El quinto paso en el proceso de investigación se refiere a proceder a la determinación de las unidades de análisis, es decir, cuál es la población

objeto de estudio, sobre quienes recae la investigación, para luego decidir con cuántos casos vamos a trabajar: con la totalidad de esa
población o una parte de la misma.

Universo o Población: Es el conjunto total de elementos que constituyen un área de interés analítico, es decir, son aquellos elementos
alcanzados por las variables de nuestra investigación.

En función a la cantidad de elementos que componen el universo se distinguen dos tipos:

a) Universos finitos: aquellos que contienen hasta 100.000 unidades de las que se desea obtener información.

b) Universos infinitos: los que poseen más de 100.000 unidades.

Para cada investigación habrá que definir puntualmente cuál es el universo sobre el que recae, y obviamente esta definición estará
directamente relacionada con el problema planteado y los objetivos de investigación. La misma debe contener información sobre las
características esenciales de la población, de su ubicación temporal y espacial, y los posibles factores de exclusión e inclusión.

Por ejemplo: Alumnos regulares de la UNLZ, Facultad de Ciencias Sociales, que se encuentren cursando materias durante el primer
cuatrimestre del 2000 y que tengan un mínimo de 20 materias aprobadas.

Unidades de análisis: A cada uno de los elementos que constituyen el universo o población se denominan unidades de análisis, las cuales no
deben ser necesariamente individuos, sino que pueden ser también grupos, empresas, viviendas, material publicitario, determinados
comercios, etc.

Unidades de información: En algunas oportunidades no son las unidades de análisis los elementos últimos de los cuales se obtiene
información. Podría ocurrir que las unidades de análisis no den testimonio de sí mismas, entonces se debe recurrir a unidades de información
válidas que puedan manifestarse sobre las unidades de análisis.

Así, en ocasiones las unidades de análisis e información recaen sobre la misma persona o elemento y en otras, no.

De acuerdo a las características que presenten las unidades de análisis, el universo será:

a) Homogéneo: cuando no presente diferencias significativas entre sus unidades de análisis.

b) Heterogéneo: en el caso contrario.

Tal como se menciona anteriormente, se debe decidir si se trabajará con la totalidad del universo de estudio o si se tomará una porción:

-Censo: cuando se efectúa un relevamiento o medición sobre todos los elementos que constituyen el universo.

-Muestra: cuando solo se toma una parte de dicho universo para el relevamiento o medición. Esta es un subconjunto del conjunto total o
universo, que se presume representativo, es decir, que debe reflejar o reproducir lo más exactamente posible las características del universo.
Si la misma se extrae de un universo que incluye elementos con características peculiares o distintivas y las mismas son relevantes a efectos de
la investigación, la muestra resultante debe incluir dichos elementos en la misma proporción.

Entonces una muestra será una parte del universo de estudio que será sometida a observación con la finalidad de alcanzar información
respecto del universo del cual ha sido extraída. Así, se parte del supuesto de que, si los procedimientos efectuados para tomar la muestra han
sido correctos, los resultados obtenidos a partir de esto serán extensivos o válidos para el universo en cuestión.

VENTAJAS Y DESVENTAJA EN LA APLICACIÓN DE LOS CENSOS Y MUESTRAS

CENSO:

Ventajas: la principal ventaja radica en la confianza y exactitud de los resultados que supone el hecho de trabajar con la totalidad de elementos
que componen el universo.

Desventajas: es más costoso, dificulta la realización de estudios profundos, exige la movilización de muchos recursos (humanos y materiales),
el procesamiento de la información obtenida en el trabajo de campo es prolongado (como en el caso de los censos de población y vivienda), y
así los resultados definitivos llevan su tiempo.

MUESTRA:

Ventajas: es menos costosa que efectuar un censo, permite realizar estudios profundos, supone un ahorro de tiempo (tanto en el trabajo de
campo como el procesamiento de la información), y así se puede arribar a resultados mucho más rápido.
Desventajas: tomar una muestra y en especial si se pretende que la misma sea representativa, nos llevará a optar por diseños muéstrales
muchas veces más complejos.

DISEÑO DE LA MUESTRA

En el caso de no efectuar un censo, debemos proceder al diseño de la muestra, que incluye:

El diseño de una muestra en una investigación se realiza siguiendo una serie de pasos sistemáticos. Principales pasos a considerar al diseñar
una muestra:

1. Definir el objetivo de la investigación: Es importante tener claro cuál es el objetivo de la investigación y qué información se desea
obtener. Esto permitirá determinar qué variables son relevantes y qué características se deben considerar al seleccionar las unidades
de muestra.

2. Determinar la población objetivo: Identificar y definir la población o universo de estudio es fundamental. La población objetivo es el
conjunto de unidades que poseen las características relevantes para la investigación.

3. Establecer los criterios de inclusión y exclusión: Especificar los criterios que definen quiénes deben ser incluidos o excluidos de la
población objetivo. Estos criterios pueden estar relacionados con características demográficas, geográficas o cualquier otra relevante
para la investigación.

4. Determinar el tamaño de la muestra: El tamaño de la muestra depende de diversos factores, como el nivel de precisión deseado, la
variabilidad de los datos, el tipo de diseño de muestra utilizado y los recursos disponibles. Para determinar el tamaño de muestra
adecuado, se pueden utilizar fórmulas o técnicas estadísticas específicas.

5. Seleccionar el método de muestreo: Seleccionar el método de muestreo apropiado según las características de la población objetivo
y los recursos disponibles.

6. Aplicar el método de muestreo: Una vez seleccionado el método de muestreo, se procede a aplicarlo para seleccionar las unidades
de muestra. Esto implica seguir los procedimientos establecidos por el método seleccionado, como la asignación aleatoria de
números de identificación, el uso de tablas de números aleatorios o el uso de software especializado.

7. Obtener los datos de la muestra: Una vez seleccionada la muestra, se procede a recolectar los datos de las unidades seleccionadas.
Esto puede implicar la aplicación de cuestionarios, entrevistas, observaciones u otras técnicas de recolección de datos, según el tipo
de investigación.

El diseño de muestra es un proceso importante en la investigación, ya que garantiza la representatividad y la validez de los resultados.

MARCO MUESTRAL

El marco muestral (o base de la muestra) está compuesto por una serie de datos secundarios o características de los elementos (generalmente
en listado) que componen nuestro universo y que permitirán su identificación.

Debe contener la información necesaria para la identificación de las unidades de análisis y su correcta selección. Si nuestro universo o
población estuviera compuesto por la totalidad de alumnos de una facultad, el marco muestral podría contener, por ejemplo, la siguiente
información: nombre y apellido, legajo, carrera cursada, año de ingreso en la universidad, edad, sexo, teléfono, etc.

Una vez obtenido el marco muestral debemos someterlo a examen previo a su utilización para detectar las posibles deficiencias y, en caso de
ser posible, actualizarlo o depurarlo. Siguiendo el ejemplo, si obtuviéramos un listado de los alumnos, deberíamos chequear, cuántos de esos
alumnos realmente continúan en la facultad, cuantos figuran habiendo finalizado o abandonado la carrera, etc.

Tipos de muestreo:

1. Muestras predispuestas (sesgadas, contaminadas o precientíficas): Una muestra predispuesta, también conocida como muestra intencional
o muestra no probabilística, es un tipo de muestra utilizada en investigación social donde los participantes son seleccionados de manera
intencional, deliberada o con algún tipo de sesgo. A diferencia de las muestras probabilísticas, que se seleccionan al azar y ofrecen una
representación más objetiva de la población, las muestras predispuestas se eligen específicamente para satisfacer ciertos criterios o
características deseadas.

En una muestra predispuesta, los investigadores utilizan su juicio o conocimiento experto para seleccionar a los participantes que
consideran más relevantes, informativos o representativos para su estudio. Esto puede implicar elegir individuos con ciertas características
demográficas, experiencia específica, perspectivas particulares o casos excepcionales.
Estos enfoques de investigación buscan comprender en profundidad aspectos específicos de un fenómeno, recopilando datos detallados y
contextuales de un grupo selecto de participantes. Aunque las muestras predispuestas no permiten generalizar los resultados a la población en
general, pueden proporcionar información rica y detallada sobre casos particulares, experiencias específicas o perspectivas relevantes para la
investigación.

Es importante tener en cuenta que, debido a la selección intencional y el posible sesgo en la elección de los participantes, las muestras
predispuestas pueden limitar la validez externa de los resultados y generar sesgos en la interpretación de los hallazgos. Por lo tanto, es
crucial que los investigadores sean transparentes y claros acerca de la selección de la muestra, los criterios utilizados y las implicaciones de
generalización de los resultados.

1. A) Muestras no probabilísticas: Una muestra no probabilística es aquella en la cual los elementos de la muestra no son seleccionados al
azar, y por lo tanto, no se puede determinar la probabilidad de selección de cada elemento de la población. A continuación, se presentan
algunas de las características principales de una muestra no probabilística:

1. Muestreo basado en conveniencia: En una muestra no probabilística, los elementos son seleccionados de manera conveniente o
accesible para el investigador. Esto significa que se eligen los elementos que están fácilmente disponibles o que se considera que son
más representativos o relevantes para el estudio.

