Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEXTO COMPLETO
Introducción
Al inicio de una investigación, y a veces durante su desarrollo, se produce cierta confusión en el alcance de los conceptos: problema, objetivo e
hipótesis.
Es preciso que estos términos, inherentes a la investigación, sean entendidos y aceptados del mismo modo por todos los miembros del equipo
investigador (EI) ya desde el comienzo del estudio.
Este artículo pretende abordar estos aspectos, haciendo especial énfasis en la formulación y aplicación de las pruebas de contraste de hipótesis.
En las etapas que integran el proceso de la investigación (planificación, obtención de datos, análisis de la información contenida en las variables y
comunicación de resultados), la identificación y enunciado del problema, el/los objetivo/s a alcanzar y la formulación de la/s hipótesis, se inscriben en
la primera fase o planificación, siendo el protocolo de investigación el primer documento escrito sobre el que se plasman estas cuestiones 1,2.
El problema nace del desconocimiento y refleja la inquietud ante la ignorancia y el deseo de saber del individuo; de modo natural el no saber se
concreta en una pregunta. La búsqueda de su respuesta sigue una estrategia predeterminada, en cuya base subyace la pregunta inicial, omnipresente a lo
largo del estudio.
El problema-pregunta debe reunir una serie de características (tabla 1) cuyo cumplimiento debe evaluar el EI antes de proseguir con el estudio 3,5. La
redacción clara y cuidadosa de la pregunta traduce el esfuerzo para acotar y delimitar el problema.
Cuanto más precisa sea la pregunta, más fácil resulta establecer el/los objetivo/s. La elaboración de objetivos exige una reflexión profunda y tener
presente que otros aspectos del diseño de la investigación dependen de la propia esencia de los objetivos (tabla 2).
Si la pregunta expresa la incertidumbre, la hipótesis anticipa la posible respuesta.
Concepto de hipótesis
La hipótesis se puede definir como una predicción o explicación provisoria (mientras no sea contrastada) de la relación entre 2 o más variables. Así
pues, el problema-pregunta precede a la hipótesis-respuesta que, a su vez, deriva del/los objetivo/s de la investigación.
La hipótesis, como formulación que plantea una presunta relación, se puede expresar en forma de proposición, conjetura, suposición, idea o argumento
que se acepta temporalmente para explicar ciertos hechos3-6.
Es evidente que el carácter tentativo, aunque informado, de la hipótesis la sitúa al inicio de un estudio (hipótesis a priori) en la fase de planificación y
lógicamente antes de la obtención y análisis de los datos.
De este modo, la hipótesis se consideraría como una apuesta, siempre previa a cualquier juego5. Esta consideración es útil para comprender que, una
vez analizada la hipótesis, no es lógico, ni ético, cambiar o manipular su formulación inicial (tampoco sería lícito cambiar la apuesta inicial una vez
conocido el resultado del juego).
Otra cuestión es que los resultados obtenidos conduzcan a replantear o a formular otra hipótesis de trabajo (hipótesis a posteriori) que podrá ser
contrastada en futuros estudios5.
Origen de la hipótesis
Las fuentes que generan una hipótesis son comparables a las que dan lugar al propio problema; en realidad, problema e hipótesis son dos perspectivas
de un mismo cuadro.
Según el método científico, las hipótesis pueden derivar de la aplicación de un razonamiento lógico inductivo o deductivo 4-6.
El método de razonamiento inductivo parte de la observación de un problema concreto y puede conducir a la formulación de una hipótesis. El
problema debe estar correctamente identificado y especificado, ya que, si sólo existe una intuición del mismo, será necesario profundizar más en su
definición. El problema no anticipa nada sobre su solución, porque si lo hiciera dejaría de ser problema, y corresponde a la hipótesis plantear las
soluciones preseleccionadas.
El método deductivo nace de una teoría o de un marco conceptual o teórico 5-7 y conduce a una serie de afirmaciones o hipótesis que, convertidas en un
instrumento de trabajo, analizan la teoría. Si la hipótesis derivada de una teoría no se confirma, se podrá cuestionar la validez de la propia teoría, pero
también se tendrán que considerar las limitaciones o incluso la validez del diseño del estudio.
Otras ideas útiles para identificar problemas y generar hipótesis las aportan las comunicaciones y publicaciones científicas sobre un tema de interés
para el EI, así como la experiencia profesional de sus miembros. A todo esto se podría añadir: curiosidad, imaginación, intuición y escepticismo que,
en diferentes dosis, siempre contribuyen al progreso del saber.
Relación entre objetivos, hipótesis y diseño de estudio
Es importante insistir en que la clase de objetivos es clave para valorar la pertinencia de la/s hipótesis 8,9. El papel de la hipótesis consiste en guiar al EI
en la selección y definición de la metodología a utilizar.
Es este sentido, los estudios descriptivos cuyo objetivo esencial es la recogida de información no requieren de hipótesis, mientras los estudios analíticos
cuyo objetivo es la investigación de relaciones causales precisan de hipótesis que permitan establecer la base para las pruebas de significación
estadística4-8 (tabla 2).
Los estudios descriptivos (simples o mixtos) tienen como objetivo genérico acumular datos para describir fenómenos aún poco conocidos, pero no
pretenden explicarlos o verificar las posibles causas subyacentes 9; no obstante, el análisis exhaustivo de la distribución de variables puede sugerir o
generar determinadas hipótesis que podrán ser analizadas con otros diseños.
Los diseños analíticos (observacionales o experimentales) pretenden poner en evidencia asociaciones causales e intentan averiguar el porqué de ciertas
situaciones. En este tipo de estudios, la hipótesis aporta una posible explicación y ésta exige que se disponga de datos suficientes para elaborar una
respuesta provisional.
En esa línea, la revisión crítica 10 de las publicaciones sobre los antecedentes y del tema informará al EI sobre el estado actual del conocimiento.
Estructura de una hipótesis
Una hipótesis bien formulada cuenta con una estructura compuesta por: unidad/es de observación (sujetos u objetos) y variables (atributos susceptibles
de medición); además, se puede indicar cómo se espera que se relacionen estos dos elementos (direccionalidad de la hipótesis) 5,11,12. Cabe destacar que
la direccionalidad de una hipótesis traduce las expectativas del EI, lo cual, según algunos autores 5, puede ir en detrimento de su imparcialidad. No
obstante, todo investigador/a tiene cierta idea o intuición sobre la posible respuesta a su problema, aunque no la formule explícitamente.
Clasificación de las hipótesis
Las hipótesis se pueden clasificar según diferentes criterios no siempre excluyentes sino complementarios (tabla 3) 11.
Es posible formular una misma hipótesis de diferente modo; así destacamos la hipótesis conceptual, operativa y estadística 12.
La hipótesis conceptual se redacta como una afirmación directa y es de fácil comprensión (tabla 4).
La lógica de la hipótesis conceptual salta a la vista porque sigue el más puro sentido común. No obstante, no es posible verificar una hipótesis así
formulada; para esto es preciso traducir la hipótesis conceptual a términos cuantificables, medibles y en definitiva analizables. A estas exigencias
responden las hipótesis operativas que establecen cómo se medirán (instrumentos y escalas de medida) los conceptos o variables a estudiar. Se trata de
cuantificar, para poder comparar y comprobar la relación enunciada, de modo objetivo.
Pero, para comprobar o contrastar una hipótesis, se deben aplicar las correspondientes pruebas de significación estadística y éstas requieren de una
formulación conocida como hipótesis nula (Ho)1,3-5.
La Ho, también conocida como hipótesis de no diferencia, es una proposición de conformidad con (o no diferencia respecto de) las condiciones
verdaderas de la población de interés. En general, la Ho se establece con el propósito expreso de ser rechazada 4,13-15.
