3 - Cómo Se Ejecuta Una Investigación

¿Cómo se ejecuta una
investigación?
PID_00258460
Francesc Salvador i Beltran
Tiempo mínimo de dedicación recomendado: 2 horas

© FUOC • PID_00258460 ¿Cómo se ejecuta una investigación?
Francesc Salvador i Beltran
Doctor en Psicología por la Univer-

sidad de Barcelona (1986) y cate-
drático de Psicología Experimental
de la misma universidad (2010). Im-
parte docencia de las asignaturas
Etología y evolución de la conducta y
Psicometría en la Unidad de Psicolo-
gía Cuantitativa de la Universidad
de Barcelona y es profesor consul-
tor de la Universitat Oberta de Cata-
lunya. Secretario del Comité de Di-
rección del Instituto de Neurocien-
cias de la Universidad de Barcelona
y miembro del Instituto de Investi-
gación Pediátrica Hospital Sant Joan
de Déu. Sus intereses de investiga-
ción son los fundamentos filogené-
ticos de la conducta social, que es-
tudia empleando simulación infor-
mática y métodos comparados y de
observación naturalista. Investiga las
estructuras y la organización social
de los cercopitécidos y los desplaza-
mientos colectivos coordinados en
varias especies. Publica los resulta-
dos de la investigación en revistas
científicas especializadas y también
ha publicado varios manuales sobre
métodos experimentales en psicolo-
gía.
Ninguna parte de esta publicación, incluido el diseño general y la cubierta, puede ser copiada,
reproducida, almacenada o transmitida de ninguna forma, ni por ningún medio, sea este eléctrico,
químico, mecánico, óptico, grabación, fotocopia, o cualquier otro, sin la previa autorización escrita
de los titulares de los derechos.
© FUOC • PID_00258460 ¿Cómo se ejecuta una investigación?
Índice
1. Hipótesis y variables......................................................................... 5
1.1. Pregunta de investigación y respuesta tentativa ......................... 5
1.2. Vías deductiva, inductiva e hipotética-deductiva ....................... 6
1.3. La medida de las variables .......................................................... 7
1.4. Escalas de medida: taxonomía de Stevens .................................. 9
1.5. Medidas idemnóticas, vaganóticas y recuentos .......................... 11
1.6. Medidas discretas y continuas .................................................... 12
1.7. Los errores de medida ................................................................. 13
2. Planificación de las observaciones empíricas............................ 16

2.1. Variabilidad intraindividual e interindividual ............................ 17
2.2. Elección de los sujetos de investigación ..................................... 19
2.3. Procedimientos e instrumentos .................................................. 22
2.4. Observar y experimentar ............................................................ 24
2.5. Simulación informática ............................................................... 26
3. Actividades prácticas........................................................................ 28
3.1. Casos prácticos ............................................................................ 28
3.2. Solucionario de los casos prácticos ............................................. 33
Bibliografía................................................................................................. 37
© FUOC • PID_00258460 5 ¿Cómo se ejecuta una investigación?
1. Hipótesis y variables
El objetivo de la fase de delimitación del problema y establecimiento de obje-

tivos es determinar claramente en qué consistirá nuestra investigación («¿qué
queremos saber?» y «¿por qué lo queremos saber?»). Lo conseguimos revisando
los conocimientos del tema de la investigación, tanto las elaboraciones teóri-
cas como los hechos empíricos que las respaldan, los cuales pueden tener di-
ferentes niveles de desarrollo según la problemática a la que nos enfrentamos,
desde construcciones teóricas bien formalizadas a nivel lógico y matemático
hasta elaboraciones teóricas mínimas; o desde gran cantidad de evidencia em-
pírica acumulada hasta unos referentes empíricos pobres o poco consistentes.
El estado de conocimientos determina qué tipo de pregunta de investigación

podremos formular. Así, si la construcción teórica es escasa y hay poca eviden-
cia empírica que la respalde, puede resultar muy arriesgado formular preguntas
que relacionen causalmente dos o más variables, y seguramente será mucho
más productivo formular cuestiones que pregunten por la existencia o la des-
cripción de alguna o algunas variables. Pero si sucede justo lo contrario, será
mucho más productivo arriesgarnos a preguntar sobre relaciones minuciosas
entre variables. Sea un caso o el otro (o, como siempre, todo un abanico posi-
ble de situaciones intermedias), para obtener una respuesta a la pregunta de
investigación será necesario recurrir a la observación empírica de las variables
a las que hace referencia la pregunta.
1.1. Pregunta de investigación y respuesta tentativa
La pregunta de investigación delimita las variables que hemos de observar y,

si es necesario, las relaciones que hay entre ellas. Para observar las variables
resulta útil dar una respuesta tentativa a la pregunta. Así, si nos preguntába-
mos si hay algún insecto que transmita el virus del Zika, habrá que delimi-
tar la investigación a algunos tipos de insectos que pueden ser portadores de
virus, por ejemplo los mosquitos. Si disponemos de suficiente información,
podemos afinar aún más y limitar la investigación a un determinado género
de mosquitos transmisores de enfermedades, como los mosquitos del género
Aedes. Así, a la pregunta «¿hay algún insecto que transmita el virus del Zika?»
podemos responder: «hay un mosquito del género Aedes que lo transmite».
La respuesta es especulativa porque no está comprobada empíricamente, pe-
ro razonable porque se hace basándose en la información que proporcionan
unos conocimientos previos.
La respuesta tentativa que damos a la pregunta de investigación tiene la utili-

dad de acotar el conjunto de variables al que hemos de dirigir nuestra obser-
vación empírica. La respuesta a la pregunta de si el déficit de atención provo-
ca bajo rendimiento escolar será afirmar que, en efecto, el déficit de atención
provoca bajo rendimiento escolar. Para comprobar si la respuesta es correcta,

será necesario observar las dos variables y la relación que existe entre ellas.
Cuanto más afinada sea la pregunta, más afinada será también la respuesta,
y más específica la comprobación empírica, que se dirigirá a un núcleo más
reducido de variables.
Si la pregunta se formula a partir de un cuerpo teórico bien estructurado y con

una sólida base empírica, esta deberá ser necesariamente muy afinada para
que su posible respuesta produzca un incremento de conocimiento; en caso
contrario, obtendremos conocimientos redundantes. La redundancia de los
conocimientos, si bien refuerza la teoría, también puede ser banal al propor-
cionar respuestas obvias. Es evidente que cada vez que empujamos el bolígrafo
fuera de los límites de la mesa y se cae al suelo reforzamos la teoría de la gra-
vitación universal, pero no per ello decimos que hemos hecho un avance en
el conocimiento. Una pregunta afinada proporciona una respuesta tentativa
igualmente afinada, que será la consecuencia lógica de una estructura teórica
bien consolidada y con buen soporte empírico. En este caso, tal como comen-
tábamos en el módulo didáctico «¿Cómo se planifica una investigación?», de-
cimos que hemos formulado una hipótesis. En otros casos, si bien no habla-
mos estrictamente de hipótesis, la respuesta tentativa limita el conjunto de
variables que deberemos observar (en la investigación del insecto que trans-
mite el virus del Zika, observaremos mosquitos del género Aedes, no cualquier
tipo de mosquito).
1.2. Vías deductiva, inductiva e hipotética-deductiva
Una manera de responder tentativamente a las preguntas puede ser a partir de

deducciones del cuerpo teórico. Así, si se sabe que uno de los síntomas de las
fobias es la ansiedad y se sabe también que determinadas técnicas inducen a
la relajación, que es una respuesta incompatible con la ansiedad, fácilmente
podremos deducir que una terapia de las fobias que incorpore componentes
de relajación se espera que sea más efectiva que otra que no las incorpore.
En este caso, hemos llegado a formular la hipótesis por una vía que podemos Nomenclatura binomial
denominar deductiva. También puede ser que la estructura del cuerpo teórico
En 1731, Carl von Linné pro-
sea más débil, pero a cambio disponga de un conjunto de evidencias empíricas puso una nomenclatura para
consolidadas. Por ejemplo, conocemos que los mosquitos son buenos trans- denominar, de manera inequí-
voca, a los seres vivos. Cada
misores de enfermedades virales, que la zona de detección inicial del virus del especie se denomina con dos
palabras en latín (o latiniza-
Zika (un bosque cerca de Entebbe, en Uganda) es compatible con la presencia das): el género (que se escribe
en mayúscula y cursiva) y la es-
de mosquitos del género Aedes (como el Aedes aegypti), etc. Así pues, podemos pecie (en minúscula y cursiva).
reunir todas las evidencias acumuladas y proponer al mosquito de la especie Así, por ejemplo, se denomina
Canis familiaris al perro domés-
Aedes aegypti como un transmisor del virus del Zika. En este caso, hemos dado tico, donde Canis hace referen-
cia a características que com-
una posible respuesta por una vía que podemos denominar inductiva. parte con otras especies cerca-
nas como el lobo, el coyote o
el chacal (Canis lupus, Canis la-
Bien sea por una vía o por otra, el punto clave es proporcionar una respuesta trans y Canis aureus, respecti-
vamente), y donde familiaris
tentativa a la pregunta de investigación, tanto si es en forma de hipótesis de- hace referencia a las caracterís-
rivada formalmente de una teoría o en forma de delimitación de un conjun- ticas propias de la especie.
to de variables. De hecho, entre los dos extremos que hemos ilustrado (vías
deductiva e inductiva, respectivamente), suele ser más habitual una especie ¡Cuidado!
de combinación de las dos vías, o vía hipotética-deductiva, en la que la res-
Una pregunta no se respon-
puesta tentativa se apoya en hipótesis (más o menos refinadas) derivadas del de con otra pregunta. Las hi-
cuerpo teórico y hechos empíricos más o menos estructurados. pótesis y todas las delimitacio-
nes tentativas previas de las va-
riables de investigación se ex-
presan en afirmativo, no como
En definitiva, el investigador utiliza todo el conocimiento previo del que dis- una interrogación.
pone para proponer una posible respuesta a la pregunta de investigación, que
será o bien una hipótesis en sentido estricto o bien la delimitación de unas
variables o valores de variables de las que se espera la respuesta. Tanto en un
caso como en el otro, efectuamos afirmaciones sobre lo que se espera obtener
(por ejemplo, «hay un mosquito del género Aedes que transmite el virus del
Zika» o «el déficit de atención provoca bajo rendimiento escolar»).
La observación empírica apoyará o no aquello que afirmamos porque aceptan-

do o rehusando la afirmación damos respuesta a la pregunta de investigación.
Si aceptamos la afirmación, hemos encontrado la solución al problema plan-
teado en la pregunta de investigación. Si no la aceptamos, no hemos encon-
trado la solución, pero ya hemos visto que a menudo el rechazo nos propor-
ciona información que sirve para formular nuevas preguntas (y a su vez nue-
vas hipótesis o variables tentativas para someter a comprobación empírica).
1.3. La medida de las variables
La hipótesis, o cualquier delimitación tentativa de las variables de investiga-

ción, nos señala qué variables, valores de variables o relaciones entre ellas de-
beremos someter a contrastación empírica. Para hacerlo emplearemos las de-
finiciones operacionales de las variables (que ya hemos visto en el apartado
«El planteamiento de objetivos: la investigación basada en la evidencia» del
módulo didáctico «¿Cómo se planifica una investigación?»). Una manera de
hacer la definición operacional de una variable es midiéndola. Introduciremos
unas breves nociones de teoría de la medida, veremos cómo podemos medir