2. Sesgo en la selección: La selección de los elementos de la muestra en una muestra no probabilística puede estar influenciada por
sesgos y preferencias del investigador o de quienes participan en la selección. Esto puede conducir a una falta de representatividad
de la población y a resultados sesgados.

3. Falta de generalización: Debido a la falta de aleatoriedad en la selección de la muestra, los resultados obtenidos a partir de una
muestra no probabilística no pueden generalizarse de manera confiable a la población en su conjunto. Esto se debe a que no se
puede determinar la probabilidad de selección de cada elemento y, por lo tanto, no se puede inferir con seguridad que los resultados
sean representativos de la población.

4. Limitaciones en la inferencia estadística: Dado que una muestra no probabilística no sigue un proceso de selección aleatorio, se
dificulta el cálculo de medidas de precisión estadística, como el margen de error y los intervalos de confianza. Esto limita la
capacidad de realizar inferencias estadísticas sólidas sobre la población.

5. Utilidad en estudios exploratorios o cualitativos: A pesar de sus limitaciones, las muestras no probabilísticas pueden ser útiles en
estudios exploratorios o cualitativos, donde el objetivo principal es obtener información detallada y en profundidad sobre un
fenómeno particular. En estos casos, la representatividad estadística puede ser menos relevante en comparación con la comprensión
y descripción detallada del fenómeno estudiado.

Técnicas de muestreo no probabilístico:

- Muestras causales o erráticas: son de obtención sencilla y no requieren personal extremadamente calificado. Se caracterizan por un bajo
costo y son las menos representativas. Consiste en seleccionar los primeros casos que tenemos a la mano (se elige cualquiera), sin que medie
ningún criterio para su obtención.

Ejemplo: Las encuestas callejeras, donde se detiene a personas que pasan y se les administra un formulario.

- Muestras intencionales, razonadas o dirigidas: el procedimiento de selección es establecido según el criterio del investigador, en función de
aquellos casos que consideren típicos o característicos de la problemática a investigar. En otras palabras, se recurre a informantes clave.

Ejemplo: En una investigación orientada a conocer la opinión de la población sobre el estado de los servicios ferroviarios, la muestra estaría
dirigida y conformada por usuarios cotidianos de dicho transporte público.

- Muestras por cuotas: Las muestras por cuotas son un tipo de muestra utilizada en investigación social que combina elementos de la muestra
predispuesta y la muestra no predispuesta. En lugar de seleccionar participantes al azar o de manera intencional, se establecen cuotas
demográficas o características específicas que deben cumplirse al reclutar a los participantes.

En este enfoque, se identifican ciertas características demográficas o de interés para la investigación, como edad, género, nivel
socioeconómico u ocupación, y se establecen cuotas que reflejen la distribución de estas características en la población objetivo. Los
investigadores luego reclutan a los participantes que cumplan con las cuotas establecidas hasta que se alcancen los números deseados para
cada grupo.

La finalidad de utilizar muestras por cuotas es obtener una muestra que refleje la composición demográfica o de características de la población
objetivo, sin depender del muestreo aleatorio completo.

Las muestras por cuotas pueden dividirse en dos tipos:

Muestras por cuotas proporcionales: En este tipo de muestra por cuotas, las cuotas se establecen de manera proporcional a la distribución
demográfica o de características en la población objetivo. Por ejemplo, si se desea obtener una muestra que refleje la distribución por género
en la población, las cuotas se establecerían de manera proporcional, como el 50% de hombres y el 50% de mujeres. De manera similar, si se
busca reflejar la distribución por grupo de edad, las cuotas se establecerían en proporción a la distribución de cada grupo de edad en la
población. El objetivo es lograr que la muestra represente de manera aproximada la estructura demográfica o de características de la
población.

Muestras por cuotas no proporcionales: En este tipo de muestra por cuotas, las cuotas no se establecen en proporción directa a la distribución
en la población objetivo. En cambio, las cuotas se establecen para garantizar que se incluyan adecuadamente ciertos grupos o subgrupos de
interés, incluso si su distribución en la población es desigual. Por ejemplo, si se quiere estudiar un subgrupo minoritario específico dentro de
una población mayoritaria, se podría establecer una cuota más alta para el subgrupo minoritario para asegurar su representación en la
muestra, a pesar de su menor presencia en la población en general. Este enfoque busca asegurar que se incluyan adecuadamente los grupos
de interés y obtener una muestra que refleje su importancia relativa en el contexto de la investigación.

- Muestreo de bola de nieve: En este caso la muestra se conforma empíricamente. A partir de un primer contacto con elementos
característicos de la problemática a estudiar, éstos son los que brindan información sobre otros posibles elementos con las mismas
características. Ejemplo: Supongamos que nuestra población objeto de estudio está compuesta por aquellas personas que poseen amplias
partes de su cuerpo tatuadas. Para ubicarlas podríamos concurrir a los locales donde se efectúan tatuajes con el objeto de hallar alguna
persona con estas características. Una vez efectuado el contacto, se le solicitaría que nos remitiera a otras personas que reunieran sus
características, y así sucesivamente.

2. Muestras no predispuestas: Las muestras no predispuestas, también conocidas como muestras aleatorias o muestras probabilísticas, son un
tipo de muestra utilizada en investigación social en la que todos los miembros de la población tienen la misma probabilidad de ser
seleccionados. En otras palabras, cada individuo de la población tiene una oportunidad equitativa de formar parte de la muestra.

El objetivo principal de utilizar muestras no predispuestas es obtener resultados que sean aplicables y generalizables a la población objetivo.
Al seleccionar al azar los participantes, se minimizan los sesgos y se reduce la posibilidad de influencias externas en los resultados de la
investigación.

Las muestras no predispuestas se utilizan en diversos tipos de investigaciones sociales, incluyendo encuestas de opinión, estudios
epidemiológicos, estudios de mercado y estudios sociológicos, entre otros. Estas muestras permiten inferir conclusiones y realizar
estimaciones sobre la población en general, basándose en los resultados obtenidos de la muestra.

2.2) Muestras probabilísticas: Una muestra probabilística es aquella que se obtiene utilizando técnicas de muestreo aleatorio o probabilístico,
donde cada elemento de la población tiene una oportunidad conocida y no nula de ser seleccionado para formar parte de la muestra. Algunas
de las características principales de una muestra probabilística:

1. Representatividad: Una muestra probabilística tiene como objetivo representar de manera precisa y fiel las características de la
población de la cual se extrae. Esto significa que cada elemento de la población tiene una oportunidad igual o conocida de ser
seleccionado, lo que minimiza el sesgo y permite generalizar los resultados de la muestra a la población en su conjunto.

2. Aleatoriedad: La selección de los elementos de la muestra se realiza de forma aleatoria, utilizando técnicas como el muestreo
aleatorio simple, muestreo estratificado, muestreo por conglomerados, entre otros. Esto garantiza que todos los elementos de la
población tengan una oportunidad igual de ser elegidos, evitando sesgos en la selección.

3. Precisión estadística: Al utilizar métodos probabilísticos de selección, es posible calcular medidas de precisión estadística que
permiten estimar el margen de error y la confiabilidad de los resultados obtenidos a partir de la muestra. Esto proporciona una
base sólida para realizar inferencias y generalizaciones sobre la población.

4. Control de sesgos: Una muestra probabilística tiene como objetivo minimizar la influencia de sesgos en la selección de elementos. Al
utilizar métodos aleatorios, se reduce la posibilidad de que ciertos subgrupos o características de la población sean
subrepresentados o sobrevalorados en la muestra.

5. Generalización: Una muestra probabilística permite generalizar los resultados obtenidos de la muestra a la población en su conjunto.
Si se selecciona y se realiza el análisis correctamente, los hallazgos obtenidos a partir de la muestra pueden aplicarse de manera
válida a la población más amplia.

A partir de los resultados obtenidos es posible estimar parámetros poblacionales.

Se deben tener en cuenta un conjunto de factores antes de decidir cuál es el tipo de muestra más apropiada (probabilística/no probabilística)
para nuestra investigación:
El tipo de estudio en el que se encuadra la investigación, ya que existe un tipo de muestreo más apropiado que otros de acuerdo a las
características y objetivos de la investigación. En los estudios exploratorios generalmente se utilizan muestras no probabilísticas (como
nuestro caso).

La rigurosidad requerida en el estudio.

La posibilidad de contar o no con un marco muestral adecuado.

Los recursos económicos con que se cuenta con relación a la necesidad de tamaños muestrales elevados.

Los recursos humanos con que se cuenta para efectuar el trabajo de campo.

El tiempo estipulado para esta etapa de la investigación.

Técnicas de muestreo probabilístico:

a) Técnica de azar simple: La técnica de azar simple, también conocida como "muestreo aleatorio simple" o "muestreo al azar simple", es un
método utilizado en la estadística para seleccionar una muestra representativa de una población. El objetivo de esta técnica es garantizar que
cada elemento de la población tenga la misma probabilidad de ser seleccionado para formar parte de la muestra.

