CLASE U2_TEMA 3

Vista previa del material en texto

0 
 
 
 
 
INTRODUCCIÓN A LA METODOLOGÍA INVESTIGACIÓN CIENTÍFICA 
 
Unidad 2. Tema 3. Diseños de investigación 
 
 
1 
 
Unidad 2. Tema 3. Diseños de investigación 
 
Objetivo de la Clase 
 
- Que los/las estudiantes identifiquen la relevancia del diseño de investigación 
como parte elemental del proceso de investigación, y conozcan los distintos 
tipos de diseños 
 
 
El diseño de una investigación 
 
En clases previas definimos al diseño como un componente fundamental y 
necesario de toda investigación, entendiéndolo como el conjunto de decisiones 
relacionadas con la construcción del objeto de estudio y la recolección y análisis de 
datos. Si bien se toman decisiones de diseño a lo largo de toda la investigación, 
podemos decir que éstas en su mayoría se toman en una primera etapa, cuando la 
investigación se planifica. Diseñar en el accionar investigativo significa tomar 
decisiones y seleccionar determinadas actividades y técnicas para concretar en el 
trabajo de campo dentro de una secuencia organizativa para producir los datos 
requeridos. Son decisiones que marcarán los pasos futuros de la investigación y, por 
tanto, deben ser cuidadosamente seleccionadas (Hernández Sampieri, Fernández 
Collado y Baptista Lucio 1991). Estas disposiciones suponen un camino a seguir, un 
plan definido temporal y espacialmente dirigido a cumplir con los objetivos de 
investigación. 
Entre las decisiones previas que un diseño de investigación requiere encontramos: 
 
● La elaboración del objeto de estudio y del problema a investigar. 
● Decisiones muestrales 
● La metodología utilizada para la recolección de datos, es decir, la explicitación 
de los medios a través de los cuales se obtendrá la información necesaria para 
la investigación 
● La metodología utilizada para el análisis de los datos, es decir, las técnicas y 
herramientas necesarias para ordenar y resumir a los fines de darle sentido a 
la información recolectada. 
 
 
Diseños según su grado de estructuración 
 
Una primera manera de entender y clasificar a los diseños de investigación es 
según su grado de estructuración, es decir, según cuántas decisiones se encuentren 
tomadas de antemano y no se modifiquen en el transcurso de la investigación. 
Comentamos en las clases anteriores que ninguna investigación se encuentra 
totalmente organizada de antemano, como si fuera una sucesión de pasos rígidos a 
seguir. A su vez, en el otro extremo, ninguna investigación se realiza sin ningún tipo 
 
 
2 
 
de planificación previa. En la práctica, según los objetivos, las investigaciones se 
desarrollan entre mayores o menores grados de estructuración, sin llegar a los 
extremos, ya que no son factibles. 
Siguiendo a Marradi et al. (2007) se puede pensar en una tipología de diseños 
de investigación. Están los DISEÑOS ESTRUCTURADOS, donde la mayor parte del 
proceso de investigación está planificado con anticipación. En el polo opuesto, se 
ubican los DISEÑOS EMERGENTES, donde las decisiones del proceso de 
investigación no se planifican, sino que emergen, precisamente, durante la marcha, 
en la medida que va avanzando la investigación. Los diseños estructurados son más 
comunes en los abordajes estadísticos, mientras que en las estrategias cualitativas 
son más comunes los diseños menos estructurados. No obstante, aún en las 
investigaciones cualitativas no se desarrollan diseños emergentes sino lo que Marradi 
denomina DISEÑOS FLEXIBLES, más acordes con la práctica real de la 
investigación cualitativa, y que postula que en todo diseño de investigación hay 
decisiones previas que deben explicitar, aunque habilita a aparición de ciertas 
decisiones que se irán tomando en el desarrollo de la misma investigación. 
En este mismo sentido, Maxwell (1996) habla de DISEÑO INTERACTIVO. 
Podemos decir que en la práctica de investigación real, esta toma de decisiones no 
respeta esta linealidad sucesiva. Muchas veces, el análisis de nuestros datos 
recolectados, nos conduce a redefinir nuestro objeto de estudio, y, en consecuencia, 
quizás se afecte también la muestra y los métodos de recolección de datos. Esta forma 
de entender la investigación como un proceso en el que cada componente 
interacciona entre sí con los otros 
Ubicándose siempre en algún lugar intermedio, los diseños de las 
investigaciones cuantitativas o estadísticas, por sus características, suelen ser más 
estructurados que los diseños de las investigaciones cualitativas. Sobre todo en las 
instancias más técnicas de recolección y análisis de datos (imaginen por ejemplo una 
encuesta donde empezamos haciendo unas preguntas a algunas personas, y 
terminemos haciendo otras preguntas distintas a otras personas, no podríamos 
analizar tal información). 
 El tipo de diseño escogido por el investigador/a depende de una serie de 
factores tales como los recursos que se posea, el tipo de hipótesis, las características 
de las variables, la peculiaridad del universo a estudiar y los objetivos definidos, entre 
otros. 
 