variables y qué utilidad puede tener la medida de estas en el proceso de inves-
tigación.
Medir es representar mediante números propiedades de los objetos empíricos,

siguiendo determinadas reglas de representación (Campbell, 1952). Como las
propiedades de los objetos empíricos constituyen variables, habrá que repre-
sentar con números los valores que toman las variables. La representación, sin
embargo, no puede ser arbitraria. Supongamos que se puede estar nada, un
poco, bastante o muy de acuerdo con una opción política, que son los niveles
en los que puede variar la variable concordancia con una opción política. Si
usamos los números 1, 2, 3 y 4 para representar cada uno de los posibles nive-
les de la variable concordancia con una opción política, de modo que a nada
de acuerdo asignamos el 1, a un poco de acuerdo el 2 y así sucesivamente,
habremos sido consistentes en hacer corresponder cada uno de los números a
cada nivel de acuerdo, porque estar nada de acuerdo es estar menos de acuer-
do que estar bastante de acuerdo, y el número que hemos asignado a nada de
acuerdo es más pequeño (el 1) que el número que hemos asignado a bastante
de acuerdo (el 2). El hecho empírico de estar menos de acuerdo queda repre-
sentado por la propiedad de los números ser más pequeño que (<) porque estar
nada de acuerdo es estar menos de acuerdo que estar bastante de acuerdo y 1
< 2 (la relación entre los números refleja la relación entre los elementos em-
píricos). No podemos asignar de manera arbitraria cualquier número a nada,
un poco, bastante o muy de acuerdo, sino que estos deben respetar el orden.
Cualquier conjunto de cuatro números que respeten el orden es válido para
hacer la representación numérica de la variable concordancia con una opción
política (por ejemplo: 45, 56, 109 y 2.324; pero también los números –2, 3,4,
45 y 45,1).
Fijémonos en que en el ejemplo del párrafo anterior la clave se encuentra en

respetar el orden. Podemos aprovechar la propiedad de los números ser me-
nor que, tal como hemos hecho en el ejemplo, pero también la propiedad ser
mayor que y asignar 4, 3, 2 y 1 (donde a nada asignamos el 4 y a mucho, el
1). Lo mismo hacemos cuando asignamos el 1 al primer corredor que llega a
la meta, el 2 al segundo, etc. (al más rápido le asignamos el 1, al siguiente el
2, etc.): una secuencia ordenada de elementos empíricos se puede representar
por números progresivamente menores o progresivamente mayores porque en
los dos casos respetamos el orden.
Medir las variables, es decir, asignar valores numéricos, permite una mayor
manejabilidad de los datos, como tabularlos o hacer operaciones entre los nú-
meros. En el análisis de los datos, las operaciones entre números permiten
sintetizarlos y obtener indicadores que ayuden a tomar con más claridad deci-
siones sobre la hipótesis o las variables de interés para la investigación. Ahora
bien, las operaciones que hacemos en el análisis solo proporcionan una infor-
mación correcta si la variable ha sido medida de manera correcta. Si los nú-
meros elegidos para medir la variable concordancia con una opción política
no reflejan el orden, entonces la representación será inadecuada (o, lo que es

lo mismo, la variable no habrá sido medida de manera correcta). Para deter-
minar si hemos hecho bien la representación numérica, deberemos conocer
con qué propiedades empíricas nos podemos encontrar y cómo las podemos
representar con números. Cada manera de hacer la asignación numérica pro-
porcionará lo que llamaremos una escala de medida.
1.4. Escalas de medida: taxonomía de Stevens
Las escalas�de�medida nos permiten poner en correspondencia las propieda- Para saber más
des empíricas que definimos en las variables y la manera de hacer la asigna-
La taxonomía en cuatro es-
ción numérica. Básicamente podemos distinguir cuatro escalas de medida, que calas de medida fue desarro-
denominaremos nominal, ordinal, intervalo y razón. Veamos a continuación llada por Stanley S. Stevens
(1906-1973). Hay otras taxo-
qué propiedades representamos con cada una. nomías de las escalas de me-
dida, pero la más usada, con
diferencia, es la propuesta por
Stevens (ved Stevens, 1951).
Hemos visto en el ejemplo de la variable concordancia con una opción polí-
tica que la propiedad que deben representar los números es el orden. Veamos
otro caso. Supongamos que una investigación se dirige a establecer los tipos de
mosquito que hay en una determinada zona (es decir, plantearía una pregun-
ta de clasificación) y que lo haremos según la categoría taxonómica género
(Anopheles, Bironella, Chagasia, etc. y así hasta unos cuarenta y tres géneros).
La variable género de los mosquitos podrá tomar cuarenta y tres valores, que
corresponden a cada uno de los cuarenta y tres géneros: un mosquito podrá
pertenecer al género Anopheles, o al género Bironella o al género Chagasia, o
bien a alguno de los otros cuarenta. Si queremos medir la variable género de
los mosquitos, deberemos garantizar que la asignación numérica refleja el he-
cho de que son géneros diferentes. Lo único que habrá que hacer es asignar
números diferentes a cada género. Por ejemplo, al género Anopheles le asigna-
mos el 1, al género Bironella el 2, al género Chagasia el 3, y así sucesivamente.
Aprovechamos que 1, 2, ..., 43 son números diferentes para reflejar el hecho
empírico de que hay géneros diferentes. La escala de medida corresponde a lo
que denominamos escala�nominal según la taxonomía de Stevens.
Una escala nominal permite distinguir entre elementos diferentes porque a ca-
da elemento le corresponde un número diferente: números diferentes indican
elementos diferentes, mientras que números iguales indican elementos igua-
les. Pero como la única propiedad que se aprovecha de los números es el hecho
de ser números iguales o diferentes, pueden ser reemplazados por cualquier
otro código que, de manera consistente, asigne el mismo símbolo a elementos
iguales y un símbolo diferente a elementos distintos (por ejemplo, podemos
usar las letras del alfabeto latino: A, B, C, etc.). A pesar de su sencillez, una
variable medida en una escala nominal permite hacer recuentos de los valores
de la variable. Si asignamos el 1 a los niños y el 2 a las niñas de la variable sexo
(o bien la A a los niños y la B a las niñas, o efectuamos la asignación según
cualquier otra codificación sistemática), el recuento de los 1 y de los 2 propor-
ciona la frecuencia de niños y niñas respectivamente, a partir de las cuales

podremos efectuar operaciones matemáticas, por ejemplo de tipo estadístico
(como obtener la moda o coeficientes de contingencia entre variables).
El ejemplo que hemos desarrollado más arriba de la variable concordancia con

una opción política corresponde a una escala�ordinal. La propiedad que de-
ben reflejar los números es el orden. Las propiedades que es capaz de repre-
sentar una escala ordinal se acumulan a las que es capaz de representar una
escala nominal porque para poder establecer un orden hace falta también po-
der distinguir: si queremos poner a alguien delante de otro, antes hace falta
que sepamos quién es cada cual. Para ordenar de menos a más el acuerdo con
una opción política, será necesario que diferenciemos primero los grados de
acuerdo: diferenciamos los que tienen nada de acuerdo de los que tienen poco
de acuerdo, y después podremos poner los que tienen nada de acuerdo delante
de los que tienen un poco de acuerdo. Si respetamos la regla según la cual a
un nivel de acuerdo más pequeño que otro le asignamos también un número
más pequeño que otro, las asignaciones numéricas reflejarán los diferentes ti-
pos de acuerdo posibles y los ordenarán (el 1 y el 2 son números diferentes
y, además, 1 < 2).
La tercera escala de medida que propone Stevens es la escala�de�intervalo, que

además de distinguir y ordenar elementos incorpora la proporcionalidad entre
los valores de la escala. Por ejemplo, cuando se mide la variable temperatura en
grados centígrados y se asigna 35 a una determinada temperatura y 40 a otra,
se espera que la diferencia empírica de temperatura entre las temperaturas que
representan los números 35 y 40 sea la misma diferencia que hay entre las
temperaturas que representan los números 20 y 25. Esta igualdad de diferen-
cias también se espera que se mantenga para cualesquiera cuatro temperatu-
ras que muestran determinada diferencia entre ellas: la diferencia empírica de
temperatura entre las temperaturas que representan los números 52 y 53 debe
ser la misma que la diferencia empírica de las temperaturas que representan el
números 84 y 85, y así sucesivamente para cada tétrada de temperaturas.
Observemos que, si bien la escala para medir la variable temperatura en gra-

dos centígrados puede asignar el número cero (y, de hecho, lo asigna a aquella
temperatura en la que se congela el agua), el número cero no representa la
ausencia de temperatura, es decir, el hecho de que no haya temperatura. En
una escala de intervalo se dice que el número cero se asigna de manera arbi-
traria porque su asignación no representa aquella circunstancia en la que la
variable no está presente.
En muchas variables puede darse el caso de que, bien por dificultades de acceso Una precisión
a la variable o bien por la conceptualización que se hace de ella, no se pueda
Además de la escala en grados
o no tenga sentido determinar empíricamente la ausencia de la variable. Así, centígrados (y otras escalas si-
podemos aplicar una prueba psicológica de inteligencia a unos individuos y milares, como los grados Fah-
renheit) la temperatura tam-
representar numéricamente la inteligencia que hemos observado. Uno de los bién se puede representar en
una escala Kelvin, en la que el
números que podemos asignar es el 0, pero 0 no indica que no haya inteligen- valor 0 sí indica ausencia de
temperatura (refleja el hecho
cia (igual que asignar 0 a una determinada temperatura no indicaba la ausen- empírico de que no hay nin-
cia de temperatura). gún movimiento de las molé-
culas). Entonces, en este caso,
la variable temperatura se mi-
de con una escala de razón.
En una escala�de�razón, el cuarto tipo de escala de la taxonomía de Stevens, el
número cero se reserva para representar la ausencia de la variable. Por ejem-
plo, si medimos la variable distancia entre dos objetos físicos, como una me-
sa y una silla, y estos están tocando el uno con el otro, diremos que no hay
distancia entre ellos (la variable distancia está ausente entre la mesa y la silla).
Para representar la ausencia de la variable, emplearemos el número cero. A di-
ferencia de las escalas de intervalo, las escalas de razón hacen una asignación
no arbitraria del número cero. Las escalas de razón acumulan, además, las ca-
pacidades de representación de las otras tres escalas: distinguir elementos di-
ferentes, ordenarlos y establecer una proporcionalidad entre ellos. Las cuatro
escalas de la taxonomía de Stevens siguen un orden acumulativo según las
propiedades de los objetos empíricos que son capaces de representar: nominal
< ordinal < intervalo < razón.
1.5. Medidas idemnóticas, vaganóticas y recuentos
Fijémonos en que una escala de razón permite establecer fácilmente un patrón