El proceso de la técnica de azar simple implica los siguientes pasos:

1. Definir la población: Primero, se debe definir claramente la población objetivo de estudio. Por ejemplo, si se desea realizar un
estudio sobre la opinión de los estudiantes universitarios, la población podría ser todos los estudiantes matriculados en una
universidad en particular.
2. Asignar un número a cada elemento: A cada elemento de la población se le debe asignar un número único. Esto se hace para
facilitar la selección aleatoria posterior. Por ejemplo, si hay 100 estudiantes en la población, se les podría asignar números del 1 al
100.
3. Determinar el tamaño de la muestra: Es necesario decidir el tamaño de la muestra que se desea obtener. La muestra debe ser lo
suficientemente grande como para representar adecuadamente la población, pero también manejable en términos de tiempo y
recursos disponibles.
4. Utilizar un método de selección aleatoria: Seleccionar al azar los elementos de la población que formarán parte de la muestra. Esto
se puede hacer mediante el uso de técnicas como el uso de tablas de números aleatorios, generadores de números aleatorios
computarizados o software estadístico especializado.
5. Recopilar datos: Una vez seleccionada la muestra, se recopilan los datos necesarios para el estudio. Estos datos pueden ser
obtenidos a través de encuestas, observaciones u otras técnicas de recolección de datos.

La técnica de azar simple es ampliamente utilizada en la investigación científica y social, ya que proporciona una forma imparcial y
representativa de seleccionar una muestra de una población más grande. Al garantizar que cada elemento de la población tenga la misma
probabilidad de ser seleccionado, se reduce el sesgo y se aumenta la validez de los resultados obtenidos de la muestra.

La técnica de azar simple tiene varias ventajas, entre las cuales se incluyen:

 Igual oportunidad de selección: Cada elemento de la población tiene la misma oportunidad de ser seleccionado, lo que reduce el
sesgo en la muestra.

 Representatividad: Al garantizar una selección aleatoria, la muestra tiene una mayor probabilidad de ser representativa de la
población, lo que permite generalizar los resultados.

 Cálculo de estimaciones de precisión: Al utilizar el muestreo aleatorio simple, es posible calcular medidas de precisión estadística,
como el margen de error y los intervalos de confianza.

b) Técnica de azar sistemático: La técnica de azar sistemático es un método de selección de elementos de una población para formar una
muestra que combina elementos de aleatoriedad y orden sistemático. En esta técnica, se elige aleatoriamente un elemento inicial y luego se
seleccionan los siguientes elementos en función de un intervalo sistemático predefinido.

El proceso de la técnica de azar sistemático implica los siguientes pasos:

1. Definir la población: Se debe definir claramente la población objetivo de estudio, es decir, el conjunto completo de elementos que se
desea investigar.

2. Establecer el tamaño de la muestra: Se determina el tamaño deseado de la muestra, es decir, el número de elementos que se
seleccionarán para formar parte de ella. El tamaño de la muestra debe ser representativo y suficientemente grande para permitir
inferencias confiables sobre la población.
 3. Calcular el intervalo sistemático: Se calcula el intervalo sistemático dividiendo el tamaño de la población entre el tamaño de la
muestra. Por ejemplo, si la población tiene 1000 elementos y se desea una muestra de tamaño 100, el intervalo sistemático sería de
10 (1000/100 = 10).

4. Elegir un número aleatorio inicial: Se elige aleatoriamente un número inicial, que se encuentra dentro del rango del intervalo
sistemático. Este número determinará el primer elemento de la muestra.

5. Seleccionar los elementos de la muestra: A partir del número inicial seleccionado, se elige cada elemento de la muestra sumando el
intervalo sistemático. Por ejemplo, si el número inicial es 7 y el intervalo sistemático es 10, los elementos seleccionados serían el 7, el
17, el 27, y así sucesivamente, hasta completar el tamaño de muestra deseado.

La técnica de azar sistemático tiene algunas ventajas, como:

 Eficiencia: La técnica de azar sistemático puede ser más eficiente que el muestreo aleatorio simple en términos de tiempo y recursos,
ya que no requiere generar números aleatorios para cada elemento de la población.

 Representatividad: Si se selecciona correctamente el número aleatorio inicial, la técnica de azar sistemático puede proporcionar una
muestra representativa de la población.

Sin embargo, es importante tener en cuenta que esta técnica tiene limitaciones y puede estar sujeta a sesgos si existe algún patrón sistemático
en la población que coincida con el intervalo sistemático utilizado. Por lo tanto, se recomienda tener precaución al aplicar esta técnica y
considerar cuidadosamente las características de la población y el intervalo sistemático seleccionado.

c) Técnica de azar estratificado: La técnica de azar estratificado es un método de selección de elementos de una población para formar una
muestra que se basa en la división de la población en subgrupos o estratos, y luego se seleccionan elementos de cada estrato de manera
aleatoria.

El proceso de la técnica de azar estratificado implica los siguientes pasos:

1. Definir la población: Se debe definir claramente la población objetivo de estudio, es decir, el conjunto completo de elementos que se
desea investigar.

2. Identificar los estratos: Se divide la población en subgrupos homogéneos llamados estratos. Los estratos se definen en función de
características o atributos relevantes para el estudio. Por ejemplo, si se investiga la opinión política, los estratos podrían ser los
diferentes partidos políticos.

3. Determinar el tamaño de muestra por estrato: Se determina el tamaño de muestra deseado para cada estrato. Esto puede basarse
en criterios como la proporción de cada estrato en la población o la necesidad de obtener estimaciones precisas para cada estrato.

4. Calcular la asignación proporcional: Se calcula la cantidad de elementos que deben seleccionarse de cada estrato en función de la
proporción que representa cada estrato en la población total. Esto asegura que los estratos más grandes tengan una contribución
proporcionalmente mayor a la muestra.

5. Seleccionar elementos de cada estrato: Para cada estrato, se selecciona una muestra aleatoria utilizando una técnica como el
muestreo aleatorio simple. La cantidad de elementos seleccionados en cada estrato se determina según la asignación proporcional
calculada previamente.

La técnica de azar estratificado tiene varias ventajas, entre las cuales se incluyen:

 Mayor precisión: Al seleccionar muestras de cada estrato, se obtiene información más precisa para cada subgrupo de interés. Esto
permite realizar análisis y generalizaciones más detalladas dentro de la población.

 Representatividad: Al dividir la población en estratos y seleccionar muestras dentro de cada estrato, se asegura que todos los
subgrupos estén representados en la muestra. Esto ayuda a evitar sesgos y obtener una imagen más precisa de la población en su
conjunto.

 Eficiencia: En comparación con el muestreo aleatorio simple, la técnica de azar estratificado puede ser más eficiente en términos de
recursos, ya que permite una selección más focalizada de elementos de interés.

d) Técnica de azar por conglomerado: La técnica de azar por conglomerado, también conocida como muestreo por conglomerados, es un
método de selección de elementos de una población para formar una muestra en el cual la población se divide en grupos o conglomerados y
se seleccionan algunos de estos conglomerados para formar la muestra.

El proceso de la técnica de azar por conglomerado implica los siguientes pasos:

 1. Definir la población: Se debe definir claramente la población objetivo de estudio, es decir, el conjunto completo de elementos que se
desea investigar.

2. Identificar los conglomerados: Se divide la población en grupos o conglomerados que representen unidades naturales o lógicas. Los
conglomerados pueden ser, por ejemplo, regiones geográficas, escuelas, empresas, familias, etc.

3. Determinar el tamaño de muestra de los conglomerados: Se determina el número de conglomerados que se seleccionarán para
formar la muestra. Esto puede basarse en consideraciones prácticas, como el costo y la logística de la recolección de datos.

4. Seleccionar los conglomerados: Utilizando una técnica de selección aleatoria, se eligen algunos de los conglomerados de la
población. Esto se puede hacer mediante un proceso de asignación secuencial, seleccionando los primeros conglomerados que
cumplen con ciertos criterios aleatorios.

5. Seleccionar elementos dentro de los conglomerados: Una vez seleccionados los conglomerados, se procede a seleccionar elementos
individuales dentro de cada conglomerado para formar la muestra. Esto puede hacerse utilizando técnicas de muestreo aleatorio
simple u otras técnicas de muestreo.

La técnica de azar por conglomerado tiene algunas ventajas, como:

 Eficiencia: Al seleccionar conglomerados en lugar de elementos individuales, se pueden reducir los costos y la logística asociados con
la selección y recolección de datos de una muestra.

 Representatividad: Si los conglomerados son representativos de la población, la muestra puede proporcionar una buena
representación de la población en su conjunto.

Sin embargo, es importante tener en cuenta que esta técnica puede llevar a un mayor error de muestreo en comparación con el muestreo
aleatorio simple, ya que la variabilidad puede existir tanto dentro como entre los conglomerados seleccionados.

Muestreo de rutas aleatorias:

Esta modalidad no es una técnica sino un procedimiento complementario de los muestreos probabilísticos y no probabilísticos.

El muestreo de rutas se utilizará en la selección de los casos efectivos que compondrán la muestra, es decir que se preestablecerá el itinerario
a seguir en el trabajo de campo.

El prerrequisito primordial para su aplicación es la existencia de mapas o planos de la zona en la que hallan distribuidos los casos.

Las rutas a seguir (plasmadas en una hoja de ruta que se entrega al personal de campo) se eligen de forma aleatoria y deben estar
acompañadas de instrucciones precisas sobre los puntos de partida y finalización, tipos de viviendas que se tomarán, etc.

