestreo se basa en ciertas leyes que le otorgan su

fundamento científico, las cuales son:

 Ley de los grandes números: si en una prueba, la probabilidad de un

acontecimiento o suceso es P, y si éste se repite una gran cantidad de
veces, la relación entre las veces que se produce el suceso y la cantidad
total de pruebas (es decir, la frecuencia F del suceso) tiende a
acercarse cada vez más a la probabilidad P.

 Cálculo de probabilidades: La probabilidad de un hecho o suceso es la

relación entre el número de casos favorables (p) a este hecho con la
 cantidad de casos posibles, suponiendo que todos los casos son
igualmente posibles. El método de establecer la probabilidad es lo que se
denomina cálculo de probabilidad.

    De estas dos leyes fundamentales de la estadística, se infieren aquellas que

sirven de base más directamente al método de muestreo:

 Ley de la regularidad estadística: un conjunto de n unidades tomadas al

azar de un conjunto N, es casi seguro que tenga las características del
grupo más grande.

 Ley de la inercia de los grandes números: esta ley es contraria a la

anterior. Se refiere al hecho de que en la mayoría de los fenómenos,
cuando una parte varía en una dirección, es probable que una parte igual
del mismo grupo, varíe en dirección opuesta.

 Ley de la permanencia de los números pequeños: si una muestra

suficientemente grande es representativa de la población, una segunda
muestra de igual magnitud deberá ser semejante a la primera; y, si en la
primera muestra se encuentran pocos individuos con características
raras, es de esperar encontrar igual proporción en la segunda muestra.

Tipos de muestras.
Muestreo aleatorio simple: la forma más común de obtener una muestra es la
selección al azar. es decir, cada uno de los individuos de una población tiene la
misma posibilidad de ser elegido. Si no se cumple este requisito, se dice que la
muestra es viciada. Para tener la seguridad de que la muestra aleatoria no es
viciada, debe emplearse para su constitución una tabla de números aleatorios.
Muestreo estratificado: una muestra es estratificada cuando los elementos de
la muestra son proporcionales a su presencia en la población. La presencia de un
elemento en un estrato excluye su presencia en otro. Para este tipo de
muestreo, se divide a la población en varios grupos o estratos con el fin de dar
representatividad a los distintos factores que integran el universo de estudio.
Para la selección de los elementos o unidades representantes, se utiliza el
método de muestreo aleatorio.
Muestreo por cuotas: se divide a la población en estratos o categorías, y se
asigna una cuota para las diferentes categorías y, a juicio del investigador, se
selecciona las unidades de muestreo. La muestra debe ser proporcional a la
población, y en ella deberán tenerse en cuenta las diferentes categorías. El
muestreo por cuotas se presta a distorsiones, al quedar a criterio del
investigador la selección de las categorías.
Muestreo intencionado: también recibe el nombre de sesgado. El investigador
selecciona los elementos que a su juicio son representativos, lo que exige un
conocimiento previo de la población que se investiga.
Muestreo mixto: se combinan diversos tipos de muestreo. Por ejemplo: se
puede seleccionar las unidades de la muestra en forma aleatoria y después
aplicar el muestreo por cuotas.
Muestreo tipo: la muestra tipo (master simple) es una aplicación combinada y
especial de los tipos de muestra existentes. Consiste en seleccionar una
muestra "para ser usada" al disponer de tiempo, la muestra se establece
empleando procedimientos sofisticados; y una vez establecida, constituirá el
módulo general del cual se extraerá la muestra definitiva conforme a la
necesidad específica de cada investigación.
Bibliografía: EL PROCESO DE LA INVESTIGACIÓN CIENTÍFICA, Mario
Tamayo y Tamayo, 1998.