Variables de Estudio de Investigación

Introducción:
La función social de la ciencia en la sociedad contemporánea, así como la gravitación de
los resultados en las investigaciones científicas en las decisiones políticas y en los
diferentes ámbitos de poder, le dan una posición preferencial en el sistema de
conocimientos, por sus nexos con los ejes de poder y su utilidad en la proyección del
desarrollo, en todos los campos de la actividad productiva y de servicio a la humanidad;
sin que esto altere su naturaleza esencial de proceso y producto del conocimiento basado
en leyes, y teorías creadas y contrastadas por el método. Los cambios en los paradigmas
cualitativo y cuantitativo, en la investigación social, parecen convertirse en un espacio de
tendencias pendulares y posibilidades de rigor y validez, que el investigador asume según
la naturaleza de los problemas y de lo que se propone conocer desde estos diseños
metodológicos. De este modo, la investigación es una actividad intelectual, compleja, de
gran prestigio, en la medida que aporta soluciones a los diversos problemas de la
realidad: del hombre y la naturaleza, en una sociedad compleja y asimétrica. Siendo
trascendente la función social de la ciencia, esta no está exenta de los conflictos éticos
que generan algunos experimentos y su aplicación, por sus implicaciones con la
humanidad y los valores en la sociedad; que en la visión de la comunidad científica
significa un avance en el conocimiento.
Los grandes problemas que los científicos se han planteado en cada situación
transcendental de la historia de la ciencia, dan una visión de las teorías y el método
empleados en esta búsqueda, de las rupturas de los paradigmas en cada época; de las
presiones políticas del poder y los conflictos del contexto. La ciencia y la tecnología han
avanzado con grandes dificultades en periodos dogmáticos y de especulación, distintas
de la realidad y de los hechos. A ello se suma el peso del consenso de la comunidad
científica, como las limitaciones del acceso al conocimiento científico de la mayoría de las
personas.
La investigación actual en el siglo XXI, desde mediados del siglo XX, tiene un horizonte
vasto en las ciencias jóvenes y campos multidisciplinarios complejos; por ende, la
metodología, los problemas semánticos, conceptuales, las leyes, la naturaleza de los
objetos y ámbitos, son problematizados; así como las teorías son puestas a prueba en su
validez basadas en diversos principios. Con estos criterios de evaluación se corrobora
una de ellas o la predominancia de una entre dos teorías similares; replanteamientos que
surgen en el campo epistemológico.
Los problemas científicos demandan respuestas nuevas con la visión de nuevos
paradigmas, pero se preserva la validez de los conocimientos que la ciencia ha
incorporado en el tiempo, y se recurre a ellos en la actualidad. Las hipótesis como
conjeturas o supuestos son enunciados que aseveran una respuesta posible de ser
verdadera y contrastable. Las hipótesis son aseveraciones de la relación entre las
variables o constructos, que reflejan la realidad de un hecho, fenómeno o de un proceso.
Presenta una estructura que relaciona dos o más elementos abstractos denominados
variables, conceptos, representaciones de un valor no constante, es decir que varía; estas
son esenciales para definir la naturaleza, función y otras características de la hipótesis. En
consecuencia, es esencial determinar las variables rigurosamente. El tema de las
variables es el que nos proponemos desarrollar en el presente artículo.

Definición de las variables:

Una vez que se han seleccionado las variables a estudiar, es necesario que dentro del
apartado correspondiente se señale con claridad cómo serán medidas. Lo anterior es
porque cada variable puede tener representaciones similares; por ejemplo, la obesidad
puede ser evaluada de acuerdo con el peso para la edad, mediante el índice de masa
corporal, la cuantificación del perímetro de cintura, o el porcentaje de grasa corporal.
Todas estas formas pueden ser correctas; sin embargo, es esencial considerar que al
definir cada variable los investigadores contribuyen a que el estudio pueda ser replicado
para obtener resultados similares, o para la aplicación de los hallazgos obtenidos en
pacientes con características semejantes. También hay que tener en cuenta que puede
tener implicaciones sobre la validez del estudio, ya que la manera que se eligió para medir
la (s) variable (s) tal vez no sea la más aceptada en el mundo.