fijo que sirva de unidad para hacer las asignaciones numéricas. Así, podemos
tomar de patrón la distancia que va desde no haber ninguna distancia (los ob-
jetos están juntos, y lo representamos con el 0) hasta una determinada distan-
cia arbitraria entre los objetos. Entonces, cuando queremos medir la distancia
entre dos objetos cualesquiera, tomaremos el patrón que hemos establecido y
veremos cuántas veces cabe entre estos objetos. Si, por ejemplo, cabe tres ve-
ces, asignaremos el 3 a aquella distancia. Cualquier distancia entre dos objetos
la podremos expresar como un múltiplo o un submúltiplo del patrón fijo, que
será la unidad de medida. Es lo que se produce cuando medimos, por ejemplo,
una distancia. Si tomamos el metro de patrón fijo, toda distancia se podrá ex-
presar numéricamente como el número de veces que contiene el patrón metro
(por ejemplo, 50 si lo contiene cincuenta veces o 0,5 si lo contiene media vez).
Siguiendo esta estrategia, obtenemos una medida que denominamos idemnó-
tica. Todas las asignaciones numéricas que se puedan hacer del mismo modo
que lo hemos hecho con la variable distancia serán medidas idemnóticas.
La estrategia de asignar valores numéricos en función de un patrón fijo es po-

sible si se dispone de un punto de anclaje empírico desde donde fijar el patrón
que actúa de unidad de medida. Este punto lo tenemos en las variables en las
que podemos identificar dónde hay ausencia de propiedad, que se toma de
referencia para establecer el patrón desde no haber propiedad hasta un cierto
nivel de esta (es lo que se hizo cuando se estableció que determinada distancia
será un metro, determinada capacidad un litro o determinada superficie un
metro cuadrado, etc.). Ahora bien, hemos visto variables en las que no es po-
sible detectar la ausencia de propiedad (o no tiene sentido por la manera co-
mo hemos conceptualizado la variable), por lo que no disponemos de ningún
punto de anclaje empírico desde donde establecer el patrón que nos sirva de
unidad de medida. La estrategia para obtenerlo deberá ser diferente. Suponga-
mos que aplicamos unas pruebas de inteligencia y observamos qué ejecucio-
nes han hecho los individuos, que serán diferentes de un individuo a otro.
Estaremos observando la variabilidad de la variable inteligencia. En función
de cuál haya sido esta variabilidad, estableceremos arbitrariamente dos nive-
les de ejecución, cuya diferencia establecerá la unidad de medida. A cualquier
ejecución que un individuo haga de estas pruebas de inteligencia le asignare-
mos un número comparando la ejecución concreta que ha hecho el individuo
con la ejecución que corresponde a la unidad de medida. Esta estrategia nos
proporciona medidas que denominaremos vaganóticas.
Podemos obtener un tercer tipo de medida, que consiste en hacer recuentos.

Por ejemplo, de la variable género de los mosquitos podemos contar cuántos
Anopheles, Bironella, Chagasia, etc., tenemos en una muestra recogida en un
trabajo de campo. Si para manejar mejor la información configuramos una
tabla en la que indicamos Anopheles = 1, Bironella = 2, Chagasia = 3, etc., de
manera que obtenemos una tabla de números, podremos contar el número de
1, de 2, de 3, etc., que hay en la tabla y, por lo tanto, obtener la frecuencia.
1.6. Medidas discretas y continuas
Fijémonos ahora en la escala de medida que hemos utilizado para la variable

concordancia con una opción política: nada = 1, un poco = 2, bastante = 3
y mucho = 4. Solo podemos usar unos determinados valores (1, 2, 3 y 4, res-
pectivamente), y no números que representen posiciones intermedias porque
se puede ser el tercero o el cuarto, pero no el tercero y medio. Lo mismo suce-
de con la variable género de los mosquitos, en la que un individuo puede o
no pertenecer al género Anopheles, pero no una parte del individuo al género
Anopheles y otra al género Bironella. La medida que se obtiene cuando se em-
plean escalas ordinales o nominales es de tipo discreto.
Veamos ahora la escala de medida que hemos utilizado para la variable distan-
cia entre dos objetos. Podemos representar la distancia por 1, 2 o 50 en fun-
ción de las veces que encaja el patrón fijo (una, dos o cincuenta veces), pero
también la podemos representar por 0,25 si encaja un cuarto de patrón, o por
26,3 si encaja veintiséis veces y un tercio. Podemos usar tantos números como
nos permita la precisión de nuestro instrumental. La medida que se obtiene
cuando se emplean escalas de razón o de intervalo es de tipo continuo.
Medir las variables permite disponer de unas definiciones operacionales que

nos pueden ser muy útiles cuando debamos hacer las observaciones empíri-
cas para obtener los datos, y también para hacer los análisis. De la diferente
tipología de medidas según las reglas de asignación numérica (escalas de me-
dida), de la estrategia de medida (idemnótica, vaganótica y recuento) o del
tipo de valores numéricos (discretas o continuas) dependerá qué información
obtendremos de las variables y también, cuando sea necesario, qué estrategia
de análisis de los datos usaremos.
1.7. Los errores de medida
Si hemos definido unas reglas de asignación numérica (es decir, disponemos

de una escala de medida), podemos representar numéricamente las observa-
ciones empíricas que efectuamos de las variables (es decir, podemos medir).
Ahora bien, cuando hacemos la operación de medir, no estamos exentos de
cometer errores, que no son otra cosa que una discrepancia entre la asigna-
ción numérica que efectuamos en la propiedad empírica que queremos medir
y la asignación que realmente deberíamos efectuar. Así, podemos mirar mal
el termómetro y registrar una temperatura de 25 grados centígrados, cuando
en realidad la temperatura es 25,5 grados porque el termómetro en realidad
marca 25,5. Si siempre que consultamos el termómetro cometemos el mismo
error (por ejemplo, porque los indicadores están un poco borrosos y siempre
nos hacen confundirnos en el mismo sentido), hemos cometido un error�sis-
temático. Por el contrario, si el termómetro que usamos no es bastante preci-
so y solo es capaz de marcar de medio grado en medio grado, de modo que
las diferencias de temperatura menores de medio grado las muestra en medio
grado inferior o en medio grado superior según si la temperatura empírica se
acerca más a uno o al otro, entonces el error que se produce es de tipo aleato-
rio. En ambos casos, sin embargo, hay un discrepancia entre el valor empírico
de la variable que observamos y la medida que hemos registrado (registramos
25 y deberíamos registrar 25,5; o la temperatura corresponde a 25,3, pero el
termómetro nos marca 25,5), es decir, en los dos casos hemos cometido un
error�de�medida.
Los errores de medida sistemáticos son evitables si conocemos su causa (pode-

mos limpiar los indicadores del termómetro para ver más claramente), o los
podemos corregir con facilidad si sabemos su magnitud (como sabemos que
vemos medio grado menos, cada vez que registramos añadimos medio grado
al registro). Pero si se produce un error sistemático y desconocemos el hecho
que se está produciendo este error, las consecuencias pueden ser muy nega-
tivas. Así, por ejemplo, podremos concluir que la temperatura que produce
una reacción química es excesiva porque sobrepasa el umbral que establece
un protocolo de seguridad, pero en realidad la reacción no ha sobrepasado el
umbral, sino que ha sido consecuencia de una mala lectura repetida del ter-
mómetro (un error sistemático de medida).
Los errores de medida aleatorios tienen unas consecuencias diferentes de los

errores sistemáticos. En nuestro ejemplo, si no cambiamos de termómetro a
otro más preciso, no podremos evitarlos; pero unas veces nos proporcionará
valores al alza y otras a la baja, según la temperatura real se acerque más o
menos a lo que es capaz de detectar. En un número repetido de registros, los
valores al alza se compensarán con los valores a la baja, de modo que de me-
dia nos acercaremos mucho al valor empírico real. De hecho, como a menudo
accedemos a las variables y efectuamos su asignación numérica mediante ins-
trumentos, incluso en los más precisos habrá una discrepancia entre el valor
empírico real y el número que nos muestra el instrumento. Si la distribución
de los errores de un conjunto de medidas es realmente aleatoria, podemos es-
timar qué efecto tiene sobre el valor real y evaluar el alcance que este error
tiene sobre nuestras observaciones (volveremos sobre este tema en el apartado
«Datos, teoría y modelos» del módulo didáctico «¿Cuál es el producto de la
investigación?»).
Figura�1. Cuadro resumen de la definición y características de la medida y de los errores

de medida.
En este apartado hemos caracterizado las diferentes maneras de presentar una

respuesta tentativa a la pregunta de investigación (y la importancia de hacer-
lo). También hemos mostrado que al dar la respuesta tentativa fijamos las va-
riables que deberemos observar a nivel empírico, las cuales podremos definir
con procesos de medida para ponerlas en situación de ser observadas. Hemos
destacado la importancia de la medida y hemos indicado algunas característi-
cas relevantes de esta y de sus errores (ved la figura 1). En el siguiente apartado,
avanzaremos un paso más en las fases de aplicación del método científico y

mostraremos las nociones básicas de la planificación y ejecución de las obser-
vaciones empíricas.
2. Planificación de las observaciones empíricas
Veíamos que la contrastación empírica nos dará la información sobre la que

decidiremos si unos determinados conocimientos son correctos o hay que
cambiarlos, o bien si se pueden afinar más. Cuando se ha formulado la pregun-
ta de investigación, se le ha dado una respuesta tentativa y se ha realizado una
definición operacional de las variables (a veces con procesos de medida), nos
encontramos en condiciones de hacer las observaciones empíricas. El objetivo
será obtener unos datos que nos permitan decidir si la respuesta tentativa que
habíamos adelantado es adecuada y, en función de la decisión que tomemos,
evaluar si hemos sido capaces de responder a la pregunta de investigación.
Incluso en el supuesto de que la pregunta de investigación sea sencilla e im-

plique pocas variables, nunca es recomendable empezar directamente la ob-
servación de estas. Siempre es necesaria una planificación previa que indique
dónde encontraremos las variables, cómo accederemos a sus valores, durante
cuánto tiempo las observaremos y cómo haremos los registros, etc. Todas estas
cuestiones deben quedar establecidas en una planificación previa (recordemos
que hemos definido los datos como los registros de los valores de las variables
obtenidos bajo condiciones planificadas). Las observaciones ocasionales o sin
una planificación previa proporcionan muy a menudo informaciones anecdó-
ticas o llevan a obtener observaciones contaminadas por otras variables que
no corresponden a aquello que buscábamos. La información ocasional o no
planificada no será válida para tomar decisiones sobre la hipótesis o las varia-
bles sobre las que hemos fijado nuestro interés, por lo que habrá que hacer
una planificación que guíe el proceso de observación empírica de las variables.
Esto no es obstáculo para que en el decurso de una investigación en ocasiones
se puedan obtener algunos datos que llevan a resultados del todo inesperados.
Estos descubrimientos por casualidad, que se denominan descubrimientos por
serendipity, pueden producirse algunas veces y proporcionar información pa-
ra abrir nuevas preguntas de investigación.
Si a pesar de haber efectuado la planificación con cuidado, durante la realiza-

ción de las observaciones nos damos cuenta de que había elementos o circuns-
tancias que no habíamos previsto (y como, de hecho, no lo podemos prever
todo, esta no suele ser una situación infrecuente), hay que parar el proceso de
observación de las variables. Detectado cuál era el imprevisto, hay que reha-
cer la planificación y, solo entonces, volver a la observación. En la mayoría
de los casos, los datos obtenidos antes de detectar el imprevisto deberán ser
descartados. A pesar del contratiempo que esto pueda suponer, más vale ase-
gurarse de que los datos serán adecuados para tomar decisiones que quedarse
con unos datos contaminados que serán inútiles o engañosos, haciéndonos
tomar decisiones incorrectas.
Para minimizar el riesgo de vernos obligados a parar las observaciones y perder