La comprobación de hipótesis es el conjunto de procedimientos estadísticos que permiten decidir si los resultados de una investigación son el producto
de efectos aleatorios o reales. Lógicamente la decisión no está exenta de posibles errores; no obstante, las pruebas estadísticas permiten especificar el
nivel de probabilidad o el riesgo que el investigador está dispuesto a admitir (probabilidad de error tipo I).
Pruebas de contraste de hipótesis
Según el tipo de supuestos, el número de variables en estudio, la forma en que se han obtenido las muestras y los datos, existen 3 tipos de pruebas de
hipótesis.
Conformidad o bondad de ajuste: permite concluir si unos resultados obtenidos están de acuerdo o no con una teoría o con un valor conocidos, o si
una distribución experimental de una variable se ajusta o no a una ley teórica.
Ejemplo: se desea saber si el tiempo medio destinado a visitas domiciliarias, en un determinado centro de salud, se ajusta al tiempo medio
recomendable.
Homogeneidad: se plantea si 2 o más muestras observadas, que difieren en un valor, pueden pertenecer a una misma población teórica definida por
unos parámetros.
Ejemplo: se desea averiguar si 2 o más programas de educación sanitaria destinados al abandono de un hábito tóxico presentan alguna diferencia en su
eficacia.
De independencia: se analiza si las variables estudiadas en una muestra están relacionadas en la población de la cual proceden, o de otro modo si
existe relación entre los valores que toma una variable y los que presenta otra.
Ejemplo: podemos estudiar si el presupuesto destinado a investigación influye en el número de publicaciones y patentes de los equipos financiados.
Fases en la realización de una prueba de significación estadística
En su formulación, una hipótesis puede negar la asociación entre variables (hipótesis nula) o puede afirmar que la asociación existe, como lo hace la
hipótesis alternativa (H1).
El proceso de contraste de la hipótesis estadística sigue varios pasos o fases1,13-15(tabla 5):
1. Formular la hipótesis nula (Ho)
La Ho es la base formal para examinar la significación estadística. Según la Ho, las diferencias observadas en las muestras son debidas únicamente al
azar, es decir que las muestras provienen de una misma población. De este modo, la H1 y la Ho se excluyen mutuamente como explicaciones de los
resultados de un mismo estudio.
La prueba de significación estadística tratará de rechazar la Ho, ante lo cual se aceptará la H1, asumiendo siempre la posibilidad de equivocarse.
2. Formular la hipótesis alternativa (H1)
La H1 establece que existen diferencias reales entre los grupos comparados; la relación entre las variables se puede formular de dos modos13-18:
La H1 bilateral o de 2 colas contempla la posibilidad de que la asociación entre variables se produzca en cualquier sentido; por ejemplo, el ejercicio
físico puede modificar (aumentar o disminuir) la incidencia de infarto de miocardio 3.
La H1 unilateral o de una cola afirma la asociación en un solo sentido o dirección que puede ser de aumento o disminución; por ejemplo, el empleo de
un nuevo tratamiento aumenta la supervivencia media de los pacientes respecto al tratamiento anterior.
La elección del tipo de H1 (uni o bilateral) es anterior a la obtención de los datos. La prueba unilateral se plantea cuando únicamente interesa la
diferencia en un sentido; por ejemplo, sólo interesa adquirir la patente de un nuevo producto si, realmente, es más eficaz que el que está siendo
utilizado.
No obstante, hay investigadores que sistemáticamente emplean pruebas bilaterales, ya que cuando la diferencia es significativa con una prueba
bilateral, aún lo será más con una unilateral. Un inconveniente de esta opción conservadora es que exige un tamaño de muestra superior al de la prueba
unilateral.
3. Establecer el nivel de significación alfa (*)
El nivel de significación (*) se elige antes de aplicar las pruebas estadísticas y depende del nivel de confianza (NC=1-*) que desea el EI para decidir si,
finalmente, las diferencias halladas se atribuyen o no al azar.
Por consiguiente, antes de la prueba se establece un nivel de significación (*), y posteriormente se compara con el resultado (p) obtenido en la
correspondiente prueba estadística. El valor p da argumentos al investigador para decidir el rechazo o mantenimiento de la Ho. Así se determina la
probabilidad de que las diferencias observadas sean debidas al azar, siempre suponiendo que la Ho sea verdadera.
El nivel de significación (*) que permite rechazar a la Ho, suele fijarse en el 0,05, pero naturalmente el EI puede otorgarle otros valores (0,01; 0,001,
entre otros) dependiendo de las consecuencias de la decisión a adoptar.
Si se establece que *=0,05 (5%), la probabilidad de rechazar erróneamente una Ho verdadera es inferior o igual a 0,05 (1/20). Si se establece
que *=0,01 (1%), dicha probabilidad es inferior o igual a 0,01 (1/100). Así pues, cuanto menor sea *, con mayor seguridad los resultados de una prueba
estadística permitirán rechazar la Ho y, en consecuencia, apoyar la H117-20.
4. Elegir y realizar la prueba de significación estadística adecuada
La prueba de significación es un procedimiento estadístico para valorar la verosimilitud de una hipótesis respecto a los datos empíricos. La prueba
elegida depende de un conjunto de factores (tabla 6) cuya valoración es esencial para aplicar la prueba más adecuada 4,13-19.
El resultado de la prueba señala la probabilidad de que la Ho sea cierta, es decir, que el resultado se deba al azar; siempre se debe utilizar una
distribución de muestreo apropiada.
Esta probabilidad es el grado de significación estadística ya mencionado, y se representa con la letra p.
5. Decidir si se rechaza o no la Ho
Basándose en la comparación de la p obtenida y la * preestablecida, se decide si se rechaza o no la Ho. Debe evitarse la expresión «se acepta la Ho»,
porque conduce a pensar que se ha demostrado que ésta es verdadera. Lo más que puede afirmarse es que los datos correspondientes a una de las
posibles muestras no permiten rechazar la Ho. También es cierto que en la jerga estadística se utiliza la expresión «se acepta la Ho», pero se debe
emplear sabiendo que no implica ninguna demostración y que el rechazo de la Ho queda condicionado a la realización de otras pruebas.
Si se ha fijado un valor * de 0,05 y la p obtenida es 0,02, la probabilidad de haber obtenido este resultado por azar se valora como pequeña
(0,02<0,05). Por consiguiente, se rechaza el azar como explicación de las diferencias observadas y se concluye que estas diferencias son
estadísticamente significativas. Se rechaza la Ho y se acepta la H1 (tabla 7).
Si por el contrario la p obtenida fuera 0,10, sería un valor superior al nivel de significación ( *=0,05). Se consideraría que la probabilidad de obtener
este resultado por azar es bastante grande (0,10>0,05). Por consiguiente, no se rechaza el azar como posible explicación de las diferencias encontradas
y se concluye que no se han hallado diferencias estadísticamente significativas. No se rechaza la Ho y sí se rechaza la H1.
Errores en la decisión
Lógicamente, las decisiones en torno a la aceptación o rechazo de las hipótesis no están exentas del riesgo de cometer algún error; ya que se basan en
pruebas estadísticas y en estadística inferencial, no es posible la certeza absoluta, sino que siempre se trata de probabilidades.
En la figura 1, se presenta una tabla en la que se compara la realidad con los resultados de una prueba estadística 13-16,18-20. Se observa que tanto si la
prueba no rechaza la Ho y ésta es verdadera, como si la prueba rechaza la Ho y es realmente falsa, se toman decisiones correctas, es decir que
aparentemente no se comete ningún error porque la realidad coincide con los resultados de la prueba.