Por lo anterior, en todo proyecto de investigación es requisito fundamental que se definan
cada una de las variables a estudiar y se tomen en cuenta dos aspectos principales: la
definición conceptual y la definición operacional. La primera se refiere a cómo se concibe
dicha variable; con frecuencia esta definición corresponde al significado más parecido a lo
descrito en un diccionario o en un libro de texto. En contraste, la definición operacional
delimita la manera en que realmente será medida una variable determinada. Para lograrlo,
el investigador debe formularla en términos de hechos objetivamente observables,
suficientemente claros y explícitos para evitar ambigüedades o interpretaciones
diferentes.
Clasificación de las variables desde el punto de vista metodológico
De acuerdo con el diseño de investigación seleccionado para comprobar las hipótesis
planteadas, las variables a medir deberán clasificarse desde el punto de vista
metodológico. Para fines prácticos, en este artículo mencionamos que, en términos
generales, existen cuatro tipos de variables: dependiente, independiente, de confusión y
universal. Sin embargo, conviene señalar que no todos los estudios o diseños de
investigación contienen las cuatro.
Variable dependiente:
En todos los estudios de investigación clínica existe la variable dependiente. Esta tiene
sinónimos como principal, de interés, de desenlace, de resultado o predicha. De acuerdo
con el tipo de diseño señalamos que en los estudios descriptivos donde no solo se
pretende señalar las características de la población: edad, sexo, condición
socioeconómica, tipo de enfermedad, gravedad, etcétera todas las variables a medir se
pueden considerar dentro de esta categoría.
Ahora bien, si el diseño corresponde con un ensayo clínico donde se investiga si una
intervención tiene alguna utilidad, entonces el efecto corresponderá a la variable
dependiente; por ejemplo, al tratar de determinar la influencia de la disminución en la
ingesta de sodio sobre las cifras de la tensión arterial, los cambios en la tensión arterial
sistólica y diastólica corresponden a la (s) variable (s) dependiente (s).
Por otro lado, cuando nos enfrentamos a la búsqueda de factores de riesgo, o de causas
para que ocurra una enfermedad o una complicación, la variable dependiente se
considera el resultado. Ejemplo: si se quiere identificar que el tabaquismo o el ejercicio
son factores de riesgo para cuadros de crisis asmática, entonces los pacientes con (o sin)
crisis asmática corresponden a la variable dependiente.
En los estudios de pronóstico, donde el objetivo principal es establecer cómo será la
evolución de un grupo de pacientes en un tiempo determinado, la variable independiente
corresponderá a la evolución, es decir, si los pacientes vivieron, murieron, hubo curación,
complicación, recaída, o bien, cómo fue su calidad de vida, entre otras.
Variable independiente
En los estudios de investigación, la (s) variable (s) independiente (s) se deben considerar
cuando se pretende determinar la relación entre al menos dos variables: la independiente
y la dependiente. Así, en general, tendrán que estar incluidas en estudios comparativos o
analíticos, ya que los investigadores desean observar el efecto de la variable
independiente sobre la dependiente.
La variable independiente también tiene sinónimos, como variable predictora o “que el
investigador manipula”. A continuación, se señalan ejemplos de acuerdo con los diseños
de estudio: en el ensayo clínico descrito arriba, la intervención corresponde a la variable
independiente. De esta forma se formarán dos grupos: al primero o grupo experimental se
le darán indicaciones para que disminuya la ingesta de sal, mientras que al segundo o
grupo control, no habrá restricción de sal. Si después del estudio se comprueba que hubo
mejor control de las cifras de tensión arterial en el grupo experimental, entonces se
concluirá que la disminución de la ingesta de sal es benéfica.
Para el caso de los estudios de causalidad, el o los factores de riesgo corresponderá (n) a
la (s) variable (s) independientes. En el ejemplo, el tabaquismo y el ejercicio son los
posibles factores de riesgo asociados con una crisis asmática. Por su parte, en los
estudios de pronóstico existen ciertas características en el momento del diagnóstico que
pueden modificar la evolución de los pacientes. Por ejemplo, en pacientes con cáncer la
probabilidad de mortalidad es mayor cuando tienen una mayor gravedad o extensión de la
enfermedad, es decir, los pacientes con estadio I o II teóricamente tendrán un porcentaje
menor de fallecer que aquellos en estadios III o IV.
