Diseño de la Investigación

Diseño de la Investigación
Con el propósito de responder a las preguntas de investigación
planteadas o cumplir con los objetivos de estudio, el
investigador debe seleccionar o desarrollar un diseño de
investigación específico.
Cuando se establecen hipótesis, los diseños también sirven
para someter a prueba las hipótesis formuladas. Los diseños
pueden ser experimentales o no experimentales.
Los diseños experimentales pueden ser apropiados para el
enfoque cuantitativo, y para las investigaciones que mezclan
los enfoques cuantitativos y cualitativos.
Es difícil pensar en un diseño experimental para un enfoque
cuantitativo, porque tradicionalmente esta perspectiva huye de
estrategias que llegaran a contaminar los datos puros de los
sujetos de investigación en su contexto (el investigador debe
sumergirse en la situación a investigar).
Clasificación de diseños no experimentales tomando en tiempo
el factor tiempo o número de veces en que se recolectan datos.
Ningún tipo de diseño es intrínsicamente mejor que otro. Son el
enfoque, el planteamiento del problema, los alcances de la
investigación, la formulación o no de hipótesis y su tipo, los que
determinan que diseño es el adecuado para un estudio
específico.
Enfoque cuantitativo: recordar que pueden o no existir
hipótesis.
Enfoque cualitativo: puede ser opcional, NO es igual a
desorden, caos ni carencia de un plan.
¿En qué momento del proceso surge el diseño de investigación?
Es variable. Una vez más depende del enfoque elegido y del
planteamiento del problema. En estudios cuantitativos, por lo
general se concibe una vez se ha afinado el problema de
investigación, desarrollado la perspectiva teórica, establecido el
alcance inicial del estudio y formulado las hipótesis.
En los estudios cualitativos la situación puede ser más compleja.
Por ejemplo, el diseño puede surgir a raíz de una inmersión inicial
en el campo a partir de la recolección de los datos.
¿De qué tipos de diseños disponemos para investigar?
Investigación experimental (preexperimentos, experimentos puros,
cuasiexperimentos) e investigación no experimental (diseños
transeccionales o transversales y diseños longitudinales).
1. La variable independiente es la que se considera como
supuesta causa en una relación entre variables, es la condición
antecedente. El efecto es la variable dependiente.
La variable dependiente no se manipula, se mide. Hay diversos
grados de manipulación de la variable independiente, por
ejemplo: presencia-ausencia de la variable independiente.
Pueden existir también más de dos grados de manipulación de
la variable independiente
2. La medición debe ser confiable y válida. Si no podemos
asegurar que se midió de manera adecuada, los resultados no
servirán y el experimento será una pérdida de tiempo.
3. Cuando hay control es posible conocer la relación causal;
cuando no se logra el control, no se puede conocer dicha
relación. ¿Cómo se logran el control y la validación interna?
Con dos cosas:
1. Varios grupos de comparación y
2. Equivalencia de los grupos en todo, excepto en la
manipulación de la variable independiente. El investigador debe
tener al menos un punto de comparación.
Este diseño no cumple con los requisitos de un verdaderos
experimento. No hay manipulación de la variable independiente
(no hay varios niveles de ella, ni siquiera los niveles mínimos
de ausencia presencia). Tampoco hay una referencia previa de
cual era, antes del estímulo. No se puede establecer una
causalidad y mucho menos un efecto de control.
Otro ejemplo sería el diseño de prepueba y posprueba en un
solo grupo.
Estos diseños se utilizan cuando no es posible asignar los
sujetos en forma aleatoria a los grupos que recibirán los
tratamientos experimentales. La falta de aleatorización
introduce posibles problemas de validez interna.
En un estudio no experimental no se construye ninguna
situación sino que se observan situaciones ya existentes, no
provocadas intencionalmente por el investigador.
En resumen: , en un estudio no experimental los sujetos ya
pertenecían a un grupo o nivel determinado de la variable
independiente por autoselección.
En la dimensión temporal (diseño transversal o transeccional),
se quiere:
• Analizar cuál es el estado o nivel de una de las variables
en un momento dado.