El error se comete en las otras dos situaciones:
Error tipo I o de primera especie: se produce cuando la prueba detecta diferencias significativas y se rechaza la Ho (o se acepta la H1) pero, en
realidad, tales diferencias no existen (Ho verdadero). Por ejemplo, en un estudio se concluye que la presencia de un factor de riesgo presenta
diferencias estadísticamente significativas en los 2 grupos estudiados, pero en realidad la presencia de ese factor no afecta significativamente a un
grupo más que al otro. La probabilidad de cometer un error tipo I se denomina riesgo * y la probabilidad complementaria es el nivel de confianza
(NC=1-*). Al riesgo *, también se le denomina nivel de significación estadística.
Error tipo II o de segunda especie: la prueba concluye que no hay diferencias estadísticamente significativas y no se rechaza la Ho (se rechaza H1),
pero en realidad existen diferencias. Por ejemplo, en un estudio se concluye que no hay diferencias en la eficacia de un nuevo procedimiento de
desinfección respecto al utilizado hasta la fecha, pero en realidad ese nuevo procedimiento sí presenta diferencias estadísticamente significativas
respecto al anterior. La probabilidad de cometer un error tipo II se denomina riesgo ß
El riesgo ß se complementa con la potencia o poder de una prueba (P=1-ß) que indica la capacidad de una prueba estadística de detectar una diferencia
cuando ésta existe en la realidad.
En el ejemplo anterior, el poder o potencia sería la probabilidad de que la prueba detecte que el nuevo procedimiento es realmente diferente al anterior.
Lógicamente, cuanto mayor sea la diferencia a valorar entre los 2 procedimientos y superior el número de sujetos estudiados, mayor será la
probabilidad de que la prueba detecte diferencias; por ello se suele comentar que al aumentar el tamaño muestral disminuye el riesgo ß.
Las fórmulas propias de las pruebas de significación estadística ponen de manifiesto la estrecha relación entre varios de los parámetros mencionados
(tabla 8), de tal modo que conociendo los valores de tres se puede calcular el cuarto 4,13-16,18-20.
Por otra parte, el riesgo * representa la probabilidad de concluir exactamente lo contrario de lo que ocurre en la realidad.
Interpretación de los resultados de las pruebas de significación estadística
En el análisis de los resultados se deben evitar algunos errores asociados a la interpretación errónea de los valores p. Uno de los más habituales es creer
que la expresión «estadísticamente significativo» es asimilable a «clínicamente importante» 1,14,15,21-24. El verdadero interés de la p es ofrecer un criterio
para descartar el azar o la casualidad como explicación de las diferencias observadas.
En realidad, se pueden obtener valores de p pequeños (estadísticamente significativos) a expensas de aumentar el tamaño de la muestra, a la vez que
crece la probabilidad de detectar pequeñas diferencias (aumenta el poder estadístico). En cambio, muestras muy pequeñas no permiten identificar
diferencias estadísticamente significativas. Así pues, es preciso calcular al inicio del estudio el número necesario de sujetos para poder detectar
diferencias en caso de que éstas existan4,21-24.
Otro error en la interpretación de los resultados significativos, y que sigue igual línea argumental que el anterior, es pensar que cuanto más pequeña sea
la p, más intensa es la asociación entre las variables analizadas. Un valor muy significativo de p (0,0001) no supone mayor intensidad en una relación.
En realidad, una p pequeña (inferior a *) significa que es muy poco probable (1/10.000) que las diferencias encontradas sean debidas al azar, por lo que
se deduce que existe alguna otra razón que las pueda explicar25-26.
Otra idea, también errónea, es creer que el factor estudiado (por ejemplo, programa de ES, factor de riesgo, tratamiento) sea el causante del efecto
observado. Esta reflexión nos conduce a otro error común, creer que la asociación estadística o el hallazgo de diferencias significativas es equivalente a
la identificación de relaciones causales. Puede existir una asociación estadísticamente significativa, pero no ser de tipo causal 27. Para admitir relaciones
causales se deben utilizar diseños adecuados; además son muy pocos los casos en que los resultados de un único estudio permiten asegurar que existe
una relación causal.
Por último, es importante tener en cuenta que el valor p indica el grado de acuerdo entre los datos y la Ho. Pero lo que a veces interesa no es tanto el
valor p, sino el intervalo de confianza (IC) que estima la cuantía o magnitud del efecto y proporciona los límites (inferior y superior) entre los que se
encontraría el verdadero valor en la población28.
Las pruebas de contraste de hipótesis nos informan sobre la significación estadística y el IC ayuda a valorar la significación clínica, biológica o
psicológica de los resultados.
En todo caso, las pruebas de significación y los IC tienen características específicas y ofrecen información complementaria 13,14,18,26 (tabla 9).
Otro posible error deriva del hecho de que, al realizar múltiples comparaciones independientes en un mismo estudio, aumenta la probabilidad de que
alguna de ellas sea significativa simplemente por azar 3,4,13,15,28,29. Ante este problema existen varias soluciones (realizar correcciones, elegir otros
diseños, utilizar otros procedimientos estadísticos), pero tal vez la solución más adecuada es la de limitar el número de comparaciones a las que real y
directamente sirvan para responder a la cuestión planteada inicialmente y que debería guiar todo el proceso de la investigación, particularmente el
análisis de los datos y la interpretación de los resultados3,4.
Por último, en la comunicación de los resultados se puede incurrir en el error conocido como el de las «p huérfanas», que consiste en indicar el valor de
p, pero sin mencionar la prueba estadística utilizada, con lo cual el lector recibe una información incompleta 30.
¿Qué es una hipótesis de investigación ejemplo?
Una hipótesis es una idea que se plantea para explicar un determinado fenómeno o situación y que se intenta comprobar o rechazar
mediante la experimentación u otros métodos. Por ejemplo: La deserción escolar es producto de las malas políticas públicas
Debe ser la respuesta a la pregunta de trabajo que te planteaste, es decir, un enunciado presumible de la relación entre dos o más
variables. Este enunciado debe ser claro, verosímil y concreto
Una hipótesis es una declaración que puede ser probada por la investigación científica. Si deseas probar una relación entre dos o
más cosas, debes escribir una hipótesis antes de comenzar tu experimento o recopilación de datos. "Si _____ [hago esto] _____,
entonces _____ [esto] _____ sucederá"
Una hipótesis es la respuesta o la solución más probable a un problema de investigación. Son las proposiciones o
presunciones que realiza el investigador para tratar de explicar un hecho determinado, basado en el conocimiento previo, que sirve
para conducir la investigación
5. La educación y el cerebro
La demencia es una enfermedad mental que se caracteriza por deterioro de la memoria y cambios en el comportamiento. Por otro
lado, las personas que realizan actividades que requieren una concentración mental mayor mantienen una mejor estructura cerebral.
Hipótesis: Las personas con mayor nivel educativo tienen menos riesgo de sufrir demencia.
8. Limpieza y alergias
Las alergias son reacciones excesivas del sistema inmune contra alimentos u otras sustancias cuando entran en contacto con el
cuerpo, que ha venido en aumento en los últimos años. También recientemente las condiciones de sanidad, particularmente en
relación con los cuidados y al ambiente donde se desarrollan los bebés ha mejorado a nivel mundial.
Hipótesis: Los ambientes más controlados y las mayores medidas de higiene durante la infancia y la niñez resultan en un aumento
de las alergias en las últimas décadas.
TIPOS DE INVESTIGACIÓN
Los tipos de investigación son los diferentes enfoques y modalidades que podemos emplear para realizar una investigación. Como
la herramienta principal para expandir el conocimiento, la investigación se usa con el propósito de describir, descubrir o hacer
predicciones acerca de fenómenos, eventos, relaciones, entre otros.
Los diferentes tipos de investigaciones dependen del tipo de pregunta o problema a resolver.
