Documentos de Académico
Documentos de Profesional
Documentos de Cultura
pero también:
Antes de pasar a precisar todo lo que hemos dicho hasta aquí, se pueden ex-
traer algunas conclusiones de esta reflexión preliminar:
• Existen distintos tipos de muestras.
• Por una parte, las características de las muestras dependerán de las caracte-
rísticas del objeto a estudiar.
• Por la otra, dependerán del modo en que se aborde el objeto a estudiar, es
decir, de la estrategia empírica de trabajo.
Para clasificar los diversos tipos de muestras debemos introducir antes un nuevo
concepto —muy importante para la comprensión del asunto de la “representativi-
dad”— que, aunque ya lo hemos evocado, no se mencionó directamente.
Cualquiera que sea el asunto que interese investigar, este asunto “varía” en
múltiples aspectos y sentidos. Sea que se estudie los niveles de conocimiento de
un grupo de sujetos, o la historia de vida de una persona, o la formación de los
sistemas estelares, lo que podamos decir sin duda es que siempre presentarán va-
riaciones. Algunas serán significativas para los fines del estudio y otras irrelevantes.
Por ejemplo, si se evalúa el nivel de aprendizaje de un grupo esperaríamos
que los sujetos que lo integran varíen en múltiples aspectos; quizás en su nivel
de inteligencia o en sus conocimientos previos o en su motivación para el apren-
dizaje; y, por supuesto, también en aspectos que no resultan relevantes para la
investigación, como podrían serlo la talla, el peso corporal, el equipo de fútbol de
preferencia, entre infinitos otros. Incluso el grupo puede variar en su rendimiento
según el día de la semana, el horario en que se le evalúa o entre la resolución de un
tipo de ejercicio y otro.
De modo que la afirmación que hicimos antes, al sostener que la “estructura
de la muestra” debe ser análoga a la “estructura del universo”, puede especificarse
ahora en los siguientes términos:
En lo que sigue examinaré con mayor detalle cada uno de los tipos de muestras
propuestas en este cuadro.
364 PARTE D OS Desarrollos metodológicos
a. Muestreo al azar simple. Las muestras al azar simple se definen así porque
los casos se seleccionan procurando que todos tengan la misma probabilidad de
ser elegidos. El procedimiento puede implementarse, por ejemplo, asignando un
número o código a cada caso/unidad de la población para luego seleccionar la ex-
tracción de los casos que integrarán la muestra (la cantidad requerida) a través de
algún medio que garantice aleatoriedad el cual puede ser un bolillero o un listado
generado al azar por un procesador o cualquier otro medio disponible. Aunque
es sencilla su formulación, la implementación de este tipo de muestreo presenta
muchas limitaciones, si el universo de referencia es muy grande.
Podemos reconocer que el procedimiento de muestreo al azar nos permite
estimar (es decir, hacer inferencias) acerca de la probabilidad de representatividad
de la muestra. De modo tal que podemos adjudicar un valor a esa probabilidad
con cierto margen de error y cierto nivel de confianza.
Es importante enfatizar que “estimar la probabilidad de ocurrencia de un cierto
asunto” es distinto de “afirmar su ocurrencia”. Si se dice que un fenómeno tiene
una probabilidad de ocurrir de un tanto por ciento, no significa que se pueda
“asegurar que ocurrirá en ese tanto por ciento”. Si la probabilidad de ocurrencia de
un evento es de 99%, significa que tiene una probabilidad de ocurrencia alta, pero
que también existe la posibilidad de que no acontezca. Es posible aunque con una
probabilidad muy baja (1%).
Por ejemplo, si se tienen 100 naipes y sólo uno es comodín, la probabilidad
de que el primer naipe que se extraiga sea el comodín es de 1%.21 Antes de sacar
el naipe se puede afirmar que dicha probabilidad es bajísima, pero en tanto no se
extraiga no se sabrá si el hecho ocurre o no. Adviértase que el hecho “ocurre o no
ocurre” en sentido pleno, es el comodín o es otro naipe (se podría decir en 100%).
No ocurre en uno por ciento.