datos, a veces es recomendable probar el plan. Esto nos permite someter a
prueba procedimientos, maneras de acceder a las variables, instrumental, etc.,
con el objetivo de asegurar que todos los elementos que constituyen el plan
son adecuados, o darnos cuenta de las correcciones y mejoras que hay que
introducir. Esta prueba-piloto (o pruebas-piloto, si se hacen varias) no tiene el
objetivo de proporcionar datos para tomar ninguna decisión, sino comprobar
si la planificación de las observaciones es adecuada.
La manera de observar las variables depende mucho del contenido de cada

investigación. Ya hemos comentado que existen multitud de técnicas porque
las variables de interés pueden ser también muy diversas. Es evidente que la
manera de observar y registrar la luminosidad de una estrella no es la misma
que la manera de detectar los componentes que resultan de una reacción quí-
mica o la de obtener la opinión de unas personas sobre un determinado te-
ma. Todas son variables (luminosidad, componentes y opinión) que pueden
ser foco de interés en una investigación, pero la manera que tendremos de
acceder a ellas es completamente diferente porque los objetos a los que hacen
referencia también son diferentes (un astro, unos elementos químicos y unos
individuos, respectivamente).
2.1. Variabilidad intraindividual e interindividual
La primera cuestión que habrá que plantear, y que será crucial para decidir
cómo procederemos a observar las variables, es qué variabilidad pueden ma-
nifestar las variables que registramos. Por ejemplo, inicialmente podemos asu-
mir que un átomo de hidrógeno es esencialmente idéntico a cualquier otro
átomo de hidrógeno del universo, de modo que las variables que definen los
átomos de hidrógeno se manifestarán por igual en cualquier átomo de hidró-
geno que observemos.
Si observamos la variable número atómico en un átomo de hidrógeno (que es

el número de protones del núcleo del átomo), siempre contaremos un protón,
sin importar en qué átomo de hidrógeno hayamos hecho la observación. O lo
que es el mismo, no habrá�variabilidad�intraindividual (en todos los átomos
de hidrógeno contamos el mismo número de protones).
Observemos ahora la variable número atómico en un átomo de helio. Siempre

contaremos dos protones (tampoco habrá variabilidad intraindividual). Los
átomos de hidrógeno y de helio variarán entre ellos en la variable número ató-
mico, y siempre lo harán del mismo modo (como en un átomo de hidrógeno
siempre contaremos un protón y en un átomo de helio siempre contaremos
dos, un átomo de hidrógeno siempre variará en un protón respecto a un áto-
mo de helio). La variabilidad�interindividual que observamos será siempre
la misma.
La situación es diferente si observamos la variable longitud total del cuerpo de

un mosquito de la especie Aedes aegypti. Las longitudes del cuerpo de dos mos-
quitos Aedes aegypti, a pesar de que hayamos tenido cuidado de seleccionarlos
en la misma fase de desarrollo, serán muy parecidas pero no exactamente los
mismas. A diferencia del número atómico de un átomo de hidrógeno, que será
idéntico para cualquier átomo de hidrógeno, las longitudes del cuerpo de los
mosquitos Aedes aegypti mostrarán una variabilidad de un individuo a otro. Si
comparamos la longitud del cuerpo de un mosquito Aedes aegypti con la de
un mosquito Culex pipiens, observaremos que son diferentes entre ellas. Pero
si tomamos otro mosquito Aedes aegypti y otro mosquito Culex pipiens, a pesar
de encontrar valores diferentes de la variable longitud total del cuerpo entre
ellos, la diferencia no será idéntica a la que habíamos encontrado entre los
otros dos ejemplares, aunque será muy similar. Observaremos una variabilidad
intraindividual en la variable longitud total del cuerpo (de los mosquitos de la
misma especie), aunque muy pequeña; y observaremos también que la varia-
bilidad interindividual (entre mosquitos de especies diferentes) no se manten-
drá igual, a pesar de que seguramente se asemejarán mucho entre ellas.
Repitamos una vez más este ejercicio y observemos la variable concordancia

con una opción política en un grupo de individuos. El valor que tome la va-
riable puede ser muy diferente de un individuo a otro. Pero también un mis-
mo individuo puede cambiar de opinión, de tal manera que si observamos la
variable en momentos distintos (por ejemplo, antes y después de unas elec-
ciones), el valor que tome esta puede ser también muy diferente. Observare-
mos, por lo tanto, una gran variabilidad intraindividual (el mismo individuo
puede mostrar valores diferentes de la variable según cuándo efectuemos la
observación) y, consecuencia de esto, la variabilidad interindividual tampoco
se mantendrá igual.
La figura 2 muestra los dos extremos de los ejemplos que hemos presentado.
Encontramos un caso en el que no hay variabilidad intraindividual, como la
variable número atómico del átomo de hidrógeno, y otro en el que sí la hay,
como la variable longitud del cuerpo de los mosquitos o la variable concor-
dancia con una opción política de unos individuos. Por otro lado, en la misma
figura vemos un caso en el que observaremos siempre la misma variabilidad
interindividual y otro en el que no. En el número atómico, siempre observa-
mos la misma diferencia entre el átomo de hidrógeno y el átomo de helio,
sin importar qué átomos de hidrógeno o helio tomamos, pero en las variables
longitud del cuerpo y concordancia con una opción política, las diferencias
entre especies de mosquito y entre individuos dependerá de qué mosquitos o
qué individuos elijamos para observar la variable.
Figura�2. Representación esquemática de dos variables que muestran diferente variabilidad

intraindividual (nula en la gráfica inferior de la figura) y también variación en la variabilidad
interindividual, que mantiene la misma diferencia en la gráfica inferior y cambia en la gráfica

superior.
Obviamente, si cuando hacemos la definición operacional de la variable redu-

cimos el número de valores que puede tomar, reduciremos también la varia-
bilidad que podemos observar. Así, si definimos la variable concordancia con
una opción política con los valores nada, un poco, bastante o muy de acuerdo
(o sus medidas, por ejemplo: 1, 2, 3 y 4), la variabilidad que podremos observar
será mayor que si la definición operacional de la variable se limita a los valores
estar o no estar de acuerdo (o sus medidas: 1 y 2). Ahora bien, la información
que proporciona la observación de la variable en este último caso es mucho
menos minuciosa que en el caso anterior. La simplificación nos permite redu-
cir variabilidad, pero reduce también la información que obtenemos porque
también reduce la posibilidad de detectar variaciones entre individuos. Que
podamos o no simplificar el número de valores de la variable depende del es-
tado de la cuestión de los conocimientos de nuestro ámbito de investigación.
Si realmente se tiene un desconocimiento total de la concordancia con una
opción política de una población de individuos, una investigación tentativa
en la que la variable se defina de manera operacional como estar o no estar de
acuerdo puede aportar información útil. Pero si ya se dispone de información
previa, definirla con valores dicotómicos no aportará nada nuevo y habrá que
afinar más en la definición para obtener resultados que no sean banales (in-
cluso puede resultar que la opción nada, un poco, bastante o muy de acuerdo
sea todavía demasiado simple y haya que introducir más matices).
2.2. Elección de los sujetos de investigación
Si queremos mostrar la diferencia entre los átomos de hidrógeno y de helio

en referencia a su número atómico, será indiferente el átomo de hidrógeno y
el átomo de helio que elijamos, pero no lo será si queremos mostrar las dife-
rencias entre individuos respecto a la concordancia con una opción política.

Imaginémonos que elegimos unos cuantos individuos y observamos cuál es
su acuerdo. Si por casualidad los individuos elegidos tienen todos un poco de
acuerdo con la opción política, los resultados mostrarán que todo el mundo
está solo un poco de acuerdo. Pero si por casualidad todos los individuos ele-
gidos están muy de acuerdo, entonces los resultados mostrarán que todo el
mundo está a favor de la opción política. Los resultados a los que lleguemos
dependerán de qué individuos elegimos. Si para la variable número atómico es
indiferente en qué sujetos de investigación observaremos la variable (qué áto-
mos elegimos), para la variable concordancia con una opción política no lo es.
Una de las preguntas que deberemos responder es «¿qué sujetos elegimos para
observar las variables de la investigación?». Si no hay variabilidad intraindi-
vidual, como en el ejemplo del hidrógeno y del helio, la preocupación por
la elección será nula, pero cuanto más variabilidad intraindividual haya, con
más cuidado habrá que hacer la elección. Esta deberá garantizar que los sujetos
que elegimos pueden ser considerados esencialmente iguales, de modo que se
puedan intercambiar por otros. Para responder, una vez más, habrá que fijarse
en los objetivos de la investigación.
Volvamos por un momento al ejemplo de los átomos de hidrógeno y de he-

lio. Podemos considerar iguales, y por lo tanto intercambiables, todos los áto-
mos de hidrógeno y todos los átomos de helio si nuestro interés son las pro-
piedades químicas de estos dos elementos. Si nos interesaran las propiedades
físicas, dos átomos de hidrógeno cualesquiera ya no serían iguales e intercam-
biables. Los átomos de hidrógeno (y también los de helio y los de los otros
elementos), a pesar de tener el mismo número atómico (un protón en el caso
del hidrógeno) que los hace iguales en sus propiedades químicas, muestran
propiedades físicas diferentes según la variable número másico (número de
protones y neutrones). Un átomo de hidrógeno puede tomar tres valores de la
variable número másico. Los átomos con el mismo número atómico pero di-
ferente número másico se denominan isótopos porque ocupan el mismo lugar
en la tabla periódica de los elementos. El átomo de hidrógeno puede tener tres
números másicos y, por lo tanto, tres isótopos: un protón y ningún neutrón
(protio), un protón y un neutrón (deuterio) y un protón y 2 neutrones (tri-
tio). Si el objetivo de la investigación son las propiedades físicas de los átomos
de hidrógeno, ya no nos valdrá cualquier átomo, sino que deberemos prestar
atención a su número másico porque los resultados podrán ser diferentes en
función del valor que tome esta variable (como también eran diferentes cuan-
do solo se escogían individuos un poco de acuerdo con una opción política o
solo individuos muy de acuerdo). Es decir, si la pregunta de investigación hace
referencia a las propiedades físicas del átomo de hidrógeno, habrá que tener
en cuenta esta variabilidad, pero no si se dirige a las propiedades químicas.
Las variables implicadas en los objetivos de la investigación determinarán en
cada caso cuándo dos sujetos pueden ser considerados esencialmente iguales
o debemos tener en cuenta las posibles diferencias.
La concordancia con una opción política está relacionada con otras muchas Una definición
variables (por ejemplo, como comentábamos, la variable periodo electoral).
La onda P300 es un potencial
En otros casos, sin embargo, puede haber menos variables implicadas. Así, si evocado (una respuesta neuro-
sometemos a un individuo varias veces a una misma tarea que implique to- fisiológica a un estímulo) que
se utiliza en psicología y otras
mar decisiones y observamos sus registros electro-encefalográficos, aproxima- disciplinas afines, como la psi-
copatología, para la investiga-
damente a los 300 milisegundos observaremos una deflexión positiva del vol- ción de funciones cognitivas
relacionadas con la toma de
taje (onda P300), pero con alguna variación en su forma y magnitud cada vez decisiones.
que el individuo haga la tarea. Observaremos, por lo tanto, una variabilidad
intraindividual que puede depender de otras variables implicadas mientras se
hacía la tarea, como puede ser la fatiga acumulada durante la ejecución de las
tareas. No obstante, el número de variables que puede influir será menor que
en la investigación sobre la concordancia con una opción política. En general,
disminuyen cuando nos acercamos a variables de tipo físico o químico y au-
mentan cuando nos acercamos a variables biológicas o de conducta, y suele
ser máxima en variables de tipo social. Según dónde se sitúen los objetivos
de nuestra investigación, será más o menos fácil detectar y elegir sujetos que,
en referencia a las variables de interés, podamos considerarlos esencialmente
iguales, es decir, intercambiables.
Cuando los conocimientos que se tienen de las variables implicadas en la in-