Según el resultado Correlacional La correlación entre madres fumadoras y niños con asma.
Según la fuente principal Observacional El estudio del comportamiento de los gorilas en la selva de Borneo.
Documental El estudio de accidentes fatales y sus causas en empresas petrolífera desde el 2010 hasta el 2020.
Según el método de investigación Cuantitativa El estudio del efecto del alcohol en la presión arterial de adultos entre 30 y 60 años.
Cualitativa El estudio de los niveles de satisfacción de usuarios de un servicio de televisión por cable.
Mixta La evaluación del estado de bienestar y la actividad física de los empleados de una empresa.
Según el tiempo de estudio Transversal La investigación de la duración del período de incubación de una enfermedad viral.
Longitudinal El estudio por diez años de los factores de riesgo cardiovascular en una determinada población.
Según el área académica Científica La investigación sobre la proteína que sirve de entrada de protones en una célula.
La investigación básica se dirige a indagar sobre temas abstractos o de naturaleza intrincada, cuya profundidad y resultados
pareciera no tener aplicaciones de importancia inmediata para la sociedad. Por ejemplo, estudiar partículas elementales como los
neutrinos y antineutrinos en física.
Investigación aplicada
En la investigación aplicada, el principal propósito es buscar soluciones que tengan una aplicabilidad en un corto o mediano
plazo. Por ejemplo, el estudio de la respuesta inmune contra un patógeno para producir una vacuna que pueda proteger contra la
infección.
Investigación correlacional
En esta investigación la meta es determinar si dos o mas variables están relacionadas. Una variable es una característica de
interés que puede cambiar entre individuos, como el peso, la temperatura, el estado de salud, y muchas otras más.
Sin embargo, la investigación correlacional no permite determinar las causas con respecto a las correlaciones. Por ejemplo, existe
una correlación entre niños con asma y madres que fumaron durante el embarazo; no obstante esto no significa que el asma en los
niños es causada por el hábito de fumar de sus padres.
Investigación descriptiva
Investigación cuantitativa
Es la investigación que usa datos que pueden ser medidos y analizados estadísticamente. Por ejemplo, para determinar qué genes
están relacionados con una enfermedad, se hacen análisis genéticos en los pacientes y sus familiares sanos para determinar dónde se
encuentran las diferencias o mutaciones.
Investigación cualitativa
Es la investigación que no involucra mediciones numéricas. Los estudios cualitativos se llevan a cabo a través de entrevistas o de
observaciones. Por ejemplo, los estudios de mercadeo para el grado de aceptación de una determinada marca de pasta dental.
Investigación mixta
Cuando en una investigación se combinan métodos cuantitativos y cualitativos hablamos de investigación mixta. Un ejemplo es el
estudio realizado por Thøgersen-Ntoumani y Fox para investigar la actividad física y el estado de bienestar de los empleados de una
empresa. La parte cuantitativa consistió de la medición de la actividad actividad física mientra el análisis cualitativo se realizó a
través de entrevistas.
Te puede interesar también Investigación cuantitativa e investigación cualitativa.
La principal diferencia entre estos dos tipos de investigación es que mientras la cuantitativa se basa en números y cálculos matemáticos, la investigación cualitativa tiene
base en el carácter subjetivo, y se vale de narrativas escritas o habladas.
Cualitativo Cuantitativo
Objetivo Comprender los fenómenos a través de la recolección de Entender los fenómenos a través de la recolección de datos
datos narrativos, estudiando las particularidades y numéricos, que señalarán preferencias, comportamientos y otras
experiencias individuales. acciones de los individuos que pertenecen a determinado grupo o
sociedad.
Tipo de datos Reúne datos y observaciones de forma narrativa (diarios, Recolecta datos que se pueden codificar de forma numérica.
cuestionarios abiertos, entrevistas) no codificados mediante
sistemas numéricos
Cómo es usado Usado para entender los motivos, opiniones y motivaciones Se utiliza para cuantificar el problema mediante la generación de
subyacentes. Proporciona información sobre el problema o datos numéricos o datos que pueden transformarse en estadísticas
ayuda a desarrollar ideas o hipótesis para investigaciones utilizables.
cuantitativas. La cuantificación de actitudes, opiniones y comportamientos se
También se utiliza para descubrir tendencias de pensamiento utiliza para proyectar los resultados de una población de muestra
y opiniones. mayor.
Tipo de enfoque Subjetivo, orientado a los procesos. Objetivo, orientado a los resultados.
Muestreo Seleccionada: se utiliza una muestra pequeña,con el fin de Aleatoria: se selecciona una muestra representativa grande, con el
obtener una comprensión en profundidad. fin de proyectar resultados para una población.
Medición No estandarizada, narrativa (palabra escrita). Los resultados Estandarizado, numérico (mediciones, números). Los resultados
se miden durante la entrevista. son medidos al final.
Método de recolección Flexible, especificado sólo en términos generales antes del Estructurado, inflexible, especificado en detalle antes del estudio.
estudio.
Estrategias para Algunos métodos comunes incluyen grupos focales Encuestas en línea, encuestas en papel, encuestas móviles e
recolección de datos (discusiones en grupo), entrevistas individuales y investigaciones de quioscos, entrevistas presenciales, entrevistas
observaciones. telefónicas, estudios longitudinales, interceptores de sites,
encuestas en línea y observaciones sistemáticas.
Análisis de los datos Los datos brutos están en palabras. Los datos se analizan en el Los datos brutos son números. Los datos se analizan al final del
transcurso de la investigación e implican el uso de estudio e implican estadísticas.
observaciones y comentarios para llegar a una conclusión.
Interpretación de los Las conclusiones son provisionales y pueden cambiar. Se Las conclusiones y generalizaciones se formulan al final del
datos revisan de forma continua. estudio, declaradas con un grado de certeza predeterminado.
Las inferencias y generalizaciones son de responsabilidad del Las interferencias y generalizaciones son responsabilidad del
Cualitativo Cuantitativo
lector. investigador.
¿Cuándo usar la investigación cualitativa o cuantitativa?
La investigación cuantitativa tiene la ventaja de la escala. Permite que grandes cantidades de datos, extraídos de un gran número de personas, sean recolectadas y analizadas.
La investigación cualitativa, por otro lado, se realiza con pequeños muestreos. De ella se consigue extraer datos más subjetivos, con preguntas abiertas, lo que permite conocer
más sobre el individuo.
La investigación cualitativa a menudo abre nuevas opciones e ideas que no se conseguirían con una investigación cuantitativa por su naturaleza cerrada.
Te puede interesar Conocimiento empírico, científico, filosófico y teológico.
Ejemplos de investigaciones cuantitativas y cualitativas
Las investigaciones cualitativas se utilizan para estudiar casos individuales y descubrir cómo la gente piensa o se siente en determinados aspectos.
También se pueden utilizar para explorar un tema que aún no se conoce, como en el caso de una empresa que necesita saber cómo está su imagen en el mercado.
Las encuestas cuantitativas se utilizan para estudiar las tendencias en grandes grupos de forma precisa, o medir datos de sociedades, como en el caso de un censo, o encuestas de
intención de voto
Métodos de investigación
Los métodos de investigación son las estrategias que se usan para obtener los datos que servirán para dar respuesta al problema de investigación.
Dependiendo del problema a abordar y de sus posibles soluciones, hay 15 métodos de investigación diferentes. Estos métodos de investigación pueden valerse del modelo de
investigación cuantitativo, que se basa en datos de tipo numérico, o en el modelo cualitativo, que fundamenta sus análisis en datos descriptivos de los fenómenos.
También puede emplearse un modelo de investigación mixto, donde se combinan los procedimientos de los dos modelos anteriores. A continuación, presentamos los principales
métodos de investigación en las ciencias naturales y sociales.