El mismo principio vale cuando se habla del “error muestral”, tal como lo co-
menta Samaja:
21 Si en cada extracción la carta extraída se devuelve al mazo de cartas, entonces esa probabilidad será
válida en cualquier extracción, siempre será de uno por ciento.
CAPÍTULO IX El puesto de la instrumentalización en la fase 2 365
fenómeno, por una parte, y el nivel de error y el margen de confianza con los que
se desea trabajar, por la otra.22
Aunque (como es obvio) finalmente se conformará como una porción de di-
cho universo ése no es el criterio para decir cuántos casos incluir en la muestra.
En lo que sigue examinaré algunas variantes del muestreo al azar; no obstante,
los procedimientos que se siguen en todas ellas se asientan en los principios gene-
rales que acabo de mencionar.
22 La excepción a este criterio se tendría en los casos en que el universo es finito y relativamente pequeño.
Pero aun en esa situación el cálculo muestral se basa, en primer término, en los tres criterios señalados
(variabilidad, precisión y confianza) y luego se hace un ajuste por el n del universo (volveré sobre el
particular en el capítulo dedicado a la estadística inferencial).
CAPÍTULO IX El puesto de la instrumentalización en la fase 2 367
Desde esta perspectiva se desliza la idea de que las muestras probabilísticas son
“lo más deseable”, y las no-probabilísticas son las que se usan cuando no se pue-
den aplicar aquéllas o, en etapas preliminares, hasta tanto resulte posible formular
hipótesis para la generalización (la que conlleva entonces el uso de las muestras
extensivas probabilísticas o al azar).
Autores como Galtung, por ejemplo, consideran que las muestras no-proba-
bilísticas resultan útiles para el descubrimiento de nuevos hechos, pero no válidas
para generalizar los hallazgos que surjan a partir de las mismas; de modo que serían
las muestras a utilizar en las etapas exploratorias de cualquier estudio.
Como señala Galtung, si bien es cierto que la exploración siempre es tentativa
y se hace sobre muestras más acotadas, ello no significa que, por el contrario, bajo
ciertas condiciones y en determinados contextos las muestras no-probabilísticas
resulten absolutamente válidas.
Para examinar esta cuestión debemos volver sobre lo que ya hemos adelanta-
do: el diseño muestral depende fundamentalmente de la variabilidad que presente
el fenómeno que deseamos investigar y de los elementos de juicio que tengamos
para estimarla o conocerla.
Las muestras no-probabilísticas son válidas y constituyen “buenas muestras”,
es decir muestras representativas, en al menos las siguientes condiciones de
investigación:
• Cuando el fenómeno a investigar presenta poca o nula variabilidad, es de-
cir, cuando constituye un asunto muy regular y característico del fenómeno
a investigar.
• Cuando conocemos su variabilidad o cuando tenemos criterios fundados
para identificar las variaciones relevantes.
• Cuando se busca profundizar en la identificación de la variabilidad a través
de un abordaje denso y abierto (situación que corresponde también a las
etapas exploratorias, aunque no exclusivamente).
25 Por ejemplo, para determinar el “grado de ebullición del agua pura” no necesitamos un muestreo
extensivo al azar. Si podemos determinar la pureza del agua entonces una o, eventualmente, unas pocas
muestras examinadas en condiciones bien controladas (de otras variables que podrían afectar ese
comportamiento) serán suficientes para determinar el valor de la temperatura en la que el agua entra
en ebullición. Por supuesto que aquí, como en todo diseño experimental, el criterio clave es el control
de variables contaminantes; es también la condición para reducir el número de casos de la muestra,
precisamente porque se controlan o se neutralizan las variaciones que puedan introducir otros factores
intervinientes.
26 Algunos autores distinguen el “estudio de casos” de lo que ellos llaman la “investigación basada en
estudios de casos” (con sus diferentes diseños posibles). Para un detalle de esta clasificación consúltese
Neiman y Quaranta, 2006.
CAPÍTULO IX El puesto de la instrumentalización en la fase 2 371
En lo que respecta al primer tipo (el que llamo enfoque nomotético) el caso
o los pocos casos hacen las veces de “ejemplares paradigmáticos”.27 En la tradición
de la filosofía dialéctica se habla de singular concreto: con este término se alude al
caso-singular que porta o expresa la regla-universal.
