La Psicología como ciencia

Las diferentes disciplinas que conforman las Ciencias Fácticas comparten distintos
aspectos que permiten complementar los conocimientos que producen, generando
un sistema que se nos presenta como coherente, a la hora de pensar en la realidad.
El mundo tal como se piensa desde las ciencias naturales, sociales, humanas
(desde aquellas consideradas más duras, como la física hasta la Psicología) es
abordado de la misma forma, generando un saber particular: el Conocimiento
Científico. Este conocimiento no es superior ni inferior a otras formas de teorizar
sobre la realidad, como la Filosofía, la Religión o la misma experiencia. Su
particularidad radica en ofrecer información confiable a la sociedad que permite
abordar problemas prácticos fundamentales para su mantenimiento y desarrollo.

La complementariedad disciplinar es posible en las ciencias debido a que las

disciplinas científicas comparten una estrategia común a la hora de generar
conocimiento y dicha estrategia es el MÉTODO. Asociado a ello, parten de las
mismas premisas o principios básicos indemostrables (como que sólo les es
asequible la realidad material, que dicha realidad efectivamente puede conocerse
por medio de los sentidos y puede comunicarse, entre otros). Todo el resto debe ser
sometido a la comprobación empírica.
En cuanto al método que produce conocimiento científico, no es más que el llamado
Método Científico. Es el que permite alcanzar todos los objetivos de la Ciencia:
DESCRIBIR. PREDECIR Y EXPLICAR. Estos niveles de desarrollo de cualquier
disciplina científica, incluyendo la Psicología, se alcanzan de manera progresiva, en
etapas para sus diferentes áreas de incumbencia.
La progresión en el desarrollo de conocimiento nos evidencia la complejidad que es
llegar al objetivo último y más ambicioso de la ciencia, que es explicar la realidad,
conocer las causas de los fenómenos que delimitan los diferentes campos de
estudio. No se parte de teorías, sino que se llega a ellas después de mucho
esfuerzo investigativo. En ese camino se utilizan diferentes métodos, cuyas
exigencias técnicas están relacionadas con el conocimiento disponible en cada
momento.
La forma que las ciencias explican es por medio de teorías, cuerpos de
conocimiento expresado en hipótesis, que se relacionan internamente y con otras
teorías (de la misma disciplina y del resto de las disciplinas que componen las
ciencias). Esas teorías son construcciones conceptuales, abstractas, creaciones
para predecir y explicar fenómenos. No son verdades, sino creaciones provisorias,
eternamente reemplazadas por nuevas ideas, más predictivas, más explicativas.
Son invenciones teóricas con una finalidad: comprender el comportamiento humano.
Serán muy posiblemente reemplazadas con el tiempo por otros conceptos, siempre
y cuando se cumpla el aval indiscutible para ello, la contrastación por medio de la
investigación empírica.

ETAPAS DEL PROCESO CIENTÍFICO

El método científico supone una serie de etapas que han de seguirse. Si bien las
etapas varían según los autores, lo central que queremos transmitir es el concepto
de que dicho método es un proceso sistemático de investigación que consta de
partes interdependientes que siguen una lógica determinada.

Las etapas que integran el método científico son:

1. Definición y planteamiento del problema: pregunta para la cual no

encontramos respuesta. Es necesario que sea resoluble y debe ser planteada en
términos adecuados.
2. Revisión de la teoría.
3. Formulación de la hipótesis: la hipótesis es una formulación que supone una
solución alternativa al problema de investigación planteado. La hipotesis supone una
relación entre variables. Es la “verdad provisional” o cómo se explica el problema a
la luz de lo que se sabe.
4. Determinación del diseño de investigación. Para aceptar o rechazar la
hipótesis se elige un determinado diseño de estudio cuyo objetivo será poner a
prueba la misma a través de un plan de acción sistemático sobre la realidad
empírica.
5. Recogida de datos
6. Confrontación de los datos con la hipótesis. Se procederá al procesamiento
estadístico de los datos obtenidos en el diseño. Se confrontarán los datos obtenidos
en la realidad empirica con aquellos que propone la hipótesis planteada.
7. Conclusiones y generalización de los resultados: Si los datos avalan la
hipótesis, la misma será confirmada y eventualmente, si puede ser replicada en
otros estudios, se incorporará al marco teórico. En caso contrario se concluirá que
en las circunstancias contempladas, la hipótesis no ha sido confirmada y/o se
volverá a la segunda etapa proponiendo otra hipótesis. También, en caso de no
verificarse la hipótesis con los datos empíricos, puede revisarse el diseño planteado
en la medida en que pudieron haberse cometido errores metodológicos en su
planteamiento o realización.
8. Comunicación de los resultados en Congresos o en artículos (papers) en
revistas de la especilidad. Aquí se cumple con el criterio de comunicabilidad para el
conocimiento científico.

Capítulo 2
Panorama general del
proceso de investigación
••••
TERMINOLOGIA BASICA DE LA
INVESTIGACION
La investigación, al igual que cualquier otra dis-
ciplina, tiene un lenguaje y una terminología
propios. A lo largo del presente texto se utiliza-
rán términos relacionados con el proceso de in-
vestigación que quizá resulten nuevos para el
lector. Sin embargo, antes de estar en posibili-
dades de aprender conceptos más complejos es
necesario comprender algunos términos y con-
ceptos básicos. La finalidad de este capítulo es
facilitar la comprensión del resto del libro; para
ello, el lector deberá familiarizarse con la ter-
minología científica básica y con los pasos que
suelen seguirse en un estudio científico.
El estudio científico
Cuando los investigadores abordan un proble-
ma o despejan una interrogante mediante la uti-
lización del método científico, por lo general se
dice que realizan un estudio, una investigación
o, también, un proyecto de investigación.
Los estudios que tienen por objeto a los seres
humanos requieren dos grupos de personas: uno
formado por quienes efectúan la investigación,
el otro, por quienes son objeto de estudio. A los
individuos que son objeto de estudio se les de-
21
~
nomina sujetos (abreviado a veces como ss) o
participantes en el estudio. Cuando los sujetos
aportan información a los investigadores a tra-
vés de su respuesta a preguntas directas (p. ej.,
si participan en una entrevista), también se les
puede llamar respondientes o informantes.
La persona que realiza la investigación se de-
nomina investigador o científico. Con frecuen-
cia sucede que en lugar de un solo investigador,
sea un grupo de personas el que colabora en la
conducción de una investigación. Puede ocurrir,
por ejemplo, que un equipo de investigadores
colabore con un grupo de enfermeras clínicas
en el estudio de un problema de relevancia clí-
nica. Cuando un equipo de investigación cola-
bora en un estudio, la persona encargada de di-
rigir la investigación se denomina investigador
principal (IP) o director del proyecto.
Conceptos, ideas y teorías científicas
la conc,eptualizaciún comprende el proceso de
desarrollo y depuración de ideas abstractas. Por
lo general, la investigación científica se relaciona
con abstracciones y no con fenómenos tangibles.
Términos como "buena salud'', "dolor'', "per-
turbación emocional", "cuidado del paciente" y
"duelo" constituyen abstracciones formuladas
a partir de la generalización de manifestaciones
22 2 - Panorama general del proceso de investigación

o características particulares determinadas del dividuos y las condiciones ambientales sí varían,

comportamiento humano. Estas abstracciones es preciso someterlos a investigación. La mayor
se denominan conceptos. parte de la actividad científica está dirigida a
El término "constructo" también aparece con comprender cómo o por qué las cosas varían,
frecuencia en la literatura científica. Al igual que así como a conocer la manera en que las dife-
el término "concepto", el constructo se refiere a rencias en una variable se relacionan con las
una ab tracción o representación mental inferi- diferencias en otra. Por ejemplo, la investiga-
da a partir de situaciones, fenómenos o formas ción sobre el cáncer pulmonar adquiere sentido
de comportamiento particulares. Kerlinger en la medida en que no todos los individuos lo
(1986) estableció la diferencia entre los concep- padecen o, en otras palabras, en la medida en
tos y los constructos al señalar que éstos repre- que tal enfermedad constituye una variable. Sin
sentan términos que los investigadores inventan embargo, el interés de la investigación sobre
(o construyen) en forma deliberada y sistemáti- dicho tema específico ha consistido también en
ca para un propósito científico determinado. Así, conocer qué otras variables pueden relacionar-
por ejemplo, el término de "autoatención", en el se con el mal, lo cual ha llevado a descubrir la
modelo de la conservación de la salud de Doro- importancia del tabaquismo. Igualmente, éste
thea Orem's, puede considerarse un constructo. constituye una variable, porque no todas las
Sin embargo, en la práctica, ambos términos se personas fuman. Así pues, una variable es cual-
emplean a menudo como sinónimos. quier cualidad de un organismo, grupo o situa-
T - ... ___ rr _ __ __ ..._:....__ ___ _ --- _ - - - ___ 1 '.,,....- • , 1
La teoría constituye una generahzací6n -afü- cÍón capaz de ad.optar valores l:ifrererites.
trácta que ofrece una explicación sistemática de
las relaciones entre ciertos fenómenos. Podría
decirse que los conceptos son los ladrillos con VARIABLES CONTINUAS Y
los cuales se construyen las teorías. En una teo- VARIABLES CATEGORICAS
ría, los conceptos (o constructos) se enlazan para
conformar un sistema ordenado con el fin de Los valores de una variable pueden, en ocasio-
explicar la manera en que funcionan nuestro nes, ubicarse dentro de un rango de valores dis-
mundo y los seres que lo habitan. tintos. Así, por ejemplo, la edad puede tener
valores entre cero y más de 100, si se toman
como referencia los años. Tales variables se cono-
Variables cen como variables continuas, porque sus valo-
res pueden ubicarse dentro de un continuo. Los
Dentro del contexto de una investigación, los valores de las variables continuas son significa-
conceptos generalmente se conocen como "va- tivos incluso cuando no constituyen números
i1ab1Jes'·. 'Ciim.o so ñ-ombR \-o urmt~, ·uwd wmu- ~Atl'VI.", -el. lft'Yo & ·~.tw. ~ttr.'ifm.1. 1,W.!"..'l. '('l.r..iahk
bte es algo que cambia. El peso, la estatura, la continua) puede indicarse, así, con una aproxi-
temperatura basal, la presión arterial y los nive- mación de décimas o centésimas de kilogramo.
les de angustia preoperatoria, son variables en Sin embargo, el valor de ciertas variables pue-
la medida en que cada una de estas propiedades de sólo ubicarse dentro de un rango más reduci-
cambia o difiere de un individuo a otro. Si se do de categorías discretas, y no en una escala de
piensa en la gran diversidad y complejidad de incremento continuo. La variable género, por
lo eres humanos y de sus experiencias, resulta ejemplo, sólo tiene dos valores (masculino o fe-
e 1deme que casi todos los aspectos de los indi- menino). Las variables de esta clase, capaces de
viduo del ambiente pueden considerarse va- adoptar sólo un conjunto reducido de valores
riable . Si todo lo seres humanos tuvieran ca- discretos, se denominan variables categóricas.
bello negro y pe aran 57 kg, el color del cabello Ejemplos adicionales de variables categóricas son
y el peso no constituirían variables, sino cons- el estado civil (casado, soltero, divorciado, viu-
tantes. Si continuamente lloviese y la tempera- do, otro) y el tipo sanguíneo (A, B, AB, y O).
tura exterior siempre fuese de 21 ºC, el clima no Cuando una variable categórica tiene únicamen-
sería variable. Pero precisamente porque los in- te dos valores, suele conocerse como variable

dicotómica. Las variables dicotómicas incluyen,
por ejemplo, los pares embarazada/no embara-
zada, fumador/no fumador, VIH positivo/VIH
negativo y despierto/dormido.
VARIABLES ACTIVAS Y VARIABLES
DE ATRIBUTO
Con frecuencia, las variables representan atri-
butos preexistentes de los sujetos de investiga-
ción, como su edad, sus creencias respecto a la
salud, su peso o la fuerza con que sujetan un
objeto. Las variables de este tipo se denominan
variables de atributo. Sin embargo, no es raro
que, de acuerdo con sus objetivos de investiga-
ción, el investigador cree o diseñe una variable.
Si está interesado en comparar, por ejemplo, la
eficacia de distintos métodos para refrescar
la boca después de un vómito, podrá suminis-
trar a determinados sujetos hielo molido y a otros
una bebida gaseosa. Debido a que distintos su-
jetos reciben diferentes tratamientos bucales,
éstos constituyen, dentro del contexto de tal
estudio, una variable. Kerlinger (1986) define
las variables que el investigador crea o diseña,
como variables activas.
VARIABLES DEPENDIENTES
Y VARIABLES INDEPENDIENTES
Es necesario establecer la diferencia entre varia-
bles independiente y dependiente; constituye una
distinción con la importancia suficiente para
explicarla ahora, antes de pasar a capítulos pos-
teriores. Muchas investigaciones persiguen des-
entrañar y comprender las causas subyacentes
de los fenómenos. Se estudia si el uso de un fár-
maco es causa de mejoría en determinado pro-
blema médico; si una intervención de enferme-
ría es causa de una recuperación más rápida; si
fumar es causa del cáncer pulmonar. Las supues-
tas causas reciben el nombre de variables inde-
pendientes, en tanto que los efectos posibles
constituyen las variables dependientes. Se supo-
ne que la variabilidad de éstas últimas depende
de la variabilidad de las primeras. El investiga-
dor indaga en qué grado el cáncer pulmonar
(variable dependiente) depende del hábito del
Terminología básica de la investigación 23
tabaquismo (variable independiente). O bien, se
preocupa por averiguar la magnitud en la cual
la percepción del dolor por parte de los pacien-
tes (variable dependiente) depende de la aplica-
ción de distintas técnicas asistenciales (variable
independiente).
Los términos "variable independiente" y "va-
riable dependiente" se emplean a menudo para
indicar la dirección de la influencia entre facto-
res y no necesariamente una relación causal. Por
ejemplo, digamos que un investigador estudia
las actitudes de las enfermeras hacia el aborto y
descubre que las de mayor edad tienen opinio-
nes menos favorables que las jóvenes. El inves-
tigador quizá no esté dispuesto a concluir que la
edad de las enfermeras fue causa de su actitud,
no obstante que la dirección de la influencia
apunta claramente de la edad a las actitudes,
pues tendría poco sentido sugerir que las actitu-
des son causa o ejercen influencia sobre la edad.
A pesar de que en este ejemplo el investigador
no infiere una relación causal entre la edad y las
actitudes, resulta apropiado conceptualizar
las actitudes hacia el aborto como la variable
dependiente y la edad como la variable inde-
pendiente.
Por lo general, la variable dependiente es aque-
lla que el investigador está interesado en com-
prender, explicar o predecir. En el estudio del
cáncer pulmonar, lo que realmente tiene interés
para el científico es el carcinoma y no el taba-
quismo en sí. Del mismo modo, en la eva-
luación de la eficacia de los tratamientos tera-
péuticos para pacientes alcohólicos, la variable
dependiente, objeto de estudio, es la abstinen-
cia y la conducta de los sujetos bebedores. Aun-
que en diversas ocasiones, el esfuerzo y los
recursos pueden dirigirse a diseñar nuevos tra-
tamientos terapéuticos (variable independiente),
éstos tienen interés primordialmente por su re-
lación y efectos sobre el hábito de beber y el
funcionamiento general del alcohólico.
Muchas de las variables dependientes tienen
múltiples causas o antecedentes. Por ejemplo, si
el interés se centra en estudiar los factores que
influyen sobre el peso de las personas, las varia-
bles independientes pueden comprender aspec-
tos como la edad, la estatura, la actividad física
y los hábitos alimenticios. Nótese que algunas
de estas variables independientes son atributos
24 2 - Panorama general del proceso de investigación
variables (la edad y el peso) y que el investiga-
dor puede, en cambio, influir sobre otros (la
actividad y los hábitos alimenticios). Del mis-
mo modo que un estudio puede examinar más
de una variable independiente, es posible que el
investigador considere dos o más variables de-
pendientes. Si desea comparar la eficacia de dos
métodos asistenciales (el primario y el funcio-
nal) en la atención de niños con fibrosis quísti-
ca, es posible que utilice como variables depen-
dientes, esto es, como medidas de la eficacia
de los tratamientos, la duración del periodo de
hospitalización, el número de infecciones respi-
ratorias recurrentes, la presencia de tos, la dis-
nea o dificultad respiratoria, y así sucesivamen-
te. En resumen, es común diseñar estudios que
consideren múltiples variables independientes y
dependientes.
De lo anterior el lector no debe deducir que
las variables sean inherentemente dependientes
o independientes. Una variable que se clasifique
como dependiente en un estudio, puede ser con-
siderada independiente en otro. Así, por ejem-
Cuadro 2· 1. Ejemplos de variables independientes y dependientes
Problema de investigación
¿Administran las enfermeras dosis más altas
de narcóticos analgésicos a los varones que
a las mujeres? (McDonald, 1994)
¿cuál es el efecto de los enjuagues bucales
con peróxido de hidrógeno sobre las
características microbianas de la mucosa
oral normal? (Tombes y Gallucci, 1993)
a.a e t1mulación táctil evoca una respuesta
fisiológica y conductual más elevada en los
lactantes con insuficiencia cardiaca
congénita que la estimulación verbal?
eiss, 1992)
¿cuál es el efecto de la actividad y del reposo
en cama sobre la tensión tisular de oxígeno
en lo adultos sano ? (Whitney, Stotts,
Goodwn y janson-Bjerklie, 1993)
{Cuále son los efecros de que las mujeres
acaten sus indicaciones de ejercicio
durante el tercer trimestre de embarazo
sobre los resultados de éste último?
(Zeanah y Schlosser, 1993)
plo, un investigador puede haber descubierto que
los antecedentes religiosos de una enfermera
(variable independiente) influyen sobre su acti-
LU<l hacia la muerte y hacia los pacientes termi-
nales (variable dependiente); mientras que en
otro estudio se puede analizar el grado en que
las actitudes de las enfermeras hacia la muerte y
los pacientes terminales (variables independien-
tes) influyen sobre su rendimiento en el trabajo
(variable dependiente). Para ilustrar este mismo
punto con otro ejemplo, considérense un pro-
yecto de investigación en el cual se examina la
relación existente entre la orientación en mate-
ria de anticoncepción (variable independiente)
y la frecuencia de embarazos indeseados (varia-
ble dependiente), y otro en el que se estudie el
efecto de los embarazos indeseados (variable
independiente), sobre la frecuencia de maltrato
infantil (variable dependiente). En pocas pala-
bras, la designación de una variable como inde-
pendiente o dependiente, es función del papel
que desempeña en una determinada investiga-
ción. En el cuadro 2-1 se presentan algunos ejem-
Variable independiente Variable dependiente
Género de los pacientes Cantidad de narcóticos
analgésicos
Enjuagues con soluciones de peróxido Adherencia de bacterias y
de hidrógeno al 25 y al 50%, hongos a las células del
comparados con el enjuague normal epitelio oral
con solución salina
La forma de estimulación Respuesta fisiológica y
conductual
El ejercicio comparado con el reposo Tensión subcutánea de oxígeno
en cama (Psc0 2 )
El acato comparado con el desacato Resultados del embarazo
de las indicaciones de ejercicio (aumento de peso de la
madre, peso del recién
nacido)

plos más de problemas de investigación y se es-
pecifican las variables dependientes e indepen-
dientes correspondientes.
Antes de terminar, debe señalarse que algu-
nos investigadores emplean el término variable
de criterio (o medida de criterio) en lugar del de
"variable dependiente". La expresión "variable
de criterio" proviene de los estudios en que se
analizan las consecuencias de un tratamiento o
de algún otro tipo de intervención, en los cuales
uele ser necesario establecer criterios que per-
mitan valorar el éxito de la intervención. Sin
embargo, el término "variable dependiente" es
más amplio y más general en cuanto a sus im-
plicaciones y aplicabilidad, de ahí que su em-
pleo sea más frecuente que el de "variable de
riterio", si bien en muchas circunstancias son
equivalentes o sinónimos.
HETEROGENEIDAD
Un término que a menudo se emplea en rela-
ión estrecha con las variables, es el de "hetero-
_eneidad". Cuando un atributo muestra marca-
da variaciones en el grupo en investigación, se
dice que el grupo es heterogéneo en lo que res-
e ta a dicha variable. Por el contrario, si la
ariabilidad es reducida, se dice que el grupo es
relativamente homogéneo. Con respecto a la
anable estatura es más probable que un grupo
e niños de dos años de edad sea más homogé-
eo que uno de adolescentes de 18 años. El gra-
o de variabilidad de un grupo de sujetos reper-
e en el diseño del estudio correspondiente.
Definiciones operacionales
te que avance el desarrollo de un estudio, en
icular si se trata de uno cuantitativo, se acos-
bra aclarar y definir las variables de investí-
- ·ón. Para que esta definición sea útil, el in-
-~ador deberá especificar la manera en que
rvará y medirá cada variable en la situación
al de investigación. Dicha forma de proceder
onoce como definición operacional y supone
pecificación de las operaciones que el in-
. ador deberá realizar a fin de obtener la
Terminología básica de la investigación 25
La facilidad con que las variables pueden
operacionalizarse difiere en gran medida. Por
ejemplo, la variable peso corporal es fácil de
definir y medir; podría definirse como la pon-
derancia y ligereza de un sujeto expresada en
kilogramos. Adviértase que esta definición in-
dica que el peso será medido en función de un
sistema de medida (kilogramos) y no otro (li-
bras). La definición operacional pudiera preci-
sar también que el peso de los participantes en
una investigación sea medido con una exactitud
de 0.5 kg, mediante el uso de una báscula de
resorte, con los sujetos completamente desnu-
dos después de 1 O h de ayuno. Así formulada, la
definición operacional explica detalladamente
lo que el investigador debe hacer para medir el
peso, de tal suerte que cualquier persona sepa
con exactitud lo que significa la variable peso
corporal.
Por desgracia, muchas de las variables de in-
terés para la investigación en ciencias de la sa-
lud no pueden operacionalizarse con la misma
sencillez y claridad que el peso corporal. A me-
nudo, son muchos los métodos para medir una
variable y el investigador debe elegir aquél que
mejor capta la idea que ha conceptualizado. Por
ejemplo, el bienestar del paciente puede ser de-
finido en términos de su funcionamiento fisio-
lógico o psicológico. Si el investigador decide
destacar los aspectos fisiológicos del bienestar
del paciente, la definición operacional pudiera
considerar la medición de la frecuencia cardia-
ca, la cantidad de leucocitos en el líquido san-
guíneo, la presión arterial, la capacidad vital, y
así sucesivamente. Si, por el contrario, opta por
conceptualizar el bienestar ante todo como
un fenómeno psicológico, la definición opera-
cional deberá identificar el método por el cual
se evaluará el bienestar emocional; por ejem-
plo, las respuestas del paciente a ciertas pre-
guntas, o bien, su conducta según la observe el
investigador.
No todos los lectores de un informe de inves-
tigación pueden estar de acuerdo con la forma
en que el investigador conceptualizó e hizo ope-
racionales las variables. No obstante la preci-
sión al definir los términos de manera concep-
tual y operacional, tiene la ventaja de comunicar
con exactitud lo que dichos términos significan.
Si el investigador se rehusa a ser explícito, será
26 2 - Panorama general del proceso de investigación

imposible que otros comprendan a fondo la gación. En la investigación cuantitativa, estos

importancia y las implicaciones de los resultados
de la investigación. En el cuadro 2-2 se presen-
tan algunas definiciones operacionales tomadas
de invest1gac10nes en materia de salud.
En general, los investigadores de aspectos
cualitativos suelen no definir los conceptos en
términos operacionales, sino después de haber
recabado la información. Ello obedece a su de-
seo de que sean los propios participantes en el
estudio quienes definan su significado. Sin em-
bargo, al presentar los resultados de un estudio,
todo investigador ha de describir cuidadosamen-
te las bases conceptuales y metodológicas de las
ideas clave de su investigación.
Datos
Los datos de un estudio son los fragmentos de
información que se obtienen a lo largo de la in-
dagación. El investigador identifica las variables
de interés, crea las definiciones operacionales
correspondientes y, por último, recoge los datos
necesarios. Ya se ha señalado que las variables
constituyen entidades que adoptan distintos va-
lores. Los valores que las variables adoptan en
la realidad son los datos del proyecto de investi-
valores se expresan numéricamente.
Supóngase que se estudia la relación entre el
consumo de sodio y la presión arterial y que se
pretende averiguar si las personas que consu-
men mayor cantidad de sodio son más suscepti-
bles a la hipertensión arterial, o bien, si ambas
variables carecen de relación. Los datos consis-
tirían en este caso en tres fragmentos de infor-
mación por cada sujeto: su consumo diario de
sodio en promedio (expresado en miligramos),
su presión arterial diastólica y su presión arte-
rial sistólica. En el cuadro 2-3 se muestran los
datos hipotéticos de 10 sujetos ficticios. Estos
valores numéricos asociados con las variables
que interesan representan los datos de una in-
vestigación.
En los estudios cualitativos, en lugar de valo-
res numéricos, los fragmentos de información
suelen tomar la forma de descripciones narrati-
vas que se obtienen al entrevistar a los sujetos,
tomar nota detallada de su comportamiento en
el entorno natural, o bien, recopilar registros
narrativos de los propios sujetos, como sus dia-
rios. Los datos así obtenidos representan datos
cualitativos, en tanto que los expresados en for-
ma de valores numéricos se llaman datos cuan-
titativos.

Cuadro 2-2. Ejemplos de definiciones operacionales

Concepto Definición operativa

Estado fisiológico El cociente del volumen espiratorio forzado en 1 s (forced expiratory volume, FEV,),
entre la capacidad respiratoria forzada (forced vital capacity, FVC), es decir, (FEV,/
FVC%), en los pacientes con enfermedades pulmonares crónicas obstructivas
(Narsavage y Weaver, 1994)

onnotermia Una temperatura basal de 36.9ºC, nedida por vía rectal (Howell, MacRae, Sanjines,
Burke y DeStefano, 1992)

Densidad total de movimiento El número total de movimientos de los ojos en el periodo entre el inicio del sueño y el
ocular rápido (MOR) momento de despertar por la mañana, dividido entre el tiempo total de MOR en
minutos (Topf y Davis, 1993)

Fatiga Un estado de ánimo caracterizado por cansancio, flojera, laxitud, un nivel de energía
bajo, o ambos, según corresponde a un factor F en el Perfil de Estados de Animo
(Wright, 1991)

Adaptación psicológica Un estado de bienestar relacionado con la satisfacción en la vida, tal como lo mide la
Escala de Equilibrio de Afecto (Dobratz, 1993)

Cuadro 2-3. Datos hipotéticos de un estudio sobre la presión arterial
Número Consumo diario
del sujeto de sodio (mg)
1 8 125
2 7 530
3 1000
4 4580
5 2 810
6 4150
7 6 000
8 2250
9 5 240
10 3 330
Relaciones
Con la excepción de ciertos estudios de carácter
descriptivo, resulta muy raro que los investi-
gadores se interesen en variables únicas y aisla-
das. Un investigador podría enfocar descripti-
vamente el porcentaje de mujeres que deciden
amamantar a sus hijos, en cuyo caso el estudio
comprende una sola variable: alimentación al
eno materno y alimentación con biberón. Sin
embargo, los investigadores estudian, por lo
general, dos o más variables en forma simultá-
nea, pues lo que interesa al científico es la rela-
ción entre las variables independientes y depen-
dientes.
Pero, ¿qué significa exactamente el término
relación" desde el punto de vista científico?
Generalmente, relación denota al enlace o co-
nexión entre dos entidades. Considérese como
ariable dependiente el peso corporal de una
ersona. ¿Qué variables se relacionan (o están
asociadas) con el peso corporal? Algunas posi-
bilidades son la estatura, el metabolismo, el con-
sumo calórico y el ejercicio. Para cada una de
estas variables independientes puede formular-
se un enunciado de relación tentativo:
Estatura: Por lo general, las personas altas pe-
san más que las de corta estatura.
.'v1.etabolismo: Cuanto más baja es la tasa meta-
bólica de una persona, mayor es su peso.
Consumo calórico: Las personas con alto con-
sumo calórico son más pesadas que las que
tienen un bajo consumo.
Terminología básica de la investigación 27
Presión arterial Presión arterial
sistólica diastólica
130 90
126 80
140 90
118 78
114 76
112 78
120 80
110 70
114 76
116 74
Ejercicio: Cuanto más ejercicio haga una perso-
na, menor será su peso.
Cada l_lno de estos enunciados expresa una
posible relación entre el peso y una variable in-
dependiente. Expresiones como "más que" y
"menos que" implican que si se observa un cam-
bio en una variable, es muy probable que se
observe correspondientemente un cambio en la
otra. Si Pedro es más alto que Ignacio, cabe es-
perar también (en áusencia de mayor informa-
ción) que pese más.
Con frecuencia la investigación se lleva a cabo
con el fin de averiguar si existe alguna relación
entre determinadas variables, tal como lo ilus-
tran las siguientes preguntas: rnxiste alguna re-
lación entre la distribución de _tareas por turno
y los niveles de ausentismo entre los trabajado-
res de la salud? rnxiste relación entre la frecuen-
cia con que se cambia de posición al paciente y
la manifestación y gravedad de problemas por
decúbito? ¿se relaciona la premadurez con la
incidencia de infecciones virales contraídas en
el hospital? A través del método científico pue-
den despejarse éstas y otras interrogantes acer-
ca de si existe relación y en qué grado entre dis-
tintas variables.
Las variables se interrelacionan de muy dife-
rentes maneras. Con frecuencia, las denomina-
das relaciones de causa y efecto (o relaciones cau-
sales) son de gran interés científico. Como se
señaló en el capítulo 1, el científico presupone
que los fenómenos naturales no son aleatorios
ni casuales, sino que obedecen a factores o cau-
28 2 - Panorama general del proceso de investigación
sa antecedentes que pueden ser descubiertos.
Si la variable X es causa de la ocurrencia o ma-
ntfe ración de la variable Y, cabe afirmar que
e_ ·is te entre ambas una relación causal. Verbi-
gracia, en el ejemplo anterior puede aseverarse
que existe una relación causal entre el consumo
calórico y el peso corporal: al ingerirse más ca-
loría el peso aumenta.
o toda relación entre variables constituye
una relación de causa y efecto. Puede observar-
e, por ejemplo, una relación entre el género de
una persona y su peso, pues en promedio los
varones pesan más que las mujeres. Empero, la
relación no es perfecta, puesto que algunas mu-
jeres pesan más que ciertos varones. Con todo,
si se tuviese que indicar sin más quién puede
tener mayor peso, José o Roxana Estrada, lo
más probable es que se respondiese que José,
dado que los varones suelen, por lo general, pesar
más que las mujeres. Sin embargo, y a pesar de
la relación existente entre ambas variables, no
podría afirmarse más allá de cualquier duda, que
el género de una persona sea causa de su peso.
Relaciones de este tipo reciben el nombre de
relación funcional.
Control
El control es un elemento fundamental de la
indagación científica, en especial en el caso de
los estudios cuantitativos. A este tema se dedica
buena parte de esta obra. En el capítulo 10, en
particular, se exponen los métodos utilizados
para lograr el control en la investigación cientí-
fica. Sin embargo, el concepto tiene tal impor-
tancia que se justifica que en este punto se pre-
senten al menos ciertas generalidades acerca del
mismo.
En e encía, el concepto de control de la inves-
tigación e refiere a mantener constantes las
po ible - influencias sobre la o las variables de-
pendiente investigadas, de manera que pueda
comprender e u verdadera relación con las va-
riable independientes. En otros términos, el
control de la investigación pretende eliminar los
factores que de otra forma, contaminarían u
oscurecerían la relación entre variables que real-
mente intere a. Un ejemplo detallado puede ayu-
dar a esclarecer este punto.
Supóngase que un investigador busca ave-
riguar si, debido a su edad, las mujeres ado-
lescentes tienen mayor riesgo de dar a luz niños
de bajo peso que las de mayor edad. Esto es,
desea saber si algún factor propio del desarrollo
fi~iológico de la madre es causa de las diferen-
cias en el peso de los recién nacidos. De he-
cho, los estudios realizados en esta materia
han demostrado que la frecuencia de un bajo
peso al nacer entre los hijos de madres adoles-
centes es mayor que entre los de mujeres de 20
a 30 años de edad. Pero la pregunta de investi-
gación se refiere a si la edad es causa de esta
diferencia, o bien, si existen otros mecanismos
que expliquen la relación. Para despejar la inte-
rrogante, el investigador debe diseñar el estudio
de manera que pueda controlar esos otros fac-
tores. Pero, ¿cuáles son éstos? Para responder a
esta cuestión, debe plantearse la siguiente pre-
gunta:
¿Qué variables pueden afectar a la variable
dependiente en estudio y, al mismo tiempo, se
relacionan con la variable independiente?
En el presente caso, la variable dependiente
es el peso del recién nacido y la independiente,
la edad de la madre. Aunque sin duda haya otros,
los principales factores contaminantes pueden
ser los hábitos alimenticios de la madre y la can-
tidad de cuidados prenatales recibidos, puesto
que las adolescentes tienden a ser menos cuida-
dosas en cuanto a sus hábitos alimenticios du-
rante el embarazo que las mujeres de mayor edad
y también es probable que reciban una menor
atención médica adecuada. Ambos factores pue-
den afectar, a su vez, el peso del niño al nacer. Si
no se controlan, cualquier relación observada
entre la edad de la madre y el peso del niño al
nacer puede tener por causa la edad materna,
pero también sus hábitos alimenticios o la asis-
tencia prenatal que recibiera. En tal circunstan-
cia, sería imposible saber cuál es la verdadera
causa subyacente.
Las tres posibles explicaciones pueden ilus-
trarse como sigue:
l. Edad de la madre ~ peso al nacer.
2. Edad de la madre ~ atención prenatal
~ peso al nacer.

3. Edad de la madre ~ alimentación ~ peso
al nacer.
Las flechas simbolizan un mecanismo o in-
uencia causal. En los ejemplos 2 y 3, la aten-
.' n prenatal y la nutrición, respectivamente,
ian el efecto de la edad materna sobre el
del recién nacido. A ello obedece que esta
a e de variables se conozcan comúnmente
mo variables mediadoras. La tarea del inves-
ador es diseñar el estudio de manera que le
nnira e clarecer la verdadera relación exis-
nre entre determinadas variables. Así, si su
eri..,·o es demostrar que la explicación ilus-
da en el primer ejemplo tiene validez, deberá
nrrolar las demás variables intervinientes.
Pero ccómo puede el investigador ejercer tal
nrrol? Existen divers~ alternativas que se re-
n en el capítulo 10, p~ro el principio gene-
el mismo: mantener constantes las influen-
exrernas -frecuentemente referidas como
bles extrañas del estudio-. Para ello, se
"ere manipularlas de manera que no tengan
ón alguna con las variables dependientes e
ndientes. Nuevamente, un ejemplo servi-
a aclarar este punto. Supóngase que se
omparar el peso al nacer de los hijos de
_ po de mujeres entre 15 y 19 años contra
un grupo de madres entre 25 y 29 años. El
- o del estudio debe contemplar que los há-
alimenticios y la asistencia prenatal de
grupos sean comparables, incluso a pe-
e que no suela ser así. El cuadro 2-4 ilustra
podría el investigador elegir deliberada-
e lo sujetos del estudio, de modo que tan-
madres más jóvenes como las mayores
n características similares respecto a los
e en consideración. Al mantenerlos cons-
Cuadro 2-4. Ejemplo ficticio de control de dos variables en una investigación
Edad de Clasificación de los
la madre hábitos alimenticios
15-19 33% Buenos
33% Regulares
33% Malos
25-29 33% Buenos
33% Regulares
33% Malos
Terminología básica de la investigación 29
tantes, crea condiciones de comparabilidad en-
tre los dos grupos de madres. Si el peso de los
recién nacidos difiere entre ambos grupos (como
se aprecia en los datos ficticios del cuadro 2-4 ),
cabe la posibilidad de concluir que la edad de la
madre (mas no la alimentación ni la asistencia
prenatal) en efecto influye sobre el peso del neo-
nato. Por otro lado, si no se observasen diferen-
cias entre los resultados de los dos grupos, se
podría concluir, de manera provisional, que el
bajo peso del niño al nacer no puede atribuirse a
la juventud de la madre en sí, sino a alguna otra
variable o conjunto de variables, entre las que
cabría contar los hábitos alimenticios de la ma-
dre y la procuración del cuidado prenatal.
Al ejercer el control de la investigación se da
un paso más hacia uno de los objetivos funda-
mentales de la ciencia, que consiste en explicar
la relación entre variables. El control es indis-
pensable para establecer con certeza la existen-
cia de relaciones de causa y efecto, dado que el
mundo es extremadamente complejo y que un
gran número de variables se relacionan entre sí
de manera por demás complicada. En el estu·
dio de un problema específico, resulta difícil exa-
minar su complejidad en forma directa; por lo
común, el investigador debe conformarse con
analizar un par de relaciones a la vez y armar
los fragmentos de información como si se trata-
se de las piezas de un rompecabezas. Por dicho
motivo, aun las investigaciones más modestas
contribuyen de manera importante al avance de
la ciencia. No obstante, el grado de contribu-
ción se vincula directamente con la habilidad
del investigador para controlar las influencias
contaminantes, puesto que ello le permite com-
prender la naturaleza de la relación entre las
variables dependientes e independientes.
Número de visitas Pe_m rlPI
prenatales recién nacido
33% 1 a 3 visitas 20%$ 2 500 g
33% 4 a 6 visitas 80% >2 500 g
33% > 6 visitas
33% 1 a 3 visitas 9%$ 2500 g
33% 4 a 6 visitas 91% >2 500 g
33% > 6 visitas
30 2 - Panorama general del proceso de investigación
Adviértase que, aunque en el ejemplo de in-
vestigación se consideró la asistencia prenatal y
la alimentación de la madre como variables ex-
trañas, no lo son en absoluto para la compren-
sión de los factores que influyen sobre el peso
del recién nacido, y que bien pueden consti-
tuir en otros estudios las variables indepen-
dientes.
En el ejemplo se identificaron tres variables
que pueden influir sobre el peso de un niño al
nacer, pero pudieron haberse señalado docenas
más, como la tensión emocional de la madre, el
consumo de drogas o alcohol durante el embara-
zo, la aplicación de ultrasonografías, y así sucesi-
vamente. El investigador necesita aislar las varia-
bles dependientes e independientes que sean de
su interés y en seguida identificar, entre las doce-
nas de variables extrañas, aquéllas que deba con-
trolar.
Sin embargo, en la práctica con frecuencia
resulta imposible e incluso innecesario contro-
lar todas los factores que afectan a la variable
dependiente. Sólo es indispensable controlar
aquéllos que simultáneamente se relacionan con
las variables dependientes e independientes. En
la figura 2-1 se ilustra este concepto. Los círcu-
los representan la variabilidad asociada a dife-
rentes variables; el central representa la varia-
Edad
materna
alimenticios de
la madre
Fig. 2-1. Repre entación hipotética de los factores que influyen sobre el peso del recién nacido.
ble dependiente, a saber, el peso del niño al na-
cer. La superposición de círculos indica el gra-
do en que las variables se relacionan entre sí. En
este caso, se han incluido cuatro variables su-
puestamente relacionadas con el peso del recién
nacido : la edad materna, la procuración de asis-
tencia prenatal, los hábitos alimenticios de la
madre y el consumo de tabaco durante el emba-
razo. Las primeras tres variables se relacionan
entre sí (el área de los círculos que las represen-
tan no sólo se superpone con la del peso del
recién nacido, sino también entre sí), lo que
quiere decir que las madres de los dos grupos de
edad tienden a someterse a distintos cuidados
prenatales y a seguir diferentes dietas durante el
embarazo. Sin embargo, el consumo de cigarri-
llos no guarda relación alguna con las variables
anteriores, puesto que las mujeres que fuman
durante el embarazo (al menos según esta re-
presentación hipotética) pueden por igual ser
jóvenes o mayores, seguir o no una dieta ade-
cuada, o ser objeto de una mayor o menor asis-
tencia prenatal. Si el esquema es correcto, el
tabaquismo no será una variable por controlar
en un estudio sobre el efecto de la edad materna
sobre el peso del niño al nacer. Pero si es inco-
rrecto (si, p. ej., las madres adolescentes fuman
en mayor o menor cantidad que las madres de
Consumo
Peed• de tabaco
f~~i(fo de la madre
-~>(··