Ensayo Aleatorio controlado Participantes separados al azar para recibir diferentes tratamientos
Estudio de caso instrumental: usa un caso en particular para entender mejor y de forma más amplia de un evento o fenómeno.
Estudio de caso colectivo: involucra el estudio de múltiples casos simultáneamente o secuencialmente, en un intento por entender y explicar un asunto
particular.
Por ejemplo, un caso de apendicitis neonatal fue estudiado por un grupo de profesionales de la salud en un hospital infantil en Brasil. Este sería un estudio de caso instrumental
donde se presentan las características de la madre y del bebé, sus síntomas y el procedimiento médico para resolver el problema.
11. Encuestas y cuestionarios
Las encuestas y cuestionarios son métodos de investigación que pueden ser tanto cuantitativas como cualitativas, dependiendo si se generan datos numérico o descriptivos,
respectivamente. Se usan como instrumentos para obtener información de las perspectivas individuales en un grupo grande de personas. Para su aplicación se requiere una
extensa planificación, tiempo y esfuerzo.
En el área médica, existen tres tipos principales de encuesta: encuestas epidemiológicas, encuestas sobre actitudes hacia un servicio o intervención de salud y cuestionarios que
evalúan el conocimiento sobre un tema en particular.
Por ejemplo, un estudio en Austria investigó la relación entre el estilo de apego y la adición a Internet a través de cuestionarios enviado online, distribuido por plataformas
basadas en la Web, como Facebook, y foros de discusión.
12. Método secuencial exploratorio
El método secuencial exploratorio es un método de investigación mixto donde se combinan estrategias cualitativas y cuantitativas. En una primera fase, el investigador explora a
través de la recolección y análisis de datos cualitativos. Luego, se diseña una herramienta para la obtención de datos cuantitativos.
Por ejemplo, en un estudio donde los investigadores realizan entrevistas cualitativas a una cierta cantidad de personas que sufren diabetes, y luego elaboran una tabla de
clasificación que serán aplicados en otro grupo mayor de estudio.
13. Método secuencial explicativo
El método secuencial explicativo es un método de investigación mixto que combina métodos cuantitativos y cualitativos.
El método secuencial explicativo tiene dos fases, una primera donde se colectan datos cuantitativos, seguido de una fase que busca explicar de forma cualitativa. Al final, las dos
fases se conectan en la etapa de interpretación para explicar los hallazgos cuantitativos y cualitativos.
Por ejemplo, un estudio clasifica los comportamientos de riesgo en el tráfico entre jóvenes de 18 a 25 años a través de un cuestionario. Con los datos cuantitativos del
cuestionario, se realizan entrevistas personales a un grupo seleccionado de los participantes para buscar entender el por qué de dichos comportamientos arriesgados.
14. Método mixto paralelo
El método mixto paralelo aplica simultáneamente un método cuantitativo y un método cualitativo, para al final, confrontar las conclusiones de la investigación.
Por ejemplo, en un estudio se revisó cómo el estilo de comunicación de los médicos afecta la intención para realizar una mamografía a un grupo de mujeres , mediante un
cuestionario y grabación de la consulta entre el profesional de la salud y la paciente.
15. Método de escritorio
El método de investigación de escritorio puede ser cuantitativo o cualitativo, según los datos que se buscan. Se puede llevar a cabo a través de consulta de documentos oficiales
o personales, en bibliotecas, hemerotecas o a través de Internet.
Por ejemplo, para realizar la biografía de Simón Bolívar, su biógrafo o historiador depende de los documentos que escribió o recibió: cartas, diarios, proclamas. También puede
recurrir a literatura que se escribió inspirada en el personaje.
Tipos de investigación según el área académica
Investigación científica
La investigación científica aborda los temas asociados con las ciencias naturales, como la física, la biología, la química, entre otros,
donde se aplica el método científico, procedimiento sistemático objetivo que consiste de poner a prueba las hipótesis que pueden
explicar un determinado fenómeno observado.
Por ejemplo, los insectos u otros animales que se alimentan de succionar la sangre de otros animales deben tener algún mecanismo
para impedir la coagulación. Esta observación ha llevado a cientos de estudios que buscan en la saliva de estos chupadores de sangre
compuestos que pueden ser utilizados como anticoagulantes.
Investigación social
La investigación en ciencias sociales típicamente se basa en la observación de los comportamientos de las poblaciones humanas.
Las ciencias sociales incluyen la sociología, la antropología, las ciencias políticas, la psicología, la educación, entre otras. Se
apoyan, por lo general, en métodos cualitativos o mixtos, el estudio de casos, y la documentación.
Investigación criminal
La criminalística lleva a cabo las acciones para descubrir el trasfondo de un delito o crimen. Por ejemplo, la investigación de
crímenes corporativos o de "cuello blanco", delitos cometidos por lo general por personas de nivel socioeconómico alto, que actúan
ilegalmente para obtener beneficios económicos y/o sociales.
Investigación periodística
Dentro del periodismo se realizan también investigaciones que buscan descubrir informaciones que no están a la vista del público
general.
Por ejemplo, el periodista Brian Deer en el 2004 puso en evidencia las fallas en el trabajo que relacionaba a la vacuna del
sarampión, rubéola y paperas con el autismo.
POBLACIÓN Y MUESTRA.
Población se refiere al universo, conjunto o totalidad de elementos sobre los que se investiga o hacen estudios. Muestra es una
parte o subconjunto de elementos que se seleccionan previamente de una población para realizar un estudio.
Normalmente se selecciona la muestra de una población para su estudio, debido a que estudiar a todos los elementos de una
población resultaría muy extenso y poco práctico.
Población Muestra
Definición Universo de elementos que se van a Selección de una parte de la población que se va a ser sujeto de
estudiar. estudio.
Características Se puede clasificar según la Forma parte de la población: debería comprender entre
cantidad de individuos que la 5% y 10% para ser más efectiva.
conforman. Los elementos deben ser aleatorios.
Posee variables estadísticas. Debe ser representativa de la población.
Objetivos Analizar los datos recabados referentes a Estudiar el comportamiento, características, gustos o propiedades de
las características comunes que comparten una parte representativa de la población.
los elementos con diversos propósitos.
Ejemplos Las personas que habitan un Para el estudio del desempeño de los estudiantes de cinco
país. universidades de una ciudad en una materia específica, se toma
como muestra a 500 estudiantes aleatoriamente (100 de cada
La cantidad de carros en una institución) que estén cursando el mismo nivel para que la muestra
ciudad. sea representativa.
Los estudiantes de un país.
¿Qué es población?
La población estadística, también conocida como universo, es el conjunto o la totalidad de elementos que se van a estudiar.
Los elementos de una población lo conforman cada uno de los individuos asociados, debido a que comparten alguna
característica en común.
La población estadística puede ser un conjunto de personas, lugares o cosas reales. Por ejemplo, los adolescentes de un pueblo o los
usos posibles del azúcar en recetas de cocina.
Al ser muy complicado realizar un estudio con todos los elementos que conforman una población, sobre todo si es considerada una
población infinita, se toma una muestra representativa de la misma para realizar los estudios.
Tipos de poblaciones
La población se puede clasificar de la siguiente manera según la cantidad de individuos que la conforme:
Población finita: es aquella que se puede contar y se pueden estudiar con mayor facilidad a sus integrantes. Por ejemplo,
la cantidad de personas inscritas en un gimnasio.
Población infinita: son inmensas poblaciones donde se hace muy difícil contabilizar a sus integrantes, por lo que suele
tomarse en cuenta solo una porción de ella a la hora de realizar un estudio, seleccionando así una muestra. Por ejemplo,
la cantidad de granos de arena en una playa.
