Conceptos básicos en investigación 2 Problema de investigación 2.1. 2.1. El problema de investigación El problema es el punto de partida de toda investigación. Es probablemente la etapa más importante del proceso de investigación, ya que implica varios pasos interrelacionados. El problema consiste en una pregunta o enunciado sobre la realidad o sobre cualquier otra situación para la que no se encuentra una solución satisfactoria o no disponemos de una respuesta adecuada Todo problema de investigación tiene un origen que puede surgir de las lecturas, reflexiones personales, experiencias u observación de situaciones. Algunos autores establecen la diferencia entre “planteamiento” y “formulación” del problema. La formulación de un problema consiste en la representación oracional del mismo, es decir, reducción del problema a términos concretos, explícitos, claros y precisos (Tamayo, 2003). El término formulación se suele utilizar en los objetivos. Una vez que se tiene idea del problema que se quiere investigar, se ha de profundizar sobre el tema en cuestión consultando bibliografía, investigaciones y diversas fuentes, entonces se estará en condiciones de plantear el problema de investigación. Como señala Ackoff (1953), un problema correctamente planteado está parcialmente resuelto, a mayor exactitud corresponden más posibilidades de obtener una solución satisfactoria. Las condiciones que debe reunir la formulación de un problema son: a) Debe expresar una relación entre unidades de análisis y entre dos o más variables. b) Debe estar formulado claramente, en términos concretos y en forma concisa. c) Debe implicar la posibilidad de comprobación empírica (poder observarse en la realidad). METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 El problema debe tener los elementos esenciales del estudio, es decir, debe hacer referencia a qué se estudia (objetivo/s del estudio), con quién se lleva a cabo el estudio (sujetos) y cómo se estudia el problema (variables). Cuadro 2.1. Fuentes para definir el problema de investigación La propia experiencia. El interés del investigador. La aplicación de una teoría a un determinado problema. La réplica a estudios previos. La comparación de resultados con estudios realizados. 2.1.1. Elementos para planificar un problema Los elementos para plantear un problema son cuatro y están relacionados entre sí. a) Los objetivos de investigación. En primer lugar hay que plantear cuáles son los objetivos de la investigación. Puede darse el caso de investigaciones que buscan resolver un problema especial y otras que tienen como objetivo probar una teoría o aportar evidencia empírica a ésta. Los objetivos son las guías del estudio y que durante toda la investigación han de tenerse presentes. b) Preguntas de investigación. Es necesario plantear a través de una serie de preguntas el problema que se estudiará. Las preguntas anteceden al planteamiento del problema. Hay que tener en cuenta que las preguntas no tienen por qué abordar el problema en su totalidad. Aunque las preguntas pueden ser generales, es conveniente que sean lo más precisas posible. c) Justificación de la investigación. Las investigaciones obedecen a algún propósito definido, por lo tanto, es necesario justificar las razones que han motivado en su devenir y motivan el estudio. El investigador deberá explicar ante un organismo o grupo de personas las razones del estudio, así como los posibles beneficios. d) La viabilidad del estudio. Significa la posibilidad de realizar la investigación, de acuerdo a los recursos disponibles. Hay que tener en cuenta los recursos, el tiempo, acceso a la investigación, grado de dificultad y financiamiento con que se cuenta. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 67 Cuadro 2.2. Etapas del planteamiento de un problema. Elección de un tema o área (el problema tiene que ser realmente ¨un problema¨). Identificación y limitación del problema. Búsqueda bibliográfica. Valoración del problema. Formulación definitiva. 2.1.2. Cualidades del problema Al margen de las características, Río Sardonil (2003), señalas las siguientes cualidades de un problema: a) Requiere una teoría de fondo sobre el problema a investigar. b) La formulación tiene que ser concreta y precisa que facilite la determinación de los objetivos de la investigación. La precisión también se refiere a la delimitación del área y alcance del problema. c) El problema tiene que ser resoluble. ¿El tipo de problema puede ser resuelto mediante el proceso de investigación? ¿Se pueden recoger datos relevantes para probar la teoría o encontrar respuestas al problema? ¿Se puede proponer una hipótesis relevante como una tentativa de solución para el mismo? d) Los problemas deben ser relevantes. El investigador debe ser exigente a la hora de justificar las motivaciones, los antecedentes y las derivaciones teóricas y prácticas que se seguirán de la solución del problema. Asimismo un problema de investigación debe ser interesante para el investigador y de acuerdo con su capacidad investigativa; debe ser importante, ya que debe responder a una necesidad real de la sociedad; ser factible y original; debe precisar lo que se va a investigar (especificidad), o sea, precisar bien cuál va a ser el objeto de estudio; y debe permitir la contrastabilidad empírica. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Cuadro 2.3. Errores más frecuentes en la formulación de un problema. Cualidades de claridad: la claridad se refiere la precisión y concisión al formular el problema. La precisión implica que el problema debe plantearse sin ambigüedades. Si el problema se plantea en forma de pregunta, ésta debe evitar que implique un juicio de valor, que sean preguntas de información o falsas preguntas, que apunten hacia la intervención o de contenido filosófico o religioso. Cualidades de pertinencia: se refieren a la modalidad enunciativa con que se formula la pregunta. Esto supone que la pregunta procure obtener conocimiento, que sea efectivamente una pregunta (preguntar sobre algún aspecto que todavía no se conoce) y que la pregunta sea operacionalizable (tratamiento empírico). Cualidades de factibilidad: se trata de tener en cuenta los aspectos vinculados a los recursos humanos, materiales y temporales con los que cuenta la investigación. Fuente: adaptación Souza (2011). 2.1.3. Características del problema Antes hemos hablado de cualidades del problema, ahora completamos con las características. Todo problema se debe caracterizar por: a) Precisión: el tema debe ser los más concreto y específico posible, para evitar pérdida de tiempo, esfuerzo y recursos. Debe referirse a un aspecto claro y conciso. b) Claridad: significa que todos los términos y la formulación en general sea entendible por todos. c) Extensión: el tema de investigación debe ser específico y abarcar un aspecto limitado del problema. d) Originalidad: se debe referir a un tema “no estudiado antes” (aunque puede tener réplica en otros contextos donde no se haya investigado). e) Tiempo: hay que considerar de qué tiempo se dispone para la realización del estudio. f) Factible: quiere decir que sea posible económicamente y que se tengan en cuenta el nivel de conocimientos del investigador, las fuentes de conocimiento, el tiempo que se requiere para llevar a cabo la investigación, la cantidad de recursos con los que dispone el investigador, la experiencia en investigación, entre otros. g) Relevante, significativo: es decir, que tenga importancia y que constituya una contribución a los distintos campos de conocimiento. h) No debe originar respuestas tales como sí o no (respuestas hipotéticas) a los interrogantes generados por un problema, ya que no son susceptibles de verificación empírica dado que no ofrecen ningún contenido fáctico, es decir, no refieren a elementos (o hechos) del problema que son medibles y observables. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 69 i) El problema debe estar formulado a manera de proposiciones afirmativas. j) Resoluble: esta es su principal característica, o sea, que permita dar una respuesta adecuada a la pregunta que se plantea mediante la recogida de datos. k) Generador de nuevos problemas, es decir, ¿va a abrir nuevos interrogantes en el campo de estudio? Una buena investigación no sólo contesta a una pregunta sino que plantea nuevas cuestiones de cuyo estudio depende el avance de las ciencias sociales. 2.1.4. Cómo formular un problema Aunque hay autores que no plantean el problema en forma de pregunta de manera exclusiva (Cardona, 2002; McMillan y Schumacher, 2005), lo más habitual es hacerlo en forma de interrogante (Buendía, Colás y Hernández, 1997; Latorre, Del Rincón y Arnal, 2003; León y Montero, 2008). Kerlinger y Lee (2002) señalan que un adecuado planteamiento del problema debe estar formulado claramente y sin ambigüedad mediante una pregunta o varias que orientan hacia las respuestas que se buscan con la investigación. En concreto, estas son las dos formas de plantear un problema: a) De forma interrogativa, a través de una pregunta. Ejemplo: ¿Qué cambios puede producir el programa X en la mejora de los hábitos alimentarios de los universitarios? b) De forma declarativa, mediante oraciones enunciativas. Ejemplo: Si aplicamos el programa X, entonces los estudiantes mejorarán sus hábitos alimentarios. 2.1.5. Tipos de problemas de investigación Existen distintas formas y esquemas de clasificación de la investigación. Una de ellas hace mención al nivel de profundidad y complejidad. En este sentido, Dankhe (1989), proporciona la siguiente clasificación: a) Investigación exploratoria: su principal objetivo es conseguir una perspectiva general de un problema. Se caracteriza por ser más flexible que otros tipos de investigación. Este tipo de investigación se realiza cuando el tema elegido ha sido poco explorado y reconocido y cuando es difícil formular hipótesis precisas. También se utiliza cuando surge un nuevo fenómeno que dada su novedad no permite una descripción sistemática. También se usa cuando el investigador no cuenta con los recursos suficientes para realizar un estudio de mayor profundidad. b) Investigación descriptiva: el investigador tiene por finalidad describir situaciones y eventos. Los estudios descriptivos proporcionan características de personas, grupos, comunidades. Este tipo de investigación requiere conocer METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 el área que se investiga para poder formular las preguntas específicas que busca responder. Esta investigación se basa en la medición. c) Investigación correlacional: tiene como objetivo medir el grado de correlación que existe entre dos o más variables en un problema. Va más allá de la descriptiva, por cuanto su objetivo no es sólo describir el problema o situación, sino analizar sus causas teniendo en cuenta la relación entre las distintas variables. d) Investigación explicativa: va más allá de la descripción de conceptos, o del establecimiento de relaciones entre conceptos, ya que está dirigida a indagar las causas de los problemas objeto de estudio. Por lo general, trata problemas que no se han abordado previamente y que requiere de investigaciones exploratorias, descriptivas y correlaciónales como base. Por su parte Sierra Bravo (2008), concreta los tipos a los que se puede reducir los trabajos empíricos de investigación que son los siguientes: a) Los descriptivos: permiten analizar todos o algunos de los principales elementos y caracteres de interés sociológico (grupo, comunidad, fenómeno, acontecimiento, objeto de interés social). b) Los comparativos: comparan en el mismo espacio de tiempo (simultáneos) las comunidades, grupos, culturas, fenómenos, acontecimientos y objetos distintos que pueden ser objeto de estudio descriptivo. c) Los relacionales: se refieren a las relaciones entre características, variables en términos técnicos, de los fenómenos y grupos sociales. d) Estudios de opiniones y actitudes en los grupos sociales más diversos: estos estudios pueden versar sobre cualquier tema, acontecimiento o persona de interés público. Los causales: buscan determinar las causas o los motivos que explican los fenómenos sociales o bien precisar los efectos sociales de situaciones nuevas, transformaciones sufridas, innovaciones introducidas, etc. Se tratarían de estudios explicativos ya que buscan determinar los efectos de ciertas causas o las causas de ciertos efectos. 2.1.6. Evaluación del problema Existen diversos criterios para evaluar un problema, como los criterios de conveniencia, relevancia social, valor teórico, utilidad de la metodología y viabilidad. a) Criterios de conveniencia: ¿para qué sirve la investigación? b) Criterio de relevancia social: ¿qué relevancia tiene para la sociedad?, ¿quién o quiénes se podrán beneficiar de los resultados de la investigación?, ¿de qué modo? CONCEPTOS BÁSICOS EN INVESTIGACIÓN 71 c) Criterio de utilidad de la metodología: ¿puede ser motivo de la construcción de un nuevo instrumento para la recogida de información?, ¿sugiere cómo poder estudiar de mejor forma a la población? d) Criterio de viabilidad: ¿puede llevarse a cabo la investigación?, ¿en qué condiciones?, ¿se dispone de recursos suficientes? Khotari (2004) elabora una lista de control para la prueba de la viabilidad del problema de investigación, que se recoge en las siguientes interrogantes: − ¿El problema tiene un interés actual? ¿Los resultados de la investigación tienen un valor social, educativo o científico? − ¿Cómo es posible aplicar los resultados a la práctica? − ¿La investigación provoca nuevos problemas y dar lugar a nuevas investigaciones? − ¿Es importante el problema de investigación? ¿Vamos a estar satisfechos de los resultados? − ¿Se puede encontrar respuesta a través del problema de investigación? ¿El investigador será capaz de dar respuesta al problema de investigación? − ¿Es posible realizar la investigación? − ¿Es posible que otro investigador pueda repetir el estudio? − ¿La investigación está libre de problemas éticos? − ¿El investigador tiene los suficientes conocimientos y habilidades para realizar la investigación? − ¿El problema de investigación es importante para el investigador y está suficientemente motivado? − ¿La investigación es viable para el investigador y tiene suficiente dedicación para poder realizarla? − ¿El investigador cuenta con los suficientes recursos para realizarla? − ¿El investigador podrá realizar la investigación en el tiempo programado? − ¿El investigador puede acceder a datos estadísticos, medios informáticos y puede utilizar instalaciones necesarias? 2.1.7. Fuentes y bases de documentación para formular un problema Hay diversas clasificaciones de las fuentes de información. Según el nivel de información que proporcionan pueden ser primarias y secundarias. a) Las fuentes primarias ofrecen información nueva y original, resultado de un trabajo intelectual. Se entiende por documentos primarios los libros, revistas científicas, documentos oficiales, informes técnicos, etc. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 b) Las fuentes secundarias contienen información organizada, elaborada, producto de análisis de los documentos primarios originales. Son fuentes secundarias enciclopedias, antologías, libros o artículos que interpretan otros trabajos e investigaciones. De acuerdo con un criterio generalista, las fuentes y bases de documentación se clasifican en dos grupos (Pérez Juste, García Llamas, Gil Pascual y Galán González, 2009). a) Fuentes bibliográficas: centradas en texto escritos a las que se acude para recabar información sobre el problema de investigación: − Obras generales. − Publicaciones bibliográficas periódicas. − Revistas de investigación. b) Fuentes no bibliográficas. − Recursos tecnológicos informáticos. (correo electrónico, buscador como Google, revistas electrónicas). − Centros de Investigación. − Centros de Documentación: CSIC (Consejo Superior de Investigaciones Científicas); ERIC (Educational Resources Information Center), etc. También hay que hacer alusión a las llamadas revistas indexadas como son los artículos de revisión y los artículos de investigación. a) Artículos de revisión: son escritos, normalmente de pocas hojas (entre 8 y 20), que presentan la evidencia, estado y últimas investigaciones de temas específicos, los cuales proponen líneas de acción y posibles rutas y vías investigativas futuras. b) Artículos de investigación: presentan informes de los resultados de una investigación llevada a cabo con la metodología propia de la investigación. Contienen los siguientes apartados: resumen, introducción, métodos empleados, resultados, discusión y referencias bibliográficas. Asimismo hay que referirse a las ponencias, congresos y seminarios, que suelen congregar a autoridades que analizan y discuten temas específicos. Los trabajos presentados se publican para su difusión. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 73 Las hipótesis de investigación 2.2. 