Mixed Methods Sampling A Typology With Examples - En.es

Revista de investigación de métodos mixtos
http://mmr.sagepub.com
Muestreo de métodos mixtos: una tipología con ejemplos

Charles Teddlie y Fen Yu
Revista de investigación de métodos mixtos 2007; 1; 77
DOI: 10.1177 / 2345678906292430
La versión en línea de este artículo se puede encontrar en:

http://mmr.sagepub.com/cgi/content/abstract/1/1/77
Publicado por:
http://www.sagepublications.com
Información y servicios adicionales para Revista de investigación de métodos mixtos se puede encontrar en:
Alertas de correo electrónico: http://mmr.sagepub.com/cgi/alerts
Suscripciones: http://mmr.sagepub.com/subscriptions
Reimpresiones: http://www.sagepub.com/journalsReprints.nav
Permisos: http://www.sagepub.com/journalsPermissions.nav
Citas http://mmr.sagepub.com/cgi/content/refs/1/1/77
Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Diario de mixto
Investigación de métodos
Volumen 1 Número 1 de
enero de 2007 77-100
Muestreo de métodos mixtos

Publicaciones Sage 2007
10.1177 / 2345678906292430
http://jmmr.sagepub.com
alojado en
Una tipología con ejemplos http://online.sagepub.com
Charles Teddlie
Fen Yu
Universidad Estatal de Luisiana, Baton Rouge
Este artículo presenta una discusión de las técnicas de muestreo de métodos mixtos (MM). El muestreo de MM implica la
combinación de técnicas cualitativas y cuantitativas bien establecidas en formas creativas para responder las preguntas de
investigación planteadas por los diseños de investigación de MM. Se presentan varios temas relacionados con el muestreo MM,
incluidas las diferencias entre el muestreo probabilístico y intencional y el continuo de muestreo probabilístico-mixto-intencional.
Se introducen cuatro prototipos de muestreo MM: estrategias básicas de muestreo MM, muestreo MM secuencial, muestreo MM
concurrente y muestreo MM multinivel. Se dan ejemplos de cada una de estas técnicas como ilustraciones de cómo los
investigadores generan realmente muestras de MM. Finalmente, se presentan ocho pautas para el muestreo de MM.
Palabras clave: muestreo de métodos mixtos; investigación de métodos mixtos; muestreo de métodos mixtos multinivel; compensación de
representatividad / saturación
Taxonomía de las estrategias de muestreo en las

ciencias sociales y del comportamiento
Aunque los procedimientos de muestreo en las ciencias sociales y del comportamiento a menudo se dividen en dos grupos
(probabilidad, intencional), en realidad hay cuatro categorías amplias, como se ilustra en la Figura 1. El muestreo probabilístico,
intencional y de conveniencia se discute brevemente en las siguientes secciones para proporcionar una antecedentes de las estrategias
de muestreo de métodos mixtos (MM).
Las técnicas de muestreo probabilístico se utilizan principalmente en estudios de orientación cuantitativa e implican ''
seleccionar un número relativamente grande de unidades de una población, o de subgrupos (estratos) específicos de una
población, de manera aleatoria donde la probabilidad de inclusión de cada miembro de la población. población es
determinable '' (Tashakkori & Teddlie, 2003a,
pag. 713). Las muestras probabilísticas tienen como objetivo lograr la representatividad, que es el grado en que la muestra
representa con precisión a toda la población.
Las técnicas de muestreo intencional se utilizan principalmente en estudios cualitativos (CUAL) y pueden definirse como
unidades de selección (por ejemplo, individuos, grupos de individuos, instituciones) basadas en propósitos específicos asociados
con la respuesta a las preguntas de un estudio de investigación. Maxwell (1997) definió además el muestreo intencional como un
tipo de muestreo en el que `` se seleccionan deliberadamente escenarios, personas o eventos particulares por la información
importante que pueden proporcionar y que no se puede obtener también de otras opciones '' (p. 87). ).
Nota del autor: Este artículo se basa parcialmente en un documento presentado en la reunión anual de 2006 de la Asociación Estadounidense de
Investigación Educativa, San Francisco.
77

78 Revista de investigación de métodos mixtos
Figura 1
Taxonomía de técnicas de muestreo para las ciencias sociales y del comportamiento
Muestreo de probabilidad
A. Muestreo aleatorio
B. Muestreo estratificado
C. Muestreo por conglomerados
D. Muestreo mediante técnicas de probabilidad múltiple
II. Muestra deliberada
A. Muestreo para lograr representatividad o comparabilidad

B. Muestreo de casos especiales o únicos
C. Muestreo secuencial
D. Muestreo mediante técnicas de propósito múltiple
III. Muestreo de conveniencia
A. Muestra cautiva
B. Muestra de voluntarios
IV. Muestreo de métodos mixtos
A. Muestreo de métodos básicos mixtos

B. Muestreo secuencial de métodos mixtos
C. Muestreo concurrente de métodos mixtos
D. Muestreo de métodos mixtos multinivel
E. Combinación de estrategias de muestreo de métodos mixtos
El muestreo de conveniencia implica extraer muestras que sean fácilmente accesibles y que estén dispuestas a participar en
un estudio. Dos tipos de muestras de conveniencia son las muestras cautivas y las muestras voluntarias. No discutimos las
muestras de conveniencia en detalle en este artículo, que se enfoca en cómo las muestras probabilísticas y intencionales
pueden usarse para generar muestras de MM.
Las estrategias de muestreo MM implican la selección de unidades. 1 o casos para un estudio de investigación utilizando
tanto muestreo probabilístico (para aumentar la validez externa) como estrategias de muestreo intencional (para aumentar la
transferibilidad). 2 Esta cuarta categoría general de muestreo se ha discutido con poca frecuencia en la literatura de
investigación (p. Ej., Collins, Onwuegbuzie y Jiao, 2006; Kemper, Stringfield y Teddlie, 2003), aunque existen numerosos
ejemplos de ella en todas las ciencias sociales y del comportamiento.
El artículo está dividido en cuatro secciones principales: una descripción de las técnicas de muestreo probabilístico, una
discusión de las técnicas de muestreo intencional, consideraciones generales sobre el muestreo MM y pautas para el
muestreo MM. La tercera sección sobre consideraciones generales sobre el muestreo de MM contiene ejemplos de varias
técnicas, además de ilustraciones de cómo los investigadores generan realmente muestras de MM.
Técnicas tradicionales de muestreo de probabilidad
Introducción al muestreo probabilístico
Hay tres tipos básicos de muestreo probabilístico, más una categoría que involucra múltiples técnicas de
probabilidad:

Teddlie, Yu / Muestreo de métodos mixtos 79
• Muestreo aleatorio: ocurre cuando cada unidad de muestreo en una población claramente definida tiene un
igualdad de posibilidades de ser incluido en la muestra.
• Muestreo estratificado: ocurre cuando el investigador divide la población en subgrupos (o

estratos) de manera que cada unidad pertenece a un solo estrato (por ejemplo, ingresos bajos, ingresos medios,
ingresos altos) y luego selecciona unidades de esos estratos.

• Muestreo por conglomerados: ocurre cuando la unidad de muestreo no es un individuo sino un grupo (conglomerado) que
ocurre naturalmente en la población como barrios, hospitales, escuelas o aulas. Muestreo utilizando técnicas de
• probabilidad múltiple: implica el uso de múltiples métodos cuantitativos.
(QUAN) técnicas en el mismo estudio.
El muestreo probabilístico se basa en distribuciones teóricas subyacentes de observaciones, o distribuciones de

muestreo, la más conocida de las cuales es la curva normal.
Muestreo aleatorio
El muestreo aleatorio es quizás la más conocida de todas las estrategias de muestreo. Una muestra aleatoria simple es aquella
en la que cada unidad (por ejemplo, personas, casos) de la población accesible tiene la misma probabilidad de ser incluida en la
muestra, y la probabilidad de que una unidad sea seleccionada no se ve afectada por la selección de otras unidades de la población
accesible (es decir, las selecciones se realizan de forma independiente). La selección de una muestra aleatoria simple se puede
lograr de varias maneras, incluido el dibujo de nombres o números fuera de una caja o usando un programa de computadora para
generar una muestra usando números aleatorios que comienzan con un número "inicializado" basado en la hora de inicio del
programa.
Muestreo estratificado
Si un investigador está interesado en extraer una muestra aleatoria, normalmente quiere que la muestra sea
representativa de la población en alguna característica de interés (por ejemplo, puntuaciones de rendimiento). La
situación se complica cuando el investigador quiere que varios subgrupos de la muestra también sean
representativos. En tales casos, el investigador utiliza un muestreo aleatorio estratificado, 3 que combina muestreo
estratificado con muestreo aleatorio.
Por ejemplo, suponga que un investigador quería una muestra aleatoria estratificada de hombres y mujeres en una clase de
primer año de la universidad. El investigador primero dividiría a toda la población de la clase universitaria en dos grupos (o
estratos): uno solo hombres y otro solo mujeres. Luego, el investigador seleccionaría de forma independiente una muestra
aleatoria de cada estrato (una muestra aleatoria de hombres, una muestra aleatoria de mujeres).
Muestreo de conglomerados
El tercer tipo de muestreo probabilístico, el muestreo por conglomerados, ocurre cuando el investigador desea generar una
muestra probabilística más eficiente en términos de recursos monetarios y / o de tiempo. En lugar de muestrear unidades
individuales, que pueden estar geográficamente esparcidas a grandes distancias, el investigador toma muestras de grupos
(conglomerados) que ocurren naturalmente en la población, como vecindarios, escuelas u hospitales.