mayor edad), lo ideal será que el estudio con-
trole el que las madres tengan o no el hábito de
fumar, porque éste es un factor que sí se relacio-
na con el peso del recién nacido.
En la figura 2-1 se puede observar que las
cuatro variables independientes consideradas no
determinan en su totalidad el peso del recién
nacido y que una parte de su variabilidad queda
aún sin explicar (área sombreada). Se necesita-
rían otros círculos o determinantes para com-
render a fondo qué ocasiona las diferencias en
ti peso del lactante al nacer; a este respecto
drían también considerarse los rasgos genéti-
cos, los acontecimientos en el curso del embara-
zo y los tratamientos médicos que se suminis-
an a la embarazada. Sería preciso trazar doce-
' tal vez cientos de círculos en la figura 2-1
a poder comprender en su totalidad las com-
lejas interrelaciones entre el peso de nacimien-
y otros fenómenos. Al diseñar una investiga-
aón quizá el interés se centre en el efecto de una
la variable (como la edad de la madre) sobre la
anable dependiente. Esto es perfectamente vá-
o e incluso conveniente. Sin embargo, a fin de
mprender en su totalidad la relación entre las
ncipales variables de interés, los investigado-
deben controlar todos aquellos factores que
ultáneamente se superpongan con las varia-
es dependientes e independientes. Nuevamen-
• en la figura 2-1 , si existiesen otras variables
·rrañas que se superpusieran con el área som-
eada y que además se relacionaran con la edad
e la madre, resultaría conveniente someterlas a
ntrol. El investigador debe planear la mejor
nera de controlarlas a fin de garantizar la
· ima utilidad y validez de sus resultados, y
virtud de que no hacerlo puede conducirlo a
oclusiones erróneas o prejuiciadas.
Las investigaciones que se basan en el para-
ª fenomenológico no conceden la misma
portancia al tema del control. Por el contra-
. al hacer hincapié en una perspectiva holística
en la individualidad de la experiencia huma-
el enfoque fenomenológico sostiene que
poner controles sobre el entorno de investi-
tón significa parcializar irrevocablemente el
1ficado de la realidad. Sus críticos afirman,
obstante, que la falta de control impide des-
numerosas explicaciones alternativas de
resultados, en cuyo caso no se arribaría a
Principales pasos en el proceso de investigación 31
conclusiones firmes acerca de las relaciones esen-
ciales entre las variables.
PRINCIPALES PASOS EN
EL PROCESO DE INVESTIGACION
El investigador procede de manera característi-
ca, apegado a un desarrollo lógico, desde el
punto inicial del estudio (la formulación de una
pregunta) hasta su conclusión (la obtención de
una respuesta). En algunas investigaciones, las
etapas de este desarrollo se superponen; en otros,
resultan intercambiables o innecesarias. No obs-
tante, existe una dirección y un curso general
de actividades características de la investigación
científica. En esta sección se describen breve-
mente las principales fases de un proyecto de
investigación y los pasos que las integran.
Fase 1: fase conceptual
Las primeras actividades del proceso de investi-
gación se inscriben en un terreno conceptual o
intelectual. Consisten en pensar, leer, repensar,
proponer teorías y revisar las ideas con el apoyo
de colegas o asesores. Durante esta fase, el in-
vestigador pone en juego aptitudes como la crea-
tividad, el razonamiento lógico, la perspicacia y
una base firme de conocimientos sobre el tema
de interés.
PASO 1: FORMULACION Y
DELIMITACION DEL PROBLEMA
El primer paso del proceso científico consiste
en formular una pregunta de investigación. Una
buena investigación depende en gran medida de
que se formulen adecuadamente las preguntas a
las que ha de responder. En ocasiones, el interés
y significado de un tema se pierden en la pre-
ocupación por utilizar complejos procedimien-
tos que aseguren la corrección. Sin embargo, en
ausencia de un tema interesante y significativo,
incluso la investigación diseñada con el mayor
escrúpulo y destreza carecerá de valor.
Por lo general, el investigador comienza con
la selección de un tema de interés amplio y la
32 2 - Panorama general del proceso de investigación
formulación de preguntas específicas al alcance
de la indagación empírica. Una de las dificulta-
des que comúnmente enfrenta el investigador
principiante es la de arribar a un enunciado del
problema manejable y susceptible de inves-
tigarse. Al plantearse un problema de investi-
gación, el investigador ha de considerar sus di-
mensiones sustantivas ( üiene el problema
relevancia teórica o práctica?), metodológicas
(¿cómo se puede estudiar?), prácticas (¿se dis-
pone de recursos adecuados para realizar el es-
tudio?) y éticas Ues posible estudiar el pro-
blema de manera que se respeten los derechos
humanos?).
PASO 2: REVISION DE LA LITERATURA
SOBRE EL TEMA
Una buena investigación no existe en el vacío.
Para que los resultados sean de utilidad, deben
ser ampliación de conocimientos y teorías pre-
vios, además de guía para la ulterior actividad
de investigación. Con el fin de que el investiga-
dor construya sobre trabajos existentes, es in-
dispensable que considere lo que ya se sabe so-
bre el tema. La cabal revisión de la literatura
brinda la base sobre la cual fundar nuevos co-
nocimientos.
Conocer lo que ya se ha hecho acerca de un
problema puede ser también útil para sugerir
temas de investigación o identificar aspectos que
requieren mayor indagación. De modo que, bajo
ciertas circunstancias, la revisión de la litera-
tura puede anteceder a la definición del pro-
blema.
PASO 3: CREACION DE UN MARCO
TE ORICO
La teoría e el objetivo último de la ciencia, gra-
cias a ella el investigador es capaz de trascender
los aspecto e pecíficos de un tiempo, un lugar
y un conjunto particular de individuos, e identi-
ficar regularidades en las relaciones entre las
variables. Cuando la investigación se desarrolla
en el contexto de un marco teórico, resulta más
probable que sus resultados tengan relevancia y
utilidad duraderas. En los estudios realizados
con base en una teoría, el problema puede for-
mularse dentro del contexto del propio marco
teórico, de manera que los pasos uno y tres se
llevan a cabo simultáneamente.
PASO 4: FORMULACION DE HIPOTESIS
Una hipótesis es un enunciado de las expectati-
vas del investigador acerca de las relaciones en-
tre las variables que se indagan. Dicho de otra
manera, una hipótesis es una predicción de los
resultados esperados; enuncia las relaciones que
el investigador pronostica como resultado del
estudio. El enunciado del problema identifica
los fenómenos que se investigan; la hipótesis
predice cómo se relacionarán estos fenómenos.
Por ejemplo, el enunciado de un problema pu-
diera ser: "¿La toxemia preclámptica en mujeres
embarazadas guarda relación con la incidencia
de factores de tensión emocional durante el em-
barazo?" Ello pudiera traducirse en la siguiente
hipótesis o predicción: "Las mujeres embarazadas
que padecen toxemia preclámptica manifesta-
rán durante el embarazo una mayor frecuencia
de acontecimientos emocionalmente perturba-
dores o de tensión que las embarazadas asinto-
máticas". En consecuencia, los enunci<>dos del
problema representan el esfuerzo inicial para dar
dirección al proyecto de investigación; las hi-
pótesis representan un enfoque más formal para
la obtención e interpretación de los datos.
Fase 2: diseño y planeación
En la segunda fase de un proyecto de investiga-
ción, el investigador tendrá que tomar varias de-
cisiones acerca de los métodos que empleará para
abordar el problema y demostrar sus hipótesis;
así mismo, deberá planear cuidadosamente la
obtención de los datos. En ocasiones, la natura-
leza de un problema indica los métodos que deben
emplearse, pero con frecuencia el investigador
tiene suficiente flexibilidad para ser creativo, lo
cual lo obliga a tomar diversas decisiones meto-
dológicas. Por lo general, éstas repercuten de
manera crucial sobre la validez y credibilidad
de los resultados del estudio. Si los métodos uti-
lizados para recoger y analizar los datos presen-

tan fallas, será difícil confiar en las conclusiones
del estudio. La mayor parte de este libro se abo-
ca a familiarizar al lector con diversas opciones
metodológicas y a que adquiera la destreza para
evaluar la conveniencia de las mismas en la in-
vestigación de diversos problemas.
PASO 5: SELECCION DE UN DISEÑO DE
INVESTIGACION
El diseño de investigación comprende el plan
general que indica cómo habrá de obtenerse la
respuesta a las interrogantes del estudio y ma-
nejarse las dificultades que se enfrentarán du-
rante el proceso. El diseño debe especificar cuál
de los diversos tipos de procedimientos de in-
vestigación se adoptará y, en caso de ser conve-
niente, cómo piensa el investigador llevar a la
práctica los controles científicos para facilitar
la interpretación de los resultados.
Existe una amplia variedad de diseños de in-
vestigación a los cuales recurrir para la aplica-
ción de los métodos científicos tradicionales.
Hay una diferencia básica entre la investigación
experimental (en la que el investigador intervie-
ne activamente de alguna manera) y la investi-
gacifm no experimental (en la que recaba sus
datos sin intentar inducir cambios o introducir
tratamiento alguno). Por ejemplo, si un investi-
gador proporciona hojuelas de salvado a un gru-
po de sujetos y jugo de ciruela a otro, con el fin
de evaluar cuál de estos tratamientos facilita
mejor la evacuación, el estudio implica una
intervención (el investigador interviene en el cur-
so habitual de las cosas) y tiene por ello un ca-
rácter experimental. Pero si el investigador com-
para los patrones de evacuación de dos grupos
de personas cuyos hábitos alimenticios ordina-
rios difieren -por ejemplo, algunas personas
suelen consumir alimentos que estimulan la eva-
cuación de los intestinos, mientras que otras
no-, en el estudio no se re;:iliza intervención
alguna y, por ello, se considera no experimen-
tal. Por lo común, los diseños experimentales
permiten un mayor control sobre las variables
extrañas que los diseños no experimentales. No
obstante, si el interés principal del investigador
estriba en comprender cierta conducta del ser
humano en un contexto natural (como ocurre
Principales pasos en el proceso de investigación 33
en la mayor parte de las investigaciones cualita··
tivas), el diseño será inevitablemente no experi-
mental.
PASO 6: IDENTIFICACION DE LA
POBLACION POR ESTUDIAR
El término población denota el conjunto o tota-
lidad de los objetos, sujetos o miembros que
cumplen un conjunto determinado de especifi-
caciones. Por ejemplo, si se especifican como
atributos de interés "ser enfermera titulada" y
"vivir en México", la población de estudio cons-
tará de todas las enfermeras tituladas residentes
en México. Del mismo modo, se puede definir
una población como "todos los niños menores
de 10 años afectados por distrofia muscular en
el estado de California", o bien, "todos los indivi-
duos que sufrieron ataque coronario letal en la
ciudad de Buenos Aires durante determinado
año".
El requisito de definir la población del pro-
yecto de investigación responde a la necesidad
de especificar el grupo al cual se podrán aplicar
los resultados. No obstante, es excepcional que
pueda estudiarse una población entera, a menos
que sea particularmente pequeña. Las investi-
gaciones suelen utilizar como sujetos sólo una
reducida fracción de la población, a la cual se
da el nombre de muestra. Antes de que el inves-
tigador seleccione a los participantes del estu-
dio, es fundamental que sepa qué característi-
cas deben tener los sujetos.
PASO 7: ESPECIFICACION DE LOS
METODOS PARA OBTENER LOS DATOS
A fin de resolver un problema de manera signi-
ficativa, es necesario diseñar un método que
permita observar y medir en la forma más pre-
cisa posible las variables de investigación. En la
mayor parte de los casos, el investigador em-
pieza por definir con cuidado las variables de
investigación, con el propósito de poner perfec-
tamente en claro lo que cada una significa. A
continuación, selecciona o diseña un método
apropiado para cuantificar las variables, es de-
cir, para obtener los datos. Existe una gran di-
34 2 - Panorama general del proceso de investigación
versidad de métodos para la medición y obten-
ción de datos. En las investigaciones en enfer-
mería y ciencias de la salud, las mediciones
biofisiológicas tienen un papel preponderante.
Otro recurso común son losautoinformes, a tra-
vés de los cuales se interroga de manera directa
a los sujetos sobre sus sentimientos, formas de
conducta, actitudes y particularidades persona-
les. Otro método son las técnicas de observa-
ción, que permiten obtener datos mediante la
observación y el registro de los aspectos rele-
vantes de la conducta de los sujetos.
Los métodos de recolección varían de acuer-
do con la estructura de la investigación. Los
métodos cualitativos suelen tener estructuras
flexibles que permiten a los sujetos tener la
máxima oportunidad de autoexpresarse y com-
portarse en forma natural. Los métodos cuanti-
tativos son más estructurados y controlados y,
por lo general, conllevan el uso de in~trumentos
formales para recabar exactamente la misma
información de cada sujeto. La tarea de cuanti-
ficar las variables de investigación y de crear un
plan de recolección de datos es un proceso com-
plejo y dificultoso que, no obstante, da margen
a un alto grado de creatividad y de opciones de
elección. Antes de concluir el plan de recolec-
ción de datos, el investigador debe valorar dete-
nidamente si el método elegido capta con preci-
sión los conceptos en estudio.
PASO 8: DISEÑO DEL PLAN DE
MUESTREO
Por lo común, los datos se toman de una mues-
tra y no del total de una población. La ventaja
de emplear una muestra está en que resulta más
práctico y menos costoso que obtener datos de
toda la población. El riesgo estriba en que la
muestra seleccionada no refleje adecuadamente
la formas de conducta, los rasgos, los síntomas
o las creencias de la población.
El inve tigador dispone de varios métodos
para obtener la muestra, los cuales difieren en
co to, esfuerzo y nivel de capacitación requeri-
da, pero cuya conveniencia se evalúa con un solo
criterio: la representatividad de la muestra se-
leccionada. Dicho en otros términos, la calidad
de la muestra depende del tipismo o representa-
tividad de la población con respecto a las varia-
bles clave de la investigación. Los métodos com-
plejos de muestreo permiten obtener muestras
con una elevada probabilidad de ser representa-
tivas. Los métodos de muestreo que suponen
una mayor complejidad son los muestreos pro-
babilísticos, en los cuales se utilizan procedimien-
tos aleatorios para la selección de los casos que
integrarán la muestra. En un muestreo proba-
bilístico, cada miembro de la población tiene la
misma probabilidad de ser incluido en la mues-
tra. Por el contrario, en las técnicas de muestreo
no probabilístico no hay manera de garantizar
que todos y cada uno de los miembros de la
población tengan igual posibilidad de ser elegi-
dos; por consecuencia, es mayor el riesgo de
que la muestra resulte sesgada (no representati-
va). El diseño de un plan de muestreo compren-
de la elección del método de muestreo, la especi-
ficación del tamaño de la muestra y la selección
de procedimientos para reclutar a los sujetos.
PASO 9: TERMINACION Y REVISION DEL
PLAN DE INVESTIGACION
Normalmente, el investigador somete su plan
de investigación a la revisión de personas o
grupos diversos antes de ponerlo en marcha.
Cuando busca apoyo financiero para realizar el
estudio, suele presentar su plan como una pro-
puesta formal ante la institución que posible-
mente le otorgue los recursos. Aun cuando los
revisores encuentran que el proyecto tiene una
calidad que amerita apoyarlo financieramente,
es común que ofrezcan sugerencias para mejo-
rar su diseño. Del mismo modo, los estudiantes
que habrán de realizar un estudio corno parte
de un curso o como requisito académico, expo-
nen sus planes a la consideración de algún ase-
sor. Sin embargo, se recomienda, incluso en otras
circunstancias, que el investigador someta sus
planes preliminares a la revisión de personas aje-
nas al proyecto. La opinión de un investigador
experimentado y sin prejuicios al afrontar un
problema de investigación puede ser inaprecia-
ble para identificar dificultades y limitaciones
que, de otra manera, jamás podrían identificar-
se. Por último, antes de proceder con la realiza-
ción del estudio, puede ser necesario contar con

aprobación de comités especiales responsa-
. de que no se infrinjan las normas éticas.
O 1 O: REALIZACION Y REVISION
ESTUDIO PILOTO
te el curso de un proyecto pueden surgir
lemas imprevistos. Sus efectos pueden ser
_ ·ficantes, pero hay casos en los que son
_ aves que el estudio debe suspenderse hasta
se introduzcan las modificaciones pertinen-
Por esta razón, es recomendable efectuar un
·o piloto, el cual constituye una versión en
eño o una prueba preliminar del estudio
pal. La finalidad del estudio piloto es ob-
mformación para mejorar el proyecto o
su factibilidad, al grado que revela la
dad de efectuar algún ajuste en uno o más
os del proyecto. Puede indicar que la po-
ón en estudio se definió con excesiva gene-
d · o quizá, que la conceptualización fue
ruada o que las hipótesis no pueden ser
....-~º a prueba en la realidad. Desde un punto
-ra más práctico, el estudio piloto puede
que será imposible asegurar la coopera-
e las personas a través de los procedimien-
,. egidos, o bien, que el estudio será más cos-
e lo previsto. Con frecuencia, el principal
· o del estudio piloto es evaluar la adecua-
del plan de obtención de datos. Cabe que
estigador necesite saber, por ejemplo, si el
po técnico funciona correctamente. Si se
e al uso de cuestionarios, es importante
1 los informantes comprenden las pregun-
dicaciones o si por alguna razón encuen-
gunas preguntas inconvenientes. Esta prue-
denomina preevaluación del cuestionario.
estudio piloto debe emprenderse con el
rigor que el estudio principal, de tal suerte
deficiencias detectadas sean verdadera-
-e representativas de las insuficiencias in-
es al estudio principal. Así, los sujetos
~ · pantes en el estudio piloto deben poseer
mas características de quienes integrarán
e era principal. Esto supone que deberán
onarse entre los miembros de la misma
1ón. También es útil interrogar a los suje-
e un estudio piloto con respecto a sus reac-
e impresiones generales ante el proyecto.
Principales pasos en el proceso de investigación 35
Una vez recogidos y analizados los datos de
la investigación piloto, el investigador debe efec-
tuar los ajustes y precisiones que, en su opi-
nión, eliminen o reduzcan los problemas detec-
tados. Si se hacen correcciones muy extensas,
quizá sea conveniente realizar una segunda prue-
ba piloto en la cual se incluyan dichas correc-
c10nes.
Fase 3: fase empírica
La parte empírica de la investigación compren-
de la obtención de datos y su preparación para
el análisis. En no pocos estudios, esta fase con-
sume la mayor parte del tiempo disponible, aun-
que ello varía sobremanera de un proyecto a
otro. Si los datos se han de obtener mediante la
distribución de un cuestionario escrito entre los
miembros de grupos intactos, la tarea podría
quizá completarse en un día. Sin embargo, lo
más frecuente es que la obtención de datos re-
quiera semanas y hasta meses de trabajo .
PASO 11: RECOLECCION DE DATOS
La recolección de datos debe efectuarse confor-
me a un plan prccstablcciJu a fin <le reducir al
mínimo confusiones, retrasos y errores. Dicho
de otra manera, el plan debe especificar los pro-
cedimientos para obtener los datos (p. ej., dón-
de y cuándo se recabarán), describir a los parti-
cipantes del estudio, obtener su consentimiento
y, de ser necesario, para capacitar a los respon-
sables de recabar la información.
La tarea de recolección de datos exige una
cantidad considerable de trabajo de oficina y
labores administrativas. Los investigadores de-
ben asegurarse de que disponen de material su-
ficiente para completar el estudio; de que los
participantes estén enterados de la hora y lugar
en que se requiere su colaboración; de que el
personal de la investigación (p. ej., los entrevis-
tadores) cumpla adecuadamente con sus activi-
dades; de que los horarios sean compatibles; de
que se haya puesto en acción un sistema ade-
cuado para asignar números de identificación
con el objeto de salvaguardar el anonimato, y
así sucesivamente.
36 2 - Panorama general del proceso de investigación
La recolección de datos puede desarrollarse
en diversos medios más o menos naturales. En
los estudios realizados "en el campo", los datos
se recaban en el entorno en el que los sujetos se
desenvuelven y trabajan cotidianamente. En el
extremo opuesto se encuentran los estudios que
se llevan a cabo en ambientes de laboratorio
sumamente artificiales y controlados. Una gran
cantidad de investigaciones en enfermería y cien-
cias de la salud se efectúan en ambientes situa-
dos entre estos extremos (v. gr., en el entorno
hospitalario). El escenario de investigación pue-
de influir sobre la calidad -y la cantidad- de
los datos obtenidos.
PASO 12: PREPARACION DE
LOS DATOS PARA EL ANAL/SIS
Después de compilar los datos, es necesario efec-
tuar algunas actividades preliminares a fin de
dar comienzo al análisis. Por ejemplo, suele ser
necesario revisar los cuestionarios para determi-
nar si son utilizables. A veces ocurre que los infor-
mantes dejan casi en blanco los cuestionarios, o
bien, que éstos contienen indicios de haber sido
mal interpretados o de incumplimiento. En este
punto, si es que antes no se había hecho, es ne-
cesario asignar un número de identificación a
las respuestas u observaciones de los sujetos.
Con frecuencia se requiere llevar a cabo la
codificación de la información. El término co-
dificación alude al proceso de traducir los datos
verbales en categorías o formas numéricas. Por
ejemplo, las respuestas de los pacientes a una
pregunta sobre "la calidad de la asistencia de
enfermería que recibieron durante su hospita-
lización, . pueden codificarse como respuestas
positivas, respuestas neutrales, respuestas nega-
rivas y respuestas mixtas. Otra actividad preli-
minar, cada vez más común, es la de transcribir
la información de la investigación de los docu-
mento e critos a archivos electrónicos, de modo
que lo datos puedan ser analizados por medio
de computadoras.
Fase 4: fase analítica
Los datos recabados durante la fase empírica no
se dan a conocer en la forma original en que se
obtuvieron, sino que se someten a diversos ti-
pos de análisis e interpretación, algo que cons-
tituye la fase principal del proyecto.
PASO 13: ANAL/SIS DE LOS DATOS
En sí, los datos no brindan respuesta a las in-
terrogantes de investigación. Por lo general, la
cantidad de datos que se recogen en la inves-
tigación es muy extensa y, en consecuencia,
deben procesarse y analizarse en alguna forma
ordenada y coherente, de modo que puedan dis-
cernirse los patrones y relaciones existentes.
El análisis cualitativo conlleva la integración
y síntesis de datos narrativos, no numéricos
mientras que, por lo general, la información
cuantitativa se analiza mediante procedimien-
tos estadísticos. El análisis estadístico abarca una
amplia variedad de técnicas, entre las cuales se
cuentan procedimientos sencillos y métodos
complejos y refinados. Sin embargo, la lógica
fundamental de las pruebas estadísticas es rela-
tivamente sencilla y no debe ser motivo de pre-
ocupación para el investigador principiante. Las
computadoras y calculadoras de bolsillo prácti-
camente han eliminado la necesidad de enfras-
carse en detalladas operaciones aritméticas.
Aunque el propósito central del análisis es
comprobar las hipótesis y resolver las preguntas
de investigación, suele haber otras tareas analí-
ticas adicionales. Entre éstas, la evaluación de
la calidad de la información, la estimación de la
representatividad de la muestra, la verificación
con respecto a si una intervención fue conduci-
da correctamente, y los análisis complementa-
rios para facilitar la interpretación de los resul-
tados.
PASO 14: INTERPRETACION DE LOS
RESULTADOS
Antes de poder comunicarlos adecuadamente,
los resultados de un estudio deben organizarse e
interpretarse de manera sistemática. La inter-
pretación es el proceso de dar sentido a los re-
sultados y examinar las repercusiones de los
hallazgos dentro de un contexto más amplio. El
proceso de interpretación se inicia con un in-
tento por explicar los descubrimientos.

1 se corroboran las hipótesis de investigación,
plicación de los resultados suele ser senci-
porque los hallazgos concuerdan con el ar-
ento previamente planteado. Pero si las hi-
e is no se corroboran, el investigador tiene
postular varias explicaciones posibles; debe
errninar si la conceptualización subyacente
errónea o quizá inapropiada para el proble-
de investigación, o bien, si los hallazgos re-
. .lr¡am problemas en los métodos de investiga-
n y no en la teoría (p. ej., en caso de haber
leado un instrumento de medición inade-
o). En tal caso, y a fin de explicar satisfac-
mente los resultados obtenidos, el investi-
or no sólo debe conocer la literatura sobre
tema y los fundamentos conceptuales del pro-
a, sino también comprender las debilida-
metodológicas del estudio. Debe, así mis-
estar dispuesto a evaluar críticamente las
10nes que haya tomado al diseñar su estu-
recomendar alternativas a otras personas
re adas en el mismo problema.
ase analítica permite al investigador com-
r un ciclo: le proporciona respuestas para
pregum:as formuladas en la primera fase del
·ecto. Sin embargo, su tarea no quedará con-
Ja sino al momento en que difunda los re-
cios del estudio.
O 15: COMUNICACION DE LOS
resultados de una investigación son de poca
dad si no se comunican a otras personas.
hipótesis más precisas, el estudio más cui-
o y completo, y los resultados más espec-
lares carecen de valor para la comunidad
lucrada en la atención de la salud si perma-
n desconocidos. Otra tarea -a menudo la
••~,.. a- de un proyecto de investigación, es,
.::onsecuencia, la preparación de un informe
mvestigación que otros puedan compartir.
E 1sten diversas maneras de informar los re-
cios de una investigación: artículos de pe-
o académico, disertaciones, artículos para
Organización de un proyecto de investigación 37
revistas, conferencias profesionales, libros, etc.
Por lo general, los artículos para revistas -es
decir, los informes breves que aparecen en re-
vistas como Nursing Research- presentan ma-
yor utilidad, por cuanto llegan a un público más
numeroso. Los investigadores disponen de mu-
chas revistas para publicar sus informes.
PASO 16· APLICACION
DE LOS HALLAZGOS
Muchos interesantes estudios no han tenido efec-
to alguno en la práctica de la atención de la sa-
lud o en la educación en este campo. Lo ideal en
el caso de un estudio de alta calidad es planear
su aplicación en el mundo real. Aunque con fre-
cuencia los investigadores no estén en posición
de poner en marcha un plan para aplicar los
resultados de su investigación, lo que sí pueden
hacer es contribuir al proceso incluyendo, en
sus informes, recomendaciones sobre cómo in-
corporar los resultados a la práctica y difundién-
dolos entre el personal en servicio.
ORGANIZACION DE UN PROYECTO
DE INVESTIGACION
El modelo por fases descrito en la sección pre-
cedente representa una concepción idealizada de
lo que hacen los investigadores. La realidad es
que el proceso de investigación casi nunca se
apega a un patrón claramente prescrito de pro-
cesos secuenciales. Los avances en un paso pue-
den exigir modificaciones en actividades con-
cluidas con anterioridad. Esto no invalida la
necesidad de planear esmeradamente y con an-
telación; por el contrario, hace más destacada
aún la importancia de la organización.
Casi todos los proyectos de investigación se
llevan a cabo con un cierto límite de tiempo.
Los estudiantes de cursos de investigación tie-
nen como fcd1a lírnilt: d fin <le curso; las inves-
tigaciones que cuentan con el patrocinio guber-
namental suelen disponer de fondos sólo por un
tiempo limitado. Por otro lado, quienes no en-
frentan tales restricciones formales -como los
estudiantes de posgrado que elaboran sus diser-
taciones- suelen tener sus propios objetivos
38 2- Panorama general del proceso de investigación
para la conclusión del proyecto. Organizar con
antelación un calendario de investigación, una
cronología o itinerario, puede contribuir de ma-
nera importante para el logro de tales objetivos.
Ello significa que el investigador debe proyec-
tar las tareas que deben concluirse en un mo-
mento dado. Por supuesto que los cálculos ini-
ciales a menudo habrán de modificarse, pero las
estimaciones hechas al comienzo del proyecto
ayudan a trazar objetivos intermedios. Contar
con fechas límite para cada tarea -incluso las
tentativas- permite imponer una estructura y
delimita tareas que, de no ser así, se prolonga-
rían indefinidamente (p. ej., la selección de un
problema y la revisión de la literatura).
Por desgracia no es posible sugerir cifras, ni
siquiera aproximadas, para los porcentajes de
tiempo que han de invertirse en cada tarea. De-
terminados proyectos requieren meses para la
planeación y prueba piloto de los instrumentos
de cuantificación, en tanto que otros utilizan
unos ya existentes. La redacción del estudio
puede llevar meses o unos cuantos días. A todas
Tarea 2
1 Tarea 3 1
1 Tarea 4 1
1 Tarea 5 1
1Tarea eI
j~r.-a-re_a_7~1
Tarea 8
Tarea 9
1Tarea
o 2 3 4
Meses calendario del proyecto
Fig. 2-2. Desglose de las tareas de un proyecto según el tiempo asignado a cada una.
luces, no todos los pasos consumen los mismos
tiempos, de modo que si el investigador cono-
ciera su fecha límite, tendría poco sentido divi-
dir simplemente el tiempo disponible entre el
número total de tareas.
Supóngase que se estudiara, durante un pe-
riodo de 12 meses, si la presencia de los padres
en la sala de trabajo de parto afecta la percep-
ción del dolor por parte de las madres. En la
figura 2-2 se presenta un calendario hipotético
para las fechas de terminación de las distintas
tareas de investigación. No se incluye la selec-
ción del problema porque el tema de la investi-
gación había sido identificado con anterioridad.
Adviértase que diversas actividades se sobrepo-
nen y que, según se anticipa, ciertas tareas re-
querirán poco tiempo en términos del total trans-
currido en el calendario.
Al establecer un diagrama cronológico de esta
clase es preciso tener en mente varias conside-
raciones. Desde luego, cabe considerar el nivel
de conocimiento y la competencia del investi-
gador. El cálculo de tiempos responderá tam-
101
Tarea 11
Tarea 12
Tarea 13
Tarea 14
Tarea 15
5 6 7 8 9 10 11 12

' a lo recursos de que dispone, expresados
términos de fondos financieros y personal.
ién es importante tomar en cuenta los as-
prácticos de la realización del estudio,
o enumerados en la sección anterior.
--·-.-- · _· suministros, obtener los permisos ne·
io • lograr la aprobación de las formas e
mentos por parte de las agencias o de los
isores de las instituciones que proporcio-
o fondos y celebrar juntas de trabajo son
·dades que exigen mucho tiempo pero casi
re necesarias.
indtv1duos difieren en cuanto a los tipos
que les resultan atractivas. Hay quie-
tan las fases preliminares de carácter
rdialmente intelectual, mientras que otros
~.....~...,~
· ""man con la recolección de datos, ta-
índole suele implicar mayor interac-
rsonal. Sin embargo, el investigador debe
c:S::.:;zza.rse por dedicar un tiempo razonable a
· ridad. Los estudios inadecuadamente
.:.:ioo~1·.do y planeados con apresuramiento es-
nados al fracaso o, en el mejor de los
mediocridad, por más tiempo y cui-
se dediquen a la recolección y análisis
os. Por el contrario, quien se demore
~::::::2SJado en la biblioteca, quizá nunca llegue
al.
LOS DE INVESTIGACION
e presenta el resumen de un estudio
.;.¡¡¡¡~.u.
Conforme lo lea, tenga en mente el lec-
rérminos clave presentados en este ca-
Por ejemplo, ¿cuáles son las variables
aiocidlente e independientes y cómo se ope-
~::u~tiz.;uon? ¿oe qué naturaleza es la rela·
estadio? ¿se controlaron las variables
::c:::zi-m: Para responder a estas preguntas, es
x::ra~ que el lector prefiera consultar el in·
leto de la investigación.
Gueldner (1991) realizaron un estudio a
a ·enguar si una solución de cloruro de so·
raba igualmente eficaz que una solución
de heparina para mantener abierta la luz
mvo inrravenoso intermitente periféri-
asf como para determinar si el empleo
ución de cloruro de sodio generaba me-
Resumen 39
nos complicaciones. Se estudiaron dos grupos de
sujetos (pacientes hospitalizados); en el primer
grupo el DIIP se conservó en la solución de cloru-
ro de sodio, en el otro se utilizó la solución dilui-
da de heparina. Tuteo y Gueldner describieron
sus variables de esta manera: "El tipo de solución
utilizada para la conservación constituyó la varia-
ble independiente; la frecuencia de complicaciones
generadas por el uso del dispositivo (coagulación,
infiltración, flebitis) constituyó la variable depen-
diente" (pág. 65). El equipo de enfermeras regis-
tró brevemente las posibles complicaciones intra-
venosas en la Forma de Evaluación de Complica-
ciones del DIIP, utilizada para medir la variable
dependiente de complicaciones.
RESUMEN
La realización de un estudio científico (investi-
gación o proyecto de investigación) está a cargo
de uno o más investigadores (o científicos). La
persona responsable de un estudio recibe el nom-
bre de investigador principal o director del proyec-
to . Las personas que proporcionan la informa-
ción se conocen como sujetos, participantes en
el estudio o, en el caso de responder directamente
a preguntas, respondientes o informantes.
La investigación científica se basa en concep-
tos o constructos, abstracciones o representacio-
nes mentales inferidas a partir de comportamien-
tos o fenómenos. Los conceptos representan la
materia prima con la que se construyen las teo-
rías, las cuales ofrecen una explicación sistemá-
tica de la forma en que los fenómenos se inter-
relacionan.
En los proyectos de investigación, los con-
ceptos en estudio reciben el nombre de varia-
bles. Cada variable constituye una caracterís-
tica o cualidad capaz de adoptar diferentes
valores, es decir, que varía de un individuo u
objeto a otro. El tipo de sangre, la presión arte-
rial, la fuerza muscular y el color del cabello de
una persona son variables, pero en cuanto re-
presentan características inherentes de una per-
sona que el investigador sólo cuantifica u obser-
va, se denominan variables de atributo. Cuando
el investigador crea o manipula activamente una
variable, como ocurre cuando se introduce una
intervención o tratamiento especial, la variable
puede ser identificada como variable activa. Las
40 2 - Panorama general del proceso de investigación
variables que pueden tomar diversos valores
dentro de un continuo determinado, se denomi-
nan variables continuas (p. ej., la estatura y el
peso corporal); las que constan sólo de ciertos
valores discretos constituyen variables categóri-
cas (p. e¡., el género y el tipo sanguíneo).
Una distinción importante para los investi-
gadores es la diferencia entre las variables de-
pendientes e independientes de un estudio. La
variable dependiente es la forma de compor-
tamiento, característica o resultado que el in-
vestigador está interesado en entender, explicar,
predecir o afectar. La variable dependiente (o
variable de criterio) es la supuesta consecuencia
o efecto de la variable independiente. Se llama
variable independiente a la supuesta causa, an-
tecedente o factor de influencia de la variable
dependiente. Los grupos que manifiestan gran-
des variaciones, en lo referente a cierto atribu-
to, se describen como heterogéneos; los grupos
con variabilidad limitada se dicen homogéneos.
En una investigación, las variables suelen acla-
rarse y definirse de manera que puedan obser-
varse o cuantificarse. La definición operativa de
un concepto es la especificación de los procedi-
mientos e instrumentos necesarios para efectuar
las mediciones que se requieren.
Los datos son fragmentos de información re-
cabados en el transcurso de un estudio. Puesto
que las variables adoptan valores diferentes, el
registro de los valores correspondientes a los
sujetos de un estudio constituyen los datos. Es-
tos últimos pueden tener la forma de informa-
ción narrativa (datos cualitativos) o de valores
numéricos (datos cuantitativos).
Con algunas excepciones, los investigadores
no se interesan en estudiar variables aisladas sino
en entender las relaciones entre dos o más va-
riables de manera simultánea. Una relación im-
plica la unión o lazo entre dos variables. Los
investigadores se enfocan a la relación entre las
variab\es 'md.epend.iente y dependiente. Cuando
la \'ariable independiente es causa de la ocurren-
cia, manife ración o alteración de la variable
dependiente, se dice que existe una relación de
causa y efecto. Las variables sin relación causal
pueden estar ligadas por una relación funcional.
Al tratar de comprender la forma en que se
relacionan las variables, los investigadores sue-
len diseñar un estudio en el cual se controlan
los factores contaminantes. El control de la in-
vestigación consiste en mantener constantes las
influencias contaminantes, también llamadas
variables extrañas; en caso de no haber control
existe el riesgo de distorsionar la verdader::i re-
lación entre las variables dependiente e inde-
pendiente.
Aunque los pasos necesarios para efectuar un
proyecto de investigación y su secuencia varían
con el estudio, muchas de las actividades son
comunes. Las tareas de la investigación pueden
dividirse en cinco fases principales:
1. Fase conceptual, en ella el investigador plan-
tea formalmente el problema por estudiar
y lo sitúa dentro en un contexto más am-
plio. Incluye actividades como:
• Formular y delimitar el problema por es-
tudiar.
• Revisar la literatura pertinente al pro-
blema.
• Desarrollar un marco teórico a fin de
ubicar el problema dentro de un contex-
to más amplio.
• Formular las hipótesis que deberá demos-
trar.
2. Fase de diseño y planeación, en la cual el
investigador toma varias decisiones meto-
dológicas concernientes a las estrategias que
utilizará para obtener y analizar los datos
con los que resolverá el problema de inves-
tigación, y evalúa dichas decisiones antes
de ponerlas en práctica. Esta fase com-
prende actividades como:
• Seleccionar un diseño de investigación
apropiado para el problema en estudio.
• Determinar la población a la cual se en-
focará el estudio.
• Especificar los métodos con los que se
cuantificarán las variables de investiga-
ción '{ se obtendrán los datos.
• Diseñar e\ plan de selección y recluta-
miento de la muestra.
• Redondear y revisar todos los aspectos
del plan de investigación.
• Efectuar un estudio piloto y hacer los
ajustes necesarios.
3. Fase empírica, en que el investigador reco-
ge los datos conforme al plan establecido y
a continuación los prepara para el análisis

ubsecuente. Esta fase incluye actividades
como:
• Recopilar los datos de investigación.
• Disponer los datos para su análisis, me-
diante su codificación y su preparación
para procesarlos en la computadora.
Fase analítica, en la cual el investigador or-
ganiza, integra y da sentido a sus datos y
pone a prueba las hipótesis de la investiga-
ción. Esta fase abarca las siguientes tareas:
• Analizar, mediante las adecuadas técni-
cas cualitativas o cuantitativas, los da-
tos de la investigación.
• Interpretar los resultados de los análisis.
- . Fase de difusión, que supone la comunica-
ción de los resultados del estudio a otras
personas y la adopción de medidas para in-
tegrar los hallazgos a la práctica. En esta
·ase se realizan actividades como:
• Comunicar los descubrimientos median-
te presentaciones escritas u orales.
• Tomar medidas dirigidas a la aplicación
de los hallazgos o por lo menos, a pro-
mover su uso.
eahzar una investigación demanda una pla-
ción y una organización cuidadosas. La ela-
ación de un calendario con fechas límite
ctpadas para cada tarea resulta útil para t:sta-
er objetivos secundarios y ayuda a que el
e ngador sea más realista en cuanto a la dis-
ución del tiempo entre las distintas tareas.
SUGERENCIAS DE ESTUDIO
Proponga varias maneras de operacionalizar
los siguientes conceptos: aptitud en enferme-
ría, tiempo para que los pacientes orinen por
primera vez después de una cirugía, conduc-
ra agresiva, nivel de dolor de los pacientes,
riesgos domésticos para la salud, recupera-
ción posquirúrgica e imagen corporal.
_ eñale cinco variables categóricas y cinco
ontinuas. Identifique, si las hubiera, aqué-
llas que sean dicotómicas.
Identifique cuáles de las siguientes variables
rueden ser activas y cuáles son variables de
atributo (algunas pueden pertenecer a am-
bas categorías): estatura, grado de fatiga,
Sugerencias bibliográficas 41
cooperación por parte del paciente, nivel de
ruido en las unidades hospitalarias, duración
de la hospitalización, nivel educativo, auto-
estima, satisfacción profesional del personal
de salud.
4. Identifique las variables independientes y de-
pendientes, en los siguientes problemas de
investigación:
a) ¿cuál es la diferencia entre el punto de
vista de enfermeras y médicos en cuanto
al concepto de rol extendido aplicado a
las enfermeras?
b) rn1 registro orientado a problemas da por
resultado una atención del paciente más
eficaz que otros métodos de registro?
c) ¿Los pacientes de edad avanzada tienen
umbrales de dolor más bajos que los pa-
cientes jóvenes?
d) ¿oe qué manera distintas formas de esti-
mulación afectan los patrones de sueño
de los lactantes?
e) ¿La visita domiciliaria a pacientes psiquiá-
tricos dados de alta reduce la frecuencia
de reingreso?
SUGERENCIAS BIBLIOGRAFICAS
REFERENCIAS METODOLOGICAS
Burns, N., & Grove, S. K. 0993). 7he practice o/ nurs-
ing research: Conduce, critique. a1ul uti/ization
(2nd ed .). Philadelphia: W.B. Saunders.
Kerlinger, F. (1986). Foundations o/ behal'ioral re-
search (3rd ed .). New York: Holt, Rinehart &
Winston.
Lindquist, R. (1991). pon't forget the pilot work!
Heart and L1mg, 20, 91-92.
Prescott, P. A., & Soeken, K. L. 0989) . The porential
uses of pilot work. Nursing Researcb, 38,
60-62 .
Wilson, H. S. 0989). Research in nursing (2nd ed.).
Menlo Park, CA: Addison-Wesley.
REFERENCIAS BASICAS
Dobratz, M. C. 0993). Causal influences of psycho-
logical adaptation in dying. Westemjoumal o/
Nursing Research, 15, 708-723.
Howell, R. D., MacRae , L. D., Sanjines, S. , Burke, J. &
DeStefano, P. 0992). Effects of two types of
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
Fases del método cuantitativo

• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •

• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
• • • •• •• •• • • • • • •• • • •• ••• • • •• • • ••• • ••• • • • •• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
 Formulación de hipótesis
en la ruta cuantitativa
Las hipótesis son el centro, la médula o el eje del método deductivo, toman
la estafeta de parte del planteamiento del problema en la ruta cuantitativa.

Roberto Hernández-Sampieri

Paso 5 Formular las hipótesis de

la investigación
• Ana lizar si deben formu larse o no hipótesis
para la investigación
• Formu lar las hipótesis correspondientes
Proceso de investigación • Prec isar las variables de las hipótesis
cuantitativa • Defin ir conceptualmente las variables de
las hipótesis
• Definir operacionalmente las variables de
las hi pótesis

Inicia el desarrollo
del método de investigación

Obj tivo", df> pren izaje

Al terminar este capítulo, el alumno será capaz de:

1. Conocer el papel de las hipótesis en la ruta cuantitativa.

2. Comprender los conceptos de hipótesis, variable, definición conceptual y definición operacional
de una variable.
3. Entender que no necesariamente en toda investigación cuantitativa debemos formular hipótesis.
4. Entender los diferentes tipos de hipótesis.
5. Aprender a formular hipótesis y definir de manera conceptual y operacional las variables conteni-
das en una hipótesis .