2.2.1. Concepto Una vez que se ha concretado el problema y realizada la revisión bibliográfica, el investigador está en condiciones de formular las hipótesis. Las hipótesis son un paso más hacia la sistematización y delimitación del problema de investigación. Las hipótesis orientan el proceso de investigación hasta llegar a las conclusiones. Pero, ¿qué se entiende por hipótesis? Para Kerlinger (1985, p. 18), “la hipótesis siempre aparecen en forma de oración aseverativa y relaciona, de una manera general o específica, una variable con otra”. Sabariego (2009, p. 128) define las hipótesis como “proposiciones generalizadas o afirmaciones comprobables que se formulan como posibles soluciones al problema planteado: su función es ofrecer una explicación posible o provisional que tiene en cuenta los factores, sucesos o condiciones que el investigador procura comprender”. “Una hipótesis es una predicción tentativa de los resultados realizada antes de que los datos sean recogidos y analizados. Las hipótesis expresan las expectativas de solución al problema y cómo se relacionan las variables” (Cardona, 2002, p. 73). Para Sierra Bravo (2008, p. 69), “son soluciones probables, previamente seleccionadas, al problema planteado, que el científico propone para ver, a través de todo el proceso de la investigación, si son confirmadas por los hechos”. “Es una proposición que implica una relación entre dos o más conceptos que se coloca en un nivel inferior de abstracción y generalidad respecto a la teoría y que permite una traducción de la teoría en términos empíricamente controlables” (Corbetta, 2003, p. 76). “Una hipótesis es una respuesta tentativa a una pregunta; es una respuesta que queremos confirmar. Una hipótesis es una predicción” (Morales, 2013, p. 3). Si analizamos estas definiciones de hipótesis podemos detectar puntos en común: − − − − − Son guías, elementos directivos. Buscan la relación entre variables. Son formuladas de forma afirmativa. Se trata de predicciones. Buscan la solución de problemas. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 En resumen, se puede decir que las hipótesis son elementos directivos de la investigación científica, pues nos indican qué buscamos, qué variables se deben observar, medir y manipular; así como se realiza observación, la experimentación y el análisis de datos. 2.2.2. Cómo se formulan Para la formulación de hipótesis hay que tener en cuenta los siguientes aspectos: a) Que estén bien fundamentadas. Esto implica una revisión bibliográfica, tener una teoría subyacente. Se puede diseñar una investigación y formular hipótesis sin que éstas se relacionen con un marco teórico en forma explícita, pero esta falta de inserción en un cuerpo de teoría, no conduce a ampliar el campo científico. b) Que sean contrastables empíricamente. Para esto es necesario definir operativamente las variables. El contraste de hipótesis dará lugar a su “aceptación” o “rechazo”, si la hipótesis es “verdadera” o “falsa”. c) Debe existir una relación entre el marco teórico en que se plantean las hipótesis con otras hipótesis del campo de investigación. d) Deben probar teorías. Cuando varias hipótesis de una teoría reciben evidencia en su favor, la teoría se va haciendo más robusta. e) Deben estar formuladas en un lenguaje comprensible, claro y preciso, que sean descriptivas y que traten de explicar el fenómeno. Tienen que ser cuantificables y, a ser posible, generalizables. Es lo que se llama “operacionalidad”: no es posible probar una hipótesis si no es operacional, es decir, formulada en lenguaje claro y sin ambigüedades. f) Deben definir y unificar los criterios en relación a los métodos, técnicas y procedimientos utilizados en la investigación, a fin de darle coherencia y constancia en la validación de la información obtenida. g) Deben tener poder predictivo o explicatorio, la efectividad de una hipótesis se mide por su poder de predicción o explicativo. Se entiende por poder predictivo o explicatorio de una hipótesis el conjunto de los hechos observables que pueden deducirse de ella. ¿De dónde surgen las hipótesis? Las hipótesis surgen del planteamiento del problema, la revisión de la literatura y de una teoría que la sustentan. En este sentido, la experiencia previa del investigador es importante. En concreto las hipótesis surgen de: − Revisión de estudios similares. − Discusión con colegas y expertos en torno al problema, en la búsqueda de una solución. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 75 − A través de la intuición que se puede considerar como una fuente razonable para formular hipótesis de investigación. − Del resultado de investigaciones empíricas previas (suele ser la fuente más normal). − Como resultado de una reflexión previa sobre el tema, el examen de los datos disponibles y el consejo de expertos. En cuanto a cuándo se formulan las hipótesis, es obvio que se tienen que formular antes de la recogida de datos y en términos de futuro. En relación con el momento de plantear las hipótesis Morales (2010, p. 7), opina que “planificar una investigación conforme a unas hipótesis previas es correcto; pero a veces sucede que al investigador (o el que va hacer una tesis), le cuesta encontrar al comienzo unas hipótesis que orienten todo el proceso. Lo que se tiene con frecuencia es un tema o un centro de interés, un problema. No siempre es fácil estructurar como punto de partida una serie de hipótesis coherentes. Si no surgen hipótesis, no hay que forzar la intención inicial para desembocar en unas hipótesis artificiales y no justificadas; se puede comenzar con un estudio exploratorio y quizás durante el proceso aparezcan hipótesis plausibles”. El número de hipótesis de una investigación dependerá del tipo de investigación. Si ésta es compleja deberá tener un gran número de hipótesis, pero en caso contrario podrá tener una o dos hipótesis. La calidad de una investigación no está necesariamente relacionada con el número de hipótesis que contenga. La investigación deberá tener el número de hipótesis necesarias para guiar el estudio, ni más ni menos. En una investigación se pueden establecer todos los tipos de hipótesis si el problema de investigación así lo requiere. Cuadro 2.4. Elementos de las hipótesis. La unidad de análisis: son unidades u objetos cuyos comportamientos se intenta estudiar. Las variables: son características cualitativas o cuantitativas de las unidades de análisis, que están presentes o ausentes en un sujeto o grupo de sujetos. Los elementos lógicos: son nexos que relacionan las unidades de análisis con las variables y a las variables entre sí. Fuente: Adaptado de Buendía, Colás y Hernández (1997). 2.2.3. Tipos de hipótesis Para la clasificación de las hipótesis se tienen en cuenta distintos criterios, que no deben ser excluyentes sino complementarios. En base a diversos autores, proponemos la siguiente clasificación: METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 a) Según su nivel de aproximación a la realidad: − Hipótesis conceptuales: es la propuesta hecha por el investigador con el objetivo de explicar un fenómeno teniendo en cuenta otros fenómenos, procesos o causas. Esta hipótesis introduce la noción de inducción. Pretende establecer generalizaciones de mayor amplitud en el futuro. − Ejemplo: Practicar actividad física sin control médico implica riesgos para la salud. − Hipótesis operativas: es la práctica o experimentación de las hipótesis conceptuales. Es decir, es la predicción comprobable que se deriva a partir de una hipótesis conceptual. Esta hipótesis introduce la noción de deducción. Las hipótesis operativas son las subhipótesis dependientes de las grandes hipótesis generales. Ejemplo: La aplicación de técnicas de estudio influirá en el rendimiento de los estudiantes universitarios. b) Según su naturaleza (Wartofski, 1983, vol. I, p. 249): − Hipótesis de sentido común: son suposiciones sobre hechos y sucesos de la vida que todo el mundo puede verificar de una manera simple y directa mediante sus sentidos. Ejemplo: Si expongo un trozo de leña al fuego, se encenderá. − Hipótesis científicas: son suposiciones formuladas en términos científicos expresando relación o dependencia entre las variables con definición expresa de las mismas. Su verificación exige la realización de algún experimento o investigación. Ejemplo: Las campañas sobre accidentes de tráfico pueden modificar actitudes hacia la velocidad en la conducción. − Hipótesis metafísicas: hacen referencia a los procesos subyacentes a nuestra realidad humana. Se pueden considerar como conjeturas cosmológicas, o suposiciones sobre la realidad totalmente generales (ej. el universo está escrito en lenguaje matemático), o bien las que se refieren a enunciados que trascienden la experiencia metafísica (ej. el alma es inmaterial). c) Según su forma de expresión cuantitativa: − Hipótesis sustantivas: relacionan variables conceptuales o generales; son las hipótesis iniciales, las que motivan la investigación. Estas hipótesis se refieren a posibles respuestas acerca de la realidad, que deben ser sometidas a verificación empírica. Tienen como objetivo principal tomar conciencia exacta de los presupuestos que guían la búsqueda de la conclusión, mediante una formulación precisa de la respuesta que se “presupone como verdadera” con el fin de orientar la identificación de situaciones que van a CONCEPTOS BÁSICOS EN INVESTIGACIÓN 77 comprobar o rectificar dichos “presupuestos”. Estas hipótesis expresan la relación o dependencia entre las variables con definición expresa de las mismas. Pueden venir derivadas de la observación y la experiencia (inductiva), o derivadas de la teoría (deductiva). Ejemplo: Cuánto influye la emisión de gases de los vehículos en la población de Madrid. − Hipótesis estadísticas: establecen una diferencia o relación entre los parámetros poblacionales, que debe ser comprobada empíricamente. Hay dos tipos de hipótesis estadísticas: 1) Hipótesis nulas (Ho): establecen relaciones con distintas variables, en las que se refuta o niega aquello que es afirmado por las hipótesis de la investigación, postula la no existencia de diferencias o relaciones (estadísticamente significativas) entre los grupos. 2) Hipótesis alternativas (H1): contienen conjeturas o suposiciones de explicaciones diferentes a las que fueron planteadas en las hipótesis nulas y las de investigación. Estas hipótesis establecen por el contrario, la relación entre las variables, bien de forma genérica (bidireccional), bien mediante una de las opciones (direccional). Ejemplos: Los jóvenes no le atribuyen más importancia al atractivo físico en sus relaciones de pareja que las jóvenes (Ho). Los jóvenes le atribuyen más importancia al atractivo físico en sus relaciones de pareja que las jóvenes (H1). c) Según el número de variables y sus relaciones: estas hipótesis describen una situación relacional entre las variables que se someten a estudio. Se utilizan en investigaciones de tipo descriptivo, como son los estudios de encuesta. Hay dos tipos: 1. Hipótesis univariables: son conocidas también como hipótesis descriptiva de una sola variable. Estas hipótesis establecen la existencia de determinadas características de una población. Se tratan de afirmaciones que deben ser comprobadas; no se interesan por las explicaciones. Ejemplo: Los alumnos que planifican el estudio probablemente obtendrán buenas calificaciones. 2. Hipótesis correlacionales: especifican las relaciones entre dos o más variables y corresponden a los estudios correlacionales. Su finalidad es comparar grupos para ver si establecen diferencias entre ellos. Algunos investigadores llaman a éstas “hipótesis descriptivas de dos o más variables”. Estas hipótesis tienen una relación de aseveración, de manera que el cambio en una variable conlleva un cambio correlativo en la otra. Ejemplo: Los que logran mayores puntuaciones en el examen de estadística tienden a alcanzar las puntuaciones más elevadas en el examen de economía y de álgebra. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 3. Hipótesis causales: establecen la relación entre dos o más variables mediante una relación causa/efecto. Suelen ser las hipótesis más utilizadas ya que buscan la explicación y la predicción de los fenómenos. También se conocen como “hipótesis con dos o más variables y relación de dependencia”. La causa es la variable independiente (X), mientras que el efecto (Y) es la variable dependiente. Ejemplo: La desintegración familiar (VI) de los padres causa bajo rendimiento escolar en los hijos (VD). Las hipótesis causales se dividen en dos grupos: a) bivariadas: relación uno a uno, es decir, una variable independiente influye en una dependiente; b) multivariadas: relación de diversas variables independientes y una dependiente, o una independiente y varias dependientes, o diversas variables independientes con varias dependientes. Ejemplo: La variedad de métodos de enseñanza (VI) y la actitud del profesorado hacia la innovación (VI), provoca en los docentes mayor motivación (VD), mejora el rendimiento académico en sus alumnos (VD) y mejores relaciones con los padres del alumnado (VD). Figura 2.1. Clasificación de las hipótesis. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 79 2.2.4. Errores de Tipo I y Tipo II En relación a la hipótesis nula se puede cometer dos tipos de errores (no se trata de equivocaciones) que hay que tener en cuenta. Los tipos de errores que se pueden cometer al utilizar pruebas de análisis estadístico (ejemplo, coeficientes de correlación y el contraste de medias), se conocen como error de tipo I y error de tipo II. Error de tipo I Consiste en aceptar la hipótesis alternativa cuando la cierta es la nula. Este error se controla bien con mediante el nivel de confianza. Con un nivel de confianza del 95% (o α = .05), que es el habitual, es posible que la diferencia o la relación se expliquen por la variabilidad normal entre los datos; es posible pero muy poco probable (Morales, 2013). Error de tipo II Consiste en aceptar la hipótesis nula cuando la cierta es la alternativa. Se trata de un error que no se suele controlar. Este error se puede minimizar utilizando un número grande de sujetos. Como señala Morales (2013, pág. 10): “El error tipo I es más importante que el error tipo II. En el error tipo I decimos sí cuando habría que decir no; afirmamos como verdadero algo que es falso. En el error tipo II decimos no cuando podríamos decir sí, afirmamos que es falso lo que seguramente es verdadero. La mejor manera de no cometer este error tipo II es utilizar muestras grandes”. 2.2.5. Las hipótesis y los objetivos de investigación Dos temas levantan polémica entre los investigadores. Nos referimos a si se formulan hipótesis u objetivos de investigación y si se pueden plantear hipótesis en los estudios cualitativos. Esto nos conduce a plantear la siguiente cuestión: ¿puede una investigación en ciencias sociales prescindir de hipótesis? En nuestra opinión, no todas las investigaciones que intentan dar respuesta a un problema, tienen necesariamente que formular hipótesis. En las investigaciones descriptivas, se pueden plantear hipótesis o simplemente tener como objetivo la descripción de hechos y situaciones, sin establecer una hipotética relación entre variables. Por otro lado, la investigación cualitativa es inductiva y su objetivo es entender la cultura, los procesos, los significados, las experiencias dentro de los contextos sociales, sin ánimo de generalizar a determinados grupos o poblaciones. La investigación cualitativa no pretende “probar” o “no probar” las hipótesis de investigación. Mientras que las hipótesis remiten al contraste dentro del paradigma positivista, la investigación cualitativa fundamentalmente se basa en la interpretación mediante análisis profundos de datos. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Si hacemos un poco de historia la formulación de hipótesis en investigación ha estado asociada al desarrollo histórico de la metodología. Es en la corriente positivista donde se fortaleció el concepto de hipótesis. Para los positivistas la investigación tiene como objetivo verificar las hipótesis que se derivan de alguna teoría y su método (el método científico), y requiere como uno de sus pasos la formulación y verificación de las mismas. En consecuencia, es condición sine cua non que una investigación tiene que tener una hipótesis, pues de no ser así pierde su condición de científica. En su concepción original, las hipótesis implicaban relación de causa/efecto, por lo tanto sólo se pueden formular hipótesis en investigaciones donde no se dan este tipo de relaciones. Por ejemplo, se habla de “hipótesis descriptivas”, con una sola variable, lo que no se corresponde con la idea inicial de hipótesis, ya que cuando se aplica el método descriptivo no se están buscando causas, sino identificando características de las unidades de estudio. En las investigaciones de naturaleza descriptiva o correlacional se le suelen llamar hipótesis directivas, otros autores las denominan objetivos de investigación, ya que son los datos los que establecen a posteriori las relaciones y dependencias entre las variables. Los objetivos tienen un carácter más descriptivo; las hipótesis buscan la relación causal entre las variables. Por su interés recogemos la siguiente cita de Del Río Sardoni (2003, p. 179): “Hay autores que circunscriben el término “hipótesis”, en sentido estricto, bien a la investigación experimental y cuasi-experimental, o bien para referirse, en algunos supuestos, al establecimiento de relaciones causales entre variables. En buena parte de las investigaciones, ya sea de naturaleza descriptiva, ya de índole correlacional, se habla de “hipótesis directiva”. En estos casos algunos autores prefieren hablar de “objetivos de investigación”, pues serán los datos los que permitan establecer a posteriori” posibles relaciones y dependencias entre las variables objeto de estudio. Hay que tener en cuenta que, mientras las “hipótesis” buscan la relación entre variables, los objetivos tiene un carácter más ‘descriptivo’”. En palabras de Morales (2013, pág. 6), “lo que sí es claro es que en una investigación cuantitativa que utiliza métodos de estadística inferencial (como la t de Student) puede ser también de carácter descriptivo o exploratorio sin hipótesis previamente formuladas”. En resumen, somos partidarios de delimitar al uso de hipótesis al método experimental y cuasi-experimental, y en los demás métodos tanto cuantitativos y cualitativos (para evitar confusiones) mejor utilizar objetivos. Sólo entendemos el uso de hipótesis cualitativas desde el marco de dar respuesta a una pregunta, pero no en su sentido tradicional. