1 EL DISEÑO METODOLÓGICO A PARTIR DE LOS

EL DISEÑO METODOLÓGICO A PARTIR DE LOS OBJETIVOS DE
INVESTIGACIÓN
Por: María Nuncia Medina Suárez1
Escuela Colombiana de Ingeniería “Julio Garavito”
Centro de Investigaciones para el Desarrollo CAYE SAS
E-mail: [email protected]
RESUMEN
Un investigador en cualquier área del conocimiento, puede identificar perfectamente la información que
quiere obtener (problema de investigación), formula sus objetivos de investigación, hace una revisión
bibliográfica pero, si quiere generar información primaria, tiene dificultad al hacer un diseño
metodológico que garantice la calidad de dicha información. Este método conduce a un diseño coherente
especificando tres aspectos: la medida, el análisis de los datos y los recursos necesarios.
Proceso de medida: se parte del estado actual del conocimiento, las características de la población
objetivo y la calidad de la información que se quiere generar. Se definen las variables e indicadores, se
selecciona o diseña el instrumento de medida y se obtiene la muestra acorde con el diseño muestral
(aleatorio o no) y recursos disponibles.
Proceso de análisis: se diseña la base donde se introducirán los datos resultantes de la medición según las
variables definidas, características del instrumento (estructura y codificación), software,
métodos
estadísticos de análisis y la forma de presentar los resultados del estudio (información primaria).
Cronograma: se establece el tiempo y presupuesto según la duración, recursos necesarios y secuencia de
ejecución de cada actividad.
1. INTRODUCCIÓN
La investigación es un proceso sistemático que se realiza con el fin de obtener
información que permita ampliar el conocimiento que se tiene de la realidad. El método
usado para generar conocimiento es diferente según sean ciencias formales o ciencias
1
Física y especialista en estadística de la Universidad Nacional de Colombia, especialista en evaluación social de
proyectos de la Universidad de Los Andes (Bogotá) y doctora por la Universidad Politécnica de Cataluña (BarcelonaEspaña) en estadística e investigación operativa.
Autora del libro “La investigación aplicada a proyectos”.
Experiencia docente en pregrado y posgrado en varias universidades, asesora en formulación de investigaciones y
proyectos de inversión. Profesora asociada de la Escuela Colombiana de Ingeniería. Directora del Centro de
Investigaciones para el Desarrollo CAYÉ SAS.
1
fácticas. Las ciencias formales son aquellas cuyo objeto de conocimiento es abstracto y
se representa mediante símbolos como la lógica y la matemática, mientras que las
ciencias fácticas se basan en la observación e interpretación de los fenómenos reales
como las ciencias naturales o sociales [Sabino,1996]. Para las ciencias fácticas, dada su
naturaleza, al margen de las particularidades de cada una, se usa el método científico
para la generación de conocimiento científico y, para que éste se diferencie de otros
tipos, como el conocimiento artístico o el
religioso, debe cumplir con tres
características importantes: objetividad, inteligibilidad y dialéctica [Wagensberg, 1998].
Aunque cada disciplina científica tiene especificidades respecto a la forma como
aplique el método científico en la generación de conocimiento, el modelo que se
muestra en la figura 1 describe una metodología de aplicación general basada en la
coherencia entre todas las fases del proceso y las actividades que las conforman.
Figura 1. Modelo de Investigación [Medina, 2000]
2
El proceso de investigación consta de cuatro fases: fase lógica, fase metodológica, fase
técnica y fase de contrastación [Medina, 2000]. La fase lógica constituye una parte
fundamental de la formulación de la investigación por cuanto responde preguntas
esenciales para precisarla: ¿Qué información falta y se pretende obtener al hacer la
investigación?, ¿Qué conocimiento hay disponible respecto al tema? ¿Cómo se puede
obtener la información que se necesita?. Las respuestas a estas preguntas corresponden
al problema de investigación, el marco teórico y los objetivos de investigación,
respectivamente. Todos estos elementos deben estar muy bien definidos y articulados
entre sí de forma coherente, para proceder al diseño de la investigación: fase
metodológica. En la fase metodológica se diseña el proceso para ejecutar la
investigación cuando se quiere generar información primaria a partir de la medición de
las unidades de observación. La fase técnica es la ejecución del diseño metodológico y
la fase de contrastación es la fase donde se precisa el nuevo conocimiento a partir de los
resultados obtenidos del análisis de datos en el contexto de la situación motivo de
estudio.
El diseño metodológico guarda una relación estrecha con los objetivos de investigación,
por tal motivo, es importante revisar si éstos están adecuadamente formulados.