Población real: son grupos de integrantes tangibles. Por ejemplo, la cantidad de animales en un zoológico.
Población hipotética: son poblaciones posibles que pueden ser estudiadas ante una eventualidad. Por ejemplo, la
cantidad de nacimientos de bebés prematuros.
¿Qué es muestra?
La muestra es una parte representativa de una población donde sus elementos comparten características comunes o similares.
Se utiliza para estudiar a la población de una forma más factible, debido a que se puede contabilizar fácilmente. Cuando se va a
realizar algún estudio sobre el comportamiento, propiedades o gustos del total de una población específica, se suelen extraer
muestras.
Estos estudios que se realizan a las muestras sirven para crear normas o directrices que permitirán tomar acciones o simplemente
conocer más a la población estudiada.
El muestreo es una herramienta de investigación que, al ser utilizada adecuadamente, permite obtener conclusiones específicas y
evitar resultados sesgados.
Las principales ventajas de usar las muestras es la reducción de costos, pues disminuye los elementos a estudiar y se puede realizar
en menor tiempo.
Los factores más importantes a la hora de hacer un muestreo son la representatividad, para que los elementos posean cualidades
comunes según sea el propósito, y la aleatoriedad al momento de seleccionar los elementos para evitar una muestra viciada.
Tipos de muestras
Existen diferentes tipos de técnicas para conformar una muestra.
Muestreo aleatorio
Es una técnica que ofrece la misma posibilidad a los elementos de ser seleccionados, por ser tomados al azar. Los tipos de muestreo
aleatorio son:
Muestreo aleatorio simple: los elementos se eligen de una lista al azar. Funciona más eficazmente cuando el universo es
reducido y homogéneo.
Muestreo sistemático: el primer elemento se elige al azar y luego se escogen a intervalos constantes los elementos
restantes.
Muestreo estratificado: se realiza dividiendo a la población en partes o estratos que respondan a características
establecidas y luego se eligen aleatoriamente los individuos que se van a estudiar.
Muestreo por conglomerado: la población se divide en grupos heterogéneos y éstos a su vez se subdividen en grupos
homogéneos con características comunes para ser estudiados de acuerdo a lo requerido por el investigador.
Muestreo no aleatorio o por selección intencionada
Se elige con base en el manejo de información de los elementos a estudiar, por lo que la representatividad de la muestra puede ser
subjetiva. En este caso, se corre el riesgo de que los resultados sean sesgados.
Cuando uno solo de los estudios no es suficiente porque la población a estudiar es muy extensa, se pueden usar dos o más tipos de
muestreo.
Tipos de hipótesis
Una hipótesis es una posible explicación a un problema de investigación. En ciencia, en el proceso de investigación se proponen
respuestas que pueden ser verdaderas o no, pero que deben ser comprobables.
Existen diferentes tipos de hipótesis, que dependen del tipo de investigación y de los diferentes autores. A continuación presentamos
los diferentes tipos de hipótesis según Roberto Hernández Sampieri y sus colaboradores.
Hipótesis nulas Suposición opuesta a la hipótesis de "El acoso y la agresión entre adolescentes no provoca mayor deserción escolar:
investigación.
Hipótesis alternativas Suposición opcional diferente de la hipótesis "El acoso y la agresión entre adolescentes provoca menor deserción escolar"
de investigación y de la hipótesis nula.
De diferencia de medias:
%mujeres CDMX≠%mujeresMonterrey
Hipótesis de investigación
Las hipótesis de investigación intentan explicar cómo dos o más variables están relacionadas. También se les denomina hipótesis de
trabajo, ya que en función de ellas el investigador conduce las actividades procedentes a resolver el problema de investigación. Se
simbolizan como Hi.
Dentro de las hipótesis de investigación se distinguen cuatro subtipos: descriptiva, correlacional, diferencia de grupo y causal.
Hipótesis descriptiva
Esta hipótesis intenta predecir un dato o valor en una o más variables que se van a medir u observar.
Por ejemplo: Hi: "El ingreso de estudiantes en la Universidad Autónoma de México en el 2021 será 20 % mayor que el año 2020."
Hipótesis correlacionales
Estas hipótesis buscan asociar o relacionar dos o más variables, sin necesariamente establecer cuál causa la otra. Es decir, cuando
una variable está presente, aparece también otra variable.
Por ejemplo: Hi: "La depresión en las mujeres aumenta en la menopausia".
Hipótesis causales
Las hipótesis establecen cuáles variables tienen efecto sobre las otras, es decir, una variable X causa la variable Y.
Por ejemplo: Hi: "El acoso y la agresión entre adolescentes provoca mayor deserción escolar".
Hipótesis nulas
Las hipótesis nulas son la contraparte de la hipótesis de investigación. Sirven para rechazar o rebatir la hipótesis de trabajo. Se
simbolizan como Ho.
Por ejemplo: Ho: "El acoso y la agresión entre adolescentes no provoca mayor deserción escolar".
Hipótesis alternativas
Son explicaciones opcionales diferentes de las hipótesis de investigación y nula. Se simbolizan como Ha.
Por ejemplo: Ha: "El acoso y la agresión entre adolescentes provoca menor deserción escolar".
Hipótesis estadísticas
Las hipótesis estadísticas representan en términos estadísticos y matemáticos lo que son las hipótesis de investigación, nulas y
alternativas. Se pueden clasificar en: hipótesis estadísticas de estimación, de correlación y de diferencia entre grupos.
De estimación
Son las hipótesis estadísticas que traducen las hipótesis descriptivas que pronostica un dato.
Por ejemplo, la hipótesis descriptiva "El ingreso de estudiantes en la UNAM en el 2021 será 20% mayor que el año 2020" se
traduce estadísticamente como:
Hi: Ingresos 2021=ingresos 2020 + 20%
De correlación
La hipótesis estadística de correlación tiene por objetivo traducir en términos estadísticos una correlación entre dos o más variables.
El símbolo de una correlación entre dos variables es "r" (minúscula) y entre más de dos variables "R" (mayúscula).
Por ejemplo, la hipótesis "la depresión en las mujeres aumenta en la menopausia", se ttraduce como:
Hi: r depresión-menopausia ≠ 0; la correlación entre la depresión y la menopausia es diferente de cero.
De diferencias de medias
Esta hipótesis compara una estadística entre dos o más grupos.
Por ejemplo, queremos comparar el porcentaje de mujeres en la Ciudad de México con el porcentaje de mujeres de Buenos Aires:
Hi: %MujeresCDMX≠%MujeresBA (los porcentajes de mujeres son distintos)
Ho: %MujeresCDMX=%MujeresBA (no hay diferencia entre los porcentajes de mujeres)
Técnicas de investigación
Las técnicas de investigación son los recursos que permiten obtener de forma organizada y coherente los datos y/o la información
para la búsqueda de conocimiento.
Las técnicas empleadas en una investigación deben estar apoyadas y justificadas en una base teórica. Por ejemplo, en una
investigación sobre el crecimiento de los niños en un cierto período de tiempo, se debe recurrir a formas de medición física que
reflejen el crecimiento, como medición de la talla y el peso, no a la estimación de sus padres de cuanto han crecido sus hijos.
Existen técnicas de investigación universales que se pueden aplicar a cualquier área del conocimiento. Otras en cambio, son
específicas de un campo. A continuación se presentan diferentes técnicas que se pueden emplear en la investigación documental, de
campo y científica.
1. Búsqueda bibliográfica
Para el proceso de investigación bibliográfica se debe contar con material informativo como libros, revistas de divulgación o
investigación científica y sitios Web. También se puede contar con otro tipo de documentos como videos, filmaciones y audios.