Muestreo mediante técnicas de probabilidad múltiple
Los investigadores a menudo utilizan las tres técnicas básicas de muestreo probabilístico en conjunto para generar
muestras más complejas. Por ejemplo, el muestreo de conglomerados múltiples es una técnica que implica (a) una primera
etapa de muestreo en la que los conglomerados se seleccionan al azar y (b) una segunda etapa de muestreo en la que las
unidades de interés se muestrean dentro de los conglomerados. Un ejemplo común de esto de la investigación educativa
ocurre cuando las escuelas (los grupos) se seleccionan al azar y luego los maestros (las unidades de interés) en esas
escuelas se seleccionan al azar.
Técnicas tradicionales de muestreo intencional
Introducción al muestreo intencionado
Las técnicas de muestreo intencional también se han denominado muestreo no probabilístico o muestreo intencional o
"muestreo cualitativo". Como se señaló anteriormente, las técnicas de muestreo intencional implican seleccionar ciertas
unidades o casos "basados en un propósito específico en lugar de aleatoriamente" (Tashakkori y Teddlie, 2003a, pág.713).
Varios otros autores (por ejemplo, Kuzel, 1992; LeCompte y Preissle, 1993; Miles y Huberman, 1994; Patton, 2002) también
han presentado tipologías de técnicas de muestreo intencional.
Como se detalla en la Figura 2, hay tres categorías amplias de técnicas de muestreo intencional (más una categoría que
involucra múltiples técnicas intencionales), cada una de las cuales abarca varios tipos específicos de estrategias:
• Muestreo para lograr representatividad o comparabilidad: estas técnicas se utilizan cuando el investigador desea (a)
seleccionar una muestra intencional que represente un grupo más amplio de casos
lo más cerca posible o (b) establecer comparaciones entre diferentes tipos de casos.
• Muestreo de casos especiales o únicos: se emplea cuando el caso individual en sí, o un caso específico
grupo de casos, es un foco principal de la investigación (más que un problema).
• Muestreo secuencial: utiliza el principio de selección gradual del muestreo cuando (a) el objetivo del proyecto de investigación es
la generación de teoría (o temas ampliamente definidos) o (b) la muestra evoluciona por sí sola a medida que se recopilan los
datos. La selección gradual puede definirse como la selección secuencial de unidades o casos en función de su relevancia para
las preguntas de investigación.
no su representatividad (por ejemplo, Flick, 1998).
• Muestreo mediante múltiples técnicas intencionales: implica el uso de múltiples técnicas CUAL.
preguntas en el mismo estudio.
Muestreo para lograr representatividad o comparabilidad
La primera categoría amplia de técnicas de muestreo intencional implica dos objetivos:
• muestreo para encontrar instancias que sean representante o típico de un tipo particular de caso en un
dimensión de interés, y
• muestreo para lograr la comparabilidad entre diferentes tipos de casos en una dimensión de
interesar.

Figura 2
Una tipología de estrategias de muestreo intencionadas
A. Muestreo para lograr representatividad o comparabilidad

1. Muestreo de casos típicos
2. Muestreo de casos extremos o desviados (también conocido como muestreo de valores atípicos)
3. Muestreo de intensidad
4. Muestreo de variación máxima
5. Muestreo homogéneo
6. Muestreo de casos de reputación
B. Muestreo de casos especiales o únicos
7. Muestreo de casos reveladores

8. Muestreo de casos críticos
9. Muestreo de casos políticamente importantes
10. Colección completa (también conocida como muestreo de criterio)
C. Muestreo secuencial
11. Muestreo teórico (también conocido como muestreo basado en teoría)
12. Confirmación y rechazo de casos
13. Muestreo oportunista (también conocido como muestreo emergente)
14. Muestreo de bolas de nieve (también conocido como muestreo en cadena)
D. Muestreo mediante combinaciones de técnicas intencionadas
Fuente: Estas técnicas se tomaron de varias fuentes, como Kuzel (1992), LeCompte y Preissle (1993), Miles y Huberman (1994) y Patton
(2002).
Hay seis tipos de procedimientos de muestreo intencionales que se basan en lograr representatividad o
comparabilidad: muestreo de casos típicos, muestreo de casos extremos o desviados, muestreo de intensidad, muestreo
de variación máxima, muestreo homogéneo y muestreo reputacional. Aunque algunas de estas técnicas de muestreo
intencional tienen como objetivo generar casos representativos, la mayoría tienen como objetivo producir casos
contrastantes. Las comparaciones o contrastes son el núcleo mismo de las estrategias de análisis de datos CUAL (por
ejemplo, Glaser y Strauss, 1967; Mason, 2002; Spradley, 1979, 1980), incluido el principio de contraste y la técnica
comparativa constante.
Un ejemplo de esta amplia categoría de muestreo intencional es el muestreo de casos extremos o desviados, que
también se conoce como "muestreo de valores atípicos" porque implica la selección de casos cerca de los "extremos" de la
distribución de casos de interés. Se trata de seleccionar aquellos casos que sean los éxitos o fracasos más destacados
relacionados con algún tema de interés. Se espera que estos éxitos o fracasos extremos proporcionen información
especialmente valiosa sobre el tema de interés.
Los casos extremos o desviados proporcionan contrastes interesantes con otros casos, lo que permite la
comparabilidad entre esos casos. Estas comparaciones requieren que el investigador primero determine una dimensión de
interés, luego visualice una distribución de casos o individuos o alguna otra unidad de muestreo en esa dimensión (que es
el marco de muestreo informal del investigador CUAL) y luego ubique los casos extremos en esa distribución. (Los marcos
de muestreo son

listas formales o informales de unidades o casos de los que se extrae la muestra, y se discuten con más detalle más
adelante en este artículo).
Muestreo de casos especiales o únicos
Estas técnicas de muestreo incluyen casos especiales o únicos, que durante mucho tiempo han sido un foco de
investigación CUAL, especialmente en antropología y sociología. Stake (1995) describió un estudio de caso intrínseco como
uno en el que el caso en sí es de importancia primordial, más que un problema general. Hay cuatro tipos de técnicas de
muestreo intencional que presentan casos especiales o únicos: muestreo de casos reveladores, muestreo de casos críticos,
muestreo de casos políticamente importantes y recopilación completa.
Un ejemplo de esta amplia categoría es el muestreo de casos revelador, que implica identificar y obtener acceso a un
solo caso que representa un fenómeno que anteriormente había sido "inaccesible para la investigación científica" (Yin,
2003, p. 42). Tales casos son raros y difíciles de estudiar, pero proporcionan información muy valiosa sobre fenómenos
hasta ahora no estudiados.
Hay varios ejemplos de casos reveladores diseminados por las ciencias sociales y del comportamiento. Por
ejemplo, Ward's (1986) Ellos niños: un estudio sobre el aprendizaje de idiomas deriva su naturaleza reveladora de
su descripción de un entorno único, la comunidad "Rosepoint", que era una antigua plantación de azúcar que
ahora es una comunidad rural afroamericana pobre cerca de Nueva Orleans. Ward describió cómo la comunidad
de Rosepoint proporcionó un "ambiente total" para las familias que estudió (especialmente para los niños) que es
bastante diferente del resto de Estados Unidos.
Muestreo secuencial
Todas estas técnicas involucran el principio de selección gradual, que se definió anteriormente en este artículo.
Hay cuatro tipos de técnicas de muestreo intencional que involucran muestreo secuencial:
• muestreo teórico,
• casos con ﬁ rmando y desconfiando,
• muestreo oportunista (también conocido como muestreo emergente) y muestreo de bola de nieve
• (también conocido como muestreo en cadena).
Un ejemplo de esta amplia categoría es el muestreo teórico, en el que el investigador examina instancias
particulares del fenómeno de interés para poder definir y desarrollar sus diversas manifestaciones. El
investigador toma muestras de personas, instituciones, documentos o dondequiera que la teoría lleve a la
investigación.
La investigación sobre la "conciencia de la muerte" proporciona un excelente ejemplo de muestreo teórico utilizado por los
creadores de la teoría fundamentada (Glaser y Strauss, 1967). La investigación de Glaser y Strauss los llevó a una variedad de
sitios relevantes para su teoría emergente con respecto a los diferentes tipos de conciencia de la muerte. Cada sitio proporcionó
información única que los sitios anteriores no tenían. Estos sitios incluían servicios para bebés prematuros, servicios neurológicos
con pacientes comatosos, unidades de cuidados intensivos, salas de cáncer y servicios de emergencia. Glaser

y Strauss siguió los dictados de la selección gradual a ese sitio o caso que produciría la información más valiosa
para el perfeccionamiento adicional de la teoría.
Muestreo mediante técnicas de propósito múltiple
El muestreo mediante combinaciones de técnicas intencionales implica el uso de dos o más de esas estrategias de
muestreo al seleccionar unidades o casos para un estudio de investigación. Muchos estudios CUAL reportados en la
literatura utilizan más de una técnica de muestreo intencional debido a la complejidad de los temas que se examinan.
Por ejemplo, Poorman (2002) presentó un ejemplo de múltiples técnicas de muestreo intencional de la literatura
relacionada con el abuso y la opresión de las mujeres. En este estudio, Poorman utilizó cuatro tipos diferentes de
técnicas de muestreo intencional (basadas en la teoría, variación máxima, bola de nieve y homogéneas) en
combinación entre sí para seleccionar a los participantes para una serie de cuatro grupos focales.
Consideraciones generales sobre

Muestreo de métodos mixtos
Diferencias entre probabilidad y muestreo intencionado
La Tabla 1 presenta comparaciones entre las estrategias de muestreo probabilístico y intencional. Hay un par de
similitudes entre el muestreo intencional y el probabilístico: ambos están diseñados para proporcionar una muestra que
responderá a las preguntas de investigación bajo investigación, y ambos están relacionados con cuestiones de
generalización a un contexto o población externos (es decir, transferibilidad o validez).
Por otro lado, el resto de la Tabla 1 presenta una serie de diferencias dicotómicas entre las características del muestreo
intencional y probabilístico. Por ejemplo, una muestra intencional generalmente se diseña para seleccionar una pequeña cantidad
de casos que producirán la mayor cantidad de información sobre un fenómeno en particular, mientras que una muestra
probabilística se planifica para seleccionar una gran cantidad de casos que son colectivamente representativos de la población de
interés. Existe un compromiso metodológico clásico involucrado en la diferencia de tamaño de la muestra entre las dos técnicas:
el muestreo intencional conduce a una mayor profundidad de información de un número menor de casos cuidadosamente
seleccionados, mientras que el muestreo probabilístico conduce a una mayor amplitud de información de un mayor número de
casos. unidades seleccionadas para ser representativas de la población (p. ej., Patton, 2002).
Otra diferencia básica entre los dos tipos de muestreo se refiere al uso de marcos muestrales, que se definieron
anteriormente en este artículo. Como señalaron Miles y Huberman (1994), "El solo hecho de pensar en términos de marco
muestral es bueno para la salud de su estudio" (p. 33). Los marcos de muestreo probabilístico suelen estar formalmente
establecidos y representan una distribución con un gran número de observaciones. Los marcos de muestreo intencionados,
por otro lado, son típicamente informales basados en el juicio experto del investigador o en algún recurso disponible
identificado por el investigador. En el muestreo intencional, un marco de muestreo es "un recurso del que puede
seleccionar una muestra más pequeña" (Mason, 2002, p. 140). (Consulte la Tabla 1 para ver más diferencias entre el
muestreo probabilístico y intencional).