2. LOS OBJETIVOS DE INVESTIGACIÓN
2.1 ¿Qué es un objetivo?
Un objetivo [Medina, 2007] es la descripción concisa de la forma como se llegará a la
situación deseada, en el caso de una investigación, a la obtención de información que se
convertirá en conocimiento al analizarla en el contexto de la realidad.
2.2 ¿Qué elementos conforman un objetivo?
En la figura 2, se muestra un esquema de los elementos que deben estar explícita o
implícitamente en el objetivo.
3
SITUACIÓN
ACTUAL
(Hay vacíos de
conocimiento)
¿Cómo se
logra?
SITUACIÓN
FUTURA
(Se genera el
conocimiento)
OBJETIVO DE
INVESTIGACIÓN
Acciones
Medios
Resultados
Figura 2. Formulación del objetivo de investigación
Acciones: son las actividades o procesos a realizar y se plantean, generalmente, con un
verbo en infinitivo que denote una actividad cuya culminación sea susceptible de
verificar.
Medios: corresponde a los instrumentos y recursos con los cuales se podrán realizar las
acciones para lograr el resultado esperado. Hace referencia además, a las características
del entorno en que debe ser ejecutada la investigación que en algunos casos implica una
delimitación espacial, temporal o de cualquier otra índole.
Resultado: es lo que se obtiene al ejecutar las acciones planteadas, se refiere a la
información concreta que se requiere obtener, para confrontarla posteriormente con la
realidad y convertirla en conocimiento generado.
No pueden confundirse los objetivos con los aportes de la investigación en usos
posteriores; lo se haga con los resultados de la investigación no son “responsabilidad
directa” del investigador.
Es decir, que los objetivos de investigación no pueden
involucrar acciones posteriores o alcances mayores a la generación de conocimiento.
Sin embargo, dado que la decisión de realizar una investigación aplicada obedece a una
4
necesidad específica de tener conocimiento disponible para tomar decisiones, estas
razones constituyen la justificación de la investigación.
2.3 ¿Qué características debe cumplir un objetivo?
Para evaluar si el objetivo está bien formulado, se tienen en cuenta las siguientes
características:
Alcanzable: en el marco real de ejecución de la investigación, si es posible llevarlo a
cabo con los recursos humanos y tecnológicos disponibles, el tiempo y los resultados
esperados. Esta característica determina implícitamente el alcance de la investigación.
Susceptible de medir: la formulación debe hacerse de tal manera que facilite verificar y
confirmar que el objetivo se haya ejecutado, con base en indicadores que permitan
cuantificar su finalización. Esta condición se logra al establecer una coherencia entre
las acciones a realizar y los resultados esperados.
Preciso: todos los lectores deben entender exactamente los elementos acciones, medios
y resultados. Un objetivo ambiguo está mal planteado y se presta para que cada quien
lo interprete a su manera.
Claro: debe redactarse de manera sencilla, que se pueda entender fácilmente. El
lenguaje usado debe ser común, evitando términos sofisticados. Se recomienda no
sacrificar claridad por “elegancia”.
2.4 Objetivos generales y específicos
Es muy frecuente en una investigación hablar de objetivos generales y objetivos
específicos, para denotar objetivos globales y objetivos componentes.
Objetivo General: hace referencia al proceso global y a los resultados globales de la
investigación.
Objetivo Específico: se refiere a subprocesos y a resultados parciales. La suma de todos
los objetivos específicos debe reproducir el objetivo general. Su importancia radica en
permitir fraccionar el “todo” en sus componentes, para facilitar su comprensión y la
planeación detallada de las actividades.
5
3.
DISEÑO METODOLÓGICO
Es la descripción detallada de cada proceso teniendo en cuenta los insumos requeridos,
las actividades que lo conforman y los resultados que produce. La figura 3, muestra el
procedimiento que permite enlazar los objetivos de investigación con el diseño
metodológico o metodología para la obtención de información primaria, esto es, la
forma cómo se miden las variables en cada unidad de observación y se obtienen los
resultados mediante el procesamiento estadístico de los datos.
Una variable es una característica que diferencia a los elementos de la población y que
puede ser medida. Puede ser de naturaleza discreta si sus valores son unas pocas
categorías mutuamente excluyentes o, continua si puede tomar muchos valores que al
analizarlos conjuntamente parecen estar tan cercanos que se asemeja a un continuo.