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 81 En relación a los métodos mixtos de investigación Crewell (2008), propone que si un estudio comienza con una fase cuantitativa, el investigador podría introducir hipótesis. Más adelante en el estudio, en la fase cualitativa pueden aparecer preguntas de investigación cualitativas. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Los objetivos de investigación 2.3. 2.3.1. Concepto En general, un objetivo significa un propósito o meta, una finalidad hacia la cual deben dirigirse los recursos y esfuerzos para dar cumplimiento a un plan. Los objetivos de investigación son puntos de referencia que guían el desarrollo de un estudio. Se tratan de un enunciado que expresan lo que se desea indagar y conocer para responder a un problema planteado. Los objetivos constituyen el punto central de referencia, son los que conforman su naturaleza y le dan coherencia al plan de acción, así como determinan el alcance de la investigación. Los objetivos deben dar respuesta al qué de la investigación. Definir el objetivo de la investigación consiste en decir de forma clara y concisa qué es lo que se pretende obtener y qué hacer con los resultados de la investigación. La formulación de objetivos involucra conceptos y proposiciones que deben derivarse del marco teórico, donde son definidos. A su vez, los objetivos deben corresponderse con las preguntas realizadas y deben estar contemplados en la metodología propuesta. Los objetivos no pueden ser juicios de valor y generalmente, se expresan comenzando con un verbo en infinitivo que indica la vía de conocimiento por la que se procederá. La importancia de los objetivos de investigación radica en que: − − − − Orientan las demás fases del proceso de investigación. Determinan los límites y la amplitud del estudio. Permiten definir las etapas que requiere el estudio. Sitúan al estudio dentro de un contexto general. 2.3.2. Funciones de los objetivos Las funciones que vienen a cumplir los objetivos de investigación son: − Orientan el proceso de investigación y determina el camino a seguir para poder alcanzarlo. ─ Especifican el conocimiento que se desea alcanzar a nivel de los resultados contrastados. − Delimitan los alcances (amplitud) de la investigación. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 83 − Se constituyen en la guía permanente del estudio, evitando desviaciones no deseadas. − Permiten establecer las etapas que se requieren en el estudio. − Tanto los métodos, como las técnicas e instrumentos de recogida de datos están subordinados a los objetivos. 2.3.3. Características de los objetivos Los objetivos de investigación se caracterizan porque tienen que: − Ser claros y concisos, formulados en un lenguaje fácil de entender, con claridad en el contenido. − Ser precisos, deben recoger qué es lo que se pretende alcanzar − Ser realistas, susceptibles de alcanzarse. − Poder reformularse, eliminarse o incluir alguno nuevo, durante el curso de la investigación. − Ser factibles, posibles de alcanzar con los recursos disponibles, con la metodología adoptada y dentro de los plazos previstos. − Ser pertinentes con una relación lógica con el tipo de problema que se pretende solucionar. Es lo que se entiende por coherencia. − Especificar los conceptos que serán estudiados. − Precisar las variables o dimensiones que serán medidas. − Señalar los resultados que se esperan. − Definir los límites o alcances de la investigación. − Redactarse con un verbo en infinitivo. − Responder a la preguntas ¿qué se pretende con la investigación?, y no al ¿para qué? 2.3.4. Cómo formular objetivos Un objetivo bien formulado es aquel que lograr transmitir lo que el investigador pretende realizar. Es decir, lo que pretende obtener como resultado. A continuación sugerimos algunos criterios para formular objetivos. En consecuencia, cada objetivo debe: a) Incluir sólo un enunciado para determinar su nivel de consecución. b) Responder al propósito del investigador y no indicar una cosa diferente a la que se pretende. Hay que excluir las interpretaciones posibles. c) Identificar el tipo de resultados que se pretende alcanzar. d) Recoger todos los elementos que constituyen el problema. e) Seleccionar los elementos que serán abarcados en la investigación. f) Formularse en función a la variables que van a ser estudiadas. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 g) Plantearse en forma secuencial y cronológica. Cuadro 2.5. Errores más frecuentes en la formulación de objetivos. Tener más de un objetivo general de investigación: toda investigación debe tener un sólo objetivo general. Tener más de un logro la formulación del objetivo. Ser demasiado amplio. Falta de relación entre los objetivos, el marco teórico y la metodología. Confundir el objetivo general con un objetivo específico. Redactar los objetivos de forma desordenada. Redactar como objetivo general el título del proyecto, investigación, tesis doctoral. 2.3.5. Tipos de objetivos En una investigación se distinguen los siguientes objetivos: Objetivo general Constituye el enunciado global sobre el resultado final que se pretende alcanza, debe responder a la pregunta de investigación y expresa el fin concreto de la investigación. El enunciado del objetivo general debe responder a todas las variables del problema de investigación y no establece soluciones concretas ni especifica los problemas a resolver. La estructura del objetivo general es la siguiente: a) El propósito: aspecto con el que se inicia el enunciado (verbo en infinitivo). b) Las unidades de análisis o de observación: poblaciones, personas, grupos, sobre los que se busca conocer algo. c) Las variables: las características de las unidades de observación o análisis que se van a estudiar. d) El contexto del estudio donde se llevará a cabo. Objetivos específicos Los objetivos específicos se derivan del objetivo general y expresan los pasos que son necesarios para alcanzar dicho objetivo. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 85 Ante la pregunta de cuántos son los objetivos específicos que deben tener una investigación, la respuesta es que dependerá del alcance de la investigación. Mas a título orientativo una investigación deberá tener no menos de tres objetivos específicos y un máximo de ocho o diez. A continuación recogemos los verbos que se usan para la formulación tanto de objetivos generales como específicos. Ponemos en letra cursiva los que consideramos que son los más utilizados. Cuadro 2.6. Verbos para formular objetivos de investigación. \ OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS analizar, calcular, categorizar, comparar, concretar, contrastar, crear, definir, demostrar, desarrollar, describir, diagnosticar, discriminar, diseñar, efectuar, enumerar, establecer, evaluar, explicar, examinar, exponer, formular, fundamentar, generar, identificar, inferir, mostrar, orientar, oponer, reconstruir, relatar, replicar, reproducir, revelar, planear, presentar, probar, producir, proponer, situar, trazar. analizar, basar, calcular, calificar, categorizar, comparar, componer, conceptualizar, considerar, contractar, deducir, definir, demostrar, detallar, determinar, designar, descomponer, describir, discriminar, distinguir, establecer, enunciar, enumerar, especificar, estimar, examinar, explicar, identificar, indicar, interpretar, justificar, mencionar, organizar, registrar, relacionar, resumir, seleccionar, separar, sugerir, sintetizar. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Las variables de investigación 2.4. 2.4.1. Concepto Un paso importante en todo diseño de investigación es definir o identificar las variables. La importancia de las variables es básica. La investigación científica gira alrededor de ellas, ya que trata de descubrir la existencia de las variables y su magnitud, y probar las relaciones que las unen entre sí. ¿Pero qué son las variables? Una variable es un concepto, un constructo que puede variar o tener más de un valor. Algunas variables pueden ser muy concretas como el sexo o la edad, otras pueden ser más abstractas, más vagas, como la sensación de bienestar, calidad de vida, etc. Una variable es, por lo tanto, una característica que varía según los sujetos, una propiedad que puede adoptar distintos valores. En palabras de Del Río Sadornil (2003), es toda característica que varía o puede variar en cantidad o calidad. Las variables permiten al investigador definir y asignar valores, ya sean de naturaleza cuantitativa o cualitativa. “Son construcciones hipotéticas (constructos) o propiedades que estudian estas construcciones, denominadas variables porque tienen más de un valor” (Gil, 2004, p. 27). Las variables consideradas aisladamente se pueden entender como “categorías observables de algo que son susceptibles de adoptar distintos valores o de ser expresadas en varias categorías¨ (Freeman, 1971, p. 18). Por ejemplo, una variable es el color que puede presentar las categorías de rojo, azul, blanco, verde, etc. También hay una segunda noción cuando se entienden las variables como características observables de algo, ligadas entre sí en su variación con una relación determinada, entre las que se puede señalar como más frecuentes las de covariación, influencia o causalidad, etc. Por ejemplo, el rendimiento académico está ligado en una relación de dependencia con diversas variables, como pueden ser coeficiente de inteligencia, ambiente familiar, nivel económico de los padres, colegio donde se estudia, etc. Una variable es cualquier característica observable del objeto de estudio, y que es susceptible de adaptar distintos valores o de ser expresado en varias categorías. En opinión de Morales (2012), clarificar el concepto de variable y los distintos tipos de variables es muy importante como punto de partida al iniciar una investigación, pues permite preparar mejor los instrumentos de recogida de datos y porque permite pensar y escoger el diseño de investigación más apropiado y el método adecuado para analizar CONCEPTOS BÁSICOS EN INVESTIGACIÓN 87 los datos. De acuerdo con las características de los sujetos, Morales (2012) define la variable como algo que podemos observar, codificar o cuantificar en los sujetos sobre lo que investigamos. 2.4.2. Tipos de variables Las variables se pueden clasificar siguiendo distintos criterios. A continuación presentamos una clasificación basándonos en diversos autores (Kerlinger, 1981; Bisquerra, 2009; Del Río Sardonil, 2003; Corbetta, 2003; Sierra Bravo, 2008, entre otros). 1. Según sistema de medición y la naturaleza: a) Variables cualitativas (categóricas, de atributo o nominales): son aquellas que establecen distintas categorías para cada una de las modalidades y hacen referencia a las características de los sujetos que no se pueden cuantificar (no pueden ser medidas con números). Normalmente se codifican con números las respuestas (ejemplo: hombre, 1; mujer, 2), pero estos números no lo son en un sentido propio cuando no tiene sentido hablar de más o menos. Ejemplo: sexo, profesión, estado civil, nivel económico, tipo de estudios, etc. Estas variables pueden ser de dos tipos: − Variables nominales: poseen modalidades no numéricas y no admiten un criterio de orden. Ejemplo: estado civil. Dentro de las variables nominales hay dos grupos: ● Dicotómicas (o binaria): son las variables que permiten sólo dos opciones. Ejemplo: blanco/negro; positivo/negativo; tener o no tener una enfermedad, sexo, etc. ● Politómicas: son las variables que pueden tomar tres o más valores (ejemplo: color de los ojos, estado civil. ingresos económicos, etc.). − Variables ordinales (hay autores que las llaman cuasi-cuantitativas): presentan modalidades no numéricas y que admiten un criterio de orden. Las categorías se dividen en rangos (número de orden). Las variables ordinales se consideran variables continuas. Ejemplo: calificaciones de un examen (sobresaliente, notable…), medallas en una prueba deportiva (oro, plata, bronce). b) Variables cuantitativas: son las variables que tienen valores numéricos y que se pueden medir y expresar en valores numéricos referidos a una unidad de medida. Ejemplo: peso, la estatura, número de hijos, etc. Según su naturaleza se subdividen en: − Cuantitativas discretas: son las que sólo pueden tomar un conjunto finito o numerable de valores, es decir, sólo pueden tomar determinados METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 valores (números enteros). Ejemplo: número de hijos, número de habitantes, etc. − Cuantitativas continuas: pueden tomar cualquier valor en un intervalo ya sea entero o fraccionario (dentro de un “continuum”). Son las que sólo pueden adquirir valores numéricos consecutivos de menos a más. Las variables continuas a diferencia de las variables discretas nunca pueden ser medidas con exactitud. Ejemplo: peso, altura edad, rendimiento académico, etc. Estas variables a su vez se dividen en: ● De intervalo: a diferencia de las variables ordinales tiene diferencias precisas entre unidades de medida y carecen de cero absoluto (el cero es arbitrario, no indica ausencia de atributo). En esta escala, la distancia entre unidades de medida si es uniforme, de manera que podemos decir que A es el doble que B (por ello permite realizar operaciones matemáticas). Ejemplo: la temperatura, tests de personalidad. ● De razón: las variables tienen las mismas características que las variables de intervalo, con la diferencia de que sí hay un origen o punto cero real. Es una variable que permite establecer en qué proporción es mayor una categoría de otra. Ejemplo: el peso, número de alumnos, el número de hijos 2. Según el enfoque metodológico: a) Variables independientes (VI): es la característica que el investigador manipula deliberadamente para conocer su efecto o relación con la variable dependiente. Por ejemplo, si queremos saber el efecto de un programa para reducir peso corporal, el programa es la variable independiente (también conocida como variable experimental) y los cambios operados en los sujetos participantes en el programa, es la variable dependiente. En los diseños experimentales, las variables independientes suelen ser cualitativas y la variable dependiente cuantitativas (aunque no siempre). b) Variables dependientes (VD): son aquellos cambios, una vez medidos, que se atribuyen o se relacionan con la variable independiente. Es el efecto que actúa como consecuencia de la variable independiente. Ejemplo: Los niños que hacen educación preescolar (VI), aprenden a leer más rápido (VD), en primero de educación primaria. c) Variables extrañas: son las variables que el investigador no controla directamente, pero que pueden influir en el resultado de la investigación. Las variables extrañas deben ser controladas a fin de que no afecten a los resultados. Las variables extrañas, en una situación de laboratorio, pueden ser más fácilmente controladas; en una situación cuasi-experimental, con CONCEPTOS BÁSICOS EN INVESTIGACIÓN 89 sujetos como personas, resulta más difícil. Algunos métodos para realizar este control son: − Eliminación: cuando detectamos una variable extraña que puede alterar los resultados de la investigación, se puede controlar mediante la eliminación. − Aleatorización: se seleccionan al azar los sujetos que forman parte de la muestra de la población. El postulado se basa en que si la selección y distribución de los sujetos en el grupo de control se realiza al azar, se puede inferir que las variables extrañas, desconocidas por el investigador, se habrán repartido también al azar en ambos grupos, y así quedarán igualadas. − Balanceo: distribuye en forma equitativa la presencia de la variable extraña entre los grupos. − Contrabalanceo: a cada sujeto se les presenta las condiciones experimentales en un orden diferente, de manera que en el conjunto total de condiciones del experimento cada una de ellas se haya aplicado el mismo número de veces y en el mismo orden. − Grupos equivalentes: se utilizan cuando se sospecha que los grupos que se tienen que formar pueden diferir en alguna característica que pueda afectar a los resultados. Se trata de formar grupos que se asemejen en una característica o en la variable de agrupamiento que debe estar estrechamente relacionada con la variable dependiente. Por ejemplo, formar grupos en función del coeficiente de inteligencia. − Sujeto con propio control: está asociado al diseño intrasujeto o de medidas repetitivas y se utiliza para controlar las variables extrañas procedentes de los sujetos. Los participantes pasan por todas las condiciones y de esta forma las variables extrañas de sujetos se mantienen constantes en todas las condiciones. 