tabla 1
Comparaciones entre técnicas de muestreo intencional y probabilístico
Dimensión de contraste Muestra deliberada Muestreo de probabilidad
Otros nombres Muestreo intencionado Muestreo científico

Muestreo no probabilístico Muestreo aleatorio
Muestreo cualitativo Muestreo cuantitativo
Propósito general del muestreo Diseñado para generar una muestra Diseñado para generar una muestra que
que abordará preguntas de abordará preguntas de investigación
investigación
Problema de generalización A veces busca una forma de Busca una forma de generalización
generalizabilidad (transferibilidad) (validez externa)
Justificación de la selección Para abordar propósitos específicos Representatividad
casos / unidades relacionados con preguntas de investigación El El investigador selecciona casos que
investigador selecciona los casos que son colectivamente representativos
o él puede aprender más de Típicamente de la población
Tamaño de la muestra pequeños (generalmente 30 casos Lo suficientemente grande para establecer
o menos) representatividad (generalmente
al menos 50 unidades)
Profundidad / amplitud de la información Centrarse en la profundidad de la información Centrarse en la amplitud de la información
por caja / unidad generado por los casos Antes de generado por las unidades de muestreo Antes de que
Cuando se selecciona la muestra que comience el estudio, comience el estudio
durante el estudio, o ambos Utiliza

Cómo se hace la selección el juicio de expertos A menudo se basa en la aplicación de
fórmulas matemáticas
Marco de muestreo Marco de muestreo informal El marco de muestreo formal típicamente
algo más grande que la muestra Enfoque en mucho más grande que la muestra
Forma de datos generados datos narrativos Los datos numéricos también Enfoque en datos numéricos Los datos
pueden narrativos también pueden
ser generado ser generado
El continuo de muestreo de probabilidad mixta con propósito
La dicotomía entre probabilidad y intencional se convierte en un continuo cuando se agrega el muestreo MM como
un tercer tipo de técnica de estrategia de muestreo. Muchas de las dicotomías presentadas en la Tabla 1 se entienden
mejor como continuas con técnicas de muestreo intencional en un extremo, estrategias de muestreo MM en el medio y
técnicas de muestreo probabilístico en el otro extremo. El “Continuo de muestreo de probabilidad mixta con propósito” en
la Figura 3 ilustra este continuo.
Características de las estrategias de muestreo de métodos mixtos
La Tabla 2 presenta las características de las estrategias de muestreo de MM, que son combinaciones de (o puntos
intermedios entre) la probabilidad y las posiciones de muestreo intencional. La información de la Tabla 2 podría insertarse
en la Tabla 1 entre las columnas que describen el muestreo intencional y probabilístico, pero hemos optado por presentarla
por separado aquí para que podamos centrarnos en las características particulares del muestreo MM.

figura 3
Continuo de muestreo de probabilidad mixta con propósito
A B C D mi
CALIDAD MEZCLADO QUAN
Fuente: Teddlie (2005).

Nota: La Zona A consiste en una investigación totalmente cualitativa (CUAL) con muestreo intencional, mientras que la Zona E consiste en una investigación
totalmente cuantitativa (QUAN) con muestreo probabilístico. La zona B representa principalmente investigación CUAL, con algunos componentes QUAN. La
zona D representa principalmente la investigación QUAN, con algunos componentes CUAL. La zona C representa la investigación y el muestreo de métodos
mixtos (MM) totalmente integrados. La flecha representa el continuo de muestreo intencional-probabilístico-mixto. El movimiento hacia la mitad del continuo
indica una mayor integración de los métodos de investigación y el muestreo. El movimiento alejándose del centro (y hacia cualquier extremo) indica que los
métodos de investigación y el muestreo (QUAN y QUAL) están más separados o distintos.
Las estrategias de muestreo MM pueden emplear todas las técnicas probabilísticas y con propósito discutidas anteriormente en este
artículo. De hecho, la capacidad del investigador para combinar creativamente estas técnicas al responder las preguntas de un estudio
es una de las características definitorias de la investigación en MM. 4
La línea de un diseño de investigación es una construcción importante que usamos al describir los procedimientos de
muestreo de MM. Este término fue definido en Tashakkori y Teddlie (2003b) como una fase de un estudio que incluye
tres etapas: la etapa de conceptualización, la etapa experiencial (metodológica / analítica) y la etapa inferencial. Estos
capítulos son típicamente QUAN o CUAL, aunque la transformación de un tipo a otro puede ocurrir durante el curso de
un estudio. Una hebra CUAL de un estudio de investigación es una hebra que es CUAL en las tres etapas, mientras que
una hebra QUAN de un estudio de investigación es una hebra que es QUAN en las tres etapas.
El investigador de MM a veces elige procedimientos que se centran en generar muestras representativas,

especialmente cuando se aborda una rama QUAN de un estudio. Por otro lado, al abordar una rama CUAL de un
estudio, el investigador de MM normalmente utiliza técnicas de muestreo que producen casos ricos en información. La
combinación de las dos orientaciones permite al investigador de MM generar bases de datos complementarias que
incluyen información con profundidad y amplitud sobre el fenómeno en estudio.
Por lo general, hay varias muestras en un estudio de MM, y estas muestras pueden variar en tamaño (dependiendo de la
línea de investigación y la pregunta) desde una pequeña cantidad de casos hasta una gran cantidad de unidades. Usando un
ejemplo educativo, uno podría seleccionar intencionalmente cuatro escuelas para un estudio, luego dar encuestas a los 100
maestros en esas escuelas, luego realizar seis grupos focales de estudiantes, y luego entrevistar a 60 estudiantes seleccionados
al azar.
Tanto los datos numéricos como los narrativos se generan típicamente a partir de muestras de MM, pero ocasionalmente las estrategias
de muestreo de MM pueden producir sólo datos narrativos o numéricos. Por lo tanto,

Tabla 2
Características de las estrategias de muestreo de métodos mixtos
Dimensión de contraste Muestreo de métodos mixtos
Propósito general del muestreo Diseñado para generar una muestra que abordará cuestiones de investigación. Para algunas
Cuestión de generalización hebras de un diseño de investigación, hay un enfoque en
problemas de validez. Para otros aspectos, la atención se centra en cuestiones de transferibilidad. Todos los
Numero de tecnicas empleados tanto por muestreo probabilístico como intencional. Para algunas hebras de un diseño de investigación,
Justificación de la selección hay un enfoque en
casos / unidades representatividad. Para otras vertientes, la atención se centra en la búsqueda de casos ricos en
información.
Tamaño de la muestra Hay varias muestras en el estudio. Las muestras varían en tamaño
depende de la línea de investigación y la pregunta desde un pequeño número de casos hasta un
gran número de unidades de análisis.
Profundidad / amplitud de la información Centrarse en la profundidad y la amplitud de la información en toda la investigación.
por caja / unidad hebras.

Cuando se selecciona la muestra La mayoría de las decisiones de muestreo se toman antes de que comience el estudio, pero
Las preguntas de orientación CUAL pueden dar lugar a la aparición de otras
muestras durante el estudio.
Cómo se hace la selección Hay un enfoque en el juicio de expertos en todas las decisiones de muestreo,
especialmente porque se interrelacionan entre sí. Algunos capítulos orientados a
QUAN pueden requerir la aplicación de fórmulas de muestreo matemáticas.
Marco de muestreo Se utilizan marcos formales e informales.

Forma de datos generados Normalmente se generan datos tanto numéricos como narrativos.
Ocasionalmente, las estrategias de muestreo de métodos mixtos pueden producir solo datos
narrativos o solo numéricos.
Nota: CUALqualitativo; CUANquantitativo.
Es importante presentar una breve discusión sobre la relación entre las técnicas de muestreo y la generación de
diferentes tipos de datos.
La Tabla 3 presenta una matriz teórica que cruza el tipo de técnica de muestreo (probabilística, intencional,
mixta) por tipo de datos generados por el estudio (solo QUAN, solo QUAL, mixto). 5 Este 3 × 3 ilustra que ciertos
tipos de técnicas de muestreo se asocian teóricamente con más frecuencia con ciertos tipos de datos: muestras
probabilísticas con datos QUAN (celda 1), muestras intencionales con datos CUAL (celda 5) y muestras mixtas
con datos mixtos (celda 9) . Las celdas diagonales (1, 5 y 9) representan la combinación más frecuente de
técnicas de muestreo y tipos de datos generados. A pesar de estas tendencias generales, existen otras
situaciones en las que las técnicas de muestreo ocasionalmente (Celdas 3, 6, 7 y 8) o raramente (Celdas 2 y 4)
se asocian con estudios que generan diferentes tipos de datos.
El intercambio de representatividad / saturación
Los investigadores a menudo tienen que tomar decisiones de muestreo basadas en los recursos disponibles (por ejemplo,
tiempo, dinero). Los investigadores que realizan investigaciones de MM a veces hacen un compromiso entre los requisitos de las
muestras QUAN y QUAL en su estudio, lo que llamamos