Variable de confusión
En los estudios donde se pretende determinar la relación entre la variable independiente y
la dependiente es posible que los resultados no sean tan reales porque existen factores o
circunstancias del paciente que pueden modificar los resultados. Esos factores
constituyen las variables de confusión. Para comprender mejor este tipo de variables,
tomaremos en cuenta los ejemplos que hemos descrito.
En el caso del ensayo clínico, a pesar de determinar la existencia de un efecto benéfico
sobre la tensión arterial secundaria a la disminución en la ingesta de sal, es posible que
estos resultados puedan ser distintos al incorporar las modificaciones en el peso corporal
durante el tiempo de duración del estudio. En este sentido es posible que quienes tuvieron
mejores cifras tensionales también hayan bajado de peso y viceversa,
independientemente de la ingesta de sal. Al hacer el análisis de la información, si se
comprueba que el peso influye en el cambio de las cifras de tensión arterial, se establece
que el peso es una variable de confusión,
En el ejemplo de estudio de causalidad, la exposición a alérgenos constituye una variable
de confusión, es decir, aunque se comprobara que el tabaquismo influye en los cuadros
de crisis asmática, es necesario medir dicha exposición porque es conocida también la
asociación de alérgenos con la presencia de exacerbaciones. Por último, en estudios de
pronóstico también pueden existir variables de confusión; en casos de cáncer la presencia
de infecciones graves puede relacionarse directamente con la mortalidad, de esta forma
puede haber pacientes en estadio I o II que fallecen por este tipo de infecciones.
Variables universales:
En todo estudio de investigación se incluyen ciertas condiciones de los pacientes o
sujetos de estudio, las cuales ayudan a disponer de un panorama general de la población
estudiada. A estas características se les denomina variables universales o descriptoras.
Este grupo incluye generalmente edad, sexo, nivel socioeconómico, escolaridad, lugar de
residencia, estado civil, religión, raza, entre otras. Sin embargo, se debe tener en cuenta
que algunas de estas variables pueden estar consideradas como independientes; por
ejemplo, cuando se pretende evaluar los factores de riesgo de infarto al miocardio, es muy
conocido que los pacientes masculinos tienen mayor probabilidad de presentar esta
condición.
Escalas de medición de las variables
La forma de clasificar cada una de las variables seleccionadas de acuerdo con su escala
de medición es fundamental para la sección de variables, lo cual es parte del proceso
para establecer su definición. Cuando el investigador especifica esta característica en
cada variable, entonces estará en posibilidad de planear su análisis estadístico, ya que de
acuerdo con la escala de medición existe una prueba estadística diferente. Es importante
mencionar que para otros autores el concepto de escala de medición de variables
significa lo mismo que “tipo de datos”, lo cual puede crear confusión con el “tipo de datos”,
lo cual puede crear confusión con el “tipo de variable” desde el punto de vista
metodológico como ya lo describimos por esta razón sugerimos utilizar el término escala
de medición.
Las escalas de medición disponibles en la actualidad datan de 1946 y son cuatro:
nominal, ordinal, de intervalo y de razón. Con el transcurso del tiempo algunas de ellas se
han denominado de manera distinta, pero son sinónimos. En general, las escalas nominal
y ordinal se pueden agrupar en cualitativas, mientras que las de intervalo y de razón en
cuantitativas.
Los atributos que debe contener una escala de medición es que sea apropiada para el
fenómeno en estudio y para la manera como está descrita en la definición operacional de
la variable. También debe ser suficientemente poderosa para responder
satisfactoriamente a los objetivos del estudio, es decir, una variable es más sólida cuando
su escala es cuantitativa que cuando es cualitativa. Asimismo, es preferible una variable
ordinal a una nominal, o bien, una de razón a una de intervalo; por supuesto, todo
depende de lo que se medirá. Por otro lado, las categorías o unidades de medición deben
ser mutuamente excluyentes entre sí para que no se traslapen; dichas categorías deben
ser suficientes para el fenómeno a estudiar y claramente definidas.
En general, siempre que sea posible, es más conveniente la inclusión de variables
cuantitativas, debido no solamente a que los análisis estadísticos a realizar serán más
sólidos, sino que será posible observar el fenómeno en estudio con mayor precisión o con
diferentes perspectivas. La variable continua contiene mayor información, y así será
posible realizar un estudio con mayor poder y una muestra de menor tamaño, pero que
además puede ser modificada a una escala “menor”, es decir, se puede convertir para
disponer de otra manera para analizar el estudio. De esta forma, las cifras de
hemoglobina glucosilada o de tensión arterial pueden ser usadas para clasificar a los
pacientes como controlados o no controlados.