3. Según el punto de vista explicativo: a) Variables estímulo: es cualquier aspecto referido a la situación experimental que se puede manipular y puede dar lugar a una respuesta. Estas variables suelen coincidir con las variables independientes. Ejemplo: la temperatura ambiental. b) Variables de respuesta: serían las respuestas a las que dan lugar las variables estímulo y, por lo tanto, suelen coincidir con las variables dependientes. Ejemplo: bañarse como consecuencia de altas temperaturas. c) Variables organísmicas (intermediarias): se llaman así porque juegan un papel intermedio entre las variables estímulo y las variables respuesta. Se trata de cualquier característica del individuo que pueda intervenir entre la variables estímulo y respuesta. Algunas de estas variables pueden actuar METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 como variables contaminadoras en la investigación y será preciso controlarlas. Pueden ser interna y externas al sujeto. Ejemplo: el sexo, la edad, la motivación, etc. 4. Por su grado de presencia: a) Variables latentes (factores): es una variable subyacente que no se puede observar ni medir directamente. Por ejemplo, la felicidad, el racismo, la inteligencia, la calidad de un docente, la habilidad verbal, etc. b) Variables manifiestas (indicadores): son variables que se perciben directamente, su presencia no requiere más que de la observación o detección directa y son susceptibles de cuantificación. Estas variables pueden ser medidas a través de instrumentos como las preguntas de un cuestionario, las preguntas de un examen, etc. Figura 2.2. Clasificación de las variables. Según sistema de medición y la naturaliza: ● Cualitativas: – Nominales (dicotómicas y politómicas) – Ordinales ● CuantItativas: – Discretas – Continuas (intervalo y razón) Según enfoque metodológico: Clasificación de las variables ● Independientes ● Dependientes ● Extrañas Según punto de vista explicativo: ● Estímulo ● Respuesta ● Organísmicas (intermediarias) Según grado de presencia: ● Latentes (factores) ● Manifiestas (indicadores) CONCEPTOS BÁSICOS EN INVESTIGACIÓN 91 El muestreo 2.5. 2.5.1. Concepto Como recoge Corbetta (2003), las primeras propuestas de sustituir la recogida total de los datos por una parcial lo planteó el estadístico noruego Kiaer (1895), pero no tuvieron una buena acogida. Más tarde, en 1926, Bowley introdujo el concepto de muestreo aleatorio simple. Pero será el polaco Neyman (1894-1981) el que fijó las bases teóricas de este tipo de muestreo, que utiliza el azar para la elección de unidades a incluir en la muestra. El muestreo es una técnica que se utiliza para seleccionar una muestra representativa de la población objeto de estudio. Su función básica es determinar qué parte de una realidad en estudio (población o universo) debe examinarse con la finalidad de hacer inferencias (generalizaciones) sobre dicha población. Hay autores que señalan la diferencia entre población y universo (Fox, 1981; Buendía, Colás y Hernández, 1997; Latorre, Rincón y Arnal, 2003). Estos autores vienen a coincidir en que “la población es parte del universo”. Otros autores (Del Río Sardonil, 2003, p, 233), al hablar de población identifican los conceptos de población y universo al referirse a un conjunto de individuos: “población: sinónimo de universo o conjunto de todos los elementos (sujeto o casos posibles), cada uno de los cuales posee una o más características claramente definidas)”. “Población o universo se puede definir como un conjunto de unidades o ítems que comparten algunas notas o peculiaridades que se desean estudiar” (Hernández Blázquez, 2001, p. 127). Por nuestra parte, entendemos por población al conjunto de elementos (sujetos, objetos, entidades abstractas, etc.), finito o infinito, definido por una o más características, de las que participan todos los elementos que lo componen, y sólo ellos. Por su parte, la muestra es una parte representativa de la población que permite generalizar los resultados de una investigación. Hay tres tipos de muestras: a) Muestra invitada: son los sujetos de la población a quienes se les invita a participar. b) Muestra participante: son los sujetos que aceptan forma parte del estudio. c) Muestra real: es la muestra productora de datos que servirán para el análisis final. d) METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 2.5.2. Tipos de muestreo Los principales métodos de muestreo son los muestreos probabilísticos, selección al azar, en el que todos los individuos de la población tienen las mismas posibilidades de formar parte de la muestra y los muestreos no probabilísticos en los que la selección de los individuos de la muestra no depende de la probabilidad, sino que se rigen por otros criterios en función de la investigación o los criterios del investigador. 1. Muestras aleatorias o probabilísticas: Se utilizan cuando se pretende realizar una encuesta a una población grande y no disponemos ni de tiempo ni de recursos suficientes. En este caso, se obtiene una muestra proporcional al tamaño de la población y, más tarde, los resultados obtenidos nos permiten inferir cómo la población en su conjunto podría haber respondido y sacar conclusiones acerca de todo el grupo. a) Muestreo aleatorio simple: es el método más utilizado debido a que es fácil de implementar y de analizar. La muestra se obtiene mediante el sorteo total de la población. Elimina el sesgo dando a todos los sujetos la misma oportunidad de ser elegido. − Los pasos a seguir para su aplicación son: La definición de la población. Elegir el tamaño de la muestra. Enumerar la población. Asignar número a las unidades. Buscar número aleatorios. Seleccionar la muestra. Ejemplo: Paso 1: Población formada por los estudiantes de una universidad (supongamos que 10.000, éste sería el marco muestral). La unidad de análisis está formada por quién o de qué se recogen datos (personas, organizaciones, grupos, objetos, etc.). Paso 2: Elegimos una muestra utilizando algún criterio, tal como nivel de confianza, de variabilidad y margen de error aceptable (en nuestro caso, ésta queda compuesta por 345 sujetos). Paso 3: enumeramos la población (ahora asignamos un número consecutivo del 1 al 10.000, al lado de cada uno de los estudiantes). Paso 4: buscamos números aleatorios, para ello tenemos una lista de números al azar antes de seleccionar la muestra de 345 del total de 10.000 estudiantes. Estos números al azar bien se pueden encontrar mediante tabla de CONCEPTOS BÁSICOS EN INVESTIGACIÓN 93 números aleatorios (generadores de números aleatorios) o método Montecarlo (recuerda la ruleta en los casinos que permite obtener números aleatorios), o a través de un programa de ordenador que genera estos números. Paso 5: seleccionar la muestra, por último seleccionamos los 345 sujetos que serán invitados a participar en la investigación. b) Muestra al azar sistemático: En este tipo de muestreo se elige un individuo al azar y a partir de él, a intervalos constantes, se eligen los demás hasta completar la muestra. Es decir, este procedimiento exige, como el anterior, numerar todos los elementos de la población, pero en lugar de extraer “n” números aleatorios sólo se extrae uno. Se parte de ese número aleatorio “i”, que es un número elegido al azar, y los elementos que integran la muestra son los que ocupan los lugares i, i k, i 2k, i 3k, ...,i (n-1)k, es decir, se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra: k= N/n. El número “i” que empleamos como punto de partida será un número al azar entre 1 y k. Ejemplo: tenemos una población de 100 elementos y queremos seleccionar una muestra de 20. Paso 1: numeramos los elementos o personas. Paso 2: tenemos que elegir un elemento de cada 100/20 (cociente 4). Paso 3: elegimos al azar un elemento o persona entre los cinco primeros. Paso 4: a continuación, seleccionamos un elemento cada 5, por ejemplo el 3, entonces tenemos, 3 + 5 = 8, 8 + 5 = 13. 13 + 5 = 18 y así hasta obtener los 20 elementos. c) Muestreo aleatorio estratificado: Consiste en dividir la población total en clases homogéneas (estratos). Cada estrato funciona independientemente (entre los estratos no existe ningún tipo de relación) y poseen una gran homogeneidad respecto de alguna característica. Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés estén representados adecuadamente en la muestra. Este tipo de muestreo exige un conocimiento detallado de la población. La distribución de la muestra en función de los diferentes estratos afijación, puede ser de dos tipos: Afijación simple (igual): a cada estrato le corresponde igual número de elementos muestrales. Afijación proporcional: la distribución se hace de acuerdo con el tamaño de la población de cada estrato. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Ejemplo: todos los ciudadanos de una localidad (población), formamos grupos en función de la nacionalidad (estratos). d) Muestreo aleatorio por conglomerados: Este tipo de muestreo se caracteriza porque la unidad muestral es un grupo de elementos de la población que forman la unidad, a la que se llama conglomerado. Para aplicar este diseño, es necesario que toda la población esté divida en subpoblaciones, conglomerados, que no se solapen. Se selecciona una muestra probabilística de conglomerados y se mide la variable de interés en todos los individuos de los conglomerados elegidos. A diferencia de las muestras estratificadas, los conglomerados deben estar constituidos por unidades lo más heterogéneas posibles (varianza grande), sin embargo, los conglomerados deben ser lo más homogéneos entre sí (varianza entre conglomerados pequeña). Ejemplo: todos los estudiantes de una universidad (población), en este caso, los conglomerados estarían formados por las distintas facultades (conglomerados excluyentes, pero que tienen en común el estar formados por estudiantes). e) Muestreo polietápico (muestreo por etapas): Consiste en una combinación de diversos métodos, secuenciados en una serie de etapas. Así se obtiene una muestra de unidades primarias, más amplias que las siguientes; de cada unidad primaria se toman, para una submuestra, unidades secundarias, y así sucesivamente hasta llegar a las unidades últimas o más elementales. Se le puede considerar como una modificación del muestreo por conglomerados cuando no forman parte de la muestra elementos o unidades de todos los conglomerados, sino que, una vez seleccionados estos, se efectúan submuestras dentro de cada uno de ellos. 2. Muestras no probabilísticas: a) Muestreo por cuotas: Este muestreo se denomina a veces “accidental”. En esta modalidad de muestreo se fijan unas “cuotas” que consisten en un número de individuos que reúnen unas determinadas condiciones. Se basa en el buen conocimiento de los estratos de la población y de los individuos más representativos para los fines de la investigación. Tiene semejanzas con el muestreo aleatorio estratificado, pero sin el carácter de aleatoriedad de éste. Ejemplo: seleccionar 20 individuos de 25 a 40 años, de sexo femenino y de la ciudad X. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 95 b) Muestreo opinático (intencional): Los sujetos se seleccionan en relación a criterios del investigador. Se trata de obtener muestras “representativas” mediante la inclusión de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. c) Muestreo casual (incidental): La selección de la muestra se hace de forma arbitraria, en función de los elementos que están más a su alcance. El caso más frecuente de este procedimiento es utilizar como muestra los individuos a los que se tiene fácil acceso. Los profesores de universidad emplean con mucha frecuencia a sus propios alumnos. Son también las encuestas en vía pública que se realizan en un día y horario determinado. d) Muestreo bola de nieve: Mediante este muestreo se localizan a algunos individuos, los cuales conducen a otros, y éstos a otros, y así hasta conseguir una muestra suficiente. Se utiliza este procedimiento de muestreo si la muestra para el estudio es de difícil acceso (poblaciones marginales, delincuentes, determinado tipo de enfermos, inmigrantes, etc.) o si está limitada a un subgrupo muy pequeño de la población. Esta forma de muestreo funciona en cadena, tras determina “r” al primer sujeto, el investigador le pide ayuda para identificar o llegar a otras personas que tengan un rasgo de interés similar. Figura 2.3. Tipos de muestras. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 2.5.3. Ventajas y limitaciones Recogemos las principales y ventajas de los distintos tipos de muestreo. 1. Muestreo aleatorio simple: Ventajas: − Es sencillo y de fácil comprensión. − Reduce el potencial de sesgo humano en la selección de los casos (alto nivel de representatividad). − Permite generalizaciones. − Cálculo rápido de medias y varianzas − Se basa en la teoría estadística, y por lo tanto existen paquetes informáticos para analizar los datos. Limitaciones: − Requiere que se posea de antemano un listado completo de toda la población. − La probabilidad de incluir errores en el muestreo con la disminución del tamaño de la muestra. Por lo tanto, el investigador debe establecer un tamaño de la muestra lo suficientemente grande para minimizar la probabilidad de resultados anormales. − Las listas completas exigen a menudo que no sean de dominio público y para acceder a la información haya que pagar o solicitar permisos. 2. Muestreo al azar sistemático: Ventajas: − Fácil de aplicar. − No siempre es necesario tener un listado de toda la población. − El investigador garantiza que se tomarán muestras uniformes de la población. Limitaciones: − El proceso de seleccionar la muestra puede actuar recíprocamente con un rasgo ocultado periódico dentro de la población. En ese caso, la representatividad se puede ver comprometida. 3. Muestreo aleatorio estratificado: Ventajas: − Reduce el potencial sesgo humano en la selección de casos que forman parte de la muestra. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 97 − Cuando las muestras son del mismo tamaño, una muestra aleatoria estratificada puede proporcionar mayor precisión que una muestra aleatoria simple. − Mejora la representación de determinados estratos (grupos) dentro de la población, así como garantiza que los estratos no estén sobre-representados. Limitaciones: − Sólo se puede realizar si se dispone de una lista completa de la población. − La lista de la población debe estar claramente delimitada en cada estrato, es decir, cada unidad de la población sólo debe pertenecer a un estrato. Así, por ejemplo, un estudiante sólo puede ser clasificado como hombre o mujer. − Hay listas que no son de dominio público y su compra puede resultar costosa, así como el acceso a ella (se tendrá que pedir permiso). 4. Muestreo aleatorio por conglomerados: Ventajas: − Es muy eficiente cuando la población es muy grande y dispersa. − No necesita disponer de un listado de toda la población, sólo de las unidades primarias de muestreo. − Es barata, rápida y fácil (el investigador puede asignar sus limitados recursos a los pocos grupos o áreas seleccionadas al azar utilizando las muestras de racimo). − Permite análisis de grupos individuales. Limitaciones: − De todos los diferentes tipos de muestreo probabilístico es el menos representativo de la población. − Tiene una posibilidad de error de muestreo alta. − Cada elemento de la población se asigna a un solo grupo. 5. Muestreo polietápico (muestreo por etapas): Ventajas: − Resulta eficiente en muestras grandes y dispersas. − No es necesario un listado de toda la población. Limitaciones: − El error estándar es superior al error cometido en el muestreo aleatorio simple o estratificado. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 − Combina las limitaciones del conglomerado y el muestreo aleatorio estratificado. 6. Muestreo por cuotas: Ventajas: − Trata de obtener muestras representativas a un coste bajo, además de rápido. − Fácil de administrar. − Asegura la selección de un número suficiente de sujetos con características adecuadas. − En ciertas condiciones obtiene resultados cercanos a aquellos del muestreo de probabilidad convencional. Limitaciones: − No es posible demostrar que la muestra es representativa de la población designada. − Si se pasa por alto una característica relevante para el problema, la muestra no será representativa. − Con frecuencia, se omiten características de control, porque hay dificultades prácticas asociadas con la inclusión de muchas áreas. 7. Muestreo opinático (intencional): Ventajas: − Es poco costosa y requiere poco tiempo. − Esta técnica de muestreo es útil para documentar que una calidad particular de un fenómeno se produce dentro de una muestra dada. En pruebas piloto, la muestra intencional se suele utilizar ya que permite al investigador obtener los datos básicos y las tendencias con respecto a su estudio. Limitaciones: − Tiene parcialidad por la forma de elegir la muestra, pues ésta no es representativa de toda la población. Esto da lugar a una baja validez externa del estudio. − Limitación en la generalización y las posibles inferencias que pueden surgir sobre toda una población. − No se recomienda para la investigación descriptiva ni casual. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 99 8. Muestreo casual (incidental): Ventajas: − Muestreo económico y rápido. − Los sujetos son fácilmente accesibles, en un lugar y tiempo determinado. − Asegura un índice alto de participación. Limitaciones: − No puede saberse en qué medida la muestra es representativa de la población. − Los resultados dependen de las características particulares de la muestra. − Mayor probabilidad de error debido a sesgos del experimentador o los sujetos. 