Métodos y técnicas de la investigación científica (página 2)

Observación de casos
típicos y atípicos: por ejemplo mediante
entrevistas.

Acercamiento al campo: hacer una
vivencia directa.

La Formulación del
problema:

Implica una serie de pasos, aunque no
existe un orden establecido para ellos:

Formulación de objetivos: ya sean objetivos generales o
particulares (estos son eventuales, no amplían, sino que
especifican). Desde aquí se avanzará a las variables, es
decir, se expresan los objetivos en términos de variables
relacionadas, por ejemplo: relación entre el nivel de
instrucción y la forma de expresarse.

Los objetivos deben expresarse en
infinitivo.

Elaboración de un marco
teórico: es la teoría
de la cual se dispone acerca del objeto de estudio. El marco
teórico es un conjunto de explicaciones y enunciados del
cual surgirá la hipótesis. Cuanto más pobre es el
marco teórico menos hay para observar. Cuanto más
conocimiento
se tiene más fenómenos se observan en un mismo
hecho. Aquí se definen las variables, se explicita que es
lo que entendemos por lo que decimos. Aparece lo observable y lo
abstracto, la teoría debe ser bajada a la
realidad.

Formular hipótesis:
las hipótesis derivadas.
Están vinculadas con los objetivos. Las hipótesis
se clasifican según distintos criterios que se desarrollan
más abajo.

Formular interrogantes:se debe
formular al menos un interrogante general, el cual define hacia
donde se va a avanzar. El interrogante es el que estimula la
búsqueda o indagación. Quien formula más
interrogantes es quien más conoce la realidad.

Definición de variables:
las variables se definen conceptual y operacionalmente. La
definición conceptual es la expresión de la
variable conforme el marco teórico que se usa (ej:
definición de persuasión según la
teoría de la persuasión). La definición
operacional expresa como se va a medir la variable, es decir, a
través de que aspectos vamos a poder medir el
concepto (ej:
si los vendedores usan o no técnicas
de persuasión tales como minimización de la
competencia,
modificación de los constructos, cierres de venta,
etc).

Cabe resaltar la importancia de la
definición conceptual, pues estudios similares pueden
producir resultados distintos por tener distintos marcos
teóricos.

Clasificación de las
hipótesis

Según la función
que cumplen en la
investigación:

Hipótesis general: por
ejemplo "a mayor conocimiento mayor rendimiento". Las
hipótesis generales poseen un alto contenido de
abstracción.

Hipótesis intermedia: "a
mayor conocimiento de la teoría de la persuasión
mejor desempeño laboral"

Estas hipótesis establecen
relaciones de intermediación entre la teoría y el
campo empírico.

Hipótesis empírica:
"a mayor aplicación de las técnicas de la
teoría de la persuasión mayor nivel de ventas de
electrodomésticos"

Estas hipótesis son constituidas a
partir de definiciones operacionales o indicadores,
directamente contrastables y mensurables.

Hipótesis de
generalización: permiten extender las conclusiones
tomadas para las muestras al conjunto o población de sujetos o
fenómenos.

Según el nexo que liga a las
variables:

Hipótesis descriptivas:
señalan la frecuencia o características de un
fenómeno sin establecer relaciones causales entre sus
variables. Pueden ser a su vez:

-Asociativas: plantean relaciones no
paramétricas entre las variables que las componen. En este
caso las variables son cualitativas, por ejemplo: "la
satisfacción del consumidor
aumenta con la calidad de los
productos".

-Correlacionales: plantean la existencia de
relaciones de tipo estadístico o paramétricas entre
variables cualitativas o cuantitativas, por ejemplo: "la tasa de
mortalidad aumenta a medida que aumenta la tasa de desocupación".

Hipótesis explicativas: dan
cuenta del por qué o causa de los fenómenos. A su
vez se dividen en:

-Causales o determinísticas:
plantean la existencia de una relación causa-efecto
ineluctable. Son poco frecuentes en las ciencias
sociales, son propias de las ciencias
físico-naturales, por ejemplo "el hábito de fumar
provoca lesiones de distinta gravedad a nivel
pulmonar".