Las variables con escala de medición nominal son aquellos fenómenos que por su
naturaleza no pueden cuantificarse, o bien, que para su medición se clasifican en
categorías. La característica esencial de las variables nominales es que sus valores son
similares entre sí, dicho de otra manera, no siguen un orden, su magnitud es semejante y
el listarlas de una forma u otra no modifica la relación entre ellas.
En las variables nominales también se pueden distinguir dos grupos: las variables
dicotómicas, conocidas también como binarias y las politómicas. Las variables
dicotómicas tienen solo dos valores posibles o unidades: vivo/muerto,
femenino/masculino, enfermo/no enfermo. Mientras que las variables nominales
politómicas tienen tres o más unidades: los nombres de las enfermedades, el lugar de
residencia o el estado civil.
Las variables con escala de medición ordinal a diferencia de las nominales tienen
unidades o valores y siguen cierto orden, por ejemplo: deshidratación leve, moderada y
grave. Sin embargo, el orden solamente manifiesta que una es mayor que otra, pero dicha
cualidad no es tan precisa como para establecer con exactitud la diferencia entre una y
otra unidad, es decir, los intervalos entre ellas no son equivalentes, pero su identificación
como variable ordinal indica dirección.
En el caso de las variables con escala de medición de intervalo son las variables
cuantitativas, que tienen características particulares. Estas tienen los siguientes
sinónimos: discretas, discontinuas, intervalares o finitas. En este grupo, los intervalos en
las diferentes categorías o unidades son iguales entre sí, pero la magnitud del atributo no
tiene la misma dimensión, por ejemplo, al comparar una temperatura de 10° con una de
20°, no se puede decir que es “la mitad o el doble de calor”, tienen un número limitado de
unidades, el cero tiene un valor arbitrario; y pueden tener valores positivos y negativos.
Las variables de razón también tienen sinónimos: cuantitativas continuas o infinitas. Las
características de estas variables son las siguientes: el cero corresponde a la ausencia de
lo que se mide; tanto los intervalos como la magnitud son iguales entre cada una y
confieren la posibilidad de dividirlas, conservándose siempre equidistantes los intervalos;
se puede considerar que no tienen límites, de ahí que se conozcan como infinitas; y, para
fines prácticos, se puede considerar que solo corresponden a peso, distancia, volumen y
tiempo.
Categorías o unidades de medición
Finalmente, un elemento que deberá ser incluido en el apartado de variables del
protocolo, para ayudar a ser más precisos en la forma como se va a medir cada variable
es la descripción detallada de las unidades o categorías que se registrarán en la hoja de
recolección de datos o en la base de datos. Lo anterior debe corresponder, en general,
con la escala de medición de las variables. Como se mencionó, cada una de las opciones
de la variable debe estar especificada, y todas deben ser suficientes y exhaustivas para
que puedan ser clasificados todos los sujetos de estudio.
Variables simples o compuestas
Un último aspecto a considerar al elaborar el apartado de variables, es la forma de
recolección de datos para disponer de la información necesaria y responder a la pregunta
de investigación. En términos generales, la hoja de recolección de datos o la base de
datos debe contener el valor “crudo” de la medición obtenida, sin embargo, este dato
puede no corresponder a la variable en estudio. En otras palabras, no todo lo que se
registra es una variable, por lo que en un momento dado el número de datos puede ser
mayor en la base de datos que la sección de variables del protocolo.
Sin embargo, también puede ser una combinación. En un estudio para comprobar la
efectividad de un diurético para la hipertensión arterial, a los investigadores les interesa
medir tanto las modificaciones en milímetros de mercurio de las cifras de tensión arterial,
como el número de pacientes que llegan a tener cifras de tensión arterial dentro de los
valores normales. En este ejemplo, se tienen que incluir ambos conceptos en el apartado
de variables y en la base de datos.
Datos y Variables
El tipo de datos que se consideran en los trabajos de investigación depende de la clase
de variables que se tengan en cuenta. Hay solo tres tipos de datos en la realidad
investigativa:
a. Datos de frecuencias (relacionados con variables categóricas o discretas, y
variables cualitativas).
b. Datos de intensidad (relacionados con variables continuas y cuantitativas).
c. Datos de duración (relacionados con variables continuas y cuantitativas, de
tiempo).
