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.