La noción de causalidad 
 
Antes de adentrarnos en una detallada explicación de los distintos tipos de 
diseños de investigación, teniendo en cuenta que algunos de ellos, sobre todo el 
Diseño Experimental, pretenden identificar relaciones causales, desarrollaremos 
brevemente la noción de causalidad. ¿Cómo podemos establecer que una relación es 
causal? ¿Cómo podemos saber si un determinado hecho es causa de algo, o si las 
causas de algún fenómeno no serán otras distintas de las que estamos pensando? 
Correlación, asociación y causalidad son conceptos asociados, 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 
 
 
3 
 
poco y decide mejorarlo, lo hace y lanza una campaña para anunciar el producto en 
radio y televisión. Después, se observa un aumento en las ventas del producto. Los 
ejecutivos de la empresa pueden decir que el lanzamiento de la campaña está 
relacionado con el incremento de las ventas; pero si no se demuestra la causalidad, 
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 causas. 
Para poder razonablemente establecer causalidad se deben cumplir los 
siguientes requisitos (Hughes y Sharrock, 1999): 
 
● antes debe haberse demostrado relación (si no hay relación de ningún tipo, por 
lo tanto tampoco hay relación causal) 
● la causa debe ocurrir antes que el efecto 
● los cambios en la causa tienen que provocar cambios en el efecto 
● se deben haber podido descartar todas las posibles causas alternativas (es 
decir, asegurarnos de que las causas no sean otras) 
 
 
El diseño experimental 
 
Los diseños experimentales, también llamados experimentos, se emplean 
exclusivamente cuando el estudio es causal, aunque no en todos los estudios 
causales puede aplicarse este tipo de diseño. Los diseños experimentales pretenden 
probar relaciones de causa y efecto, a través de ellos se quiere determinar si una 
variable independiente (causa/estímulo) modifica una variable dependiente 
(efecto/respuesta). El experimento supone la intervención del investigador en un 
determinado contexto intentando comprobar una relación de causalidad entre un 
estímulo y el registro de una posible respuesta. 
Tal como se sostuvo anteriormente, en la literatura sobre la investigación del 
comportamiento se distinguen dos contextos en los que llega a tomar lugar un diseño 
experimental: laboratorio y campo. Así, se habla de experimentos de laboratorio y 
experimentos de campo. 
Los primeros se realizan bajo condiciones controladas, en las cuales el efecto 
de las fuentes de invalidación interna es eliminado, así como el de otras posibles 
variables independientes que no son manipuladas o no interesan (Hernández-Sampieri y Mendoza, 2008). Los experimentos de campo son estudios efectuados en 
una situación “realista” en la que una o más variables independientes son manipuladas 
por el experimentador en condiciones tan cuidadosamente controladas como lo 
permite la situación (Kerlinger y Lee, 2002). La diferencia esencial entre ambos 
contextos es el “realismo” con que los experimentos se llevan a cabo, es decir, el 
grado en que el ambiente es natural para los sujetos. 
 
Un diseño experimental debe poseer: 
 
 
 
4 
 
● Al menos un grupo de control donde no se introduce el estímulo (causa), y al 
menos un grupo experimental donde se introduce el estímulo (causa) 
● Selección aleatoria de los integrantes de los grupos 
● En algunos casos, una observación anterior y una observación posterior al 
estímulo (test-pretest) 
 