ESTADÍSTICA

Se define como la colección de métodos científicos que permiten el análisis e interpretación de la información numérica. Se divide en dos
grandes ramas:

*Estadística descriptiva: La estadística descriptiva es una metodología utilizada en la investigación social para analizar y resumir los datos
recolectados. Su objetivo principal es describir, resumir y presentar de manera clara y concisa los datos obtenidos en un estudio.

La estadística descriptiva es una herramienta fundamental en la investigación social, ya que permite resumir y analizar los datos obtenidos de
manera clara y significativa. Al aplicar estas técnicas, los investigadores pueden comprender mejor los datos y extraer conclusiones
importantes para su investigación.

*Estadística inferencial: La estadística inferencial es una metodología utilizada en la investigación social que permite hacer inferencias y
generalizaciones sobre una población basándose en una muestra de datos. A diferencia de la estadística descriptiva, que se centra en describir
y resumir los datos obtenidos, la estadística inferencial se enfoca en tomar decisiones o realizar afirmaciones sobre una población más amplia
a partir de la información recopilada en una muestra.

La estadística inferencial en la investigación social permite tomar decisiones y hacer afirmaciones sobre una población más amplia a partir de
los datos de la muestra. Al utilizar técnicas estadísticas adecuadas y establecer una base sólida en términos de muestreo y planteamiento de
hipótesis, los investigadores pueden obtener conclusiones confiables y significativas sobre los fenómenos sociales que están estudiando.

- Leyes de probabilidad estadística:

*Análisis de los grandes universos: dice que los resultados tienden a emparejarse, así, aunque aumente el tamaño de la muestra serán
similares (como al tirar una moneda, los resultados -cara/seca- siempre se mantendrán cerca del 50% en cada caso sin importan cuantas veces
se tire la moneda).

*Teorema del límite central: dice que el promedio de los resultados de la muestra será similar en el universo entero. Por ejemplo: si se estudia
la antigüedad de las farmacias de Lomas de Zamora y se toma para la muestra 300 farmacias de las 1500 que hay, y el promedio de antigüedad
da de la muestra es de 10 años, es de esperar que en los otros 1200 casos el promedio de antigüedad sea el mismo.

Los valores obtenidos a partir de la muestra se denominan indicadores estadísticos y en función de ellos se estimarán los parámetros
poblacionales.

ERRORES PRESENTES EN EL PROCESO DE INVESTIGACIÓN

Toda investigación está expuesta a dos fuentes fundamentales de errores:

*Error no aleatorio (no muestral): es conveniente hacer la siguiente diferenciación:

a) Errores metodológicos: pueden originarse en cualquiera de las etapas de la investigación, ya sea planteando los objetivos o hipótesis
incorrectamente, utilizando un sistema de categorías erróneo, optando por una técnica de recolección de datos inapropiada, etc.

b) Errores operativos o tácticos: están relacionados con cada una de las fases prácticas de la investigación. Tiene que ver con fallas efectuadas
por los distintos involucrados en la investigación, como una mala administración de las preguntas de un formulario, errores a la hora de
plasmar una respuesta, errores en el procesamiento de datos, etc.

La suma de estas deficiencias conducirá inevitablemente al fracaso de la investigación, ya que los resultados obtenidos no serán confiables.

*Error aleatorio (muestral): refleja el nivel de desvío entre dichos resultados muestrales y aquellos a lo que se hubiera llegado efectuando un
censo. Es el grado de inadecuación existente entre las estimaciones muestrales y los parámetros poblacionales, es decir, la diferencia que
existe entre los valores obtenidos en la muestra y los valores poblacionales.

En el cálculo del error muestral intervienen los siguientes factores:

a) La técnica de muestreo seleccionada, que dependiendo del universo cada técnica originará un margen mayor o menor de error.

b) El tipo de universo: finito (hasta 100.000) o infinito (más de 100.000).

c) El tamaño de la muestra a tomar: recordemos que el margen de error disminuye a medida que aumenta el tamaño de la muestra.

d) El intervalo de confianza o nivel de confianza de la estimación muestral, es decir ¿Qué probabilidad existe en que la estimación concuerde
con la realidad? Un aumento en el intervalo de confianza implica un aumento en el tamaño de la muestra, y por ende, una disminución del
margen de error.

Generalmente se trabaja con (sigma), que implica un 95,5% de probabilidad de exactitud en la estimación, o (sigma), que implica un 99,7% de
probabilidad de exactitud en la estimación.

e) El tipo de universo (homogéneo o heterogéneo): dado que la heterogeneidad de elementos favorece el incremento del error. Esto
nuevamente disminuye al aumentar el tamaño de la muestra.

Tamaño de la muestra:

El tamaño de la muestra es un elemento crucial en la investigación, ya que afecta la precisión y confiabilidad de los resultados obtenidos. El
tamaño de la muestra se refiere al número de unidades o individuos que se seleccionan para participar en el estudio.

Determinar el tamaño de la muestra adecuado depende de varios factores, como el tipo de estudio, los objetivos de investigación, el nivel de
precisión deseado y las características de la población de interés. A continuación, se presentan algunos puntos clave a considerar al determinar
el tamaño de la muestra:

1. Representatividad: La muestra debe ser lo más representativa posible de la población objetivo. Esto implica que las características de
la muestra deben reflejar las características demográficas, socioeconómicas u otras características relevantes de la población. Una
muestra representativa ayuda a generalizar los resultados del estudio a la población más amplia.
2. Error muestral: El tamaño de la muestra está inversamente relacionado con el error muestral. Un mayor tamaño de muestra tiende a
reducir el error muestral y aumentar la precisión de los resultados. Es importante determinar el nivel de precisión o margen de error
aceptable para el estudio y ajustar el tamaño de la muestra en consecuencia.
 3. Variabilidad de la población: La variabilidad o heterogeneidad de la población de interés también influye en el tamaño de la muestra.
Si la población es altamente variable, se requiere un tamaño de muestra mayor para capturar la variabilidad y obtener resultados
más precisos.
4. Tipo de análisis estadístico: El tipo de análisis estadístico que se realizará en los datos también puede influir en el tamaño de la
muestra. Algunos análisis, como la regresión o el análisis de subgrupos, pueden requerir un tamaño de muestra más grande para
detectar relaciones o diferencias significativas.
5. Recursos disponibles: Además de considerar los factores anteriores, es importante tener en cuenta los recursos disponibles, como el
tiempo, el presupuesto y el personal, al determinar el tamaño de la muestra. En algunos casos, se pueden utilizar técnicas de
muestreo más eficientes para lograr un tamaño de muestra adecuado dentro de las limitaciones de recursos.

Existen diferentes métodos y fórmulas para calcular el tamaño de muestra, como el muestreo aleatorio simple, muestreo estratificado,
muestreo por conglomerados, entre otros. Estos métodos consideran los factores mencionados anteriormente y proporcionan una estimación
del tamaño de muestra necesario para lograr los objetivos de investigación.

Ejemplo: Supongamos que las variables a relevar son: nivel de instrucción (con 8 categorías) y lugar de residencia (con 4 categorías). El cuadro
estaría conformado por unas 32 celdas, las cuales se deben cubrir con 10 casos cada uno. En este ejemplo serán necesarios 320 casos.

ENCUESTA

Es la técnica de recolección de datos que utiliza como instrumento un listado de preguntas (cuestionario, cédula o formulario). Estas están
fuertemente estructuradas e, independientemente de su modo de aplicación, recoge información para ser analizada e interpretada
estadísticamente, desde una perspectiva cuantitativa.

-Encuesta aplicada por un entrevistador: es cuando se releva información a través de una persona que lee las preguntas o las ha memorizado

-Cuestionario auto administrado: es cuando el listado de preguntas (cuestionario) es leído y respondido por el sujeto indagado.

Algunas de las características de la encuesta son:

1. Estructura estandarizada: Las encuestas suelen tener una estructura estandarizada con un conjunto de preguntas predefinidas que
se formulan a todos los participantes. Esto permite recopilar datos de manera sistemática y comparar las respuestas entre los
participantes. La estructura estandarizada facilita el análisis y la interpretación de los datos.

2. Muestra representativa: Para obtener resultados válidos y generalizables, la encuesta se realiza en una muestra representativa de la
población objetivo. La muestra debe seleccionarse de manera cuidadosa y considerar la diversidad y características de la población
objetivo. Una muestra representativa ayuda a garantizar que los resultados de la encuesta reflejen la realidad de la población más
amplia.

3. Recopilación de datos cuantitativos: Las encuestas suelen recopilar datos cuantitativos, es decir, datos numéricos y objetivos. Esto
permite realizar análisis estadísticos y obtener conclusiones basadas en evidencia numérica. Los datos cuantitativos son útiles para
describir patrones, calcular estadísticas descriptivas y realizar análisis inferenciales.

4. Flexibilidad en el formato: Las encuestas pueden realizarse en diversos formatos, como cuestionarios en papel, entrevistas cara a
cara, encuestas en línea o telefónicas. La elección del formato depende de las características de la población objetivo, el alcance del
estudio y los recursos disponibles. Cada formato tiene ventajas y desventajas, y el investigador debe seleccionar el más adecuado
para su estudio.