Los Datos de Frecuencia
En las investigaciones, muchas veces interesa conocer cuántos casos se dan en cada
categoría; se dividen grupos, objetos, sucesos, eventos, etc. en categorías para hacer un
conteo; esa operación es la base de la descripción y del análisis de datos.
Consiguientemente, los datos son discretos. Al hacer las categorías (variables
categóricas), conviene seguir estos criterios:
a. Las categorías deben responder bien al problema,
b. Las categorías deben ser tales que cada observación deba encajar en una
categoría, y se puedan categorizar todas las observaciones.
 c. Las categorías deben ser mutuamente excluyentes; de manera que cada
observación sólo pueda asignarse a una celdilla en una tabla de doble entrada.
d. Cada categoría debe corresponder a un solo principio de clasificación.
Los Datos de Intensidad
Estos datos generalmente son relacionados con variables continuas cuya medida
representan. Por ejemplo: medidas de temperatura en la piel, medidas psicofisiológicas de
voltaje, de potenciales musculares, etc. Los datos de intensidad suelen ser “continuos”,
pero fácilmente se convierten en “discretos” cambiando las variables continuas en
discretas. Si, por ejemplo, se tienen los datos (continuos) de los cocientes intelectuales de
los alumnos de un colegio, esos datos se pueden transformar en “discretos” si se hacen
tres grupos de alumnos con sus correspondientes frecuencias.
Los Datos de Duración
El tiempo es una variable continua y se maneja abundantemente en las investigaciones
psicológicas, sobre todo en las experimentales. Aquí también, como con los datos de
intensidad, se pueden convertir los datos continuos en datos “discretos”.
Consiguientemente, en todos estos casos de conversión a datos discretos, se convierte
todo en datos de frecuencias.
Como expresar Variables
En las Ciencias Sociales, y no sólo en las Ciencias más exactas, hay que superar el tipo
de variable conceptual-teórica; evitando, por ejemplo: variables como “el niño completo”,
“el ajuste emocional”, etc. Por lo mismo hay que evitar definir las variables con
definiciones “constitutivas”, por lo menos al formular el proyecto de investigación; se
entiende aquí por variable “constitutiva” la que es definida a partir de otros conceptos
teóricos; por ejemplo, definir la variable “angustia” como “temor subjetivado”.
Siempre que se pueda, hay que definir la variable operacionalmente, es decir por las
acciones o conductas que la variable supone o expresa; así, por ejemplo, se define la
inteligencia mediante la especificación de las “operaciones” o actividades que se usan
para medirla, y mediante las puntuaciones conseguidas en un test de inteligencia; dicho
de otra manera, “inteligencia es el nivel de puntuaciones conseguidas en un determinado
test de inteligencia”. Las definiciones operacionales no abarcan todos los aspectos de la
variable sino sólo algunos aspectos significativos de ella. Según sean esos aspectos, las
definiciones operacionales pueden ser definiciones de medidas de la variable y definición
experimental.
a. Definiciones de medidas de la variable
Describen cómo se medirá la variable, como en el ejemplo dado de la definición de
inteligencia. Así la variable “educación” de un niño (en el sentido de “buenas maneras”) se
define por el número de conductas que expresa en medio día de escuela como: “lo
siento”, “con permiso”, “por favor”, etc.
b. Definición experimental
Explica con precisión las operaciones que el investigador hace con la variable que
manipula. Por ejemplo, un investigador puede definir el “castigo”, como “toda reacción del
investigador que es aversiva para el sujeto y que sucede contingentemente a
determinadas conductas del mismo”.
Las definiciones operacionales están fundadas en los principios de que “toda variable,
incluidas las hipotéticas, pueden ser medidas por sus efectos perceptibles”, y de que “sólo
lo que es medible o cuantificable es científico”.
Consiguientemente hay que pasar de las construcciones hipotéticas a las definiciones
operacionales de manera que se puedan explicar las relaciones entre variables
conceptuales, mediante las relaciones entre los datos obtenidos por las operaciones
determinadas en las definiciones operacionales. Kerlinger, (1983), explica esta lógica
investigativa con un ejemplo, algunos de cuyos elementos se aducen aquí: El
aprovechamiento escolar depende de muchas variables. Por reflexión sobre los datos de
la psicopedagogía, se puede mostrar un marco teórico previsional, explicando que el
aprovechamiento escolar depende de variables como: las “aptitudes”, el “concepto de sí
mismo”, y las “necesidades del yo”; todavía no se ha bajado a nivel operacional.