vestigación permiten determinar a qué otras variables pueden afectar, podre-
mos seleccionar los sujetos de manera que se evite la variabilidad producida
por estas variables (por ejemplo, pedir a todos los individuos su acuerdo con
una opción política fuera del periodo electoral). Cuando no se conocen o no
se puede acceder a ellas (lo que sucederá muy a menudo en ámbitos de la con-
ducta y biológicos, y casi siempre en el ámbito social), la alternativa es dejar
que actúe el azar. Por ejemplo, hay individuos más sensibles que otros a las
noticias que publican los medios. Esto quedará reflejado cuando manifiesten
su acuerdo con una opción política, que se verá afectado por las noticias pu-
blicadas en la prensa aquel día. Si los individuos a los que preguntaremos por
su grado de acuerdo se obtienen de manera aleatoria de toda la población a
la que se dirige el objeto de la investigación, el propio azar hace que se hayan
elegido individuos más sensibles a las noticias de los medios e individuos que
lo sean menos.
En resumen, si los conocimientos previos permiten determinar qué otras va-

riables pueden estar implicadas, entonces haremos una selección directa de los
sujetos, pero si los conocimientos de los que se disponen no permiten hacer
una selección directa, entonces hay que recurrir al azar. O, a menudo, a una
combinación de ambas estrategias: directa para aquellas variables que conoce-
mos y a las que podemos acceder, dejando el azar para aquellas variables a las
que no podemos acceder de manera directa o sencillamente desconocemos si
existen (en cualquier caso, el azar se encargará de controlarlas).
Una segunda pregunta que habrá que formular en referencia a los sujetos de
la investigación será «¿cuántos deberemos elegir?». La respuesta también de-
penderá de las variables implicadas y de los objetivos de la investigación. Se-
gún cuáles sean las variables de interés, en algunos casos será suficiente con
observar los valores de las variables en un sujeto (para observar la diferencia en
número atómico entre el hidrógeno y el helio solo nos hace falta un átomo de
hidrógeno y uno de helio). Pero si queremos conocer las diferencias respecto
al acuerdo con una opción política de una población de individuos, o bien to-
mamos a toda la población o bien los individuos que elijamos deberán mostrar
proporcionalmente todos los niveles de acuerdo que presenta la población.
Según el objetivo al que se dirija la investigación, será imposible elegir a todos

los individuos de una población (imaginémonos que el objetivo es conocer la
concordancia con una opción política de los electores de todo un país, ¡que
pueden ser unos cuantos millones!). En estos casos habrá que seleccionar a una
parte de la población, pero de tal manera que los individuos elegidos reflejen
la variabilidad del conjunto. Una vez más, los conocimientos previos serán
clave. Si estos permiten determinar qué otras variables relacionadas con las
variables de la investigación pueden ser relevantes, entonces podemos hacer
una selección directa de los sujetos en función de los valores que tomen en
estas variables. Pero también, como ya hemos visto, muy a menudo se desco-
nocen o es difícil acceder a ellas, y deberemos recurrir al azar. En este caso,
cuanto mayor sea la población a la que queremos referir las conclusiones de
la investigación, más sujetos habrá que elegir para mantener la representativi-
dad. Una pregunta que suele obsesionar a los investigadores noveles es cuán-
tos sujetos hacen falta para llevar a cabo una determinada investigación. La
pregunta clave, sin embargo, tal como hemos visto, no es tanto cuántos, sino
cuáles. La cantidad de sujetos dependerá mucho de las variables implicadas
y de los objetivos de la investigación. En el supuesto de que haya que obte-
ner muestras representativas de una población, como en el ejemplo de la con-
cordancia con una opción política de todos los electores de un país, las técni-
cas de muestreo que pone a nuestra disposición la estadística son un auxiliar
esencial para determinar el número y la manera de acceder a ellas (cualquier
texto básico de aplicaciones estadísticas suele incluir una buena introducción
al muestreo; por ejemplo, Sierra-Bravo, 1998; o Henry, 1990).
2.3. Procedimientos e instrumentos
Seleccionados los sujetos de la investigación, que nos indican dónde observa-

remos las variables a las que hace referencia la hipótesis o la delimitación ten-
tativa previa, hay que determinar la secuencia de acciones que hará el inves-
tigador para observar las variables (cuánto tiempo las observaremos, cuántas
veces las registraremos, cómo accederemos a ellas, etc.). Toda la secuencia de
acciones que hay que hacer para observar las variables y registrarlas, es decir
para obtener los datos, es lo que denominaremos procedimiento de la inves-
tigación.
Como ya podemos suponer, los procedimientos serán muy diferentes según Para saber más
cuáles sean las variables de las que se deban obtener los datos, y muestran
A pesar de que solo se refiere
una gran variedad de maneras de ejecutar la lógica de investigación del méto- a las ciencias de la conducta,
do científico (la variedad de técnicas frente a la unidad del método que mos- nos podemos dar cuenta de
la diversidad de opciones que
trábamos en el apartado «La investigación, una actividad para la obtención están al alcance del investiga-
dor y hacernos una idea de la
de conocimiento: supuestos, objetivos y características» del módulo didáctico variedad de procedimientos e
instrumentos disponibles en el
«¿Qué es y qué no es la investigación?»). texto de Blanco-Villaseñor, Gó-
mez y Salvador (1997).
En el caso de investigaciones que implican variables de conducta, cognición,

personalidad, etc., los procedimientos incluyen también las tareas que solici-
Una curiosidad
tamos a los sujetos. Por ejemplo, para registrar ondas P300, necesitamos que
La especie Danio rerio, de
los sujetos hagan alguna tarea de decisión para que el registro muestre la onda
nombre común pez cebra, es
P300, que es una consecuencia de su actividad encefálica al realizar la tarea. la tercera especie, después de
ratas y ratones, más usada en
O para observar el grado de coordinación en los desplazamientos de grupos investigación (por ejemplo, en
estudios de embriología o toxi-
de peces (por ejemplo de la especie Danio rerio), necesitamos introducir en el cología). Algunas de estas usan
acuario donde haremos la observación determinados elementos que induzcan variables de conducta, como el
desplazamiento colectivo coor-
el movimiento (por ejemplo, situar la comida en un lugar determinado). Las dinado.
tareas que harán los sujetos de la investigación forman parte del procedimien-
to y hay que planificarlas de antemano.
Muy a menudo las variables de interés no son accesibles directamente a los

órganos sensoriales de los investigadores y hay que recurrir a instrumentos
que permitan observarlas. Ni los átomos se pueden observar directamente con
nuestros órganos sensoriales, ni tampoco el acuerdo con una opción política
o la actividad encefálica. En estos casos, los instrumentos nos permitirán ac-
ceder a ellas. Así, con un electro-encefalógrafo podremos registrar las ondas
P300, o con un cuestionario en lápiz y papel (o de aplicación en línea por in-
ternet) podremos registrar el acuerdo hacia una opción política. El uso de de-
terminados instrumentos, como el electro-encefalógrafo, implicará que la ob-
servación y el registro de las variables se efectúe en situación de laboratorio, es
decir, en un entorno controlado. Otras veces, el material y procedimiento no
hacen necesario el control del entorno, pero el investigador puede decidir que
esta es la mejor opción para evitar los efectos perniciosos de posibles variables
ajenas al objetivo de la investigación. Definiremos laboratorio como un espa-
cio dedicado a la investigación y dotado de ciertas condiciones e instrumentos
que permiten un mejor control del proceso de observación y registro de las
variables. De acuerdo con la variedad de procedimientos y de instrumentos,
también los laboratorios mostrarán aspectos muy diferentes: desde una simple
habitación que permita cierta intimidad para entrevistar y pasar cuestionarios
a individuos, hasta cámaras altamente aisladas donde se trabaja con material
biológico muy contagioso. En todos los casos, sin embargo, el factor común
es la introducción de cierto componente de artificialidad en el registro de las
variables, que no serán observadas exactamente en el mismo entorno donde
se manifiestan de manera natural. Este hecho puede tener más o menos reper-
cusión cuando obtengamos resultados y extraigamos conclusiones. Veamos
cuáles pueden ser.
Si el objetivo de la investigación es conocer los componentes de una sustan-

cia, por ejemplo el ácido sulfúrico, el hecho de efectuar las acciones sobre el
ácido sulfúrico que indique el procedimiento en una situación de laboratorio
no altera los resultados ni las conclusiones que se derivan de ello, sino que
son válidas más allá de las paredes del laboratorio (en cualquier situación, el
ácido sulfúrico estará formado por una determinada proporción de azufre, hi-
drógeno y oxígeno). Pero si el objetivo es conocer la coordinación en los des-
plazamientos de un grupo de peces de la especie Danio rerio, hay que garantizar
que la artificialidad que supone la situación de acuario y la tarea de buscar co-
mida producirá la misma coordinación en el desplazamiento que la producida
en su entorno natural (los arrozales del Pakistán, India y Bangladesh). En otras
investigaciones, la situación de laboratorio es prácticamente incompatible con
los objetivos de la investigación. Si queremos conocer la interacción entre el
alumno y el maestro en un aula de educación primaria, recrear artificialmente
un entorno de aula de escuela no es solo muy difícil, sino que desvirtúa de tal
manera las variables implicadas en los objetivos que casi con toda seguridad
los resultados obtenidos no permitirán dar ninguna respuesta.
En cada caso, habrá que valorar con cuidado la relación entre el coste y el be-
neficio que produce introducir elementos de artificialidad en la situación en la
cual se realiza la observación y el registro de las variables. Si introducir com-
ponentes de artificialidad nos produce el beneficio de obtener unos resultados
con garantía de que solo han actuado las variables que son el objetivo de la
investigación, pero nos produce el coste de dificultar (o imposibilitar) extraer
conclusiones más allá de la situación de laboratorio, es evidente que la situa-
ción no es deseable. Pero si el hecho de efectuar la investigación en el entorno
natural donde se manifiestan las variables que queremos observar produce el
beneficio de poder extraer conclusiones de acuerdo con los objetivos de la in-
vestigación, pero produce el coste de garantizar de manera muy precaria (o no
garantizar en absoluto) que los registros no han sido contaminados por otras
variables presentes en el entorno (y, por lo tanto, pueden llevar fácilmente a
conclusiones falsas), la situación tampoco es deseable. El balance entre el coste
y el beneficio nos lleva a evaluar la validez de una investigación según dos
componentes: asegurar que los resultados corresponden a las variables de la
investigación y asegurar que se puedan trasladar de la situación de investiga-
ción a cualquier otra situación en la que se manifiesten las variables, tal como
desarrollaremos con más detalle en el módulo didáctico «¿Cuál es el producto
de la investigación?» (ved el apartado «Datos, teoría y modelos»).
2.4. Observar y experimentar
A pesar de que la evaluación de la validez de una investigación en referencia