ínt
En el capítulo se define y ejemplifica lo que es una hipótesis y se analiza la importancia que tienen las
hipótesis dentro de la ruta cuantitativa y el proceso de inveó\tigación . Asimismo, se señala el estrecho
vínculo que existe entre el planteamiento del problema, el marco o perspectiva teórica, el alcance del
estudio y la formulación de hipótesis. Se presenta la clasificación más común de las hipótesis: hipó-
tesis de investigación (con sus tipos), hipótesis nula, hipótesis alternativa e hipótesis estadística (esta
última y sus variantes se comentan en el capítulo 8 del Centro de recursos en línea de ,r '
Centro de
t, _ recursos
la obra: Análisis estadístico. Segunda parte). 'lit en línea
Por otro lado, dado que las hipótesis vinculan variables, se precisan e ilustran los conceptos de va -
riable, definición conceptual y definición operacional.

Toman la estafeta del
planteamiento del problema
pa ra guiar el estudio
Deben.
• Referirse a una situación real
• Contener variables comprensibles, precisas y medibles
• Proponer relaciones entre variables claras, lógicas,
investigables y posibles

Se formulan dependiendo
del alcance del estudio: Tipos o clases:
Estudios exploratorios: no
Hipótesis de Hipótesis predictivas
se formulan. Pueden ser un
investigación de un valor
resultado de la investigación
Hipótesis Correlaciona les
Estudios descriptivos:
nulas
se formulan cuando se De comparación
Hi pótesis
pronostica un valor o dato Hipótesis de grupos
en un tiempo alternativas
Causales
Estudios correlaciona les: Hipótesis
se formulan hipótesis estadísticas
correlacionales (capítulo 8 de la
pág ina web)
Estudios causales: se
formulan hipótesis causales

Explicaciones tentativas
sobre el problema
de investigación o
fenómeno estudiado
que se formulan
como proposiciones o
afirmaciones.
Sirven para: Relacionan variables
Conceptualmente
Orientar la investi-
gación
Describir y explicar
Las variables
el fenómeno o
incluidas tienen
problema al que se
que definirse
refieren
Apoyaren la
prueba o escrutinio
Se derivan del Operacionalmente
de teorías
marco teórico y del
planteamiento del
problema. Pueden
deducirse de una
teoría e incluso de la
experiencia
 124 La ruta de la investigación cuantitativa

¿Qué son las hipótesis? ¿Cómo podemos definirlas?

Las hipótesis son explicaciones tentativas del fenómeno o problema investigado formuladas como
proposiciones o afirmaciones y constituyen las guías de un estudio. Indican lo que tratamos de
probar y, por así decirlo, toman la estafeta de parte del planteamiento del problema para determi-
nar el curso de la indagación en la ruta cuantitativa. De hecho, son respuestas provisionales a las
preguntas de investigación que habrás de confirmar o no al realizar tu estudio.
En realidad, a lo largo de tu vida seguramente has planteado hipótesis a partir de preguntas que
te hiciste. Por ejemplo, ¿le resultaré atractivo o atractiva a X? Hipótesis: "Sí le resulto atractivo a X".
Esta hipótesis coloquial es una explicación tentativa y está enunciada como proposición. Después
investigamos si se acepta o se rechaza la hipótesis, al cortejar a X y observar el resultado.
Veamos algunos ejemplos de hipótesis en la tabla 6.1.

Tabla 6.1 Ejemplos de hipótesis.

"Los fu madores ti enen un ri esgo mayor de presenta r un infarto que los no fumadores " (Koon et 01., 2006)
"El matrimonio y la co habitación mejoran el nive l de satisfacción co n la vida" (NéESS et 01.,2015).
"A mayor motivación intrínseca en el trabajo, mayor satisfacción laboral" (Sa ldaña , 2017).
"El método Interfase® para enseñar robótica a los alumnos de primaria es más eficaz q ue el método Maks"
(Hern ández et al. , 2017).

Desde luego, las hipótesis se contextualizan en cuanto a lugar y tiempo, así como casos (personas,
organizaciones, procesos, países, hechos, etc.) y características. Asimismo, las hipótesis relacionan
o pronostican variables.

¿En todas las investigaciones cuantitativas

Hipótesis Exp licacio nes te ntati -
vas sobre el problema de inv es-
ti gació n o fenóm e no estudi ado
qu e se form ulan como pro posi-
cio nes o afirmac io nes. Reg ul ar-
mente re lacionan v ariables o
pronostica n algo.
debemos forzosamente plantear hipótesis?
No, no siempre debemos establecer hipótesis. Formulamos o no hipótesis depen-
diendo del alcance inicial del estudio, el cual, a su vez, depende del planteamiento
del problema. Las investigaciones cuantitativas que formulan hipótesis son sola-
mente aquellas que tienen un alcance correlacional o explicativo, o las que tienen
un alcance descriptivo, pero que intentan pronosticar una cifra, un dato o un he-
cho. Esto se resume en la tabla 6.2. 1

Tabla 6.2 Formul ación de hipótes is depend ie nd o d el alcance de la investigación .

. -. . ¿ formulan o no hipótesis?
Expl oratorio No se formu lan hipótesis
Descriptivo Solamente se pla ntean cuando se pronostica un
va lor (por ejemplo: "La espera nza de vida en este
país aumentará dos años para 2020", "El índice de
rotac ión esperado para el próximo año en la empre-
sa es ...", "El índ ice de inflación en (pa ís) du rante el
periodo X será de ...").
Correlacion al Sí se fo rmulan hipótesis co rrelacionales: "A mayor
pérdida de sentido de vid a, mayor probabilidad de
cometer suicidio".
Explicativo o ca usal Sí se formu lan hipótesis ca usa les: "La violencia
intrafa mil iar de los padres provoca depresión, baja
autoestima y estrés postraumático en los hijos".

1En el caso de los estudios cualitativos, regularmente no se formulan hipótesis antes de recolectar datos (aunque no siempre
ocurre así). Su naturaleza es más bien inducir las hipótesis por medio de la recolección y el análisis de los datos, como se
comentará en la tercera parte del libro, "El proceso de la investigación cualitativa" .

......
 Formulación de hipótes is en la ruta cuantitativa 125

Las variables contenidas en las hipótesis, ¿qué son?

Las hipótesis vinculan o pronostican variables, las cuales fueron introducidas en los capítulos pre-
vios. Recordemos que una variable es una propiedad o concepto que puede variar y cuya fluctua-
ción es susceptible de medirse u observarse (capaz de adquirir diferentes valores que pueden ser
registrados por un instrumento de medición). Ejemplos de variables son: edad, género, depresión,
liderazgo, exposición a un programa televisivo, ventas de un producto, preferencia de una red
social en internet, presión arterial, qosis diaria administrada de un medicamento, satisfacción la-
boral, tiempo que tarda en manifestarse una enfermedad, etc. Como podemos ver, siempre hay
posibilidad de variación.
El concepto de variable se aplica a personas u otros seres vivos, objetos, procesos, hechos y
fenómenos, los cuales adquieren diversos valores respecto de la variable medida. Por ejemplo, la
inteligencia, ya que es posible clasificar a las personas de acuerdo con esta variable; no todos los
individuos la poseen en el mismo grado, es decir, varían en inteligencia.
Las variables adquieren valor para la investigación científica cuando llegan a relacionarse con
otras variables en las hipótesis y teorías, en este caso, se les suele denominar con structos o cons-
trucciones hipotéticas.

Preguntas comunes sobre las hipótesis

Concentramos algunas de las inquietudes más comunes de los estudiantes sobre las hipótesis en la
tabla 6.3 con sus correspondientes respuestas.

Tabla 6.3 Inquietudes sobre las hipótesis .

. " .' ¿La~. hipótesis siempr~; res.ultan v,?rdaderas o ci~r1as? '.

Las hipótesis no necesariamente resultan verdaderas, pueden o no serlo, y pueden o no comprobarse con
datos. Son explicaciones tentativas, no los hechos en sí. Al formularlas, el investigador no está totalmen-
te seguro de que vayan a comprobarse. Una hipótesis es diferente de la afirmación de un hecho. Si un
investigador formula la siguiente hipótesis (refiriéndose a un país determinado): "Los hombres poseen un
mayor riesgo de desarrollar enfermedades cardiovasculares que las mujeres", esta puede ser o no com-
probada mediante un estudio. En cambio, si una persona sostiene lo anterior basándose en información de
un censo nacional de salud recientemente efectuado en ese país o un estudio profundo y representativo
actual izado, no establece una hipótes is, sino que afirma un hecho.

Cada investigación es distinta. Algunas contienen gran variedad de hipótesis porque el problema de inves-
tigación es complejo (por ejemplo, pretenden relacionar 15 o más variables), mientras que otras contienen
una o dos hipótesis. Todo depende del planteamiento del problema de investigación y, concretamente, del
número de preguntas de investigación que formulemos y de las cuales se puedan establecer respuestas
tentativas. La calidad de una investigación no necesariamente está relacionada con el número de hipótesis
que contenga. En este sentido, se debe tener el número de hipótesis necesarias para guiar el estudio, ni
una más ni una menos.

Las hipótesis pueden vincular dos o más variables cuando son correlaciona les o causales. Por ejemplo:
"A mayor introversión , mayor probabilidad de adicción o los redes sociales en internet" (Muñoz y
Ramírez, 2016) [Dos variables relacionadas].
"La motivación hacia el trabajo y la capacitación formol incrementan la productividad" (Tres variab les,
dos causas y un efecto).
Yen el caso de las hipótesis que pronostican un dato, incluyen la variable base de la predicción yel
tiempo a que hace referencia . Por ejemplo, " La expectativa de crecimiento del Producto Interno bruto para
el año entrante en (país X) es del 2.8%".

¿De dónde surgen las hipótesis?

Las hipótesis se derivan o surgen de la revis ión de la literatura (marco o perspectiva teórica) y del plantea-
miento del problema orig ina l o modificado después de esta. Regularmente son las resp uestas tentativas a
nuestras preguntas de investigación, pero también pueden emanar de un postu lado de una teoría, del
(Continúo)
 126 La ruta de la investigación cuantitativa

Tabla 6 .3 Inqu iet udes sobre las hipótesis (Continuación).

¿De dónde surgen las hillótesis?

análisis de esta, de generalizaciones empíricas pertinentes a nuestro problema de investigación y de estu-
dios revisados o antecedentes consultados. Por otra parte, durante el proceso de elaborarlas quizá se nos
ocurran otras hipótesis que no estaban contempladas en el planteamiento original, producto de nuevas ob-
servaciones y reflexiones, ideas, intuiciones o experiencias; discusiones con profesores, colegas o expertos
en el tema; incluso, de analogías y de información referida a otros contextos. Veamos algunos ejemplos:

P.regunta de investigación Hipótesis

¿Cuál de los siguientes medicamentos (X y Z) es "El medicamento X es más eficaz que el medica-
más eficaz para controlar la presión arterial de mento Z para controlar la presión arterial en pacien-
1 pacientes varones de entre 50 y 60 años? (sujetos tes varones de entre 50 y 60 años".
1
diagnosticados con hipertensión en la ciudad de
Chiquimula, Guatemala).

¿El clima organizacional tiene efectos en la pro-
ductividad de las empresas acereras de la región
Laja-Bajío?
"El clima organizacional afecta la productividad de
las empresas acereras de la región Laja-Bajío". O
bien: "Entre más favorable sea el clima organizacio-
nal , mayor será la productividad en el caso de las
empresas acereras de la región Laja -Bajío".

¿El grado de atracción física que se experimenta "A mayor atracción física experimentada respecto a
respecto a la pareja está relacionado con una mayor la pareja, mayor intención de retenerla" (en matrimo-
intención de retenerla? (Oltmanns, Markey y French, nios de la ciudad de Puebla con más de cinco años
2016). de casados).

Existen diversas formas de clasificar las hipótesis, aunque nos vamos a concentrar en la tipología más
común: 1) hipótesis de investigación, 2) hipótesis nulas y 3) hipótesis alternativas. Estas clases de hipótesis
se ampliarán más adelante en el capítulo.

¿Qué características deben tener las hipótesis?

Las principales características que deben tener las hipótesis son:
1. Referirse a una situación "real". Las hipótesis únicamente se pueden someter a prueba en un
contexto específico y definido (tiempo y lugar, así como con casos concretos). Por ejemplo, una
hipótesis relativa a algun a variable organizacional, digamos "la disposición a trabajar en equi-
po", deberá poder probarse en condiciones reales, con ciertos colaboradores de organizaciones
existentes. En determinadas ocasiones, se contextualiza la hipótesis en su propia redacción y
en otras, mediante un p árrafo explicativo. Veamos dos ejemplos de ello:
Hipótesis contextualizada: "Los niños guatemaltecos que viven en zonas urbanas imitarán
más la conducta violenta de la televisión, que los niños guatemaltecos que viven en zonas
rurales".
Hipótesis con párrafo explicativo:
"La disposición a trabajar en equipo incrementa la productividad de los trabajadores" .
El estudio será llevado a cabo en empresas que fabrican autop artes (cableados, arneses,
mazos, mangueras, tornillos, etc.) ubicadas en Córdoba, Argentina.
2. Las variables o términos de las hipótesis deben ser lo más concretos, entendibles y precisos
que sea posible. Términos vagos o confusos no tien en cabida en una hipótesis. Así, "enferme-
dad", "contaminación" y "malestar interno" son conceptos generales que deben sustituirse
p or otros más específicos (por ejemplo: enfermedad diverticular", "índice de contaminación
del aire" o "depresión"). Imagina la hipótesis: "Este refresco de cola es mejor que este otro"
(¿mejor?, ¿mejor en qué?, ¿p ara quién?, ¿cómo? Resulta incomprensible, vago o impreciso).
3. Derivado de lo anterior, los términos o variables de una hipótesis deben ser observables o me-
dibles, así como la relación planteada entre ellas, es decir, tener referentes empíricos. Las hipó-
tesis científicas, al igual que los objetivos y las preguntas de investigación, no incluyen juicios
morales ni cuestiones que no podamos medir. Hipótesis como: "El diablo hace que los malos
estudiantes se conviertan en buenos profesionistas" o "La voluntad del alma está relacionada
 Formulación de hipótesis en la ruta cuantitativa 127

con la espiritualidad angelical"; implican conceptos o relaciones que no poseen referentes rea-
les; por lo tanto, no son útiles como hipótesis para investigar.
4. La relación propuesta entre las variables debe ser clara, lógica y creíble o posible. Es indispen-
sable qué se comprenda la forma en que se vinculan las variables y esta relación no puede ser
ilógica. La siguiente hipótesis: "Las personas que no endulzan su café y pre-
" fieren los productos con sabor amargo son más propensas a mostrar signos de
psicopatía,narcicismo y sadismo", sería inverosímil. No es posible considerar- Hipótesis Deben estar relacio-
nadas co n técnicas disponi bles
la pues este tipo de comportamientos son más bien multifactoriales y es poco
para probarlas y que se tenga
probable que puedan relacionarse con un aspecto tan relativo como el hábito
acceso a ell as.
de endulzar o no una bebida, y tampoco con toda la población.

Los tipos de hipótesis

Previamente se mencionó que los principales tipos de hipótesis son:

1. Hipótesis de investigación 2. Hipótesis nulas

3. Hipótesis alternativas 4. Hipótesis estadísticas

Ahondaremos en las tres primeras; las hipótesis estadísticas se tratan en el capítulo 8, "Análisis
estadístico: segunda parte", del Centro de Recursos en Línea. e :HE"

¿Qué son las hipótesis de investigación?

Lo que a lo largo del capítulo hemos presentado como hipótesis son en realidad las hipótesis de
investigación (proposiciones tentativas acerca de la o las posibles relaciones entre dos o más varia-
bles). Se les suele simbolizar como Hi o con números cuando son varias: H 1, H 2, H 3, etc., y también
se les denomina hipótesis de trabajo.
A su vez, las hipótesis de investigación pueden ser: a) predictivas de un valor, cifra o dato en un
tiempo determinado, b) correlacionales, c) de comparación de grupos o categorías (direccionales y
no direccionales) y d) causales (direccionales o no direccionales) . A continuación, se explican con
ejemplos y por cuestiones de espacio algunas no se contextualizan. Un ejercicio interesante para
los alumnos sería hacerlo. Pero siempre debemos ubicarlas en tiempo, lugar y casos] .

Hipótesis predictivas de un valor o dato

en un tiempo determinado
Estas hipótesis se utilizan para intentar predecir un dato o valor en una o más variables que se
observarán o medirán. Se fundamentan en el análisis de tendencias pasadas y un sólido marco
teórico. Pueden ser específicas de una cifra o rango.

Hi: "La tasa de desocupación (TD) de la poblaCión económicamente activa para el año próximo
en México será de 5.2%".
Hi: "El aumento del número de divorcios de parejas cuyas edades fluctúan entre los 18 y 25 años
será de entre 10 y 12% dentro de cinco años " (en un contexto específico como una ciudad o
un país).
No se valen como hipótesis pronósticos imprecisos.
La depresión en los adultos mayores será elevada" (¿qué se considera elevada?) o "Durante este
año, habrá mayor publicidad en las campañas políticas" (impreciso, ¿qué campañas específicas y
en qué medios?, ¿mayor?).
 128 La ruta de la investigación cuantitativa

Hipótesis correlaciona les

Como su nombre lo indica, estas hipótesis establecen vínculos entre dos o más variables y corres-
ponden a los estudios correlacionales. Además, no solo pueden establecer que dos o más variables
se encuentran asociadas ("el tabaquismo está relacionado con la presencia de padecimientos pul-
monares"), sino también cómo lo están (qué dirección sigue "la correlación):
"Entre mayor sea la retroalimentación sobre el desempeño en el trabajo que los superiores
proporcionen a sus colaboradores, mayor motivación hacia el trabajo" (en empresas dedicadas a la
producción de leche y sus derivados en la provincia X). Así, alcanzan el nivel predictivo y parcial-
mente explicativo. 2

1
I
Hi: "A mayor re ligiosid ad, mayor sentimie nto de bi e nestar existenci al" (Kvande , Klockne r y Nie l-
sen 2015). Esta hipótesis con dos vari ables se probó con ad ultos de Noru ega y Dinamarca, y
I nos indica que cua ndo un a va riable aume nta, la otra tambié n, y viceversa, cua ndo una varia-
1
ble di sminuye , la otra desci e nde.
Hi: A mayor autoestim a, ha brá menor temor al éxito" (en miembros latinos de la comu nidad tea-
tral de Nueva York, cuyas e dades flu ctúa n e ntre los 18 y 65 años, e n ambos gé ne ros)" [basa da
en Bra mante (2015)]. Aqu í la hipótesis nos se ña la q ue cua ndo una variabl e a um e nta, la otra
disminuye; y si esta disminuye, aque ll a aum e nta.
Hi: "Las películas mexicanas de los últimos diez años mu estran cada vez mayo r co nte nido sexual
explícito e n s us escenas" (Hern ánd ez-Sampie ri , 2002). En esta hipótesis se co rre lacion a n las
dos siguientes varia bles: Época o evolu ción del tie mpo e n que se prod ucen las pe lícul as y
co nte nido sexual explícito.3

Ahora bien, en una hipótesis correlacional el orden en que coloquemos las variables no es impor-
tante (ninguna variable antecede a la otra; no hay relación de causalidad). Es lo mismo indicar" a
mayor X, mayor Y" que "a mayor Y, mayor X"; o "a mayor X, menor Y" que "a menor Y, mayor X" .
En la correlación "el orden de los factores (variables) no altera el producto (la hipótesis)".
Desde luego, esto ocurre en la correlación, pero no en las relaciones de causalidad, donde vamos
a ver que sí importa el orden de las variables. Pero en la correlación no hablamos de variable inde-
pendiente (causa) ni de variable dependiente (efecto). Los estudiantes que comienzan sus cursos
de investigación suelen indicar cuál es la variable independiente y cuál la dependiente en toda
hipótesis. Ello es un error; únicamente en hipótesis causales se puede hacer esto.
Asimismo, resulta común que, cuando en la investigación se pretende correlacionar diversas
variables, se tengan varias hipótesis y cada una de ellas relacione un par de variables. Por ejemplo,
si quisiéramos relacionar las variables atracción física, confianza, proximidad física y equidad en el
noviazgo (todas entre sí), estableceríamos las respectivas hipótesis.

H,: "A mayor atracción física, menor confianza".

H2 : "A mayor atracción física, mayor proximidad fís ica".
H3 : "A mayor atracción física, mayor equidad".
H4 : "A mayor confianza, mayor proximid ad física".
H5 : "A mayor confian za, mayor equidad".
H6 : "A mayor proximid ad fís ica, mayor e quid ad".

2 En el capítulo 10, "Análisis de los datos cuan titativos", se explica más a fondo el tema de la correlación y los tipos de
correlación entre variables.
3 Conducta sexual manifiesta e ilustrada en las imágenes de la película y que al espectador le queda claro que está
presentándose (de acuerdo a los Criterios para la clasificación de películas cinematográficas, 2002).
 Formulación de hipótesis en la ruta cuantitativa 129

Estas hipótesis deben contextualizarse en su realidad (con qué tipo de parejas) y someterse a
prueba empírica.

Hipótesis de comparación de grupos o categorías

(de"diferencias o contraste)
Estas·hipótesis pretenden contrastar dos o más grupos, categorías, procesos o hechos en términos
cuantitativos (hombres-mujeres, turnos de una planta, grupos de un experimento, etc.). Por ejem-
plo, "La tasa de suicidios en la ciudad .. . es mayor entre los hombres adultos que en las mujeres
adultas"4 (grupo 1 = hombres, grupo 2 = mujeres).
A su vez, las hipótesis de comparación pueden ser direccionales o no direccionales. Se nom-
bran direccionales cuando se especifica la relación entre la variable de segmentación o que origina
la división de los grupos - considerada como causa o variable independiente- y la variable de con-
traste - considerada como efecto o variable dependiente- , como en el caso anterior:

Género (causa) ~ariable Suicidio (efecto)

.,--------I.~ Vari able de contraste
(tasa)

Dirección: hombres se su icidan más

Las hipótesis de comparación no direccionales simplemente establecen que habrá diferencia

entre los grupos, pero no especifican ni anticipan el vínculo entre la variable que divide a los gru-
pos y la variable de contraste (en favor de qué grupo es o será la diferencia: "La tasa de suicidios
será diferente entre hombres y mujeres en la ciudad de ... ").

En Estados Unidos: "La prevalencia (proporción) del Alzheimer en adultos ma-

yores de 60 años será distinta entre los afroamericanos, los hispanos y los
individ uos de raza blanca " (no direccional, tres grupos).
"La prevalencia (proporción) del Alzheimer será mayor entre los afroame-
rica nos que entre los individuos de raza blanca" (direccional, dos grupos) [la
Alzheimer's Association (2010) comprobó que los afroamericanos de mayor
edad tienen el doble de probabilidades que las personas mayores bl ancas
de contraer Alzheimer. La probabilidad de que los hispanos mayores se vean
afectados por esta enfermedad es de por lo menos una y media veces más
que la de los blancos de mayor edad].
Hi: "Los adolescentes le atribuyen diferente importancia al atractivo físico en
sus relaciones de pareja, que las adolescentes a las suyas" (no direccio-
nal, dos grupos).
Hi: "El tiempo que tardan en desarrollar el sida las personas contagiadas por Los universitarios le atribuyen más im-
transfusión sanguínea es menor que las que adquieren el VIH por trans- portancia al atractivo físico en sus rela-
misión sexual" (Hernández-Galicia, 1989) [direccional, dos grupos]. ciones de pareja que las un iversitarias.

Cuando el investigador no tiene bases para presuponer a favor de qué grupo será la diferencia,
formula una hipótesis no direccional; y cuando sí tiene bases, establece una hipótesis direccional
de diferencia de grupos. Todo depende de la teoría o estudios antecedentes, o bien, de que el in-

4Esta hipótesis tiene bases, ya que en Europa, por cada 100 000 habitantes, se suicidan 4.9 muj eres y 20 hombres (más del
cuádruple). En América la proporción es de 2.7 mujeres p or 9.8 h ombres. En todo el mundo la proporción es de dos varones
por cada dama, el doble (Ventas, 2016) . En in tentos de suicidio en el mundo, la cifra parece invertirse: por cada intento
masculino lo intentan tres mujeres.
 130 La ruta de la investigación cuantitativa

vestigador se encuentre bastante familiarizado con el problema de estudio. Esta clase de hipótesis
puede llegar a abarcar dos, tres o más grupos.
Las hipótesis de diferencia de grupos pueden considerarse como un tipo de hipótesis corre-
lacional, porque en última instancia relacionan dos o más variables. El caso del atractivo físico
asocia la variable del género con la variable de la atribución de la importancia del atractivo físico en las
relaciones de pareja.

Hipótesis causales
Estas hipótesis plantean relaciones de causalidad entre las variables incluidas. Es decir, no sola-
mente establecen el vínculo entre variables, sino que proponen una explicación de este, el cual
l' puede ser más o menos completo, lo que depende del número de variables que se incluyan, pero
todas estas hipótesis establecen relaciones de causa-efecto. Regularmente son direccionales.

"El aceite de pescado parenteral (w-3) atenúa los efectos de inflamación descontrolada en pacien-
tes diagnosticados con sepsis en la unidad de cuidados intensivos" s (Hall et al., 2015).
"La falta de normas de seguridad en las empresas empacadoras de alimentos provoca ac-
cidentes laborales" (se probará en grandes organizaciones de la Ciudad de Monterrey, México).

La diferencia entre las hipótesis de correlación y causal se muestra gráficamente en la figura 6.1.

Hipótesis correlacional

~-.L?~.W-!~::i~~"i I'~ I

V~~iabl~ 1; .~ " Variable 2

:~.~ ~'~., :. - .

No hay dirección: simple relación

Hipótesis causal

Variable
dependiente
(efecto)

Dirección : una causa efectos en la otra

Figura 6.1. Diferencia gráfica entre una hipótesis de correlación y una causal con dos variables.

Correlación y causalidad son conceptos vinculados, pero distintos. Si dos variables están
correlacionadas, ello no necesariamente implica que una será causa de la otra. Supongamos que
una empresa fabrica un producto que se vende poco y decide mejorarlo. Entonces, lanza una cam-

5La sepsis es una enfermedad que sucede cuando el organismo tiene una respuesta inmunitaria a una infección bacteriana.
Las sustancias químicas liberadas a la sangre para combatir la infección desencadenan una inflamación generalizada, lo que
conduce a la formación de coágulos de sangre y la filtración de vasos sanguíneos. Esto provoca una disminución en el flujo
sanguíneo, lo que priva a los órganos de nutrientes y oxígeno. En los casos más graves, uno o más órganos puede fallar. En
el peor de los casos, la presión arterial baja significativamente y el corazón se debilita, lo que conduce a un shock séptico y
puede desencadenar la muerte del individuo (Medline Plus, 2016, p. 1).
 Formulación de hipótesis en la ruta cuantitativa 131

paña para anunciar el producto optimizado en radio y televisión. Después, se observa un aumento
en las ventas del producto. Los directivos de la empresa pueden pensar o decir que el lanzamiento
de la campaña está relacionado con el incremento de las ventas; pero si no se demuestra la causali-
dad, no es-posible asegurar que la campaña haya provocado tal incremento. Quizá la campaña sea
la causa del aumento, pero tal vez la causa sea en sí la mejora al producto, una excelente estrategia
de comercialización u otro factor, o bien todas pueden ser las causas. Y recordemos el concepto de
correlaciones espurias visto en el capítulo anterior. No todas las correlaciones tienen sentido y no
siempre que se encuentra una correlación puede inferirse causalidad. Si cada vez que se obtiene
una correlación se asumiera la causalidad, ello equivaldría a decir que cada vez que se observa a
una señora y a un niño juntos se supondría que ella es su madre, cuando puede ser su tía, una
vecina o una señora que por azar se colocó muy cerca del chico.
A estas alturas ya te percataste de que a las causas se les denomina variables independientes (se
les simboliza como "X") y a los efectos, variables dependientes (se les simboliza con la letra "Y"), y
puede haber hipótesis con una variable independiente y una dependiente como en los ejemplos
previos (denominadas hipótesis causales bivariadas) y desde luego, también hipótesis con dos o
más variables independientes y dos o más dependientes, así como hipótesis con la presencia de va-
riables intervinientes (aquellas que están entre las independientes y las dependientes mediatizando
la relación). A todas estas hipótesis se les conoce como multivariadas.
Asimismo, son direccionales cuando determinan cómo es el efecto en la dependiente (incre-
mento o decremento) y no direccionales cuando simplemente expresan que hay un efecto.
Veamos algunos ejemplos de lo anterior con las hipótesis redactadas e ilustradas gráficamente
en la figura 6.2.

"El tipo de liderazgo, el sentimiento de bienestar en el trabajo y la eficacia colaborativa del trabajo
en equipo determ inan la eficacia para lograr las metas del grupo" [basada en Sudha, Shahnawaz
y Farhat (2016)].

Tipo de liderazgo (transformaciona l,

transaccional y laissezfaire o perm isivo, ~
es decir dejar hacer)

---~ Eficacia para

lograr las metas
Sentimiento de bienestar del grupo

Eficacia colaborativa

Tres variables independientes y una dependiente, simbolizadas como:

No direccional, señalan que afectan,

y pero no se explicita cómo (en ocasiones
simplemente se asume)

Figura 6.2. Ejemplos de hipótesis causa les mult ivariadas (con más de una variable independiente o más
de una variable dependiente).
(Continúa)
 132 La ruta de la investigación cuantitativa

Estudio en organizaciones educativas privadas de la India "El bajo estrés laboral, la mayor auto-
nomía en el trabajo y la claridad del papel que deben desempeñar en la empresa generan mayor
motivación intrínseca hacia el trabajo y satisfacción laboral" [adaptada de Jian et al. (2016)]. Inves-
t igación realizada entre personal de correccionales comunitarias en China.

Estrés laboral
Motivación
intrínseca

Autonomía en el trabajo

,1 Satisfacción
I laboral
Claridad del rol laboral

Tres variables independientes y dos dependientes, simbolizadas como:

Xl
Yl
Direccional, las tres variables
independientes incrementan ambas
variables dependientes

"El matrimonio genera mayor salud mental en hombres que en mujeres en culturas donde no hay
igu aldad de género" (adultos entre 20 y 24 años en la India) (Strohschein y Ram, 2016). Esta hi-
pótesis clásica señala que en general el estado civi l casado produce mayor salud mental que el
estado civil soltero, pero dos variables mediatizan tal relación: el género y si en la cultura existe o
no equidad de género. En culturas donde no hay igualdad entre géneros, el matrimonio favorece
a los hombres porque tienen los beneficios de este (compañía, pertenencia, etc.), en cambio a las
mujeres les genera estrés porque experimentan dependencia económica, subordinación y frecuen-
temente confinamiento al hogar. Cuando se presenta la equidad beneficia a ambos. Por supuesto,
recordemos que en la investigación social se presentan tendencias, no leyes universales que apli-
can a todos los casos.

Estado civil Salud mental

Género Equidad

Un variable independiente, una dependiente y dos intervinientes, simbolizadas como:

X y Direccional

Zl

Estudio efectuado en la India

Figura 6.2. Ejemplos de hipótesis causales multivariadas (con más de una variable independiente o más
de una variable dependiente).
(ConcluSión)
 Formulación de hipótesis en la ruta cuantitativa 133

En ciertos estudios puede haber estructuras causales de variables más complejas que resulta di-
fícil expresar en una sola hipótesis, porque las variables se relacionan entre sí de distintas maneras.
Entonces se plantean las relaciones causales en dos o m ás hipótesis, o de forma gráfica (observa la .
figura 6.3f

Salario Motivación

~
intrínseca Intención
de

Solidaridad
del supervisor Satisfacción
7 - permanecer
o cambiar
de trabajo

~
la bora l

Autonomía en
el trabajo
/ Estrés
labora l
Satisfacción
con la vida

La figura 6 .3 podría desglosarse en múltiples hipótesis; por ejemplo.

H1: "El salario incrementa la satisfacción laboral".
H2 : "La solidaridad del supervisor y la autonomía en el trabajo incrementan la satisfacción laboral".
H3: "La satisfacción laboral aumenta la motivación intrínseca".
H4 : "La satisfacción laboral disminuye el estrés laboral".
H5 : "La motivación intrínseca y el estrés laboral determinan la intención de permanecer en el
puesto o cambiar de trabajo y la satisfacción en la vida en general".6

Figura 6.3. Estructura causal compleja mu ltivariada.

¿Qué son las hipótesis nulas?

Las hipótesis nulas como su nombre lo indica refutan o niegan lo que afirman las hipótesis de inves-
tigación. Representan el reverso o contradicción de estas (Babbie, 2012; Sullivan, 2009; Lavrakas,
2008 y Voi, 2003) . Si la hipótesis de investigación propone: "Los universitarios le atribuyen más
importancia al atractivo físico en sus relaciones de pareja que las universitarias", la hipótesis nula
postularía: "Los universitarios no le atribuyen más importancia al atractivo físico en sus relaciones
de pareja que las universitarias" .
En razón de que esta clase de hipótesis resulta la contraparte de la hipótesis de investigación,
hay prácticamente tantos tipos de hipótesis nulas como de investigación. Es decir, la clasificación
de hipótesis nulas es similar a la tipología de las hipótesis de investigación: hipótesis nulas predic-
tivas de un valor o dato (que niegan el valor predicho por la hipótesis de investigación), hipótesis
que niegan o contradicen la relación entre dos o más variables (hipótesis nulas correlacionales), hi-
pótesis que niegan que haya diferencia entre grupos que se comparan (hipótesis nulas de contraste
de grupos) e hipótesis que niegan la relación de causalidad entre dos o más variables (en todas sus
formas) [hipótesis nulas causales] . Las hipótesis nulas se simbolizan así: Ha.

6 Adaptado de Hernández-Sampieri (2005) y Andresen, Hansen y Grov (2016) . El segundo estudio se realizó con 498
enfermeras y 3 714 personas de diferentes ocupaciones, las variables se tomaron de ambas referencias. Se usó la variable
solidaridad de MacDonald, Kelly y Christen (2014)
 134 La ruta de la investigación cuantitativa

••
Ho: "Los fumadores no tienen un riesgo mayor de presentar un infarto que los no fumadores "
Ho: "El matrimonio y la cohabitación no mejoran el nivel de satisfacción en la vida" (NéBSS et al.,
2015)
Ho: "La prevalencia (proporción) del Alzheimer no será mayor entre los afroamericanos que entre
los individuos de raza blanca". O bien , Ho: "La prevalencia (proporción) del Alzheimer será
igual entre los afroamericanos que entre los individuos de raza blanca"
Ho: "Si es más elevada la autoestima, no habrá menor temor al éxito". También, Ho: "La autoesti-
ma no está relacionada con el temor al éxito" (simplemente se niega la asociación)

l'
¿Qué son las hipótesis alternativas?
Estas hipótesis, corno su nombre lo indica, son posibilidades opcionales ante las hipótesis de in-
vestigación y nula: proporcionan otra explicación o descripción diferente de las que ofrecen estos
dos tipos de hipótesis. Si la hipótesis de investigación establece: "Este automóvil es negro", la nula
afirmará: "Este automóvil no es negro", y podrían formularse una o más hipótesis alternativas: "Este
automóvil es azul", "Este automóvil es verde", "Este automóvil es blanco", etc. Cada una constituye
una descripción distinta de las que proporcionan las hipótesis de investigación y nula. Las hipótesis
alternativas se simbolizan corno Ha y solo pueden formularse cuando verdaderamente hay otras
posibilidades, además de las hipótesis de investigación y nula. De no ser aSÍ, no deben establecerse.

Si la hipótesis de investigación (Hi) es: "Las enfermeras de hospitales públicos presentan mayores
niveles de estrés laboral que las enfermeras de hospitales privados" (en una ciudad específica).
La hipótesis nula (Ho) sería: "Las enfermeras de hospitales públicos no presentan mayores niveles
de estrés laboral que las enfermeras de hospitales privados".
La hipótesis alternativa (Ha) sería: "Las enfermeras de hospitales públicos presentan menores
niveles de estrés laboral que las enfermeras de hospitales privados".

En ocasiones, no hay posibilidad de formular hipótesis alternativas, porque con la hipótesis de

investigación y la nula se cubren todas las posibilidades.

Hi: "Los universitarios le atribuyen más importancia al atractivo físico en sus relaciones de pareja
que las universitarias".
Ho: "Los universitarios no le atribuyen más importancia o le atribuyen menos importancia al atrac-
tivo físico en sus relaciones de pareja que las universitarias".

¿En una investigación se formu lan hipótesis

de investigación, nula y alternativa?
No existen reglas universales sobre si debernos incluir o no los tres tipos de hipótesis en los proyec-
tos o protocolos y reportes de investigación, aunque casi siempre solamente se formula la hipótesis
de investigación yen algunos casos únicamente la nula (Degelman, 2005, consultor de la American
Psychological Association). Si se enuncia la de investigación, la nula se deduce fácilmente o vicever-
sa. Recomendarnos que consultes las normas para autores de la revista o espacio donde pretendes
publicar tus resultados o en las bases correspondientes promulgadas en tu universidad.
 Formulación de hipótesis en la ruta cuantitativa 135

¿En una misma investigación se pueden formular

hipótesis de todo tipo?
Desde luego, hay investigaciones que formulan hipótesis de pronósticos de datos, de correlación,
de comparación de grupos y causales; todo depende del planteamiento del problema (número de
preguntas de investigación cuya respuesta pueda anticiparse o conjeturarse). Solamente los estu-
dios puramente exploratorios no formulan hipótesis, aunque cuando se concluyen suelen generar-
las como resultados.

Contexto: estudio con adultos de entre 20 y 24 años de la Ciudad de Tegucigalpa, Honduras?

. -. . .... .. .
¿Qué porcentaje de la población de
adultos de entre 20 y 24 años son ca-
sados? ¿Qué porcentaje son solteros?
¿La fidelidad en el matrimonio está
asociada con la salud mental de los
cónyuges?
¿El matrimonio produce mayor nivel de
satisfacción en la vida en hombres que
en la de las mujeres?
¿El matrimonio genera una mejoría en
la salud mental de los cónyuges?
...
Hi: "El porcentaje de adultos de entre 20 y 24 años ca-
sados es de 60% a 65%" (hipótesis de pronóstico).
Hi: "La fidelidad en el matrimonio se encuentra correla-
cionada significativamente con la salud mental de los
cónyuges" (hipótesis de correlación no direccional).
Hi: "A mayor fidelidad en el matrimonio, mejor nivel de
salud mental de los cónyuges" (hipótesis de correla-
ción direccional).
Hi: "El matrimonio produce mayor nivel de satisfacción
en la vida en hombres que en la de las mujeres"
(hipótesis de diferencia de grupos direccional). Se
asume causalidad.
Hi: "El matrimonio genera una mejoría en la salud mental
de los cónyuges respecto a cuando estaban solte-
ros" (hipótesis causal).

¿Qué se hace con las hipótesis en la ruta cuantitativa?

Prueba de hipótesis
En la ruta cuantitativa, las hipótesis se someten a prueba o escrutinio empírico para determinar si
son apoyadas o refutadas por los resultados de la investigación. En realidad, no podemos probar
que una hipótesis sea verdadera o falsa, sino argumentar que fue respaldada o no de acuerdo con
los datos obtenidos y análisis realizados en nuestro estudio y esto es válido para el contexto en cues-
tión (casos, lugar y tiempo). Lo anterior resulta particularmente cierto en ciencias sociales. Desde
el punto de vista técnico, no se acepta una hipótesis a través de una sola investigación, sino que se
aporta evidencia en su favor o en su contra. Cuantas más investigaciones apuntalen o respalden
una hipótesis más credibilidad tendrá.

¿Para qué sirven las hipótesis? ¿Cuáles son sus funciones?

Las principales funciones de las hipótesis en la ruta cuantitativa son las siguientes:
1. Guiar u orientar al investigador hasta el final de la ruta del proceso cuantitativo. Las hipótesis
se someten a prueba implementando un método (diseño de investigación, muestra, recolec-
ción de datos) y analizando resultados. Proporcionan orden y lógica al estudio.

7 Adaptado del estudio de Strohschein y Ram (2016) con 19163 adultos jóvenes (20 a 24 años) de la India.
136 La ruta de la inve stigación cuantitativa

2. Sirven para describir y explicar el fenómeno o problema al que se refieren. Cada vez que una
hipótesis recibe evidencia empírica a favor o en contra, nos dice algo acerca del fenómeno o
problema con el que se asocia. Si la evldencia es a favor, la información sobre el fenómeno se
incrementa; y aun si la evidencia es en contra, descubrimos algo acerca del fenómeno que no
sabíamos antes.
3. Apoyar en la prueba o escrutinio de teorías. Cuando varias hipótesis de
J una teoría reciben evidencia favorable, la teoría va haciéndose más sólida.

¿Qué ocurre cuando no se aporta evidencia

¿Qué sucede si lo resultados no apoyan
mis hipótesis? iNo te preocupes, g ene-
raste conocimiento, que es la meta de la
investigació n!
en favor de las hipótesis de nuestra
investigación?
¿Qué sucede si los resultados no apoyan mis hipótesis? Seguramente te has
preguntado esto. La respuesta es sencilla: si hiciste tu mejor esfuerzo y re-
corriste debidamente la ruta cuantitativa, no te preocupes, generaste conoci-
miento, que es la meta de la investigación.
No siempre los datos y resultados apoyan las hipótesis. Pero el hecho de
que estos no aporten evidencia en favor de las hipótesis planteadas de ningún
modo significa que la investigación carezca de utilidad. En la investigación el
fin último es el conocimiento y, en este sentido, también los datos en contra de
una hipótesis ofrecen entendimiento. Lo importante es analizar por qué no se
aportó evidencia en favor de las hipótesis. Siempre deben mencionarse todos
los resultados incluyendo aquellos que contradigan las hipótesis.