OBJETIVOS DE INVESTIGACIÓN
Acciones
Resultados
DISEÑO DEL PROCESO
DE MEDIDA
Medios
DISEÑO DEL PROCESO
DE ANÁLISIS
RECURSOS
Selección del
instrumento
de medida
Selección de la
muestra
Diseño del
operativo de
medida
Cálculo del
tamaño de
muestra
Definición de
variables e
indicadores
Información
disponible
Diseño del formato
para presentar la
información
Selección de la
herramienta de
análisis
Selección del
método de
análisis
Selección del
diseño muestral
Calidad de la
información
Caracterización
de la población
Diseño de la base
de datos
Figura 3. Esquema del proceso de diseño metodológico a partir de los objetivos de investigación.
6
Identificar las variables a medir requiere tener presente cuál es la información que se
quiere obtener plasmada como resultado en los objetivos de investigación.
definición de las variables se hace conceptual y operacionalmente.
La
La definición
conceptual es el significado de la variable en el marco de la investigación, mientras que
la definición operacional es la forma como se van a asignar los valores y depende del
tipo de variable. Si la variable es discreta se establecen las categorías, pero si la variable
es continua se debe establecer la unidad de medida y en algunos casos, el rango de
valores que puede tomar [Medina, 2007].
Un dato es el valor asociado con la medida de la variable en una unidad de observación
y puede ser un valor numérico o una cualidad. La información es el resultado de
procesar estadísticamente un conjunto de datos, por esta razón se asocia con la
“síntesis” del comportamiento de todos los elementos observados. La generación de
información primaria requiere que los datos sean obtenidos para cumplir con los
objetivos de la investigación. Si se utilizan datos existentes que fueron generados con
fines diferentes a la presente investigación, el resultado de procesarlos es información
secundaria.
El proceso de generación de información primaria tiene dos etapas importantes que son
complementarias e indivisibles, pero para una mejor comprensión se tratan por
separado: el diseño del proceso de medida para obtener los datos primarios a partir de
las unidades de observación y el diseño del proceso de análisis de los datos obtenidos en
la medición.
3.1 Diseño del proceso de medición
Es la secuencia de actividades que se deben realizar para generar datos mediante la
medida de las variables definidas en las unidades de observación. Corresponde a la
parte izquierda del diagrama de la figura 3 leyendo las actividades de abajo hacia arriba.
La complejidad del diseño depende de la información disponible (información
secundaria) y la calidad de la información que se quiere obtener (información primaria).
7
3.3.1
Insumos para el diseño
El tipo de investigación a realizar [Hernández, et. al. 1998], depende de la información
secundaria disponible de estudios previos sobre el tema de interés:
Investigación exploratoria, se plantea cuando no se ha hecho ninguna investigación
anterior y busca verificar la existencia de algunas variables.
Investigación descriptiva, cuando se tienen los resultados de una investigación
exploratoria y se quiere comprobar el comportamiento de las variables. Se pueden
formular hipótesis para estimar parámetros.
Investigación correlacional, cuando se tienen resultados de investigaciones de carácter
descriptivo y ahora el interés es establecer si existe relación entre variables.
Investigación causal, cuando se tiene información respecto a la existencia de las
variables, pero ahora interesa establecer relaciones de causa y efecto entre ellas, por esto
se requiere controlar otras variables para ver de forma más nítida el efecto. Esta tipo de
investigación es lo que se conoce como diseños experimentales [Montgomery, 2003] y
tiene muchas variantes y aplicaciones como los ensayos clínicos [ Fleiss,1986].
Una vez se tenga claro qué tipo de investigación se realizará y la población de interés,
se determina la forma cómo se seleccionan las unidades de observación. Si es posible
hacer censo al medir a todos los elementos de la población o, si por razones de carácter
práctico como reducción de costos, es necesario seleccionar una muestra.
3.3.2 Determinación de las características de la información resultante
La calidad de la información que se genera con la investigación se puede asociar con la
capacidad para hacer una fiel interpretación de la realidad que se está estudiando. Para
garantizar la calidad es necesario identificar adecuadamente las variables, seleccionar
una muestra representativa cuando no sea posible hacer censo y realizar la medición
rigurosamente. Aunque se pueden definir muchas variables continuas y discretas, es
necesario establecer de manera precisa cuál es la variable principal, porque esta variable
es usada para hacer el cálculo del tamaño muestral. En muchos casos por diversas
razones no es posible seleccionar una muestra aleatoria de la población, por lo tanto, se
pueden hacer análisis estadísticos pero no se puede hacer inferencia estadística para
generalizar los resultados a la población.