9. Muestreo bola de nieve: Ventajas: − Incrementa de forma sustancial la probabilidad de encontrar la característica deseada de la población. − La varianza de la muestra es relativamente baja, pues todos los individuos seleccionados son del conjunto de la población objetivo. − Costo reducido. − El proceso de cadena permite que el investigador llegue a poblaciones que son difíciles de probar cuando se utilizan otros métodos de muestreo. − Necesita poca planificación y menos colaboradores para su aplicación. Limitaciones: − El investigador tiene poco control sobre el método de muestreo. Los sujetos que el investigador puede obtener se basan principalmente en los sujetos observados anteriormente. − La representatividad de la muestra no está garantizada. El investigador no tiene ni idea de la verdadera distribución de la población ni de la muestra. − Se producen estimadores sesgados, ya que individuos muy populares dentro de una población tienen mayores oportunidades de ser seleccionados. 2.5.4. Tamaño de la muestra A la pregunta qué tamaño debe tener una muestra en los llamados sondeos de opinión no hay una respuesta exacta, salvo que decir que debe ser lo suficientemente grande como para obtener la representatividad. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Para determinar el tamaño muestral a fin de que los resultados de un estudio sean extrapolables a toda la población han de tenerse en cuenta una serie de consideraciones. De acuerdo con Morales (2012), las variables que dependen del tamaño de la muestra son el nivel de confianza, la varianza estimada de la población y el margen de error que estamos dispuestos a aceptar. a) El nivel de confianza: es la probabilidad de que el intervalo calculado contenga el verdadero valor del parámetro o no. Se indica (1-α) y habitualmente se da en porcentaje (nivel de confianza del 90%, 95%, 99%). En otras palabras, es el riesgo que aceptamos de equivocarnos al presentar nuestros datos. El nivel de confianza habitual es de .05 (α= .05). El nivel de confianza forma parte de la fórmula para determinar el número de sujetos con un valor de zeta, que en la distribución normal está asociado a una determinada probabilidad de ocurrencia. b) La varianza estimada de la población: mientras la investigación total proporciona el valor exacto del parámetro que se quiere conocer, la indagación por muestreo proporciona sólo una estimación de éste (se entiende por “estimación” un valor aproximado). La estimación de la muestra estará afectada por un error, llamado “error muestral”. c) El margen de error: el error muestral indica el porcentaje de incertidumbre, es decir, el riesgo que se corre de que la muestra elegida no sea representativa. Así, por ejemplo, si se trabaja con un error muestra del 5%, ello significa que existe un 95% de probabilidades de que el conjunto muestra represente adecuadamente el universo del cual ha sido extraído. Hay que advertir que a medida que se incremente el tamaño de la muestra, el error muestral tiende a reducirse, ya que la muestra se aproxima más al tamaño del universo. 2.5.5. Cálculo del tamaño de una muestra Existen distintos procedimientos para determinar el tamaño adecuado de la muestra. A continuación recogemos, entre las distintas fórmulas que aparecen en los manuales de Estadística, las siguientes: a) Fórmula de Bugeda (1974): Bugeda para las investigaciones sociales o cualitativas propone un nivel de confianza del 2σ que rebaja la probabilidad solamente al 95,5%, dato considerado suficiente. n= pqN E2 (N – 1) + p q 101 CONCEPTOS BÁSICOS EN INVESTIGACIÓN n = tamaño de la muestra N = tamaño de la población (o universo) p = coeficiente de dividir el número de casos favorables esperados por el número total (representa la proporción en que aparece en la población la información que se desea recoger). q = representa la proporción en que no aparece (evidentemente q = 100 – p) La estimación de p y q es muy problemática, por lo que se suele utilizar el caso más desfavorable de p = q = 50%. Para un nivel de confianza de 2σ, la fórmula se convierte en: 4pqN n= E2 (N – 1) + 4 p q Ejemplo: Queremos calcular el tamaño de la muestra de una población de 10.000 elementos para un margen de confianza de 95,5% (corresponde a 2σ). n= 4 x 2.500 x 10.000 = 385 sujetos 25 x 9.999 + 4 x 2.500 b) Fórmula de Latorre, Del Rincón y Arnal (2003): 2 Zα x p x q x N n= 2 2 e (N-1) + Zα p x q N = Total de población Zα2 = Puntuación correspondiente al riesgo α (α = 0.05, Zα = 1.96) p = proporción esperada (se suele admitir un 50%) q = 100 – p E = error permitido (5%) Para poblaciones finitas; un margen de error de un 5% y una confianza de 2σ, es decir, de un 95,5%. Ejemplo: Cálculo del tamaño de la muestra de una población de 10.000 elementos para un margen de confianza de 95,5% y un margen de error de 5%. 2 n= 1,96 x 50 x 50 x 10.000 2 2 5 (10.000 -1) + 1,96 x 50 x 50 = 370 sujetos METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 c) Morales (2012) para poblaciones infinitas (más de 100.000 sujetos): Al ser el universo superior a 100.000, hay que utilizar la fórmula para universos infinitos: 2 n= z pq 2 e z = Valor de z correspondiente al nivel de confianza. Un nivel de confianza del 95% (también lo expresamos así: α = ,05) corresponde a z = 1.96 sigmas o errores típicos; z = 2 (dos sigmas) corresponde a un 95.5% (aproximadamente, α = ,045). p q = Varianza de la población Como la varianza de la población la desconocemos, ponemos la varianza mayor posible porque a mayor varianza hará falta una muestra mayor. e = Error muestral representado con la letra e (no es el único símbolo que se utiliza) que significa error o desviación posible cuando se extrapola los resultados. Es el margen de error que se acepta. Ejemplo: Qué muestra necesitaremos con un nivel del confianza del 95% (α = ,05) al que corresponde z = 1,96, y admitiendo un margen de error del 5%. 2 n= 1,96 x 0,5 X 0,5 2 ,05 = 384 Cuadro 2.7. Factores que influyen en la determinación del tamaño de la muestra. Tipo de diseño. Tipo de muestreo. Fórmula utilizada para determinar la representatividad. Instrumento usado. Grado de precisión que se quiere lograr. Heterogeneidad de los atributos. Frecuencia con que el fenómeno ocurre. Presupuesto. Número de variables. Existen otros procedimientos para determinar el tamaño adecuado de la muestra como es por medio de tablas, evitándose así tiempo, costo y esfuerzo, Nos referimos CONCEPTOS BÁSICOS EN INVESTIGACIÓN 103 a las tabla de Arkin y Colton (1995) y las de Krejcie y Morgan (1970), que recogemos en el anexo de este libro.. De manera más general, Cardona (2002) señala lo siguiente: − A mayor población, menor porcentaje se necesita para obtener una muestra representativa. − Para poblaciones pequeñas (N<100) lo mejor es tomar toda la población. − Si el tamaño de la población se sitúa en torno a 500, se debería tomar el 50% de la población. − Si el tamaño de la población es de unos 1.500 debería tomarse el 20% de la población. − Más allá de cierto tamaño de la población (N>5.000), el tamaño de la muestra de 400 resulta adecuado. Independientemente de la forma de obtener una muestra representativa de una población, la muestra deberá aumentarse según criterio del investigador, a fin de evitar lo que se conoce como “mortandad estadística”. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 La validez 2.6. 2.6.1. Concepto En investigación científica, el concepto de validez es parte fundamental de la metodología. Las puntuaciones de medida generadas mediante cualquier procedimiento de medición deben reunir junto a la fiabilidad las características de validez. Tal es la importancia que Nunnally y Bernstein (1995) cuando hablan del concepto de validez, en el capítulo 3 (“Teoría psicométrica”), dicen que es el más importante del libro. La validez ha tomado muchas formas y significados para describir los diferentes componentes del proceso de investigación. Tradicionalmente el proceso de investigación se ha dividido en cuatro componentes básicos: la medición y/o la manipulación de una variable teórica, la selección de un diseño de investigación, el análisis de los datos obtenidos a partir del estudio y la interpretación y la solidez de los resultados. Pues bien, asociado a cada componente del proceso de investigación aparece un tipo de validación para evaluar la “adecuación” del componente de investigación particular. Así hablamos de “validez de constructo”, “validez convergente” y “validez discriminante” para la variables teóricas; “validez interna” para el diseño de investigación y “validez de las conclusiones” estadísticas para el análisis de datos y “validez externa” para la solidez de los resultados de investigación. Hay que señalar que mientras el estudio de la fiabilidad ha sido ampliamente desarrollado, la validez es uno de los grandes retos de la metodología. Tal vez esta situación se relacione con la cantidad de acepciones que acabamos de indicar descritas en la literatura. Ya Garrett en 1937, en un sentido general, decía que la validez hace referencia al grado en que un procedimiento de medida recoge aquello que pretende medir y no otras cosas. Asimismo Kelly (1927) afirmaba que una prueba es válida si mide lo que pretende medir. Desde este planteamiento general, Samaja (1993, p. 220) afirma que: El término validez es un término genérico. Quiero decir que tiene un significado general que puede ser acomodado a diferentes especies. En efecto, el término, se aplica genéricamente a un cierto hecho para significar que él es congruente con las normas y finalidades del sistema en el que pretende estar incluido. Decir que ´este concepto es válido´ o ´este dato es un dato válido´ significa, entonces, que es posible mostrar que puede formar parte del sistema conceptual (de la teoría científica) o del sistema operacional. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 105 Barriga y Henríquez (2011, p. 96) se preguntan, ¿cuáles son los criterios de excelencia y calidad para certificar la “validez” de una investigación social? Para dar respuesta a esta cuestión citan a Ruiz Olabuénaga (1996, p. 87): Una investigación es válida si “acierta” si “da en el clavo”, si “descubre”, si “mide correctamente”, si “llega al fenómeno” al que quiere llegar, descubrir, medir, analizar o comprender. Su excelencia será tanto más notable cuanto más se aproxime a este concepto y cuanta mayor sea la garantía de haberlo conseguido validar. Mas estos conceptos muy extendidos son demasiado simples, pues el concepto de validez ha ido tomando diversas facetas y adquiriendo un carácter controvertido como ponen de manifiesto diversos autores (Kerlinger, 1985; Messik, 1988; Angoff, 1988; Morales, 2006; Yin, 2009, entre otros). La falta de un significado unívoco del término validez ha dado lugar a arduos debates acerca de la existencia de un único concepto o, por lo contrario, de la existencia de diversos conceptos. En el ámbito de los estudios experimentales, el diseño de investigación debe conducir al investigador a realizar inferencias válidas acerca de las interrelaciones causales entre variables, sobre cambios observados en la medición de esas variables, por lo que podemos asegurar que la validez es tema central en estos diseños. Al respecto Emory (1985, p. 114) afirma que “aun cuando un experimento es el diseño de investigación ideal, él no está exento de problemas. Hay siempre una cuestión acerca de si los resultados son ciertos. Nosotros hemos definido previamente validez en términos de si una medida hace lo que de ella se espera”. Respecto a la validez de las técnicas, se entiende que la validación es un proceso continuo que incluye procedimientos diferentes para comprobar si un cuestionario mide lo que realmente dice medir. Dicho de otra manera, tiene que ver con el tipo de conclusiones o inferencias que pueden realizarse a partir de las puntuaciones obtenidas en una prueba. En palabras de Gil Gómez y Pascual Ezama (2012), la validez debe garantizar que cualquier estudio llevado a cabo o cualquier cuestionario dé garantías de que mide lo que realmente dice que está midiendo y que sirve para los propósitos de la investigación para los que fue elaborado. 2.6.2. Tipos de validez Se puede señalar que cada vez se tiende más a entender la validez como un proceso unitario. Tradicionalmente se han venido utilizando diferentes procedimientos de validación, algunos de los cuales incluye varios procedimientos de comprobación. Con el objetivo de presentar el agrupamiento más claro sobre los tipos de validez, se pueden hacer dos divisiones: en los métodos de investigación (experimental, cuasi-experimental, etc.) se encuentran las definiciones de validez externa y validez METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 interna y, por otro lado, aparecen las definiciones acerca de la validez relacionadas con los instrumentos de medida. 1. Validez del diseño de investigación La contribución más importante a un experimento es la que ayuda a excluir las diferentes variables que podrían explicar un fenómeno. Desde el punto de vista metodológico, se suele decir que el mejor experimento es aquél cuyo diseño excluye las explicaciones alternativas de los resultados, es decir, que la variable independiente es la causa de los cambios en la variable dependiente. Las variables extrañas que pueden afectar a los resultados de la variable dependiente suponen una amenaza para la variable experimental. En 1966, Campbell y Stanley acuñaron dos criterios valorativos originales: el criterio de validez interna y el criterio de validez externa. a) Validez interna: Hace referencia al grado que un experimento excluye las explicaciones alternativas de los resultados, es decir, el grado en que la manipulación de la variable independiente es únicamente responsable de los cambios en la variable dependiente. Las amenazas a la validez interna son todas aquellas variables, distintas a la independiente, que pueden provocar cambios y, por lo tanto, confundir el proceso de inferencia. Barriga y Henríquez (2011) aconsejan el control de las variables y el control de procedimientos. El primero corresponde a aquellos factores que son de conocimiento previo y aquellos otros factores que no son conocidos. Este planteamiento deriva en lo que se conoce como variables de control y variables extrañas (dedicamos más atención en otro apartado de este libro). El control de procedimientos hace referencia a los riesgos que ponen en peligro la validez interna de una situación experimental: − Factores organísmicos: características del sujeto y estados internos que pueden influir en los valores observados en la variable dependiente. − Historia: se refiere a los acontecimientos (experiencias de los sujetos) que han podido ocurrir entre la aplicación del pretest, intervención, y la medida en el postest (problemas personales, etc.). − Maduración: cambios biológicos y psicológicos de los sujetos que afectan a las respuestas. − Error de medida: cualquier cambio que pueda ser atribuido a la administración de las pruebas de evaluación. − Instrumentación: los cambios que se producen por los instrumentos de medida o en el proceso evaluativo. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 107 − Regresión estadística: las puntuaciones extremas tienden a acercarse al postest independientemente del tratamiento. − Sesgos de selección: cualquier diferencia entre los grupos que sea debido a la selección diferencial en el proceso de asignación a los grupos. − Mortandad experimental: abandono o pérdida de sujetos en el curso de la investigación. − Difusión del tratamiento: ocurre cuando la intervención aplicada al grupo experimental es también proporcionada de forma inadvertida al grupo de control b) Validez externa: Se refiere a la extensión y forma en que los resultados de un experimento pueden ser generalizados a diferentes sujetos, poblaciones, lugares, etc. Es decir, se refiere a la generalización de la investigación de las conclusiones desde el entorno específico en el que se ha llevado a cabo la investigación a situaciones similares del “mundo real”. La validez externa se puede categorizar en dos tipos: la validez ecológica y la validez de población. − Validez ecológica: es la posibilidad de generalizar los resultados obtenidos en un experimento a las condiciones naturales donde se desarrolla el comportamiento de los sujetos. Lo que sucede en determinadas situaciones puede no suceder en otras distintas. Su principal amenaza está en que los sujetos no se comportan igual en situación de laboratorio que en situación de normalidad, además el pretest puede influir en la sensibilidad de los sujetos. Para minimizar estas amenazas cabe preguntarse siempre a qué tipo de población, a qué sujetos y en qué situaciones podemos extrapolar o generalizar los resultados. − Validez de población: se refiere a la representatividad de la muestra, es decir, cuando la muestra no representa adecuadamente a la población a la que se desea generalizar los resultados. Es necesario conocer las características de la unidad de análisis del problema de investigación, si los resultados son coherentes, la generalización será verificada y, en consecuencia, tendrá mayor validez poblacional respecto al universo del cual fue extraída. 