¿Qué hay de las variables que están contenidas

en las hipótesis? ¿Debemos definirlas? ¿Cuál es su papel?
Las hipótesis relacionan variables, por lo tanto, al formular una hipótesis, es indispensable definir
los términos o variables incluidos en ella. Esto es necesario por varios motivos:
1. Para que el investigador, sus colegas, los lectores o usuarios del estudio y, en general, cualquier
persona que examine la investigación le proporcione el mismo significado a los términos o va-
riables incluidas en las hipótesis. Hay variables que no generan confusión como edad o género;
pero la mayoría sí pueden tener varios significados y verse desde distintas perspectivas. Por
ejemplo: satisfacción en la vida, salud mental, personalidad, poder en la organización, motiva-
ción, sexo explícito, cultura organizacional, etcétera.
2. Asegurarnos de que las variables pueden ser medidas, observadas, evaluadas o inferidas, es
decir que de ellas se pueden obtener datos de la realidad .
3. Evaluar más adecuadamente los resultados de nuestra investigación, porque las variables y no
solo las hipótesis, se contextualizan.
4. Poder comparar nuestros resultados con los de otros estudios (saber si estamos hablando de lo
mismo y puede hacerse tal comparación) .
Las variables deben ser definidas de dos formas : conceptual y operacionalmente.

Definición conceptual o constitutiva

La definición conceptual es aquella que precisa o indica con otros términos cómo vamos a entender
una variable en el contexto de nuestra investigación. Generalmente se trata de una definición acor-
dada y validada por una comunidad científica o profesional y emana de la revisión de la literatura
(presente en diccionarios especializados, páginas web con respaldo institucional y publicaciones
como artículos de revistas académicas y libros) . Desde luego, para toda variable nueva siempre
habrá quien deba definirla por primera vez, particularmente en estudios exploratorios. Así, el tras-
torno bipolar se podría definir como una enfermedad mental caracterizada por cambios drásticos de
 Formulación de hipótesis e n la ruta cuantitativa 137

humor o estado de ánimo, de muy alto (fase maníaca) a muy bajo (fase depresiva) (Bryant, 2007);
y el liderazgo como el proceso mediante el cual un individuo dirige a un grupo o colectividad para
alcanzar una meta común (Northouse, 2015). Para definir esta variable existen decenas de defini-
ciones conceptuales, varias ligadas a una teoría, modelo o enfoque y que seguramente incluimos en
nuestro marco teórico, pero debemos elegir la que sea más consistente con nuestro planteamiento
del p;roblema y el abordaje concebido. .
Cuando la definición conceptual describe la esencia o las características de una variable, objeto
o fe nómeno se le denomina definición real (Reynolds 1986).

Ejemplos de definiciones conceptuales

. ..- Definición conceptual

Amor (contexto de pareja)
Morbilidad
Satisfacción labora l
Inte ligencia emocional
Suicid io
Sentimie nto intenso hacia otra persona que implica nece-
sidad de afili ación y depende ncia, comp rom iso, e l deseo
de estar cerca de e ll a íntima mente, ayudarla y cu ida rla,
anteponer sus neces idades hacia las propias y unirse en
pareja [adaptado de Graham (2011) y Rubin (1970)].
Número de personas que se enferman en un luga r geo-
gráfico y periodo determ inados (Romero, Hernández,
Garay y Hernández, 2015).
Orientac ión emociona l pos itiva hacia e l trabajo (MacDo-
nald et al., 2014) .
Capacidad para reconocer y controlar nuestras emocio-
nes, así como manejar con mayor destre za nuestras re la-
ciones (Mayer y Sa lovey, 1997; Go lema n, 1996).
Acto delibera damente iniciado y rea li zado por un a per-
son a e n pl e no co nocimie nto o expectativa de su des-
en lace fa tal que implica tomar la propia vida (Ru iz et al.,
2017; Staats y Dombeck, 2007,).

Producto Interno Bruto Conj unto del valo r de todos los bienes y servicios fina les
producidos en una economía durante un periodo de-
terminado, que puede ser tri mestra l, semestra l o anua l
(Centro de Investigación y Docencia Económ icas, 2004).

Estas definiciones son necesarias pero insuficientes para precisar las variables de la investigación,
porque no nos vinculan directamente con la realidad o con el fenómeno o problema. Después
de todo continúan con su carácter de conceptos. Los investigadores requieren ir m ás allá, deben
definir las variables que se incluyen en sus hipótesis, en forma tal que puedan ser medidas u ob-
servadas, comprobadas y contextualizadas. Lo anterior es posible al utilizar lo que se conoce como
definiciones operacionales.

Definición operacional
Una definición operacional consiste en el conjunto de procedimientos, técnicas y
métodos para medir una variable en los casos de la investigación. Constituye las
actividades que un observador debe realizar para recibir las impresiones senso- Definición operacional Conjun-
riales que indican la existencia de un concepto teórico en mayor o menor grado to de procedim ie ntos y activida-
(MacGregor, 2006; Reynolds, 1986). La definición operacional nos señala: para des que deben re alizarse para
medir una vari able e interpreta r
recoger datos respecto de una variable es necesario hacer esto y aquello, además
los datos obtenidos.
articula los procesos de un concepto que son precisos para identificar ejemplos de
este. De este modo, la definición operacional de la variable "temperatura" sería el
138 La ruta de la investigación cuantitativa

termómetro y la escala elegida (por ejemplo, grados centígrados); y "depresión" se definiría ope-
racionalmente como las respuestas a una prueba como el Inventario de Depresión de Beck (Beck,
Ward, Mendelson, Mock y Erbaugh, 1961; Sanz y Vázquez, 2011; Wu, 2015; Phan et al., 2016). Res-
p ecto a la "satisfacción sexual de los adultos", existen varias definiciones operacionales para medir
este constructo: La Escala de Satisfacción con la Vida Sexual (The Satisfaction With Sex Life Seale,
SWSLS) (Fabio y Gori, 2015); Inventario de Satisfacción Sexual de Golombok y Rust (Golombok
Rust Inventory of Sexual Satisfaction, GRISS) (Rust y Golombok, 1986; Ak et al. , 2013) Yel Inventario
de Satisfacción Sexual (Álvarez-Gayou Jurgenson et al., 2005),8 para ambos géneros.
La variable "ingreso familiar" podría operacionalizarse al preguntar sobre el ingreso personal
de cada uno de los miembros de la familia y luego sumar las cantidades que cada quien indicó. El
"atractivo físico" en un certamen de belleza se operacionaliza al aplicar una serie de criterios que
un jurado utiliza para evaluar a las candidatas; los miembros del jurado otorgan una calificación
a las contendientes en cada criterio y después obtienen una puntuación total del atractivo físico.
Casi siempre se dispone de varias definiciones operacionales (o formas de operacionalizar) de una
variable. Para definir operacionalmente la variable "personalidad" se cuenta con diversas opciones:
las pruebas psicométricas, como las diferentes versiones del Inventario Multifacético de la Persona-
lidad Minnesota (MMPI); pruebas proyectivas como el Test de Rorschach o el Test de Apercepción
Temática (TAT), etc. Es posible medir la ansiedad de un individuo por medio de la observación
directa de los expertos, quienes juzgan el nivel de ansiedad de esa persona; con mediciones fisio-
lógicas de la actividad del sistema psicológico (presión sanguínea, respiraciones, etc.) (Reynolds,
1986) y con el análisis de las respuestas a un cuestionario de ansiedad como la Escala de Hamilton
(Hamilton, 1969; Bachner, 2016) . El aprendizaje de un alumno en un curso de investigación se
mediría con el empleo de varios exámenes, un trabajo, o una combinación de exámenes, trabajos
y prácticas. .

Ejemplos de definiciones operacionales

. .... Definición operacional

Amor (contexto de pareja) Escala de Medición del Amor y el Vínculo de Rubin (26 ítems,
13 para cada concepto donde se evalúa del1 al 9) (Graham ,
2011).

Presión arterial Lectura de presión arterial sistólica y diastólica media nte un

esfigmomanómetro versus estándares cl ínicos de normalidad
por edad.

Satisfacción labo ra l
Escala de Satisfa cción Laboral de And rews y Withey con cinco
reactivos donde se califica de 1 a 7 (MacDona ld et al., 2014).
Escala de la Universidad de Celaya que considera nueve ítems
que evalúan la satisfacción general, la satisfacción con res-
pecto al jefe, el desarrollo personal, el salario, las relaciones
con compañeros, los resultados en el trabajo y cuestiones del
puesto en sí (Hernández-Sampieri, 2004; Méndez, He.rnán-
dez-Sampieri y De la Garza, 2017).

Inteligencia emocional Test de Inteligencia Emocional de Goleman. 32 reactivos con

puntuaciones de 1 a 4 que miden cuatro dimensiones: autoco-
nocimiento, conciencia social, habilidades sociales yautoges-
tión-autocontrol (Yadav y Punia, 2016).

B Podrás encontrar el desarrollo de esta definición operacional de la satisfacción sexual en la página web de la obra y
descargarlo (en Ejemplos -+ Mixto --> Ejemplo Diseñ o de una escala autoaplicable para la evaluación de la satisfacción
sexual en hombres y muj eres mexican os).
 Formulación de hipótesis en la ruta cuantitativa 139

· .....
Satisfacción con la calidad del
mobiliario d~ ofici~a
Crecimiento de los tumores can-
cerígenos
Producto Interno Bruto
Grado de satisfacción con: a) el confort del mobiliario personal
para trabajar (silla, escritorio, computadora, equipo, etc.); b) la
capacidad de ajuste y adaptabilidad de los muebles y c) los
colores y texturas del piso, los muebles y los acabados de las ·
superficies (mediante escalas de tipo Likert: "muy satisfecho",
"satisfecho", "insatisfecho" y "muy insatisfecho" en cada rubro,
las cuales se explican en el capítulo 9 de este libro: "Recolec-
ción de los datos cuantitativos") (Lee y Guerin, 2009).
Mamografías comparativas y, recientemente, con modelos
de una función continua del tamaño del tumor que conside-
ran volumen, diámetro y tiempo, así como edad y datos de la
población donde se efectúa el estudio (ritmo de crecimiento)
(Weedon-Fekjrer, Lindqvist, Vatten, Aalen y Tretli, 2008).
Utilizar el dato que proporcione un organismo público de esta-
dísticas económicas nacionales que sea confiable.
Calcularlo utilizando el método de producción:
n

PIB = L VAB + DM + Ip
1- 1

VAB: Valor agregado bruto

DM : Derechos de importación
Ip: Impuesto a los productos.
(Instituto Nacional de Estadística e Informática de Perú, 2017)

Si el investigador dispone de varias definiciones operacionales para medir una variable, debe
elegir la que proporcione mayor información sobre esta, la que capte mejor su esencia, se adecue
más a su contexto y sea más precisa, válida y confiable. Estos criterios serán ampliados en el capítu-
lo 9, "Recolección de los datos cuantitativos". Una correcta selección de las definiciones operacio-
nales disponibles o la creación de la propia definición operacional se encuentran muy relacionadas
con una adecuada revisión de la literatura. Cuando esta ha sido cuidadosa, se tendrá una gama más
amplia de definiciones operacionales para elegir o más ideas para desarrollar una nueva. Asimis-
mo, al contar con estas definiciones, el tránsito a la elección del o los instrumentos para recabar los
datos es rápido, pues solo debemos considerar que se adapten al diseño y a la muestra del estudio.
En una investigación se tienen por lo regular diversas variables y, por lo tanto, se formularán varias
definiciones conceptuales y operacionales.
Una cuestión que debemos resaltar es que las definiciones conceptuales y
Definición operacional De una
operacionales son necesarias en todos los estudios, aun cuando no se formulen
variable debe ser consistente o
hipótesis. Siempre que estén presentes las variables, se incluyen. congruente con la respectiva
A continuación, se muestran dos ejemplos de hipótesis con sus variables y las definición conceptual.
correspondientes definiciones conceptuales y operacionales .

... Ejemplo
Ejemplos de hipótesis con definiciones conceptuales y operacionales de las variables

Hi: "A mayor autonomía en el trabajo, menor ausentismo laboral"

Autonomia Ausentismo

Definiciones Percepción del grado de libertad El grado en el cual los empleados

conceptuales que tienen los empleados para to- no se reportan a trabajar a la hora
mar decisiones relativas a su pues- en que estaban programados para
to y realizar su trabajo. hacerlo.
(Continúa)
140 La ruta de la investigación cuantitativa

(Continuación)

. . .... Autonomia
Defin iciones Auto-reporte de autonomía Número de horas no laboradas por
operac iona les (Esca la del Cuestionario de l Clima faltas y retardos de acuerdo a la re-
Organi zacional de la Univers ida d visión de los registros e lectrónicos
de Ce laya . Versión 2017, 6 ítems). de asistenc ia al trabajo durante el
último semestre.

En ocasiones, no se incluyen las definiciones conceptuales de las variables porque como diji-
mos son demasiado obvias. Tal sería el caso de edad, género, estatura, etc. Decimos cómo se mide:
años, pregunta en un cuestionario, metros y centímetros, etc., pero imagínate definir qué es edad,
no tendría sentido (tal vez, edad psicológica, pero no física). En otros casos, se definen elementos
de la variable o se contextualiza dentro de nuestro estudio, pero de manera abreviada. Por ejemplo,
la hipótesis (Hi): "El consumo suplementario de selenio puede ser un factor que contribuya a redu-
cir el ritmo de crecimiento de tumores cancerígenos en los senos de mujeres mayores de 50 años" .
No tendrías que definir todo sobre el selenio ni abundar en qué es el cáncer. Esto se aplica sobre
todo a reportes breves como los artículos científicos.

"" Ejemplo
Consumo suplementario
Variables
de Selenio (Se)
Defin iciones El sele nio es un mi cronutrie nte y
conce ptuales cofactor esencial en los s istemas
antioxid antes e ndógenos más
importa ntes del cue rpo hum ano
(Mue cke et al., 2010). Se e ncuentra
en alim entos como e l pan, cerea les,
pescados, carnes, le ntejas y los
huevos. Pu ede admi ni strarse e n do-
sis orgán icas.
Definiciones Administración de una dosis diaria
operaCionales supl e me nta ri a de orgá nico de
200 mg durante cin co años
(Muecke et a l., 20 10) .
Crecimiento de los tumores
cancerígenos
Tumores de mama di ag nosti cados
como ca nceríge nos o malign os por
pruebas de cri bado (ma mog rafía),
de gra do 2 (mode rada me nte
dife re nciados) y T2 (2-5 cm)
(Kome n, 2016; Quintela, 2005)
Ma mog rafías com pa rativas de
acuerdo con un modelo de fun ción
continu a del tamaño del tumor que
co nsid era vo lum e n, diámetro y
tie mpo, así como edad y datos de la
pob lación en la cual se efectúa
e l estudio (ritmo de crecimiento)
(Weedon-Fekjrer, Li ndqvist, Vatten,
Aa le n y Tretli , 2008). índice de
Crec imie nto Tumora l ki67 (Pa nal
et al., 2014; Ribas, 2015).

La investigacción en el desarrollo profesional

A lo largo de tu vida profesional formularás y someterás a prueba diversas hipótesis. Por ejemplo,
de pronósticos de distintas cifras, valores o datos, tales como: "La productividad de la fábrica, em-
presa, gerencia o departamento (para el próximo mes, semestre, año, etc.) será de ... ", "las ventas en
(periodo) se incrementarán ... %", "la rotación de personal disminuirá ... en el periodo ... ", "el negocio
aumentará su número de clientes a ... o en tal porcentaje para (fecha)", "el número de cirugías au-
mentará (disminuirá) en ...", etcétera.
De igual modo, las hipótesis correlacionales. Por ejemplo, "A mayores explicaciones sobre el
tratamiento médico (psicológico, dental, etc.) y realimentación que se le brinde a los pacientes, ma-
 Formulación de hipótesis en la ruta cuantitativa 141

yor será su apego a él y al seguimiento de instrucciones"; "Mientras

mayor sea la motivación que le proporcione a mis colaboradores (en
una empresa) o empleados (un negocio), mayor productividad en el
trabajo y compromiso con la compañía", "A mayor colaboración en-
tre lbs maestros que enseñan a un grupo, mayor aprendizaje de los
alumnos", "Los trabajadores que se encuentren más satisfechos con
su trabajo, internaliiarán en mayor medida los valores y visión de la
empresa", etcétera.
Asimismo, estarás lidiando constantemente con hipótesis de
diferencia de grupos: "El medicamento 1 es más eficaz que el medi-
camento 2 para controlar ... (disminuir ... , mejorar .. .)", "El sistema de
capacitación .. . incrementa más la productividad de los trabajadores
que los sistemas .. . y ... ", "El liderazgo transformacional del profesor Profesio nales sometiendo a prueba diversas
aumenta en mayor medida el aprendizaje de los estudiantes que el hi pótes is.
liderazgo autocrático o el permisivo". A veces hay que contrastar re-
sultados de métodos de trabajo, terapias, sistemas de costos, estrategias de ventas, maneras de
abordar a los pacientes, tratamientos dentales y, en fin, un sinnúmero de cuestiones que tienen
que ver con tus futuras labores.
y qué decir de las hipótesis causales, siempre tendrás que estar cuestionando y probando rela-
ciones de causa-efecto. Por ejemplo: "La satisfacción sobre la calidad del diseño ambiental del inte-
rior de la oficina donde se labora incrementa significativamente la satisfacción general del espacio
de trabajo por parte de sus ocupantes y su desempeño laboral" (arquitectos), "Las causas de la dis-
minución de las ventas son: ... , .. ., y ... (administradores)", "Los factores críticos de éxito de negocios
como e1rruo ' son ... , .. ., .. . y... " (empren de d ores,
)" e1 consumo d e ... provoca... " (nutno
. '1ogos,
)" ... y ...
generan un mayor confort de los pacientes que están hospitalizados en urgencias" (enfermeras).
Un ejercicio interesante es visualizar el tipo de hipótesis que puedes intentar probar cuando
estés desempeñando tu profesión .

.-
• Las hipótesis son explicaciones tentativas sobre el problema
de investigación o fenómeno estudiado que se formulan como
proposiciones o afirmaciones. Regularmente relacionan dos o más
variables o pronostican un dato, valor o cifra. Toman la estafeta
del planteamiento del problema para guiar la investigación
• Las hi pótesis emanan del marco o perspectiva
teórica y del planteamiento del problema .
También pueden deducirse de una teoría e
incluso de la experiencia.

Estudios exploratorios: no se formulan. Pueden ser

un resultado de la investigación .

Estudios descriptivos: solamente se formulan cuando

se pronostica un valor.

Estudios correlaciona les: se formulan hipótesis

correlaciona les o de asociación.

Estudios causa les: se fo rmul an

hipótesis causa les.
 142 La ruta de la investigación cua ntitativa

• Las hipótesis contienen variables, que son propiedades
cuya variación es susceptible de ser medida , observada o
inferida.
• Las hipótesis no necesariamente resultan verdaderas,
pueden o no serlo, y pueden o no comprobarse con da-
tos. Son explicaciones tentativas, no los hechos en sí.
• Las hipót esis deben: a) referirse a una situación real , se
prueban en un contexto específico y definido; b) contener
variables o términos medibles u observables y lo más
concretos, entendibles y precisos que sea posible;
c) proponer relaciones entre variables que resulten cla ras,
lógicas y factibles.

Hipótesis predictivas de un valor

en un tiempo específico.

11
Hipótesis correlaciona les: bivariadas, multivariadas;
direccionales, no direccionales.
Hipótesis de
investigación
Hipótesis de comparación de grupos: direccionales,
no direccionales.

Hipótesis causales: bivariadas y multivariadas,

direccionales, no direccionales.

Hipótesis nulas: refutan o niegan lo que afirman las hipótesis

de investigación . Son su reverso, su contrad icc ión.

Hipótesis alternativas: opciones ante las hipótesis de investigación y nula.

Proporcionan otra explicac ió n o descripció n diferente de las que
ofrece n estos dos t ipos de hipótesis.

Hipótesis estadísticas: son las hipótesis de investigación traducidas a términos estadísticos

(se revisan en el capítulo 8 de la página web).

• En una investigación pueden formularse una o varias hipó-
tesis de distintos tipos.
• En la ruta cuantitativa, las hipótesis se contrastan con
la realidad para aceptarse o rechazarse en un contexto
determinado.
• Cuando las hipótesis no se prueban también se genera
conocimiento.
• La formulación de hipótesis va acompañada de las defi-
niciones conceptuales y operacionales de las variab les
contenidas dentro de las hipótesis.
• La definición conceptual es aquella que precisa o indica
con otros términos cómo vamos a entender una variable
en el contexto de nuestra investigación. Generalmente
se trata de una definición acordada y va lidada por una
comunidad científica o profesional.
• La definición operacional es el conjunto de procedimien-
tos y actividades que deben realizarse para medir una
variable e interpretar los datos obtenidos.
 Formulación de hipótesis en la ruta cuantitativa 143

--
,)";: Conceptos básicos

(Ver más en e l glosario en el Centro de recursos en línea de la obra). ir~/I Centro de

recursos
en línea

Defini~ión conceptual Hipótesis estadística

Definición operacional Hipótesis no direccionales
Hipótesis Hipótesis nula
Hipótesis alternativa Prueba de hipótesis
Hipótesis causales Tipo de hipótesis
Hipótesis correlacionales Variable
Hipótesis de investigación Variable dependiente
Hipótesis de la diferencia de grupos Variable independiente
Hipótesis descriptivas del valor de variables Variable interviniente
Hipótesis direccionales

Ejercicios

Centro de
recursos
en línea

Respuestas en la página web, Material Complementario ~ Apéndices ~ Apéndice 3 Respuestas a los

ejercicios seleccionados: http://www.mhhe.com/ latam/sampieri_mi1e

1. Localiza en una revista científica de tu campo o área de conocimiento un artículo con un estudio
cuantitativo que contenga al menos una hipótesis y responde: ¿se encuentran redactadas ade-
cuadamente las hipótesis?, ¿resultan comprensibles?, ¿de qué tipo son (de investigación, nula,
alternativa , descriptiva de un dato o valor que se pronostica, correlacional , de diferencia de gru-
pos o causal)?, ¿cuáles son sus variables y cómo están definidas conceptual u operacionalmente?,
¿qué podría mejorarse en el estudio respecto de las hipótesis?
2. Las siguientes hipótesis, ¿a qué tipo de hipótesis de investigación corresponde cada una?

"La administración de medicamentos se encuentra

asociada con daños físicos a la estructura de los
dientes en adultos mayores".

"Los niños de zonas rurales de la provincia o depar-

tamento de Ca ldas, Colombia , ven diariamente tres
horas de televisión en promedio".

"El compromiso organizacional y el grado de inno-

vación en el trabajo de ejecutivos de compañías
fabricantes de automóviles brasileñas influye en su
ascenso dentro de la organización".

"Las escenas de la telenovela La verdad de Lucy

presentarán mayor contenido sexual explícito que
las de la telenovela Sentimientos de Laura, y estas, a
su vez, un mayor contenido sexual explícito que las
escenas de la telenovela Mi último amor, Paulina".

"Quienes logran más altas puntuaciones en el exa-

men de matemáticas tienden a alcanzar las puntua-
ciones más elevadas en el examen de estadística".

"Los factores de la personalidad constituyen un

predictor de enfermedades cardiacas".
(Continúa)
 144 La ruta de la investigación cuantitativa

(Continuación)

. _. . . . _ .. - Hi pótesis---- - - - - - ~~
. ". " " ' :n PP ~
' .... ~_ ~ . . .-. __ .~ .... ~ ..........

"Las estaciones de servicio de gasolina (gasolineras)

en las cuales se implante un sistema de calidad ISO
de última generación incrementarán más sus ventas
que aquellas donde no se introduzca tal sistema",

"E l bajo nivel educativo, los celos y el alcoho lism o

del esposo provocan violencia intrafami liar".

3. Formula las hipótesis que corresponden a la figura 6.4.

Apatia
1
1
Marginación
Desnutrición Retardo mental
socioeconómica

Bajas defensas
del organismo

Enfermedades Enfermedades
infecciosas carencia les

Figura 6.4. Formulación de hipótesis.

Ejemplos desarrollados

Videojuegos y jugadores
Para este estudio se podrían formular diversas hipótesis. Algunos ejemplos serían :
Hi: "Entre 40 y 50% de los adultos estadounidenses han jugado un videojuego alguna vez en una
computadora, televisión o dispositivo electrónico portátil como la laptop, la tableta o el teléfono
celular o móvil" (hipótesis de pronóstico de un dato).
Ho: "Entre 40 y 50% de los adultos estadounidenses no han jugado un videojuego en una compu -
tadora, televisión o dispositivo electrónico portátil".
Ha: "Más de 50% de los adultos estadounidenses han jugado un videojuego alguna vez en una
computadora, televisión o dispositivo electrónico portátil ".
Hi: "Los hombres adultos han jugado más videojuegos que las mujeres mayores de edad" (hipótesis
de comparación de grupos direccional).
Ho: "Los hombres adultos no han jugado más videojuegos que las mujeres mayores de edad". O bien:
"Los adultos hombres y mujeres han jugado videojuegos alguna vez en la misma proporción" o
"No hay diferencias por género en ad ultos estadounidenses en cuanto al porcentaje que ha juga-
do videojuegos alguna vez".
Hi: "Los videojuegos violentos tienden a provocar actitudes violentas en las personas adultas que los
juegan" (hipótesis causal direccional).
Aplicación de plasma rico en plaquetas para el tratamiento de úlcera en pie diabético
Hi: " El tiempo de cicatrización en úlceras de pie diabético es menor mediante la aplicación de plasma
rico en plaquetas que usando métodos tradicionales" (hipótesis de comparación de grupos direc-
cional).
 Formulación de hipótesis en la ruta cuantitativa 145

Ho: "El tiempo de ·cicatrización en úlceras de pie diabético no es menor mediante la aplicación de
plasma rico en plaquetas que usando métodos tradicionales".
Ha: "El tiempo de cicatrización en úlceras de pie diabético es mayor mediante la aplicación de plasma
rico en plaquetas que usando métodos tradicionales".
Hi: "El trata miento de úlceras en pie diabético con
la aplicación de plasma rico en plaquetas disminui-
rá en más de 50% el tamaño o área de las úlceras después de ocho semanas".
La pareja Y relación ideal
Deduce la hipótesis nula correspondiente.
Aunque algunos estudios realizados en el campo de las relaciones interpersonales y el amor han
encontrado factores y atributos para describir tanto a la pareja como a la relación ideal, por ejemplo:
Lamy (2016); Jankowiak, Shen, Yao, Wang y Volsche1 (2015); Hall (2012), Pearce et al. (2010), Weis y
Sternberg (2007) y Fletcher et al. (1999), consideramos que han sido hechos en contextos diferentes
al iberoamericano, razón por la cual es preferible partir desde una perspectiva exploratoria-descriptiva
y no establecer hipótesis respecto de qué factores emergerán . Por supuesto, si hubiera antecedentes
podrían establecerse hipótesis como: "Los atributos que emergerán para describir a la pareja ideal en
ambos géneros tendrán que ver con cuestiones afectivas (cariño, comprensión, amor, etc.)", "la apa-
riencia física será un atributo de la pareja ideal más mencionado por hombres que por mujeres", "los
atributos para definir a la relación ideal serán distintos en hombres que en mujeres".
¿Las preferencias musicales se relacionan con el pensamiento empático y sistemático?
Algunas hipótesis serían:
Hi: "Los niveles de empatía y el tipo de personalidad están vinculados con las preferencias musicales,
a través de estímulos musicales en universitarios latinoamericanos de entre 19 y 24 años de ambos
géneros" (hipótesis correlacional multivariada).
Hi: "Las preferencias musicales varían según el tipo de cerebro de las personas (E, B Y S), de acuerdo
con la Teoría de Empatía-Sistematización" (hipótesis de comparación de grupos).

Hoy más que nunca se requieren nuevos conocimientos que permitan tomar decisiones respecto de
los problemas sociales, lo cual sólo se puede lograr por medio de la investigación. Para tener éxito
al llevar a cabo un proyecto, es necesario comenzar con un buen planteamiento del problema y, de
acuerdo con el tipo de estudio, definir el enfoque que éste tendrá .
Algunas investigaciones como las de mercado o de negocios tratan de manera conjunta aspectos
cualitativos y cuantitativos. En tales casos se utilizan ambos enfoques, siempre y cuando sea de manera
complementaria.
MARíA TERESA BUITRAGO
Universidad Autónoma de Colombia Manizales,
Colombia

Una de las principales cualidades que debe tener un investigador es la curiosidad, aunque también
necesita cultivar la observación , con la finalidad de que sea capaz de detectar ideas que lo motiven a
investigar sobre ellas. Ya sea en una investigación básica o aplicada, un buen trabajo es aquel en el
cual el equ ipo especialista ha puesto todo su empeño en la búsqueda de conocimiento o soluciones,
manteni endo siempre la objetividad y la mente abierta para tomar las decisiones adecuadas.
En las investigaciones de carácter multidisciplinario, cuando el propósito es encontrar la verdad des-
de distintos ángulos del conocimiento, es posible mezclar los enfoques cuantitativo y cualitativo; ya que,
desde el enfoque aplicado, cada ciencia mantiene sus propios métodos, categorías y especialidad.
Aunque la investigación que se realiza en mi país aún no es suficiente, la calidad siempre se puede
mejorar. Para promover proyectos en todas las áreas se necesita del trabajo conjunto de las universida-
des, el gobierno y la industria.
GLADYS ARGENTINA PINEDA
Profesora de tiempo completo
Facultad de Ingeniería
Universidad Católica Nuestra Señora de la Paz
Tegucigalpa, Honduras.
 Variables, operacionalización, manipulación y escalas de
medida

Juan Carlos Argibay

Variable: Es cualquier propiedad o característica del organismo o del ambiente que

pueda variar, adoptando por lo menos dos valores diferentes, debiendo ser dichos
valores mutuamente excluyentes entre sí.

Categoría o valor: los distintos estados o variaciones que asume una variable. Por
ejemplo, si tomamos la variable edad, cada uno de sus valores son las distintas
edades (por ej. 20 años). En el caso de la variable nivel de estudio alcanzado, cada
uno de estos niveles serían las distintas categorías (por ej. Secundario completo).

Clasificación de las variables en el contexto de una relación causal.

En el contexto de una relación causal las variables se pueden clasificar en::

● Variables independientes
● Variables contaminadoras o extrañas
● Variables dependientes
Esta clasificación se aplica a relaciones de Causa y Efecto. En esta relación el lugar
de la causa lo ocupa la variable independiente y el lugar del efecto la variable
dependiente. También son posibles causas las variables contaminadoras o extrañas.
Cuando hacemos una investigación que implique una relación causal y elegimos el
fenómeno a estudiar, que sería la variable dependiente (el efecto), vamos a tener un
conjunto amplio de variables que pueden ser su causa. Esto variará de una variable
dependiente a otra, ya que cada variable dependiente tendrá sus propias causas.
En ese conjunto de variables que son factores causales para una variable
dependiente en particular se encuentran las variables independientes y las
contaminadoras.
Podemos decir entonces que las variables causales (también llamadas variables
relevantes) son aquellas que modifican o afectan de alguna manera a determinada
variable dependiente. De manera que las variables causales son tales, en relación a
determinada variable dependiente. Una variable podrá ser causal para
determinada/s variable/s dependiente/s y no para otra/s.
Las variables causales o relevantes incluyen a las independientes y a las
contaminadoras o extrañas. De ese conjunto de causas que son las variables
causales, cuando vamos a hacer una investigación elegimos una o varias para
estudiar en esa investigación. Estas son las variables independientes. Entonces, la
variable independiente es una supuesta causa de la variable dependiente (que es el
efecto) y es seleccionada entre todas las variables causales para ponerla a prueba
en una investigación. Es la variable cuya variabilidad explicaría la variabilidad de la
variable dependiente. Y la variable dependiente es aquella en la que se esperan
observar los efectos producidos por los cambios en la variable independiente. O
sea, que es la variable que variaría en función de la variabilidad que presente la
variable independiente.
En cuanto a las variables contaminadoras, al elegir de las variables causales una o
varias como variables independientes para poner a prueba en la investigación,
automáticamente todas las demás variables causales pasan a ser consideradas
variables contaminadoras o extrañas, que pueden seguir produciendo efecto sobre
la variable dependiente. De este modo, cuando manipulemos la variable
independiente, si no evitamos que las variables contaminadoras afecten a la
dependiente, no podremos saber si los cambios observados en ésta se deben a la
variable independiente o a las contaminadoras. Para evitar esto, es necesario
controlar a las variables contaminadoras para que no produzcan efecto sobre la
dependiente.
Podemos decir entonces que las variables contaminadoras o extrañas son todas
aquellas variables que pueden afectar a la variable dependiente y que no fueron
seleccionadas como variables independientes en una investigación. O sea, que una
variable puede ser contaminadora o extraña en una investigación y ser una variable
independiente en otra. La variable dependiente la elegimos en función del fenómeno
que queremos investigar. Las variables causales o relevantes no lo son per se, sino
en función de la variable dependiente elegida. Y las variables independientes y las
contaminadoras, tampoco lo son per se, sino en función de la estructura planteada
para la investigación y de la hipótesis de la misma.

Clasificación de las variables en el contexto de una relación NO causal.

En una relación no causal no hay variable independiente ni variable dependiente, ya

que estás implican relación de causalidad. Igualmente hay que tener en cuenta que
aunque la relación no sea de causalidad, al establecer una relación, se pueden
predecir los valores de una variable a partir de otra/s. Cuando relacionamos varias
variables con otra o cuando en una relación bivariada usamos una de las variables
para predecir la otra, se llama predictor/es a la/s variable/s que se utiliza/n para
predecir y se llama criterio a la variable que se va a predecir a partir de la/s
anterior/es. Cabe aclarar que el término variable criterio se utiliza también en
algunos casos como sinónimo de variable dependiente (especialmente en los
diseños factoriales). Por lo tanto, el sentido con que se usa el término lo determina
el contexto del método en el cual se usa. En términos generales, si quisiéramos
establecer un paralelismo entre esta clasificación (para relaciones no causales) y la
anterior (para relaciones causales), el predictor sería equivalente a la variable
independiente y el criterio a la variable dependiente. Cuando en una relación no
causal bivariada no se plantea ninguna de las dos variables como predictora de la
otra, podemos hablar de variables asociadas. El predictor y el criterio también son
variables asociadas, pero como en este caso vamos a usar una para predecir a la
otra, entonces directamente hablamos de predictor y criterio.
En las relaciones no causales también se pueden controlar variables que
intervengan en la relación entre las variables en estudio. Son variables asociadas
que no forman parte de la relación en estudio, pero que se puede y es deseable
controlarlas.

Constructo hipotético y operacionalización

Las variables planteadas a nivel teórico constituyen constructos hipotéticos. Estos

son conceptos creados deliberadamente con fines científicos. Las teorías incluyen
constructos hipotéticos, como Inteligencia, ansiedad, memoria, depresión, etc.
Una característica importante de los constructos hipotéticos es que son
inobservables. En una hipótesis teórica, sus términos están planteados como
constructos hipotéticos; pero para llevar a cabo esa investigación, hay que
contrastar empíricamente lo planteado en la hipótesis. Como no se puede contrastar
empíricamente (con los hechos observables) algo que es inobservable, es necesario
transformar ese constructo hipotético inobservable en un término empírico que sería
observable. A este paso de un término teórico a un término empírico se lo denomina
operacionalización.
La operacionalización consiste en indicar la forma en que el constructo hipotético se
va a hacer observable, o sea, cómo la variable planteada a nivel teórico se va a
trasladar a nivel empírico. Asimismo, cuando el término ya está planteado a nivel
empírico, pero en forma imprecisa, la operacionalización consistiría en una
exactificación del término empírico.

Tipos de definiciones operacionales

Hay dos tipos de definiciones operacionales:

Definición operacional experimental: nos describe el tipo de acciones que deberá

llevar a cabo el investigador a fin de producir los valores de la variable o en algunos
casos los criterios a seguir para aplicar dichos valores. Por ejemplo, si uno va a
poner a prueba el efecto de una psicoterapia, la operacionalización experimental
nos indicaría los procedimientos que habría que llevar a cabo para aplicar dicha
psicoterapia. La definición operacional experimental se puede aplicar únicamente a
las variables independientes y a las variables contaminadoras o extrañas.

Definición operacional de medida: Describe cómo se medirá una variable. Se

aplica a las variables dependientes (en todos los casos), pero también se puede
aplicar a las variables independientes. Esto ocurriría por ejemplo cuando la variable
independiente es imposible de operacionalizar experimentalmente. Por ej. si la
variable independiente fuera inteligencia, no hay forma de operacionalizarla
experimentalmente, ya que sus valores son propios del sujeto y el experimentador
no tiene forma de decidir a su antojo qué nivel de inteligencia tendrá cada sujeto.
Entonces no queda otra solución que recurrir a una operacionalización de medida,
de manera que medimos la inteligencia de los sujetos y a partir de allí los podemos
clasificar en distintos grupos en función de la medición realizada.
También en el caso de las variables contaminadoras se pueden usar
operacionalizaciones de medida. Esto sería principalmente, como en el caso
anterior, porque la operacionalización experimental es imposible o en algunos casos
también puede ser, porque pudiendo operacionalizarse de ambas formas, se opta
por una operacionalización de medida. En las relaciones no causales, predictor y
criterio tienen siempre operacionalizaciones de medida.

Manipulación de la variable independiente

La manipulación siempre remite a la variable independiente y es el conjunto de

tareas que lleva a cabo el investigador para aplicar dicha variable.

Tipos de manipulación

● Manipulación artificial (también se la llama intencional): es la aplicación de

una operacionalización experimental de la variable independiente. Esto hace que el
investigador pueda elegir libremente qué valores de la variable independiente va a
utilizar en la investigación y además pueda elegir a qué sujetos o grupos de sujetos
les va a aplicar esos valores. Un ejemplo podría ser la aplicación de diferentes
intervenciones psicoterapéuticas.

● Manipulación natural (también se la llama de selección): es la aplicación de

una variable independiente que tiene una operacionalización de medida. Lo que
hace que el investigador pueda elegir libremente qué valores de la variable
independiente va a utilizar en la investigación, pero lo que no puede elegir es a qué
sujetos aplicar esos valores porque cada sujeto ya tiene en sí mismo el valor que le
corresponde de la variable independiente. El investigador solamente mide la
variable independiente y clasifica a los sujetos en los distintos grupos. Un ejemplo
podría ser el que dimos antes en operacionalización de medida, que la variable
independiente fuera el nivel de inteligencia.

Definiciones

● Niveles: son los valores, las distintas categorías, que adopta la variable
independiente.
● Tratamiento: es la aplicación a los sujetos de cada nivel de una variable
independiente o de combinaciones de niveles de más de una variable
independiente.

Nivel de medición de las variables o escalas de medida

Cada variable es tipificada en una escala en la cual se pueden incluir todos los
valores que adopta. Hay distintos tipos de escalas con características diferentes
que, a grandes rasgos, se pueden clasificar desde las más básicas a las más
complejas en:

Cualitativas: Se expresan en cualidades y pueden ser a su vez:

- Escalas Nominales: la única propiedad que tienen estas escalas es la de

diferenciar unas cosas de otras. Por ej. los números de las camisetas de los
jugadores de futbol, distintas técnicas psicoterapéuticas.
- Escalas Ordinales: a la propiedad anterior de diferenciar unas cosas de
otras se le agrega que se puede establecer un orden jerárquico entre los valores de
la escala. De este modo se puede precisar que un valor es mayor o menor que otro
pero no se puede precisar cuánto mayor es o cuánto menor es. Por ej. nivel
educativo alcanzado: se puede decir que secundario es más que primario, pero no
se puede establecer con precisión cuánto mayor es.

Cuantitativas: se expresan en números, que tienen valor de número, y pueden ser:

- Escalas de intervalo y escalas de razón: a las propiedades de una escala

ordinal se le agrega que se puede establecer con precisión cuánto mayor o cuánto
menor es un valor de la escala respecto a otro. Lo que diferencia principalmente que
sea de intervalo o de razón es el valor cero: en la escala de intervalo el cero es
arbitrario, no significa necesariamente ausencia, mientras que en las de razón el
cero es absoluto, significa sí o sí ausencia de la característica o propiedad que
representa la variable. Por ej., la escala centígrada de temperatura es una escala de
intervalo ya que su valor cero NO representa ausencia de temperatura. La mayoría
de los tests psicológicos psicométricos se expresan en una escala de intervalo.
Ejemplos de escalas de razón son la altura y el peso de una persona. También es
una escala de razón la frecuencia con que se hace determinada conducta.

Aclaraciones:

● Las escalas cuantitativas pueden ser descendidas a ser expresadas como

ordinales. Por ej., si tomo un test que mida extraversión que se exprese con un
puntaje y sea una escala cuantitativa de intervalo. Podría expresar ese puntaje
como una escala ordinal de la siguiente manera, extraversión: baja - inferior al
término medio - término medio - superior al término medio - alta. El pasaje contrario
no se puede hacer, una escala que es esencialmente ordinal, como por ejemplo
nivel de educación alcanzado, no se la puede hacer cuantitativa.

● No hay que confundir escalas cualitativas y escalas cuantitativas con

metodologías cualitativas y metodologías cuantitativas, ya que, por ejemplo, en una
investigación cuantitativa se puede usar cualquiera de las cuatro escalas.
Igualmente, en muchos casos se privilegian las mediciones de las variables
dependientes hechas en escalas cuantitativas, porque facilitan los cálculos
estadísticos necesarios para analizar los datos. Lo mismo pasa con las variables a
usar en el método correlacional: se prefiere, dentro de lo posible, que sean
cuantitativas porque también son mejores para los cálculos estadísticos.
 Definición del alcance
de la investigación
en la ruta cuantitativa:
exploratorio, descriptivo,
~orrelaciona I o 'explicativo

Visualizar qué alcance tendrá nuestra investigación es importante

para establecer sus límites conceptuales y metodológicos,
así como direccionarnos en la ruta cuantitativa

Roberto Hernández-Sampieri

Paso 4 Definir el alcance de

la investigación

Inicia el desarrollo • Determinar si la investigación se inicia

del método de investigación como exploratoria, descriptiva,
correlacional o explicativa
• Estimar cuál será el alcance fina l de
la investigación

Proceso de investigación
cuantitativa

Al terminar este capítulo, el alumno será capaz de:

1. Comprender los alcances de la ruta de investigación cuantitativa.

2 . Conocer los factores que determinan el alcance inicial y final de un estudio cuantitativo.