-Estocásticas o
probabilísticas: se trata de hipótesis causales
pero en el marco de la idea si X probablemente Y. Dicha
probabilidad
se fija dentro de ciertos parámetros estadísticos
que oscilan entre el cero al ciento por ciento; por ejemplo: "es
probable que la presión
tributaria determine el monto de la recaudación fiscal".

-Contingentes: son del tipo de si X
entonces Y, pero sólo si Z. Por ejemplo: "un riego
adecuado produce una buena cosecha, sólo si no se producen
heladas".

-Predictivas: permiten anticipar con
algún grado de certeza el comportamiento
de ciertas variables o el acaecimiento de fenómenos. A su
vez pueden ser: fundadas en leyes
teóricas (por ejemplo: la fuerza
gravitacional en cualquier parte del planeta a partir de las
leyes de
Newton) o fundadas en acumulación de datos
empíricos (por ejemplo: el tamaño de la
población mundial dentro de diez años en base al
tamaño de la población actual).

Según la cantidad de variables que
contienen las hipótesis:

-Univariadas: poseen una
variable

-Bivariadas: poseen dos
variables

-Multivariadas: poseen tres o más
variables, por ejemplo "El sexo, el
cociente intelectual y el tipo de composición del hogar
influyen en la cantidad de horas que un niño ve televisión".

Según su planteo
temporal:

-Ante facto: planteadas antes de que ocurra
el hecho

-Post facto: por ejemplo "El comportamiento
del día de hoy de las acciones
probablemente se debió a las medidas tomadas ayer por el
gobierno".

Según la direccionalidad:

-Unidireccionales: por ejemplo "El sexo
influye en la elección del tipo de carrera".

-Bidireccionales: por ejemplo "El nivel
socioeconómico del sujeto influye en la jerarquía
de sus contactos sociales" (ya que la jerarquía de los
contactos sociales influye en el nivel
socioeconómico).

Según su condición de
hipótesis nula:

Son aquellas que en el contexto de la
investigación y teniendo en cuenta el
principio de refutabilidad, el investigador desarrolla para
tratar de demostrar que no se verifican.

Las variables: su
categorización y medición

En términos generales las variables
son conceptos, pero no cualquier concepto constituye una
variable. Esto significa que existen conceptos constantes y
conceptos variables. Los primeros son aquellos que a lo largo de
una determinada investigación van a permanecer fijos,
asumiendo un único valor. Las
variables, en cambio, son
conceptos que asumen diferentes valores; es
decir que las variables se refieren a aquellas propiedades,
atributos, características, magnitudes, funcionalidades,
etc. que podrán estar presentes (en algunos casos con
distinta intensidad) o ausentes en cada uno de los casos que
conforman el universo de
estudio. Por ejemplo si se realiza un estudio sobre estudiantes
universitarios, el concepto de "estudiante universitario"
permanecerá constantemente (concepto constante), en tanto
la multiplicidad de características propias de los
estudiantes serán variables.

Las variables se traducen en las distintas
preguntas de la encuesta y las
opciones de respuesta que se brinden serán las llamadas
"categorías".

Principios que rigen la
categorización de una variable:

Principio de exhaustividad:
sostiene que en la categorización se deben contemplar
todos los valores
posibles. Por ello suele preverse la utilización de una
categoría residual como "otros".

Principio de exlclusividad:
sostiene que en toda categorización las variables deben
ser mutuamente excluyentes de manera tal que una misma unidad de
análisis no pueda ser ubicada en dos
categorías simultáneamente.

Factores que inciden en la
categorización de una variable:

Referencia al marco
teórico: los valores deben guardar relación
con el marco teórico en que se basa la
investigación.

El tamaño del universo y la
muestra:
por un principio de economía y a fin de evitar que la información se disperse, el número
de categorías debe adecuarse a la cantidad de unidades de
análisis. A menor cantidad de casos menor cantidad de
categorías, y viceversa.

Linealidad del contínuo:
las categorías deben seguir un mismo criterio. Por ejemplo
si la variable fuese "clima laboral"
las categorías no podrían ser "muy
conflictivo/acogedor/desagradable", pues pertenecen a escalas
diferentes.