5. Anonimato y confidencialidad: Las encuestas suelen garantizar el anonimato y la confidencialidad de los participantes. Esto
promueve la sinceridad y la honestidad en las respuestas, ya que los participantes se sienten más cómodos al saber que sus
respuestas se mantendrán en privado. El respeto a la privacidad es esencial para obtener datos confiables y precisos.

6. Permite la captura de datos de múltiples variables: Las encuestas pueden recopilar datos sobre múltiples variables, lo que permite
explorar las relaciones entre diferentes factores o variables. Esto facilita el análisis de la interacción y la influencia entre las variables
y ayuda a comprender mejor los fenómenos sociales estudiados.

7. Eficiencia en la recopilación de datos: Las encuestas son una forma eficiente de recopilar datos de un gran número de participantes
en un período de tiempo relativamente corto. En comparación con otros métodos de recolección de datos, como las entrevistas
individuales, las encuestas pueden llegar a una gran cantidad de personas y recopilar información de manera rápida y sistemática.

Estas son algunas de las características clave de la encuesta en la metodología de la investigación social. La encuesta ofrece una forma
estructurada y efectiva de recopilar datos cuantitativos de una muestra representativa, lo que permite realizar análisis estadísticos y obtener
conclusiones basadas en evidencia empírica. Sin embargo, también es importante considerar las limitaciones y los sesgos potenciales
asociados con la encuesta, como la falta de detalle cualitativo y la posibilidad de respuestas sesgadas.

La encuesta es una técnica adecuada para obtener cierto tipo de información:

a) Sobre hechos: los hechos son los acontecimientos objetivos de la vida o el conocimiento de las personas. Comprenden:

a.1) Información actual o pasada relativa a ciertas características personales de los individuos. Ejemplo: edad, ocupación, nivel de instrucción,
posesiones, patrimonio, lugar de residencia, religión, etc.

a.2) Información referida al ambiente que rodea al individuo. Ejemplo: situación familiar, ambiente laboral, su vecindad, amistades, etc.

a.3) Información relativa al comportamiento del individuo, es decir, lo que las personas hacen, creen que hacen o están dispuestos a hacer; su
comportamiento reconocido o aparente.

b) Sobre opiniones: comprenden los juicios que las personas emiten respecto a alguna cosa de su conocimiento o interés. Es de fundamental
importancia tener en cuenta el marco de referencia de los individuos a investigar: sus expectativas, conocimientos, creencias, valores,
intereses, etc. Indagar sobre cuestiones que no tienen interés para las personas o no conocen es una pérdida de tiempo para todos.

c) Sobre actitudes: son disposiciones permanentes a actuar y están basadas en las creencias, los valores y los prejuicios. Son más estables que
las opiniones y orientan la acción y la opinión.

La observación de actitudes mediante encuestas tiene fuertes limitaciones y debe evaluarse su inclusión al elaborarlas, ya que, aunque su
medición puede estar incluida en alguna escala existen técnicas específicas con mayor validez y confiabilidad.

La estructura del cuestionario:

- Primera parte: El pedido de cooperación. Consiste en un enunciado que solicita la colaboración de la persona seleccionada para responda a
las preguntas de la encuesta, explicando brevemente el propósito general de la investigación. Asegura confidencialidad y anonimato.

- Segunda parte: las preguntas referidas a las variables objeto de la investigación. Son preguntas referidas a los indicadores de los datos
buscados, comenzando con las más interesantes o fáciles de responder y siguiendo con las más importantes.

- Tercera parte: las preguntas referidas a datos de clasificación. Interrogan sobre variables que permiten clasificar la población en grandes
grupos sociodemográficos (edad, sexo, estado civil, NSE, ocupación, hijos, etc.). Es recomendable ubicarlas al final del cuestionario, ya que
contestan fácilmente.

- Cuarta parte: las preguntas referidas a los datos de identificación. El propósito es tener alguna identificación que permita al supervisor
corroborar que la encuesta se haya realizado efectivamente (no siempre es necesario). Así se pregunta el nombre de pila, el número de
teléfono o algún otro dato similar.

El contenido de las encuestas:

Las preguntas pueden buscar distintos tipos de información

1. Preguntas orientadas a obtener datos de clasificación: permiten clasificar a la población en grandes grupos sociodemográficos (edad, sexo,
estado civil, NSE, ocupación, hijos, etc.)

2. Preguntas referidas a acontecimientos objetivos de la vida de las personas: se refiere a hechos. Ejemplo ¿Posee usted automóvil?

3. Preguntas referidas a actividades realizadas por las personas: Ejemplo ¿Ha buscado empleo en los últimos seis meses?

4. Preguntas referidas a los conocimientos o la información que poseen las personas: Ejemplo ¿Sabe usted quien es el presidente del partido
Justicialista?

5. Preguntas referidas a las intenciones de las personas: Ejemplo ¿Piensa cambiar su auto el próximo año?

6. Preguntas referidas a opiniones de las personas: cuando se pidan opiniones, éstas deben referirse a aspectos ampliamente difundidos o
cuestiones que interesan o afectan la vida de las personas. Ejemplo Quisiéramos saber su opinión acerca de...

7. Preguntas referidas a las expectativas: obtienen información sobre los anhelos, esperanzas e ilusiones que tienen los sujetos indagados.
Ejemplo ¿Espera usted conseguir empleo en los próximos días?

8. Preguntas referidas a los motivos o razones que llevan a las personas a actuar de determinada manera. Ejemplo ¿Nos podría decir usted
cuáles son las razones por las cuales votó a este candidato?

Las formas de administración de las encuestas:

- Cuestionario auto administrado: Entregado al sujeto y leído y respondido por él. Su mayor ventaja es el bajo costo de aplicación. Su
desventaja principal consiste en que, si los sujetos que deben responder no están motivados a hacerlo, el número de cuestionarios devueltos
será bajo en proporción con los entregados.

- Formulario o cédula aplicada por un encuestador: Sus ventajas consisten sobre todo en la mayor posibilidad de obtener encuestas efectivas
(es más difícil negarse a responder cuando una persona lo solicita). Además, resulta más fácil de aplicar cuando las preguntas tienen cierta
complejidad.

Sin embargo, se deben considerar los costos que implica pagar a los encuestadores por su trabajo, capacitación y supervisión.

- Cédula aplicada telefónicamente: Si es corta y de fácil respuesta las ventajas en cuanto a los costos son importantes. Sin embargo, hay que
considerar la efectividad de los intentos, el costo de las llamadas telefónicas, la menor posibilidad de aclarar y motivar, etc.

El trabajo de campo en las encuestas:

Consiste en la fase de aplicación de los instrumentos de recolección de datos a las unidades de información definidas en la muestra o
población a estudiar.Existen dos aspectos centrales que se presentan como problemáticas del trabajo de campo:

- La correcta elaboración del instrumento: la cuestión principal es garantizar la comparabilidad de la información obtenida. Así, es
indispensable reunir los datos de manera uniforme para todos los entrevistados, es decir, hay que preguntar lo mismo y del mismo modo a
todas las personas incluidas en la muestra.

- La obtención del mayor porcentaje posible de respuestas efectivas respecto del número de casos preestablecido para encuestar: aunque la
posibilidad de la disminución del número de unidades encuestadas está prevista en el diseño de la muestra, deben cumplirse varias
condiciones:

a) La proporción de las pérdidas no puede superar ciertos límites, generalmente entre el 5% y 20%.

b) Tales pérdidas deben producirse de forma equilibrada en todos los sectores de la muestra, sino dejaría de ser representativa. Así, por
ejemplo, no puede haber una gran pérdida de casos en los barrios de clase alta y muy pocas en los barrios de clase baja.

c) Hay que asegurarse de que las causas de las pérdidas de casos no estén vinculadas a factores de importancia en la encuesta.

Recorriendo el campo:

Con el propósito de resolver los aspectos principales de la recolección mediante la técnica de encuestar, es necesario tener en cuenta las
siguientes sugerencias:

_Efectuar la encuesta sólo a las unidades seleccionadas según los criterios estipulados previamente.

_La aplicación del cuestionario debe realizarse en el ámbito más natural y cómodo posible.

_Si el sujeto indagado está acompañado es necesario aclararle que las respuestas deben ser de forma individual.

_La aplicación del cuestionario no es un interrogatorio, por lo tanto, se debe lograr la cooperación voluntaria del sujeto indagado y se debe
generar un clima cordial.

_Las preguntas deben formularse exactamente como están redactadas y presentadas en el cuestionario, siguiendo el orden y la enunciación.

_Registrar las respuestas en el momento de obtenerlas, no confiar en la memoria.

_Respetar las instrucciones que han sido elaboradas para la selección de las unidades y la aplicación del instrumento.