En el capítulo se exponen y ejemplifican los alcances que puede tener una investigación cuantitativa
y los factores que inciden en ello: exploratorio, descriptivo, correlacional y explicativo. Asimismo, se
hace hincapié en que más que constituir categorías excluyentes o tipologías, representan un continuo
derivado del planteamiento del problema y la revisión de la literatura . Por otro lado, se insiste en que
ningún alcance es intrínsecamente mejor que otro, este depende esencialmente del propósito esta-
blecido para la investigación.
 r--
I
• Detona el método
I Los estu dios q ue se ini ~ i an con este alca nce:
Se deriva de:
El estado del conocimiento
revelado por la literatura
Planteamiento del problema
• Se visualiza el inicial y el final
(dónde comenzamos en la
ruta y hasta dónde queremos
llegar)
Los alcances más que constituir
categorías excluyentes
o tipologías, representan
un continuo de causalidad
• Una investigación puede
incluir aspectos o fin es
de más de un alca nce
...
Exploratorio
• Investigan fen ómenos o probl emas poco
estudiados, de los cuales se t ienen dudas o no
se han abo rd ado en el·contexto
• Identifican co nceptos o va ri abl es e hipótes is
promisorias para indagar
• Preparan e l terreno para estudi os más amplios,
elaborados y profun dos
• Ind agan desde una perspectiva innova dora
Descriptivo
Cuyos estudios:
• Tienen como finalidad especificar propiedades
y características de conceptos, fen ó menos,
variables o hechos en un contexto determinado
Definen y miden variabl es y las ca racteriza n, así
como al fenómeno o planteamiento referido
• Cu antifican y muestran con precisió n los ángulos
o dimensiones de un fenómeno, problema ,
suceso, comunidad, contexto o sit uación
Correlaciona I
Estudios con este alcance:
• Tienen como propósito conocer la relación o
grado de asociación que existe entre dos o más
conceptos, variables, categorías o fenómenos
en un contexto en particular
• Permiten cierto grado de predicción
Explicativo
Estudios altamente estructurados que:
• Pretenden determinar las causas de los eventos
y fenómenos de cualquier índole
• Establecen relaciones de causalidad entre con-
ceptos, variables, hechos o fenómenos en
un contexto concreto
• Generan un sentido de entendimiento de los
fenómenos y problemas que examinan
106 La ruta de la investigación cuantitativa

¿Qué alcances se pueden tener en la ruta cuantitativa?

Una vez que hemos re evaluado el planteamiento del problema a raíz de la revisión de la literatura y
el investigador lo mantiene, ajusta o modifica, la siguiente etapa en la ruta cuantitativa es visualizar
el alcance que tendrá la investigación.
Los alcances son cuatro: exploratorio, descriptivo, correlacional y explicativo. No representan
clases o tipos de investigación, ni son mutuamente excluyentes, sino que constituyen puntos entre-
lazados de un continuo de causalidad como se muestra en la figura 5.1, yen la práctica, cualquier
estudio puede incluir elementos de uno o más de ellos.

·Exploratori o Correlaciona l

Descriptivo Explicativo

Figura 5.1 A lcances de los estud ios.

Del alcance dependerá el método o estrategia de investigación, incluido el diseño, los procedi-
mientos y otros de sus componentes.
Los estudios exploratorios sirven para preparar el terreno y generalmente anteceden a in-
vestigaciones con alcances descriptivos, correlacionales o explicativos. Los estudios descriptivos
comúnmente son la base de las investigaciones correlacionales, las cuales, a su vez, proporcionan
información para llevar a cabo estudios explicativos que generan comprensión
del problema y resultan más concluyentes. Las investigaciones que se realizan en
un campo de conocimiento específico pueden incluir diferentes alcances en las
Estudios exploratorios Sirve n
distintas etapas de su desarrollo. Asimismo, es posible que una investigación se
para prepa rar el terreno. Antece-
inicie como exploratoria, después puede ser descriptiva y correlacional, y terminar
den a investigaciones con alca n-
ces descriptivos , corre lacionales
como explicativa.
o explicativos. Los alcances inicial y final de un estudio dependen de dos factores esenciales,
lo cual se ampliará más adelante en el capítulo: el estado del conocimiento previo
Estudios descriptivos Son la
base de las investigaciones co-
sobre el problema de investigación mostrado por la revisión de la literatura y el
rre lacionales. Pro porciona n in- propósito y perspectiva que el investigador pretenda dar al estudio. El alcance
form ación para lleva r a ca bo es- inicial es el punto en el cual deseamos empezar la investigación en la práctica y el
tudios explicativos. final representa hasta dónde queremos llegar (la meta en la ruta cuantitativa), y en
retrospectiva, hasta dónde pudimos hacerlo.

¿En qué consisten los estudios exploratorios

y cuál es su valor?
Los estudios exploratorios se llevan a cabo cuando el propósito es examinar un fenómeno o pro-
blema de investigación nuevo o poco estudiado, sobre el cual se tienen muchas dudas o no se ha
abordado antes. Es decir, cuando la revisión de la literatura reveló que tan solo hay guías no inves-
tigadas e ideas vagamente relacionadas con el problema de estudio, o bien, si deseamos indagar
sobre temas y áreas desde nuevas perspectivas.
Tal sería el caso de investigaciones que pretendieran analizar fenómenos desconocidos, poco
tratados o novedosos: un virus de reciente aparición o los patógenos que la Organización Mundial
de la Salud (2017) señaló como resistentes a los antibióticos,! una terapia psicológica completamen-
te innovadora para apoyar a personas con adicción a un nuevo estupefaciente, los efectos de nuevas
políticas migratorias que implican cambios drásticos y que son implementadas por un gobierno

1 Entre ellos las bacterias multirresistentes Acinetobacter, pseudomonas y varias enterobacteriáceas que pueden provocar
infecciones graves y ser letales.
 Definición del alcance de la investigación en la ruta cuantitativa 107

que recientemente llega al poder, el uso de nanorobots en tratamientos contra tumores cancerosos
y aneurismas, las perspectivas laborales de la generación Z o la visión de un hecho histórico trans-
formada por el descubrimiento de evidencia que estaba oculta.
Los estudios exploratorios también sirven para obtener información sobre la posibilidad de
llevar a cabo una investigación más completa y profunda respecto de un contexto particular, iden-
tificar conceptos o variables promisorias a indagar, establecer prioridades para futuros estudios o
sugerir afirmaciones, hipótesis y postulados.
Esta clase de investigaciones resulta común en las ciencias y el mundo profesional, sobre todo
en situaciones en las que existen pocos datos. Tal fue el caso de las primeras investigaciones de
Sigmund Freud, surgidas de la idea de que los problemas de histeria se relacionaban con las dificul-
tades sexuales. pel mismo modo, los estudios pioneros del sida, los experimentos iniciales de Iván
Pavlov sobre los reflejos condicionados y las inhibiciones, las investigaciones sobre productividad
de Elton Mayo en la planta Hawthorne de la compañía Western Electric y los estudios del conocido
Proyecto Genoma Humano implementado por el Departamento de Energía y los
Institutos Nacionales de la Salud de Estados Unidos para analizar la relación de
ciertos genes con enfermedades específicas son muestras de investigaciones que Estudios exploratorios Se Il e-
se iniciaron como exploratorias. van a cabo cuando el propósito
Los estudios exploratorios generalmente no constituyen un fin en sí mismos, es estudiar fenóm e nos y pro-
blemas nuevos, desconocidos
sino que determinan tendencias, identifican áreas, ambientes, contextos y situa-
o poco estudiados.
ciones de estudio, relaciones potenciales entre variables; o establecen el tono y
dirección de investigaciones posteriores más elaboradas y rigurosas. Estas inda-
gaciones se caracterizan por ser más flexibles en su método en comparación con las descriptivas,
correlacionales o explicativas, y son más amplias y dispersas. Asimismo, implican un mayor riesgo
y requieren gran paciencia, serenidad y receptividad por parte del investigador.

Diabetes mellitus de tipo 2

En términos más coloquiales, la diabetes mellitus tipo 2 es una enfermedad que se
caracteriza por un alto nivel de azúcar en la sangre y falta relativa de insulina o su pro-
cesamiento inadecuado por parte del organismo. Es la clase más común de diabetes
(American Diabetes Association , 2017).2
Diversas investigaciones médicas han revelado que este padecimiento crónico
tiene un predisponente genétic0 3 y que se potencia con la obesidad y la falta de ejer-
cicio. Sin embargo, este primer hallazgo ha resultado polémico en poblaciones asiá-
ticas y no se ha explorado lo suficiente. Por ello, AI-Serri, Ismael, AI-Bustan y AI-Rash-
dan (2015) [en términos muy simplificados] llevaron a cabo un estudio para evaluar la
asociación entre el alelo I del gen D y la predisposición a la diabetes mellitus de tipo
2 en un grupo árabe (Kuwait).4 Los resultados demostraron una correlación positiva
significativa, ajustados por las variables de edad, género e índice de masa corporal.
Lo relevante del ejemplo es que los investigadores exploraron y profundiza-
ron en un problema de investigación que no resultaba claro y requería de mayor
indagación. La evidencia encontrada sirve entre otras cuestiones para programas
de prevención o control de la diabetes en seres humanos que poseen dicho factor
predisponente.
Análisis exploratorio en ellabo-
ratorio de la diabetes mellitus
tipo 2.

2 Corno ya se había comentado, la Organización Mundial de Salud (2016) reportó en 2014 más de 422 millones de adultos
con diabetes, de los cuales aproximadamente 90% son casos del tipo 2 (Federación Mexican a de Diabetes, 2014).
3 El alelo D de la enzima común convertidora de angiotensina (ACE) l/polimorfismo del gen de D (rs4646994).
4 Se tipificaron genéticamente los polimorfismos ACE l/D por alelo directo-específico en 183 controles sanos y 400 pacientes
con enfermedades cardiovasculares con diabetes (n = 204) Y sin ella (n = 196).
108 La ruta de la investigación cuantitativa

¿En qué consisten los estudios descriptivos

y cuál es su valor?
Los estudios descriptivos pretenden especificar las propiedades, características y perfiles de perso-
nas, grupos, comunidades, procesos, objetos o cualquier otro fenómeno que se someta a un análi-
sis. Es decir, miden o recolectan datos y reportan información sobre diversos conceptos, variables,
aspectos, dimensiones o componentes del fenómeno o problema a investigar. En
un estudio descriptivo el investigador selecciona una serie de cuestiones (que, re-
Estudios descriptivos Tienen cordemos, denominamos variables) y después recaba información sobre cada una
como fina lid ad especificar pro- de ellas, para así representar lo que se investiga (describirlo o caracterizarlo).
piedades y características de con- Un censo nacional de población constituye un estudio descriptivo cuyo propó-
ceptos, fenómenos, variables o sito es caracterizar a los ciudadanos de una nación. Mide una serie de conceptos
hechos en un contexto determi- en un país y momento específicos como: aspectos de la vivienda (tipo particular o
nado.
colectiva, tamaño en metros cuadrados, número de pisos y habitaciones, materiales
usados en su construcción, si cuenta o no con energía eléctrica yagua entubada,
combustible utilizado, tenencia o propiedad de la vivienda, equipamiento, ubicación, etc.), informa-
ción sobre los ocupantes (número, medios de comunicación de que disponen, edad, género, bienes,
ingreso, alimentación, lugar de nacimiento, idioma o lengua, religión, escolaridad, ocupación, etc.)
y otras dimensiones que se juzguen relevantes para identificar a la población objetivo.

Estudio descriptivo para un programa de lealtad de un equipo de fútbol

Costa (2006) efectuó una investigación para analizar el potencial de un programa de lealtad para los aficionados o segui-
dores de uno de los principales equipos de fútbol en México. Entre otras variables consideró: deporte favorito para ver en
vivo y a través de la televisión, equipo de fútbol preferido, asistencia a partidos
de fútbol en el estadio (en general y de su equipo), exposición en televisión y
radio a partidos de fútbol (en general y de su equipo), nivel de afición y lealtad a
su equipo, afi liación o no al programa de lealtad de su equipo (si este tenía uno)
o conocimiento y predisposición para hacerlo, así como características socio-
demográficas (edad, género, estatus socioeconómico, escolaridad o grado de
estudios, deportes que practica y antigüedad como aficionado).
Describió a su muestra (por ejemplo, cuántos de los que consideran al
fútbol como su deporte favorito para ver en vivo y en televisión eran aficiona-
dos al equipo objeto del estudio, cuántos a los clubes rivales; qué porcentaje
de ellos son sumamente leales, etc.). La investigadora no pretendió analizar
quiénes son más leales al equipo favorito , si los hombres o las mujeres (co-
rrelacionar lealtad con género); ni vincular la edad con el nivel de as istencia
al estadio a ver directamente los partidos de fútbol. Tampoco examinó las
Potencial de un programa de lea ltad causas que generan un a mayor lealtad al equipo o determinan la decisión de
para aficionados de equipos de fútbol afiliarse al programa de lealtad. Se limitó a medir y describir. Después realizó
en México. otros estudios para profundizar en estos propósitos.

Lo mismo ocurre con el psicólogo clínico que tiene como fin describir la personalidad de un
grupo de individuos. Se limitará a medirla en sus dimensiones (hipocondría, depresión, histeria,
masculinidad-feminidad, introversión social, etc.), para posteriormente describirla. No le interesa
analizar si mayor depresión se relaciona con mayor introversión social; en cambio, si pretendiera
establecer asociaciones entre dimensiones o vincular la personalidad con la agresividad de los su-
jetos, su estudio sería básicamente correlacional y no descriptivo.
La revista Rollíng Stone, dedicada a la música popular, publicó en 2012 un estudio basado en
dos encuestas para determinar los 500 mejores discos de la historia (incluyendo todos los géneros
de rock como pop, progresivo, alternativo, metal, punk, góspel, reggae, folk, country, etc.). La
primera se efectuó en 2003, y se le pidió a un grupo de 271 músicos, productores, ejecutivos y
 Defi nición del alcance de la investigac ión en la ruta cu'antitati va 109

periodistas de la industria que indicaran cuáles eran sus selecciones. La segunda se llevó a cabo en
2009 con un grupo similar de 100 expertos a fin de considerar la primera década de este siglo. A
partir de los resultádos de ambas se elaboró la lista de los álbumes. Asimismo, se determinó cuáles
habían permanecido más semanas en el "top 40" y habían tenido más éxitos como número uno
y qué artistas tenían más discos en ella. Simplemente se incluyen los álbumes de acuerdo c.o n la
frecuencia de mención y los demás datos. No se explican las razones de por qué son considerados
los 500 mejores. Se trata de una investigación descriptiva. 5
Así como los estudios exploratorios sirven fundamentalmente para descubrir, encausar el rum-
bo y prefigurar, las investigaciones descriptivas son útiles para mostrar con precisión los ángulos o
dimensiones de un fenómen o, suceso, comunidad, contexto o situación. En esta clase de estudios
el investigador debe ser capaz de definir, o al menos visualizar, qué se medirá (qué conceptos,
variables, componentes, etc.) y sobre qué o quiénes se recolectarán los datos (personas, grupos,
comunidades, objetos, animales, hechos) . Por ejemplo, si vamos a medir variables en escuelas, es
necesario indicar qué tipos habremos de incluir (públicas, privadas, administradas por religiosos,
laicas, de cierta orientación pedagógica, de un género u otro, mixtas, etc.). La descripción puede
ser más o menos profunda, aunque en cualquier caso se basa en la medición de uno o más atributos
del fenómeno o problema de interés.

¿En qué consisten los estudios correlaciona les

y cuál es su valor?
Este tipo de estudios tiene como finalidad conocer la relación o grado de asociación que existe
entre dos o más conceptos, categorías o variables en un contexto en particular.
Así, los estudios correlacionales pretenden responder a preguntas de investigación como las
siguientes: ¿la obesidad en adultos mayores de 60 años está vinculada a un mayor riesgo de pade-
cer diabetes?, ¿los niños que dedican cotidianamente más tiempo a ver la televi-
sión tienen u:t;l vocabulario más amplio que los niños que ven diariamente menos
televisión?, ¿las dimensiones de la personalidad se relacionan con la presencia Estudios correlacionales Inves-
tigaciones que pretenden asociar
de enfermedades cardiacas?, ¿tales correlaciones reflejan una mayor vulnerabili-
conceptos, fenómenos, hechos
dad hacia las enfermedades?, ¿los agricultores que adoptan más rápidamente una
o va ria bles . Miden las variabl es y
innovación poseen mayor n ivel educativo que los que la adoptan después?, ¿las su relación en términos estadísti-
pequeñas empresas que generan mayor innovación tienen tasas de supervivencia coso
más elevadas?, etcétera.

Recursos económicos y supervivencia infantil

Un co nocid o investigador de cuest iones demográficas demostró la re-
laci ón entre los recursos económicos de las naciones y la supervivencia
infantil. Los países con indicadores económicos más altos tienen mayo-
res nivel es de supervivencia infantil (Rosling , 2006); esta asociación ~ e
encu entra me diatizada y contextuali zada por diversa s variables como la
escol arid ad y la inversión en salud (infraestru ctura , capacitación al per-
sonal sa nitario, etcétera).
Embarazo adolescente y rezago educativo
Villal obos-Hern ández et 01. (2015) demost raron que el rez ago educativo
está co rre lacionado significativamente con el embarazo, además el pri-
mero está presente en 74. 9% de las adol esce ntes con antecedente de Relación entre los recursos económicos de
emba razo. las nac iones y la supervivencia infa ntil.

5 Los primeros diez álbumes fueron: 1. Stg. Pepper's Lonely Hearts Club Band (Beatles), 2. Pet sounds (Beach Boys), 3. Revolver
(BeatlesJ, 4. Highway 61 revisited (Bob Dylan), 5. Rubber Soul (Beatles), 6. What's going on (Marvin Gaye), 7. Exile on rnain
street (Rolling Stones), 8. London calling (The Clash), 9. Blonde on blonde (Bob Dylan) y 10. The White album (Beatles).
110 La ruta de la investigación cuantitativa

En ocasiones solo se analiza la relación entre dos conceptos o variables, pero con frecuencia se
ubican en el estudio vinculaciones entre tres, cuatro o más variables. Los estudios correlacionales,
al evaluar el grado de asociación entre las variables, primero miden cada una de ellas (presunta-
mente relacionadas) y las describen, y después cuantifican y analizan la vinculación.
La utilidad principal de los estudios correlacionales es saber cómo se puede comportar un con-
cepto o una variable al conocer el comportamiento de otras'variables vinculadas. Las correlaciones
pueden ser positivas (directamente proporcionales) o negativas (inversamente proporcionales). Si
es positiva, significa que los casos que muestren altos valores en una variable tenderán también a
manifestar valores elevados en la otra variable. Si es negativa, implica que casos con valores eleva-
dos en una variable tenderán a mostrar valores bajos en la otra variable.
La investigación correlacional tiene, en alguna medida, un valor explicativo, aunque parcial,
ya que el hecho de saber que dos conceptos o variables se relacionan aporta cierta información
explicativa. Por ejemplo, si la adquisición de vocabulario por parte de un grupo de niños de cierta
edad (digamos de entre dos y cuatro años) se relaciona con la exposición a un programa de tele-
visión educativo, ese hecho llega a proporcionar cierto grado de explicación sobre cómo los niños
adquieren algunos conceptos. Asimismo, si la similitud de valores en parejas de ciertas comunida-
des indígenas guatemaltecas se relaciona con la probabilidad de que contraigan matrimonio, esta
información nos ayuda a explicar por qué algunas de esas parejas se casan y otras no. Desde luego,
la explicación es parcial, pues hay otros factores vinculados con la adquisición de conceptos y la
decisión de casarse. Cuanto mayor sea el número de variables que se asocien en el estudio y mayor
sea la fuerza de las relaciones, más completa será la explicación. En el ejemplo de la decisión de ca-
sarse, si se encuentra que, además de la similitud, también están relacionadas las variables tiempo
de conocerse, vinculación de las familias de los novios, ocupación del novio, atractivo físico y tradi-
cionalismo, el grado de explicación para la decisión de casarse será mayor. Además, si agregamos
más variables que se relacionan con tal decisión, la explicación se torna más completa.

Un riesgo de los estudios correlaciona les:

las relaciones espurias o falsas
Cuando planteamos un estudio correlacional debemos asegurarnos de que la relación entre los
hechos, conceptos o variables sea real y lógica. Puede ocurrir que dos variables aparentemente
se encuentren vinculadas, pero que verdaderamente no sea así. Esto se conoce en el ámbito de la
investigación como correlación espuria. Supongamos que lleváramos a cabo un estudio con niños
cuyas edades oscilaran entre siete y 12 años, con el propósito de analizar qué variables se encuen-
tran relacionadas con la inteligencia y la midiéramos por medio de alguna prueba de IQ. Asimismo,
tomamos datos de control como peso y estatura. Al analizar la base de información, veríamos una
tendencia: a mayor estatura, mayor inteligencia; es decir, los niños físicamente más altos tienden
a obtener una calificación mayor en la prueba de inteligencia, respecto a los niños de menor es-
tatura. Estos resultados no tendrían sentido. No podríamos decir que la estatura se correlaciona
con la inteligencia, aunque los resultados del estudio así lo indicaran. Esto sucede por lo siguiente:
la maduración está asociada con las respuestas a una prueba de inteligencia. Así, los niños de 12
años (en promedio más altos) han desarrollado mayores habilidades cognitivas para responder la
prueba (comprensión, asociación, retención, etc.) que los niños de 11 años; estos, a su vez, las han
aumentado en mayor medida que los de 10 años, y así sucesivamente hasta llegar a los niños de
siete años (en promedio los de menor estatura), quienes poseen menos habilidades que los demás
para responder la prueba de inteligencia. Estamos ante una correlación espuria, cuya "explicación"
no solo es parcial sino errónea. Se requeriría de una investigación explicativa para saber cómo y por
qué las variables están supuestamente relacionadas.

¿En qué consisten los estudios explicativos

y cuál es su valor?
Los estudios explicativos van más allá de la descripción de fenómenos, conceptos o variables o del
establecimiento de relaciones entre estas; están dirigidos a responder por las causas de los eventos
 Definición del alcance de la investigación en la ruta cuantitativa 111

Origen de los seres humanos "modernos". El Proyecto de la Diversidad Simons Genome:

300 geriomas de 142 poblaciones diversas
En el mundo contemporáneo se sigue debatiendo sobre si el ser humano actual evolucionó en diferentes regiones del
plar,eta como una especie interconectada a otras que le anteced ieron como el Homo erectus, o bien, si evolucionó
únicamente en África y de ahí emigró al resto del mundo y se reprodujo, originando la gran diversidad que prevalece
hasta nuestros días. De acuerdo con descubrimientos de los últimos años (por ejemplo , Moorjania et 01.,2016; Mallick
et al., 2016; y Reich et al., 2010), esta segunda hipótesis causal pareciera ser la que mejor explica nuestro origen, lo
cual tiene implicaciones profundas, pues significaría que todos procedemos de la misma región (latinoamericanos,
sajones, asiáticos, etc.) y que el racismo no posee ningún sentido ni tiene absolutamente bases morales o genéticas.
En otras palabras y como dijo en 2016 Alejandro González lñárritu, al recibir su segundo premio Osear consecutivo
como mejor director por la cinta The Revenant (El Renacido): "Tenemos que liberarnos de todos los prejuicios anti-
guos y de este pensamiento tribal. Entender que el color de la piel es tan irrelevante como el largo del cabello [... ]" (El
Comercio, 2016) .
Sin embargo, hay dos explicaciones alternativas: ciertas investigaciones su-
gieren que "todas las personas no africanas que viven en la actualidad pueden Estudios explicativos Investiga-
encontrar sus orígenes en una única población , mientras que otros trabajos pro- ciones en las que se tiene como
ponen que la migración fuera de África se produjo en varias olas y en diferentes propósito establecer las causas
momentos" (Sistema de Información y Noticias Científicas, 2016, p. 1). de los sucesos, problemas o fe-
Los estudios que revelan el origen del ser humano continuarán desarrollán- nómenos que se estudian.
dose hasta que se encuentre una explicación concluyente.

El suicidio: fenómeno multicausal

¿Cuáles son las causas del suicidio en los adolescentes? Esta pregunta típica de un estudio explicativo tiene que con-
textual izarse. ¿De qué adolescentes estamos hablando?
Pero, antes de comentar sobre las causas, lo que sabemos es que se trata de un grave problema de salud pública,
ya que de acuerdo a la Organización Mundial de la Salud (OMS) [2014], cada año se suicidan más de 800 000 personas
en todo el orbe. Es una de las primeras causas de mortalidad.
Como la mayoría de las cuestiones psicológicas, el suicido es multifactorial y en
cada caso incide una gran diversidad de razones personales (Ruiz-Hernández et al.,
2017; Ruiz y Fajardo, 2015), por lo que es muy difícil aglutinar todos los elementos en
una sola teoría explicativa.
Sin embargo, De Zubiría (2007) realizó un estudio con 3 000 estudiantes de
secundaria colombianos (11 a 18 años) en el cual encontró factores de riesgo que
pueden predisponer al suicidio o, en sus términos, "que disparan el mecanismo sui-
cida en su secuencia de pesimismo, desesperanza, ideación, pensamie nto suicida,
esbozo e intento de autoeliminación" (p. 11). Estos factores estructurales o causas
estadísticamente significativas fueron : la soledad, la depresión y la fragilidad (s itua-
ción existencial deficiente del joven en sus campos vitales). " Los tres factores pro-
puestos tienen una fuerte incidencia sobre la probabilidad de llevar a cabo intentos
de suicidio" (en los adolescentes) [De Zubiría, 2007, p. 12]. Por supuesto, no son las
únicas causas 6 ni su presencia implica necesariamente llegar a conductas suicidas,
y menos a su consumación: son predictores o factores de riesgo y así deben inter-
pretarse.
En ciencias sociales y humanas frecuentemente las investigaciones explicativas
no producen resultados un iversales y es a partir de la acumulación de datos de varias
de ellas que podemos empezar a comprender los fenómenos o problemas, pero más ¿Cuáles son las causas del su i-
bien en contextos específicos. cid io ado lescente?

6 Otras causas predisponen tes que han sido encontradas en diversos trabajos son: aislamiento social, alcoholismo y
dependencia de sustancias psicoactivas, problemas de pareja severos, situaciones laborales graves, estrés excesivo, pérdida
del sentido de vida, factores genéticos y antecedentes familiares suicidas, presencia de enfermedades terminales, condiciones
socioeconómicas difíciles, sentimientos de culpa y dinámicas familiares disfuncionales, solo por mencionar algunas (Ruiz-
Hernández el al., 2017; Ruiz Y Fajardo, 2015; Paniagua, González y Rueda, 2014; Bohórquez, 2009 y Montalbán, 1998).
112 La ruta de la investigación cuantitativa

y fenómenos de cualquier índole (naturales, sociales, psicológicos, de salud, etc.). Como su nom-
bre lo indica, su interés se centra en explicar por qué ocurre un fenómeno y en qué condiciones se
manifiesta, o por qué se relacionan dos o más variables.

Diferencias entre los distintos alcances

Las investigaciones explicativas son más estructuradas que los estudios con los demás alcances y
proporcionan un sentido de entendimiento del fenómeno al que hacen referencia, se guían por
preguntas como: ¿qué efectos tiene la incompetencia interpersonal (devaluación propia y ante los
demás, desconocimiento de los otros e inhabilidad social) sobre la idea de suicidarse y atentar con-
tra su vida en el caso de adultos jóvenes? (18 a 25 años en un contexto particul~), ¿qué variables
mediatizan los efectos y de qué modo?, a su vez, ¿cómo influye la baja autoestima en la incompe-
tencia interpersonal?, ¿determinada terapia disminuye la reincidencia de intentos de suicidio en
cierta población?, ¿cómo?, ¿por qué?, etcétera.
Los estudios descriptivos responderían a preguntas del tipo: ¿qué mecanismos utilizan los
adultos jóvenes para suicidarse? (arma de fuego, ahorcamiento, lanzamiento al vacío, etc.), ¿en qué
lugares ocurren los actos suicidas? (hogar, otra vivienda, vía pública, zona campestre, etc.), ¿cuál es
la prevalencia de suicidios en hombres y mujeres en el rango de entre 18 y 25 años en la provincia
X?, ¿cuántos suicidios por año se presentaron en cierto país durante la última década?, ¿qué perfi-
les tienen los adultos jóvenes que se suicidaron en el área metropolitana de determinada ciudad?
Las investigaciones correlacionales se abocan a preguntas como: ¿existe una relación entre el
suicidio y el desempleo en determinado grupo poblacional? (De Zubiría, 2007),7 ¿la prevalencia
del suicidio es más elevada entre quienes tienen mayor dependencia a sustancias psicoactivas?, ¿el
crecimiento en la incidencia de suicidios (casos nuevos en una población dentro de un determi-
nado periodo) se encuentra asociado con la deportación injustificada? (por ejemplo, de migrantes
latinos de los Estados Unidos hacia sus países de origen durante los últimos dos años). O bien, ¿el
cáncer de próstata está relacionado a la edad, el origen étnico y las mutaciones en el gen BRCA2?
(contextualizando la población).
Los estudios exploratorios, en cambio, responden a cuestionarnientos como: ¿cuáles son las
causas que originan los principales tipos de cáncer en los niños?,8 ¿un nuevo tipo de terapia para
los internos de una prisión de alto riesgo puede reducir significativamente el número de suicidios?,
¿existirá vida, aunque sea incipiente, en alguno de los planetas del sistema solar que orbitan alrede-
dor de la estrella denominada TRAPPIST-110calizados por la NASA en febrero de12017?, etcétera.

¿De qué depende que una investigación se inicie como

exploratoria, descriptiva, correlacional o explicativa?
Como ya se expresó, los principales factores que determinan el alcance inicial y final de un estudio
son dos: a) el conocimiento actual del problema de investigación que nos revele la revisión de la
literatura y b) el propósito que el investigador haya definido.

El conocimiento actual del problema de investigación

Este factor nos señala varias posibilidades como vimos en el capítulo anterior. En primer término,
la literatura puede revelar que hay antecedentes mínimos sobre el problema o fenómeno en cues-
tión, o que no son aplicables al contexto en el cual habrá de desarrollarse el estudio. Entonces, la
investigación deberá iniciarse como exploratoria. Por ejemplo, si pretendemos realizar una inves-
tigación sobre el consumo de drogas o sustancias psicoactivas ilegales en determinadas cárceles
y quisiéramos saber en qué medida ocurre y responder a otras interrogantes como ¿qué tipos de

7 Un elevado porcentaje de las personas que se suicidan son desempleadas: 69% en una serie de estudios y cinco veces la
media nacional en otra (Argyle, 1987, p. 85).
8 Todavía no se conocen las causas de la mayoría de los cánceres infantiles de acuerdo al Instituto Nacional del Cáncer de
Estados Unidos (2014).
 Definición del alcance de la investi gación en la ruta cuantitativa 113

narcóticos se consumen?, ¿a qué se debe ese consumo?, ¿quiénes suministran los estupefacientes?,
¿cómo es que se introducen en las prisiones? y ¿quiénes intervienen en su distribución?, pero
encontramos que no hay antecedentes ni tenemos una idea clara y precisa sobre el fenómeno, el
estudio se ihiciaría como exploratorio. .
"En segunda instancia, la literatura nos puede indicar que hay "piezas y trozos" de teoría ·con
apoyd.empírico moderado; esto es, estudios descriptivos que han detectado y definido ciertas va-
riables y generalizaciones. En estos casos, nuestra investigación puede iniciarse como descriptiva
o correlacional, pues se descubrieron variables o vínculos sobre los cuales fundamentar el estudio.
Asimismo, es posible agregar variables para medir. Si pensamos describir el uso que un grupo
específico de niños hace de la televisión, encontraremos investigaciones que nos sugieren varia-
bles a considerar: tiempo que dedican diariamente a ver televisión, contenidos que ven con mayor
frecuencia, actividades que realizan mientras ven televisión, etc. Podemos agregar otras, como el
control paterno sobre el uso que los niños hacen de la televisión. El estudio puede ser correlacio-
nal cuando los antecedentes nos proporcionan generalizaciones que vinculan variables (hipótesis)
sobre las cuales trabajar, por ejemplo: a mayor nivel socioeconómico, menor tiempo dedicado a ver
televisión.
En tercer término, la literatura puede revelar que hay una o varias teorías que se aplican a
nuestro problema de investigación; en estos casos, el estudio puede iniciars"e como explicativo.
Si pretendemos evaluar por qué ciertos ejecutivos están más motivados intrínsecamente hacia su
trabajo que otros, al revisar la literatura nos encontraremos con la Teoría de la Relación entre las
Características del Trabajo y la Motivación Intrínseca, la cual posee evidencia empírica de diversos
países Oin y McDonald, 2016; van den Berg, 2011; Hackman y Oldham, 1976) . Entonces pensaría-
mos en llevar a cabo un estudio para explicar el fenómeno en nuestro contexto.

El propósito definido por el investigador

El propósito, sentido y perspectiva que el investigador tenga en mente determinarán también cómo
iniciarlos. Si piensa en realizar una investigación sobre un problema o fenómeno estudiado pre-
viamente, pero quiere darle una visión diferente, el estudio puede iniciarse como exploratorio. Por
ejemplo, el liderazgo se ha investigado en muy diversos contextos y situaciones (en organizaciones
de distintos tamaños y características, con trabajadores de línea, gerentes, supervisores, etc.; en el
proceso de enseñanza-aprendizaje; en diversos movimientos sociales masivos, y muchos ambien-
tes más) . Asimismo, las prisiones como forma de organización también se han estudiado. Sin em-
bargo, quizás alguien pretenda llevar a cabo una investigación para analizar las características de
las mujeres líderes en las cárceles o reclusorios femeninos de la ciudad de San José de Costa Rica,
así como qué factores hacen que ejerzan ese liderazgo. El estudio se iniciaría como exploratorio,
en el supuesto de que no existan antecedentes sobre los motivos de este fenómeno (el liderazgo en
tal ambiente).

¿Una misma investigación puede incluir

diferentes alcances?
Algunas veces, una investigación puede caracterizarse como básicamente exploratoria, descriptiva,
correlacional o explicativa, pero no situarse únicamente como tal. Es decir, aunque un estudio sea
en esencia exploratorio, contendrá elementos descriptivos; o bien, un estudio correlacional incluirá
componentes descriptivos, y lo mismo ocurre con los demás alcances. Incluso, es posible que una
investigación se inicie como exploratoria o descriptiva y después llegue a ser correlacional y aun
explicativa.
De hecho, en la historia de las ciencias y profesiones diversos estudios se han iniciado como
exploratorios y llegaron a un plano explicativo. Tal fue el caso de la investigación longitudinal del
Corazón Framingham (Framingham Heart Study), la cual hacia finales de la década de 1940 comen-
zó a identificar los factores que pueden contribuir a las enfermedades cardiovasculares (Balaguer,
2004) . Recordemos que realmente se sabía poco al respecto. Fue necesario empezar explorando. Se
eligió a una población del estado de Massachusetts (cerca de Boston, Estados Unidos) que le otorgó
114 La ruta de la investigación cuantitativa

el nombre a la investigación. Un total de 5 209 hombres y mujeres de entre 30 y 62 años de edad

sanas (que no habían desarrollado síntomas de alguna enfermedad cardiovascular) participaron.
Se les hicieron diversas pruebas médicas y se llevó un cuidadoso seguimiento de cada individuo.
Cuatro años después de iniciado el estudio se detectaron 34 casos de infarto al miocardio y se con-
cluyó que el colesterol elevado y la presión arterial alta se encuentran asociados al desarrollo de las
enfermedades cardiovasculares (ECV). Es decir, de un nivel exploratorio se pasó a uno descriptivo
y correlacional.
La investigación continuó avanzando y emergieron diferentes factores de riesgo y causas deto-
nantes de tales padecimientos, llegando a un alcance explicativo como se puede ver en la figura 5.2.

1977: correlación
entre los triglicéridos
Poco co nocimiento 1967: la obesidad y el
y lipoproteínas
de los factores ejercicio se vinculan
con la enfermedad
de las ECV a las ECV
coronaria

Exploratorio . - Correlacional

1974: vinculación 1998 a la fecha: múltiples causas y

de la diabetes factores que afectan
con la enfermedad a las ECV
cardiovascu lar Factores ambientales y de estilo de
vida (tabaquismo, consumo de alcohol
y otras sustancias, contaminación , falta
de ejercicio, etcétera)
• Marcadores bioquímicos y fisiológicos
(presión arterial, diabetes, obesidad,
triglicéridos, hiperglucemia , etcétera)
• Factores genéticos

Figura 5.2 . Evolución del estud io del Corazón Framingham. 9

Igualmente ocurrió con los primeros estudios de las causas del hundimiento del Titanic el 14
de abril de 1912/° al inicio se tuvo que comenzar a explorar qué había pasado y por qué el trans-
atlántico se hundió, pues se tenían muy pocos antecedentes y los investigadores poseían escasa
información. Además de que el Titanic estaba hundido y no se sabía con exactitud dónde, ni se
disponía de la tecnología para llegar a él. Se efectuaron entrevistas con los sobrevivientes y se revi-
saron los registros de llamadas telefónicas y algunos documentos que pudieron recuperarse.
Estos primeros estudios llegaron a describir los hechos (por ejemplo, cuántas personas murie-
ron [1 51n de qué nacionalidades y género) y relacionaron variables (por ejemplo, la falta de botes
salvavidas [solamente se disponía de 1 176] Y el número de fatalidades). Se concluyó, en términos
generales, que la causa había sido el choque con el iceberg (explicativo) . También que no se redu-
jo la velocidad ni se llevó a cabo una reunión entre los oficiales para considerar las advertencias.

9 Adaptada de Framingham Heart Study (2015) y O'Donnella y Elosuac (2008). Desde luego, es un resumen simplificado
para los lectores no familiarizados en cuestiones de la salud. Para conocer más de este estudio recomendamos leer el
Manual de investigación epidemiológica, el cual se encuentra en la página web de esta obra: Centro del
estudiante: Manuales de investigación en medicina.
/.r Sr;:::::~/e
~/" en línea
10 Adaptado de Hernández-Sampieri, Zapata y Mendoza (2013) .
 Definición del alcance de la investigación en la ruta cuantitativa 115

Asimismo, no se redobló el personal en el puesto de observación. Se aclaró que no había neblina y

que no hubo succión o aspiración a medida que la nave desapareció (Titanic Inquiry Project, 2012).
Con los años surgieron diversas hipótesis sobre otras causas (por ejemplo, que el enorme bar-
co de 46 3"28 toneladas tenía problemas estructurales; que el acero empleado en su construcción
- como la mayoría de las embarcaciones de la época- tenía impurezas, lo cual provocaba que este
material se hiciera quebradizo y por ende, menos resistente a posibles impactos; que las aguas del
Atlántico Norte estaban más frías de lo normal para esa época del año, hecho que también afectó la
resistencia del acero, etc.). (Titanic Inquiry Project, 2012). Así transcurrieron más de siete décadas.
En 1985, se organizó una expedición submarina para localizar al Titanic, patrocinada por el
Instituto Norteamericano de Oceanografía de Woods Hale y el Instituto Francés de Oceanografía
(Ifremer), dirigida por Robert D. Ballard. La nave fue encontrada a 3810 metros, a unos 531 km de
la costa de Canadá (Pontes, 2012). Estudios explicativos efectuados a partir de las imágenes subma-
rinas demostraron que el impacto del iceberg no cortó las planchas de acero del costado del Titanic,
sino que simplemente arrancó los remaches que las unían. Las planchas, al separarse, dejaron
que entrara el agua, que fue lo que causó el hundimiento (Pontes, 2012). Asimismo, se determinó
después de varios experimentos que, efectivamente, el acero con el cual se construyó no era tan
resistente. Sin embargo, las explicaciones finales y completas sobre las causas del hundimiento y
todos los factores que contribuyeron, se hicieron después de una serie de estudios encabezados por
el cineasta James Cameron, en los cuales diferentes expertos basándose en la posición de algunos
restos - en específico de las dos secciones del doble fondo y de un fragmento de las cubiertas bajo
la tercera chimenea- reconstruyeron los últimos momentos del transatlántico, combinando infor-
mación que provenía de los testimonios de los supervivientes con conocimientos de física forense
e ingeniería naval. Incluso generaron un modelo que es la representación más fiel de lo que ocurrió
al Titanic (National Geographic, 2012).
El modelo del hundimiento de Cameron implica que el transatlántico se partió desde las cu-
biertas superiores hasta la quilla (teoría descendente) sobre el agua, y es interesante porque se
sale un poco de la visión tradicional en dos puntos: el lugar por donde se produce la fractura (por
delante de la tercera chimenea) y el ángulo que alcanzó antes de partirse (23 grados), intermedio
entre los modelos que sostienen que se partió con un ángulo bajo y los que consideran que se di-
vidió con un ángulo alto, esto último tal como el cineasta mostró en su película de 1997 (National
Geographic, 2012) . Realmente, "nunca se hundió verticalmente".
En 100 años, los estudios sobre el hundimiento del Titanic comenzaron como exploratorios y
terminaron como causales, con bastante profundidad.

¿Cuál de los cuatro alcances es el mejor para un estudio?