• Evaluar una situación, comunidad, evento, fenómeno o
contexto en un punto del tiempo.
• Determinar cual es la relación de un conjunto de
variables en un momento. Cuando se toman datos en
diferentes momentos (diseño longitudinal):
• Estudiar como evolucionan una o más variables o las
relaciones entre ellas.
• Analizar los cambios a través del tiempo de un evento,
comunidad, un fenómeno, situación y/o contexto.
En la dimensión temporal (diseño transversal o transeccional),
se quiere:
• Analizar cuál es el estado o nivel de una de las variables
en un momento dado.
• Evaluar una situación, comunidad, evento, fenómeno o
contexto en un punto del tiempo.
• Determinar cual es la relación de un conjunto de
variables en un momento.Cuando se toman datos en
diferentes momentos (diseño longitudinal):
• Estudiar como evolucionan una o más variables o las
relaciones entre ellas.
• Analizar los cambios a través del tiempo de un evento,
comunidad, un fenómeno, situación y/o contexto
El propósito de estos diseños es comenzar a conocer una
comunidad, un contexto, un evento, una situación, una variable
o un conjunto de variables. Se trata de una exploración inicial
en un momento específico.
Por lo general, se aplican a problemas de investigación nuevos
o poco conocidos, y constituyen el preámbulo de otros diseños
(no experimentales y experimentales). Son muy utilizados
dentro del enfoque cualitativo, por lo que usualmente se
denomina “inmersión en campo”
• Las encuestas de opinión sobre las tendencias de los
votantes durante periodos de elección. Su objetivo es describir
el número de votantes en un país que se inclinan por los
diferentes candidatos contendientes en la elección (Descripción
de las preferencias del electorado desde un enfoque
cuantitativo).
• Un estudio que pretenda averiguar cual es la expectativa de
ingreso mensual de los trabajadores de una empresa. Su
propósito es describir dicha expectativa. (No pretende
relacionarla con la clasificación del trabajador, si su edad o
sexo; el objetivo es descriptivo).
• Se trata también de descripciones pero no de categorias,
conceptos, objetos ni variables individuales, sino de sus
relaciones, sean estas correlacionales o causales.
• Los diseños correlacionales/causales pueden limitarse a
establecer relaciones entre variables sin precisar sentido de
causalidad ni pretender analizar relaciones de causalidad
• Ejemplo: Una investigación que pretendiera indagar la
relacion entre la atracción física y la confianza durante el
noviazgo en parejas jóvenes, observando cuán relacionadas
están ambas variables (se limita a ser correlacional)
• Cambios en categorías, conceptos, variables, etc, o en sus
relaciones.
• Su característica distintiva es que la atención se centra en
una población.
• Ejemplo: una investigación para analizar cambios en la actitud
hacia el aborto en una comunidad. Dicha actitud se mide
(enfoque cuantitativo) o se recolectan datos (enfoque
cualitativo) en varios puntos del tiempo y se examina su
evolución a lo largo de este periodo. Pero la población va
cambiando…
Su atención son las cohortes o grupos de individuos que se
relacionan de alguna manera, generalmente la edad.
Un ejemplo de estos grupos puede ser el conjunto formado por
estudiantes que entraron en el primer semestre de 2010, o las
personas que nacieron en 1990 durante el mundial de Italia.
También puede usarse un agrupamiento temporal, como las
personas casadas entre 2000 y 2009. Tales diseños hacen
seguimiento de los grupos a través del tiempo. Cuando se
fundamentan en el enfoque cuantitativo, en estos diseños por
lo común se extrae una muestra cada vez que se recolectan
datos sobre el grupo o la subpoblación, más que incluir a toda
la subpoblación.
La ventaja en este tipo de diseños es que además de conocer
los cambios grupales, se conocen los cambios individuales. Se
sabe que casos específicos introducen al cambio. La
desventaja es que a veces resulta muy difícil obtener con
exactitud a los mismo sujetos para una segunda medición u
observaciones subsecuentes.
.