a los dos componentes que acabamos de mencionar los comentaremos más
adelante, tanto los objetivos de la investigación como la posibilidad de acce-
der de manera más o menos directa a las variables condiciona (y mucho) el
modo de observarlas y registrarlas. Si son preguntas de existencia o de descrip-
ción y clasificación, habrá que observar unas variables (o valores de variables)
en las que la acción del investigador sobre ellas sea mínima, a excepción del
posible instrumental que necesitemos para acceder a ellas. Para responder a
la pregunta «¿este artrópodo es un insecto?», habrá que contar el número de
patas que salen del cuerpo del artrópodo al que se refiere la pregunta. La única
manipulación del investigador para registrar el valor de la variable es tomar el
ejemplar (o ejemplares) de artrópodo al que nos referimos, observarlo a simple
vista o ayudado de una lupa y anotar cuántas patas ve.
Pero para responder a la pregunta «¿arriesgan más los extravertidos que los
introvertidos en los exámenes de preguntas cerradas?», habrá que seleccionar
individuos que presenten características propias de los extravertidos e indivi-
duos que presenten características propias de los introvertidos y someterlos a
un examen de preguntas cerradas. Para acceder a la variable extraversión-in-
troversión, el investigador deberá utilizar cuestionarios de personalidad para
saber quién es extravertido y quién introvertido, a pesar de que podrá apro-
vechar alguna de las pruebas académicas (cualquier examen de preguntas ce-
rradas) que ya hacen habitualmente los sujetos para observar el número de
preguntas en blanco que dejan unos y otros. La manipulación de las variables
es todavía muy baja.
Ahora bien, si nos enfrentamos a la pregunta «¿es mejor la técnica terapéuti-

ca A que la técnica terapéutica B para inducir relajación?», habrá que elegir
individuos a los que les aplicaremos una técnica terapéutica e individuos a los
que les aplicaremos la otra, y determinar una manera de acceder a la variable
relajación, por ejemplo con un registro electromiográfico de la actividad mus-
cular. La manipulación de las variables que hará el investigador es superior a
la de los ejemplos anteriores. Aquí habrá que determinar en qué individuos se
aplicará una técnica terapéutica y en qué individuos la otra, aplicar la técnica
terapéutica que corresponda en cada caso, poner los electrodos para registrar
la actividad muscular y activar el registro mientras se aplica la técnica tera-
péutica que corresponda. Todo esto en una situación controlada que permita
aplicar la técnica terapéutica sin interferencias que interrumpan el proceso de
relajación y que permitan usar correctamente el electromiógrafo.
En unos casos, el acceso a la variable y su registro implica poca o nula mani-

pulación de esta, y en otras la manipulación puede ser máxima. En unos casos
el investigador solo observa cómo varía la variable, en otras interviene para
producir las variaciones de esta y poder registrar sus efectos. Para dar respuesta
a preguntas de existencia y de descripción y clasificación, el investigador re-
gistra cómo actúan las variables, usando, si hace falta, los instrumentos nece-
sarios para observarla (la lupa o los cuestionarios, por ejemplo), pero sin pro-
ducir cambios en sus valores.
Para dar respuesta a preguntas de relación, si estas son de tipo causal, además
de los instrumentos necesarios para observar las variables, es necesario que el
investigador produzca cambios en los valores de las variables (ved la figura 3).
Así, el investigador aplica una técnica terapéutica o la otra, es decir, cambia los
valores de la variable independiente para observar qué efecto produce en la re-

lajación (la variable dependiente). Además, para garantizar que otras variables
ajenas a la variable técnicas terapéuticas, es decir variables extrañas, no pro-
duzcan cambios en la variable relajación, debe establecer controles (por ejem-
plo, realizar la investigación en una cámara insonorizada). En resumen, para
garantizar resultados que permitan responder a una pregunta de tipo causal,
el investigador no se puede limitar a registrar los cambios en las variables, sino
que debe cambiar los valores de la variable independiente, observar el efecto
de estos cambios en la dependiente y evitar la acción de variables extrañas.
En este último caso, la necesidad de control de las variables provoca que se
tienda a situaciones cercanas al laboratorio, mientras que en otros casos el la-
boratorio solo será necesario en función de los instrumentos empleados para
acceder a las variables.
Figura�3. Esquema de las relaciones entre las variables cuando se define una relación causal
entre ellas y acciones que hay que hacer para someter la causalidad a comprobación empírica.
En función de si el procedimiento implica un mayor o menor grado de inter- Para saber más
vención del investigador sobre las variables, lo podemos situar en un conti-
Un texto muy clarificador lo
nuo que va desde la nula o escasa manipulación hasta un máximo de mani- encontraréis en la obra clásica
pulación. En el primero de los extremos diremos que el procedimiento tiene del médico y fisiólogo Claude
Bernard (1813-1878) (ved Ber-
un cariz más observacional y en el otro extremo, uno más experimental. En nard, 1976), que muestra las
funciones de la observación y
cualquier caso, que un procedimiento se sitúe en un lugar u otro del continuo de la experimentación en la in-
vestigación.
dependerá de cuál es la pregunta de investigación a la que debemos responder.
2.5. Simulación informática
El desarrollo de la informática ha permitido que muchas de las preguntas de

investigación se respondan recreando las variables en un software informático
(investigación in silico), sin recurrir a su observación empírica (investigación
in vivo). El procedimiento simula con los algoritmos del programa informático
las posibles relaciones entre variables, las cuales se someten a prueba introdu-
ciendo en el programa los valores de determinadas variables y observando qué
efecto ha producido en otras variables en la salida del programa.
Los procedimientos basados en simulación se han introducido en todos los

ámbitos de la investigación, desde la física y la química hasta la biología, la
psicología y los estudios sociales (y, por supuesto, también en todas las inge-
nierías y tecnologías). La simulación es una buena opción para proporcionar
respuestas a problemas de investigación con una buena economía de recursos.
Generalmente resulta mucho más sencillo recrear la acción de unas variables
en unos algoritmos que acceder a ellas empíricamente, reduciendo incluso la
escala temporal en la que actúan. Así, por ejemplo, un software puede repro-
ducir en horas o minutos los cambios evolutivos que en una determinada es-
pecie se producen con miles o millones de años (ved Resnick, 2009; texto in-
troductorio que muestra las diferentes posibilidades que ofrecen los procedi-
mientos de simulación para realizar investigación).
Para elaborar un procedimiento de simulación cuyos resultados respondan a

las preguntas de investigación, hay que disponer de un buen conocimiento
de las variables implicadas con el fin de que puedan ser implementadas en el
software. De hecho, los programas de simulación exigen que cualquier acción
o relaciones entre variables que se quieran recrear en el programa se hagan
explícitas y sin ambigüedades. Esto obliga al investigador a hacer un ejercicio
de clarificación de aquello que quiere estudiar, de cuáles son las variables im-
plicadas y cómo actúan estas. Si una pregunta de investigación y su respuesta
tentativa pueden ser sometidas a prueba en un procedimiento de simulación,
significa que están expresadas de manera clara y no ambigua.
Un procedimiento basado en la simulación informática puede usarse tanto pa-

ra probar el efecto de algunas variables en investigaciones con un carácter más
bien exploratorio, como también para comprobar unas relaciones muy minu-
ciosas entre variables. Tanto en un caso como en el otro, como sucede con los
procedimientos en los que se efectúa una observación empírica de las varia-
bles, la información que proporcionan permite dar respuesta a las preguntas
de investigación e incrementar el cuerpo de conocimientos. Ahora bien, hay
que recordar que el criterio en el que nos basamos para aceptar o no unos
determinados conocimientos son los referentes empíricos. Una simulación re-
crea con más o menos fidelidad la realidad, pero no es la realidad, por eso la
información que se obtiene deberá ser sometida a contrastación empírica para
ser integrada totalmente en el cuerpo de conocimientos. Los procedimientos
de simulación proporcionan resultados que permiten avanzar en la compren-
sión del mundo, pero sin sustituir la observación empírica de las variables.
3. Actividades prácticas
El objetivo de estas actividades prácticas es profundizar los conceptos básicos

que hemos expuesto en los dos apartados del módulo, así como el repaso de
los contenidos que hemos mostrado en los módulos precedentes. Presentamos
varios casos, cuyo enunciado describe una investigación. Leedlos con atención
y responded las preguntas, las cuales hacen referencia a los contenidos del
presente módulo y de los módulos anteriores, sobre todo en cuanto a la iden-
tificación de las variables de la investigación. Observaréis que las preguntas
son muy concretas, y las respuestas también deben serlo. Os tenéis que limitar
a responder solo a partir de la información que proporciona el enunciado del
caso, sin inferencias que vayan más allá de lo que se dice de manera explícita.
Encontraréis un apartado final con un solucionario para las preguntas.
3.1. Casos prácticos
Caso�1
La investigación biomédica que se efectúa en un hospital ha permitido com-

prender uno de los mecanismos de química molecular imbricados en la de-
generación de las neuronas. A partir de este descubrimiento, el equipo de in-
vestigación ha desarrollado un nuevo fármaco que podría ayudar a reducir
la rapidez de la degeneración neurológica de los enfermos de Parkinson. El
psicólogo que dirige la unidad de neuropsicología planifica una investigación
para averiguar si los efectos del psicofármaco permiten atenuar la progresión
de la enfermedad. La experiencia clínica indica que un tratamiento aplicado
en las primeras fases de la enfermedad tiene más posibilidades de éxito, y por
eso eligen dos grupos de pacientes con enfermedad de Parkinson: un grupo de
pacientes en fase inicial y otro con la enfermedad ya avanzada. El grupo de
pacientes en fase inicial se divide en dos subgrupos: a uno de los grupos se le
administra el fármaco y al otro, un placebo (producto sin valor terapéutico).
El grupo de pacientes en fase avanzada se divide también en dos subgrupos: a
uno de los grupos se le administra el fármaco y al otro, el placebo.
Todos los pacientes son evaluados después de recibir el fármaco o el placebo,

con un test psicométrico de memoria y con un escáner (que indica el área de la
corteza cerebral afectada por la degeneración neuronal). Los resultados indican
que los grupos muestran las mismas puntuaciones en el test psicométrico y
un escáner muy similar.
Pregunta�1.1: indicad la variable independiente (o variables independientes,

si hay más de una) de esta investigación.
Pregunta�1.2: indicad si hay alguna (o algunas, si hay más de una) variable

independiente asignada.
Pregunta� 1.3: indicad la variable dependiente (o variables dependientes, si

hay más de una) de esta investigación.
Pregunta�1.4.: indicad qué escala, estrategia y tipo de medida se han utilizado