El “aprovechamiento escolar”, (A1) considerado como variable dependiente, se puede
operacionalizar refiriéndolo a una “prueba de aprovechamiento”, (A2). El “concepto de sí
mismo” (B1), se operacionaliza por la “prueba de dibujo de figuras”, (C1). Las
“necesidades del yo” (B2), por un “test de personalidad” y otro de “intereses”, (C2). La
“aptitud”, (B2) por un “test de aptitudes” (C3). Así, desde los datos observables
proporcionados por las pruebas mencionadas en las definiciones operacionales, se
establecen las siguientes posibles relaciones:
- Relaciones entre C1, C2, C3
- Relaciones entre A2 y C1, C2, C3
- Relaciones entre A1 y B1, B2, B3. Como A1 es reflejada o manifestada por A2, y
como B1, B2 y B3 son manifestadas por C1, C2 y C3, al establecer las relaciones
entre A2 y C1, C2, C3, se inducen las relaciones entre A1 y B1, B2, B3.
Relaciones entre Variables
Como se indicó más arriba, “investigar es buscar relaciones entre variables”; es necesario
conocer el concepto de relación entre variables, y qué tipos de relaciones se suelen
considerar (relación aquí es lo mismo que dependencia); dos variables se relacionan entre
sí cuando, al ir tomando una de ellas sus diferentes valores, se van modificando los
valores de la otra variable; es decir, hay dependencia entre los valores de una variable y
los valores de la otra. Desde otro punto de vista, no hay relación entre dos variables
cuando son independientes entre sí, es decir que cuando una de ellas toma diferentes
valores, no se afectan los valores de la otra variable.
En las Ciencias Sociales se suelen considerar las siguientes relaciones entre variables:

 Relación Bivariada
 Correlación múltiple
 Interacción entre dos variables (X1 y X2), que influyen en otra variable Y
 Relación transicional
 Correlación parcial
  Relación entre dos variables con interferencia de una o varias variables
intervinientes
 Correlación parcial
Relación entre Dos Variables, con Interferencia Una o Varias Variables “Intervinientes”:
que modifican substancialmente la relación entre aquellas dos variables
Correlación parcial
Es la relación entre dos (o más) variables cuando se eliminan los efectos de otra variable
interviniente. Por ejemplo, hay una relación entre analfabetismo, (X), y desempleo
disfrazado (Y), cuando no se toma en cuenta el tipo de sectores de producción (Z). Es
muy importante considerar la clase de relaciones entre variables, porque de ellas depende
del tipo de análisis estadístico que, en la investigación, hay que dar a los datos obtenidos;
según esto, las relaciones pueden ser: Relación entre dos variables cualitativas, Relación
entre unas variables cualitativas y una cuantitativa y Relación entre dos variables
cuantitativas
Relación entre dos variables cualitativas
Por ejemplo, a dos grupos homogéneos de alumnos se les dan dos tipos de tratamiento
psicopedagógico (A y B); ¿Cómo influye esa diferencia de tratamiento, en que los
alumnos aprueben o aplacen el curso? En este caso los datos serán “frecuencias” o
porcentajes, y el análisis estadístico empleado será la prueba de independencia de X2, en
el caso de variables cualitativas con dos o más categorías cada una. (En el caso de dos
variables cualitativas con sólo dos categorías cada una, se puede utilizar también la
prueba de comparación de proporciones).
Relación entre una variable cualitativa y una cuantitativa
Veamos un ejemplo de esta relación, ¿Cómo dos tipos de tratamiento psicopedagógico,
(A y B), influyen diferentemente en las clasificaciones (cuantitativas de 0 a 100), de dos
grupos homogéneos de alumnos? En este caso los datos serán números dentro de un
continuo de 0 a 100; y el análisis estadístico se realizará mediante el análisis de varianza
(comparación de dos o más medias). En el caso de sólo dos medias porque la variable
cualitativa tiene sólo dos categorías, que es el caso del ejemplo, también se puede usar la
prueba t de Student-Fisher de comparación de dos medios.