2. Validez de constructo Se suele decir que la validez de constructo es la más importante. Un constructo alude a variables abstractas y latentes más que a variables concretas y observables. La validez de constructo es un tipo de validez que requiere mucho tiempo y esfuerzo, pero también es la más deseable. La validez de constructo se refiere al grado en que METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 un instrumento de medida cumple con las hipótesis que cabría esperar para un instrumento de medida construido para medir precisamente que aquello que desea medir. La validez de constructo busca una relación lógica y coherente entre las variables definidas y los instrumentos creados para medirlas. Así, por ejemplo, la validez de constructo permite afirmar que una prueba que se dice es una “prueba de inteligencia” realmente mide la inteligencia. Hay varias formas para establecer la validez de constructo, para ello se utilizan distintos métodos como los métodos correlacionales, análisis factorial, análisis de las diferencias individuales que pone de manifiesto un test, análisis de los cambios en las diferencias individuales o análisis lógico de los elementos del test. A partir de la validez de constructo se determinan las siguientes definiciones: a) Validez de traducción: es el procedimiento mediante el cual un concepto teórico es traducido en indicadores que reflejan las características de la variable operacionalizada. En otras palabras, es el proceso en el que los términos fundamentales tratados en la investigación se transforman en preguntas y respuestas (Concha, Barriga y Henríquez, 2011). Este tipo de validez da lugar a dos subcategorías: validez aparente y validez de contenido. − Validez aparente: un instrumento tiene validez aparente si parece adecuado a la situación, sobre todo si se utiliza con finalidades predictivas. Además tiene validez aparente si la denominación que se le da parece, a simple vista, coherente con la formulación de ítems y, en consecuencia, mide lo que dice medir. Este tipo de validez no ha sido muy considera, pero a pesar de ello sigue estando presente en muchos estudios, primero porque la validez aparente puede depender de la aceptación de un instrumento en una situación dada, y, en segundo lugar, por la conveniencia de redactar los ítems con validez aparente (Morales, 2006). − Validez de contenido: hace referencia al grado en que se incluyen todos los elementos representativos de lo que se pretende medir. Hay varios procedimientos para valorar la validez de contenido de un cuestionario, como la aplicación de técnicas de escalonamiento multidimensional, análisis clúster, análisis factorial, modelos de ecuaciones estructurales, etc., aunque el procedimiento más habitual se basa en el trabajo con jueces expertos en el tema que se pretende estudiar (por ejemplo, el índice de Rovinelli y Hambleton). b) Validez de criterio: es el grado en que el test correlaciona con variables ajenas al test (criterios). Se estudia comparando las puntuaciones de un instrumento (variable independiente) con una o más variables externas (variables dependientes) denominadas variables de criterio (coeficiente de correlación CONCEPTOS BÁSICOS EN INVESTIGACIÓN 109 entre la variable predictiva y la variable criterio). Se reconocen dos formas de validez de criterio, por un lado la validez predictiva y, por otro, validez concurrente. − Validez predictiva: se refiere al grado de eficacia con que se puede predecir o pronosticar una variable de interés a partir de las puntuaciones de un test. El criterio se mide después de un “tiempo suficiente” tras la aplicación del test. − Validez concurrente: se utiliza en situaciones producidas por la necesidad de hacer juicios tomando en consideración dos mediciones simultáneas y comparando luego los resultados (una es el predictor y la otra es el criterio). Las dos variables se miden al mismo tiempo (de aquí el nombre de concurrente) y en los mismos sujetos. Asimismo también se habla de validez convergente y validez discriminante. La primera prueba que los constructos que se espera que estén relacionados de hecho, lo están. La validez discriminante (o divergente) prueba que los constructos que no deberían tener ninguna relación de hecho, no la tienen. En otras palabras, si dos tests miden el mismo rasgo, la correlación entre ellos debe ser alta. Si dos tests miden rasgos diferentes, las correlaciones entre ellos deben ser bajas, o al menos menores que con otro test que mida el mismo rasgo. La validez convergente se puede estimar a través de los coeficientes de correlación. Por ejemplo, para mostrar la validez convergente de una prueba de habilidades sociales, las puntuaciones de la prueba se pueden correlacionar con las puntuaciones en otras pruebas que también están diseñadas para medir las habilidades sociales. Existen diversas formas de evaluar la validez discriminante. Los métodos que se aplican son los siguientes (Martínez García y Martínez Caro, 2009): a) Comparación entre las correlaciones entre indicadores: como las variables X e Y son indicadores de constructos distintos, existe validez discriminante si todas las correlaciones entre los indicadores de X (R xx) e Y (Ryy) son significativas y cada una de esas correlaciones es mayor que todas las correlaciones entre indicadores de ambas variables (Rxy). b) Comparación entre la varianza compartida y la varianza extraída: existe validez discriminante entre dos variables latentes, si la varianza compartida (R2xy) entre pares de constructos es menor que la varianza extraída (ρvc) para cada constructo individual. c) Intervalo de confianza entre las correlaciones: si el intervalo de confianza al 95% para las correlaciones entre constructos no incluye el 1, se puede afirmar que existe validez discriminante. d) Correlaciones en presencia de método en común: las covarianzas entre las medidas de las dos variables podrían ser explicadas por un efecto sistemático METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 no deseado provocado por el método de recogida de información; en consecuencia, este modo de correlación entre las variables latentes podría verse afectada una vez controlado el efecto método. e) Diferencia entre valores medios: se trata de comparar los valores medios de las escalas de medidas propuestas. A pesar de que dos variables estén muy relacionadas y medidas con el mismo método, pueden tener valores medios sustantivamente diferentes, lo que cuestionaría que las escalas de medida no fueran capaces de discriminar entre conceptos. Figura 2.4. Tipos de validez. Validez de diseño de investigación: ● Validez interna: – Control de variables – Control de procedimiento ● Validez externa: – Validez ecológica – Validez poblacional Tipos de validez Validez de constructo: ● Validez de traducción: – Validez aparente – Validez de contenido – Validez de criterio: Validez predictiva Validez concurrente 2.6.3. La validez en la investigación cualitativa Ya hemos puesto de relieve el tradicional enfrentamiento entre la investigación cuantitativa y cualitativa. Ahora en relación a la validez en la investigación cualitativa hay que señalar como dice (Berliner, 2002, p.18) “el diseño de una investigación cualitativa es mucho más complejo que el de una investigación cuantitativa”, no es un diseño más blando o suave, como algunas veces se ha criticado a la investigación cualitativa, sino más difícil de planificar para que sea válido. El principal problema al que se ha enfrentado la validez en la investigación cualitativa es la interpretación, pues le confiere una gran complejidad. Para resolver este CONCEPTOS BÁSICOS EN INVESTIGACIÓN 111 problema se aplica la recogida de una variedad de materiales empíricos para describir el fenómeno que se quiere estudiar, a la vez que una recogida de los significados particulares que las personas dan del fenómeno estudiado desde distintas perspectivas y posiciones. Otro tema que crea controversia es el control de la investigación. Los investigadores destacan la necesidad de que los miembros de la comunidad que participan en la investigación sean los que realicen el control, así se fomenta la participación, la democratización, la reflexividad y se da la voz a los más marginados. Guba y Lincoln (1985) señalan algunos criterios en la investigación cualitativa: credibilidad y transferibilidad. La credibilidad se logra cuando el investigador, por medio de las observaciones y conversaciones con los participantes en el estudio, recoge información que produce hallazgos que son reconocidos por los informantes como una verdadera aproximación sobre los que ellos piensan y sienten. La mayoría de los informantes están en condiciones de corregir los errores de interpretación de los hechos. La credibilidad (tiene paralelismo con la validez interna) trata de comprobar si lo registrado, descrito e interpretado en la investigación reúne las exigencias necesarias que garanticen que los resultados obtenidos tienen la suficiente credibilidad. Algunas preguntas que pueden servir para determinar la credibilidad son (Castillo y Vásquez, 2003): ● ¿Qué se hizo para contrarrestar la perspectiva del investigador? ¿Mantuvieron los investigadores las notas de campo que surgieron de sus acciones y de sus interacciones durante la investigación? ● ¿Los investigadores discutieron su propio comportamiento y experiencias en ● ● ● ● relación con la experiencia de los informantes? ¿Se utilizaron otros métodos (triangulación) en la recolección de datos para determinar la congruencia entre los resultados? ¿Se usaron transcripciones textuales de las entrevistas para respaldar los significados e interpretación presentados en los resultados del estudio? ¿El investigador discutió sus interpretaciones con otros investigadores? ¿Los lectores ven los hallazgos como significantes y aplicables en su propio contexto? Para asegurar la credibilidad se han utilizado estrategias como la triangulación, comprobación con los informantes, juicios de otros investigadores, entre otras. La transferibilidad se puede entender como paralela a la validez externa o generabilidad. Este criterio hace referencia a la posibilidad de extender los resultados del estudio a otras poblaciones. En palabras de Guba y Lincoln (1985), se trata de examinar qué tanto se ajustan los resultados a otro contexto. Para esto es necesario hacer una extensa descripción del contexto y las características de las personas donde el fenómeno fue estudiado. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 La dependencia es el equivalente a la fiabilidad en los estudios cuantitativos, es decir, se refiere a la consistencia de los datos. La dependencia o consistencia lógica es el grado en que diversos investigadores que recogen datos similares en el campo y efectúan los mismos análisis, generan resultados equivalentes. En opinión de Franklin y Ballau (2005), existen dos tipos de dependencia: la interna (grado en el cual diversos investigadores, al menos dos, generan temas similares con los mismos datos) y la externa (grados en que diversos investigadores generan datos similares en el mismo ambiente y periodo, pera cada uno recoge sus propios datos). La confirmabilidad corresponde a la objetividad. Su objetivo es captar el mundo de la misma manera que lo haría alguien sin prejuicios ni llevado por intereses particulares. Cuadro 2.8. Criterios de credibilidad en la investigación cualitativa. Aspecto Término científico Término naturalístico Verdadero valor Validez interna Credibilidad Aplicabilidad Validez externa Transferencia Consistencia Fiabilidad Dependencia Neutralidad Objetividad Confirmación Fuente: Guba (1989). Cuadro 2.9. Técnicas para el rigor de una investigación cualitativa. Observación persistente: focalizando intensamente aquellos aspectos de la situación que son más característicos. Con respecto a la credibilidad Triangulación: recogiendo una variedad de fuentes de datos, investigadores, teorías y métodos comparándolos en orden a un control cruzado de los datos e interpretaciones. Confrontación de miembros: por medio de la cual los datos e interpretaciones son probados continuamente con miembros de otros grupos Con respecto a la transferencia Muestreo teórico/intencional: trata de minimizar la amplitud y rango de la información recogida con el fin de iluminar los factores que se han de tener en cuenta cuando se comparen dos contextos a fin de determinar su similitud. Descripción densa: amplias descripciones para realizar la similitud de juicios. Con respecto a la dependencia Dependencia en la intervención: se realiza mediante un auditor externo. 113 CONCEPTOS BÁSICOS EN INVESTIGACIÓN Con respecto a la confirmación Confirmación de la intervención: establece relaciones entre las afirmaciones del investigador y sus interpretaciones y los datos en bruto. Fuente: Skrtic (1985, citado por Bartolomé Pina, 1986). Otros procedimientos de verificación en los trabajos cualitativos son los que aportan Crewell y Miller (2000) y Anfara, Brown y Mangione (2002): a) una persistente y prolongada observación; b) triangulación; c) revisión por pares; d) análisis de casos negativos; e) clarificar la fundamentación del investigador; f) comprobación por los miembros de la investigación, y g) audiencias externas. En los nuevos procedimientos de validez, se consideran otros como “la búsqueda de acuerdo o consenso en la comunidad”. Esta validez se “asocia con un tipo de validez auténtica apoyada en procesos de cristalización más que en procesos de triangulación. Desde la perspectiva de la validez hace referencia a los siguientes elementos (Moral Santaella, 2006, p. 158): − Justicia e imparcialidad: busca que todos los puntos de vista de los participantes en el problema que se estudia, sus perspectivas, argumentos y voces, aparezcan en el texto cualitativo. La omisión de algún participante en el estudio o de alguna voz, es una forma de sesgo. − Inteligencia crítica: busca desarrollar la capacidad para fomentar y potenciar una crítica moral del fenómeno que se analiza. − Acción y práctica: busca desarrollar la capacidad para fomentar la acción, la habilidad para implicar a los que han participado en la investigación en alguna acción dirigida al cambio y la mejora. − Apertura y publicidad: busca clarificar y detallar el proceso que se ha seguido, la construcción de las categorías, la elaboración de las conclusiones. Intenta hacer todas las fases de las investigaciones abiertas y públicas a cualquier inspección. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 La fiabilidad 2.7. 2.7.1. Concepto El origen del término fiabilidad se atribuye a los artículos publicados a primeros del siglo XX por Spearman, con la idea de determinar de forma objetiva la medida de la inteligencia y los desarrollos correlacionales de asociaciones entre variables. La fiabilidad tiene que ver con el concepto de medida en la Teoría Clásica de los Test, con relación a que una determinada medición empírica está compuesta de la verdadera puntuación y de un error de medida aleatorio cuya esperanza matemática es cero dadas múltiples repeticiones del proceso de medida (García Pérez, 2003). La fiabilidad constituye la principal característica de los instrumentos de medida y se refiere a la estabilidad, a la reproductividad, a la precisión de las medidas obtenidas con el mismo, al grado de consistencia de los valores medidos. La definición clásica de Magnusson (1978) considera que mientras la validez se refiere a que se mide lo que se desea medir, la fiabilidad se refiere a la exactitud con que un instrumento de medida mide lo que mide. Kerlinger y Lee (2002) entienden la fiabilidad como la ausencia relativa de errores de medición en un instrumento de medida. Numerosos autores asocian la fiabilidad a la precisión y consistencia de la medición a lo largo del tiempo. La fiabilidad hace referencia a la capacidad del instrumento de medición de obtener los mismos resultados en distintas pruebas. Depende de la técnica de investigación y del modo de aplicación del instrumento de medición. En este sentido Fox (1981), define la fiabilidad como la exactitud de los datos en el sentido de su estabilidad, repetitividad o precisión. Un instrumento de recogida de datos perfectamente fidedigno es aquel que si se administrase dos veces en las mismas circunstancias, suministraría los mismos datos. Briones (2003), afirma que la fiabilidad de una escala se refiere a su capacidad para dar resultados iguales al ser aplicada, en condiciones iguales, dos o más veces a un mismo conjunto de objetos. Son sinónimos de fiabilidad los conceptos de estabilidad, consistencia, seguridad, precisión y predictibilidad, en las significaciones directas de cada uno de ellos. Hernández, Fernández y Baptista (1998, p. 243) indican que “la confiabilidad de un instrumento de medición se refiere al grado en que su aplicación repetida al mismo sujeto u objeto, produce iguales resultados”. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 115 Sánchez y Guarisma (1995, p. 85) plantean que “una medición es confiable o segura, cuando aplicada repetidamente a un mismo individuo o grupo, o al mismo tiempo por investigadores diferentes, da iguales o parecidos resultados”. Vianna (1978. p. 145) ilustra el concepto de fiabilidad en el siguiente párrafo: Si un test se aplica al mismo grupo un gran número de veces, se espera que los resultados sean los mismos, siempre que el grupo no se modifique. Si cada vez que el test fuera aplicado, satisfechas determinadas condiciones, las puntuaciones fueran diferentes para el mismo grupo, no se podría tener confianza en el instrumento porque no habría consistencia en las medidas. Respecto a la precisión de la medida, “la fiabilidad de las medidas se identifica con la precisión, de tal forma que decimos que un instrumento es fiable cuando mide algo con precisión, independiente de lo que se esté midiendo” (Pérez Juste, García Llamas, Gil Pascual y Galán González, 2009, p. 152). Asimismo también se puede expresar la fiabilidad como la constancia en las puntuaciones de los sujetos o bien o bien la concordancia entre varias mediciones sucesivas de una misma realidad. Morales (2007) viene a coincidir con los anteriores autores, pues la fiabilidad de un instrumento de investigación se refiere a la medida en que el instrumento produce los mismos resultados en ensayos repetidos. La fiabilidad no es una característica o una propiedad de los instrumentos, sino de unas puntuaciones obtenidas en una muestra determinada. Morales advierte que cuando se habla de fiabilidad hay una “equivocidad” respecto a su concepto, por ello señala que cuando se hable de ésta hay que decir de qué fiabilidad se trata. La estadística básica que se aplica para estimar la fiabilidad es la correlación: correlaciones (o coeficientes de fiabilidad) de +1,00 indican perfecta fiabilidad, por el contrario correlaciones cerca de cero indican ausencia de fiabilidad. 