Esta inquietud es común y la respuesta es muy simple: ninguno es mejor que los demás. Los cuatro
alcances del proceso de la investigación cuantitativa son igualmente válidos e importantes y han
contribuido al avance de las diferentes ciencias. Cada uno tiene sus objetivos y razón de ser. En
este sentido, un estudiante no debe preocuparse tanto de si su estudio va a ser o iniciarse como
exploratorio, descriptivo, correlacional o explicativo; más bien, debe interesarse por hacerlo bien
y contribuir al conocimiento de un problema o fenómeno. Que la investigación pretenda algún
alcance o que incluya elementos de uno o más de estos depende de cómo se plantee el problema de
investigación y los antecedentes previos. La investigación debe hacerse a la medida del problema
que se formule, ya que no decimos a priori: "vaya llevar a cabo un estudio exploratorio o descrip-
tivo", sino que primero planteamos el problema y revisamos la literatura y, después, analizamos si
la investigación va a tener uno u otro alcance.

La investigación en el desarrollo profesional

A lo largo de tu vida profesional te enfrentarás a problemas de todo tipo en tu ramo y a veces por
su naturaleza, tus conocimientos y experiencia iniciarás explorando, otras describiendo, correla-
cionando y hasta explicando. Asimismo, en ocasiones implementarás todos los alcances en una
misma indagación.
116 La ruta de la investigación cuantitat iva

Por ejemplo, imagina a un grupo de jóvenes emprendedores que cursaron gastron omía y que
deciden abrir un n egocio de comida rápida novedoso (podría ser de hamburguesas gourmet; p as-
telillos, magdalenas de crema o cupcakes; comida autóctona de autor para llevar a casa, etc.). Su-
pongamos lo primero. Después de un año tienen cierto éxito, pero desean incrementar sus ventas
aún más y piensan que ampliando la variedad del tipo de hamburguesas van a atraer más clientes
y aumentar sus ventas. Para tomar ese riesgo saben que requieren mayor información. Buscan
estudios de mercado al respecto, pero no encuentran alguno sobre el problema bajo análisis en
su ciudad, aunque seguramente descubren investigaciones en otros contextos que les dan pautas
sobre qué conceptos o variables incluir y qué métodos de indagación usar para lo que pretenden.
Tendrán que iniciar un estudio exploratorio. Plantean una investigación mediante la cual habrán de
elaborar perfiles de sus clientes actuales y examinar cuáles compran más (género, nivel socioeconó-
mico, edad, etc.)[descripciones y correlaciones], además les solicitan a ellos que evalúen al negocio
en comparación con la competencia, in diquen en qué lugar de sus preferencias lo ubican (comida
rápida en general y de su tipo), señalen los factores por los que acuden a consumir, comenten qué
puede hacerse para mejorar su experien cia de compra y consumo (explicaciones), proporcionen
sus opiniones del local, el servicio, la rapidez en la atención (descripciones), si la variedad de ham-
burguesas es suficiente, etc. Al final su estudio tendrá todos los alcances de la investigación.
Igualmente, en el ej ercicio de tu profesión se dará el caso de que te topes con un problema
que a lo mejor ha sido estudiado por otros pero que es desconocido para ti (una enfermedad, un
caso clínico, una problemática en tu organización, un método de enseñ anza, un reto laboral, etc.).
Necesitas explorarlo primero para posteriormente transitar a un plano descriptivo, correlacional y,
finalmente, explicativo.

Después de visualizar el alcance, ¿qué sigue?

Una vez que revisaste la literatura y visualizaste el alcance de tu investigación, debes volver a exa-
min ar tu planteamiento del problema. Puede suceder que permanezca sin cambios (lo ratifiques),
lo ajustes o incluso lo modifiques completamente. Continúas por la ruta cuantitativa, en este caso.

• Una vez que hayamos realizado la revisión de la
literatura y afinado el planteamiento del problema ,
consideramos qué alcances, inicial y final , tendrá
nuestra investigación: exploratorio, descriptivo, co-
rrelacional o explicativo. Es decir, ¿hasta dónde, en
térm in os d e conocimiento, es posi b le q ue llegue el
estudio?
• Los estudios exploratorios tienen como propósito
familiarizarnos con un planteamiento desconocido,
poco estudiado o novedoso. Son útiles para desa-
rrollar estudios más profundos.
• Los estudios descriptivos sirven para analizar
cómo es y cómo se manifiesta un fenómeno o
planteamiento y sus componentes (variables).
• Los estudios correlacionales buscan determinar
cómo se relacionan o vinculan diversos hechos,
fenómenos, conceptos, variables o características
entre sí o, también, si no se relacionan .
• Los estudios explicativos pretenden encontrar las
razones que provocan ciertos fenómenos o esta-
blecer relaciones de causalidad entre variables.
• Ningún alcance de la investigación es mejor que
otro, todos son significativos y valiosos. La dife-
rencia para elegir uno u otro se encuentra en el
grado de desarrollo del conocimiento respecto al
problema o fenómeno de estudio y al planteamien-
to mismo.
• Un mismo estudio puede implicar más de un al-
cance o es posible que se inicie con uno y termine
con otro (por ejemplo, comenzar como explorato-
rio y concluir como explicativo).

• En la tabla 5.1, a manera de resumen, se vinculan los distintos alcances de los estudios con el estado de l conocim iento
que revela la revis ión de la literatura, los propós itos de la investigación, las preguntas claves para redactar el plantea-
miento y su valor metodo lógico o funciones que cubre.
 Definición del alca nce de la investi gación e n la ruta cua nt itativa 117

Tabla 5 .1. Propósitos. estado d e l co noci mie nto. pre g unt as clave pa ra red actarlo y va lor de los difere ntes alcances de las inves-
tigacio nes.

- ..
Exp loratorio (ruta • Problema o fenó- • Indagar un fenómen o • ¿Qué es? ¿Cómo • Introducirse o familiarizarse
nebulosa o incierta). meno desconocido. o problema de investi- puede entende rse? co n fenómenos o proble-
novedoso o que no ha gación poco estudia- ¿Por qué sucede? mas desconocidos.
sido estudi ado en el do y del cual se t ienen ¿De qué manera se • Indaga r nuevos pro bl emas.
contexto. muchas dudas o no se define? • Obtener información para
' . Guías aún no estudia- ha abordado antes. realizar un estudio más
das e ideas vagamen- • Examinar un fenó- profundo y completo del
te rel acionada s con el meno o problema de problema o establecer
fenómeno o problema investigación nove- prioridades para investiga-
de investigación. doso para sentar las cion es futu ras.
bases de estudios más • Realizar en un contexto
profundos. particular una indagación
hecha en ambientes muy
distintos.
• Sugerir afirmaciones (hipó-
Introducirse
tesis) y postulados.
• Identificar conceptos o
variables promisorias.

Descriptivo (ruta • Problema o fenómeno • Especificar las propie- • ¿Cu ántos? ¿Qué • Medir fenómenos ó
con señalamientos). identificado y preci- dades. características cantidad? ¿Qué pro- variables para estimar su
sado. cuyas variables. y perfiles de casos porción o porcenta- ocurrencia o magnitud .
Variable 1 conceptos. categorías (personas. grupos. je? ¿Qué número? • Mostrar con precisión
o componentes han comun idades. proce- ¿Cuán frecuente? dimensiones de un fenó-
sido definidos. sos. etcétera). ¿Cuán a menudo? meno. hecho o conjunto
Variable 2 • Descubrim ientos • Cuantificar conceptos. ¿Con qué frecuencia de casos.
interesantes sobre el variables y fenóme- o period icidad?
fenómeno o problema . nos.
Variable k sin llegar a ajustarse a
una teoría.

Correlacional (ruta • Piezas o trozos de teo- • Conocer la relación o • ¿Cuá l es la rel ación? • Constru ir y probar hipó-
que asocia tramos). ría (generalizaciones. grado de asociación ¿Cómo se vincula .. . tes is.
hipótesis) con cierto que exista entre dos con ... ? ¿A mayor. ... • Comenzar a prefigurar
respaldo empírico o más conceptos. menor... ? ¿Están teoría .
Variable 1
respecto al fenómeno categorías o variables asociadas ... ? ¿Qué • En cierta medida tiene un
o problema. en un contexto espe- diferencias existen valor expl icativo. aunque

I • Variables potencial-
mente vincu ladas o
relacionadas en otros
cífico. entre ... y.. .? parcial . ya que el hecho de
saber que dos conceptos
o variables se relacionan
Variable k contextos. aporta cierta información
explicativa.

Explicativo (ruta que • Una o varias teorías • Responder por las • ¿Por qué? ¿De qué • Se encuentra más estruc-
explica destino. que explican el fenó- causas de los eventos modo? ¿Cómo? turado que los demás al-
meno o prob lema o y fenómenos o pro- ¿Cuál es el efecto? cances (de hecho. implica
parte de este. blemas. ¿Cuáles son las cau- los propósitos de estos).
Variable causa • Conocer por qué sas? ¿Qué determi- • Proporciona un sentido de
ocurre un fenóme no y na? ¿A partir de qué entendimiento del fenó-
en qué cond iciones se se pronostica? meno o problema a q ue
manifiesta. o por qué hace referenc ia.
se re lacionan dos o
más variables.
Variable • Predecir el comporta -
efecto miento de variab les a
partir del conoc imien-
to de sus causas.
 MUESTREO

En el proceso de llevar a cabo una investigación, efectuar la selección de la muestra, es una tarea
indispensable, la cual requiere prestarle adecuada atención.

Es importante señalar que finalmente la intención que se persigue mediante este proceso de
selección, es poder hacer inferencias hacia la población, a partir de lo detectado en la muestra.

Para hacer efectivo esto último, es necesario una serie de pasos que nos brinden la posibilidad de
generalizar los resultados.

Resulta importante considerar previamente conceptos que están implicados en el presente tema de
cómo se conforma la muestra.

Población: La podemos definir como un conjunto de individuos o de objetos (unidades de análisis)

que poseen una o varias características comunes. Ej. Total de pacientes con enfermedad renal
crónica en tratamiento de hemodiálisis en CABA.

Muestra: Es un subconjunto de la población y se espera que sea representativa de la misma. La

muestra se toma con el fin de estudiar las propiedades del conjunto del cual es obtenida. Ej. Una
muestra (obtenida a través de una técnica de muestreo en particular) de pacientes con enfermedad
renal crónica en tratamiento de hemodiálisis en CABA.
En la práctica, estudiar todos y cada uno de los elementos que conforman la población, la mayoría
de las veces no resulta posible hacerlo, por esto se recurre al análisis de los elementos de una
muestra con el fin de hacer inferencias respecto al total de la población.

Unidad de análisis: es cada uno de los elementos que constituyen la población estudiada. Puede
estar constituida por individuos u objetos, pero consideremos en esta oportunidad que por lo general
en Psicología la unidad de análisis última son personas.

Estadísticos y Parámetros

Los estadísticos de resumen son aquellos que se obtienen a partir de la medición de una muestra.
Por ejemplo media aritmética de la muestra.

En cambio, si midiéramos a toda la población, esto se denomina parámetro, por ejemplo la media
poblacional. Efectuar esto (medir todos los componentes de la población), en general, implica una
imposibilidad práctica, entonces se trata de aproximar al valor del parámetro por medio del
estadístico obtenido a partir de la muestra.

Si bien Estadístico y Parámetro pueden coincidir exactamente, esto es altamente improbable. Pero a
partir del estadístico podemos obtener un rango de valores dentro del cual con cierto nivel de
confianza debiera ubicarse el valor correspondiente al parámetro. Este rango se llama intervalo de
confianza. La mitad del intervalo de confianza constituye el margen de error de la estimación que se
hace del parámetro a partir del estadístico.
Resumiendo: Cada estadístico tiene un equivalente que describe a la población de la cual proviene
la muestra que se lo denomina parámetro.

Muestra representativa: Definimos a una muestra como representativa, cuando la medida que
arroja un estadístico, es lo más cercana posible al parámetro correspondiente. De manera que en
una muestra representativa, se encuentran presentes las distintas características de la población.

Finalmente, los objetivos del estudio ayudarán a definir la población y a partir de allí la muestra,
para lo cual se elegirán dos métodos generales de muestreo: aleatorio (o probabilístico) y no
aleatorio (o no probabilístico). Su elección también estará condicionada por la pretensión de
exactitud, el tiempo y dinero disponible.

MUESTREO ALEATORIO (PROBABILÍSTICO)

Estos son los que garantizan en mayor medida que la muestra sea representativa.
Se utiliza el azar para la elección de los sujetos.

En una muestra aleatoria cada elemento de la población tiene una probabilidad igual, o
cuantificable, de ser seleccionado.

Hay varios tipos de muestreos aleatorios o probabilísticos.

• Muestreo aleatorio simple.

El mismo consiste en llevar a cabo una serie de pasos

a) Se delimita la población
b) Se decide el tamaño de la muestra.
c) Se asigna un código (por lo general un número si ya no lo tiene) a cada elemento de la
población (unidad de análisis).
d) Finalmente se escoge mediante alguna técnica de selección aleatoria (programa
computadora que genere números al azar - tabla de números aleatorios).

Ejemplo: Pacientes con enfermedad renal crónica que requieren tratamiento de

hemodiálisis en CABA que asisten al Centro de hemodiálisis Fresenius Medical Care.
Se procederá a considerar todos los pacientes activos que efectúan dicho tratamiento en
la mencionada entidad: este conjunto se constituye como la población.
En función del tamaño de la población se considerará el tamaño de la muestra que
resultará más adecuado.
Asignación de código: A cada paciente le corresponde un número de historia clínica, el
cual se tomará como su código.
Finalmente se utilizará alguno de los procedimientos citados para escoger a los pacientes
aleatoriamente.
• Muestreo aleatorio sistemático

a) Este requiere que se decida un tamaño de muestra y efectuar el cociente entre la

población y la muestra.
Continuamos con el ejemplo hipotético anterior
Población: 2300 pacientes con enfermedad renal crónica en tratamiento de hemodiálisis de
CABA que asisten a Fresenius Medical Care.
Muestra: 100 pacientes.
Entonces 2500 / 100 = 25
b) Al azar se elige un número de inicio entre la población. Ej. número 70
La primera persona de la muestra es la 70, la siguiente será (70+25=95) la número 95, la
siguiente (95+25=120) la número 120 y así sucesivamente hasta completar el total de la
muestra, en este caso 100 pacientes.
En este ejemplo, la persona 98 para la muestra será la 2495 de la población, si a ésta le
sumamos 25, obtendremos 2520, un número superior al tamaño de la población.
Entonces, debemos restarle a la cifra obtenida (2520), el total de la población (2500),
entonces 2520-2500= 20, y elegiremos a la persona número 20. La siguiente será
(20+25=45) la 45 , y así completaremos la cantidad estipulada de la muestra : 100
individuos.

• Muestreo Estratificado

Requiere en este caso la división de la población en subgrupos o estratos mutuamente

excluyentes.
Presenta como ventaja que se garantizará que la muestra contenga representantes suficientes
de cada estrato.
En el ejemplo anterior podríamos dividir a la muestra por género. Una vez que se han
elegido los estratos puede aplicarse el muestreo aleatorio simple o el muestreo aleatorio
sistemático, garantizando que la muestra esté constituida por el porcentaje de sujetos
establecido para cada estrato. En este ejemplo el porcentaje de mujeres y hombres
previamente establecido.

Hay dos maneras de conducir el muestreo estratificado:

- Proporcionado : Refleja las proporciones de la población

Ejemplo: 2500 pacientes renales de CABA que asisten a Centros de hemodiálisis FMC.
1500 hombres
1000 mujeres
Entonces la muestra presentará un 60% de hombres y un 40% de mujeres.
 - Desproporcionado: No refleja las proporciones de la población. En este caso no se
puede extrapolar directamente a la misma, se requiere de un análisis más complejo.

Ejemplo:

En este caso la muestra podría presentar un 50% de hombres y un 50% de mujeres.

• Muestreo de Conglomerados

Requiere un muestreo inicial con base en una unidad mayor que el elemento de la población.
En algunas oportunidades, los elementos de la población, pueden estar muy dispersos
geográficamente, entonces este tipo de recurso, permite que la muestra se aglomere en un
número limitado de lugares.

Puede hacerse de dos maneras:

- En una sola etapa: antes de llegar a la unidad de análisis, hay una sola etapa previa en
la que se toma una unidad mayor.
Continuando con el ejemplo de pacientes en diálisis, si requiriera llevar a cabo la investigación con
todos los pacientes de hemodiálisis del país, entonces, sería conveniente implementar este tipo de
muestreo, tomando como base del mismo una unidad inicial mayor que cada elemento de la
población (paciente de hemodiálisis). Se escogerían aleatoriamente un número determinado de
servicios de hemodiálisis del país, supongamos que dicha empresa cuenta con 123 centros, de tal
modo que se simplificaría el trabajo, puesto que en vez de extraer los pacientes de cada centro, solo
se trabajaría con los provenientes de los centros escogidos aleatoriamente.

- En varias etapas: antes de llegar a la unidad de análisis, se pasa por más de una etapa
previa, se toman en forma sucesiva varias unidades mayores que los elementos de la
población.
Ejemplo
Primera etapa: Considerando todas las provincias del país (que tienen Centros de
hemodiálisis) se seleccionan aleatoriamente un número de ellas.
Segunda etapa: De las provincias seleccionadas, se seleccionan aleatoriamente alguna/s
ciudades entre aquellas que tengan centros de hemodiálisis.
Tercera etapa: de los centros de hemodiálisis seleccionados se procederá a elegir al azar
pacientes de cada uno de ellos.

MUESTREO NO ALEATORIO (NO PROBABILÍSTICO)

En este caso, NO todo elemento de la población tiene la misma probabilidad de ser parte
de la muestra, y por lo tanto puede suceder que algún sector carezca sistemáticamente de
representación adecuada.
 A diferencia del muestreo probabilístico, tiende a generar muestras menos precisas y
representativas. Pese a ello, la mayor parte de las investigaciones en nuestra disciplina,
son no probabilísticas.

• Muestreo accidental/de oportunidad/de conveniencia

Se seleccionan las personas que uno encuentra por casualidad. Ej. Se les pide participar de
la muestra a pacientes de hemodiálisis que se encuentran efectuando el tratamiento en el
horario en el que los investigadores asisten al lugar, siendo que hay distintos turnos a lo
largo del día.

• Muestreo por cuotas

Es un muestreo de oportunidad, pero con cuotas establecidas para el Nº de personas que

habrán de incluirse en las submuestras determinadas a partir de alguna/s variable/s. Es el
equivalente en los muestreos no aleatorios, al muestreo estratificado de los muestreos
aleatorios. Y la cuota es el equivalente al estrato.
El investigador establece “cuotas” para cada uno de los valores de la variable que interese
que esté representada en la muestra. Al recolectar los datos cuando se ha cubierto una cuota
se continúa únicamente con sujetos que apliquen para la otra cuota.
Ejemplo: establecer cuotas para la variable sexo en la población de pacientes de
hemodiálisis. Cuando se hubiera cubierto por ej. la cuota para mujeres, se tomarían
únicamente hombres.
Si las cuotas se establecen en varias dimensiones (tomando más de una variable), se lo
denomina muestreo dimensional. Siguiendo el ejemplo anterior considerar no solo el sexo
sino agregar otra dimensión por ejemplo turno de asistencia al tratamiento.

• Muestreo propositivo

Se aplica cuando desea estudiarse una muestra definida claramente, y que cumpla con
ciertas características en función de las necesidades de la investigación.
Ejemplo: Identificar pacientes en diálisis, que presentan distintas comorbilidades asociadas a
la insuficiencia renal crónica, por ejemplo diabetes, hipertensión, lupus…etc. para explorar
respuestas diferenciales a la terapéutica dialítica.

• Muestreo bola de nieve

Se usan contactos iniciales para identificar a otras posibles personas que podrían integrar la
muestra.
Ejemplo: Los investigadores se contactan con algunos pacientes en diálisis que su vez los
ponen en contacto con otros pacientes en diálisis y estos pueden ponerlos a su vez con otros.
Hasta aquí el resumen se baso en el siguiente texto que forma parte de la bibliografía: Clark-
Carter, D. (2002) Investigación Cuantitativa en Psicología. México: Oxford University Press.
Cap. 11.

Lo que sigue a continuación se basa en el siguiente artículo que NO es bibliografía de

la cátedra, NO es necesario leerlo: Argibay, J. C. (2009). Muestra en investigación
cuantitativa. Subjetividad y Procesos Cognitivos, 13, pág. 13-29.

Si bien los muestreos aleatorios nos dan mayor seguridad de la representatividad de la muestra, los
muestreos no aleatorios si están bien realizados pueden también ser representativos, pero es menor
la seguridad que podemos tener de ello. Esto depende de cómo se haga el muestreo no aleatorio, de
la forma de llevarlo a cabo, de manera que vamos a tener muestreos no aleatorios que podrían llegar
a tener una buena representatividad y otros que serían claramente sesgados (no representativos).
Además, si bien lo deseable es que un muestreo sea aleatorio, en casi todas (por no decir todas), las
investigaciones explicativas (experimento, cuasiexperimento y preexperimento), y en la mayoría de
las investigaciones correlacionales las muestras que se toman no son aleatorias. Esto ocurre por una
dificultad práctica de poder implementar muestreos aleatorios en el contexto de dichas
investigaciones, por lo cual se recurre a muestras no aleatorias. A pesar de ello, la validez externa en
cuanto a la posibilidad de generalizar los resultados a la población, puede no verse mayormente
afectada, y esto permite generalizar los resultados. Esto es así por motivos que no vamos a exponer
aquí, porque excede los propósitos de esta clase. Si se quisiera mayor información al respecto se
puede consultar el texto antes mencionado (Argibay, 2009).
En el caso de las investigaciones descriptivas, como el único propósito que tienen es describir, es
importante tener cierta seguridad de que la muestra sea representativa, ya que si no fuera
representativa, se perdería el principal objetivo de estas investigaciones que es generalizar a la
población de referencia la descripción que se está realizando.
 Metodología de la Investigación I
Clasificación de los métodos de investigación cuantitativos

Vamos a desarrollar la clasificación de los métodos de investigación cuantitativos.

Son distintos métodos que se diferencian en función del tipo de relaciones que se
estudian, las características de sus diseños para llevar a cabo la investigación, los
objetivos de la misma, el momento en el desarrollo de un tema de investigación, etc.
Pero cabe acotar que, si bien son distintos métodos, los mismos están cruzados por
una misma lógica, por determinados principios que los unifican como métodos
cuantitativos. Podría decirse que los métodos cuantitativos vienen a ser como un
tronco del cual salen distintas ramas que son las distintas formas metodológicas. En
un primer panorama general podemos hacer la siguiente clasificación que después
iremos desarrollando en esta clase y en clases subsiguientes:

Vamos a empezar por los métodos más complejos, que son los métodos
explicativos. ¿A qué nos referimos cuando hablamos de métodos explicativos?
Básicamente son los métodos que investigan, ponen a prueba, relaciones de
causalidad. Cuando tenemos una hipótesis experimental que plantea una relación
de causa y efecto entre las variables, recurrimos a estos métodos, ya que son los
únicos que pueden poner a prueba relaciones causales. Entre ellos se establecen
diferencias en función del grado de validez interna que tienen.
Vamos a aclarar lo anterior: una relación causal es una relación de causa y efecto
en la cual, como vieron en Variables (en la clasificación metodológica de éstas), la
causa es la variable independiente (aclarando que podemos tener más de una) y el
efecto es la variable dependiente, que también puede ser más de una en los
diseños univariados-multivariados o multivariados-multivariados (conceptos que
verán en futuras clases).
En cuanto a la validez interna, si bien es un tema que vamos a desarrollar en
futuras clases con más detalle, voy a hacer ahora una breve aproximación al
respecto. Habíamos visto en una clase anterior que en la clasificación metodológica
de las variables, teníamos una variable dependiente que podía verse afectada por
distintas causas vinculadas a ella. Estas causas eran las variables relevantes. De
ellas, elegimos una o varias como variables independientes a poner a prueba en la
investigación, mientras que todas las demás variables relevantes pasan a ser
consideradas automáticamente variables contaminadoras. Son variables
contaminadoras porque no dejan de estar presentes cuando elegimos la/s variable/s
independientes, sino que pueden seguir produciendo efecto sobre la variable
dependiente. Si eso es así, cuando manipulemos la variable independiente (de aquí
en más se menciona variable independiente en singular pero recuerden que pueden
ser más de una variable independiente), si no evitamos que las variables
contaminadoras afecten a la dependiente, no podremos saber si los cambios
observados en la dependiente se deben a la variable independiente o a las
contaminadoras. Para evitar esto es necesario controlar a las variables
contaminadoras, para que no produzcan efecto sobre la dependiente. Que esto se
logre o no dependerá de cuán efectivos sean los controles que se implementen y
esto determinará el grado de validez interna que se logre. Y digo el grado de
validez interna, porque conseguir una validez interna absoluta, con la seguridad total
de haber controlado todas las variables contaminadoras, si bien es el objetivo al que
se apunta, no se podría saber con certeza que se hubiera logrado.
Entonces podemos decir que la validez interna tiene que ver con el grado de
seguridad que puedo tener de que los cambios observados en la variable
dependiente son producidos por la variable independiente y no por variables
contaminadoras. Obviamente este grado de seguridad tiene que ver con lo
adecuado o no de los controles de variables contaminadoras que se hayan
implementado. De manera que la validez interna se vincula directamente con el
control de las variables contaminadoras o extrañas.
Volviendo entonces a la clasificación de los métodos, si tenemos tres métodos
diferentes de investigaciones explicativas es porque los mismos tienen diseños
diferentes que brindan un control mejor o peor de las variables contaminadoras,
afectando la validez interna de los mismos. Por esta razón, se puede decir que
estos métodos se diferencian por el grado de validez interna que tienen, en función
de lo adecuado de sus controles. Podemos ubicar a los métodos explicativos o
experimentales en el siguiente esquema según su grado de validez interna:
Cabe aclarar que estos son los métodos en un sentido general, después dentro de
cada método hay diversidad de diseños de investigación, que los irán viendo en
próximas clases. Vamos a empezar viendo el método experimental que es el más
prototípico de los métodos de investigación.

Experimento

Un experimento tiene varias características:

• Hay una relación causal (la hipótesis es experimental). En la relación de causa y
efecto, esos lugares los ocupan la variable independiente y la dependiente
respectivamente.
• La manipulación tiene que ser necesariamente intencional. No puede haber ningún
experimento que no tenga manipulación intencional. La manipulación de selección
impide que la investigación constituya un experimento.
• Al haber una manipulación intencional es posible que haya una secuencia de
tiempo. ¿Qué queremos decir con esto? En una relación causal, la causa precede al
efecto. Al tener manipulación intencional, podemos aplicar primero la variable
independiente y después observar que pasa con la dependiente, o sea, observar si
la variable dependiente varía en función de la independiente de manera que los
cambios que el investigador introduce en la variable independiente produzcan
cambios en la dependiente. La variabilidad de la dependiente sería explicada por la
variabilidad de la independiente. Y la manipulación intencional permite esta
secuencia de tiempo donde la variable independiente se presenta antes que el
efecto en la dependiente.

Ahora, lo anterior por si solo ¿define un experimento? No, no lo define, porque si

bien son características necesarias para un experimento, no son suficientes ya que
también las podemos encontrar en los cuasiexperimentos y en los preexperimentos.
Entonces, ¿qué más necesitamos para que una investigación sea un experimento?
Dijimos que el experimento tiene máxima validez interna y que la validez interna
tiene que ver con el control de variables contaminadoras. Entonces que sea un
experimento depende de que el diseño de la investigación tenga un adecuado
control de variables contaminadores. ¿Y de qué depende esto?
Primero vamos a marcar una diferencia entre lo que podemos llamar controles
específicos de variables contaminadoras y lo que serían los controles generales.
¿Cuál es la diferencia? Las variables contaminadoras para una variable dependiente
en particular pueden ser muchas, algunas de ellas las conocemos y otras todavía
son desconocidas. Cuando hacemos una investigación podemos identificar
variables contaminadoras que es importante controlar y en ese caso podemos elegir
una o más de estas variables y utilizar alguna de las técnicas de control (que las va
a ver en la clase de control de variables contaminadoras), para controlar esa o esas
variables en particular. Por ej., podríamos controlar, entre otras, inteligencia,
ansiedad, extraversión, las condiciones ambientales de iluminación o de ruido, etc.,
siempre en función de que las variables sean relevantes para la dependiente que se
estudia. Estos serían controles específicos, porque están dirigidos a controlar una o
varias variables contaminadoras en particular, que han sido identificadas para ser
controladas. Pero como dijimos, las variables contaminadoras pueden ser muchas
más y algunas de ellas desconocidas, por lo cual no se pueden controlar infinidad
de variables contaminadoras mediante controles específicos y mucho menos
aquellas que nos son desconocidas. Para esto usamos los controles generales.
Aclarado lo anterior, que retomaremos más adelante, volvemos a la pregunta: ¿De
qué depende que una investigación tenga un adecuado control de variables
contaminadoras? En una investigación explicativa son fundamentales las
comparaciones, ya sea entre distintas medidas, entre distintos valores de la variable
independiente. A estas comparaciones las vamos a llamar comparaciones
formales. Tenemos tres tipos que vamos a ir desarrollando:

• Medida pretratamiento
• Comparación de grupos
• Medidas repetidas (lo van a ver más adelante como diseños de medidas repetidas:
diseños intragrupo).

Vamos a ir ejemplificando las dos primeras comparaciones con dos ejemplos

sencillos. Un primer ejemplo podría ser el siguiente, supongamos que queremos
poner a prueba una técnica psicoterapéutica para el tratamiento de la depresión,
para evaluar su eficacia. Un segundo ejemplo: se desea implementar una
investigación en el ámbito educativo, en la cual se quiere poner a prueba la eficacia
de un taller para incrementar la motivación de los alumnos para que participen más
en determinas actividades escolares. En el primer caso nuestra variable
independiente es la técnica psicoterapéutica que se va a aplicar y la variable
dependiente es la depresión.
En el segundo caso, la variable independiente es el taller que se va a implementar y
la variable dependiente tendría que ver con el incremento de la motivación que se
expresaría en una mayor participación en las actividades escolares. En este caso,
para simplificar, supongamos que lo que medimos específicamente es la
participación en las actividades escolares.

Vamos a esquematizar esto, aclarando que no vamos a seguir necesariamente la

representación simbólica de los diseños que van a ver en otras clases y que figuran
en varios de los textos de Pereda Marín. El motivo para no hacerlo es simplificar, por
una cuestión didáctica, para un mejor entendimiento de lo queremos expresar.

Supongamos que en el primer caso aplicamos la psicoterapia y luego medimos el

nivel de depresión y en el segundo aplicamos el taller y luego medimos el nivel de
participación. Pero para saber si realmente el taller y la psicoterapia fueron eficaces
tenemos que comparar con algo. Podemos tomar una medida de la variable
dependiente anterior a la aplicación de la variable independiente (llamada medida
pretratamiento) y después compararla con la segunda medida de dicha variable
(medida postratamiento). Entonces vamos a poder observar, en un caso, si hay una
disminución en los niveles de depresión, y en el otro, si hay un incremento del nivel
de participación.
Esta es la primera comparación formal que habíamos mencionado: la medida
pretratamiento (nivel de depresión/ nivel de participación antes que el investigador
intervenga) se compara con la medida postratamiento (nivel de depresión/ nivel
de participación después de aplicar las respectivas variables independientes).
En algunos casos, cuando esto no es posible, se puede reemplazar la variable
dependiente en la medida pretratamiento por una variable altamente
correlacionada con ella. Pero, con este esquema. ¿Cómo podemos saber que
no intervino alguna o varias variables contaminadoras entre la medida
pretratamiento y la media postratamiento, y que la diferencia entre una y otra sea
efectivamente explicada por la variable independiente y no por dichas variable/s
contaminadoras? Respuesta: No lo podemos saber. Por ese motivo, la medida
pretratamiento, si bien mejora los diseños de investigación, no es suficiente para
asegurar un adecuado control de variables contaminadoras. De manera que la
medida pretratamiento por sí sola, no hace que una investigación sea un
experimento. Y un experimento puede tener o no medida pretratamiento, porque
como acabamos de decir, eso no define que sea o no un experimento. Un ejemplo
de lo anterior podría ser: supongamos que en el segundo ejemplo se constatara un
incremento estadísticamente significativo entre las medidas pre y postratamiento
(mayor participación que antes). ¿Eso demostraría necesariamente que el taller fue
eficaz? No, ya que pudo haber intervenido alguna variable contaminadora. Por ej.,
podría haber ocurrido algún evento en coincidencia temporal con la aplicación del
taller que esté por fuera de la investigación (cambios organizativos, administrativos
o tecnológicos en la escuela) que en definitiva fueron los que produjeron el
incremento de la participación, y no el taller. En ese caso asegurar la eficacia del
taller sería un error. Entonces la primera comparación formal queda descartada para
ser requisito para que una investigación sea un experimento.
Continuemos entonces. Para ello, vamos a tomar un concepto mencionado con
anterioridad: el control general de variables contaminadoras. Una variable
dependiente puede verse afectada por numerosas variables contaminadoras, y cada
variable dependiente tiene sus variables contaminadoras que le son específicas. Por
ejemplo, si investigo sobre memoria, las contaminadoras pueden ser diferentes que
si investigo sobre percepción o sobre trastornos de ansiedad. Por eso, si bien los
controles específicos de variables contaminadoras son importantes para la validez
interna, no definen que una investigación sea o no un experimento. Entonces vamos
a los controles generales. Estos nos van a servir para que una investigación pueda
ser un experimento. Estos controles generales idealmente pretenden controlar en
forma masiva las variables contaminadoras, tanto las conocidas como las
desconocidas. Y esto, ¿cómo lo conseguimos? Pasamos entonces a la segunda
comparación formal, la comparación de grupos. Estas comparaciones tienen varias
funciones, pero la que nos interesa para lo que estamos exponiendo es su función
de control de variables contaminadoras. El control que nos permite es lo que
mencionamos con anterioridad como control general. Retomamos los ejemplos
anteriores incrementando el nivel de complejidad de los diseños:

En este nuevo esquema tenemos un segundo grupo (podrían ser también tres,
cuatro o más grupos). Este nuevo grupo funciona como grupo de comparación, que
nos da un control general de variables contaminadoras. ¿Por qué motivo el grupo de
comparación funciona como un control general? Supongamos lo siguiente: si
realmente la psicoterapia A es más efectiva que la B, en el grupo 1 tendría que
haber una disminución significativa de la depresión, mayor que en el grupo 2. Y en
el segundo caso si el taller es eficaz, en el grupo 1 en el que se aplicó el taller,
tendría que haber un significativo incremento de la participación, mientras que en el
grupo 2, el nivel de participación tendría que haberse mantenido estable (similar a la
medida pretratamiento). Ahora, en el primer caso, si interviniera alguna variable
contaminadora que redujera el nivel de depresión más allá de la psicoterapia
aplicada, y esto afectara a ambos grupos reduciendo los niveles de depresión, no
habría diferencia entre ellos. Pero si la mayor reducción se observa en el grupo en
que se aplicó determinada psicoterapia, eso tendría que deberse, en un principio, a
la mayor eficacia de la misma, ya que justamente la diferencia entre los dos grupos
es que en uno se aplica determinada psicoterapia y en el otro, una psicoterapia
distinta. Entonces uno podría pensar que la diferencia se debe a los distintos valores
aplicados de la variable independiente (Psicoterapia A vs Psicoterapia B); de lo
contrario no habría diferencias. En este ejemplo, la comparación fue entre dos
grupos experimentales, distintos valores de la variable independiente, que no
incluían el valor ausencia (que no se aplique ninguna psicoterapia). Cuando
colocamos entre paréntesis a1 y a2, la letra “a” está indicando valores de la variable
y el número indica que se usan dos valores diferentes, distintos de 0. En el segundo
caso se comparó un grupo donde se aplicó el taller (grupo experimental) con un
grupo donde no se aplicó ningún taller -valor ausencia de la variable independiente-,
que se indica con el número 0 (a0)-. Cuando no se aplica ningún valor de la
independiente se lo llama grupo control. En este último ejemplo, si los cambios
organizativos–administrativos-tecnológicos (variables contaminadoras) hubieran
producido cambios en la participación (como, por ejemplo, su incremento), se
deberían haber dado (en condiciones ideales) en ambos grupos, y no solamente en
el que se aplicó el taller.
Ahora, si en el grupo experimental se observa un incremento significativo de la
participación y en el grupo control, la participación se mantiene estable, en principio
se puede empezar a concluir que la variable independiente tuvo efecto, porque los
grupos difieren en que en uno se aplicó el taller y en el otro no.
Entonces, podemos decir que el grupo de comparación (ya sea grupo experimental
o grupo control) permite hacer una comparación formal que sirve como forma
general de control de variables contaminadoras, porque si éstas producen efecto en
uno de los grupos, también deberían hacerlo en el otro (sacando excepciones) y no
actuar en forma diferencial. Aclaramos que, en una investigación de solamente dos
grupos, el grupo de comparación puede ser tanto experimental como control. Puedo
tener por consiguiente dos grupos experimentales (en el primer caso) o un grupo
experimental y un grupo control (segundo caso). Si la investigación tiene tres o más
grupos, también pueden ser todos ellos experimentales o tener alguno de ellos
como grupo control, incluso más de uno (como en el diseño de Solomon). Por
ejemplo: si en el caso del taller se incluyera una segunda modalidad del mismo,
para analizar la eficacia de ambos.

En este punto, debemos preguntarnos si con esto ya tenemos un experimento. Y de

nuevo la respuesta es NO. Recordemos que el experimento es el de mayor validez
interna y en consecuencia el de mayor exigencia. Entonces, ¿por qué no puede ser
un experimento? Veamos, tomemos el ejemplo del taller. Supongamos que los
cambios organizativos -administrativos- tecnológicos introducidos en la escuela no
afecten por igual el nivel de participación de los alumnos. Algunos, según su perfil
de personalidad se podrían ver afectados de manera diferente. Los de perfil más
extrovertido podrían incrementar su nivel de participación debido a estos cambios,
pero los introvertidos no. Y supongamos también que en el grupo 1 donde se aplicó
el taller hubiera muchos más extrovertidos que en el grupo 2. Deberíamos
preguntarnos, aunque no se aplicara ningún taller y simplemente se realizaran estos
cambios en la escuela, ¿qué pasaría con el nivel de participación en ambos grupos?
Obviamente en el grupo 1 que hay más extrovertidos que en el grupo 2, el nivel de
participación aumentaría, diferenciándose del grupo 2. Ahora superpongamos esto
con la investigación, y que el taller se aplicara en el grupo 1 que tiene más
extrovertidos. Se obtendría una diferencia que no sería por el taller, sino por la
interacción entre la variable de sujeto mencionada (perfil de personalidad) y los
cambios que tuvieron lugar en la escuela. Y aunque el grupo donde se aplicó el
taller tuviera mayor participación, esto no se podría atribuir al taller, porque eso se
debería a la mencionada interacción entre la extraversión y los cambios en la
escuela. Lo anterior remite a que la comparación entre grupos se asienta en una
premisa básica, que es que los grupos sean similares entre si en cuanto a las
características de los sujetos que los componen. A esto lo denominamos
equivalencia inicial de los grupos. Los grupos tienen que ser equivalentes,
similares, no tienen que presentar diferencias en las variables de sujeto. Esto no
quiere decir que los sujetos tengan que ser todos idénticos, sino que la variabilidad
de sujeto, las diferencias individuales, estén repartidas de la misma manera en
ambos grupos, que los grupos no difieran en las distintas variables de sujeto. Esto
es importante para la validez interna, porque si los grupos no fueran equivalentes,
las diferencias individuales podrían funcionar como variables contaminadoras
que podrían producir diferencias entre los grupos, compitiendo directamente con la
variable independiente.
¿Cómo nos podemos asegurar de esta equivalencia inicial de los grupos? No se
puede saber con certeza que los grupos sean necesariamente equivalentes, pero
podemos aproximar a esa equivalencia inicial, mediante la asignación de los
sujetos al azar a los grupos. A esta técnica de control se la llama aleatorización,
y consiste básicamente en usar el azar para seleccionar qué sujetos compondrán
cada grupo. Evidentemente, está técnica no nos asegura con certeza que los dos
grupos sean idénticos, pero es el mejor procedimiento conocido para controlar las
diferencias individuales entre los grupos en forma masiva. Si lo que se quiere
controlar es una o varias variables en particular, los controles específicos, que van a
ver en la clase de control (eliminación, balanceo, constancia), son mucho mejores,
pero sirven para un número reducido de variables. Para el control general, masivo,
se requiere de la aleatorización.
La aleatorización para asegurar la equivalencia inicial de los grupos funciona mucho
mejor cuando los grupos son numerosos; en grupos pequeños no es tan efectiva.
Por esto, aunque siempre conviene aplicar controles específicos para las variables
de sujeto, son mucho más importantes cuando los grupos son reducidos. Cabe
aclarar que los controles específicos y los generales no son antagónicos sino todo lo
contrario: la mejor estrategia es usar ambos. Y si por caso uso muchos controles
específicos pero prescindo de los controles generales, la investigación perdería
validez interna y dejaría de ser un experimento. Una vez formados los grupos
también se pueden asignar el azar los valores de la variable independiente a cada
grupo. Si agregamos la aleatorización al diseño quedaría:

Entonces, ya tenemos los requisitos para una primera forma de investigación que es
un experimento. Para ser un experimento, la investigación tiene que tener
comparación de grupos, ya sea todos grupos experimentales o con grupo
control, y estos grupos tienen que haberse formado al azar. Por eso los
diseños de comparación de grupos cuando son aleatorios siempre son
experimentos. Estos son diseños experimentales de medidas independientes
(intergrupos). Pueden tener o no medida pretratamiento, y en cualquiera de los dos
casos (con sin medida pretratamiento), si cumplen con los requisitos anteriores,
serían experimentos.
Del requisito de la aleatorización se desprende también uno de los motivos por los
cuales no puede haber manipulación de selección en los experimentos. Porque
la manipulación de selección hace imposible la asignación al azar de los
sujetos a los grupos, porque el valor de la variable independiente es propio del
sujeto (un aspecto del mismo, como edad o perfil de personalidad) y no se lo puede
modificar, solo se puede medir la variable independiente, asignar según esta
medición los sujetos a los grupos.
Había quedado algo pendiente, qué pasaba con los que llamamos controles
específicos. Como ya lo dijéramos, no definen que la investigación sea un
experimento pero sí son importantes para la calidad de la investigación e influyen
sobre la validez interna de la misma. Por ej., supongamos que se hace una
investigación para evaluar la eficacia comparativa de dos métodos de enseñanza.
Siendo que la variable dependiente va a ser el aprendizaje, la inteligencia sería una
variable contaminadora importante, que se debiera controlar. Se hace la
investigación, pero no se controla la inteligencia y aunque los grupos se formaron al
azar son pequeños. Dada la importancia de la variable inteligencia en esta
investigación, se la debiera haber controlado, aún cuando los grupos fueran
numerosos, pero mucho más si son pequeños. Entonces, se cumpliría con el
requisito de la comparación de grupos y los grupos se habrían formado al azar y en
consecuencia sería un experimento. Pero no haber controlado adecuadamente el
nivel de inteligencia de los sujetos compromete la validez interna de la investigación.
De tal manera, si bien se puede decir que la investigación es un experimento, sería
un experimento que presentaría defectos porque su validez interna estaría
comprometida. Esto nos indica que, aunque los controles específicos de variables
contaminadoras no determinan que una investigación sea un experimento, en
muchos casos son importantes para asegurar la calidad de la misma en cuanto a su
validez interna.
Hasta aquí vimos la primera forma en que una investigación puede ser un
experimento. En la próxima clase sobre clasificación de los métodos, vamos a ver la
segunda forma en que una investigación podría ser un experimento (los diseños de
medidas repetidas: diseños intragrupo). En estas clases sobre clasificación de los
métodos, vamos a ir viendo las formas básicas que definen en general qué método
se utilizó en una investigación. Pero después dentro de cada método hay
multiplicidad de diseños, como ocurre con los experimentos. Estos distintos diseños
se irán trabajando, cada uno de ellos, en otras clases.
En la clase anterior habíamos llegado a definir la primera forma en que una
investigación puede ser un experimento. En ese caso teníamos que era necesario
que hubiera comparación de de grupos, ya sean todos grupos experimentales o con
grupo control, y estos grupos tenían que haberse formado al azar. Dijimos también
en esa clase que había una segunda forma en que una investigación podía ser un
experimento (los diseños de medidas repetidas: diseños intragrupo). Vamos a
comenzar esta clase desarrollando este tema.
Supongamos que en una investigación se planteara que el contenido emocional de
las palabras influye en el recuerdo de las mismas. Para poner a prueba esto se
confeccionan dos listas de palabras, una con palabras con fuerte contenido
emocional y otra con palabras emocionalmente neutras. Así, la variable
independiente asume dos valores: palabras con contenido emocional y palabras
neutras. La variable dependiente se operacionalizaría en este caso mediante la
cantidad de palabras recordadas. Para llevar a cabo esta investigación se podría
implementar un diseño de comparación de grupos, como vimos la clase anterior:

(Aclaramos que, igual que en la clase anterior para un mejor entendimiento, los diseños que vamos a
ir presentando no van a seguir exactamente las representaciones simbólicas que presenta Pereda
Marin en sus textos).