Relación entre dos variables cuantitativas
Por ejemplo, ¿Cómo la cantidad de años de escolarización, influye en el desarrollo
humano, (medido cuantitativamente)? El análisis estadístico de esta relación se hace con
la prueba de independencia basada en el coeficiente de correlación lineal de Pearson.
Otra clasificación importante de la relación entre variables es la que se refiere a la
“interpretación causal” o a la interpretación de “simple dependencia” entre variables, (varía
una y entonces varía la otra). Aprovechando conceptos ya explicados anteriormente. Vea
el significado distinto de esos dos tipos de relación:
a. Relación con interpretación causal. Se puede deducir esa relación causal entre la
variable independiente y la dependiente, en los problemas experimentales si existe
una relación estadísticamente significativa entre las dos variables.
 b. Relación de simple dependencia. En los problemas de observación, aunque se
encuentre una relación estadísticamente significativa entre dos variables, no
puede darse una interpretación causal; a no ser que, de alguna manera, se pueda
establecer que los dos grupos comparados son homogéneos. Como se sabe, la
diferencia entre los problemas “experimentales” y los problemas “de observación”
es que, en los “experimentos” el investigador reparte a los individuos al azar entre
los grupos; y en los “de observación” el investigador solamente observa cómo los
individuos se reparten entre los grupos.

Procedimientos Estadísticos Dependiendo del Tipo de Variables

Antes de terminar este capítulo, es útil recordar que los procedimientos de la estadística
se han inventado para intentar probar si es significativo o no el grado de relación entre
dos o más variables; es decir, si esa relación se puede explicar por el puro azar aleatorio,
o hay que explicarla por otras influencias distintas del azar.
La selección de tales procedimientos estadísticos depende:
a. Del tipo de variables: discretas o continuas; cualitativas, cuantitativas.
b. De la escala de medición de las variables: nominal, ordinal, de intervalo, de razón.
c. Del tipo de análisis: relación bivariada (entre dos variables), correlación múltiple,
correlación parcial.
Método para operacionalizar variables
Mejía cita a Boudon y Lazarsfeld, acerca del método que permite elaborar un lenguaje
especializado, ante la necesidad de hacer uso del lenguaje científico a fin de expresar
mediante referente empíricos e índices numéricos los conceptos abstractos. Los autores
siguen un proceso que comprende las cuatro fases siguientes:
a) Representación literal del concepto. Identificado el fenómeno de estudio, se
conceptualiza del modo más abstracto. De modo más general y amplio, pone en
juego su creatividad para formarse una imagen del fenómeno, aludiendo a un
conjunto de aspectos de la realidad de estudio.
b) Especificación del concepto. En tanto los fenómenos en las ciencias sociales no
son simples ni directamente observables, pues están constituidos por un conjunto
de complejos fenómenos menores es necesario operacionalizarlos. Hacer un
análisis integral e identificar los factores que comprende, y si el concepto alude a
estos factores. Se les conoce también como componentes, aspectos,
dimensiones, categorías o elementos.
Boudon y Lazarsfeld sostienen que “Dichos componentes pueden ser deducidos
analíticamente a partir del concepto general que los engloba, o empíricamente, a partir de
la estructura de sus intercorrelaciones”. Tomando este concepto, por ejemplo, si
entendemos que la comprensión lectora se manifiesta en la capacidad de memorizar un
texto y repetirlo literalmente; o si entendemos que es la capacidad lingüística manifiesta
en el proceso de decodificar un texto en el sentido de asimilar la unidad del contenido
significativo, lo que denota y connota, en el contexto. Se identifican cuáles son los
factores o componentes del concepto más amplio.
c) Elección de los indicadores. Los factores, aspectos, componentes, elementos,
dimensiones o categorías, aún no son tan evidentes. Todavía el grado de
abstracción no permite cuantificarlos. El indicador es el modo como se manifiesta
el fenómeno a la observación del investigador. El análisis del concepto a partir de
indicadores es adecuado pues un solo indicador no es suficiente para analizar el
concepto. Los indicadores ponen de manifiesto los procesos u operaciones a la
que se refieren los conceptos. En conjunto estudia el concepto desde diferentes
perspectivas. Los indicadores son los elementos más concretos de una variable.
d) Elaboración de índices. Identificados los indicadores de cada aspecto se establece
el criterio único para medir el concepto. Se elabora un índice general o sobre cada
indicador o aspecto; los índices pueden ser de menor a mayor y se aplica a todos
los indicadores.