2.7.2. Métodos para el cálculo de la fiabilidad El coeficiente de fiabilidad es un indicador de la fiabilidad teórica de las puntuaciones observadas y se define como la correlación entre las puntuaciones X y X´ obtenidas por un sujeto en un test cuando se le pasa dos veces sucesivas. Muñiz (1994) indica que, si no hubiese errores de medida, las puntuaciones coincidirían y la correlación sería perfecta, por lo que este coeficiente sería igual a 1. El coeficiente de fiabilidad mide, por lo tanto, la extensión por la que un instrumento de medida está afectado por los errores aleatorios y es un valor teórico que debe ser estimado por algún procedimiento empírico, a través de las respuestas de un grupo de sujetos a un conjunto de ítems. Los procedimientos más utilizados para el cálculo de la fiabilidad son tres, aunque parten de modelos teóricos idénticos o parecidos, siguen procedimientos distintos y sus resultados no pueden interpretarse exactamente del mismo modo. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 1. Método test-retest Este método es conocido también como estabilidad temporal (fiabilidad como estabilidad). Los sujetos responden dos veces al mismo test, dejando entre las dos veces un intervalo de tiempo (en torno a dos o tres semanas). Si el periodo de tiempo es largo y la variable susceptible de cambios, puede confundir la interpretación del coeficiente obtenido; por el contrario, si el periodo es corto, los sujetos pueden recordar cómo contestaron en la primera aplicación del instrumento. En consecuencia, se mide en un primer momento (test) y posteriormente se vuelve a medir (retest). Se pretende conocer hasta qué punto un conjunto de medidas son reproducibles en el mismo tiempo (el grado en que las puntuaciones son estables sería el grado de fiabilidad). Se recomienda que el grupo no sea parte de la muestra, pero que tenga características similares a ésta. La correlación (de Pearson) entre la evaluación test y la evaluación retest (r xx) se denomina coeficiente de fiabilidad test-retest, e indicará tanta mayor estabilidad temporal de la prueba cuanto más cercano a uno sea. Una fiabilidad alta mediante este método no es garantía de una fiabilidad con otros de los enfoques. Así puede haber una fiabilidad alta de este tipo, con ítems que preguntan cosas muy distintas, con poca consistencia interna. La fórmula que se aplica (expresada en puntuaciones directas) se basa en el coeficiente de Pearson, de manera que X son los resultados de la primera aplicación de la prueba e Y los de la segunda. 2. Método pruebas paralelas Este procedimiento también es conocido como “fiabilidad como equivalencia”. Consiste en aplicar dos pruebas diferentes pero que miden el mismo rasgo o características, aplicados a una misma muestra de sujetos e idénticas circunstancias, lo que permite calcular el coeficiente de correlación o equivalencia entre ambas puntuaciones. En palabras de Pérez Juste, García Llamas, Gil Pascual y Galán González (2009, p. 154), “este procedimiento es difícil y complicado, sobre todo por los problemas que plantea encontrar pruebas equivalentes, que tengan los mismos objetivos y que los contenidos y las condiciones de aplicación sean similares”. 117 CONCEPTOS BÁSICOS EN INVESTIGACIÓN Si la correlación es alta, las dos formas del mismo test dan resultados parecidos. Si la correlación es baja nos indica que las dos formas no están equilibradas en sus contenidos y que miden cosas distintas. Las dos pruebas son administradas con un intervalo de tiempo de unas tres semanas, pues así se evita que los sujetos cambien por efecto de mucho tiempo pasado, por un lado, y la fatiga de la aplicación de las pruebas, si se aplica de forma inmediata. 3. Método coeficiente de consistencia interna Los métodos anteriores pueden resultar costosos y difíciles de elaborar, por esto se elaboró un método menos directo de tomar los efectos de diferentes muestras de los reactivos de una prueba sobre la confiabilidad. Es el método de consistencia interna (el enfoque más utilizado y conocido también como KR20 como indicador de fiabilidad), que incluye el método de división por mitades de Spearman, las fórmulas de Kuder-Richardson y el coeficiente alfa de Cronbach. Lo que expresa directamente este coeficiente es “hasta qué punto las respuestas son suficientemente coherentes (relacionadas entre sí) como para poder concluir que todos los ítems miden lo mismo, y por lo tanto son sumables en una puntuación total única que representa, mide un rasgo” (Morales, 2007, p. 6). El coeficiente de consistencia interna es la garantía de la unidimensionalidad, es decir, que un único rasgo subyace a todos los ítems (todos los ítems están en la misma dirección). Este método también conocido de las mitades permite dividir la puntuación total del sujeto en una prueba en dos partes (mitades), normalmente una con los elementos pares y otra con los impares. Para cada sujeto se obtiene la puntuación directa en ambas mitades. En consecuencia, que estableciendo una relación entre ambas partes dará el coeficiente de fiabilidad como consistencia interna. La fiabilidad como consistencia interna de una prueba se puede obtener de distintas. A continuación nos vamos a centrar en: a) Procedimiento de Spearman-Brown Hay que indicar que ambos autores llegaron a la misma fórmula de forma independiente, en 1910. Este procedimiento se basa en la correlación entre las mitades (normalmente mediante el coeficiente de Pearson). Para ello se sigue la siguiente secuencia: 1. Se divide la prueba en dos mitades colocando los reactivos impares a un lado y los pares al otro. 2. Se correlacionan las puntuaciones totales de las dos mitades. 3. Se multiplica el coeficiente obtenido por 2 y se divide el término 1 más la correlación de las dos mitades. La fórmula que se aplica es: Rxx = 2•rxx 1+rxx METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 n: sujetos de la muestra Rxx: coeficiente de fiabilidad de las dos mitades rxx: correlación de Spearman entre las dos mitades o los puntajes pares o impares X1: puntuaciones de los ítems impares (1ª mitad) X2: suma de los ítems impares (2ª mitad) b) Procedimiento de Rulon El cálculo de la fiabilidad se basa en las varianzas de las mitades y la varianza total, es decir, se debe comprobar la relación entre la varianza total del instrumento y la que existe entre ambas mitades. La fórmula que desarrolla Rulon (1939), es la siguiente: 2 rxx = 1 – sd s 2t rxx: coeficiente de fiabilidad de las mitades 2 s d : varianza de la diferencia de los puntajes pares e impares s 2t : varianza total de la prueba o escala Los pasos a seguir son los siguientes: 1. Se calcula la diferencia de la varianza de las dos mitades para cada sujeto. 2. Se divide la varianza de los puntajes totales. 3. Se resta esa proporción de la unidad (1,00). c) Procedimiento de Guttman y Flanagan Este procedimiento se basa en la varianza de las dos mitades, de manera que a menor valor de las varianzas más elevadas será la fiabilidad de la prueba. La fórmula que se aplica es: rxx 2 =2 ( 1― 2 s 1a s 2a ) 2 2 s 1a + s 2a Varianzas de las mitades (impares/pares) s 2t 119 CONCEPTOS BÁSICOS EN INVESTIGACIÓN Los pasos a seguir son los siguientes: 1. Administrar el test a una muestra de sujetos una sola vez. 2. Descomponer el test en dos partes de modo que tengan el mismo número de ítems y que puedas ser consideradas paralelas. 3. Calcular para cada sujeto la varianza que ha obtenido en cada una de las partes, así como la varianza total. 4. Aplicar la fórmula de Guttman. d) Procedimiento de Kuder-Richardson Kuder y Ricardson desarrollaron un coeficiente para estimar la fiabilidad de una medición. La fórmula de Kuder y Richardson junto con la del coeficiente alfa Cronbach son los más utilizados. En palabras de Morales (2007), en realidad se trata de la misma fórmula, la de Kuder y Richardson expresada para ítems dicotómicos (unos y ceros) y la otra (Cronbach) para ítems continuos. La fiabilidad se calcula a partir de las intercorrelaciones de cada uno de los elementos o ítems, ya que se divide la prueba en tantas partes como ítems contiene. Como en los métodos de división por mitades, la consistencia entre reactivos se encuentra en una única aplicación de una única prueba, pero en lugar de requerir las puntuaciones de las dos mitades, la técnica se basa en el examen del desempeño en cada reactivo. Existen varios procedimientos de cálculo. La fórmula que presentamos calcula la varianza de todas las puntuaciones individuales de cada reactivo y suma la varianza de todos los reactivos. rxx = ( )( ne ne - 1 • s 2 – Σ p.q t s 2t ) ne = número de elementos e que consta la prueba p = proporción de sujetos que aciertan q=1–p e) Coeficiente α de Cronbach Este coeficiente que fue propuesto por Cronbach, en 1951, permite estimar la fiabilidad de un instrumento de medida a través de un conjunto de ítems que se espera que midan el mismo constructo o dimensión teórica, es decir, mide la magnitud en que los ítems de un instrumento están correlacionados. Es el modo más habitual de estimar la fiabilidad y confiabilidad (grado en que un instrumento de varios ítems mide consistentemente una muestra de la población) de un cuestionario. Se trata de un índice de consistencia que toma valores entre 0 y 1. La interpretación se basa en que cuanto más se acerque el índice al valor 1, mejor es la fiabilidad. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 La forma más sencilla de calcular el alfa de Cronbach es multiplicar el promedio de todas las correlaciones observadas en los ítems por el número de ítems que forman una escala, y luego dividir el producto entre el resultado de la suma de 1 más el producto de la multiplicación del promedio de todas las correlaciones observadas por el resultado de la resta de 1 al número de ítems. Según Cozby (2005), para determinar el coeficiente alfa Cronbach el investigador calcula la correlación de cada reactivo o ítem con cada uno de los otros, resultando una gran cantidad de coeficientes de correlación. El valor de alfa es el promedio de todos los coeficientes de correlación. La amplia utilización del coeficiente alfa de Cronbach se debe a su carácter práctico, ya que requiere una sola aplicación de la prueba. La fórmula matemática para el cálculo del coeficiente alfa de Cronbach es la siguiente: α= n n–1 1 – Σ 2 si s2 t n : número de elementos o ítems de la prueba s 2 : varianza de cada uno de los ítems t 2 s : varianza de las puntuaciones totales de la prueba i Todos los procedimientos son largos y laboriosos, por ello se utilizan paquetes estadísticos en el ordenador, entre ellos el SPSS. El proceso que se suele seguir para elevar el coeficiente de fiabilidad mediante un software (ejemplo, SPSS) consiste en eliminar del conjunto de ítems aquellos que hacen disminuir la consistencia interna global; es decir aquellos menos consistentes (escala si se elimina elemento). El proceso se detiene cuando la escala no mejora o mantiene su nivel de consistencia interna, con la eliminación de algún otro ítem. No obstante será el investigador o equipo de investigadores los que deben tomar la decisión de cuándo se detiene el proceso. 2.7.3. Valoración del coeficiente de fiabilidad La interpretación del coeficiente de correlación varía según autores. Esta valoración depende del tipo de instrumento, de la muestra y del uso que se va a hacer del instrumento. Las valoraciones que recogemos a orientación son simplemente orientadoras, pues será el investigador quien debe tomar la decisión. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 121 Como criterio general, George y Mallery (2003) sugiere los siguientes índices para evaluar el coeficiente alfa de Cronbach: menor de ,5 es inaceptable: hasta ,5, es pobre; hasta ,6 es cuestionable; hasta ,7 es aceptable; hasta ,8 es buena; hasta 1 es excelente. Para Nunnally (1995), en las primeras fases de investigación un valor de fiabilidad de ,6 o ,5 puede ser suficiente. En la investigación básica se necesita al menos ,8 y en la investigación aplicada al menos ,9 y ,95. Pero dentro de un análisis exploratorio estándar, es adecuado un valor de ,7. Para Kaplan y Saccuzzo (2009), el valor de la fiabilidad para la investigación básica entre ,7 y ,8 es aceptable; en la investigación aplicada se exige sobre ,95. Para García Hoz y Pérez Juste (1984), entre ,20 y ,40 la correlación es baja; más de ,40 hasta 60 es moderada; más de ,60 hasta ,80 es alta; y más de ,80 hasta 1 es muy alta. En opinión de Pestaña y Gagueiro (2005), una puntuación inferior a ,6 es inadmisible; entre ,6 y ,7 es débil; entre ,7 y ,8 es razonable; entre ,8 y ,9 es buena; y más de ,9 es muy buena. Para Huh, Delorme y Reid (2006), el valor de la fiabilidad en investigación exploratoria debe ser igual o mayor a ,6: en estudios confirmatorios debe estar entre ,7 y ,8. Para Morales (2007), una puntuación inferior a ,60 es cuestionable; entre ,60 y ,85 tanto para investigación teórica como investigación general es aceptable. En nuestra opinión, consideramos la siguiente interpretación de un coeficiente de fiabilidad. Tabla 2.1. Coeficiente de fiabilidad. 2.7.4. Cómo obtener una fiabilidad alta En opinión de Morales (2007), un coeficiente de fiabilidad alto no indica necesariamente que los ítems de un cuestionario son suficientemente homogéneos como para llegar a la conclusión de que todos miden lo mismo. En este sentido, como ya se ha señalado, la fiabilidad no es una característica del instrumento de medición sino de las METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 puntuaciones con él obtenidas en una determinada situación y con una muestra determinada. A modo de ejemplo, una fiabilidad alta puede deberse a un número grande de ítems, aunque no implique que todos los ítems expresen bien el mismo rango. Así, además de la fiabilidad hay que tener en cuenta la homogeneidad conceptual (Morales, 2007, p. 18): Cuando decimos que todos los ítems miden lo mismo, que son homogéneos, porque la fiabilidad es alta, lo que realmente queremos decir es que las respuestas están de hecho relacionadas pero no que los ítems (las preguntas) estén bien redactadas en torno a un mismo constructo o rasgo claramente definido. Hace falta también una evaluación cualitativa, conceptual de los ítems para poder afirmar que todos los ítems miden lo mismo, expresan el mismo rasgo tal como lo hemos concebido. Para conseguir una fiabilidad alta en un cuestionario se recomienda tener en cuenta estos criterios (con la cautela ya señala): 1. Si hay diferencias en las respuestas a los ítems, es decir, cuando los ítems discriminan. Si las respuestas son diferentes y además coherentes, los sujetos quedan más diversificados, mejor clasificados por sus puntuaciones totales y esto se manifiesta en una mayor varianza. 2. Cuando las respuestas de los ítems estén relacionadas entre sí. 3. Cuando la muestra es heterogénea. 4. Si la muestra es grande, incluyendo una evaluación conceptual de los ítems y una buena redacción. 5. Cuando las opciones de respuesta al ítem son más de dos: con un número menor de ítems pero con más opciones de respuesta se puede obtener una misma fiabilidad que si el cuestionario tiene más preguntas pero menos opciones de respuesta. 6. Si los ítems son excesivamente repetitivos la fiabilidad del cuestionario será alta, como consecuencia de medir un rasgo o un constructo muy limitado. Hemos de recordar que la validez es más importante que la fiabilidad en un instrumento, pues lo verdaderamente importante es que los ítems o preguntas reflejen bien el rasgo que se pretende medir. Pero, ¿a qué se debe que el coeficiente de fiabilidad sea bajo? Aunque en otro apartado de este libro tratamos este tema con más profundidad, podemos señalar básicamente tres motivos: que los ítems no estén bien formulados, que la muestra sea muy homogénea (hay poca diferencia entre los sujetos) y una mala construcción del instrumento debido a la complejidad del rasgo medido. 123 CONCEPTOS BÁSICOS EN INVESTIGACIÓN 2.7.5. Fiabilidad y longitud de la prueba Se puede establecer una relación entre el número de ítems que tiene una prueba y cómo esa longitud repercute en su fiabilidad. Para ello nos basamos en la ecuación general de Spearman-Brown. Este procedimiento se puede realizar de dos formas. a) Repercusión en la fiabilidad con el aumento de un número de ítems paralelos a los originales. Rxx = nrxx 1 + (n – 1) rxx Rxx: nueva fiabilidad estimada n: es el factor por el que se multiplica el número de ítems que ya se tiene rxx: fiabilidad ya obtenida b) Determinar el número de ítems que hay que alargar el cuestionario para llegar a la fiabilidad deseada. n= Rxx (1 – rxx) rxx (1 – Rxx) n: es el factor por el que debemos multiplicar el número de ítems para conseguir una determinada fiabilidad. 