Esta investigación sería un experimento, ya que tiene grupo de comparación y los

grupos se formaron al azar. Que no haya medida pretratamiento no es
inconveniente, ya que como dijimos en la clase anterior, eso no define que la
investigación sea o no un experimento. Pero supongamos que aunque los grupos se
formaron al azar, no son demasiado grandes y nos preocupa que las diferencias
individuales puedan contaminar la investigación. En esta situación podríamos
recurrir a un diseño experimental diferente: tomamos la muestra, pero en lugar de
asignar a cada sujeto a un grupo diferente, a cada sujeto le aplicamos todos los
valores de la variable independiente, en este caso ambas listas de palabras, de tal
manera que a cada sujeto que participa de la investigación se le aplican todos los
tratamientos. A estos diseños se los llama de medidas repetidas o intragrupo.
El ejemplo que dimos quedaría de la siguiente manera:

El diseño de medidas repetidas o diseño intragrupo es aquel en el que a cada

sujeto de la muestra se le aplican todos los tratamientos. Este diseño tiene la
ventaja sobre los de comparación de grupos que permite eliminar una importante
fuente de error que es la varianza dada por las diferencias individuales.
Tengamos en cuenta que en los diseños de comparación de grupos justamente uno
de los grandes problemas era como controlar las diferencias individuales para que
no funcionaran como variables contaminadoras.
Si bien en este sentido, los diseños intragrupo pueden ser más precisos y eficientes
que los de comparación de grupos, presentan el inconveniente de que en
muchos casos no pueden ser utilizados. Vamos a ver por qué.
Para ejemplificar este diseño usamos un ejemplo nuevo y no los utilizados en la
clase anterior. Y esto es porque aunque hubiéramos querido usar esos ejemplos, no
hubiéramos podido. Pensemos si comparamos dos Psicoterapias diferentes o dos
talleres diferentes. ¿Cómo podríamos hacer para que cada sujeto pasara por ambos
tratamientos, si al aplicar una de las Psicoterapias o uno de los Talleres, estos
produjeran efecto sobre la variable dependiente? Ya no tendría sentido aplicar el
segundo tratamiento. Esto quiere decir que para que los diseños de medidas
repetidas puedan ser aplicables, es necesario que el efecto que producen los
tratamientos sobre la variable dependiente sea rápidamente reversible, ya que
si permanece en el tiempo, invalidaría la aplicación de un segundo tratamiento. Una
excepción a esto es cuando los tratamientos no son rápidamente reversibles, pero
igual se aplica el diseño intragrupo porque lo que interesa es investigar el efecto
acumulativo de los distintos tratamientos, por ejemplo curvas de aprendizaje.

El problema que se presentaba en los diseños de comparación de grupos tenía que

ver fundamentalmente con las diferencias individuales. En los diseños intragrupo
solucionamos esto, ya que a cada sujeto lo comparamos contra sí mismo, bajo
distintos tratamientos. Pero aparece otro problema que tiene que ver con el orden
de aplicación de los tratamientos. Supongamos que sistemáticamente aplicamos
primero el tratamiento a1 y después el tratamiento a2. Podría ocurrir que el sujeto se
aburra, que pierda motivación o que sufra cansancio físico con la consecuente
disminución del rendimiento en los sucesivos tratamientos. A esto se lo denomina
efecto de la fatiga. También podría ocurrir que el primer tratamiento sirviera para
que el sujeto adquiera cierta experiencia, se familiarice con la situación experimental
y esto produzca una mejora en los resultados de los siguientes tratamientos. Esto es
el efecto de la práctica. Y tanto el efecto de la fatiga como el efecto de la práctica
pueden provocar que la diferencia que uno observe entre los tratamientos no se
deba a la variable independiente, sino al orden de aplicación de los tratamientos,
afectando seriamente la validez interna. Tanto al efecto de la fatiga como al de la
práctica se los denomina Error Progresivo. Y el error progresivo tiene que ver
con los efectos que se producen por el orden sucesivo de aplicación de los
tratamientos, de manera que la cantidad de error que se introduce en la
investigación va aumentando en los sucesivos tratamientos. Entonces si el
error progresivo, ya sea el efecto de la fatiga o el de la práctica, puede afectar la
validez interna, es fundamental que sea controlado. Esto se hace mediante la
técnica de control (que se aplica exclusivamente en diseños de medidas
repetidas), y que se llama equiponderación o contrabalanceo. Esta técnica
consiste en distribuir de la misma forma el error progresivo en los distintos
tratamientos, o sea, que el objetivo no es eliminar el error progresivo, sino que sea
igual en todos los tratamientos, y consiste en variar el orden de aplicación de los
tratamientos, que no sea siempre igual.

Hay diversas formas de equiponderación o contrabalanceo, pero vamos a limitarnos

a exponer las dos formas básicas. En ellas se parte del supuesto de que cada
tratamiento genera la misma cantidad de error progresivo y del mismo signo.

Una forma es la equiponderación o contrabalanceo intersujetos. Puede ser de

varios tipos, pero vamos a exponer la forma básica con dos tratamientos solos: a1 y
a2. Lo que se hace es ir cambiando el orden a través de los sujetos, siendo que en
este caso básico son solo dos las secuencias posibles: a1a2 y a2a1. Se aplicaría de
la siguiente forma:
Sujeto 1 – a1a2
Sujeto 2 – a2a1
Sujeto 3 – a1a2
Sujeto 4 – a2a1
Y así sucesivamente.
¿De qué manera queda controlado el error progresivo? Cuando el tratamiento se
aplica en primer lugar, no habría error progresivo, sería 0, y cuando se aplica en
segundo lugar, el error progresivo sería 1. Entonces, tomando de a dos sujetos con
secuencias diferentes:
En este caso es necesario que la cantidad de sujetos sea un número par, para que
ambas secuencias se apliquen igual cantidad de veces. Con esta forma de
equiponderación, el error progresivo no queda controlado en cada sujeto, sino en el
conjunto de sujetos.
Con tres tratamientos sería:
Sujeto 1 – a1a2a3
Sujeto 2 – a1a3a2
Sujeto 3 – a2a1a3
Sujeto 4 – a2a3a1
Sujeto 5 – a3a1a2
Sujeto 6 – a3a2a1
Y así sucesivamente.
Si nos fijamos, cada tratamiento aparece igual cantidad de veces (dos) en cada
posición de la secuencia (1°, 2° y 3° lugar). En este caso para cubrir todas las
secuencias posibles de orden de los tratamientos, se necesitan 6 sujetos, por ello la
muestra tiene que ser de 6 o múltiplos de 6.

Otra forma es la equiponderacón o contrabalanceo intrasujeto. En este caso el

orden se invierte en cada sujeto, de manera que el error progresivo no queda solo
controlado en el conjunto de sujetos, sino también en cada sujeto. Por ejemplo, con
dos tratamientos sería:
Sujeto 1 – a1a2a2a1
Sujeto 2 – a1a2a2a1
Sujeto 3 – a1a2a2a1
Sujeto 4 - a1a2a2a1
Y así sucesivamente
Suponiendo que cada tratamiento genera la misma cantidad de error progresivo y
del mismo signo, tendríamos para el 1° lugar ningún error (0), para el 2° lugar sería
1, para el tercero 2 y para el cuarto 3:
Para tres tratamientos la secuencia sería: a1a2a3a3a2a1.

Cuál de las dos formas es mejor utilizar depende de las características de la

investigación. Por ejemplo, si hay muchos tratamientos. podría ser más conveniente
la equiponderación intersujetos, porque en la intrasujeto tendrían que aplicársele a
cada sujeto muchos tratamientos.
En el ejemplo de la lista de palabras, sería más conveniente la equiponderación
intersujetos, porque para la equiponderación intrasujeto habría que generar dos
listas diferentes para cada condición (dos para emotivas y dos para neutras). Esto
es porque si sólo hubiera una lista de palabras neutras y una de palabras emotivas,
habría que espaciar mucho las tomas para que los sujetos se olviden las palabras
que ya habían memorizado. Entonces dicha investigación quedaría así:

Para resumir, podemos decir que una investigación será un experimento:

● Cuando tenemos comparación de grupos y los grupos se formaron al azar.
● Cuando tenemos un diseño de medidas repetidas o intragrupo y se controla
el error progresivo mediante alguna técnica de contrabalanceo o
equiponderación.
Vamos a analizar ahora en qué casos una investigación sería un cuasiexperimento,
las formas que determinarían esto, sin entrar en la variedad de diseños
cuasiexperimentales (porque eso lo van a ver más adelante en otra clase). Lo que
nos interesa determinar acá son las condiciones básicas a partir de las cuales una
investigación constituye un cuasiexperimento.
Veníamos viendo que un elemento fundamental para determinar la diferencia entre
los tres métodos explicativos, tiene que ver con la validez interna que presentan en
función de sus diseños, teniendo en cuenta que el cuasiexperimento presenta una
validez interna intermedia, menor que la del experimento y mayor que la del
preexperimento. Entonces lo que vamos a hacer es tomar alguna de las
investigaciones de comparación de grupos con las que ejemplificamos el
experimento, e ir modificándola para mostrar cómo eso modifica el diseño y como
reduce la validez interna, haciendo que ya no pueda ser un experimento y se
transforme en un cuasiexperimento.
Tomemos la investigación del ámbito educativo, en la cual se quería poner a prueba
un taller para incrementar la motivación de los alumnos para que participen más en
determinadas actividades escolares. Esa investigación se podría expresar en el
siguiente diseño experimental:

Cabe aclarar que el ejemplo lo planteamos con dos grupos, pero podría ser con más de dos
grupos, por ej. si se incluyera un segundo grupo experimental al que se aplique un taller
diferente.

Vamos a modificar el diseño de la siguiente manera:

En este caso los grupos no se formaron al azar. Siempre que en una investigación
se pueden formar grupos al azar, se hace, para que la investigación tenga mayor
validez interna. Pero ocurre algunas veces que, por distintos motivos, esto no es
posible más allá de la voluntad del investigador. En este ejemplo, la investigación se
hace en una institución educativa, que tiene toda una estructura administrativa
determinada. Podría ser que sus directivos accedan a que el investigador hiciera la
investigación, pero que no estén dispuestos a que se viera alterada su organización.
En este caso el investigador no podría formar grupos al azar, sino que tendría que
trabajar con grupos de alumnos que existieran previamente. La composición de los
grupos entonces no sería al azar, sino que serían grupos naturales.
Al hablar de grupos naturales nos referimos a grupos de sujetos que existen
previamente a la investigación, de tal manera que muchas veces están
compuestos por sujetos que ya se conocen entre sí, o que tienen algún nexo, ya sea
que participen de alguna actividad en común o que coincidan en un lugar. No hay
que confundir grupos naturales con manipulación natural, ya que los grupos
naturales tienen que ver con cómo se forman los grupos pero con una manipulación
intencional de la variable independiente. En cambio la manipulación natural tiene
que ver con la forma en que se va a aplicar la variable independiente.
En el caso de los grupos naturales, al no formar los grupos al azar no hay ninguna
seguridad de la equivalencia inicial de los grupos. Podrían ser equivalentes o no,
pero el investigador no puede saberlo. Podría indagar si son equivalentes en
alguna/s variable/s especifica/s que seleccione, pero no podría tener ninguna
seguridad de una equivalencia general de los grupos. Esto baja la validez interna,
pero por lo menos, al haber medida pretratamiento, si se puede saber que los
grupos son equivalentes en la medida de la dependiente antes de aplicar el
tratamiento. Por esto último la validez interna no es tan baja, es más bien intermedia
y hace que la investigación sea un cuasiexperimento.
Otro caso en el cual la investigación sería un cuasiexperimento son las
investigaciones de series temporales interrumpidas. Estas investigaciones tienen
una variedad de diseños sobre los cuales no nos vamos a extender ahora. Si vamos
a indicar básicamente en qué consiste un diseño de series temporales interrumpidas
y cuál es la validez interna de estos diseños.
En este tipo de diseños se toma una amplia serie de medidas de la variable
dependiente, cuantas más sean más fácil se podrá evaluar luego el efecto del
tratamiento. Después se aplica la variable independiente y se vuelve a medir la
variable dependiente igual cantidad de veces. La lógica de este diseño es que
las medidas antes de aplicar el tratamiento sean similares y que al aplicar el
tratamiento (si este es efectivo) haya una discontinuidad entre las medidas
anteriores y posteriores a la aplicación del mismo, ya sea un descenso o un
incremento en las mismas según fuere el efecto que se espera que produzca la
variable independiente. Esta discontinuidad daría cuenta del efecto que produce la
variable independiente, ya que si no produjera efecto la estructura de las medidas
tomadas antes y después del tratamiento tendrían que ser similares. Se lo llama
series temporales interrumpidas, porque es una serie de medidas que se toman en
un lapso del tiempo y la aplicación de la variable independiente interrumpe la serie.
Si quisiéramos trasladar el ejemplo del taller a una serie temporal interrumpida,
podríamos plantearlo como un grupo donde se mide el nivel de participación diario
durante veinticinco días, después se aplicaría el taller, que en este caso tendría que
ser una intervención mucho más breve (puede ser un taller intensivo de un día) y
después se volvería a medir el nivel de participación durante veinticinco días más. Si
el taller fuera efectivo tendría que haber habido una discontinuidad en las medidas
de la dependiente a partir de la aplicación del taller, con un incremento en el nivel de
participación, en este caso.

Este diseño es el más básico de los diseños de series temporales interrumpidas y

es con un solo grupo, pero este tipo de diseños pueden ser también con grupo de
comparación. Respecto a la validez interna de este diseño podemos decir que es
menor que la de un experimento, ya sea porque no hay grupo de comparación,
cuando es un único grupo; y cuando hay grupo de comparación, porque como son
grupos naturales se desconoce la equivalencia inicial de los mismos. Pero la validez
interna no es tan baja, es intermedia porque al tomarse una serie de medidas
pretratamiento y una serie de medidas postratamiento, y no solo una y una, es
mucho más improbable que si el cambio se produjera por una variable
contaminadora, ésta actúe justo en el momento que se aplica la variable
independiente y no en cualquier otro momento de la serie de medidas. Esto hace
que la validez interna no sea tan baja, aún cuando sea un único grupo. Y cuando
hay grupo de comparación la validez es aún mejor, porque a lo que aporta la serie
temporal interrumpida se le agrega la ventaja del grupo de comparación. Sin
embargo, no alcanza la validez interna de un experimento porque los grupos son
naturales y en consecuencia se desconoce la equivalencia inicial de los grupos.
Todos los diseños que venimos viendo hasta ahora y los que vamos a seguir viendo
en las investigaciones preexperimentales son diseños con manipulación intencional.
Más adelante vamos a ver qué pasa cuando la manipulación es de selección.

Preexperimento

Las investigaciones preexperimentales tienen muy baja validez interna, casi no

tienen validez interna, por eso son diseños que se usan menos porque tienen muy
poco peso de prueba para corroborar relaciones causales.
Vamos a seguir modificando el mismo ejemplo que veníamos trabajando para
mostrar qué formas puede adoptar un preexperimento y por qué eso impacta en la
validez interna. Supongamos el siguiente diseño:

Lo que hicimos respecto al diseño cuasiexperimental fue quitar también la medida

pretratamiento. Decíamos que el diseño cuasiexperimental de ninguna manera
podía ser un experimento porque se desconocía la equivalencia inicial de los grupos
al ser grupos naturales. Pero que por lo menos al haber medida pretratamiento si se
podía saber que los grupos eran equivalentes en la medida de la dependiente antes
de aplicar el tratamiento, aunque se ignorara la equivalencia en general. Pero ahora,
con la modificación que realizamos, al no tener medida pretratamiento, ni siquiera
tenemos eso, o sea, que se ignora si los grupos son equivalentes en general y
además no se sabe si antes de aplicar el tratamiento los grupos eran equivalentes
en la medida de la dependiente. Por eso podría ocurrir que la diferencia que se
observe en la dependiente ya existiera desde antes. Esto hace que la validez interna
sea bajísima y que este diseño sea preexperimental.
Seguimos modificando el diseño:

En este diseño no tenemos algo que es fundamental, que es el grupo de

comparación. Entonces aún cuando se observe una diferencia entre la medida
pretratamiento y la postratamiento no es posible asegurar que se deba al
tratamiento, porque pudieron haber intervenido diversas variables contaminadoras
(maduración, historia, etc.) que darían cuenta de los resultados. Cuando teníamos
un grupo único en el cuasiexperimento, era en el contexto de una serie temporal
interrumpida y eso mejoraba la validez interna. Pero en este caso la validez interna
es bajísima y por ello es otro diseño preexperimental.
Por último tenemos lo siguiente:

Acá no tenemos grupo de comparación, es un grupo único, y tampoco tenemos

medida pretratamiento; en consecuencia no tenemos contra qué comparar. Pero
para saber si el taller produce efecto tenemos que comparar con algo. En estos
casos la comparación que se puede hacer es externa a la investigación. Por
ejemplo, se podría comparar contra el nivel histórico de participación en esa
institución escolar. Pero sería una comparación pobrísima y muy poco confiable. Por
eso este diseño es el de menor validez interna de todos y la investigación constituye
también un preexperimento.
Si recuerdan, con un ejemplo así habíamos comenzado la clase pasada la
exposición, para ir transformando el diseño desde lo más elemental hasta llegar a
un experimento.
Cabe una aclaración, en estos diseños preexperimentales estamos hablando de
grupo único y cuando comenzamos la clase con el diseño de medidas repetidas o
intragrupo también era un solo grupo, pero era un experimento. ¿Cuál es la
diferencia? En estos preexperimentos de grupo único se aplica un solo valor
de la independiente, mientras que en el diseño intragrupo se aplica más de un
tratamiento, y justamente la comparación se hace entre estos distintos
tratamientos aplicados al mismo sujeto, de manera que se reemplaza el grupo
de comparación, por la comparación de cada sujeto contra sí mismo.

Investigaciones con manipulación de selección o natural

Hasta ahora todo lo que hemos visto son investigaciones con manipulación
intencional, pero la variable independiente también puede tener manipulación de
selección. En estos casos la manipulación de selección lo que produce es que la
investigación no puede ser un experimento, ya que aunque haya grupo de
comparación, los grupos no se pueden formar al azar, por lo cual disminuye la
validez interna, porque se desconoce la equivalencia inicial de los grupos.
Tampoco se daría la clásica secuencia de tiempo, ya que no se aplicaría
necesariamente primero la variable independiente y después se observaría lo que
pasa con la dependiente. En general las variables independiente y dependiente
tendrán operacionalizaciones de medida, de manera que solo se las medirá y
no se podrá establecer claramente una precedencia temporal.
Cuando en una investigación tenemos manipulación de selección de una variable de
sujeto (que es en la mayoría de los casos), es un cuasiexperimento. De manera
que casi siempre que hay manipulación de selección, la investigación es un
cuasiexperimento.
Es mucho menos frecuente, pero podemos también tener manipulación de selección
en un preexperimento. Esto se daría cuando la variable manipulada por selección
NO es una variable de sujeto. Por ej., un grupo que ha tenido determinada
experiencia; si fuera un diseño estático podría haber también otro grupo que no
hubiera pasado por dicha experiencia o que hubiera pasado por otra. Algunos
autores también llaman ex post facto a estás investigaciones, aunque este término
también hay veces en que se utiliza en un sentido más amplio.
Hay que tener en cuenta que la estructura de una investigación con
manipulación de selección es muy similar a las investigaciones
correlacionales (que vamos a ver más adelante), las cuales investigan relaciones
no causales. Por tal motivo para que una investigación con manipulación de
selección constituya un cuasiexperimento es fundamental que tenga una
teoría sumamente sólida que permita identificar variable independiente y
dependiente con precisión en la investigación.
Cuando en un diseño factorial, el cual tiene varias variables independientes (que
vamos a verlo en futuras clases), alguna de ellas o todas son de manipulación de
selección, la investigación es un cuasiexperimento.
Cuando el diseño es con una sola variable independiente, un ejemplo de
cuasiexperimento con manipulación de selección podría ser el siguiente:
supongamos que se plantea la variable de personalidad Neuroticismo de la teoría
de la personalidad de Eysenck como una variable que influye en la adquisición y
mantenimiento de conductas depresivas. En este caso el Neuroticismo sería la
variable independiente (no confundir Neuroticismo con neurosis, ya que el
Neuroticismo es una variable de personalidad), y conducta depresiva sería la
variable dependiente y se la podría operacionalizar por ejemplo, con el Inventario de
Depresión de Beck, que nos daría un gradiente desde mínima sintomatología
depresiva hasta depresión severa. El Neuroticismo podría medirse mediante alguno
de los test de Eysenck y a partir de esos resultados clasificar la muestra en dos o
tres grupos. Esto podría ser similar a una investigación correlacional, pero lo que
determinará la diferencia para que sea un cuasiexperimento es que la teoría de la
personalidad de Eysenck fundamenta sólidamente cómo el Neuroticismo puede
intervenir en la adquisición y mantenimiento de una amplia gama de psicopatologías
(incluyendo la depresión), teniendo en cuenta que la ansiedad es un factor
importante en muchas psicopatologías y el Neuroticismo se vincula directamente
con la respuesta de ansiedad de los individuos en cuanto a su frecuencia, intensidad
y permanencia en el tiempo. Obviamente esto es una investigación presentada en
forma muy simplificada, en pos de transmitir el concepto de cuasiexperimento con
manipulación de selección y mostrar cómo dicha investigación requiere una muy
sólida fundamentación teórica.
PEREDA MARIN CAPITULO 8. EL CONTROL EXPERIMENTAL

Puede no existir una relación causal entre la variable independiente y la variable

dependiente. Los cambios observados en la variable dependiente pueden deberse a
que otra variable, que actúa junto a la variable independiente, da lugar a resultados
que son interpretados erróneamente como una expresión de la relación existente
entre la variable independiente y la variable dependiente.

VARIABLES CONTAMINADORAS

En un experimento hay una serie de factores extraños llamados variables

CONTAMINADORAS, que pueden estar haciendo que los resultados obtenidos en
el experimento estén contaminados. Si los resultados de un experimento incluyen
alguna variable contaminadora no detectada y por tanto no controlada, las
consecuencias que se derivan de los resultados de dicho experimento son a veces
difíciles de detectar. Los resultados experimentales contaminados pueden ser
aceptados como válidos por el mundo científico durante un largo período de tiempo.
Por ello, es importante identificar y controlar estas posibles variables
contaminadoras.

CONTROL

El control se refiere a los procedimientos y técnicas que aseguran que el factor

manipulado o variable independiente es la única causa de las diferencias halladas
en las puntuaciones de los sujetos en la variable dependiente.
El control se refiere a las técnicas que utiliza el experimentador para poder afirmar si
la variable independiente ejerce o no efectos sobre la variable dependiente. El
experimentador puede manipular y controlar variables para llegar a una conclusión
válida en su investigación.
Experimento: Es la observación objetiva y sistemática de los fenómenos
provocados en situaciones estrictamente controladas en las que varía un factor
mientras todos los demás se mantienen constantes.

Los dos sentidos de la palabra control:

• El experimentador controla su variable independiente cuando la hace variar de
forma conocida y específica; es decir, cuando la manipula haciéndola variar
sistemáticamente y haciéndola adoptar por lo menos dos valores: ausencia y
presencia.
• El experimentador controla las variables contaminadoras cuando es capaz de
eliminarlas o mantenerlas constantes evitando que provoquen efectos diferenciales
sobre la variable dependiente en los distintos grupos experimentales, contaminando
el experimento.
TIPOS DE SITUACIONES EXPERIMENTALES

Existen tres situaciones experimentales:

1) Tipo 1: Aquella en la que cada sujeto o grupo es sometido a un solo tratamiento
experimental (intersujeto o intergrupo). Se la denomina situación experimental del
Tipo 1 o de medidas independientes. El experimentador debe conocer y controlar las
variables contaminadoras. El investigador Deberá asegurar la equivalencia de los
grupos, su homogeneidad, en todos los factores que no sean la variable
independiente (sexo, edad, etc.).
2) Tipo 2: Otro tipo de situación experimental es aquella en la que todos los sujetos
o grupos experimentales son sometidos a todos los tratamientos experimentales
(intragrupos o intrasujeto). Se la denomina situación experimental Tipo 2 o de
medidas repetidas. En un experimento con dos tratamientos A y B , a cada sujeto se
lo somete primero al tratamiento A, y luego al tratamiento B. Si con todos los sujetos
se actúa de la misma forma, cuando respondan al segundo tratamiento se verán
afectados por fatiga o por aprendizaje por haber respondido al tratamiento anterior;
esto se llama error progresivo. No está controlada la posible influencia del error
progresivo en las respuestas del sujeto, por lo que se deberá controlar. En este tipo
de situación experimental, el experimentador no tiene que preocuparse de las
variables contaminadoras debido a las diferencias entre los distintos sujetos ya que
son los mismos en los distintos tratamientos experimentales.
3) Mixta o Tipo 3: Se da cuando en un experimento alguna variable independiente
se estudia con medidas independientes y las restantes se estudian con medidas
repetidas.

FUENTES DE LAS VARIABLES CONTAMINADORAS

Pereda Marín afirma que para estudiar las variables contaminadoras deben dividirse
las fuentes de las que proceden en: 1) Sujetos. 2) Experimentador. 3) De
procedimiento. 4) Aparatos. 5) Error progresivo. Veámoslas en detalle:

1) Variables de sujeto: Estas variables contaminadoras tienen que ver con las
diferencias individuales existentes entre los distintos sujetos de un experimento.
Hace referencia tanto a características estables (edad, sexo, personalidad) o
aspectos no estables (si es voluntario o no, si se le pagó por participar). Para
controlar estas variables contaminadoras de sujeto, existe una serie de técnicas de
control: Eliminación, balanceo, constancia, aleatorizacion.
2) El experimentador Tienen que ver con variables como el sexo, la edad, las
expectativas del experimentador, etc. Estos aspectos pueden influir si no se
controlan adecuadamente, en los resultados del experimento y contaminarlo. Para
controlar estas variables contaminadoras del experimentador, se dispone de una
serie de técnicas de control que son: la eliminación y la constancia.
3) Variables de procedimiento: Se refieren a aspectos tales como las condiciones
ambientales (iluminación, ruido, temperatura, forma de presentación del material),
los aspectos de la tarea experimental (cómo deben responder los sujetos), las
instrucciones (cómo son dadas). Estos aspectos pueden variar de un grupo a otro.
Con respecto a las instrucciones, al dar instrucciones a los sujetos se puede,
inadvertidamente, revelarles cuál es la hipótesis que se está probando con el
experimento y como consecuencia de ello, influir en su respuesta o en su
rendimiento. Para controlar estas variables contaminadoras, se dispone de la
técnica de eliminación.
4) Variables de aparato: Los aparatos o instrumentos empleados en el experimento,
pueden diferir entre sí en cuanto a su validez, sensibilidad y confiabilidad y pueden,
con ello, introducir un error sistemático en los resultados de la investigación si no se
controlan adecuadamente. Para controlar estas variables se dispone de unas
técnicas de control que son la eliminación y la constancia.
5) Variable de error progresivo: Cuando los tratamientos experimentales se
presentan siempre en un mismo orden temporal, puede ocurrir que el experimento
quede contaminado. Se llama error progresivo porque la cantidad de error que se
introduce en un experimento en el que se emplean medidas repetidas va
aumentando a medida que avanza la investigación. Esto puede afectar de varias
formas: a) por la práctica (sus puntuaciones mejoran por el aprendizaje de la
situación experimental), b) la fatiga (el rendimiento disminuye debido al cansancio
de responder a la tarea experimental), o por efecto de la medida anterior (en esos
casos se debe dejar pasar un tiempo considerable entre tratamiento y tratamiento).
Los efectos conjuntos de la práctica y la fatiga es a lo que se denomina error
progresivo. Para controlar el error progresivo se dispone de la técnica de
contrabalanceo.

TÉCNICAS DE CONTROL DE LAS VARIABLES CONTAMINADORAS

Técnicas de control en situaciones experimentales tipo 1:

En una situación experimental de tipo I o intergrupo, a cada grupo de sujetos se le
aplica un tratamiento experimental y luego se miden sus puntuaciones en la variable
dependiente para determinar si la independiente tiene algún efecto sobre ella. La
varianza intergrupos consiste en las diferencias existentes entre los grupos
experimentales antes de la aplicación de los tratamientos. La misma es una de las
más importantes fuentes de contaminación en los experimentos de este tipo. Las
técnicas de control en situaciones experimentales de tipo 1 se utilizan para asegurar
la equivalencia inicial entre los grupos.
Las principales técnicas de control de las variables contaminadoras que se utilizan
en este tipo de situaciones experimentales son:
a) La eliminación de las variables contaminadoras
b) El balanceo de las variables contaminadoras
c) La constancia de las variables contaminadoras
d) La aleatorización de las variables contaminadoras

A) ELIMINACION DE VARIABLES CONTAMINADORAS:

Consiste en eliminar la variable contaminadora y la consiguiente variabilidad que la
misma puede producir en la variable dependiente. Para ello se utiliza un solo valor
de la variable independiente, eliminando todos los demás. Ej: SEXO (Se toma solo
mujeres o solo varones)
B) BALANCEO DE VARIABLES CONTAMINADORAS
Se trata de equilibrar el efecto de la variable contaminadora manteniendo constante
la proporción de cada valor de la misma que afecta a cada grupo experimental. Se
mantienen en la muestra los porcentajes existentes en la población de cada variable
contaminadora.
C) CONSTANCIA DE LAS VARIABLES CONTAMINADORA
Es un caso particular de balanceo. Cuando las variables contaminadoras no pueden
eliminarse, se puede intentar mantenerlas constantes durante el experimento. Esta
técnica entonces consiste en que cada valor de la variable contaminadora afecte por
igual a todos los grupos experimentales procurando que todos los tratamientos se
encuentren afectados de la misma forma por cada valor de la variable
contaminadora. Todos y cada uno de los tratamientos experimentales van a estar
sucesivamente afectados de la misma forma por cada valor de la variable
contaminadora. Ej: Edad (50% de 35 años y 50 % de 40 años, cada valor de la
contaminadora afecta por igual.)
D) LA ALEATORIZACIÓN DE LAS VARIABLES CONTAMINADORAS:
Consiste en confiar al azar las variables contaminadoras entre todos los grupos de
sujetos del experimento. Se supone que el azar se encarga de poner en manos del
experimentador grupos equivalentes y homogéneos El azar es utilizado en los
trabajos de investigación para igualar los grupos experimentales antes de aplicar los
tratamientos. Cuando la muestra es pequeña, la aleatorización es poco fiable.
Cuando la muestra es grande, se puede esperar que el azar proporcione grupos
homogéneos en los que las variables contaminadoras estén distribuidas
equitativamente entre todos los grupos de sujetos.

TÉCNICA DE CONTROL EN SITUACIONES EXPERIMENTALES DE TIPO II

(INTRAGRUPOS)

Para controlar el error progresivo se utiliza el método de equiponderación o

contrabalanceo. El objetivo de este método es repartir por igual los efectos del error
progresivo entre todos los tratamientos. No se elimina el error progresivo, sino que
se distribuye por igual entre todos los tratamientos, consiguiendo una constancia en
el experimento. Se equipondera alterando el orden de presentación de los
tratamientos en los grupos experimentales.
 DISEÑOS ALEATORIOS

En esta oportunidad, corresponde comenzar a introducirnos un poco más en detalle

en los diseños experimentales más utilizados en Psicología. Comenzaremos aquí
por el más básico, pero para contextualizar con los restantes digamos que los
diseños aleatorios admiten contar con una variable independiente o factor
(univariados) y con más de una variable independiente (multivariados o factoriales).
Los segundos quedarán para una segunda etapa.
Una investigación experimental es aquella que nos permite establecer de manera
inequívoca que efectivamente la variable independiente influye sobre la
dependiente, lo que implica haber controlado adecuadamente las variables
contaminadoras. Para esto último y como punto de partida, contamos con la
posibilidad de instrumentar el principio del azar (asignación aleatoria) para
asegurar en la medida de lo posible que en un principio haya una equivalencia
inicial entre los grupos experimentales, esto es, que las diferencias
individuales de los que integran la muestra están distribuidas equitativamente
entre los grupos. Es así como podemos contestarnos a la pregunta de si realmente
los cambios observados se deben efectivamente a los tratamientos aplicados y no a
fuentes de variación que no son ellos (es decir que se deban a las variables
contaminadoras).

Para instrumentar este principio el investigador deberá

- Asignar aleatoriamente los sujetos a los distintos grupos experimentales.
- Que cada tratamiento experimental sea asignado de forma aleatoria a cada uno de
los diferentes grupos.

¿Cómo debo entender el modo en que opera dicho principio? Tomando como punto
de partida que cada elemento de la muestra tiene la misma probabilidad de
pertenecer a un grupo u otro, y también que puede recibir cualquiera de los
tratamientos disponibles. Entonces bajo esta condición se podría estimar que se
da el requisito enunciado anteriormente: que exista equivalencia inicial entre los
grupos. Que las variaciones que se observan en un grupo, también se observan en
el otro u otros.
Otra forma de expresar el objetivo de la aleatorización es que con su intervención
se intenta minimizar la varianza intergrupos.
Entre los principales modelos de diseños aleatorios se pueden señalar:
a) Diseños aleatorios bivalentes o de dos grupos aleatorios: un factor (vi) que
adopta dos niveles.
b) Diseños multivalentes /multigrupos o de más de dos grupos aleatorios: un factor
(vi) que adopta más de dos niveles.
c) Diseños factoriales, en los que se manipula más de un factor.
 INVESTIGACIONES EXPERIMENTALES CON DISEÑOS DE DOS GRUPOS
ALEATORIOS:

Las características principales de estos diseños son:

● En primer lugar, se selecciona aleatoriamente un grupo de sujetos (la muestra) de
una determinada población.
● Los sujetos de la muestra se asignan aleatoriamente a los grupos experimentales.
● Aleatoriamente, se asigna cada tratamiento experimental a cada grupo de sujetos.
● AMBOS GRUPOS PUEDEN SER EXPERIMENTALES O UNO DE ELLOS PUEDE
SER GRUPO DE CONTROL (AL CUAL NO SE LE APLICA EL TRATAMIENTO –
AUSENCIA DEL MISMO).

Estos diseños presentan como utilidad el indicar de forma grosera si el factor

manipulado ejerce algún efecto sobre el criterio (variable dependiente) y si lo ejerce,
cuál es su dirección (si aumenta o disminuye en función de los niveles que son
introducidos en la VI), así como también en qué magnitud. De algún modo puede
ofrecer información para planificar experimentos más complejos.
No obstante, también es cierto que puede presentar ciertos problemas. Al ser
diseños muy simples, la información que brindan puede resultar pobre y a veces
engañosa. Esto se puede comprender señalando que en ciertas oportunidades darle
solo dos niveles a la VI no nos permite detectar qué sucede con la VD, bajo la
introducción de otros niveles del factor. Esta cuestión se verá aclarada un poco más
cuando exploremos el diseño multigrupo.
Otro inconveniente es el riesgo de incurrir en la pseudoaleatorización: ocurre que en
ciertas oportunidades se implementa un procedimiento que se considera que es
asignación aleatoria y en verdad no lo es. Supongamos que en un aula de
estudiantes quiero formar dos grupos experimentales y se los forma en función de
su ubicación en la misma , siendo que uno de ellos están conformados por quienes
están más cerca del docente y el otro por quienes están más alejado de él.
Finalmente no podemos asegurar que cada uno de estos estudiantes tenga igual
probabilidad de pertenecer a uno u otro grupo.
También debemos considerar la posibilidad de inequivalencia inicial, aunque
contemos con una muestra amplia. Esto puede ocurrir, de modo que para neutralizar
este riesgo, se puede recomendar llevar a cabo el mayor número de veces posible
de replicaciones (repetir la puesta a prueba de dicha hipótesis con otros sujetos, en
otros contextos). No obstante, la equivalencia inicial, que se ve posibilitada por la
aleatorización, se ve garantizada en la medida que contemos con muestras
grandes…cuanto más numerosa es la muestra mayor probabilidad que las
diferencias individuales quedarán distribuidas de manera equilibrada entre los
grupos experimentales.
Resumiendo, las principales desventajas son:
a) Su dependencia de muestras grandes.
b) La información incompleta que proporciona debido a su falta de sensibilidad, por
utilizar solo dos niveles del factor manipulado.
Por otro lado, sus principales ventajas son:
a) Su simplicidad, por ser muy fáciles de llevar a cabo.
b) Su economía, por el poco esfuerzo y costo que exigen.

TIPOS DE DISEÑOS DE DOS GRUPOS ALEATORIOS

Hay dos tipos:
a) Diseño solo con medidas postratamiento.
b) Diseño con medidas pre y postratamiento.

Con respecto a la medida pretratamiento esta es una medida de la variable

dependiente o de una variable altamente correlacionada con ella y su finalidad es
comprobar la equivalencia de la variable dependiente entre los grupos.
Entonces la lógica del modelo b es la siguiente (Observación: la lógica del diseño (a)
es igual pero sin la toma de la medida pretratamiento):
a) Formación aleatoria de los dos grupos.
b) Asignación aleatoria de los tratamientos a los grupos.
c) Tomar la medida pretratamiento de ambos grupos.
d) Aplicación de tratamientos experimentales.
e) Medidas postratamiento.
f) Análisis de resultados.

Representación simbólica de diseño de dos grupos al azar solo con medida

postratamiento y con grupo de control

Representación simbólica de diseño de dos grupos al azar solo con medida

postratamiento y con dos grupos experimentales

Representación simbólica de diseño de dos grupos al azar con medida

pretratamiento y postratamiento y con grupo de control
Representación simbólica de diseño de dos grupos al azar con medida
pretratamiento y postratamiento y con dos grupos experimentales

La validez interna de este diseño:

Tomando como modelo el diseño aleatorio de dos grupos con medida pre y
postratamiento, señalaremos las variables contaminadoras que pueden constituir
una amenaza a la validez interna y cómo controlarlas.
Historia
Teniendo en cuenta que entre la medida pretratamiento y postratamiento transcurre
un intervalo de tiempo durante el cual pueden ocurrir acontecimientos que afecten
de algún modo a los sujetos y modifiquen su comportamiento, afectando de este
modo a la segunda medida, se hace necesario contrarrestar sus posibles efectos
para lo cual se deben tomar en los dos grupos simultáneamente tanto las medidas
pre como las postratamiento, de tal manera que los efectos de la historia afecten por
igual a ambos grupos. En este aspecto estamos controlando la historia
intersesión. Pero también debemos considerar la historia intrasesión, esta refiere
a los acontecimientos que están presentes durante la misma sesión experimental,
tales como iluminación, ruidos, experimentador etc. Estos factores pueden afectar
de manera diferencial a los sujetos de ambos grupos. La manera de neutralizar este
posible efecto es igualar las condiciones mencionadas en ambos grupos, pero con
respecto al experimentador no se hace posible, debido a que las mediciones se
efectúan simultáneamente, entonces esto se resuelve asignando aleatoriamente los
sujetos y los experimentadores, después de entrenar a éstos adecuadamente, a los
grupos experimentales. El grupo de comparación también contribuye a controlar los
efectos de la historia.