Estos documentos pueden localizarse en las bibliotecas físicas y virtuales, así como en archivos hemerográficos.
Las fuentes primarias: son los escritos de un autor o autores sobre una investigación, la que proporciona datos de
primera mano, es decir, las publicaciones periódicas, los libros y las obras de consulta.
Las fuentes secundarias: son aquellos documentos elaborados a partir de las fuentes primarias, como por ejemplo una
traducción, una antología o un catálogo de publicaciones. Los diccionarios, enciclopedias y las bases de datos también se
consideran fuentes secundarias.
2. Fichas
Las fichas son tarjetas blancas o rayadas de media cuartilla que tradicionalmente empleaban los investigadores por su fácil manejo.
Hoy pueden sustituirse por archivos de computadora de cualquier procesador de palabras utilizando medios electrónicos.
Fichas de referencia: son aquellas que contienen los datos de identificación de una publicación, como la ficha
bibliográfica (incluye los datos de los libros o de cualquier otra publicación no periódica) y la ficha hemerográfica
(contiene información de artículos consultados en diversas publicaciones periódicas, como revistas, la prensa, reseñas,
documentos, entrevistas, ponencias).
Fichas de trabajo: contienen resúmenes de las lecturas que hemos analizado, citas textuales, observaciones, comentarios
y reflexiones de las fuentes de información que hemos consultado.
3. Encuesta
La encuesta es una técnica de investigación de campo donde se obtiene información directamente del sujeto de estudio. En la
encuesta se formulan preguntas que son anotadas y que se aplican a un grupo de personas. Las preguntas son elaboradas
previamente por el equipo de investigación, con un sistema de calificación que permitirá la medición de las respuestas de los
encuestados.
Las encuestas más conocidas son las encuestas de opinión que se hacen previa a una elección en un país para indagar la tendencia de
los diferentes candidatos.
4. Entrevista
La entrevista es una técnica de investigación de campo donde se hacen preguntas a un sujeto para obtener la información que se
analizará. Por lo general las entrevistas son individuales, pero se puede aplicar a grupos pequeños.
El entrevistador actúa como instrumento de investigación al extraer datos cualitativos de un sujeto de estudio, por lo que es
ampliamente utilizada en las ciencias sociales.
Una de las ventajas de la entrevista es que se puede aplicar para conocer eventos del pasado o indagar en situaciones privadas del
entrevistado. Por ejemplo, en un estudio sobre la adicción a videojuegos de los adolescentes, la entrevista sería una técnica ideal
para indagar en las razones de este fenómeno.
5. Observación
La observación como técnica de investigación es la percepción intencional con un objetivo determinado. Es selectiva porque tiene
una finalidad dentro del área en que se aplica. Por ejemplo, los astrónomos observan el cielo con el propósito de hallar un nuevo
objeto o fenómeno espacial.
Mientras se realiza la observación se debe interpretar lo que percibimos, en el contexto del área de conocimiento involucrado. Por
ejemplo, si un astrónomo observa un objeto extraño en el firmamento, debe interpretarlo en función de las posibles opciones que
tiene dentro del área de astronomía, ya sea un asteroide, un cometa o un planeta.
En toda observación hay un objeto que es percibido en ciertas circunstancias por un sujeto u observador. Las circunstancias de la
observación son el medio ambiente del objeto y el sujeto. El observador puede valerse de medios de observación, como la máquina
fotográfica y el termómetro. Todo lo anterior se inserta en un cuerpo de conocimiento, que contribuirá a dar la explicación
adecuada.
La observación científica tiene carácter publico, es decir, los resultados de la observación tienen que ser reproducibles por otros
especialistas en condiciones similares. Sin embargo, existen situaciones que no pueden ser repetidas como un terremoto, la
explosión de una estrella o un levantamiento social.
6. Experimento
El experimento es la técnica de investigación científica donde se manipula las condiciones que afectan un objeto, para luego
observar e interpretar el resultado de la manipulación. Por ejemplo, si se quiere determinar el efecto de la luz en el crecimiento de
las plantas, el experimento será colocar unas plantas en una zona con luz y otras plantas en la oscuridad.
En el experimento se controlan los factores que rodean el objeto de forma artificial, ya sea de forma directa, como cuando se aplica
un estímulo sobre el objeto, o indirectamente, cuando se altera el ambiente que rodea al objeto. En el caso de las plantas que se
colocan en la oscuridad, se altera de forma indirecta las condiciones de crecimiento de la planta, que es el objeto de investigación.
Los cambios o alteraciones que el investigador realiza en un experimento se basan en los conocimientos previos y en las
suposiciones o hipótesis que busca probar. De esta manera, si la hipótesis es que el magnesio favorece el desempeño de los atletas,
el experimento consistirá en medir de alguna forma la actividad física de dos grupos de atletas, uno control sin magnesio, y el otro
grupo experimental con una ingestión de cierta cantidad de magnesio.
7. Experimentos mentales
El experimento mental es la técnica de investigación científica donde se arman modelos que explican un fenómeno, como los
modelos atómicos, o se simulan situaciones empleando un computador.
Las simulaciones por computadora son una manera viable, rápida y económica de realizar experimentos que buscan aplicar teorías
que ya fueron determinadas a través de experimentos reales. Tienen aplicación en las ciencias aplicadas y en la tecnología.
Sin embargo, los experimentos mentales no son sustitutos de la realidad. Por ejemplo, las predicciones epidemiológicas de la
diseminación de una enfermedad muestran un posible escenario y sirven para tomar medidas preventivas.
Modelo de la curva de contagios de una enfermedad viral si tomamos las precauciones debidas (amarillo) o no (verde).
8. Muestreo al azar
El muestreo al azar es la extracción de un pequeño subconjunto a partir de un conjunto inicial. Por ejemplo, si se quiere estudiar las
condiciones físicas de los estudiantes de una universidad, se seleccionan aleatoriamente un grupo de estudiantes de esa universidad,
de diferentes facultades y características.
La finalidad del muestreo al azar es asegurar que en la muestra seleccionada no exista predilección por un cierto rasgo y que los
resultados del estudio se puedan aproximar a las características generales de la población.
9. Modelos animales
Los modelos animales se usan en muchas investigaciones del área de la biología. Sirven para estudiar procesos celulares y
bioquímicos complejos y para evaluar la eficacia y seguridad de potenciales agentes terapéuticos. Esos resultados pueden luego
aplicarse a los seres humanos.
Entre los animales más utilizados tenemos los ratones, las ratas, los conejos, los cerdos, el pez cebra y los cobayos. Otra de las
ventajas de algunos modelos animales es que se les puede modificar genéticamente, anulando o insertando genes, con lo que se
puede estudiar el efecto de dicho gen.
El investigador debe evaluar las ventajas y desventajas de cada modelo de acuerdo a los objetivos experimentales. Por ejemplo, en
la investigación de reparación de heridas en el área de dermatología se usan ratones y ratas como modelo animal. Por otro lado, en la
investigación de metabolismo de colesterol se usan conejos.
Los cultivos celulares son una técnica de investigación donde se hacen crecer células en un medio líquido o sólido. La técnica de
cultivo celular debe adaptarse al tipo de célula, usando los micronutrientes, temperatura y factores de crecimiento apropiado para el
desarrollo de las mismas.
Se aplica en microbiología para estudiar la presencia de bacterias y sus características, así como para determinar su desarrollo en
presencia de antibióticos. También en estudios de biología molecular, fisiología, bioquímica, entre otros, cuando se quiere abordar
el comportamiento de determinado tipo de célula.
Las técnicas de secuenciación del genoma se basan en identificar una a una cada base de un ADN, como quien va deletreando las
palabras escritas en un libro. Esta técnica es ampliamente usada en las investigaciones genéticas.