Tabla 3
Cruce de matrices teóricas Tipo de técnica de muestreo por tipo de datos generados
Generación de ambos
Tipo de muestreo Generación de Generación de Cualitativo y
Técnica Solo datos cuantitativos Solo datos cualitativos Datos cuantitativos
Muestreo de probabilidad Pasa a menudo Ocurre raramente Ocurre ocasionalmente

tecnicas (Celda 1) (Celda 2) (Celda 3)
Muestra deliberada Ocurre raramente Pasa a menudo Ocurre ocasionalmente

tecnicas (Celda 4) (Celda 5) (Celda 6)
Métodos mixtos Ocurre ocasionalmente Ocurre ocasionalmente Pasa a menudo

estrategias de muestreo (Celda 7) (Celda 8) (Celda 9)
Fuente: Kemper, Stringfield y Teddlie (2003, p. 285).
la compensación de representatividad / saturación. Esta compensación significa que cuanto más énfasis se
pone en la representatividad de la muestra QUAN, menos énfasis se puede poner en la saturación de la
muestra CUAL, y viceversa.
Como se señaló anteriormente en este artículo, el objetivo del muestreo en la investigación QUAN es lograr
representatividad. Es decir, el investigador quiere que la muestra refleje las características de la población de interés y, por lo
general, esto requiere una muestra de cierto tamaño en relación con la población (p. Ej., Wunsch, 1986).
Un tema importante del tamaño de la muestra en la investigación CUAL implica la saturación de información (p. Ej., Glaser y
Strauss, 1967; Strauss y Corbin, 1998). 6 Por ejemplo, en los estudios de grupos focales, la nueva información obtenida al
realizar otra sesión generalmente disminuye a medida que se realizan más sesiones. Krueger y Casey (2000) expresaron esta
guía de la siguiente manera:
La regla general es planificar tres o cuatro grupos focales con cualquier tipo de participante. Una vez que los haya
realizado, determine si ha alcanzado la saturación. Saturación es un término que se utiliza para describir el punto en el
que ha escuchado la variedad de ideas y no está obteniendo nueva información. Si aún recibiera nueva información
después de tres o cuatro grupos, realizaría más grupos. (pág.26)
La Figura 4 presenta una ilustración de esta compensación de representatividad / saturación. En este ejemplo, un
estudiante que realiza su investigación de tesis con recursos limitados tuvo que comprometerse entre los requisitos de (a)
los representantes de su muestra de encuesta y (b) la saturación de información obtenida de su estudio de entrevista.
Tipos de estrategias de muestreo de métodos mixtos
Ahora dirigiremos nuestra atención a las descripciones de diferentes tipos de estrategias de muestreo de MM con ejemplos.
Hemos definido el muestreo MM como el que implica la selección de unidades de análisis para un estudio MM mediante
estrategias de muestreo probabilístico y intencional. No existe una gran cantidad de literatura sobre las estrategias de muestreo
de MM per se en este momento, por lo que revisamos la escasa literatura dedicada al tema (p. Ej., Collins et al., 2006; 7 Kemper et
al., 2003) y

Figura 4
Ejemplo de la regla de representatividad / saturación
Aaron (2005) estaba interesado en estudiar las características de liderazgo de los directores de programas en
tecnología radiológica. Tenía preguntas de investigación orientadas tanto cuantitativa como cualitativamente. Las
preguntas QUAN se respondieron mediante una encuesta en línea que se administró a todos los directores de programas
radiológicos. Las preguntas CUAL se respondieron mediante una entrevista telefónica con una pequeña muestra de
directores cuyas respuestas a la encuesta en línea indicaron que diferían en dos dimensiones importantes [tipo de
programa administrado (bachillerato, asociado, certificado) y tipo de estilo de liderazgo (transformacional, transaccional )],
resultando en seis celdas. Aaron quería que el estudio de la encuesta tuviera una muestra representativa y que el estudio
de la entrevista resultara en datos CUAL “saturados”.
De los 590 directores de programas a los que se enviaron encuestas, 284 respondieron con una tasa de respuesta
del 48%. Extrapolando las muestras y el tamaño de la población (Wunsch, 1986), parece que Aaron podía estar seguro de
que su muestra reflejaba la población dentro de más o menos 5%.
No había estándares claramente establecidos sobre el tamaño de la muestra de entrevistas para generar resultados
confiables. Aaron seleccionó a 12 directores de programas para ser entrevistados basándose en sus intuiciones, además del
asesoramiento experto de su comité de disertación. Este número también le permitió seleccionar una muestra intencional
estratificada (ver descripción más adelante en este capítulo) en la que el tipo de programa y el estilo de liderazgo eran los estratos.
Ella seleccionó a dos entrevistados para cada una de las seis celdas, lo que resultó en 12 directores de programa y luego (sin
inmutarse por la superstición) seleccionó a un 13º entrevistado que consideró era un caso particularmente rico en información
(muestreo de casos extremos o desviados).
Si Aaron hubiera intentado aumentar el tamaño de la muestra de los datos de su encuesta para reflejar la población
dentro de más o menos 1%, habría tenido que enviar al menos una ronda más de encuestas a todos los que aún no
habían participado, disminuyendo así el tiempo ella se había ido para seleccionar e interactuar con los participantes en
el estudio de la entrevista. Por otro lado, si hubiera aumentado el tamaño de la muestra del estudio de la entrevista a 24,
habría tenido que reducir la cantidad de tiempo y recursos que invirtió en el estudio de la encuesta. Sus elecciones de
muestreo parecían cumplir con los requisitos de representatividad de las fuentes QUAN y saturación de las fuentes
CUAL.
luego buscó ejemplos adicionales en las ciencias sociales y del comportamiento. Esta búsqueda bibliográfica fue a menudo
frustrante debido a la falta de detalles presentados por muchos autores con respecto a la selección de la muestra.
No existe una tipología ampliamente aceptada de estrategias de muestreo de MM. Al generar la tipología provisional para
este artículo, nos enfrentamos al problema general de la nomenclatura en la investigación de MM (por ejemplo, Teddlie y
Tashakkori, 2003). Una de las principales decisiones que deben tomar los metodólogos mixtos con respecto a la nomenclatura
es si
• utilizar una nomenclatura bilingüe que emplee los términos QUAL y QUAN para conceptos básicos
cuestiones tales como diseños de investigación, validez y confiabilidad, muestreo, etc.
• crear un nuevo lenguaje para la metodología mixta que dé un nombre común a la existente
conjuntos de términos CUAL y QUAN; o
• combinar las dos primeras opciones presentando nuevos términos de MM que se integran con
términos QUAL / QUAN conocidos en la definición de la estrategia general de muestreo.

El muestreo en las ciencias sociales y del comportamiento tiene tantas técnicas QUAL y QUAN bien definidas y
específicas, con nombres comúnmente entendidos, que sería imprudente tratar de desarrollar una nueva terminología.
Por otro lado, la literatura indica que los metodólogos mixtos han combinado las técnicas de muestreo probabilístico y
intencional de ciertas formas prescritas únicas para cumplir con la especificación de los diseños populares de MM (por
ejemplo, diseños secuenciales concurrentes). En tales casos, parece razonable superponer los términos probabilísticos y
de muestreo intencional con metaterms MM que abarcan la totalidad de las técnicas de muestreo utilizadas en los
proyectos de investigación.
La siguiente es nuestra tipología provisional de estrategias de muestreo de MM:
• estrategias básicas de muestreo de MM,
• muestreo secuencial de MM,
• muestreo MM concurrente,
• muestreo MM multinivel, y
• muestreo utilizando múltiples estrategias de muestreo MM.
Los "antecedentes" de las técnicas presentadas en nuestra tipología son interesantes. Las estrategias básicas de
muestreo de MM discutidas en la siguiente sección (es decir, muestreo intencional estratificado, muestreo aleatorio
intencional) se discuten típicamente como tipos de técnicas de muestreo intencional (p. Ej., Patton, 2002), pero por definición
también incluyen un componente de muestreo probabilístico ( estratificado, aleatorio). Estas técnicas básicas de MM pueden
usarse para generar datos narrativos solo en la investigación orientada a CUAL (celda 8 en la tabla 3) o para generar datos de
MM (celda 9 en la tabla 3).
El muestreo secuencial y concurrente de MM se deriva de los tipos de diseño bien conocidos descritos por
varios autores (p. Ej., Creswell, Plano Clark, Gutmann y Hanson, 2003; Johnson y Onwuegbuzie, 2004). El
muestreo secuencial de MM implica la selección de unidades de análisis para un estudio de MM mediante el uso
secuencial de estrategias de muestreo probabilístico y intencional (QUAN-QUAL), o viceversa (QUAL-QUAN). El
muestreo secuencial QUANQUAL es la técnica más común que hemos encontrado en nuestra exploración de la
literatura sobre MM, como lo describen Kemper et al. (2003):
En estudios secuenciales de modelos mixtos, la información de la primera muestra (normalmente derivada de un procedimiento de muestreo
probabilístico) a menudo se requiere para extraer la segunda muestra (normalmente derivada de un procedimiento de muestreo intencional).
(pág.284)
Los ejemplos detallados de muestreo MM concurrente son más difíciles de encontrar en la literatura existente, al menos a
partir de nuestra revisión de la misma. El muestreo simultáneo de MM implica la selección de unidades de análisis para un
estudio de MM mediante el uso simultáneo de muestreo probabilístico y intencional. Un tipo de procedimiento de muestreo no
prepara el escenario para el otro en los estudios de muestreo simultáneo de MM; en cambio, se utilizan al mismo tiempo
procedimientos de muestreo probabilístico y intencional.
El muestreo MM multinivel es una estrategia de muestreo general en la que se utilizan técnicas de muestreo
probabilístico y intencional en diferentes niveles del estudio (Tashakkori y Teddlie, 2003a, p. 712). 8 Esta estrategia de
muestreo es común en contextos o entornos en los que diferentes unidades de análisis están "anidadas" unas dentro de
otras, como escuelas, hospitales y varios tipos de burocracias.