Como lo señalé al abordar el tema de las inferencias y en particular al referirme
a la analogía el “caso” interesa en tanto que ilumina la pauta general, la “regla”.
Para precisar esta idea importa aclarar que por “caso” entendemos entidades
de muy variada naturaleza; puede ser un sujeto, una institución, una familia, una
muestra de agua, un discurso, etcétera. En todos ellos el alcance es el mismo: el
caso se selecciona intencionalmente en tanto expresa de modo característico
el fenómeno que se desea estudiar.
Veamos, por ejemplo, cómo fundamenta Emilio Durkheim la elección de la
sociedad que él estudia para analizar la experiencia religiosa primitiva:28
27 Incluso en el sentido que a este término le adjudica Thomas Kuhn en la posdata de 1969 (véase el
capítulo II de este libro).
28 El ejemplo lo trabaja en extenso John Galtung (1968).
372 PARTE D OS Desarrollos metodológicos
Lo que este comentario deja ver es que en todos los casos nos enfrentaremos
a multiplicidades; el “uno es también muchos”.
Esto que vale para la historia se aplica también al estudio de Leonardo da Vinci
o de La Cenicienta. Es decir, resulta válido cualquiera que sea la naturaleza de la
entidad estudiada. Su abordaje nos obligará a identificar “partes-componentes”:
periodos o etapas de la vida de Leonardo, o fragmentos o pasajes del cuento de La
Cenicienta, según sea el caso.
Estudiaremos dichas partes-componentes como las genuinas “unidades de
análisis” de la investigación. A partir de ellas, el relevamiento será entonces más
extensivo: de un solo caso —como unidad de síntesis— resultarán n partes como
unidades de análisis.
Por lo demás, este principio de partición se aplica en todos los estudios de caso:
ya sea desde el enfoque nomotético o desde el ideográfico. Más adelante volveré
sobre este tema cuya comprensión nos remite al concepto de “niveles de análisis”
(cfr. capítulo VIII de este libro). Pero antes comentaré brevemente algunas varian-
tes de las muestras no-probabilísticas.
374 PARTE D OS Desarrollos metodológicos
Como se puede observar en el cuadro inicial, ubico este tercer tipo de mues-
tras como un grupo aparte, porque en sentido estricto no pertenecen a nin-
guno de los otros dos (aunque suelen incluirse como parte de los muestreos
no-probabilísticos).
En sentido estricto éstas serían las únicas muestras que efectivamente pueden
admitirse en una etapa muy preliminar o exploratoria de un estudio, ya que no se
sigue ningún tipo de criterio para estimar o justificar su representatividad.
La idea general es que los casos se seleccionan de modo casual (por ejemplo, con-
tactándolos en una esquina de la ciudad si se relevan sujetos humanos) o por cual-
quier otra forma casual no controlada o estipulada deliberadamente. Relevamientos
“en cadena” o de “bola de nieve” (la incorporación de nuevos casos resulta de con-
tactos o referencias que ofrece un sujeto ya incluido en la muestra) o de “participa-
ción voluntaria” podrían corresponder a este tipo de diseño muestral (salvo que se
fije antes un criterio de selección por alguno de los tipos de muestras ya descritas).29
29 En tal sentido discrepo con las clasificaciones que incluyen a estos diseños muestrales como otro
tipo de muestras (como, por ejemplo, lo hacen Hernández et al., 2006: 560 y ss.). Se confunde en estos
casos lo que es el “criterio de relevamiento muestral” con el “diseño muestral”. En la definición de una
muestra por “bola de nieve” o de “participación voluntaria” no se hace refierencia a criterios sustantivos
vinculados al diseño de la muestra (perfil de casos, cantidad de casos), sino al modo en que serán
contactados o seleccionados los casos. Lo mismo ocurre cuando se habla de “muestras de expertos” (o
también de informantes clave) (Hernández et al., 2006). En este caso se confunde la “unidad de análisis”
(que es la que debería contemplarse como unidad de muestreo), con la “fuente de información”: la
fuente puede ser un informante, un registro secundario, la misma unidad de análisis. El mismo experto
o informante puede dar información sobre varias y variadas unidades de análisis.