Utilización del punto
neutral: debe evaluarse en cada caso si se usa o no. Cuando
se trata de clasificar opiniones o actitudes, es
conveniente que el número de categorías sea impar,
a los efectos de contemplar la posición intermedia o de
neutralidad. Por ejemplo: "totalmente de acuerdo / de acuerdo /
ni de acuerdo ni en desacuerdo / en desacuerdo / totalmente en
desacuerdo". No obstante existen casos donde la neutralidad no es
conveniente y puede recurrirse a categorías como "no
contesta o sin respuesta".

Cantidad de categorías positivas
y negativas: la cantidad de categorías positivas y
negativas debe ser similar, no sería correcto utilizar una
escala como
"excelente / muy bueno / bueno / malo".

Las características objetivas
del contexto de investigación: por ejemplo si se
desea utilizar la variable "nacionalidad"
en una investigación en nuestro país, se
podría prever "argentino / peruano / boliviano / uruguayo
/ etc.." pero no tendría sentido incluir "noruego /
francés / ruso". A lo sumo (para cumplir con la
exhaustividad) se podría utilizar una categoría
como "otra nacionalidad".

Relacionado con ello está la
posibilidad de acceder a determinadas unidades de análisis
y/o de información, por ejemplo en el campo de la investigación
de mercado, marketing y
publicidad se
suele categorizar a la variable NSE en A,B,C1, C2, C3, D Y E. Sin
embargo, diferentes consultoras se han cuestionado hasta
qué punto es legítimo incluir en sus estudios los
niveles A y B cuando prácticamente, por una
cuestión de imposibilidad de acceso o de contacto, no se
hallan representados en la muestra.

Niveles de medición de las variables:

Cualitativas:

-Nominal: es la menos precisa, mide
atributos y mide por semejanzas y diferencias (por ej:
"nacionalidad").

-Ordinal: es más precisa, ya que
además de semejanzas y diferencias establece
jerarquía entre las categorías (por ej: "nivel de
instrucción").

Cuantitativas:

-Racional:

-Intervalar:

La
clasificación de las variables

Según su naturaleza:

-Cualitativas: como su nombre lo indica,
miden cualidades, atributos (por ej: ocupación,
nacionalidad, religión, estado civil,
etc.)

-Cuantitativas: miden cantidades,
magnitudes. De acuerdo con los valores que puedan asumir se
distingue entre continuas (dan la posibilidad de
fraccionar y pueden tomar cualquier valor dentro de un rango, por
ej: "temperatura")
y discretas (sólo asumen valores enteros, por ej:
número de hijos).

-Cualicuantitativas: son aquellas que se
refieren a aspectos cualitativos y cuantitativos, es decir que
miden atributos y magnitudes. En todos los casos son variables
complejas (por ej: NSE) que a los efectos de su medición
serán cuantificadas.

Según la función que cumplen
en la hipótesis o en el análisis del
problema:

Cuando se habla de "función" se hace
referencia al papel que la variable desempeña o a la
posición que se le asigna (aunque más no sea en
términos conjeturales) en el análisis del problema
estudiado.

De acuerdo a su función, las
variables se clasifican en:

-Independientes: de ahora en adelante "X",
son aquellas que cumplen la función de causa o supuesta
causa.

-Dependientes: de ahora en adelante "Y",
son aquellas que actúan como efecto o supuesto
efecto.

Por ejemplo en la hipótesis "La
opinión de los adolescentes
sobre el aborto
varía de acuerdo con su grado de compromiso religioso,
siendo más favorable en aquellos que observan una menor
religiosidad". En tal caso la variable independiente sería
el grado de compromiso religioso y la dependiente su postura
frente al aborto.

También puede haber simultaneidad o
interdependencia entre ambas variables, como en el caso de las
relaciones simétricas. En tal caso las variables se
consideran coetáneas o contemporáneas y cualquiera
de ellas cumple simultáneamente las funciones de
independiente y dependiente. Es decir que la relación es
bidireccional.

-Terceras variables: se utilizan para
denominar a todos aquellos elementos que puedan incidir de alguna
manera en la relación entre X e Y, ya sea
favoreciéndo, obstaculizando o condicionando dicha
relación.

Según su grado de
complejidad:

El grado de complejidad remite a las
características que asume su operacionalización o a
los procedimientos
para su medición.