Estrategias de muestreo de métodos mixtos básicos
Una estrategia básica de muestreo de MM bien conocida es el muestreo intencional estratificado (muestreo por cuotas). La
naturaleza estratificada de este procedimiento de muestreo es característica del muestreo probabilístico, mientras que el pequeño
número de casos generados típicamente a través de él es característico del muestreo intencional. En esta técnica, el investigador
primero divide el grupo de interés en estratos (por ejemplo, estudiantes por encima del promedio, promedio, por debajo del
promedio) y luego selecciona un pequeño número de casos para estudiarlos intensamente dentro de cada estrato basándose en
técnicas de muestreo intencional. Esto permite al investigador descubrir y describir en detalle características que son similares o
diferentes en los estratos o subgrupos. Patton (2002) describió esta técnica como la selección de "muestras dentro de muestras".
Un ejemplo de muestreo intencional estratificado proviene de Kemper y Teddlie (2000), quienes en una fase de un
estudio multifase generaron seis estratos basados en dos dimensiones (tres niveles de tipo de comunidad cruzados por
dos niveles de implementación de la innovación). Su muestra final tenía solo seis escuelas (una escuela seleccionada
intencionalmente por estrato): una '' típica '' urbana, una '' típica '' suburbana, una '' típica '' rural, una '' mejor '' urbana,
uno "mejor" suburbano y uno "mejor" rural. Este esquema de muestreo permitió a los investigadores discutir las
diferencias entre escuelas "típicas" y "mejores" en la implementación del programa en una variedad de tipos de
comunidades. Lo que diferenciaba a un par de escuelas en un estrato o contexto (p. Ej., Urbano) podría ser bastante
diferente de lo que diferenciaba a un par de escuelas en otro (p. Ej., Rural).
El muestreo aleatorio intencional implica tomar una muestra aleatoria de un pequeño número de unidades de una
población objetivo mucho más grande (Kemper et al., 2003). Kalafat y Illback (1999) presentaron un ejemplo de muestreo
aleatorio intencional en su evaluación de un gran programa estatal que utilizó un sistema de apoyo familiar basado en la
escuela para mejorar las experiencias educativas de los estudiantes en riesgo. Había casi 600 sitios en todo el estado en
este programa, y una muestra estadísticamente válida habría requerido descripciones detalladas de más de 200 casos
(Wunsch, 1986), lo cual fue mucho más allá de los recursos asignados a la evaluación. En una etapa temprana del estudio
antes de que comenzara la intervención, los investigadores utilizaron un enfoque de muestreo aleatorio intencional para
seleccionar 12 casos de la población objetivo general. Luego, los investigadores siguieron de cerca estos casos a lo largo de
la vida del proyecto. Esta muestra aleatoria intencionada de un pequeño número de casos de una población objetivo mucho
más grande agregó credibilidad a la evaluación al generar resultados CUAL, orientados a procesos para complementar la
investigación a gran escala orientada a QUAN que también se llevó a cabo.
Muestreo secuencial de métodos mixtos
Hay ejemplos de procedimientos de muestreo QUAN-QUAL y QUAL-QUAN MM en todas las ciencias sociales y
del comportamiento. Normalmente, la metodología y los resultados del primer capítulo informan la metodología
empleada en el segundo capítulo. 9 En nuestro examen de la literatura, encontramos más ejemplos de estudios
QUAN-QUAL en los que la metodología y / o los resultados de la rama QUAN influyeron en la metodología
empleada posteriormente en la rama CUAL. En muchos de estos casos, la muestra final utilizada en el capítulo
QUAN se utilizó luego como marco de muestreo para el capítulo CUAL subsiguiente. En estos estudios, el capítulo
QUAL utilizó una submuestra de la muestra QUAN.

Un ejemplo de muestreo de métodos mixtos QUAN-QUAL proviene del trabajo de Hancock, Calnan y Manley (1999)
en un estudio de las percepciones y experiencias de los residentes con respecto al servicio dental en el Reino Unido. En
la parte QUAN del estudio, los investigadores llevaron a cabo una encuesta postal que involucró tanto muestreo por
conglomerados como aleatorio: (a) Los investigadores seleccionaron 13 distritos de 365 en un condado en el sur de
Inglaterra usando muestreo por conglomerados, y (b) seleccionaron al azar 1 de cada 28 residentes en esos distritos
resulta en una población accesible de 2,747 personas, de las cuales recibieron 1,506 respuestas (55%). Los
investigadores podían estar seguros de que su muestra reflejaba la población accesible dentro de más o menos 5%
(Wunsch, 1986).
Los cuestionarios incluían cinco ítems que medían la satisfacción con el cuidado dental (puntajes DentSat). A continuación,
los investigadores seleccionaron su muestra para la línea CUAL del estudio utilizando un muestreo de intensidad y homogéneo:
(a) se seleccionaron 20 individuos que tenían puntajes altos de DentSat mediante muestreo de intensidad, (b) se seleccionaron
20 individuos que tenían puntajes bajos de DentSat mediante muestreo de intensidad y (c) se seleccionaron 10 personas que no
habían recibido atención dental en los últimos 5 años, pero que tampoco tenían dentadura completa, utilizando un muestreo
homogéneo. En este estudio, la información generada a través del capítulo QUAN fue necesaria para seleccionar participantes
con características particulares para el capítulo QUAL.
Un ejemplo de un procedimiento de muestreo QUAL-QUAN proviene del trabajo de Nieto, Méndez y

Carrasquilla (1999) en un estudio sobre el control de la malaria en Colombia. El estudio se realizó en la zona de
Colombia donde la incidencia de la enfermedad es más alta. En la línea CUAL del estudio, el equipo de
investigación pidió a los líderes de cinco distritos urbanos que seleccionaran a las personas para participar en los
grupos focales. Los grupos focales se formaron utilizando los siguientes criterios: (a) Los participantes deben
pertenecer a una de las organizaciones comunitarias locales; (b) deben representar diferentes grupos geográficos
y de edad; (c) deben reconocer el liderazgo de la comunidad y estar plenamente comprometidos con la
comunidad; y (d) los grupos deben ser lo más homogéneos posible en cuanto al nivel educativo y el estatus
socioeconómico y cultural,
Los cinco grupos focales se reunieron durante tres sesiones cada uno y discutieron una amplia gama de cuestiones
relacionadas con los problemas de salud en general y la malaria en particular. Los grupos variaban en tamaño de 15 a 18
miembros, y se formaron subgrupos durante las sesiones para fomentar una mayor participación en el proceso. Luego, el equipo
de investigación utilizó los resultados de los grupos focales para diseñar la encuesta QUAN, que posteriormente se entregó a una
gran muestra de hogares. El equipo de investigación utilizó un muestreo aleatorio estratificado, con tres zonas geográficas que
constituyen los estratos. La muestra total para el capítulo QUAN fue de 1380 hogares, cada uno de los cuales fue visitado por un
miembro del equipo de investigadores.
Los datos QUAL y QUAN recopilados a través de la estrategia general de muestreo de MM fueron muy comparables en
términos del conocimiento de los participantes sobre los síntomas, las percepciones de las causas de la transmisión de la
malaria y las prácticas de prevención. La línea QUAN de este estudio no podría haberse realizado sin la información obtenida
inicialmente de la línea QUAL.
Muestreo concurrente de métodos mixtos
Analizamos numerosos artículos de MM mientras escribíamos este artículo, pero la falta de detalles sobre el
muestreo en muchos de ellos impidió su inclusión en este artículo. En particular, muy pocos artículos que analizamos
incluyeron un diseño de MM concurrente con un explícito

discusión de las técnicas de muestreo intencional y probabilístico que se utilizaron para generarlo. Los diseños de MM
concurrentes permiten a los investigadores triangular los resultados de los componentes QUAN y QUAL separados de
su investigación, lo que les permite '' confirmar, validar o corroborar los hallazgos dentro de un solo estudio '' (Creswell
et al., 2003, p. .229).
No obstante, logramos localizar algunos artículos que mejoraron nuestra comprensión de cómo los investigadores
combinan realmente el muestreo probabilístico y intencional en sus estudios simultáneos de MM. Hemos delineado dos
procedimientos de muestreo MM concurrentes generales básicos, pero estamos seguros de que hay otros. Estos dos
procedimientos básicos son los siguientes:
1. Muestreo MM concurrente en el que se utilizan técnicas de muestreo probabilístico para generar datos para la rama
QUAN y técnicas de muestreo intencional para generar datos para la rama CUAL. Estos procedimientos de muestreo
ocurren de forma independiente.
2. Muestreo MM concurrente utilizando una sola muestra generada mediante el uso conjunto de técnicas probabilísticas y
intencionales para generar datos para los capítulos QUAN y CUAL de un estudio de MM. Esto ocurre, por ejemplo,
cuando una muestra de participantes, seleccionados mediante la aplicación conjunta de técnicas probabilísticas e
intencionales, responde a una encuesta MM que contiene preguntas abiertas y cerradas.
Lasserre-Cortez (2006) presentó un estudio que es un ejemplo del primer tipo de procedimiento de muestreo MM
concurrente en el que una muestra probabilística aborda el capítulo QUAN y una muestra intencional aborda el capítulo
CUAL de forma independiente. Los objetivos del estudio Lasserre-Cortez fueron dobles:
• Quería probar algunas hipótesis de investigación QUAN con respecto a las diferencias en las características de los profesores y las
escuelas que participan en colaboraciones de investigación-acción profesional.
(PARC) en contraposición a las escuelas de control emparejadas, y
• quería responder preguntas de investigación CUAL sobre la manera en que el clima escolar
afecta la efectividad de los maestros en las escuelas PARC.
Lasserre-Cortez (2006) extrajo dos muestras diferentes, una muestra probabilística para responder a las hipótesis de la
investigación QUAN y una muestra intencionada para responder a las preguntas de la investigación CUAL. La muestra probabilística
involucró una muestra de conglomerados múltiples de escuelas que participan en programas PARC y un conjunto de escuelas de
control, que se emparejaron con las escuelas PARC con respecto al nivel socioeconómico de los estudiantes y el tipo de comunidad.
Se seleccionaron un total de 165 escuelas (aproximadamente la mitad eran escuelas PARC y la otra mitad escuelas de control), y
luego se seleccionaron al azar tres maestros dentro de cada escuela para completar las encuestas sobre el clima escolar.
La muestra intencional involucró a 8 escuelas (4 escuelas PARC emparejadas con 4 escuelas de control) de la
muestra más grande de 165 escuelas. Estas 8 escuelas se eligieron utilizando un muestreo de variación máxima, una
técnica intencionada "que documenta diversas variaciones e identifica patrones comunes" (Miles & Huberman, 1994, p.
28). Las dos variables de selección fueron el rendimiento escolar en una prueba estatal y el tipo de comunidad (urbana,
rural). Este proceso de muestreo intencional dio como resultado cuatro tipos de escuelas: urbano-alto rendimiento,
urbano-bajo rendimiento, rural-alto rendimiento y rural-bajo rendimiento.