Luego será posible intentar variar el concepto, llegar al nivel de concreción que permite la
cuantificación del concepto. Asumirá el investigador para este fin una escala de medición,
que puede ser dividida en dos tres o más categorías. Si divide en dos se dice que es una
dicotomía; el diseño puede ser más sencillo y bien organizado. Si decide por más
categorías será una politomía, pero requerirá de una estrategia más compleja, para
contrastar la hipótesis y organizar y analizar los datos. La Operacionalización consiste en
traducir las variables generales en intermedias o indicadores. Los indicadores son pues
las manifestaciones visibles u observables del fenómeno.
La operacionalización de las variables en la investigación educativa
El proceso de operacionalización de variables en la investigación educativa reviste
importancia ya que es necesario modelar a partir de la teoría y en dependencia de la
naturaleza del objeto de estudio, los componentes básicos del diseño teórico
metodológico y sus relaciones, realizar la evaluación efectiva de las mismas, en otras
palabras, continuar el proceso de problematización que debe haberse iniciado desde los
primeros momentos de la investigación y que en estos momentos debe orientarse hacia la
modelación de la/s variables a partir de los componentes básicos del diseño teórico
metodológico.
En dependencia de este se define el objeto de investigación, teniendo en cuenta la
naturaleza del mismo, se considera entonces el camino metodológico a seguir para lograr
el abordaje adecuado durante el proceso investigativo. Este momento es clave para el
posterior desarrollo de dicho proceso y requiere de la toma de decisiones que repercuten
durante la realización del trabajo investigativo.
Es necesario decidir ante el problema y la naturaleza del objeto, si el camino
metodológico a seguir se orienta a la metodología cualitativa o cuantitativa, o si es
oportuno considerar aspectos que involucren a ambas. Esto conduce al proceso de
análisis del objeto en el problema de investigación para identificar las variables del
estudio.
El mismo conlleva, en dependencia del camino metodológico que se vaya a seguir, a una
modelación de las variables o categorías del estudio, desde la teoría a la práctica, o
desde la práctica a la teoría, en una construcción continua, en la medida en que se
produzca la profundización en el conocimiento.
En estas consideraciones se puede apreciar que uno de los aspectos a tener en cuenta
es la operacionalización de las variables, es importante destacar que este proceso
depende de la naturaleza del objeto de investigación y, por tanto, su definición es uno de
los momentos del diseño metodológico, pero no el único, la determinación de los
métodos, ya sean del nivel teórico, empírico o estadístico, la población o universo, la
muestra y otros elementos, en su conjunto, favorecen la obtención de los resultados
necesarios para contribuir a la solución del problema que se estudia.
Es necesario realizar algunas reflexiones al respecto:

 La operacionalización es el proceso de llevar una variable desde un nivel abstracto

a un plano más concreto.
 Definir y operacionalizar las variables es una de las tareas más difíciles del
proceso de investigación.
 Las variables deben ser claramente definidas, para que el investigador,
investigadores, o usuarios de los resultados puedan entender su objetivo.
 Es un momento de gran importancia pues tendrá repercusiones en todos los
siguientes.
 La función básica es precisar al máximo el significado que se le otorga a una
variable en un determinado estudio.
 Este proceso permite explicar con anticipación cómo se van a medir o evaluar las
variables que se han conceptualizado. En el proceso de operacionalización de las
variables es necesario determinar los parámetros de medición a partir de los
cuales se establece la relación de variables enunciadas por la hipótesis,
interrogante o idea a defender.
 Algunas ventajas no ofrecen dificultad en su descripción, definición y medición,
ejemplo: edad, ingreso, años, género, número de hijos.
 Otras variables deben ser objetivadas y homogeneizadas en correspondencia con
su significado dentro del estudio, ejemplo: calidad de vida, aprendizaje, modos de
actuación, valores.
 Los fenómenos en los que se interesa el investigador deben ser traducidos en
fenómenos observables y medibles.
 La información mínima necesaria para el análisis en una investigación proviene de
la operacionalización de variables, los instrumentos de relación de recolección de
los datos se construyen a partir de las dimensiones e indicadores de la variable.
 En el proceso de operacionalización de variables es necesario tener en cuenta dos
factores de importancia: es necesario la conceptualización teórica pertinente,
permite construir dimensiones e indicadores.