8
Si no es posible medir a todos los elementos de la población, seleccionar una muestra
representativa (aleatoria) implica que debe obedecer a unas reglas de probabilidad de
selección propias de cada uno de los diseños muestrales. La selección del diseño
muestral depende de las características de la población y de la disponibilidad de un
listado donde estén consignadas al menos la identificación y localización de todos los
elementos [Anderson, 2003]. Si se tiene una población más o menos homogénea
respecto a la variable principal del estudio, se utiliza un muestreo aleatorio simple. Si
la población no es homogénea pero es posible agrupar sus elementos en subconjuntos
de elementos parecidos entre sí (estratos), se hace un muestreo estratificado. En caso
de que no se tenga disponible un listado o que la población esté muy dispersa
geográficamente, el diseño más utilizado es el muestreo por conglomerados, porque se
divide la población en grupos de elementos que estén cercanos entre sí (conglomerados)
y seleccionar con un muestreo aleatorio simple algunos de esos conglomerados. Hay
muchos otros diseños muestrales que pueden funcionar bien dependiendo del parámetro
que se quiera estimar y características de la población como variabilidad y tamaño
[Lohr, 2000].
El tamaño de muestra depende del nivel de confianza que se quiera para hacer la
estimación de los valores poblacionales, del error máximo que se esté dispuesto a
cometer o error muestral y de la heterogeneidad de los elementos de la población.
3.1.3. Subproductos para el proceso
Los resultados tangibles del diseño del proceso de medida son el instrumento de
medida, el listado de los elementos que conforman la muestra y la logística del
operativo de medida.
El instrumento de medida es el patrón usado para asignar valores a las variables, es
decir, producir los datos. Puede ser de diversos tipos: un dispositivo mecánico o digital
del cual se obtiene directamente el valor de una variable como un cronómetro o un
termómetro; un cuestionario que recoge las respuestas de una persona cuando se realiza
una entrevista personal, por teléfono o por correo electrónico; una lista de chequeo
donde un observador consigna sus apreciaciones respecto a las unidades de observación
9
por ejemplo un psiquiatra valorando comportamiento de un paciente o un experto en
logística analizando un proceso productivo.
La selección del instrumento de medición se hace según el criterio de precisión
[Baird,1995]. Es fácil comprender que si la medida se hace con un equipo que de
automáticamente el dato correspondiente, habrá mayor precisión que si la medida de las
variables se hace mediante un cuestionario.
Cuando los cuestionarios no están
estandarizados se deben verificar su validez y confiabilidad, de la misma forma que se
calibraría un aparato para evitar errores de apreciación. Cuando se diseña un nuevo
cuestionario, la tabla de las variables definidas facilita esta labor, porque se diseñan las
preguntas adecuadamente para que las respuestas sean los valores definidos para cada
variable. El orden de las preguntas debe ayudar a su compresión a quien responde y
además, facilita el proceso de análisis de datos.
El listado de los elementos que conforman la muestra aleatoria no puede ser modificado
posteriormente y la medida de cada una de las unidades de observación que la
componen, determina la logística del operativo de medida.
3.2 Diseño del proceso de análisis de datos
En esta etapa se diseña el proceso para transformar los datos en información, se parte
del diseño de la base de datos que facilite el análisis con los métodos y software
seleccionados para sintetizar los resultados de manera que sea clara la información
primaria obtenida con la investigación.
3.2.1 Diseño de la base de datos
Es la tabla donde se colocarán los datos codificados, de manera que permita hacer un
control de calidad para detectar inconsistencias y además, facilite la exportación a un
programa para el análisis estadístico. Se puede hacer en una hoja Excel donde cada fila
es un registro asociado con un elemento de la muestra y en las columnas se incluyen las
variables. Si las variables se han definido bien, la construcción de esta tabla será
10
relativamente sencilla porque de antemano se puede saber el rango de valores de las
variables continuas y, para las variables discretas, se tienen las categorías codificadas
con valores numéricos que las identificarán en la base de datos.
3.2.2 Selección del método y herramienta para el análisis
Las herramientas disponibles para el procesamiento estadístico de los datos son
variadas, desde una hoja Excel hasta programas estadísticos como SPSS [Pérez,2005],
Minitab, R, SPAD, SAS, etc., cada uno tiene particularidades pero todos permiten hacer
los análisis estadísticos más comunes. En cuanto al método de análisis también hay
variedad, pero es indispensable seleccionar aquel que corresponda según los objetivos
planteados, pues se puede obtener información diferente a partir del mismo conjunto de
datos.