Lasserre-Cortez (2006) utilizó dos procedimientos de muestreo muy diferentes (uno de probabilidad, uno
intencional) para responder por separado sus hipótesis QUAN y preguntas CUAL. El único punto en común entre las
dos muestras fue que la muestra extraída intencionalmente era un subconjunto de la muestra probada. Los datos se
recopilaron al mismo tiempo y se triangularon en las fases finales del análisis de datos.
Parasnis, Samar y Fischer (2005) presentaron un estudio que es un ejemplo del segundo tipo de procedimiento de
muestreo de MM concurrente: la muestra única que atiende los requisitos de los capítulos QUAL y QUAN. Su estudio se
llevó a cabo en un campus universitario donde había una cantidad relativamente grande de estudiantes sordos (alrededor
de 1200). A los estudiantes seleccionados se les enviaron encuestas que incluían elementos tanto cerrados como
abiertos; por lo tanto, los datos para los capítulos QUAN y QUAL se recopilaron simultáneamente. El análisis de los datos
de cada hebra informó el análisis del otro.
El procedimiento de muestreo MM incluyó técnicas de muestreo intencionales y probabilísticas. En primer lugar, todos
los individuos de la muestra general eran estudiantes universitarios sordos, lo que constituye un ejemplo de muestreo
homogéneo. El equipo de investigación tenía procedimientos de muestreo separados para seleccionar estudiantes
sordos de minorías raciales / étnicas y para seleccionar estudiantes sordos caucásicos. Había un número relativamente
grande de estudiantes sordos caucásicos en el campus, y a un número seleccionado al azar de ellos se les enviaron
encuestas por correo regular y correo electrónico. Debido a que había un número mucho menor de estudiantes sordos
de minorías raciales / étnicas, se utilizó la técnica de muestreo intencional conocida como recolección completa
(muestreo de criterio). En esta técnica, se seleccionan todos los miembros de una población de interés que cumplan
algún criterio especial,
En total, el equipo de investigación distribuyó 500 encuestas y recibió un total de 189 respuestas, 32 de las
cuales fueron eliminadas por ser estudiantes extranjeros. De los 157 encuestados restantes, 81 eran de grupos
minoritarios raciales / étnicos (afroamericanos, asiáticos, hispanos) y 76 eran caucásicos. La combinación de
técnicas de muestreo intencional (recolección completa) y probabilística (aleatoria) en este estudio concurrente
de MM produjo una muestra que permitió comparaciones interesantes entre los dos subgrupos raciales en una
variedad de temas, como su percepción del clima social psicológico en el campus y la disponibilidad de modelos
a seguir.
Muestreo de métodos mixtos multinivel
Las estrategias de muestreo de MM multinivel son muy comunes en la investigación que examina organizaciones en las que
diferentes unidades de análisis están `` anidadas entre sí ''. En los estudios de estas organizaciones anidadas, los investigadores a
menudo están interesados en responder preguntas relacionadas con dos o más niveles o unidades de análisis. análisis.
El muestreo de MM multinivel de entornos educativos K-12 a menudo involucra los siguientes cinco niveles: sistemas
escolares estatales, distritos escolares, escuelas, maestros o aulas y estudiantes. La Figura 5 presenta una ilustración de la
estructura de las decisiones de muestreo requeridas en los estudios realizados en entornos K-12. La estrategia de muestreo
general resultante a menudo requiere múltiples técnicas de muestreo, cada una de las cuales se emplea para abordar una o
más preguntas de investigación.
Muchos estudios de investigación educativa se centran en los niveles de la escuela y del maestro porque esos son los niveles que impactan
más directamente en el aprendizaje de los estudiantes (p. Ej., Reynolds & Teddlie, 2000;

Figura 5
Ilustración de muestreo de métodos mixtos multinivel en entornos educativos K-12
Muestreo de sistemas escolares estatales
• Muestreo intencional o por conveniencia
• El esquema de muestreo depende de cuestiones prácticas
Distritos escolares de muestreo
• A menudo implica un muestreo probabilístico de distritos, que son grupos de escuelas.
• También implica una selección intencionada estratificada o estratificada de distritos específicos.
Muestreo de escuelas dentro de los distritos
• El muestreo intencional de las escuelas a menudo incluye un muestreo de casos desviados / extremos, de intensidad o
típicos.
Muestreo de maestros o aulas dentro de las escuelas.
• El muestreo probabilístico de maestros o aulas a menudo implica un muestreo aleatorio o un

muestreo aleatorio estratificado, o
• Muestreo intencional, como la intensidad o el muestreo de casos típicos
Muestreo de estudiantes dentro de las aulas
• Puede involucrar muestreo probabilístico de estudiantes, como muestreo aleatorio, o
• Muestreo intencional, como un caso típico o un muestreo de colección completa

(criterio)

Figura 6
Un ejemplo de estrategias de muestreo de métodos mixtos '' anidados '':
Estudio de efectividad escolar de Luisiana, Fases III-V
Teddlie y Stringfield (1993) describieron los siguientes cinco niveles de muestreo en dos fases del Estudio de
efectividad escolar de Louisiana:
1. Se seleccionaron doce sistemas escolares con base en un muestreo de variación máxima, por lo que
que se incluyó una amplia gama de condiciones de distrito. Se incluyó un distrito escolar adicional debido a las
presiones para incluirlo de un grupo de partes interesadas, introduciendo así casos de muestreo de importancia
política. Un distrito es un grupo de escuelas y el muestreo por grupos es una técnica de probabilidad.
2. Se seleccionaron pares de escuelas dentro de los distritos. Cada par de escuelas incluía una
escuela que fue más efectiva y una que fue menos efectiva, según los puntajes de sus estudiantes en las pruebas
estandarizadas. Se utilizó un muestreo de intensidad para seleccionar estos pares de escuelas más efectivas o menos
efectivas, de modo que las escuelas estuvieran por encima del promedio o por debajo del promedio, pero no
extremadamente. Las escuelas de cada par se emparejaron en otras dimensiones importantes. Entre los pares potenciales
de escuelas, se seleccionaron tres pares de áreas rurales, tres de áreas suburbanas y tres de áreas urbanas. Este es un
ejemplo de muestreo intencional estratificado.
3. El tercer grado de cada escuela fue seleccionado para un examen más detenido. La selección
El procedimiento para el nivel de grado fue un muestreo homogéneo, utilizado para reducir la variación entre las escuelas y
simplificar los análisis de datos. También se utilizaron otros niveles de grado para recopilar los datos de observación del aula, pero
los datos de los estudiantes y los padres se recopilaron en el nivel de tercer grado.
4. Las aulas para la observación se seleccionaron mediante un muestreo aleatorio estratificado como
que todos los grados fueron seleccionados y las clases fueron seleccionadas al azar dentro del nivel de grado.
5. Las pruebas de los estudiantes y los datos de actitud y los datos de actitud de los padres se recopilaron en el
solo en tercer grado, e involucró un criterio o una recopilación completa de información sobre todos los estudiantes de tercer grado y
sus padres. Por supuesto, faltaban algunos datos, pero esto se mantuvo al mínimo mediante la administración de las pruebas y los
cuestionarios de los estudiantes durante los períodos de clase programados regularmente.
Rosenshine y Stevens, 1986). La Figura 6 contiene un ejemplo de un estudio de efectividad de escuela / maestro
que involucró una estrategia de muestreo MM multinivel, con muestreo intencional a nivel de escuela y muestreo
probabilístico a nivel de aula. En total, este ejemplo incluye ocho técnicas de muestreo en cinco niveles.
Una nota final sobre las estrategias de muestreo de métodos mixtos
Esta sección del artículo ha presentado una tipología provisional de estrategias de muestreo de MM, basada en nuestra
revisión de estudios que utilizan el muestreo de MM en todas las ciencias sociales y del comportamiento. Esta tipología es, de
hecho, una versión simplificada de la gama de estrategias de muestreo de MM que realmente existen.
Por ejemplo, los procedimientos de muestreo de MM simultáneos y secuenciales se basan en tipos de diseño, y
esos tipos de diseño se basan en hebras (QUAL y QUAN). Estas hebras descritas por Tashakkori y Teddlie (2003b)
no tomaron en consideración unidades múltiples

de análisis porque eso habría complicado aún más la tipología de diseño ya compleja que presentaban. La
matriz de métodos-hebras presentada por Tashakori y Teddlie (2003b) limitaba implícitamente cada hebra de
investigación QUAN o CUAL a un nivel de análisis.
El muestreo MM multinivel, por otro lado, se basa en múltiples niveles de análisis, no en hebras, e indica
explícitamente que hay más de una unidad de análisis por hebra. Surge una pregunta lógica: ¿Cómo se combinan los
diseños de muestreo MM multinivel con diseños MM simultáneos y secuenciales? ¿Qué sucede cuando los
investigadores combinan el muestreo MM secuencial con el muestreo MM multinivel o combinan el muestreo MM
concurrente con el muestreo MM multinivel? Este tipo de muestreo complejo implica combinaciones de múltiples hebras
de un estudio de investigación con múltiples niveles de muestreo dentro de las hebras.
El Estudio de efectividad escolar de Louisiana descrito en la Figura 6 en realidad incluyó dos líneas concurrentes (una
QUAL, una QUAN) junto con las siguientes dos preguntas de investigación principales del estudio:
• ¿Los ocho pares combinados de escuelas más efectivas y menos efectivas seguirían siendo diferentes a lo largo del tiempo, o algunas
escuelas aumentarían o disminuirían su estado de efectividad con el tiempo? Los principales datos QUAN utilizados para responder a
esta pregunta fueron las puntuaciones de rendimiento.
e índices de nivel socioeconómico de los estudiantes.
• ¿Cuáles son los procesos mediante los cuales las escuelas permanecieron iguales o cambiaron con el tiempo con respecto a qué tan
bien educaron a sus estudiantes? Los principales datos CUAL utilizados para responder a esta pregunta fueron las observaciones a
nivel de la escuela y el aula y las entrevistas con estudiantes, maestros y directores.
Tanto los capítulos QUAN como QUAL del Estudio de efectividad escolar de Louisiana utilizaron la misma estrategia de
muestreo MM multinivel que se presenta en la Figura 6 (mismos sistemas escolares, mismos pares de escuelas, mismo nivel
de grado para un examen más detenido, mismas aulas para observaciones) porque el QUAL y QUAN las preguntas estaban
tan estrechamente vinculadas. Otras situaciones de investigación con hebras QUAL y QUAN más diversas requerirán
estrategias de MM multinivel que sean bastante diferentes entre sí.
Directrices para el muestreo con métodos mixtos
La siguiente sección toma prestado de las pautas presentadas por otros autores (por ejemplo, Curtis, Gesler, Smith y
Washburn, 2000; Kemper et al., 2003; Miles y Huberman, 1994), además de la consideración de los temas importantes
discutidos en este artículo. Estas son pautas generales que los investigadores deben tener en cuenta al elaborar un
procedimiento de muestreo para un estudio de MM.
1. La estrategia de muestreo debe surgir lógicamente de las preguntas e hipótesis de investigación que se están abordando en
el estudio. En la mayoría de los estudios de MM, esto involucrará tanto técnicas probabilísticas como intencionales, pero hay
algunos casos en los que el muestreo probabilístico (ver celda 3 en la tabla 3) o el muestreo intencional (ver celda 6 en la
tabla 3) solo es apropiado. El investigador normalmente hace dos preguntas básicas:
una. ¿La estrategia de muestreo intencional conducirá a la recopilación de datos centrados en las preguntas CUAL que se
están investigando?