2.7.6. La fiabilidad en la investigación cualitativa La fiabilidad y la validez son constructos propios a la investigación desde planteamientos positivistas, con la finalidad de que tanto los instrumentos como los datos recogidos sean exactos y consistentes para permitir la generalización de los hallazgos. Pero estos procesos son considerados con otra connotación en la investigación cualitativa, tal y como señala Kirk y Millar (1988), los investigadores cualitativos deben ir hacia la búsqueda de consistencia de los hallazgos tomando como base los cuatro procesos en la investigación etnográfica: invención, descubrimiento, interpretación y documentación, con la finalidad de fundamentar la toma de decisiones. Como señalan Morse, Barret y Mayan (2002, citados por Castillo y Vázquez, 2003), rehusarse a utilizar los criterios de validez y credibilidad conduce a la marginación de la investigación cualitativa del paradigma científico predominante, es decir, se está contribuyendo a fortalecer la noción de que la investigación cualitativa es inválida, no confiable, falta de rigor y por tanto no científica. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Una investigación con buena fiabilidad es aquella que es estable, segura, congruente en diferentes momentos. Se habla de dos tipos de fiabilidad: 1. La fiabilidad interna se refiere a varios observadores, que al estudiar la misma realidad, obtienen las mismas conclusiones. Es decir, se considera que dos o más observadores entrenados y expertos observan un mismo fenómeno de forma simultánea y registran de manera independiente las variables relevantes en relación a un sistema de codificación. Esta forma de fiabilidad es muy importante, pues el nivel de consenso entre diferentes observadores eleva la credibilidad. Para reducir las amenazas a la fiabilidad se utilizan las siguientes estrategias: − Usar categorías descriptivas lo más concretas y precisas posibles. − Utilizar varios investigadores y realizar el trabajo en equipo favorece el análisis y la interpretación. Eisner (1981) propone la “corroboración estructural” que consiste en recabar datos y con ellos establecer relaciones de un todo que se apoya en partes de la evidencia. Relacionado con esto surge la triangulación, que posibilita que desde distintos marcos referenciales se pueda ofrecer mayor claridad y complementarse (Álvarez-Gayou, 2003). − Utilizar todos los medios para recoger la información. 2. La fiabilidad externa se refiere a que investigadores independientes, al estudiar una realidad en tiempo y situaciones diferentes, llegan a los mismos resultados. La fiabilidad externa implica que una investigación se puede repetir con el mismo método sin alterar los resultados, por lo tanto, es una medida de replicabilidad de los resultados del estudio. Igualmente, para obtener una buena fiabilidad externa se sugiere estas estrategias: − Determinar con precisión el papel del investigador y el lugar que ocupa en el grupo. − Identificar a los informantes. − Delimitar y definir el contexto donde se recogen los datos. − Identificar los supuestos y las teorías, así como los métodos de análisis para posibilitar la réplica del estudio. − Determinar las técnicas de recogida de información y el procedimiento. Lincoln y Guba (1985) señalan cinco estrategias para aumentar la credibilidad de la investigación cualitativa; 1. Actividades para aumentar la credibilidad de que se produzcan resultados creíbles por medio de un “compromiso prolongado” y una “observación persistente” en el campo, así como la triangulación de métodos, investigadores y datos diferentes (ampliamos en otro apartado de este libro). CONCEPTOS BÁSICOS EN INVESTIGACIÓN 125 2. Reuniones con otras personas que no formen parte de la investigación para analizar los resultados con ellos. 3. El análisis de casos negativos. 4. Evaluación de las interpretaciones. 5. Validación de los datos con los investigadores. 6. Congruencia entre el método, la información recogida y el análisis de ésta. 7. La creatividad, sensibilidad, y habilidad para dar respuesta a lo que sucede a lo largo de la investigación. 8. No sólo hay que generar conocimiento, sino contribuir a la solución de problemas relevantes para las personas. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Referencias bibliográficas Ackoff, R.L. (1953). The desing of social research. University of Chicago Press. Álvarez-Gayou, J.L. (2003). Cómo hacer investigación cualitativa: Fundamentos y metodología. México: Paidós. Ander-Egg, E. (1992). Introducción al trabajo social. Madrid: Siglo XXI Editores. Anfara, V.A., Brown, K.M., y Mangione, T.L. (2002). Qualitative analysis on stage: Making the research process more public. Educational Researcher, October, pp. 2838. Angoff, W.H. (1988). Validity: an evolving concept. En H. Waimer & H. Braun (eds.), Test validity, pp. 19-33. Hillsdale, NJ: Lawrence Erlbaum. Arkin, H. y Colton, R.R. (1995). Tables for statisticians. New York: Barnes & Noble. Arnal, J., Rincón, del D., y La Torre, A. (1996). Bases metodológicas de la educación educativa. Barcelona: Ediciones GR92. Barriga, O. y Henríquez G. (2005). Repensando el conocimiento y la ciencia para la investigación social del Siglo XXI: algunas reflexiones preliminares. Cuadernos de Trabajo Social, 1. pp. 48-54. Concepción, Chile: Universidad San Sebastián, Chile. Bartolomé Pina, M. (1984). Pedagogía experimental. En B. Bordas Echevarría (coord.), Departamento de Pedagogía Experimental, Terapéutica y Orientación, pp. 24-31. Dpto. de Metodología y Tecnología Educativa. Barcelona: Universidad de Barcelona. Bartolomé Pina, M. (1986). La investigación cooperativa. Educar, 10, pp. 51-78. Berliner, D.C. (2002). Educational research: The hardest science of all. Educational Researcher, 31(8), pp. 18-20. Bisquerra, R. (1989). Métodos de Investigación Educativa. Barcelona: CEAC. Briones, G. (2003). Métodos y técnicas de investigación para las Ciencias Sociales. México: Trillas. Buendía, L., Colas, P. y Hernández, F. (1997). Métodos de Investigación en Psicopedagogía. Madrid. McGraw-Hill. Bunge, M. (2000). La investigación científica. Barcelona: Siglo XXI. Bunge, M. (2005). La ciencia, su método y su filosofía. Buenos Aires: Editorial Sudamericana. Campbell, D.T. y Stanley, J.C. (1966). Experimental and quasi-experimental designs for research. Chicago, IL: Rand McNally. (Traducción española: Amorrortu, Buenos Aires, 1973). Cardona, C. (2002). Introducción a los Métodos de Investigación en Educación. Madrid: EOS: CONCEPTOS BÁSICOS EN INVESTIGACIÓN 127 Castillo, E., y Vásquez, M.L. (2003). El rigor metodológico en la investigación cualitativa. Revista Colombiana Médica, 34(3), pp. 164-167. Concha, V., Barriga, O., y Henríquez, G. (2011). Los conceptos de validez en la investigación social y su abordaje pedagógico. Revista Latinoamericana de Metodología de las Ciencias Sociales (ReLMeCS), 1(2), pp. 91-111. Cook, T.D., y Reichadt, CH.S. (1986). Métodos cualitativos y Cuantitativos en investigación evaluativa. Madrid: Morata. Corbetta, P. (2003). Metodología y técnicas de investigación social. McGraw-Hill/Interamericana de España. Cozby, P.C. (2005). Métodos de Investigación del Comportamiento. México: McGraw Hill. Crewell, J.W. (2008). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Editions. Creswell, J.W. & Miller, D.L. (2000). Determining validity in qualitative inquiry. Theory into Practice, 39(3), pp. 124-131. Dankhe, G.L. (1989). Investigación y comunicación. En C. Fernández Collado y G.L. Dankhe (comps.), La comunicación humana: Ciencia Social, pp. 385-454. México: McGraw Hill. De Lara, E., y Ballesteros, B. (2001). Método de investigación en educación social. Madrid: UNED. Del Río Sadornil, D. (2003). Métodos de Investigación en Educación. Procesos y diseños no complejos. Madrid: UNED. Denzin, N., & Lincoln, Y. (2000). Handbook of qualitative research. Thousand Oaks, CA: Sage. Eisner, E. (1981): The Methodology of Qualitative Evaluation: the case of Educational Connoiseurship and Educational Criticism. Stanford University: Unpublish. Emory, W. (1985). Business Research Methods.Illinois: Editorial Richard Irwin, Inc. Fox, D.J. (1981). El proceso de investigación en educación. Pamplona: EUNSA. Fox, J.H. (1958), Criteria of Good Research, Phi Delta Kappan, vol. 39, pp. 285–86. Fraenkel, J.R., & Wallen, N.E. (1993). How to Design and Evaluate Research in Education. Boston: McGraw-Hill. Franklin, C. & Ballau, M. (2005). Reliability and validity in qualitative research. En: R. Grinnell. & Y. Unrau (eds.), Social work: Research and evaluation. Quantitative and qualitative approaches, pp.438-449. Nueva York: Oxford University Press. Freeman, L.C. (1971). Elementos de estadística aplicada. Madrid: Euramérica. Gall, M.D., Borg, W.R, y Gall, J.P. (1996) Investigación Educativa: una introducción. White Plains, Nueva York: Longman. García Hoz, V. y Pérez Juste, R. (1984). La investigación del profesor en el aula. Madrid: Escuela Española. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 García Pérez, R. (2003). La medida en educación: Concepto e implicaciones en las actividades diagnósticas. Sevilla: IETE. George, D. y Mallery, P. (2003). Spss for Windows step by step: A Simple Guide and Reference. Boston: Allyn & Bacon. Gil Gómez, B., y Pascual Ezama, D. (2012). La metodología Delphi como técnica de estudio de la validez de contenido. Anales de Psicología, 28(3), pp. 1011-1020. Gil Pascual, J.A. (2004). Bases metodológicas de la investigación educativa (análisis de datos). Madrid: UNED. Gortari de, E. (2004). El proceso de la investigación científica. México: Trillas. Guba, E., y Lincoln, Y. (2002). Paradigmas en competencia en la investigación cualitativa. En C. Denman y J.A. Haro (comps), Por los rincones. Antología de métodos cualitativos en la investigación social, pp. 113-145. Hermosillo (Sonora): El Colegio de Sonora. Guba E. G. (1990). The alternative paradigm dialog. En E.G. Guba (ed.), The paradigm dialog, pp. 105-124. Newbury Park. Sage. Guba, E.G., & Lincoln, Y.S. (1985). Naturalistic inquiry. Beverly Hills: Sage Publications. Guba, E.G. (1989). Criterios de credibilidad en la investigación naturalista. En J.Gimeno Sacristán y A. Pérez Gómez (eds.), La enseñanza: su teoría y su práctica, pp. 148-165. Madrid: Akal. Hernández Blázquez (dir.) (2001). Técnicas estadísticas de investigación social. Madrid: Ediciones Díaz de Santos. Hernández, S., Fernández, C., y Baptista, P. (2004). Metodología de la investigación. México: McGraw-Hill. Hernández, R, Fernández, C., y Baptista, P. (1998). Metodología de la Investigación. México: Editorial McGraw-Hill Interamericana, S.A. Huh, J., Delorme, D.E., & Reid, L.N. (2006). Perceived third-person effects and consumer attitudes on preventing and banning DTC advertising. Journal of Consumer Affairs, 40(1), pp. 90-116. Hurtado de Barrera, J. (2000). Metodología de Investigación Holística. Caracas: Editorial SYPAL. Kaplan, R, y Saccuzzo, D.P. (2009). Psychological testing: principles, applications, and issues. Belmont, CA.: Wadsworth. Kelley T.L. (1927). Interpretation of educational measurements. Yonkers, NY, World Book Company. Kerlinger, F. y Lee, H. (2002). Investigación del Comportamiento. Métodos de Investigación en Ciencias Sociales. México: McGraw Hill. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 129 Kerlinger, F.N. (1985). Investigación del comportamiento: técnicas y metodología. México: Interamericana. Kerlinger, F. (1983). Investigación del Comportamiento. Técnicas y Metodología. México: Interamericana. Kerlinger, F.N. (1981). Enfoque conceptual de la investigación del comportamiento. México: Interamericana. Kirk, J. & Millar, M.L. (1988). Reliability and validity in qualitative research. Qualitative research methods series 1.Beverly Hill: Sage Publications. Koetting, J.R. (1984). Foundations of naturalistic inquiry: developing atheory base for understanding individual interpretations of reality. Oklahoma: University Press. Kothari, C.R. (2004). Research Methodology; Methods and Techniques. New Age International Publisher. Krejcie, R.V., & Morgan, D.W., (1970). Determining Sample Size for Research Activities. Educational and Psychological Measurement, 30, pp. 607-610. Kuhn, T. S. (1982). La Estructura de las Revoluciones científicas. México D.F.: Ed. Fondo de Cultura Económica. Lakatos, I. (1983). La metodología de los programas de investigación científica. Madrid: Alianza Editorial. Latorre, A., Del Rincón, D. y Arnal, J. (2003). Bases metodológicas de la investigación educativa. Barcelona: Experiencia. León, O.G. y Montero, I. (2008). Métodos de investigación en Psicología y Educación. Madrid: McGraw-Hill. Lincoln, Y.S, & Guba, E.G. (1985). Naturalistic inquiry. Beverly Hills: Sage Publications. Magnusson, D. (1978). Teoría de los Test. Editorial Trillas. México. Martínez García, J.A., y Martínez Caro, L. (2009).La validez discriminante como criterio de evaluación de escalas: ¿teoría o estadística? Universitas Psychologica, 8(1), pp. 27-36. Maturana, H., y Varela, F. (1995). De máquinas y seres vivos. Chile: Editorial Universitaria. Max Coers, H. (1979). Investigación económica: Su metodología y su técnica. México: Fondo de Cultura Económica. McMillan, J.H., y Schumacher, S. (2005). Investigación educativa: Una introducción conceptual. Madrid: Pearson Educación. Messick, S. (1988). The once and future issues of validity: assessing the meaning and consequences of measurement. En H. Wainer & H. Braun (eds.), Test Validity, pp. 33-45. Hillsdale, NJ: Lawrence Erlbaum. Moral Santaella, C. (2006). Criterios de validez en la investigación cualitativa actual. Revista de Investigación Educativa, 24(1), pp. 147-164. METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA: MANUAL PARA LA ELABORACIÓM DE TESIS Y TRABAJOS DE INVESTIGACIÓN 23 Morales, P. (2013). Investigación experimental, diseños y contraste de medias. Madrid: Universidad Pontificia de Comillas. Morales, P. (2012). Estadística aplica a las ciencias sociales. Madrid: Universidad Pontificia de Comillas. Morales. P. (2010). Métodos cuantitativos en investigación. Madrid: Universidad Pontificia de Comillas. Morales, P. (2006). Medición de actitudes en psicología y educación. Madrid: Universidad Pontificia de Comillas. Morín, E. (1984). Ciencia con conciencia. Barcelona: Antropos. Morse J.M., Barrett M., Mayan M., Olson K. & Spiers J. (2002). Verification strategies for establishing reliability and validity in qualitative research. International Journal of Qualitative Methods, 1(2), pp. 1–19. Muñiz, J. (1994). Teoría clásica de los tests. Madrid: Pirámide. Nunnally, J.C., & Bernstein, I.J. (1995). Teoría psicométrica. México, D.F: McGrawHill. Patton, M.Q. (1990). Evaluación Cualitativa y Métodos de Investigación. Newbury Park, CA: Sage. Pérez Juste, R., García Llamas, J.L., Gil Pascual, J.A., y Galán González, A. (2009). Estadística aplicada a la educación. Madrid: UNED/Pearson Educación. Pestana, M. e Gagueiro, J. (2005). Análise de dados para Ciências Sociais–A complementaridade do SPSS. Lisboa: Edições Sílabo. Researcher, 31(8), pp. 18-20. Quiroz, Ma E. (2003). Hacia una didáctica de la investigación. México: Ediciones Castillo. Río Sardonil del, D. (2003). Métodos de investigación en educación. Procesos y diseños no complejos. Madrid: UNED. Rodríguez, E. Ma. (2007). Una aproximación a los conceptos: paradigma, modernidad y postmodernidad. Educare, 11(1), pp. 1-10. Ruiz Olabuénaga, J. (1996). Metodología de la investigación cualitativa. Bilbao: Universidad de Deusto. Sabariego, M. (2009). El proceso de investigación. En R. Bisquerra (coord.), Metodología de la Investigación Educativa, pp. 127-163. Madrid: La Muralla. Samaja, J. (1993). Epistemología y metodología elementos para una teoría de la investigación científica. Buenos Aires: EUDEBA. Sánchez Carlessi, H., y Reyes Meza, C. (2002). Metodología y diseños en la investigación científica. Lima: Universidad Ricardo Palma (URP). Sánchez, B y Guarisma, J. (1995). Métodos de Investigación. Maracay: Ediciones Universidad Bicentenaria de Aragua. Sierra Bravo R. (2008). Técnicas de Investigación Social. Madrid: Thomson. CONCEPTOS BÁSICOS EN INVESTIGACIÓN 131 Skrtic, T. M. (1985). Doing naturalistic research into educational organizations. In Y.S. Lincoln (ed.), Organizational theory and inquiry: The paradigm revolution, pp. 185-220. Beverly Hills, CA: Sage Publishing. Tamayo, M. (2003). El proceso de investigación científica. México: Limusa/Noriega Editores. Vianna, H.M. (1978). Testes em educação. São Paulo: IBRASA. Wartofski, M.W. (1983). Introducción a la filosofía de la ciencia. Madrid: Alianza Universidad. Yin, R.K. (2009). Case Study Research. Design and Methods Sage Publications, Thousand Oaks. Fuentes electrónicas Betz, F. (2011). Methodology and Organization of Research. Hardcover. Consultado el día 2 de febrero de 2001 de http://www.springer.com/978-1-4419-7487-7 Camarinha-Matos (2012). Cientific research methodologies and techniques, pp. 1-50. recuperado el día 21 de febrero de 2013 de http://www.uninova.pt/cam/teaching/SRMT/SRMTunit2.pdf Morales, P. (2013). Sobre las hipótesis direccionales y no direccionales. Madrid: Universidad Pontificia de Comillas. Consultado el día 24 de marzo de 2013 de http://www.upcomillas.es/personal/peter/investigacion/Hipotesis.pdf Morales, P. (2007). Estadística aplicada a las Ciencias Sociales. La fiabilidad de los tests y escalas. Madrid: Universidad Pontificia de Comillas. Consultado el día 24 de marzo de 2013 dehttp://www.upcomillas.es/personal/peter/estadisticabasica/Fiabilidad.pdf Souza, Mª S. (2011). La formulación del problema de investigación: preguntas, origen y fundamento. Facultad de Periodismo y Comunicación Social de la Universidad Nacional de La Plata. Consultado el día 24 de marzo de 2013 en: HUhttp://www.perio.unlp.edu.ar/seminario/UH