Maduración
La misma se refiere a los posibles cambios fisiológicos y psicológicos por el paso
del tiempo, entre la toma de la medida pre y la toma de la medida post, que pueden
afectar a la variable dependiente, confundiéndose los efectos de esa variable
contaminadora con los del factor manipulado. Pensar en cuál es el lapso adecuado
entre una medida y otra sin que la maduración opere sobre los individuos de la
muestra va a depender del momento evolutivo de éstos. No es igual trabajar con
niños, donde ocurren cambios dramáticos en poco tiempo, que hacerlo con adultos
en los cuales esto no ocurre. De tal modo que el tiempo estará determinado por los
sujetos, la tarea a realizar por ellos o el área o campo en que se lleva a cabo el
estudio. La maduración queda neutralizada con el grupo de comparación, partiendo
del supuesto que en ambos grupos se han producido los mismos cambios.
Instrumentación
Cuando se trabaja con materiales electrónicos, se deben utilizar los mismos
instrumentos y en las mismas condiciones de medida en ambos grupos a fin de
controlar los posibles efectos de esas variables contaminadoras.
Experimentador
Esta fuente de posible contaminación se controla utilizando varios experimentadores
muy bien entrenados, asignándolos aleatoriamente a cada grupo, distribuyendo de
esta forma su influencia por igual entre todos los grupos.
Efectos reactivos de la medida pretratamiento
Esta medida puede sensibilizar a los sujetos, pudiendo afectar la medida
postratamiento. Su influencia puede ser más relevante en áreas de estudio como las
actitudes sociales y menos en otras como la inteligencia. Si bien esta variable puede
quedar controlada por la utilización del grupo de comparación, hay casos en que
esto podría no darse (por ej. que la sensibilización produjera un efecto diferente en
la medida postratamiento en función de los tratamientos). Por lo cual hay que ser
muy prudente en estos diseños con la posible sensibilización que pueda producir la
medida pretratamiento en los sujetos.
Selección diferencial de los sujetos
Esta condición (que no hubiera equivalencia inicial entre las variaciones de un grupo
con respecto al otro) se controla gracias a la asignación aleatoria.
Mortalidad experimental
Se refiere a la pérdida de sujetos entre la toma de la medida pre y la medida post.
La solución es considerar sólo los sujetos que asisten a las dos sesiones. De todos
modos habría que tener en cuenta que la mortalidad experimental no sea muy
desigual entre los grupos.

Este diseño en general puede presentar una buena validez interna, pero hay que
tener mucho cuidado con la posible sensibilización que pueda producir la medida
pretratamiento.

La validez externa de este diseño:

Con respecto a los posibles factores que pueden afectar a las posibilidades de
generalización de los resultados, cabe mencionar:
Medida pretratamiento
Se debe tener en consideración esta variable dado que la posible sensibilización
que esta produce puede ser un escollo. Una muestra “sensibilizada” por la medida
previa ofrece datos que no son aplicables al resto de la población, la cual
normalmente no habrá pasado por esa medida pretratamiento. Este tipo de diseño-
el que utiliza medida pretratamiento- se va a utilizar cuando se trabaja con variables
que no sensibilicen a los sujetos o lo hagan de manera mínima.

Por último, cabe señalar que la posibilidad de generalización de los resultados

nunca podrá ir más allá de la población de la que se extrajeron los sujetos. Esto va a
depender también del grado de representatividad de la muestra que se utilizó.
Es importante también que la muestra sea grande.

ANÁLISIS ESTADÍSTICO DE LOS RESULTADOS:

Una prueba estadística que se puede utilizar en el diseño de dos grupos con medida
pre y postratamiento es el análisis de covarianza utilizando como variable covariada
las puntuaciones obtenidas en la medida pretratamiento. Sin embargo, con el
análisis estadístico basado en las cuatro comparaciones que a continuación se
detallan puede ser suficiente.
1. Comparar las dos medidas pretratamiento, para confirmar equivalencia inicial.
2. Comparar las dos medidas postratamiento. Si hay diferencias se puede presumir
que serán debido al factor manipulado.
3. Comparar las medidas pre y postratamiento en ambos grupos. Si hay diferencias
entre las dos medidas de un mismo grupo serán por el tratamiento experimental o
por una variable contaminadora no controlada.
4. Comparar entre sí las diferencias encontradas en el punto 3, en ambos grupos. Si
al comparar estas diferencias: d1 (diferencias entre medida pre y post del grupo 1)
con d2 (diferencia entre medida pre y post del grupo 2), encontramos que difieren de
modo significativo, podemos inferir que dicha diferencia es debida a la acción del
factor manipulado. En este caso, para los análisis estadísticos podría usarse la t de
Student para medidas independientes para las comparaciones 1, 2 y 4, y la t
de Student para medidas repetidas para la comparación 3.

INVESTIGACIONES EXPERIMENTALES CON DISEÑOS ALEATORIOS

MULTIGRUPOS

Los diseños multigrupos son una variante de los diseños aleatorios, es decir que la
técnica por la cual se forman los grupos va a ser la asignación al azar de los sujetos
a los grupos experimentales. En este sentido, al igual que en los diseños de dos
grupos aleatorios, las variables contaminadoras provenientes de las diferencias
entre sujetos van a ser controladas por la aleatorización, partiendo de grupos
equivalentes entre sí.
Antes de avanzar, una aclaración más: los diseños que estamos estudiando son
todos diseños univariados en cuanto a la VI, esto quiere decir que estamos
analizando los efectos de una sola variable independiente sobre una VD
(univariado-univariado) o más de una VD (univariado-multivariado).

Habíamos visto que la lógica de los diseños de dos grupos es comparar los efectos
de dos valores de la variable independiente (VI) sobre la variable dependiente (VD),
donde cada grupo tomaba un valor de la VI (situación experimental Tipo I,
Intergrupos). Ahora bien, a través de los diseños multigrupo se puede complejizar el
experimento añadiendo más valores de la VI y, por lo tanto, más grupos.
Resumiendo: en un diseño aleatorio de dos grupos se estudia el efecto de una VI,
que adopta dos valores, sobre la VD. En un diseño aleatorio multigrupos se
estudia el efecto de una VI, que adopta más de dos valores, sobre la VD. La VI
tomará tantos valores como desee el investigador, y al estar haciendo una
comparación entre grupos experimentales (Intergrupos), deberá formar
aleatoriamente tantos grupos como valores le haya otorgado a la VI (como mínimo
tres).
Ventajas del diseño multigrupos
La principal ventaja que ofrece este tipo de diseño es que brinda mayor
información que un diseño de dos grupos. Al tener más grupos en mi estudio, voy a
poder conocer el efecto de más valores de la VI sobre la VD, obteniendo de esta
manera, más información.
Supongamos que ponemos a prueba la siguiente hipótesis: El tiempo dedicado al
estudio afecta el desempeño académico en estudiantes universitarios.

A partir de esta hipótesis, a través de un diseño de dos grupos aleatorios podríamos

comparar el efecto de dos valores de la VI. Es probable que pensemos que estudiar
más tiempo será más beneficioso que estudiar poco tiempo. Luego de tomar una
muestra representativa de estudiantes universitarios, por ejemplo, 80 alumnos
(n=80), se los distribuye de forma aleatoria a estas condiciones: al grupo 1 se le da
la instrucción de estudiar 5 horas semanales mientras que al grupo 2, 10 horas
semanales. Más adelante, se comparan los promedios (de las notas obtenidas en el
examen, VD) de cada grupo por medio de un análisis estadístico. Supongamos que
el grupo 1 obtuvo un promedio de 5 puntos en los exámenes mientras que el grupo
2, alcanzó 8 puntos, siendo esta diferencia significativa. Al observar el gráfico de los
resultados, vemos que habría una relación lineal directa entre las calificaciones y el
tiempo dedicado al estudio.
Siguiendo esta misma línea, el equipo de investigadores supone que si la relación
es lineal, un tercer grupo que estudie 15 h semanales alcanzaría un promedio de 10
en sus calificaciones.

Para sorpresa de los investigadores, al agregar un tercer valor, es decir, un grupo

que estudió 15 horas, el promedio de notas descendió, siendo esta diferencia
significativa entre los grupos. ¿Qué conclusiones se pueden extraer entonces? La
relación entre tiempo de estudio y desempeño académico no es lineal, sino que, al
incrementar la cantidad de horas de estudio semanales, llegado un determinado
incremento, el rendimiento comienza a decaer. Estos resultados agregan nuevos
datos y abren nuevos interrogantes, ¿cuál es el punto de quiebre?, ¿cuántas horas
aconsejamos estudiar?, ¿por qué ocurre esto?, ¿podría ser por cansancio?, entre
otras preguntas.

Podemos concluir, entonces, que el poner a prueba el efecto de más de dos valores
de la VI sobre la VD, nos permite determinar con mayor exactitud si la VI tiene
alguna influencia sobre la VD. Además obtenemos información más precisa acerca
de la relación existente entre las variables, evitando caer en conclusiones erróneas.
Al poder conocer con mayor precisión y certeza los efectos de la VI sobre la VD,
estos diseños tienen mayor validez interna en comparación con los de dos grupos.

Adicionalmente, al poner a prueba el efecto de más valores de la VI sobre la VD,

mayor será también su poder de generalización (los niveles puestos a prueba son
más representativos de todos los niveles que puede adoptar la VI), aumentando así
también su validez externa, en comparación con los diseños de dos grupos. Los
resultados obtenidos reflejarán con mayor precisión lo que “realmente sucede”.

No debemos olvidar que todos los diseños aleatorios tienen la desventaja de

necesitar de grandes números de sujetos, muestras numerosas, para poder
estar seguros de que a partir del uso de la aleatorización los grupos
experimentales son efectivamente homogéneos entre sí.

Cabe mencionar, que hay algunos problemas vinculados con la validez interna y
externa que podrían darse en los diseños multigrupos, que no los desarrollamos en
esta clase porque son similares a los que ya se mencionaron en la clase sobre
diseños aleatorios de dos grupos.

Variantes del diseño multigrupos

La lógica de los diseños multigrupos es igual que la de los diseños aleatorios de dos
grupos, y al igual que éstos también pueden tener solo medidas post tratamiento, o
pueden tener medidas pre y post tratamiento.
1. Sólo con medidas post tratamiento
Como vimos en el ejemplo anterior, se mide la variable dependiente luego de la
aplicación de la VI, en este caso, se toma el examen luego del período de estudio
asignado. Este es el diseño más simple dentro de los multigrupos, donde la
comparación formal será entre las medidas post tratamiento de cada uno de los
grupos.
2. Con medidas pre y post tratamiento
Al igual que en los diseños aleatorios de dos grupos, las medidas pretratamiento de
la VD cumplen una doble función. Por un lado, si los grupos son realmente
equivalentes, no deberían presentar diferencias significativas en esta medida. Por
otro lado, permiten comparar los cambios ocurridos en cada grupo antes y después
de la aplicación de los tratamientos. En el ejemplo anterior, se podría tomar el
promedio de notas de cada grupo antes de comenzar el período de estudio bajo las
instrucciones del investigador; si los grupos son equivalentes, los promedios no
deberían diferir significativamente. Cabe aclarar que aparte de esta comparación
entre las medidas pre y postratamiento en ambos grupos, se hacen otros análisis
estadísticos que nos van a permitir determinar el efecto de los tratamientos sobre la
VD.

Lo que se puede concluir gracias a las medidas pretratamiento es que el Grupo 1,

que estudió 5 hrs., se vio perjudicado por esta instrucción, mientras que el Grupo 2,
que estudió 10 hrs., fue el que más beneficio obtuvo. Por último, el tercer grupo, que
estudió 15 hrs., no modificó su promedio (a pesar del gran esfuerzo realizado).
Vemos a partir del ejemplo, los beneficios que puede otorgar incluir una medida
pretratamiento: seguridad en cuanto a la equivalencia inicial entre los grupos, y más
información al momento de analizar los resultados obtenidos.
Sin embargo, hay que prestar especial atención al hecho de que esta medida
pretratamiento puede sensibilizar a los sujetos (sensibilización de la medida
pretratamiento). Esta sensibilización afectaría la validez interna de la investigación,
por lo cual si existe la posibilidad de que este fenómeno ocurra, no sería correcto
incluirla.
Vimos en clases anteriores lo importante que es para los experimentos de
comparación de grupos la equivalencia inicial de los grupos. Esta equivalencia
interesa en cuanto a las diferencias individuales que podrían actuar como variables
contaminadoras, pero también en lo que hace a que haya equivalencia entre los
grupos en la medida de la variable dependiente antes de la aplicación del
tratamiento. Sin olvidar que además de las variables contaminadoras de sujeto, hay
otras variables contaminadoras. A los fines de esta clase cuando nos refiramos a
variables contaminadoras lo vamos a hacer respecto a las variables de sujeto en
particular.
En lo que respecta a la equivalencia inicial en general, tanto en las diferencias
individuales que podrían actuar como variables contaminadoras como en la
equivalencia de la medida previa de la variable dependiente, se confía en la
aleatorización, o sea, en la asignación al azar de los sujetos a los grupos. Pero hay
que tener en cuenta que con muestras pequeñas, el azar no suele funcionar tan
bien para lograr equiparar a los grupos. Y con muestras más grandes, si bien el
resultado es mucho mejor y es mucho más probable que se hayan conseguido
grupos equivalentes, tampoco se puede tener la certeza absoluta de ello. Es por eso
que en investigación se puede recurrir a otros procedimientos además de la
aleatorización.
Para las variables contaminadoras tenemos distintas técnicas de control y diseños
que nos permiten garantizar la equivalencia entre los grupos para una o varias
variables contaminadoras (no en general, para ello el recurso es la aleatorización).

En el caso de la variable dependiente tenemos la medida pretratamiento, que nos

permite constatar la equivalencia de los grupos en la media previa de la variable
dependiente y de no darse esta, tenemos recursos estadísticos que nos permitirían
tratar de resolver el problema.
Pero ocurre que a veces para el investigador es importante asegurarse de que los
grupos sean exactamente equivalentes en la medida de la dependiente. Una de las
formas en que lo puede lograr es mediante un diseño de grupos apareados. Los
diseños de grupos apareados forman parte de los diseños de bloques. Mientras
que los demás diseños de bloques tratan de controlar una, dos o tres variables
contaminadoras de sujeto, en los diseños de grupos al azar el objetivo es diferente,
tratan de garantizar la equivalencia inicial en la variable dependiente. Esta no es la
única, pero sí la diferencia más clara entre los diseños de grupos apareados y los
demás diseños de bloques.
Para lograr esta equivalencia inicial de la variable dependiente se recurre a la
técnica de apareo. La misma se utiliza para igualar los grupos en alguna variable
específica, formando agrupaciones de sujetos con el mismo valor en la variable de
apareamiento (la variable en la que se quiere conseguir la equivalencia),
agrupaciones que incluirán tantos sujetos como tratamientos tenga la investigación.
En el caso particular de los diseños de grupos apareados, a estas agrupaciones se
las llama bloques y la variable de apareamiento puede ser:
a) Una medida de la variable dependiente, anterior a la aplicación de los
tratamientos.
b) Una medida de una variable altamente correlacionada con la variable
dependiente.
c) En algunos casos, como una excepción, el apareo se puede hacer según un
rendimiento previo en una tarea. Por ej., cuando el experimento incluye una serie de
ensayos sucesivos, tomar los primeros ensayos como criterio de apareamiento.
En estos diseños el objetivo es que los grupos presenten la misma media y
desviación típica en la variable dependiente. La técnica de apareo nos permite
conseguir este objetivo al formar grupos exactamente iguales en la medida de la
dependiente previa a los tratamientos.
También se consigue reducir la varianza intergrupos (entre los grupos), lo que da
una mayor sensibilidad para distinguir pequeñas diferencias producidas por la
variable independiente.
Los pasos que se siguen al llevar a cabo un diseño de grupos apareados son:
1. Se selecciona una muestra de sujetos.
2. Se mide la variable de apareamiento.
3. Se forman los bloques, que estarán constituidos por tantos sujetos, como grupos
haya que formar, y dentro de los bloques los sujetos deberán tener la misma
puntuación en la variable dependiente.
4. Se asignan aleatoriamente los sujetos de cada bloque a cada tratamiento
experimental. De manera que si los bloques están formados por dos sujetos, se
elige al azar a qué grupo va uno de los sujetos, y al definir esto, automáticamente el
otro sujeto va al otro grupo. Si fueran bloques de tres sujetos, elijo al azar a qué
grupo va uno de los sujetos, después entre los dos sujetos restantes elijo al azar a
qué grupo va uno de ellos (no puede ser el grupo al cual asigne al primer sujeto) y al
tercer sujeto lo asigno automáticamente al grupo que queda vacante.
5. Se aplican los tratamientos.
6. Se toman las medidas postratamiento
7. Se lleva a cabo el análisis estadístico de los datos. La representación simbólica
de un diseño de grupos apareados es la que sigue:
Podemos observar que el diseño no tiene medida pretratamiento: si bien se tomó
una medida previa de la variable dependiente, se hizo para poder aparear a los
sujetos. No constituye una medida pretratamiento en sentido estricto porque la
misma persigue el objetivo de constatar la equivalencia inicial de los grupos en la
medida de la variable dependiente, o en su defecto que nos permita poder aplicar
recursos estadísticos que traten de subsanar dicha falta de equivalencia.
Nada de esto es necesario en estos diseños porque el apareo ya garantizó la
equivalencia inicial en la medida de la dependiente. De manera que la medida
previa de la dependiente se hizo en función de la composición de los grupos y no
para cumplir la función de la medida pretratamiento, por eso es que no se la
denomina así.
Sin embargo, como el momento en que se toma la medida de apareo suele coincidir
con el momento en que se tomaría la medida pretatamiento, puede darse también
una posible sensibilización a la medida.
Si esto pudiera llegar a suceder, se recomienda usar una medida anterior de los
sujetos si se dispusiera de ella. Pero muchas veces no es posible llevar a cabo esto
último.

En el diseño de grupos apareados, cuando se usan más de dos grupos, los bloques
se pueden formar con más sujetos que el número de grupos siempre y cuando la
cantidad de sujetos sea un múltiplo de éste. Por ejemplo, si la cantidad de grupos
fueran 3, en cada bloque puede haber tres sujetos o un múltiplo (6, 9, etc.).
Pero consideramos que a fines prácticos los bloques definitivos deberían terminar
teniendo un número de sujetos igual a la cantidad de grupos, en función de alguno
de los análisis estadísticos que podrían llegar a implementarse para analizar los
datos. De todos modos, en este caso, el hecho de formar bloques más numerosos
inicialmente tendría la ventaja de permitir una mayor intervención del azar en la
asignación de los sujetos a los grupos. Pero hay que tener en cuenta que una de las
dificultades del apareo consiste en lograr formar los agrupamientos de sujetos,
máxime si la variable tuviera una amplitud total grande y/o fueran más de dos
grupos. Por lo cual formar bloques con mayor cantidad de sujetos que los grupos
mediante esta técnica sería bastante complicado, salvo que la amplitud total de la
variable fuera muy reducida y se contara con una muestra con muchos sujetos.

En cuanto a la validez interna y externa de estos diseños podemos decir que

aumentan la validez interna del experimento, ya que al formar grupos equivalentes
en la variable dependiente, se consigue reducir la varianza intergrupos. Pero puede
disminuir la validez externa en la medida en que haya que excluir de la investigación
a muchos sujetos que no puedan ser apareados con otros por falta de equivalencia
en las medidas (este problema se ve incrementado cuando los bloques tienen que
estar formados por más de dos sujetos). Esto puede sesgar la muestra y dificultar la
capacidad de generalización de los resultados.
 MÉTODO CORRELACIONAL

Los métodos que veníamos viendo -experimento, cuasiexperimento y

preexperimento-, son métodos explicativos que se ocupan de investigar relaciones
causales.
Por su parte, en cambio, el método correlacional investiga relaciones no causales.
Es un abordaje de investigación que permite conocer si dos o más variables
están relacionadas, sin determinar causalidad. La investigación correlacional
intenta detectar relaciones significativas entre variables con el objetivo de
generar predicciones (si observo lo que ocurre en una variable podré predecir lo
que va a ocurrir en otra que considero que está asociada) y puede fijar las bases
para proyectar investigaciones explicativas, causales. Pero no es un método que en
sí mismo permita establecer y probar relaciones causales.
En el método correlacional la relación entre variables se plantea mediante una
hipótesis relacional, también llamada de asociación. La misma puede contener
dos variables o más. En la redacción de la hipótesis de asociación las palabras que
expresan la relación entre variables generalmente son: se relaciona, se vinculan, se
asocian…; a diferencia de las hipótesis experimentales que se usan en los métodos
explicativos donde el nexo entre las variables de la hipótesis suele ser: influye,
causa, provoca, determina, produce…o cualquier otro que implique causalidad.
Por ejemplo, si planteáramos la siguiente hipótesis relacional: “Las notas en los
exámenes universitarios se asocian al tiempo dedicado al estudio, la motivación y el
nivel de ansiedad de los alumnos, los contenidos de las materias y la modalidad de
las clases dictadas”, la relación se expresa mediante el término “se asocia”. Pero
también puede ser que se omita cualquiera de las expresiones mencionadas y una
hipótesis se plantee de la siguiente manera: “Las personas con altos índices de
depresión presentan bajos niveles de autoestima”. Esta hipótesis es claramente
correlacional porque no se puede determinar que una variable sea causa de la otra,
porque: ¿que se dio primero?, ¿hay depresión por la baja autoestima, o la depresión
generó baja autoestima? También podría ocurrir que ambas variables se
retroalimentaran.

El método correlacional no tiene teoría explicativa. Quiere decir que no brinda una
explicación del “porqué” de la relación entre las variables en estudio. Sí tiene teoría
vinculada con cada una de las variables a investigar, pero para cada una por
separado, sin una teoría causal que explique la relación.
Solo relaciona variables, sin plantear un nexo de causalidad entre las mismas.
No quiere decir que no pueda haberlo, sino que el método correlacional no se ocupa
de eso. En consecuencia solo tenemos variables que presentan una variación
conjunta. No hay ni variable independiente, ni variable dependiente, ya que éstas
implican relación de causalidad.
Sin embargo, hay que tener en cuenta que, aunque la relación no sea de
causalidad, al establecer una relación se pueden predecir los valores de una
variable a partir de otra/s. Por eso se llama predictor a la variable que se utiliza
para predecir y se llama criterio a la variable que se va a predecir a partir de la
anterior.
A las variables se las menciona como variables asociadas o correlacionadas.
Cabe aclarar que el término variable criterio se utiliza también en algunos casos
como sinónimo de variable dependiente. Por lo tanto el sentido con que se usa el
término lo determina el contexto del método en el cual se usa.

La relación a estudiar puede ser entre dos variables, pero es más útil cuando se
relacionan varios predictores con un criterio. Por ej., tomar varios predictores para
predecir el rendimiento académico, que sería el criterio. Las investigaciones
correlacionales con múltiples predictores permiten una mejor aproximación al
fenómeno en estudio y mejores predicciones. Además permiten detectar con mayor
precisión la acción de cada predictor, en la medida en que se puede determinar la
superposición que hay entre los distintos predictores, diferenciando las varianzas
específicas de cada predictor de la varianza compartida.
Hay que tener en cuenta que muchas veces la superposición entre distintos
predictores pone un límite al porcentaje de varianza que se puede predecir. De
manera que una vez que se determinan varios predictores importantes, continuar
agregando predictores no necesariamente consigue incrementar el porcentaje de
varianza del cual dan cuenta estos en conjunto. De esta manera, no siempre se
puede aumentar la capacidad predictiva por el solo hecho de agregar predictores.

En las investigaciones correlacionales no se manipulan variables como en los

métodos experimentales, ya que no hay variable independiente. Solo se determinan
las variables a relacionar y se miden. De manera que en el método correlacional
todas las operacionalizaciones de las variables a relacionar son de medida. No
tenemos operacionalizaciones experimentales, ya que estas últimas son propias de
los métodos explicativos.
Cabe aclarar que los métodos explicativos incluyen operacionalizaciones de medida
(la variable dependiente siempre tiene operacionalización de medida), además de
las operacionalizaciones experimentales. Y en el caso particular de las
investigaciones con manipulación de selección todas las operacionalizaciones son
de medida.

No hay tampoco la clásica secuencia de tiempo de los métodos explicativos, en los

cuales se manipula intencionalmente la variable independiente y después se
observa qué pasaba con la variable dependiente. Como en las investigaciones
correlacionales a las variables únicamente se las mide, por lo general no puede
determinarse empíricamente dentro del diseño de la investigación que una variable
antecede en el tiempo a la otra. Aunque en ocasiones hay variables que en general
no pueden ser efectos: edad, disposiciones de la personalidad innatas, etc; y en
estos casos, sí se puede establecer la relación temporal.
Tenemos que tener en cuenta que la antecedencia temporal en sí tampoco es
garantía de que exista una relación causal entre las variables, ya que un
acontecimiento puede estar cerca o lejos en el tiempo y puede actuar como causa o
no.
El cuasiexperimento con manipulación de selección puede tener una estructura muy
similar a una investigación correlacional (salvo en el caso de los diseños factoriales),
por eso es importante marcar la diferencia entre el método correlacional y los
cuasiexperimentos con manipulación de selección. En el cuasiexperimento con
manipulación de selección o natural, se miden variables que ya tienen manifestación
al momento que se realiza la investigación y tampoco se puede determinar
claramente una secuencia de tiempo empírica (como si se puede hacer cuando hay
manipulación intencional). Pero hay una secuencia de tiempo teórica que viene
dada desde un sólido marco teórico que establece que una variable funciona
como causa de otra. De manera que tendríamos una teoría explicativa que dé
cuenta de por qué una variable se relaciona con otra en términos de causalidad.
Por lo tanto es de fundamental importancia, para que una investigación pueda ser
un cuasiexperimento con manipulación de selección, que se base en una teoría
explicativa muy sólida.
En el método correlacional por su parte, como mencionamos con anterioridad, si
bien puede haber mucha teoría respecto a las variables a relacionar (tomando cada
una por separado), no habría ninguna teoría explicativa que dé cuenta del porqué de
esa relación en términos de causalidad. Tomando un ejemplo anterior donde se
relacionaba depresión con autoestima, puedo tener mucha teoría sobre depresión y
mucha teoría sobre autoestima, pero no tendría una teoría explicativa que dé cuenta
de una relación de causalidad.

El control de variables contaminadoras con el fin de incrementar la validez interna es

claramente el desafío para la experimentación y determina la diferencia entre los
tres métodos explicativos (experimento, cuasiexperimento y preexperimento). En la
metodología correlacional también es un problema. Pero, a pesar de ello, el control
de variables no es requisito del método, el método correlacional no se define por el
control de variables. Igualmente esto no quiere decir que no se realicen controles,
pues se implementan todos los posibles (contrabalanceo en la aplicación de
técnicas, selección de sujetos para la muestra con criterios de inclusión y exclusión,
controles sobre las técnicas y el investigador, estadísticos sobre la superposición de
variables, etc.), pero resultan insuficientes para aislar las variables relacionadas, del
conjunto de variables que podrían afectarlas. No obstante, controlar variables que
pueden intervenir en la relación, mejora notablemente la calidad de la investigación.
Tenemos que tener en cuenta que cuando hablamos de variables contaminadoras
en el método correlacional, no se lo hace en el sentido estricto de factores causales
(como en los métodos explicativos), sino como variables que pueden estar
asociadas con aquellas cuya relación se está investigando. En cuanto a la validez
externa, las investigaciones correlaciones tienen generalmente una mayor
validez externa que los estudios explicativos.

Es importante no confundir método correlacional con los coeficientes de

correlación. Estos últimos son cálculos estadísticos y el método correlacional,
es un método de investigación. Es cierto que los coeficientes de correlación
tienen un uso privilegiado en el método correlacional. Pero el método no se define
por el uso de los mismos, ya que se pueden usar otros cálculos estadísticos en
función de las características de las variables en estudio. Pueden utilizarse cálculos
de comparación de grupos (los mismos que en el método experimental) en algunos
casos, entre otras alternativas. Solo habrá que tener en cuenta cual es la variable
que se seleccionará para dividir grupos.
El tipo de cálculo que se puede utilizar está determinado, entre otras cuestiones, por
el nivel de medición (escala de medida) de las variables a utilizar. Esto no solo se
aplica al método correlacional, sino a cualquier análisis estadístico que se haga,
independientemente del método que se utilice. Como dijimos antes, los métodos de
investigación no se definen por el cálculo que se utilice, más allá de que haya
cálculos que sean más usuales en un método u otro.
Por ejemplo: Si se tienen dos variables cuantitativas se puede usar el coeficiente de
correlación r de Pearson (este cálculo es muy usual en las investigaciones
correlacionales). Si una de las variables es cualitativa y puedo tomar distintos
grupos de sujetos y la otra variable es cuantitativa, se pueden usar estadísticos que
comparan grupos (aunque estos cálculos estadísticos son más usuales en las
investigaciones explicativas), como la t de Student y el Análisis de la Varianza. Si
usamos múltiples predictores para un criterio y las variables son cuantitativas
podemos usar Regresión múltiple (se usa más en el método correlacional). Si se
quiere controlar alguna variable, se puede usar correlación parcial (más usual en el
método correlacional), o Análisis de Covarianza (más usual en los métodos
explicativos). La diversidad de cálculos que se puede utilizar es mucho mayor (lo
anterior fue a título de ejemplo) y la elección de los mismos depende entre otras
cosas:
- Del nivel de medición de las variables
- Si se cumplen o no los requisitos para una prueba paramétrica.
- La cantidad de variables involucradas en el análisis
- Si son medidas independientes o relacionadas

Si bien no definen el método correlacional, los coeficientes de correlación son los

cálculos estadísticos más usados en este método. Los coeficientes de correlación
son fórmulas estadísticas que brindan información sobre: si hay relación entre
las variables, la fuerza de la asociación y la dirección de la misma. Por ejemplo
la r de Pearson y la rho de Spearman son algunos de estos coeficientes de
correlación. Siempre dan un valor que oscila entre 1 y -1 (ej. r= 0.50). Se utilizan uno
u otro según ciertos criterios, como por ej. el nivel de medición de las variables
(cuantitativo u ordinal). Que podamos comprobar que las variables están
relacionadas (pruebas de significación estadística), no nos dice cuán relacionadas
están: si mucho, medianamente o poco. Justamente cuando hablamos de la fuerza
de la asociación, nos referimos a cuánto están relacionadas las variables (magnitud
del efecto, tamaño del efecto).
En el caso de los coeficientes de correlación mencionados, habíamos dicho que
daban valores entre 1 y -1, entonces cuanto más se acerca el valor obtenido a los
extremos la asociación es más fuerte y cuanto más se acerca al 0 es más débil. Los
extremos (1 y -1) implicarían asociación perfecta, cuestión que no encontraremos en
datos reales, mientras que el 0 implicaría ausencia total de correlación, que tampoco
se suele encontrar. Cabe aclarar que hay formas de calcular con precisión, ya sea
en los coeficientes de correlación o en otros cálculos estadísticos, qué porcentaje de
la variabilidad de una variable es explicado o predicho por la/s otra/s (porcentaje de
varianza explicada). Por ejemplo: r= - 0.81 es una asociación alta. Si hubiera dado
con signo positivo, r = 0.81 también la relación sería alta, porque no depende del
signo + o – de la relación, sino del valor obtenido independientemente del signo.
Rho= 0. 21 es una asociación baja. Pero es importante saber primero si hay
efectivamente asociación entre las variables (asociación estadísticamente
significativa). Este interrogante (¿las variables están asociadas?) se responde al
leer la p (nivel de significación estadística), que suele ser p ≤ 0.05.
El signo de la correlación (+ o – ) nos habla de la dirección de la relación. El “+” no
se escribe, el “–” sí. Una asociación positiva (+) es una covariación de las variables
en el sentido que cuando una incrementa sus valores, la otra también lo hace y
viceversa (cuando una decrementa sus valores, la otra también). En consecuencias
valores altos de una variable tienden a coincidir con valores altos en la otra, los
valores medios con los medios y bajos con bajos. La asociación negativa (con signo
– antes del número) implica que cuando una variable incrementa sus valores, la otra
los decrementa y viceversa. En este caso valores altos de una variable tienden a
coincidir con valores bajos de la otra variable, medios con medios y bajos con altos
respectivamente.
Es posible, mediante el Análisis de Regresión, generar un modelo que prediga los
valores de alguna de las variables asociadas a partir de los valores de otra. Cuando
se estudian varias variables (Regresión múltiple), es posible predecir el
comportamiento de una variable a partir de los valores de las otras variables. Es
importante tener en cuenta que las variables pueden superponerse entre sí y que la
capacidad de predecir del conjunto no es igual a las suma de todas ellas. En este
proceso (de análisis de datos) se pueden seleccionar las variables más
“independientes entre sí” y más predictoras, descartando otras. Pero hay que tener
en cuenta que para que estas predicciones sean precisas, se requiere que la fuerza
de la asociación entre las variables sea alta. En caso contrario las predicciones que
se hacen tienen el problema de que presentan un alto grado de error. En general las
muestras utilizadas en el método correlacional son grandes, ya que los distintos
cálculos también tienen requisitos y presentan limitaciones en función de la cantidad
de sujetos. Y una investigación cuantitativa requiere necesariamente del
correspondiente análisis estadístico. De hecho, como estamos hablando de
investigaciones cuantitativas, no se pueden llevar a cabo con un número muy
reducido de sujetos.
En particular, los estudios correlacionales con múltiples variables involucradas, se
ven facilitados cuando la muestra es grande. Cuando la muestra es pequeña, si bien
se puede analizar, hay limitaciones importantes y se requiere un análisis de datos
más creativo, para subsanarlas. Con muestras muy pequeñas, este tipo de estudio
correlacional directamente no es viable.
C onverted by Total Im ag e C onverter -

• .« « • /.v - v - v .
’ V < > •>
'iW W
 Prueba de Hipótesis
Juan Carlos Argibay

¿Cómo se prueban las hipótesis tras tomar los datos?

Para probar las hipótesis planteadas en la investigación (fundamentalmente en las
investigaciones cuantitativas), hay que recurrir al análisis estadístico. Para ello se sigue el
procedimiento conocido como prueba de hipótesis.
El rechazo o no de la hipótesis planteada se va a dar en términos de probabilidad, es decir,
en función de la probabilidad de que dichos resultados se dieran por azar.

Tenemos fuentes de variación sistemáticas y otras que son no sistemáticas, es decir,

aleatorias, que se dan por azar. Para probar la hipótesis planteada se requiere que el
resultado obtenido responda a una variación sistemática. Pero para ello hay que ver la
forma de tratar a las variaciones que se dan por azar, porque las mismas siempre están
presentes y podrían explicar los resultados. Para poder resolver este problema se establece
un consenso por el cual, si algo es improbable, se va a considerar que no se dio por azar,
sino que respondió a una fuente de variación sistemática, ya sea, en una relación causal,
como la planteada en las investigaciones explicativas, o no causal, como la que se plantea
en las investigaciones correlacionales.
Sin embargo, esto sólo resuelve parte del problema, porque hay que establecer un segundo
consenso sobre cuándo un resultado se va a considerar improbable. Caso contrario cada
investigador seguiría su propia opinión. Este consenso sobre qué se va a considerar
improbable y qué no tiene que ver con el nivel de significación que se establece para
decidir sobre el rechazo o no de la hipótesis nula. Este nivel de significación se lo simboliza
con la letra griega alfa. El nivel de significación suele establecerse en p = 0.05. Este es
el nivel de significación más frecuente y si no se indica ninguno por defecto se entiende que
es p = 0.05. El investigador puede establecer, y para eso tiene que indicarlo en el trabajo
de investigación, niveles de significación más exigentes, por ej., p = 0.01 o p = 0.001.

Establecido el valor de alfa, se hacen los correspondientes análisis de datos y el valor de

significación obtenido en los mismos se compara con el nivel de significación establecido
previamente. A tal propósito se plantean dos hipótesis estadísticas: la Hipótesis Nula (H0)
y la Hipótesis Alternativa (H1 ó HA).
La hipótesis nula se plantea como lo opuesto de la hipótesis de investigación. La hipótesis
nula se rechaza o no se rechaza. Si el valor de significación (p) obtenido en el cálculo
estadístico es igual o menor al nivel de significación (alfa) establecido, se rechaza la
hipótesis nula, si es mayor no se la rechaza. La hipótesis alternativa está planteada en
términos contrarios a la hipótesis nula. De manera que si no se rechaza la hipótesis nula se
rechaza la alternativa y si se rechaza la nula se acepta la alternativa. Al rechazar la
hipótesis nula y aceptar la alternativa se corrobora la hipótesis de investigación.

La hipótesis de investigación se puede plantear a una cola (unilateral) o a dos colas

(bilateral). Esto tiene que ver con si se predice o no la dirección de la relación. Por
ejemplo, en una hipótesis se puede plantear que se va a encontrar diferencia entre dos
grupos pero sin establecer a cuál va a corresponder la media más alta (a dos colas), o
prediciendo a qué grupo le va a corresponder la media más alta y a cuál la más baja (a una
cola). También se puede plantear una correlación entre dos variables , sin indicar si la
misma va a ser positiva o negativa (a dos colas), o estableciendo de antemano la dirección
de la relación (a una cola).

Ejemplo 1:
Diferencias entre grupos- Hipótesis a dos colas

Si en la hipótesis se plantea que dos intervenciones psicoterapéuticas para la depresión

tendrán efectos diferentes, pero sin establecer cuál de ellas producirá una mayor
disminución en la conducta depresiva, sería una hipótesis a dos colas.
La hipótesis nula plantearía que no hay diferencia entre los efectos de las dos
intervenciones psicoterapéuticas, o sea, que no hay diferencias entre los grupos.
La hipótesis alternativa plantearía que va a haber diferencias entre los grupos.
Si el nivel de significación se hubiera establecido en 0.05, y el valor de p obtenido con el
cálculo correspondiente fuera 0.04, se rechazará la hipótesis nula y se aceptará la
alternativa, corroborando la hipótesis de investigación.

Ejemplo 2:
Diferencia entre grupos- Hipótesis a una cola

Si en el caso anterior, en la hipótesis estableciéramos que la intervención psicoterapéutica A

produciría una mayor disminución en la conducta depresiva que la B, sería una hipótesis a
una cola.
La hipótesis nula plantearía que en el grupo donde se aplicó la intervención psicoterapéutica
A, la media de conducta depresiva sería igual o mayor que en el grupo donde se aplicó la
intervención psicoterapéutica B.
La hipótesis alternativa plantearía que en el grupo donde se aplicó la intervención
psicoterapéutica A, la media de conducta depresiva sería menor que en el grupo donde se
aplicó la intervención psicoterapéutica B.
Si el nivel de significación se hubiera establecido en 0.05, y el valor de p obtenido con el
cálculo correspondiente fuera 0.02 a una cola, y el grupo con la media menor hubiera sido
en el que se aplicó la intervención psicoterapéutica A, se rechazaría la hipótesis nula y se
aceptaría la alternativa, corroborando la hipótesis de investigación. En las hipótesis a una
cola, ya sea de diferencia de grupos o de relación, obtener un resultado significativo pero en
dirección contraria a la predicha (en este caso la significación se considera a dos colas), si
bien no permite corroborar la hipótesis de investigación, brinda de todos modos una
información importante, aunque la misma sea contraria a la planteada en la hipótesis de la
investigación.

Error tipo I y tipo II

Como la decisión para corroborar la hipótesis de investigación se toma sobre una

probabilidad, siempre está la posibilidad de que la decisión sea equivocada. Esto da lugar a
dos posibles errores que se los conoce como Error tipo I y Error tipo II.
El error tipo I consiste en rechazar la Hipótesis nula cuando es verdadera, o sea, que
terminamos corroborando una hipótesis de investigación que en realidad es incorrecta.
El error tipo II consiste en no rechazar la Hipótesis nula cuando es falsa, o sea, que
entonces rechazamos una hipótesis de investigación que en realidad es correcta.

Para reducir la probabilidad de cometer un error de tipo I, se puede poner en lugar de p =

0.05, un nivel de significación más exigente, por ej. p = 0.01 ó p = 0.001. El problema es que
esto incrementa la probabilidad de cometer un error de tipo II. Para reducir la probabilidad
de cometer un error de tipo II, se puede aumentar el tamaño de la muestra.

En los estudios exploratorios es preferible no cometer un error de tipo II, mientras que en los
estudios para justificar hipótesis es preferible no cometer un error de tipo I.

El procedimiento estadístico descripto anteriormente sirve para decidir sobre la validez de

nuestras hipótesis, si las corroboramos o no, y tiene que ver básicamente con una cuestión
de probabilidad. Sirve para establecer si hay o no relación entre las variables, pero no nos
dice nada respecto a cuál es la fuerza de la relación, si es una relación pequeña, mediana o
alta. Para ello hay otro tipo de medidas estadísticas, las que dan cuenta sobre cuánto están
relacionadas las variables y son las medidas de tamaño del efecto o magnitud del efecto.