Se clasifican en:

-Simples: aquellas que requieren de un
sólo indicador (por ej: "edad")

-Complejas: son aquellas que a los efectos
de su medición requieren de más de un indicador.
Cuando se trabaja con variables complejas lo ideal es dividirlas
en diferentes dimensiones y, luego, a cada dimensión se le
asignan los indicadores correspondientes que, a su vez,
tendrán sus respectivas categorías. Una vez que se
ha descompuesto la variable compleja en dichos elementos es
momento de reconstruírla, elaborando el
índice.

Los
índices: su clasificación y
construcción

Un indice es un indicador complejo que
reconstruye la variable, es lo que permite la síntesis o
el resúmen de
la variable. Es una medida cuantitativa que posibilita combinar
diferentes dimensiones y/o indicadores asignándole a cada
unidad de análisis un único valor (puntaje de
índice).

Existen dos tipos de
índices:

Índice no ponderado: cuando
se adjudica a cada dimensión y/o a cada indicador el mismo
peso o la misma participación en la variable. Esto
significa que cada dimensión tendrá igual cantidad
de indicadores y éstos, a su vez, el mismo número
de categorías.

índice ponderado: cuando se
le asigna (voluntaria o involuntariamente) a una
dimensión, indicador o, incluso, categoría, un
mayor peso relativo.

Luego puede hacerse otra distinción,
distinguiendo entre índices simples y
porcentuales:

índice simple: utiliza
valores absolutos (enteros o con decimales, empleando o no el 0
inicial) y por lo tanto la amplitud del índice y sus
puntajes mínimo y máximo varían para cada
una de sus variables.

índice porcentual: utiliza
valores relativos (enteros o con decimales) y en todos los casos
se emplea el 0 inicial. La idea es llevar la amplitud de cada
variable a 100 puntos. Luego a cada dimensión e indicador
se le asigna un peso relativo.

Este tipo de índice tiene ventajas
importantes, tales como el hecho de que facilita la
comparación ya que todas las variables se miden con la
misma escala numérica, se aprecia más facilmente la
ponderación y facilita la representación
gráfica.

La construcción del índice:

Deben seguirse tres pasos:

1) Determinar la importancia de las
dimensiones: Si fuese la misma asignar la
participación en forma equitativa, en caso contrario
ponderarlo.

2) Determinar la participación
de los indicadores: Si a todos los indicadores (por ejemplo
2 o 3 por dimensión) se les adjudica el mismo peso el
índice es no ponderado. En caso contrario, por ejemplo si
se desea ponderarlo con una participación de un 30% los
puntajes mínimo y máximo serán de 0 y
30.

Luego, para distribuir el puntaje de forma
equitativa, se aplica la siguiente fórmula:

Puntaje máximo asignado al
indicador

_______________________________

Cantidad de categorías –
1

En caso de que, por ejemplo, el resultado
sea 3, deberá puntuarse de 3 en 3. Por ejemplo en el
indicador "nivel de instrucción" sera: Sin
instrucción (0), Primario incompleto (3), Primario
completo (6), etc.

3) Establecer los límites
numéricos o la amplitud de cada categoría de la
variable compleja: Consiste básicamente en aplicar la
siguiente fórmula:

Límite superior – Límite
inferior + 1

________________________________

Nº de categorías de la
variable compleja

El límite superior es la sumatoria
total del puntaje asignado a cada indicador (en un índice
porcentual es siempre de 100), en tanto el límite inferior
es la sumatoria del menor puntaje asignado a cada indicador (en
los porcentuales siempre es 0).

Luego se agrega una unidad "+ 1", cuya
función es garantizar que se tiene en cuenta al
límite inferior como un valor posible, es decir como una
posición más dentro de la amplitud de la
variable.

El número de categorías de la
variable compleja, puede ser, por ejemplo en el caso del NSE,
"bajo, medio, alto". Son 3 categorías para la variable
compleja.

En cuanto a la posible falta de respuesta
(NS/NC) debe tenerse en cuenta que si el rechazo excede el 10% de
los casos es aconsejable eliminar o reemplazar el indicador por
otro, para ello bien sirve el pretest.

Validez y
confiabilidad de las mediciones

En términos generales, un indicador
es válido cuando mide lo que dice medir. Existen disintos
tipos de validez:

Validez interna: existe validez
interna cuando hay una adecuada conceptualización y
operacionalización de la variable y, obviamente, existe
correspondencia entre ambas.