B. ¿Conducirá la estrategia de muestreo probabilístico a la recopilación de datos centrados en las hipótesis QUAN o las
preguntas que se están investigando?
2. Los investigadores deben asegurarse de seguir los supuestos de las técnicas de muestreo probabilístico y intencional que
están utilizando. En varios de los estudios de MM que hemos analizado, los investigadores comenzaron con técnicas de
probabilidad y propósito establecidas, pero violaron los supuestos de uno u otro durante el curso del estudio. Este es
particularmente el caso del componente de muestreo probabilístico porque la falta de reclutamiento adecuado o la
deserción pueden conducir a una muestra de conveniencia.
3. La estrategia de muestreo debe generar bases de datos CUAL y QUAN exhaustivas sobre las preguntas de investigación en
estudio. Esta directriz se relaciona con la compensación de representatividad / saturación discutida anteriormente en este
artículo.
a ¿La estrategia general de muestreo está suficientemente enfocada para permitir a los investigadores
recopilar los datos necesarios para responder a las preguntas de investigación?
B. ¿Las técnicas de muestreo intencional utilizadas en el estudio generarán información "saturada" sobre las
preguntas de investigación CUAL?
C. ¿Las técnicas de muestreo probabilístico utilizadas en el estudio generarán una muestra representativa relacionada con las
preguntas de investigación QUAN?
4. La estrategia de muestreo debería permitir a los investigadores extraer inferencias claras de los datos QUAL y QUAN. Esta
guía se refiere a la capacidad de los investigadores para "hacerlo bien" con respecto a explicar lo que sucedió en su
estudio o lo que aprendieron de su estudio. Las decisiones de muestreo son importantes aquí porque si no tiene una
buena muestra de los fenómenos de interés, sus inferencias relacionadas con las preguntas de investigación carecerán
de claridad o serán inadecuadas.
una. Desde la perspectiva del diseño CUAL, esta directriz se refiere a la credibilidad de las inferencias.
B. Desde la perspectiva del diseño QUAN, esta directriz se refiere a la validez interna de las inferencias.
5. La estrategia de muestreo debe ser ética. Hay consideraciones éticas muy importantes en la investigación de MM. Las cuestiones
específicas relacionadas con el muestreo incluyen el consentimiento informado para participar en el estudio, si los participantes pueden
realmente dar su consentimiento informado para participar, los posibles beneficios y riesgos para los participantes, la necesidad de
garantías absolutas de que se puede mantener la confidencialidad prometida y el derecho a retirarse del estudio en cualquier
momento.
6. La estrategia de muestreo debe ser factible y eficiente. Kemper y col. (2003) señaló que "los problemas de muestreo son
intrínsecamente prácticos" (p. 273).
una. La viabilidad o practicidad de una estrategia de muestreo de MM implica varios problemas. ¿Tienen los investigadores el
tiempo y el dinero para completar la estrategia de muestreo? ¿Los investigadores tienen realmente acceso a todas las
fuentes de datos? ¿La estrategia de muestreo seleccionada es congruente con las habilidades de los investigadores?
B. La eficiencia de una estrategia de muestreo de MM implica técnicas para concentrar las energías finitas del equipo de
investigación en las preguntas centrales de la investigación.
7. La estrategia de muestreo debe permitir al equipo de investigación transferir o generalizar las conclusiones de su estudio
a otros individuos, grupos, contextos, etc., si ese es un propósito de la investigación de MM. Esta guía se refiere a los
problemas de validez externa y transferibilidad que se discutieron a lo largo de este artículo. Cabe señalar que no todos
los estudios de MM están destinados a ser transferidos o generalizados.

una. Desde la perspectiva del diseño CUAL, esta guía indica que los investigadores deben conocer mucha información
sobre las características de '' ambos contextos de envío y recepción '' (Lincoln & Guba, 1985, p. 297). Por lo tanto,
cuando se toman decisiones de muestreo intencionales, los investigadores deben conocer las características de la
muestra de estudio (contexto de envío) y las características de otros contextos a los que desean transferir los
resultados de su estudio (contextos de recepción).
B. Desde la perspectiva del diseño QUAN, esta guía indica que los investigadores querrían aumentar la
representatividad de la muestra del estudio tanto como sea posible. Las técnicas para lograr esto incluyen
aumentar el tamaño de la muestra, usar métodos para garantizar que todos los sujetos tengan la misma
probabilidad de participar, etc.
8. Los investigadores deben describir su estrategia de muestreo con suficiente detalle para que otros investigadores puedan
comprender lo que realmente hicieron y quizás usar esas estrategias (o variantes de las mismas) en estudios futuros. La literatura
relacionada con las estrategias de muestreo de MM está en su infancia, y las descripciones más detalladas de esas estrategias en
la literatura ayudarán a guiar a otros investigadores en la obtención de muestras complejas.
La creatividad y la ﬂ exibilidad en el diseño práctico de los esquemas de muestreo de MM son cruciales para el éxito del
estudio de investigación. El éxito de un proyecto de investigación de MM en la respuesta a una variedad de preguntas es una
función, en gran medida, de la combinación de estrategias de muestreo que se emplean. En conclusión, es importante recordar
que "en la investigación, el muestreo es el destino" (Kemper et al., 2003, p. 275).
Notas
1. Hay tres tipos generales de unidades que se pueden muestrear: casos (por ejemplo, individuos, instituciones), material
als, y otros elementos de la situación social. El metodólogo mixto debe considerar las tres fuentes de datos al extraer su muestra.
2. La validez externa se refiere a la posibilidad de generalizar los resultados de un estudio cuantitativo (QUAN) a otros
poblaciones, entornos, tiempos, etc. La transferibilidad se refiere a la generalización de los resultados de un contexto de envío específico en un
estudio cualitativo (CUAL) a otro contexto de recepción específico (por ejemplo, Lincoln y Guba, 1985; Tashakkori y Teddlie, 1998).
3. El muestreo estratificado puede ser tanto una técnica de muestreo probabilístico como una técnica de muestreo intencionada.
El uso del muestreo estratificado como técnica intencional se analiza más adelante en este artículo bajo el tema de las estrategias de muestreo de métodos
mixtos básicos (MM) (muestreo intencional estratificado o muestreo por cuotas).
4. La combinación de técnicas QUAN y QUAL a menudo implica un trabajo colaborativo entre expertos con diferentes
diferentes antecedentes (por ejemplo, psicólogos y antropólogos). Shulha y Wilson (2003) describieron ejemplos de este tipo de investigación
colaborativa de métodos mixtos.
5. Usamos el término teórico porque la matriz es no basado en investigaciones empíricas que examinan la frecuencia de las técnicas de
muestreo por tipo de datos generados. El sentido común dicta que las celdas diagonales (1, 5 y 9) en la Tabla 3 representan las combinaciones
más frecuentes de técnicas de muestreo y tipos de datos generados. La información contenida en las otras celdas se basa en especulaciones
informadas.
6. Otros factores importantes para determinar el tamaño de la muestra CUAL incluyen la generación de una variación de
rangos, creación de comparaciones entre grupos relevantes y representatividad.
7. Collins, Onwuegbuzie y Jiao (2006) presentaron su propia tipología de muestreo de métodos mixtos
diseños. Luego analizaron una muestra de estudios de métodos mixtos de bases de datos electrónicas y calcularon la tasa de prevalencia de los
diseños en su tipología.
8. El muestreo MM multinivel es diferente del muestreo MM concurrente, aunque ambos se pueden utilizar en
estudios que combinan estrategias de muestreo MM. El muestreo simultáneo de MM requiere al menos dos hebras y

normalmente se centra en un solo nivel o unidad de análisis. Por otro lado, el muestreo MM multinivel puede emplearse dentro de una sola línea
de un estudio MM y requiere al menos dos niveles o unidades de análisis.
9. Los estudios de MM pueden involucrar más de dos vertientes (p. Ej., QUAN-QUAL-QUAN), pero la discusión en este
El artículo se limita a dos hebras por motivos de simplicidad.
Referencias
Aaron, LS (2005). Responsabilidades y estilos de liderazgo de los directores de programas de tecnología radiológica: Impli-
cationes para el desarrollo del liderazgo. Tesis doctoral inédita, Louisiana State University, Baton Rouge.
Collins, KMT, Onwuegbuzie, AJ y Jiao, QG (abril de 2006). Prevalencia del muestreo de métodos mixtos
diseños en la investigación de las ciencias sociales y más allá. Trabajo presentado en la reunión de la American Educational Research
Association, San Francisco.
Creswell, JW, Plano Clark, VL, Gutmann, M. y Hanson, W. (2003). Investigación avanzada de métodos mixtos
diseños. En A. Tashakkori y C. Teddlie (Eds.), Manual de métodos mixtos en investigación social y conductual ( págs. 209-240).
Thousand Oaks, CA: Sage.
Curtis, S., Gesler, W., Smith, G. y Washburn, S. (2000). Enfoques para el muestreo y la selección de casos en calidad
Investigación tativa: Ejemplos en la geografía de la salud. Ciencias Sociales y Medicina, 50 ( 2), 1001-1014.
Flick, U. (1998). Una introducción a la investigación cualitativa. Thousand Oaks, CA: Sage. Glaser, BG y Strauss, AL (1967). El descubrimiento de la
teoría fundamentada: estrategias para la investigación cualitativa.
Chicago: Aldine.
Hancock, M., Calnan, M. y Manley, G. (1999). ¿Atención de servicios dentales privados o del NHS en el Reino Unido?
Un estudio de las percepciones y experiencias públicas. Revista de Medicina de Salud Pública, 21 ( 4), 415-420.
Johnson, RB y Onwuegbuzie, AJ (2004). Investigación de métodos mixtos: un paradigma de investigación cuyo tiempo ha
venir. Investigador educativo, 33 ( 7), 14-26.
Kalafat, J. y Illback, RJ (1999). Evaluación de los servicios para jóvenes y recursos familiares basados en la escuela de Kentucky
centros: Parte I. Louisville, KY: ALCANCE de Louisville.