Acorde con la forma de seleccionar las unidades de observación, para conocer
parámetros o comportamiento de una variable (distribución de probabilidad) o modelar
relaciones entre variables [Gujarati,2004], se puede hacer un análisis exploratorio o un
análisis inferencial. Si los datos provienen de toda la población (censo) se calculan
directamente los valores reales, pero sí, pero si son datos son de una muestra no
aleatoria el análisis se hace sobre los valores obtenidos aclarando que no se puede
generalizar a la población. Se aplican métodos inferenciales (estimación puntual,
estimación por intervalos de confianza y pruebas de hipótesis) sólo cuando se ha
seleccionado una muestra aleatoria usando algún diseño muestral.
Los métodos dependen de la naturaleza de las variables, pero tanto para variables
continuas como discretas, se puede realizar un análisis univariado con cada variable
por separado o, un análisis multivariado para analizar simultáneamente varias variables
y establecer relaciones entre ellas [Peña,2002].
En el caso de variables continuas se puede hacer un análisis univariado para saber si se
ajustan a distribuciones de probabilidad como la normal, medidas de tendencia central
(media, moda, mediana) y medidas de dispersión (rango, desviación estándar, varianza,
coeficiente de variación, percentiles), y un análisis multivariado para establecer modelos
11
como regresión lineal [Draper, 1998], series temporales o
modelos factoriales
[Escofier,1992].
Para cada variable discreta se puede hacer comparación de proporciones y ajuste a
distribuciones de probabilidad y análisis multivariados como tablas de contingencia,
análisis de correspondencias múltiples o métodos de clasificación. También se pueden
tener modelos mixtos que relacionan variables continuas y discretas como el análisis de
varianza, análisis de covarianza y regresión logística.
3.2.3
Presentación de resultados
Hay investigaciones en las cuales la publicación de sus resultados están estandarizados
como CONSORT para ensayos clínicos con grupos paralelos [Altaman, et.al. 2001] o
STROBE para estudios observacionales [von Elm, et.al. 2005], que constituyen en sí
mismas guías para presentar la información resultante. Sin embargo, en la mayoría de
casos, es necesario diseñar la forma adecuada de sintetizar los resultados obtenidos con
el propósito de que sean comprensibles. No es conveniente que el resultado final del
proceso quede diluido entre cálculos o se usen representaciones que confundan al lector.
Se recomienda desde el comienzo diseñar las tablas resumen de estadísticos y los
gráficos que los acompañarán y el orden en el cual aparecerán en el informe
[Medina,2007].
4. BIBLIOGRAFÍA
1. Altman, D., Schulz,K., Moher, D., Egger, M., Davidoff, F. Elbourne,D.
Gøtzche, P. and Lang, T. (2001) The revised CONSORT statement for reporting
randomized trials: explanation and elaboration, Annals of Internal Medicine
124(8), 663-694.
2. Anderson, DR. (2003) Estadística para administración y economía. Thompson.
3. Baird, D. (1995) Experimentation: An introduction to measurement theory and
experimental design. Prentice Hall.
4. Draper, NR. (1998) Applied regression analysis. John Wiley.
12
5. Escofier, B. y Pagès, J. (1992) Análisis factoriales simples y múltiples:
objetivos, métodos e interpretación. Universidad del País Vasco.
6. Fleiss, J. (1986) The Design and analysis of clinical experiments. John Wiley.
7. Gujarati, DN. (2004) Econometría. Mc Graw Hill.
8. Hernández, R; Fernández, C y Baptista, P. (1998)
Metodología de la
investigación. Mc Graw Hill.
9. Lohr, SL. (2000) Muestreo: diseño y análisis. Thompson.
10. Medina, MN. A propósito de algo llamado investigación. Revista Escuela
Colombiana de Ingeniería. Año 10, No 40. Octubre-diciembre 2000, pp40-45.
11. Medina, MN. (2007) La investigación aplicada a proyectos. Vol 1:
Identificación del proyecto y formulación de la Investigación. Ántropos.
12. Montgomery, D. (2003) Diseño de experimentos. Limusa.
13. Peña, D. (2002) Análisis de datos multivariantes. Mc Graw Hill.
14. Pérez, C (2005) Métodos estadísticos avanzados con SPSS. Thompson.
15. Sabino, C. (1996) El proceso de investigación. Editorial Panamericana.
16. Von Elm, E., Altman, D., Egger, M., Pocock,S.,
Gotszche,P. and
Vandenbroucke, J. (2007), The strengthening the reporting of observational
studies in epidemiology (STROBE) statement: guidelines for reporting
observational studies. Annals of Internal Medicine 147, 573-577.
17. Wagensberg, J. (1998) Ideas para la imaginación impura. 53 Reflexiones en su
propia sustancia. Metatemas,5 4 Libros para pensar la ciencia. Tusquets
Editores. Barcelona.
13