Puede que la conceptualización sea
más amplia que la operacionaización o viceversa.
También puede que se de una combinación de ambas
posibilidades, es decir que la operacionalización cubra
parcialmente a la variable y a la vez la exceda.

Si bien ningún procedimiento es
infalible a la hora de establecer si existe o no validez interna
existen dos ayudas fundamentales: la revisión
bibliográfica y la consulta a especialistas en el
tema.

Validez externa: se refiere
básicamente a la confianza o veracidad de la fuente de
información. Esto en ocasiones intenta solucionarse
mediante técnicas que muchas veces resultan poco
operativas, tales como cotejar con los gestos de la persona o enviar
a otro a que realice las mismas indagaciones.

Por otra parte un indicador o instrumento
de medición es confiable cuando, administrado
sucesivamente a una misma muestra o población (sin que
hayan cambiando las condiciones iniciales) reproduce los mismos
resultados.

La confiabilidad es una condición
para que exista validez. Difícilmente un instrumento poco
confiable resulte ser válido. Pero, por otra parte, de
nada sirve que sea confiable si no se mide lo que se pretende
medir.

El universo de
estudio y la selección
de la muestra

Ante todo deben determinarse las
unidades de análisis, es decir cuál es la
población objeto de estudio, sobre quiénes recae la
investigación, para luego decidir con cuántos casos
se trabajará.

Podemos definir el "universo" como el
conjunto total de elementos que constituyen un área de
interés
analítico. En función de la cantidad de elementos
que lo componen se distinguen dos tipos:

Universos finitos: aquellos que
contienen hasta 100.000 unidades.

Universos infinitos: aquellos que
poseen más de 100.000 unidades.

Esas unidades, son las llamadas unidades de
análisis, las cuales no tienen por qué ser las
unidades de información. Puede ocurrir que las unidades de
análisis no den testimonio de si mismas, sino que se trate
simplemente de unidades de información (por ejemplo en el
caso de estudiar unidades colectivas, tales como una empresa).
También puede darse en casos en los que, por alguna
razón, busca obtenerse la información en forma
indirecta.

Por otra parte, de acuerdo con las
características que presenten las unidades de
análisis, el universo será homogéneo o
heterogéneo:

Universos homogéneos:
aquellos que no presentan diferencias significativas entre sus
unidades de análisis.

Universos heterogéneos:
aquellos que presentan diferencias significativas entre sus
unidades de análisis.

Cuando se efectúa un relevamiento o
medición sobre todos los elementos que constituyen el
universo, se esta realizando un CENSO. En cambio cuando
sólo tomamos una parte de dicho universo decimos que se ha
tomado una MUESTRA.

Una muestra es un subconjunto del conjunto
total (universo) que se supone representativo, es decir que dicho
subconjunto representa lo más fielmente posible las
características del conjunto total.

La ventaja principal de efectuar un censo
radica en la confienza y exactitud de los resultados que supone
el hecho de trabajar con la totalidad de los elementos que
componen el universo. Por otro lado, censar universos numerosos o
infinitos implica enfrentarse con desventajas tales como:
costos
elevados, procesamiento de
datos prolongado, dificultades para realizar estudios
profundos, necesidades de movilidad de muchos recursos (humanos
y materiales),
etc.

Trabajar con una muestra, en cambio,
resulta menos costoso, permite realizar estudios más
profundos y supone un ahorro de
tiempo. Por
otro lado, trabajar con una muestra verdaderamente
representativa, puede llevar a optar por diseños
muestrales muchas veces demasiado complejos.

Diseño de la muestra:

Diseñar la muestra
incluye:

-Definir la población de
estudio

-Obtener, de ser necesario y posible, el
marco muestral pertinente

-Escoger la técnica de muestreo
más adecuada.

-Tomar decisiones sobre el tamaño y
el margen de error de la muestra.

El marco muestral está
compuesto por un listado de los elementos que componen nuestro
universo y que permitirán su identificación y es la
base de los muestreos probabilísticos.

Tipos de muestreo:

Las muestras probabilísticas son
aquellas que, basadas en la teoría de las probabilidades,
permiten conocer a priori cuál es la probabilidad que
tiene cada elemento de ser incluído en la
muestra.