 
¿Cómo funcionan estos elementos? La idea detrás de estos requisitos es poder 
realizar una COMPARACIÓN entre una situación donde existe la causa y una donde 
la causa no existe, para observar los efectos. 
Retomemos el concepto de VARIACIÓN CONCOMITANTE. Si tanto cuando está la 
variable que proponemos como la causa, como cuando la causa no está, el efecto es 
el mismo, entonces la supuesta causa no es tal. Si en la universidad tanto las personas 
que trabajan como las que no trabajan aprueban en promedio la misma cantidad de 
materias al año, entonces la causa de que haya personas que aprueban menos 
cantidad de materias no es el trabajo, sino otra cosa. 
Ahora bien, si encontramos que hay variación concomitante, podemos establecer que 
hay relación entre las variables. Pero, retomando la Clase anterior, ¿cómo podemos 
establecer que esa relación es causal? ¿Cómo podemos estar seguros de que no son 
otras las causas por las cuales hay estudiantes que aprueban menos materias en el 
año? 
El diseño experimental pretende identificar relaciones causales, comparando grupos 
o situaciones, tanto donde la causa está, como donde la causa no está. En el diseño 
experimental esa comparación puede realizarse de dos maneras: entre dos grupos 
distintos (uno donde está la causa y otro donde no está), y/o en dos momentos en el 
tiempo (antes y después de que aparezca la causa). 
Supongamos que queremos comprobar la eficacia de un medicamento. Aplicamos el 
medicamento a un grupo de personas y en general su problema de salud desaparece. 
Ahora bien, ¿fue por causa del medicamento o por otros motivos? Lo mismo 
podríamos decir si la situación de estas personas empeora. 
Por este motivo en el diseño experimental se construyen dos grupos un GRUPO 
EXPERIMENTAL donde se incorpora la supuesta causa (siguiendo el ejemplo, el 
medicamento), y un GRUPO DE CONTROL donde no se incorpora la causa (en el 
ejemplo, no se suministra ningún medicamento o se suministra un placebo). Si los dos 
grupos se comportan igual en cuanto a lo que nos interesa observar, concluiremos 
que la causa no es tal (el medicamento no funciona como se esperaba). Ahora bien, 
si el grupo experimental mejora y el otro no, entonces tenemos más elementos para 
sostener esa relación causal. 
Ahora bien, aun así estos datos podrían ser objeto de cuestionamientos. ¿Cómo nos 
aseguramos que las personas de esos grupos se encontraban en las mismas 
condiciones de salud? ¿Qué pasaría si en el grupo experimental las personas 
estuvieran en mejores condiciones de salud que en el grupo de control? Seguramente 
unos tendrían de por sí más posibilidades de superar su problema de salud que los 
otros, de modo que las diferencias observadas podrían ser producto de esta situación, 
y no de la aplicación del medicamento. Del mismo modo podríamos preguntarnos 
muchas otras cosas ¿y si unos llevan un modo de vida más saludable que otros? ¿Y 
 
 
5 
 
si algunos consumieron además otras sustancias? Es decir, en el caso de este 
ejemplo, estamos intentando descartar otras causas posibles. 
Para descartar otras causas, en el diseño experimental se debe procurar que los 
grupos sean iguales a los fines de la experimentación, es decir, en relación con las 
variables que nos interesan. La manera más recomendada por la bibliografía es 
seleccionar los integrantes de los grupos al azar, de modo que el propio mecanismo 
de la ALEATORIEDAD excluya cualquier tipo de sesgo. 
Otra de las maneras es lo que se denomina TEST-PRETEST. Es decir, realizar una 
observación anterior y otra observación posterior a la causa (en el ejemplo, el 
suministro del medicamento), en ambos grupos, para ver los cambios en cada uno. 
 
 
Ahora bien, cuando investigamos fenómenos sociales resulta casi imposible cumplir 
sobre todo con el requisito de la selección aleatoria de los integrantes. (Imagínense 
forzando a un conjunto de personas, seleccionadas de manera aleatoria, a que se 
sometan a determinadas condiciones para los fines de una investigación.) Por lo tanto 
generalmente se opta por diseños que cumplan rigurosamente con los otros dos 
requisitos, lo que se denomina DISEÑO CUASI EXPERIMENTAL. 
Por último, la bibliografía suele caracterizar como diseños no experimentales a 
cualquier tipo de diseño que no cumpla con estos requisitos. Sin embargo resulta una 
clasificación problemática, ya que ubica en una categoría residual y en apariencia 
menos rigurosa, a todos los demás diseños con los que habitualmente investigamos 
en ciencias sociales. Por lo que reservaremos aquí el término “no experimental” a 
aquellos diseños que, pretendiendo ser experimentales, no cumplan con los requisitos 
correspondientes. 
 