Kemper, E., campo de cadenas. S. y Teddlie, C. (2003). Estrategias de muestreo de métodos mixtos en ciencias sociales
investigación. En A. Tashakkori y C. Teddlie (Eds.), Manual de métodos mixtos en investigación social y conductual ( págs.273-296).
Kemper, E., & Teddlie, C. (2000) Gestión obligatoria basada en el sitio en Texas: Explorando la implementación en
escuelas secundarias urbanas. Enseñanza y cambio, 7, 172-200. Krueger, RA y Casey, MA (2000). Grupos focales: una guía práctica para la
investigación aplicada ( 3a ed.). Tú-
sand Oaks, CA: Sage.
Kuzel, AJ (1992). Muestreo en indagación cualitativa. En BF Crabtree & W. L. Miller (Eds.), Haciendo cualitativo
investigación ( págs. 31-44). Newbury Park, CA: Sage. Lasserre-Cortez, S. (2006). Un examen de métodos mixtos del desarrollo profesional a
través de toda la facultad.
grupos de estudio. Tesis doctoral inédita, Louisiana State University, Baton Rouge. LeCompte, MD y Preissle, J. (1993). Etnografía y
diseño cualitativo en la investigación educativa ( 2do
ed.). Nueva York: Academic Press. Lincoln, YS y Guba, EG (1985). Investigación naturalista. Beverly
Hills, CA: Sage. Mason, J. (2002). Investigación cualitativa ( 2a ed.). Londres: Sage.
Maxwell, J. (1997). Diseño de un estudio cualitativo. En L. Bickman y DJ Rog (Eds.) Manual de aplicada
métodos de investigación social págs.69-100). Thousand Oaks, CA: Sage. Miles, M. y Huberman, M. (1994). Análisis de datos cualitativos:
un libro de consulta ampliado ( 2a ed.). Mil
Oaks, CA: Sage.
Nieto, T., Méndez, F. y Carrasquilla, G. (1999). Conocimientos, creencias y prácticas relevantes para el control de la malaria.
trol en una zona urbana endémica del Pacífico colombiano. Ciencias Sociales y Medicina, 49, 601-609. Parasnis, I., Samar, VJ y Fischer, SD (2005).
Las actitudes de los estudiantes universitarios sordos hacia la diversidad racial / étnica
sidad, clima del campus y modelos a seguir. Anales estadounidenses de sordos, 150 ( 1), 47-58.
Patton, MQ (2002). Investigación cualitativa y métodos de evaluación ( 3a ed.). Thousand Oaks, CA: Sage.

Poorman, PB (2002). Percepciones de prosperidad por parte de mujeres que han experimentado abuso o situaciones relacionadas
opresión. Psychology of Women Quarterly, 26 ( 1), 51-62.
Reynolds, D. y Teddlie, C. (2000). Los procesos de efectividad escolar. En C. Teddlie y D. Reynolds
(Eds.), El manual internacional de investigación sobre la eficacia escolar ( págs. 134-159). Londres: Falmer. Rosenshine, B. y Stevens, R.
(1986) Funciones de enseñanza. En M. Wittrock (Ed.), Tercer manual de investigación
en la enseñanza. Nueva York: Macmillan.
Shulha, L. y Wilson, R. (2003). Investigación colaborativa de métodos mixtos. En A. Tashakkori y C. Teddlie (Eds.),
Manual de métodos mixtos en investigación social y conductual ( págs.639-670). Thousand Oaks, CA: Sage. Spradley, JP (1979). La entrevista
etnográfica. Nueva York: Holt, Rinehart & Winston. Spradley, JP (1980). Observación del participante. Nueva York: Holt, Rinehart & Winston. Stake,
RE (1995). El arte de la investigación de estudios de casos. Thousand Oaks, CA: Sage. Strauss, A. y Corbin, J. (1998). Fundamentos de la
investigación cualitativa: técnicas y procedimientos para desarrollar
teoría fundamentada. ( 2a ed.). Thousand Oaks, CA: Sage. Tashakkori, A. y Teddlie, C. (1998). Metodología mixta: combinando lo
cualitativo y cuantitativo
enfoques. Thousand Oaks, CA: Sage. Tashakkori, A. y Teddlie, C. (Eds.). (2003a). Manual de métodos mixtos en investigación social y
conductual.
Tashakkori, A. y Teddlie, C. (2003b). El pasado y el futuro de la investigación de métodos mixtos: a partir de la triangulación de datos
ción a diseños de modelos mixtos. En A. Tashakkori y C. Teddlie (Eds.), Manual de métodos mixtos en investigación social y conductual ( págs.671-702).
Teddlie, C. (2005). Cuestiones metodológicas relacionadas con los estudios causales del liderazgo: una perspectiva de métodos mixtos
tivo de los EE. UU. Liderazgo y administración en gestión educativa, 33 ( 2), 211-217.
Teddlie, C. y Stringfield, S. (1993). Las escuelas marcan la diferencia: lecciones aprendidas de un estudio de 10 años de
efectos escolares. Nueva York: Teachers College Press.
Teddlie, C. y Tashakkori, A. (2003). Principales cuestiones y controversias en el uso de métodos mixtos en el ámbito social.
y ciencias del comportamiento. En A. Tashakkori y C. Teddlie (Eds.), Manual de métodos mixtos en investigación social y conductual ( págs. 3-50).
Thousand Oaks, CA: Sage. Ward, M. (1986). Ellos niños: un estudio sobre el aprendizaje de idiomas ( Reimpresión ed.). Long Grove, IL: Waveland. Wunsch,
DR (1986). Investigación de encuestas: determinación del tamaño de la muestra y la respuesta representativa. Educación empresarial
Foro catiónico, 40 ( 5), 31-34.

Yin, RK (2003). Investigación de estudios de caso: diseño y métodos ( 3a ed.). Thousand Oaks, CA: Sage.

Mixed Methods Sampling A Typology With Examples - En.es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mixed Methods Sampling A Typology With Examples - En.es

Cargado por

Copyright:

Formatos disponibles

Revista de investigación de métodos mixtos

Muestreo de métodos mixtos: una tipología con ejemplos

La versión en línea de este artículo se puede encontrar en:

Alertas de correo electrónico: http://mmr.sagepub.com/cgi/alerts

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Muestreo de métodos mixtos

Taxonomía de las estrategias de muestreo en las

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

D. Muestreo mediante técnicas de probabilidad múltiple

II. Muestra deliberada

A. Muestreo para lograr representatividad o comparabilidad

III. Muestreo de conveniencia

IV. Muestreo de métodos mixtos

A. Muestreo de métodos básicos mixtos

Técnicas tradicionales de muestreo de probabilidad

Introducción al muestreo probabilístico

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

• Muestreo estratificado: ocurre cuando el investigador divide la población en subgrupos (o

ingresos altos) y luego selecciona unidades de esos estratos.

El muestreo probabilístico se basa en distribuciones teóricas subyacentes de observaciones, o distribuciones de

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Muestreo mediante técnicas de probabilidad múltiple

Técnicas tradicionales de muestreo intencional

Introducción al muestreo intencionado

Muestreo para lograr representatividad o comparabilidad

La primera categoría amplia de técnicas de muestreo intencional implica dos objetivos:

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

A. Muestreo para lograr representatividad o comparabilidad

B. Muestreo de casos especiales o únicos

7. Muestreo de casos reveladores

D. Muestreo mediante combinaciones de técnicas intencionadas

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Muestreo de casos especiales o únicos

• (también conocido como muestreo en cadena).

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Muestreo mediante técnicas de propósito múltiple

Consideraciones generales sobre

Diferencias entre probabilidad y muestreo intencionado

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Dimensión de contraste Muestra deliberada Muestreo de probabilidad

Otros nombres Muestreo intencionado Muestreo científico

o menos) representatividad (generalmente

Profundidad / amplitud de la información Centrarse en la profundidad de la información Centrarse en la amplitud de la información

Cuando se selecciona la muestra que comience el estudio, comience el estudio

durante el estudio, o ambos Utiliza

pueden narrativos también pueden

ser generado ser generado

El continuo de muestreo de probabilidad mixta con propósito

Características de las estrategias de muestreo de métodos mixtos

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

CALIDAD MEZCLADO QUAN

Fuente: Teddlie (2005).

El investigador de MM a veces elige procedimientos que se centran en generar muestras representativas,

de muestreo de MM pueden producir sólo datos narrativos o numéricos. Por lo tanto,

Descargado de http://mmr.sagepub.com en UCLA el 8 de enero de 2009

Dimensión de contraste Muestreo de métodos mixtos

Justificación de la selección hay un enfoque en

por caja / unidad hebras.

Las preguntas de orientación CUAL pueden dar lugar a la aparición de otras

muestras durante el estudio.

Marco de muestreo Se utilizan marcos formales e informales.

narrativos o solo numéricos.

Nota: CUALqualitativo; CUANquantitativo.