LAS TÉCNICAS DE RECOLECCIÓN DE DATOS (Héctor D. Barroso)

ESTRUCTURACIÓN VS LIBERTAD

Técnicas Cuantitativas: Tienen una alta estructuración, que significa que la técnica en cuestión está preparada para obtener cierta clase de
datos y, por lo tanto, está limitada a otros. Así, solo se puede obtener información sobre los aspectos (características, propiedades) definidos
previamente y en las escalas también fijadas con antelación. Las manifestaciones no previstas y los aspectos no contemplados no pueden
registrarse ni captarse. Estas aparentes limitaciones son la principal característica de este método: la información recogida es comparable y
puede tratarse estadísticamente, y por lo tanto, se pueden predecir acontecimientos y tendencias.
Las técnicas de recolección de datos cuantitativos son aquellas que se centran en recopilar información numérica y objetiva. Estas técnicas
suelen emplear instrumentos estructurados, como cuestionarios o escalas de medición, para obtener datos que se puedan analizar de manera
estadística. Algunas de las técnicas cuantitativas más utilizadas son las siguientes:

1. Encuestas: Las encuestas son una técnica ampliamente utilizada para recopilar datos cuantitativos. Se basan en un conjunto de
preguntas predefinidas que se administran a una muestra representativa de la población. Las respuestas se analizan en términos de
frecuencias, porcentajes y otros métodos estadísticos.

2. Experimentos: Los experimentos son técnicas de investigación en las que se manipulan variables independientes para observar su
efecto en una variable dependiente. Los datos recopilados en los experimentos se pueden analizar de manera cuantitativa para
evaluar la relación causal entre variables.

3. Observación estructurada: En la observación estructurada, el investigador registra sistemáticamente la presencia o ausencia de

comportamientos o eventos específicos en un entorno controlado. Los datos obtenidos se cuantifican y se analizan estadísticamente.

4. Análisis de datos secundarios: El análisis de datos secundarios implica el uso de datos previamente recopilados por otros
investigadores o fuentes, como bases de datos, informes gubernamentales o estudios existentes. Estos datos se analizan
cuantitativamente para responder a preguntas de investigación específicas.

5. Mediciones biométricas: Las mediciones biométricas implican la recolección de datos físicos o fisiológicos, como la presión arterial, la
frecuencia cardíaca, la temperatura corporal, etc. Estos datos se obtienen mediante instrumentos especializados y se analizan de
manera cuantitativa.

6. Escalas de medición: Las escalas de medición, como las escalas de Likert o las escalas de clasificación, se utilizan para obtener datos
cuantitativos al medir las actitudes, opiniones o percepciones de los participantes. Estas escalas asignan valores numéricos a las
respuestas, lo que permite el análisis estadístico.

7. Registro de datos electrónicos: Los registros de datos electrónicos implican el uso de tecnología para recopilar datos cuantitativos de
manera automática. Esto puede incluir el seguimiento de clics en un sitio web, el análisis de registros de transacciones electrónicas o
el monitoreo de datos de sensores.

Estas técnicas de recolección de datos cuantitativos proporcionan información numérica y objetiva que se puede analizar estadísticamente.
Son útiles para responder preguntas de investigación específicas y obtener conclusiones basadas en evidencia empírica. Sin embargo, es
importante seleccionar la técnica adecuada según la naturaleza del estudio y los objetivos de investigación.

Técnicas Cualitativas: Los fundamentos y objetivos, así como las ventajas de esta técnica son la captación de la subjetividad, de los significados
que guían los comportamientos y del sentido que los actores sociales les atribuyen a sus actos. Esto también se convierten en las principales
dificultades a la hora de los resultados: la generalización es sumamente dificultosa y la posibilidad de predicción es escasa o nula.

Las técnicas de recolección de datos cualitativos se centran en obtener información detallada y descriptiva sobre las experiencias,
percepciones, opiniones y comportamientos de los participantes. Estas técnicas se utilizan para explorar en profundidad temas complejos y
comprender el contexto social y cultural en el que se desarrollan los fenómenos. Algunas de las técnicas cualitativas más comunes son las
siguientes:

1. Entrevistas: Las entrevistas en profundidad son una técnica en la que se realiza una conversación estructurada o semiestructurada
con los participantes. Las entrevistas permiten explorar en detalle las experiencias, perspectivas y opiniones de los participantes y
proporcionan datos ricos y descriptivos.

2. Grupos focales: Los grupos focales son sesiones grupales en las que se reúnen participantes con experiencias o características
comunes para discutir un tema específico. Los grupos focales fomentan la interacción y el intercambio de ideas entre los
participantes, lo que puede generar información valiosa sobre actitudes, percepciones y normas sociales.

3. Observación participante: En la observación participante, el investigador se involucra activamente en la comunidad o grupo que se
está estudiando, participando en las actividades y observando de primera mano los comportamientos, interacciones y dinámicas
sociales. Esto permite obtener una comprensión profunda del contexto y la cultura en estudio.

4. Diarios o registros personales: Los participantes pueden llevar diarios o registros personales en los que documentan sus experiencias,
pensamientos y sentimientos a lo largo del tiempo. Estos registros proporcionan información subjetiva y rica en detalles sobre la vida
cotidiana, las experiencias personales y las percepciones individuales.

5. Análisis de documentos: El análisis de documentos implica examinar y analizar documentos, archivos, registros o cualquier otra
forma de información escrita o visual disponible. Esto puede incluir análisis de textos, fotografías, videos, informes gubernamentales,
diarios personales u otros documentos relevantes para el estudio.
 6. Artefactos y objetos culturales: Los artefactos y objetos culturales pueden proporcionar información valiosa sobre las prácticas,
creencias y valores de una comunidad o grupo. El análisis de artefactos y objetos culturales puede ayudar a comprender aspectos
simbólicos, históricos y culturales relacionados con el tema de investigación.

7. Triangulación: La triangulación es una técnica en la que se utilizan múltiples métodos de recolección de datos cualitativos para
obtener una perspectiva más completa y enriquecedora del fenómeno estudiado. Al combinar diferentes técnicas cualitativas, se
pueden obtener diferentes puntos de vista y validar los hallazgos.

Estas técnicas cualitativas permiten obtener datos en profundidad, ricos en contexto y significado. Proporcionan una comprensión más
detallada de los fenómenos sociales y permiten explorar las perspectivas y experiencias de los participantes de manera más amplia y holística.
El uso de técnicas cualitativas es especialmente útil en investigaciones que buscan explorar temas complejos, comprender las interacciones
sociales y capturar la diversidad de perspectivas.

NOCIÓN Y ESTRUCTURA DEL DATO Guillermo Pablo Abritta

La noción de dato se puede definir como aquella información extraída de la realidad que tiene que ser registrada en algún soporte físico o
simbólico, que implica una elaboración conceptual, y además que se pueda expresar a través de alguna forma de lenguaje.

Los principales componentes se exponen a continuación: (Según Gil Flores)

1. Una elaboración conceptual.

2. Un contenido informativo.

3. Un registro en algún soporte físico.

4. La expresión de los mismos en alguna forma de lenguaje, y sea numérico o no numérico.

Tales componentes operan durante todo el proceso de la investigación, esto es, desde la selección del tema, la elaboración del diseño y hasta
el informe final, pero se plasman durante la etapa de recolección de datos, a través de la administración de las técnicas de investigación
(encuesta, entrevista, cuestionario), que pueden ser cualitativas o cuantitativas. También está la alternativa mediante la cual el investigador
encuentra los datos que han sido producidos por otros investigadores o investigados (datos de segunda mano).

En este sentido, Galtung define el término dato de la siguiente manera: Los datos en la investigación social pueden ser tanto cualitativos como
cuantitativos. Los datos cualitativos son descripciones, interpretaciones y narrativas detalladas que proporcionan una comprensión más
profunda de los fenómenos sociales. Estos datos suelen ser palabras, citas o descripciones de comportamientos y experiencias. Por otro lado,
los datos cuantitativos son valores numéricos o datos objetivos que se pueden medir y analizar mediante técnicas estadísticas.

Los datos en la investigación social pueden abarcar una amplia variedad de variables, como edad, género, nivel educativo, actitudes, opiniones,
comportamientos, ingresos, entre otros. Estos datos se recopilan sistemáticamente para responder a las preguntas de investigación y para
obtener evidencia empírica que respalde o refute las hipótesis planteadas.

Es importante destacar que los datos deben ser válidos y confiables, lo que significa que deben ser precisos y representativos de la realidad
que se está estudiando.

- Unidad de Análisis: son los elementos menores y no divisibles que componen el universo de estudio de una investigación. (pueden ser
individuos o colectivos sociales)

- Variable: Un concepto acerca de algún aspecto de una unidad de análisis capaz de asumir diferentes magnitudes.

- Valor o categorías: Es una de las diferentes alternativas que presenta la variable, donde alguna es adoptada por la unidad de análisis.

Así, para este autor, lo que constituye un dato son estos tres elementos considerados de forma conjunta a través de las relaciones que
mantienen entre sí.

Otro autor, Samaja, agrega a esta ecuación el componente indicadores, que permiten calcular el valor de la variable, es decir, permiten
aproximarnos al conocimiento de ciertas características de un objeto que no se pueden medir directamente (una variable compleja; alto grado
de abstracción).

Clasificación de los datos:

Las fuentes de datos son clasificadas en:

- Fuentes primarias: Aquellos que son relevados por el investigador para realizar el estudio. Su ventaja es que los mismos responden al
problema, delimitación, objetivos y perspectiva teórica. La desventaja que tienen los estudios con los datos primarios es que los costos suelen
ser muy elevados.