 
Diseños según el tratamiento de la dimensión temporal y los 
alcances de la investigación 
 
Según Hernández-Sampieri, Fernández Collado y Baptista Lucio (1991), los 
diseños de investigación pueden clasificarse por su dimensión temporal o el número 
de momentos o puntos en el tiempo en los cuales se recolectan datos. En este sentido, 
los diseños se pueden clasificar en transeccionales y longitudinales. 
 
Diseño transeccional o transversal 
 
Retomando lo señalado por Hernández-Sampieri, Fernández Collado y 
Baptista Lucio (1991), los diseños de investigación transeccional o transversal 
recolectan datos en un solo momento, en un tiempo único. Su propósito es describir 
variables y analizar su incidencia e interrelación en un momento dado. Es como tomar 
una fotografía de algo que sucede. Por ejemplo: 
1. Investigar el número de empleados, desempleados y subempleados en una 
ciudad en cierto momento. 
 
 
6 
 
2. Medir las percepciones y actitudes de mujeres jóvenes que fueron abusadas 
sexualmente en el último mes en una urbe latinoamericana. 
3. Evaluar el estado de los edificios de un barrio o una colonia, después de un 
terremoto. 
4. Analizar el efecto que sobre la estabilidad emocional de un grupo de 
personas provocó un acto 
terrorista. 
5. Analizar si hay diferencias en el contenido sexual entre tres telenovelas que 
están exhibiéndose simultáneamente. 
Pueden abarcar varios grupos o subgrupos de personas, objetos o indicadores; 
así como diferentes comunidades, situaciones o eventos. Por ejemplo, analizar el 
efecto que sobre la estabilidad emocional provocó un acto terrorista en niños, 
adolescentes y adultos. Pero siempre, la recolección de los datos ocurre en un 
momento único. 
 
 
Diseño longitudinal o evolutivo 
 
En ocasiones el interés del investigador es analizar cambios a través del 
tiempo. Entonces disponemos de los diseños longitudinales, los cuales recolectan 
datos a través del tiempo en distintos momentos. Tomando uno de los ejemplos 
señalados por Hernández-Sampieri y Mendoza (2018), un investigador que buscara 
analizar cómo evolucionan los niveles de empleo durante cinco años en una ciudad; 
otro que pretendiera estudiar cómo ha cambiado el contenido sexual en las 
telenovelas de cierto país en los últimos 10 años, y uno más que buscara observar 
cómo se desarrolla una comunidad indígena a través de varios años, con la llegada 
de la computadora e internet a sus vidas. Son pues, estudios de seguimiento. 
Losdiseños longitudinales suelen dividirse en tres tipos: diseños de tendencia, 
diseños de análisis evolutivo de grupos (cohorte) y diseños de panel. 
En los estudios de TENDENCIA se analiza la evolución de una o más variables 
a lo largo del tiempo. Típico ejemplo de este tipo de estudios son las mediciones que 
realiza periódicamente el Estado sobre desocupación, pobreza o inflación. Lo es 
también el Censo Nacional de Población, Hogares y Viviendas. Y también aquellos 
estudios que miden por ejemplo la evolución de ciertos tipos delictivos a lo largo del 
tiempo. 
Los estudios de COHORTE consisten en seguir a lo largo del tiempo a un 
conjunto de personas que comparta una característica. Esa característica compartida 
debe ser un fenómeno ocurrido en algún momento del tiempo. Un ejemplo común de 
este tipo de diseños son los estudios de trayectorias laborales. Por ejemplo, cuál ha 
sido la trayectoria laboral de las personas que egresaron de una universidad en el año 
X. Para la realización de las distintas mediciones, no es necesario que las personas 
seleccionadas sean siempre las mismas. 
Los estudios de PANEL son similares a los anteriores, con la diferencia de que 
se sigue siempre a los mismos casos. Un ejemplo lo representa una de las 
metodologías para medir la “reincidencia”. De las personas que egresaron del sistema 
 
 
7 
 
carcelario en un período de tiempo (un trimestre, un año), se observa cuáles de ellas 
volvieron a ingresar posteriormente. 
 