en la variable dependiente (o variables dependientes, si hay más de una).
Caso�2
De acuerdo con los conocimientos empíricos y las teorías sobre procesos de Bibliografía
percepción visual, un equipo de investigación especializado en psicología de recomendada
la educación elabora unos materiales para el aprendizaje de grafismos numéri- Una información más deta-
cos para niños de parvulario. Planifican una investigación en la cual 30 niños llada de los contenidos de la
línea de investigación que
de parvulario aprenden los grafismos numéricos empleando unos materiales presenta el enunciado del ca-
so 2 se puede consultar en
que ha elaborado el equipo de psicólogos, mientras que 30 niños aprenden los
Salavert, F., Salvador Beltran,
mismos grafismos con el material tradicional. Se espera que los materiales ela- F., y Pelegrina, M. (1998). Fi-
gure-ground perceptual orga-
borados por el equipo de psicólogos produzcan un conocimiento mejor de los nization and learning by th-
grafismos numéricos que los materiales tradicionales. Dado que la edad puede ree-year-old children. Percep-
tual and Motor Skills, 86, 1-3.
ser un factor importante, porque refleja diferencias en el nivel de maduración Para responder las preguntas,
no es necesario haber leído
de los niños, dividen cada uno de los dos grupos en tres niveles de edad: los
este texto, sino solo tener en
que nacieron durante los primeros cuatro meses del año, los que nacieron a cuenta la información que
proporciona el enunciado.
mediados del año y los que nacieron en los últimos cuatro meses. Después
del periodo de aprendizaje de los grafismos numéricos, se evaluó el nivel de
conocimiento de los niños mediante una prueba oral en la cual se presentaba
un grafismo y tenían que decir a qué número correspondía. El psicólogo ano-
taba si el niño acertaba o fallaba la respuesta, y el tiempo en segundos que los
niños tardaban en dar la respuesta. Los resultados mostraron un mejor cono-
cimiento de los grafismos en los niños que habían aprendido con el material
nuevo que los niños que habían aprendido con el material tradicional, pero
no hubo diferencias en el aprendizaje entre los diferentes niveles de edad.
Pregunta�2.1: a partir únicamente de la información que proporciona el enun-

ciado del caso, ¿qué pregunta (o preguntas, si hay más de una) de investiga-
ción plantearon los psicólogos? ¿En qué grupo de la clasificación de Meltzoff
la situaríais?
Pregunta�2.2: ¿cuál es la hipótesis de la investigación que se describe en el

enunciado del caso? ¿Por qué vía se ha llegado a la misma?

si hay más de una) de la investigación que presenta este caso.


hay más de una) de la investigación que presenta este caso.
Pregunta�2.6: indicad qué escala, estrategia y tipo de medida se han utilizado

Caso�3
El desplazamiento sincronizado de gran número de individuos es una conduc-

ta común en la naturaleza que se manifiesta, por ejemplo, en los grupos de
aves, los bancos de peces, los rebaños de mamíferos o las multitudes huma-
nas. Esta conducta no se limita solo a organismos pluricelulares, sino que se
observa también en un ámbito unicelular. Así, determinadas células podrían
organizarse para desplazarse en grupo de manera coordinada, como sería el
caso de algunos tipos de células tumorales en procesos de metástasis.
Unos investigadores proponen que las células tumorales mantienen un creci- Bibliografía
miento desorganizado hasta que llegan a determinado nivel de densidad, y recomendada
entonces las células se polarizan, es decir, adoptan la misma orientación, y Una información más deta-
empiezan a moverse. El movimiento no es uniforme, sino que depende de la llada de los contenidos de la
posición que ocupa cada célula en el grupo, que hace variar la velocidad de presenta el enunciado del ca-
so 3 se puede obtener en los
desplazamiento, de forma que algunas células de la cabecera van más deprisa
textos de Deisboeck, T. S. y
que otras, formando unos "dedos" que penetran con más facilidad el tejido Couzin, I. D. (2009). Collec-
tive behavior in cancer cell
sano y abren el paso al resto de las células tumorales. Para someter a prueba populations. BioEssays, 31,
esta propuesta, un equipo de investigación hizo cultivos de tejido epitelial 190-197, y Sepúlveda, N. et
al. (2013). Collective cell mo-
in vitro para comprobar la adecuación del modelo. En unos cultivos hicieron tion in an epithelial sheet
can be quantitatively des-
una incisión recta con un bisturí y, en otros cultivos, una incisión en zigzag.
cribed by a stochastic inter-
Observaron cómo las células alrededor de la incisión se movían para cerrar- acting particle model. PLOS
Computational Biology Biology,
la, registrando la velocidad de desplazamiento de cada célula y, además, un 9 (3), e1002944. Para respon-
miembro del equipo anotaba en intervalos regulares el grado de organización der las preguntas no es nece-
sario haber leído estos textos,
de las células (desorganizadas, poco organizadas, organización media y muy sino solo tener en cuenta la
información que proporciona
organizadas) según la orientación que percibía en el conjunto de células que
el enunciado.
formaban el tejido. Las velocidades de desplazamiento y las anotaciones del
investigador indicaron que el movimiento de las células se ajusta a la propues-
ta para las incisiones rectas, pero no para las incisiones en zigzag.




Caso�4
Gran número de especies, entre ellas los humanos, viven en sociedad, es decir,
forman grupos estables en los cuales los individuos colaboran en determina-
das tareas. Sin embargo, pueden surgir conflictos de interés entre los miem-
bros del grupo cuando hay que tomar decisiones que afectan a toda la colec-
tividad. Hasta la actualidad se creía, sin que se dispusiera de ninguna prueba
empírica fehaciente al respecto, que los individuos mejor informados del gru-
po, aunque fuesen una minoría, podían imponer sus decisiones al conjunto,
sobre todo si había un gran número de individuos totalmente desinformados.
Para demostrar si esta afirmación es cierta, un equipo de psicólogos eligió 120
peces de carpita dorada (Notemigonus crysoleucas). Este es un pez de agua dulce
de unos 30 centímetros de longitud y que se adapta con facilidad a la cautivi-
dad, de modo que su conducta natural no se ve alterada por el hecho de vivir
en acuarios. Son muy gregarios, y una tarea que siempre hacen en grupo es
buscar comida.
Del total de peces que participaron en el experimento, 60 eran ejemplares jó-

venes y 60, ejemplares adultos. Con los ejemplares jóvenes, se hicieron dos
grupos de 30 ejemplares. En uno de los grupos se entrenó a 15 ejemplares para
ir a una zona del acuario donde había comida, y el resto de los ejemplares (el
50 %) no recibieron ningún entrenamiento (ejemplares desinformados). En el
otro grupo, se entrenó a 6 ejemplares para ir la zona del acuario donde había
comida y el resto de los ejemplares (el 80 %) no recibieron ningún entrena-
miento. Es decir, en uno de los grupos la proporción de desinformados era del
50 %, y en el otro, del 80 %. Los ejemplares adultos también se dividieron en
dos grupos, en los cuales las proporciones de individuos desinformados eran
las mismas que en el grupo de jóvenes.
Una vez finalizados los entrenamientos, para cada uno de los cuatro grupos de Bibliografía
peces (jóvenes con el 50 % de desinformados, jóvenes con el 80 % de desinfor- recomendada
mados, adultos con el 50 % de desinformados y adultos con el 80 % de desin- Una información más deta-
formados), se observó el tiempo que tardaba el grupo en encontrar la comida. llada de los contenidos de la
Los resultados indican que con un 80 % de desinformados, el grupo tardaba presenta el enunciado del ca-
so 4 se puede consultar en
más en encontrar la comida que con un 50 % de desinformados. Estos resul-
Couzin, I. D. et al. (2011).
tados se encontraron tanto para los ejemplares jóvenes como para los adultos. Uninformed individuals pro-
mote democratic consensus
Es decir, no hay diferencias entre jóvenes y adultos, pero sí entre grupos con in animal groups. Science,
diferente proporción de desinformados. 334, 1578-1580. Para respon-
der las preguntas, no es pre-
ciso haber leído este texto,
sino solo tener en cuenta la
información que proporciona
si hay más de una) de la investigación que presenta este caso. el enunciado.



Pregunta�4.5: la investigación descrita en el enunciado se efectúa en un la-

boratorio. ¿Ha podido quedar alterada la relación entre variables como con-
secuencia de los componentes de artificialidad que implica el uso del labora-
torio?
Caso�5
A partir de la revisión de las teorías en torno a las neurosis, un equipo de psi-

cólogos que trabaja en el Departamento de Psicología Clínica de un centro
hospitalario establece que los pacientes diagnosticados de neurosis con más
nivel educativo (superior o bachillerato) tendrían que reaccionar mejor a las
terapias de base conductual-cognitiva que los pacientes con menos nivel edu-
cativo (primaria o secundaria obligatoria). Se pide la colaboración de pacientes
con diagnóstico de neurosis, la cual se caracteriza por los síntomas de ansie-
dad, de depresión, las ideas obsesivas y el mantenimiento de la capacidad de
razonamiento. Se elige a pacientes con estudios superiores o bachillerato y a
pacientes con estudios de primaria o secundaria obligatoria. Todos los pacien-
tes son evaluados con un juicio clínico de un psicólogo («poco ansioso», «bas-
tante ansioso» o «muy ansioso»), y las respuestas a un autocuestionario de an-
siedad en el que el paciente indica: «nada ansioso», «poco ansioso», «bastante
ansioso» o «muy ansioso». Después de esta evaluación, se aplica un programa
de terapia de base conductual-cognitiva. Tras seis semanas de aplicación del
programa, todos los pacientes vuelven a ser evaluados con el juicio clínico del
psicólogo y con el autocuestionario. Los resultados indican que, tal y como se
había previsto, los pacientes con estudios superiores o bachillerato proporcio-
naban una respuesta más positiva a la terapia que los pacientes con estudios
primarios o de secundaria obligatoria, tanto respecto a los juicios clínicos co-
mo al autocuestionario.
Pregunta�5.1: ¿cuál es la hipótesis de la investigación que se describe en el

enunciado del caso? ¿Por qué vía se ha llegado a la misma?




Pregunta�5.6: clasificad la definición de la variable neurosis que se indica en

el enunciado del caso, y justificad la respuesta.
3.2. Solucionario de los casos prácticos
Caso�1
Pregunta�1.1: variables independientes:
a) Administración del fármaco: fármaco y placebo.
b) Fase de la enfermedad: inicial y avanzada.
Pregunta�1.2: variable independiente asignada: fase de la enfermedad.
Pregunta�1.3: variables dependientes:
a) Puntuaciones en el test psicométrico.
b) Área de la corteza cerebral afectada.
Pregunta�1.4:
a) La variable dependiente puntuaciones en el test psicométrico corresponde a

una escala de intervalo, sigue una estrategia vaganótica y es de tipo continuo.
En general, los tests psicométricos se ajustan a escalas de intervalo y a estrate-

gias vaganóticas, porque en muchas variables psicológicas no se puede deter-
minar cuándo está ausente la propiedad, de modo que resulta imposible asig-
nar el valor cero de manera no arbitraria.
b) La variable dependiente área de la corteza cerebral afectada corresponde a una

escala de razón, sigue una estrategia idemnótica y es de tipo continuo.
Es posible que no hubiera ninguna área afectada. En este caso, la variable área
de la corteza cerebral afectada estaría ausente y podríamos asignar el valor cero
de manera no arbitraria.
Caso�2
Pregunta�2.1: ¿los materiales elaborados por el equipo de psicólogos producen

un conocimiento mejor de los grafismos numéricos que los materiales tradi-
cionales? Es una pregunta de relación según la clasificación de Meltzoff.
Pregunta�2.2: hipótesis: «se espera que los materiales elaborados por el equipo
de psicólogos produzcan un conocimiento mejor de los grafismos numéricos
que los materiales tradicionales».
Dado que se trata de una hipótesis, el enunciado es afirmativo, porque es una

respuesta tentativa a la pregunta de investigación.
Vía: hipotético-deductiva, porque como dice el enunciado, se adopta una do-

ble vía («De acuerdo con los conocimientos empíricos y las teorías sobre pro-
cesos de percepción visual […]»).
a) Materiales: elaborado por los psicólogos y tradicional.
b) Edad: nacidos los primeros cuatro meses del año, nacidos a mediados de
año y nacidos en los cuatro últimos meses del año.
Pregunta�2.4: variable independiente asignada: edad.
a) Número de aciertos.
b) Tiempo de respuesta.
Pregunta�2.6:
a) La variable dependiente número de aciertos corresponde a una escala nomi-

nal, es un recuento y es de tipo discreto.
El número de aciertos corresponde a las veces que el niño acierta el número.