- Fuentes secundarias: Aquellos datos que han sido relevados por otro investigador pero que son usados por el para realizar la investigación. Su
ventaja es que tienen costos reducidos o nulos. Su desventaja es muy probable que dichos datos hayan sido recogidos en función de otra
problemática, otros objetivos y perspectiva teórica.

- Fuentes mixtas: Implica la combinación en un mismo estudio de datos primarios y secundarios (tanto cualitativos como cuantitativos).

Los datos pueden ser:

- Datos numéricos: datos duros, se rigen por técnicas estadísticas.

- Datos no numéricos: datos blandos, como, por ejemplo, notas de campo.

Confección de una matriz de datos:

Una vez realizado el trabajo de campo y hecha la revisión (o edición) de los datos obtenidos, es necesario efectuar el procesamiento de los
datos, es decir, que los mismos se preparan para ser analizados, para eso se utilizan dos técnicas de elaboración de los datos, codificación y
tabulación (Pág. 4).

- La codificación: (perspectiva cuantitativa) es un procedimiento técnico mediante el cual los datos obtenidos se clasifican en categorías y se
traducen en símbolos, es decir, se asigna a cada opción de respuesta un número o una letra que permita tabularla rápidamente. Desde un
punto de vista lógica, la codificación depende del sistema de categorías o valores que adopte la variable o alternativas que presente la
pregunta de la encuesta.

- Matriz de datos: Se lleva a cabo una vez realizada la codificación de datos. La matriz de datos es un modo de ordenar los datos de manera
que sea particularmente visible la forma tripartita (unidad de análisis, variable y valor).

En efecto, cada fila de la matriz corresponde a una unidad de análisis, cada columna a una variable, y en cada celda figura el valor que cada
unidad asume para cada variable (las respuestas dadas). Así su configuración es como una planilla electrónica de cálculo, compuesta por filas,
columnas y celdas.

La forma misma de la matriz y la definición conducen a los 3 principios de Galtung:

1) Principio de comparabilidad: Se afirma que cada combinación de unidad de análisis/ variable debe tener sentido, es decir, debe ser
verdadero o falso que dicha combinación brinde un determinado valor.

Por lo tanto, las variables han de ser en la matriz, variables de la unidad a investigar.

2) Principio de clasificación: Implica que el sistema de categorías de una variable debe cumplir con dos requisitos lógicos, los principios de
exhaustividad y exclusividad. Exhaustivo en el sentido de que ninguna unidad de análisis quede fuera del sistema de categorías, y excluyente
de manera que cada unidad de análisis asuma un valor en cada variable.

Además, según Erradonea, existe un tercer requisito, que el sistema de categorías de una variable debe responder a una sola idea (al mismo
criterio clasificatorio).

3) Principio de integridad: A diferencia de los dos primeros que aluden a la lógica de la matriz, éste se refiere al trabajo empírico de llenar la
matriz, y dice que no se debe dejar ninguna celda vacía. En otras palabras, la cantidad de celdas sin información debe ser lo más baja posible.

Diferentes tipos de análisis que se pueden efectuar de una matriz de datos:

1) Análisis centrado en la variable (análisis vertical): Aquí los valores que corresponden a las diferentes unidades se comparan conforme al
principio de comparabilidad. En otras palabras, para cada valor o categoría posible se da el número de unidades de análisis que tienen ese
valor (o categoría) de la variable. Este tipo de análisis tiene un perfil básicamente univariable y cuantitativo.

2) Análisis centrado en la unidad de análisis (análisis horizontal): En el mismo se analizan las filas separadamente, en cuanto a la información
que dan acerca de las unidades de análisis. Los valores de las diferentes variables no son comparables, por lo tanto, es un tipo de análisis con
un perfil más cualitativo.

3) Análisis combinado (análisis vertical y horizontal): Puede ser bivariable o multivariable. Además, se puede comenzar con un análisis
horizontal (construyendo un índice), y luego se puede efectuar un análisis vertical en una nueva columna (incorporando los valores que aporta
el índice para todas las unidades).
 Tabulación de datos:

Luego de confeccionar la matriz de datos, se procede a la tabulación de los mismos. Este es el proceso mediante el cual los datos recopilados
se organizan y concentran, con base a determinadas ideas o hipótesis, en tablas o cuadros para su tratamiento estadístico.

Entonces, tabular es contar las unidades de análisis que están en cada categoría de una variable. Así, la tabulación puede ser:

-Simple: univariable.

-Cruzada: bivariable o multivariable.

Por supuesto que esto requiere un plan de tabulación esto es, determinar de antemano qué resultados de las variables se van a presentar y
cuáles relaciones entre las mismas se van a analizar, con el fin de brindar respuesta al problema y objetivos formulados.

Luego de contar las unidades que hay por cada categoría, se procede al recuento, para saber la frecuencia absoluta, y a partir de ésta se
obtiene la frecuencia relativa o porcentual. Como resultado se obtiene una tabla (con su respectivo número y título).

- Frecuencia absoluta: es el número de veces que se observa cada valor o categoría de la variable.

- Frecuencia relativa o porcentual: resulta de dividir cada una de las frecuencias absolutas de la tabla sobre el total de casos, y multiplicando el
resultado por 100.

- Gráfico: en caso que así se decida, a partir de la distribución se puede elaborar un gráfico para visualizar la misma.

Análisis e interpretación de los datos:

El análisis e interpretación de los datos es una etapa crucial en la metodología de la investigación social. Después de recopilar los datos, es
necesario analizarlos y extraer conclusiones significativas que respondan a las preguntas de investigación planteadas. A continuación, se
presentan los pasos clave en el análisis e interpretación de los datos en la investigación social:

1. Organización y preparación de los datos: El primer paso es organizar y preparar los datos para su análisis. Esto implica verificar la
calidad de los datos, codificarlos si es necesario y organizarlos en una estructura adecuada para su procesamiento.

2. Descripción y resumen de los datos: En esta etapa, se realiza una descripción y un resumen de los datos recopilados. Se calculan
medidas descriptivas como la media, la mediana, la moda, la desviación estándar, etc. Estas medidas ayudan a comprender las
características generales de los datos y a identificar patrones o tendencias.

3. Análisis exploratorio de los datos: El análisis exploratorio implica examinar los datos en busca de relaciones, asociaciones o patrones
interesantes. Esto se puede lograr mediante técnicas gráficas, como gráficos de dispersión, histogramas o diagramas de caja, y
también mediante pruebas estadísticas, como pruebas de correlación o pruebas de diferencia de medias.

4. Aplicación de técnicas estadísticas: Dependiendo de la naturaleza de los datos y las preguntas de investigación, se pueden aplicar
diversas técnicas estadísticas para obtener resultados significativos. Esto puede incluir pruebas de hipótesis, análisis de regresión,
análisis de varianza, análisis de contenido, análisis factorial, entre otros. Estas técnicas permiten explorar relaciones más complejas
entre las variables y realizar inferencias basadas en los datos recopilados.

5. Interpretación de los resultados: Una vez que se han realizado los análisis, es importante interpretar los resultados de manera
adecuada. Esto implica examinar las relaciones y los patrones encontrados en los datos y relacionarlos con las teorías o marcos
conceptuales relevantes. La interpretación debe ser objetiva y fundamentada en los datos, evitando inferencias excesivas o
conclusiones no respaldadas.

6. Presentación de los resultados: Finalmente, los resultados del análisis deben presentarse de manera clara y comprensible. Esto
puede incluir la elaboración de informes, la creación de gráficos o tablas, la redacción de conclusiones y la comunicación de los
hallazgos de manera efectiva a través de informes escritos, presentaciones orales u otros medios de difusión.

Es importante tener en cuenta que el análisis e interpretación de los datos en la investigación social no es un proceso lineal y puede implicar
iteraciones y revisiones a medida que se obtienen nuevos conocimientos y se profundiza en los hallazgos. Además, es esencial mantener la
integridad y la ética en el análisis, garantizando la confidencialidad y el respeto por los participantes y los datos recopilados.

CAPÍTULO 15: INVESTIGACIONES EXPLORATORIAS, DESCRIPTIVAS Y EXPLICATIVAS

La mayoría de los autores, cuando analizan y clasifican los estudios, toman como principal referencia el diseño de la investigación.
Consecuentemente con ello y por distintas razones, distinguen entre investigaciones/diseños experimentales y no experimentales.
Sin embargo, la mayoría de las investigaciones en las ciencias sociales son no experimentales, es decir, no se rigen por una relación causal:
causa-efecto. Esto se debe a que generalmente no se acepta la alternativa de una única causa, sino que los fenómenos sociales suelen
responder a causas múltiples.

De esta manera esta distinción entre experimental/ no experimental no resulta fructífera en la mayoría de los casos de las ciencias sociales.

Con esto se pretende justificar que los diseños experimentales son solo una estrategia particular dentro de los estudios explicativos, y no una
forma de clasificación de las investigaciones sociales.

Así, se propone que la idea de continuo, que no establece límites precisos, pero permite la distinción entre posiciones, es la que mejor refleja
la realidad que se analiza. De manera que aquí se hablará de un continuo investigacional en el cual diferenciar estudios como exploratorios,
descriptivos y explicativos.