P = Casos favorables / Casos
posibles.

Estos muestreos requieren el
conocimiento previo del universo y la identificación
de sus unidades, es decir que requieren de un marco muestral, son
más costosas y tienen una base estadística que contribuye a su
precisión.

Las técnicas de muestreo
probabilístico son las siguientes:

Azar simple: en el azar simple las
unidades de análisis se extraen del marco muestral sin
ningún tipo de diferenciación. Es el más
sencillo de todos.

Azar sistemático:
aquí se busca que aparezcan casos de toda la escala de
posibilidades. Se maneja con un coeficiente de elevación
(Universo / Muestra) que determina cada cuantas unidades se
extrae una ( por ej: de 10 en 10).

Azar por conglomerado: esta
pensado para estudios en grandes extensiones geográficas.
Es de gran utilidad cuando
las unidades no son individuos sino conjuntos de
individuos.

Una selección de los conglomerados
podría ser la siguiente: País —> Provincias
—> Distritos —>

Escolares —> Escuelas.

Azar estratificado: se utiliza
cuando estamos ante la presencia de un universo
heterogéneo. Para recurrir a esta técnica se
estratifica el universo en base a una, dos o más variables
que se suponen relevantes para la investigación y se
indentifican unidades de análisis pertenecientes a cada
estrato.

Esta estratificación, al igual que
en el muestro no probabilístico por cuotas, puede ser
proporcional o no proporcional.

Las técnicas de muestreo no
probabilístico son las siguientes:

Accidental: es el muestreo menos
riguroso de todos, se toman simplemente los primeros casos que se
tiene a mano. Es por casualidad.

Intencional: se usa cuando las
unidades de análisis y/o información son
informantes clave (conoce algo, vivio algo, etc.) o bien cuando
se recurre a casos "típicos" en una determinada
problemática.

Por cuotas: implica una mayor
representatividad (dentro de las técnicas no
probabilísticas), especialmente al trabajar con universos
heterogéneos, pues garantiza la presencia de elementos de
los distintos estratos o subgrupos que componen el
universo.

Las cuotas pueden ser proporcionales
(respetando su peso dentro del universo) o no proporcionales (por
ejemplo mediante cuotas fijas).

Bola de nieve: un contacto deriva
a otro contacto, y asi sucesivamente. Es decir que el encuestado
deriva al encuestador a otros posibles casos. Se utiliza
frecuentemente cuando los casos resultan muy difíciles de
contactar.

Recolección de datos

Las encuestas:

Se utiliza el término encuesta para
referirse a la técnica de recolección
de datos que utiliza como instrumento un listado de preguntas
que están fuertemente estructuradas y que recoge
información para ser tratada estadísticamente,
desde una perspectiva cuantitativa.

Se reserva el término entrevista
para aquellas conversaciones de caracter profesional en la que la
información obtenida sera tratada en forma cualitativa, no
estadísticamente.

La estructura del
cuestionario:

El cuestionario debe dividirse en cuatro
partes principales:

1- El pedido de cooperación:
consiste en un enunciado que solicita la colaboración de
la persona seleccionada para responder las preguntas de la
encuesta, explicando brevemente el propósito y/o tema
general de la investigación.

2- Preguntas referidas a las variables
objeto de la investigación: aquí se ubican las
preguntas referidas a los indicadores de los datos buscados,
comenzando con las más fáciles e interesantes y
continuando con las más importantes.

3- Preguntas referidas a los datos de
clasificación: interrogan sobre variables de base y que
permiten clasificar a la población en grandes grupos
sociodemográficos. Son fáciles de responder, y por
ello se ubican cerca del final del cuestionario, cuando el
encuestado ya esta cansado.

4- Preguntas referidas a los datos de
identificación: nombre, número de teléfono o algún otro dato similar.
El propósito es permitir al supervisor corroborar que se
han realizado las encuestas.

Los tipos de preguntas:

-Preguntas abiertas: el sujeto indagado
tiene libertad para
responder, por ejemplo "¿dónde vive
usted?"

-Preguntas cerradas dicotómicas:
presentan dos alternativas de respuesta, por ejemplo
"¿trabaja usted actualmente? Si / No"

-Preguntas cerradas categorizadas en forma
de escala: las categorías forman una escala.

Guillermo Morone