Hemos codificado la variable con los valores acierto o no acierto, y hacemos el
recuento del número de veces que se observa el valor acierto.
b) La variable tiempo de respuesta corresponde a una escala de razón, sigue una

estrategia idemnótica y es de tipo continuo.
Caso�3
Pregunta�3.1: variable independiente: tipo de incisión: recta y zigzag.

Pregunta�3.2: no hay ninguna.
a) Velocidad.
b) Nivel de organización.
Pregunta�3.4:
a) La variable dependiente velocidad corresponde a una escala de razón, sigue

una estrategia idemnótica y es de tipo continuo.
b) La variable nivel de organización corresponde a un escala ordinal, sigue una

estrategia vaganótica y es de tipo discreto.
Caso�4
a) Edad: adulta y juvenil.
b) Proporción de individuos desinformados: 50 % y 80 %.
Pregunta�4.2: variable independiente asignada: edad.
Pregunta�4.3: variable dependiente: tiempo en encontrar comida.
Pregunta�4.4: la variable dependiente tiempo en encontrar comida correspon-

de a una escala de razón, sigue una estrategia idemnótica y es de tipo continuo.
Pregunta�4.5: la relación entre variables no ha quedado alterada por la artifi-

cialidad de la situación de laboratorio, porque como indica el enunciado, la
carpita dorada «se adapta con facilidad a la cautividad, de forma que su con-
ducta natural no se ve alterada por el hecho de vivir en acuarios».
Caso�5
Pregunta�5.1: la hipótesis que se somete a prueba es: «los pacientes con nivel
de estudios superior o bachillerato reaccionan de manera más positiva a la
terapia cognitivo-conductual que los pacientes con nivel de estudios primario
o de secundaria obligatoria».
Se ha elegido una vía deductiva («a partir de la revisión de las teorías en torno
a las neurosis»).
Pregunta�5.2: las variables independientes son:
a) Nivel educativo: bachillerato o estudios superiores, y primaria o secundaria.
b) Terapia: sin terapia y con terapia.
El tipo de terapia en sí (conductual-cognitiva) no es una variable independien-

te, porque todos los pacientes reciben el mismo tipo de terapia: es una cons-
tante. La variable independiente (es decir, lo que hacemos variar) es el hecho
de recibir o no recibir terapia, porque registramos las variables dependientes
sin administrar terapia y las volvemos a registrar habiendo administrado te-
rapia.
Pregunta�5.3: variable independiente asignada: nivel educativo.
Pregunta�5.4: las variables dependientes son:
a) Juicio clínico.
b) Respuestas al autocuestionario.
Pregunta�5.5: las dos variables dependientes (juicio clínico y respuestas al auto-

cuestionario) corresponden a una escala de medida ordinal, siguen una estra-
tegia vaganótica y son de tipo discreto.
Pregunta�5.6: es una definición empírica enumerativa (o tipo lista), porque

define de manera empírica la variable enumerando sus componentes («sínto-
mas de ansiedad, los síntomas de depresión, las ideas obsesivas y el manteni-
miento de la capacidad de razonamiento»).
Bibliografía
Blanco-Villaseñor, A.; Gómez, J.; Salvador, F. (1997). Estratègies de recollida de dades.
Barcelona: UOC
Bernard, C. (1976). Introducción al estudio de la medicina experimental. Barcelona: Fontanella.
Campbell (1952). What is science? Nueva York: Dover.
Christensen, L. B. (1988). Experimental methodology (4.ª edición). Boston: Allyn and Bacon.
Coss, R. (1993). Simulación. Un enfoque práctico (9.ª reimpresión). México: Limusa.
Cumming, G. (2012). Understanding the new statistics. Nueva York: Routledge.
Fàbregues, S.; Meneses, J.; Rodríguez-Gómez, D.; Paré, M. H. (2016). Técnicas de in-
vestigación social y educativa. Barcelona: Editorial UOC.
Gambara, H. (1998). Diseño de investigaciones. Cuaderno de prácticas (2.ª edición). Madrid:

McGraw-Hill.
Henry, G. T. (1990). Practical Sampling. Newbury Park, CA: Sage.
Hernández-Sampieri, R.; Fernández-Collado, C.; Batista-Lucio, M. P. (2010). Meto-

dología de la investigación (5.ª edición). México: McGraw-Hill.
Honeck, R. P. (1986). A serendipitous finding in face recognition. Bulletin of the Psychonomic

Society, 24 (5), 369-371.
Huck, S. W.; Sandler, H. M. (1979). Rival hypotheses. Alternative interpretation of data based
conclusions. Nueva York: Harper & Row.
Jañez, L. (1989). Fundamentos de psicología matemática. Madrid: Pirámide.
Jung, J. (1979). El dilema del experimentador. México: Trillas.
Kerlinger, F. N.; Lee, H. B. (2002). Investigación del comportamiento: técnicas y metodologías

(4.ª edición). México: McGraw-Hill Interamericana.
Lohr, L. (2000). Muestreo: diseño y análisis. México: International Thomson Editores.
Maxwell, S. E.; Delaney, H. D. (1990). Designing experiments and analyzing data. A model
comparison perspective. Belmont, CA: Wadsworth.
Meneses, J.; Barrios, M.; Bonillo, A.; Cosculluela, A.; Lozano, L. M.; Turbany, J.;
Valero, S. (2013). Psicometria. Barcelona: Editorial UOC.
Norman, G. R.; Streiner, D. L. (2003). Statistics (3.ª edición). Shelton, CT: People’s Medical
Publisher House
Polit, D. F.; Hungler, B. P. (2000). Investigación científica en ciencias de la salud (6.ª edición).
México: McGraw-Hill
Resnick, M. (2009). Tortugas, termitas y atascos de tráfico: Exploraciones sobre micromundos

masivamente paralelos. Barcelona: Gedisa
Salkind, N. J. (1998). Métodos de investigación (3.ª edición). México: Prentice Hall.
Salvador, F.; Gallifa, J. (1997). Introducció al disseny d’experiments en psicologia. Barcelona:

Proa.
Shaffer, J. P. (1995). Multiple hypothesis testing. Annual Review of Psychology, 46, 561-584.
Sierra-Bravo, R. (1998). Técnicas de investigación social. Teoría y ejercicios (12.ª edición). Ma-
drid: Paraninfo.
Stevens, S. S. (1951). Mathematics, measurement, and psychophysics. En S.S. Stevens (Ed.),

Handbook of Experimental Psychology (pp. 1-30). Nueva York: Wiley.
Trochim, W.; Donnelly, J. P. (2008). The research methods knowledge base (3.ª edición).
Mason, OH: Atomic Dog.

3 - Cómo Se Ejecuta Una Investigación

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

3 - Cómo Se Ejecuta Una Investigación

Cargado por

Copyright:

Formatos disponibles

¿Cómo se ejecuta una

Francesc Salvador i Beltran

Tiempo mínimo de dedicación recomendado: 2 horas

Francesc Salvador i Beltran

Doctor en Psicología por la Univer-

2. Planificación de las observaciones empíricas............................ 16

El objetivo de la fase de delimitación del problema y establecimiento de obje-

El estado de conocimientos determina qué tipo de pregunta de investigación

1.1. Pregunta de investigación y respuesta tentativa

La pregunta de investigación delimita las variables que hemos de observar y,

La respuesta tentativa que damos a la pregunta de investigación tiene la utili-

provoca bajo rendimiento escolar. Para comprobar si la respuesta es correcta,

Si la pregunta se formula a partir de un cuerpo teórico bien estructurado y con

1.2. Vías deductiva, inductiva e hipotética-deductiva

Una manera de responder tentativamente a las preguntas puede ser a partir de

La observación empírica apoyará o no aquello que afirmamos porque aceptan-

1.3. La medida de las variables

La hipótesis, o cualquier delimitación tentativa de las variables de investiga-

unas breves nociones de teoría de la medida, veremos cómo podemos medir

Medir es representar mediante números propiedades de los objetos empíricos,

Fijémonos en que en el ejemplo del párrafo anterior la clave se encuentra en

no reflejan el orden, entonces la representación será inadecuada (o, lo que es

1.4. Escalas de medida: taxonomía de Stevens

ciona la frecuencia de niños y niñas respectivamente, a partir de las cuales

El ejemplo que hemos desarrollado más arriba de la variable concordancia con

La tercera escala de medida que propone Stevens es la escala�de�intervalo, que

Observemos que, si bien la escala para medir la variable temperatura en gra-

1.5. Medidas idemnóticas, vaganóticas y recuentos

Fijémonos en que una escala de razón permite establecer fácilmente un patrón

La estrategia de asignar valores numéricos en función de un patrón fijo es po-

Podemos obtener un tercer tipo de medida, que consiste en hacer recuentos.

1.6. Medidas discretas y continuas

Fijémonos ahora en la escala de medida que hemos utilizado para la variable

Medir las variables permite disponer de unas definiciones operacionales que

1.7. Los errores de medida

Si hemos definido unas reglas de asignación numérica (es decir, disponemos

Los errores de medida sistemáticos son evitables si conocemos su causa (pode-

Los errores de medida aleatorios tienen unas consecuencias diferentes de los

Figura�1. Cuadro resumen de la definición y características de la medida y de los errores

En este apartado hemos caracterizado las diferentes maneras de presentar una

avanzaremos un paso más en las fases de aplicación del método científico y

2. Planificación de las observaciones empíricas

Veíamos que la contrastación empírica nos dará la información sobre la que

Incluso en el supuesto de que la pregunta de investigación sea sencilla e im-

Si a pesar de haber efectuado la planificación con cuidado, durante la realiza-

Para minimizar el riesgo de vernos obligados a parar las observaciones y perder

La manera de observar las variables depende mucho del contenido de cada

2.1. Variabilidad intraindividual e interindividual

Si observamos la variable número atómico en un átomo de hidrógeno (que es

Observemos ahora la variable número atómico en un átomo de helio. Siempre

La situación es diferente si observamos la variable longitud total del cuerpo de

Repitamos una vez más este ejercicio y observemos la variable concordancia

Figura�2. Representación esquemática de dos variables que muestran diferente variabilidad

interindividual, que mantiene la misma diferencia en la gráfica inferior y cambia en la gráfica

Obviamente, si cuando hacemos la definición operacional de la variable redu-

2.2. Elección de los sujetos de investigación

Si queremos mostrar la diferencia entre los átomos de hidrógeno y de helio

rencias entre individuos respecto a la concordancia con una opción política.

Volvamos por un momento al ejemplo de los átomos de hidrógeno y de he-

Cuando los conocimientos que se tienen de las variables implicadas en la in-

En resumen, si los conocimientos previos permiten determinar qué otras va-

Según el objetivo al que se dirija la investigación, será imposible elegir a todos

2.3. Procedimientos e instrumentos