Saber la secuencia de un ADN permite determinar mutaciones que expliquen alguna enfermedad, la secuencia del genoma de los
individuos, la relación entre genes y los posibles tratamientos en función de la genética.
La reacción en cadena de la polimerasa o PCR (por sus siglas en inglés polymerase chain reaction) es una técnica que revolucionó la
forma de detectar mínimas cantidades de ADN en las muestras biológicas. Se basa en duplicar las cadenas de ADN una y otra vez
usando una enzima, la polimerasa, hasta tener una cantidad suficiente que puede ser medida.
La PCR tiene diversas aplicaciones, desde detectar mínimas cantidades de virus, hasta detectar presencia de ADN en muestras de
fósiles
Tanto el método inductivo como el deductivo son estrategias de razonamiento lógico, siendo que el inductivo utiliza premisas
particulares para llegar a una conclusión general, y el deductivo usa principios generales para llegar a una conclusión específica.
Ambos métodos son importantes en la producción de conocimiento. Durante una investigación científica es posible que se utilice
uno u otro, o una combinación de ambos, dependiendo del campo de estudio en el que se realice.
Definición Es una forma de razonar partiendo de una serie de Es una forma razonar y explicar la realidad partiendo de leyes o
observaciones particulares que permiten la teorías generales hacia casos particulares.
producción de leyes y conclusiones generales.
Áreas del Era el método utilizado en las ciencias Ciencias formales como la matemática y la lógica.
conocimiento experimentales. En la actualidad es usado como
parte del método científico en general.
Método inductivo
Se utiliza el método inductivo partiendo de casos particulares para llegar a una proposición general.
El uso del razonamiento inductivo fue y es de gran importancia en el trabajo científico en general, ya que consiste en la recolección
de datos sobre casos específicos y su análisis para crear teorías o hipótesis.
La observación es uno de los aspectos clave en el método inductivo. La experiencia de los fenómenos es importante en las áreas
científicas donde se recolectan datos de hechos y fenómenos observados, para llegar a una hipótesis o teoría general.
Para que el conocimiento científico tenga peso, es importante que se hagan numerosas observaciones sobre un hecho para que, si se
dan condiciones similares, se pueda hacer una generalización.
Además de la observación, el método inductivo utiliza la experimentación para conseguir los datos necesarios que llevan al
planteamiento de una conclusión general.
Primero, se suman los ángulos internos de un triángulo y se anota que estos dan como resultado 180º. Luego, se realiza la misma
actividad con otro triángulo, y el resultado es el mismo, 180º. Se repite esta acción (observación y comparación de cada suma)
varias veces.
El resultado continúa siendo el mismo. Cuando se reúne toda la información, se llega a la conclusión general de que los ángulos
internos de un triángulo suman 180º. En otras palabras, a partir de esta serie de observaciones y su comparación, se concluye que
esto seguirá ocurriendo.
Otro ejemplo se da cuando se observa que todos los objetos que suben tienden a caer. Si se toma una serie de objetos y luego se les
deja caer, se observa que cada uno de ellos cae hacia el piso. De esta forma se llega a la conclusión de que debe existir alguna
propiedad o fuerza que hace que los objetos se atraigan entre sí (en este caso la masa de cada objeto).
Fue así que, a través de este tipo de observaciones, se estableció la ley de la gravedad, formulada por el físico naturalista inglés
Isaac Newton (1643-1727). Esta ley propone, básicamente, que todos los cuerpos que poseen masa se atraen entre ellos. Así fue
como Newton lo comprobó a través de varias observaciones. Se puede decir, entonces, que “todo cuerpo que sube tiene que bajar”.
Por mucho tiempo se creyó que todos los cisnes eran blancos debido a que nunca se habían observado cisnes negros. Este es un
ejemplo de las limitaciones que tiene el método inductivo para generalizar observaciones.
La ciencia se encuentra en constante desarrollo. Aun contando con leyes generales que predicen acontecimientos o fenómenos,
quienes se dedican a la ciencia saben que es posible que haya casos en los que las conclusiones no apliquen.
Es por esto que el método inductivo como tal puede ser insuficiente a la hora de construir conocimiento y ampliar la comprensión de
la realidad, si no se ponen a prueba constantemente sus conclusiones.
Según el filósofo escocés David Hume (1711-1776), no existe certeza absoluta de que aquello que observamos una determinada
cantidad de veces, se vaya a repetir de la misma forma en el futuro.
Para el filósofo de la ciencia austríaco Karl Popper (1902-1994), el problema de la inducción radica en que no siempre es posible
establecer una verdad universal, partiendo de observaciones particulares. Para Popper, lo importante es encontrar hechos que
puedan falsar (refutar) las conclusiones en las ciencias.
Un famoso ejemplo es el de la afirmación “todos los cisnes son blancos”. En algún momento en Europa se creía que esto era así.
Se observó que los cisnes se caracterizaban por ser todos blancos, generalizándose esta afirmación como un hecho.
Ello se debe a que no había una experiencia de lo contrario (nunca se habían visto cisnes negros). Sin embargo, tiempo después,
ejemplares de cisnes negros fueron llevados desde Australia a Europa, y este simple hecho refutó la idea que todos los cisnes eran
blancos.
Método deductivo
El método deductivo es un tipo de razonamiento usado para aplicar leyes o teorías a casos singulares.
Es el método utilizado en las ciencias formales, como la lógica y la matemática. Además, el razonamiento deductivo es clave en la
aplicación de leyes a fenómenos particulares que se estudian en la ciencia.
Es una forma jerárquica de razonamiento, ya que se parte de generalizaciones, que poco a poco se aplican a casos particulares. Esto
hace al método deductivo muy útil para producir conocimiento de conocimientos anteriores. También es práctico cuando es
imposible o muy difícil observar las causas de un fenómeno, pero sí aquellas consecuencias que produce.
Otro ejemplo se presenta cuando se piensa en los seres vivos y su genética. Se sabe que todos los seres vivos poseen ADN (ácido
desoxirribonucleico). Por lo que, si en algún momento se va a analizar a algún organismo vivo, de antemano se deduce que este
organismo tendrá ADN.
En el método deductivo se puede incurrir a conclusiones erróneas si las premisas no son verdaderas. Por ejemplo, considerando las
siguientes premisas:
En este sentido, las conclusiones del método deductivo son válidas y correctas cuando las premisas también lo son. De la misma
forma, si las premisas son verdaderas, la conclusión también lo será.
Método hipotético-deductivo
El método que actualmente se utiliza en la investigación científica es el llamado método hipotético-deductivo. Este método sintetiza,
básicamente, los principales aspectos del método inductivo y el deductivo.
Objetivo y subjetivo
Objetivo y subjetivo son palabras que se usan para calificar el modo en que las personas describen la realidad. Es objetivo lo que es relativo al objeto y
su realidad. Es subjetivo lo relativo al sujeto que observa y a su modo de percibir la realidad del objeto.
La diferencia entre objetivo y subjetivo es que lo objetivo es independiente de las emociones de una persona, mientras que algo subjetivo está
relacionado con los sentimientos y los puntos de vista de la persona.
Así tenemos que los hechos son objetivos mientras que las opiniones son subjetivas. Por ejemplo, "la tormenta Bella dejó un saldo de pérdidas
materiales en el orden de 100 millones de dólares en Galicia" es una afirmación objetiva, es un hecho que se está presentando. Por otro lado, "La
tormenta Bella bañó con tristeza las celebraciones decembrinas en Galicia" es una valoración subjetiva, alguien está expresando su opinión con
respecto a un hecho.
Objetivo Subjetivo
Definición Relativo al objeto y su realidad. Relativo al sujeto y su modo de percibir la realidad del objeto.