En la metodología de la investigación social, se distinguen tres tipos de investigaciones según sus objetivos y enfoques: exploratorias,
descriptivas y explicativas. Estos tipos de investigación ayudan a los investigadores a comprender y abordar diferentes aspectos de un
fenómeno social. A continuación, se describen cada uno de ellos:

1. Las investigaciones exploratorias son un tipo de estudio que se lleva a cabo cuando el tema de investigación es poco conocido o no
ha sido estudiado en profundidad. El objetivo principal de este tipo de investigación es explorar y familiarizarse con el tema,
identificar variables relevantes y generar hipótesis o preguntas de investigación más específicas. Se utilizan métodos cualitativos,
como la revisión bibliográfica, entrevistas no estructuradas o grupos de discusión, para recopilar datos y obtener una comprensión
inicial del fenómeno o problema de investigación.

Las investigaciones exploratorias permiten generar ideas y teorías preliminares, descubrir nuevas áreas de interés y proporcionar
una base para investigaciones más específicas en el futuro. No tienen el propósito de probar hipótesis o establecer relaciones
causales, sino más bien de explorar y generar conocimiento en un área determinada.

Algunos ejemplos de investigaciones exploratorias podrían ser:

 Un estudio sobre las experiencias y perspectivas de las personas migrantes en una determinada comunidad.
 Una investigación cualitativa para explorar las percepciones de los jóvenes sobre el uso de las redes sociales y su impacto en su
bienestar emocional.
 Un estudio etnográfico sobre las prácticas y creencias culturales de una tribu indígena poco estudiada.

En resumen, las investigaciones exploratorias son el primer paso en el proceso de investigación, donde se busca explorar y obtener
una comprensión inicial de un tema poco conocido o poco estudiado. Estas investigaciones son cualitativas en su naturaleza y utilizan
métodos como la revisión bibliográfica, entrevistas no estructuradas o grupos de discusión para recopilar datos.

2. Las investigaciones descriptivas son estudios que se centran en describir y analizar las características o fenómenos de un grupo o
población en particular. El objetivo principal de este tipo de investigación es proporcionar una imagen precisa y detallada de cómo se
presentan las variables en un determinado contexto.

En las investigaciones descriptivas se recopilan datos numéricos y estadísticos para resumir y analizar los hallazgos. Se utilizan
métodos cuantitativos, como encuestas, observaciones sistemáticas o análisis de datos existentes, para recopilar información de
manera estructurada y objetiva.

Estas investigaciones buscan responder preguntas como: ¿Qué características tiene un grupo o población en particular? ¿Cuál es la
prevalencia de un determinado fenómeno? ¿Cuáles son las opiniones o actitudes predominantes en relación a un tema específico?

Algunos ejemplos de investigaciones descriptivas podrían ser:

 Un estudio que investiga la prevalencia de enfermedades crónicas en una comunidad específica.

 Una encuesta que busca determinar el nivel de satisfacción de los clientes con respecto a un producto o servicio.
 Una investigación que describe las características demográficas y socioeconómicas de una población determinada.

Las investigaciones descriptivas son importantes porque proporcionan una base de conocimiento objetivo y sólido sobre un tema en
particular. Ayudan a comprender mejor las características y comportamientos de una población, lo que puede ser útil para la toma
de decisiones informadas, la planificación y el diseño de intervenciones o políticas.

Es importante tener en cuenta que las investigaciones descriptivas se centran en describir y analizar los datos recopilados, pero no
buscan establecer relaciones causales entre variables. Para investigaciones que buscan explicar las relaciones de causa y efecto, se
utilizan otros enfoques, como las investigaciones explicativas.
 3. Las investigaciones explicativas son un tipo de estudio que busca comprender las relaciones de causa y efecto entre las variables. El
objetivo principal de este tipo de investigación es explicar por qué ocurre un fenómeno y cuáles son los factores que influyen en él.

A diferencia de las investigaciones descriptivas, que se centran en describir las características de un fenómeno, las investigaciones
explicativas buscan identificar y analizar las relaciones causales entre variables. Estas investigaciones utilizan métodos cuantitativos,
como estudios experimentales o análisis estadístico avanzado, para establecer relaciones de causalidad.

En las investigaciones explicativas, se manipulan variables independientes y se observan los efectos resultantes en las variables
dependientes. Esto permite determinar si existe una relación de causa y efecto y, en algunos casos, identificar los mecanismos
subyacentes que explican dicha relación.

Algunos ejemplos de investigaciones explicativas podrían ser:

 Un estudio experimental para evaluar el impacto de un programa de intervención en la reducción de la ansiedad en estudiantes
universitarios.
 Un análisis estadístico para determinar la relación entre el nivel educativo y los ingresos económicos de una muestra de población.
 Una investigación longitudinal para examinar la influencia de factores genéticos y ambientales en el desarrollo de enfermedades
crónicas.

Las investigaciones explicativas son importantes para comprender las relaciones de causa y efecto en el mundo social y natural.
Proporcionan un nivel más profundo de comprensión y permiten identificar los factores subyacentes que influyen en los fenómenos
estudiados. Además, los resultados de este tipo de investigaciones pueden tener implicaciones prácticas en términos de
intervenciones, políticas y toma de decisiones informadas.

Es importante tener en cuenta que las investigaciones explicativas suelen requerir un diseño cuidadoso y un análisis estadístico
riguroso para establecer relaciones causales con confianza. También es común que se combinen con otros enfoques, como las
investigaciones descriptivas, para obtener una visión más completa del fenómeno estudiado.

Las modalidades del diseño explicativo:

- Modelo raciona con control de espureidad o de análisis multivariado: El modelo de regresión con control de espuriedad, también conocido
como análisis multivariado o análisis de regresión múltiple, es una técnica estadística utilizada en la investigación social para examinar las
relaciones entre múltiples variables independientes y una variable dependiente mientras se controlan los efectos de otras variables.

En este modelo, se busca identificar la relación entre una variable dependiente y varias variables independientes, teniendo en cuenta la
influencia de otras variables de control. El objetivo es determinar si las variables independientes tienen un efecto significativo en la variable
dependiente después de ajustar o controlar los efectos de las variables de control.

El modelo de regresión con control de espuriedad se basa en el supuesto de que las variables independientes y de control están
correlacionadas entre sí. Al introducir las variables de control en el modelo de regresión, se intenta eliminar o reducir la influencia o
"espuriedad" que podría surgir de estas correlaciones.

El análisis multivariado permite evaluar los coeficientes de regresión de cada variable independiente después de controlar los efectos de las
variables de control. Los coeficientes de regresión indican la fuerza y la dirección de la relación entre las variables independientes y la variable
dependiente, teniendo en cuenta la influencia de otras variables.

Al controlar la espuriedad, se puede obtener una imagen más precisa de la relación específica entre las variables de interés. Esto es
particularmente útil cuando se estudian fenómenos complejos en los que múltiples factores pueden influir en la variable dependiente.

El modelo de regresión con control de espuriedad o análisis multivariado es una herramienta valiosa en la investigación social para
comprender las relaciones entre variables y para identificar los factores más importantes o significativos que contribuyen a un fenómeno
particular. Sin embargo, es fundamental tener en cuenta las limitaciones y supuestos del modelo y realizar una interpretación cuidadosa de los
resultados.

Es importante tener en cuenta que estos tipos de investigación no son mutuamente excluyentes y pueden combinarse en un estudio según las
necesidades de investigación y los objetivos planteados. Además, el proceso de investigación puede comenzar con una investigación
exploratoria, seguida de investigaciones descriptivas y luego investigaciones explicativas, a medida que se profundiza en el conocimiento del
fenómeno social en estudio.

Modelo experimental:

El modelo experimental es una metodología de investigación utilizada en ciencias sociales y naturales para establecer relaciones causales entre
variables. En este tipo de diseño, el investigador manipula deliberadamente una o más variables independientes para observar los efectos que
producen en una variable dependiente, mientras se controlan otros factores.
El modelo experimental se basa en el principio de aleatorización, es decir, los participantes o unidades de estudio son asignados al azar a
diferentes condiciones experimentales. Esto ayuda a controlar las posibles influencias de variables no deseadas y a garantizar que cualquier
diferencia en los resultados se pueda atribuir a la manipulación de las variables independientes.

Un diseño experimental típico involucra un grupo experimental y un grupo de control. El grupo experimental es expuesto a la variable o
tratamiento experimental, mientras que el grupo de control no recibe dicho tratamiento y se utiliza como punto de referencia para comparar
los resultados. Esta comparación permite evaluar el efecto causal del tratamiento en la variable dependiente.

Además, existen diferentes tipos de diseños experimentales, como el diseño preexperimental, el diseño cuasiexperimental y el diseño
experimental puro o verdadero. Cada uno de ellos tiene características específicas y se utiliza en diferentes contextos de investigación.

El modelo experimental es valorado en la investigación social debido a su capacidad para establecer relaciones causales más sólidas entre
variables. Sin embargo, también presenta limitaciones, como la dificultad de aplicarlo en ciertos escenarios éticos o prácticos, así como la
posibilidad de que los resultados obtenidos en un entorno controlado no se generalicen a situaciones del mundo real.