 
Diferencias entre la investigación no experimental y la investigación 
experimental 
 
Una vez más enfatizamos que tanto la investigación experimental como la no 
experimental son herramientas muy valiosas y ningún tipo es mejor que el otro. El 
diseño a seleccionar en una investigación depende más bien del problema a resolver 
y del contexto que rodea al estudio. Desde luego, ambos tipos de investigación poseen 
características propias que es necesario resaltar. 
El control sobre las variables es más riguroso en los experimentos que en los 
diseños cuasiexperimentales y, a su vez, ambos tipos de investigación logran mayor 
control que los diseños no experimentales (Hernández Sampieri, Fernández Collado 
y Baptista Lucio 1991). En un experimento se analizan relaciones “puras” entre las 
variables de interés, sin contaminación de otras variables y, por ello, es posible 
establecer relaciones causales con mayor precisión. Por ejemplo, en un experimento 
sobre el aprendizaje variaríamos el estilo de liderazgo del profesor, el método de 
enseñanza y otros factores. Así, sabríamos cuánto afectó cada variable. En cambio, 
en la investigación no experimental resulta más complejo separar los efectos de las 
múltiples variables que intervienen, sin embargo puede hacerse, infiriendo. 
Ahora bien, como menciona Kerlinger (1979), en los experimentos (sobre todo 
en los de laboratorio) las variables independientes pocas veces tienen tanta fuerza 
como en la realidad o la cotidianidad. Es decir, en el laboratorio tales variables no 
muestran la verdadera magnitud de sus efectos, la cual suele ser mayor fuera del 
laboratorio. Por tanto, si se encuentra un efecto en el laboratorio, éste tenderá a ser 
mayor en la realidad. 
En cambio, en la investigación no experimental estamos más cerca de las 
variables formuladas hipotéticamente como “reales” y, en consecuencia, tenemos 
mayor validez externa (posibilidad de generalizar los resultados a otros individuos y 
situaciones comunes). 
Una desventaja de los experimentos es que normalmente se selecciona un 
número de personas poco o medianamente representativo respecto a las poblaciones 
que se estudian. La mayoría de los experimentos utilizan muestras no mayores de 200 
personas, lo que dificulta la generalización de resultados a poblaciones más amplias. 
Por tal razón, los resultados de un experimento deben observarse con precaución y 
es por medio de la réplica de éste (en distintos contextos y con diferentes tipos de 
personas) como van generalizando dichos resultados. 
En resumen, ambas clases de investigación: experimental y no experimental, 
se utilizan para el avance del conocimiento y en ocasiones resulta más apropiado un 
tipo u otro, dependiendo del problema de investigación al que nos enfrentemos 
(Hernández-Sampieri y Mendoza, 2018). 
 
 
 
 
8 
 
En síntesis 
 
Cuando vamos a realizar una investigación es necesario tomar una serie de 
decisiones a partir de los objetivos. Nos interesa con esta clase no tanto la 
memorización de los distintos tipos de diseño (de los que ofrecemos solamente 
algunos) sino que estos modelos puedan transformarse en herramientas a la hora de 
pensar y realizar una investigación. Ya que no hay ninguna investigación totalmente 
diseñada de antemano, estos tipos de diseño comentados en la case son modelos, 
que deben ser desarrollados criteriosamente cuando se realiza una investigación. 
 
 
Literatura citada 
 
● Hernández-Sampieri, Roberto; Mendoza, Christian (2018) Metodología de la 
investigación. Las rutas cuantitativa, cualitativa y mixta, Ciudad de México, 
México: Editorial Mc Graw Hill Education. 
 
● Hernández-Sampieri, Roberto; Fernández Collado; Carlos y Baptista Lucio, 
Pilar (1991). Metodología de la investigación. Mc Graw-Hill Interamericana 
Editores, México. 
 
● Hughes, John y Sharrock, Wes (1999) La filosofía de la investigación social. 
México: FCE. 
 
● Kerlinger, Fred. (1979). Enfoque conceptual de la investigación del 
comportamiento. México, D. E: Nueva Editorial interamericana. 
 
● Kerlinger, Fred; Lee, Howard (2002). Investigación del comportamiento. 
México: McGraw Hill/ Interamericana. 
 
● Marradi, Alberto; Archenti, Nélida y Piovani, J. Ignacio. (2007). Metodología de 
las Ciencias Sociales, Buenos Aires: Emecé. 
 
● Maxwell, Joseph. (1996). Qualitative research design. An interactive approach. 
Thousand Oaks: Sage. 
 
 
9