Seminario Taller de Integración II
Métodos cuantitativos
Diseño - Tipo de Estudio - Participantes
Dr. Fernando Tonini
De la pregunta al diseño y en ese orden…
Hasta ahora venimos trabajando con el planteamiento del problema, los objetivos y las hipótesis. El diseño es el paso siguiente: la estrategia concreta para responderlos.
Una vez que se precisó el planteamiento del problema, se definió el alcance inicial y se formularon las hipótesis, el investigador debe visualizar la manera práctica y concreta de contestar las preguntas de investigación.
— Hernández-Sampieri et al. (2014)
El diseño no es un capricho técnico: es lo que conecta una pregunta con datos que efectivamente puedan responderla.
¿Hasta dónde llega el estudio?
Exploratorio · Descriptivo · Correlacional · Explicativo
¿Manipulamos variables?
Experimental · No experimental
¿Cómo trabajamos los datos?
Cuantitativo · Cualitativo · Mixto
Estas tres decisiones no son independientes: el alcance condiciona el tipo de diseño, y el enfoque atraviesa todo. Hoy nos enfocamos en el camino cuantitativo.
Diseño de la investigación
Repasamos brevemente los cuatro alcances (ya trabajados en clases previas). No son excluyentes: una investigación puede tener más de uno.
Examinar un problema poco estudiado. Familiarizarse con un fenómeno relativamente desconocido.
Especificar propiedades, características y perfiles de personas, grupos o fenómenos.
Conocer la relación o grado de asociación entre dos o más variables en una muestra o contexto.
Establecer las causas de eventos, sucesos o fenómenos. Ir más allá de describir o relacionar.
La pregunta clave es: ¿el investigador manipula intencionalmente alguna variable?
Se manipula intencionalmente una o más variables independientes para analizar sus efectos sobre variables dependientes, en una situación de control.
“Construye” una realidad.
Se observan los fenómenos tal como se dan en su contexto natural. Las variables independientes ya ocurrieron y no es posible manipularlas.
“Fotografía” lo que ya existe.
Un ejemplo coloquial: hacer enojar intencionalmente a una persona y ver sus reacciones (experimento) vs. observar las reacciones de una persona cuando llega enojada (no experimento).
Ninguno es “mejor” que el otro. La elección depende del problema, el alcance y la viabilidad.
En psicología, esta restricción explica por qué una porción muy grande de la investigación es no experimental, especialmente en clínica, social y del desarrollo.
Un solo grupo, grado de control mínimo. Útil como aproximación inicial.
Ej.: medir antes y después sin grupo control.
Hay grupos de comparación, pero no hay asignación aleatoria: se trabaja con grupos intactos.
Ej.: comparar dos cursos completos.
Asignación aleatoria a los grupos + grupo control + manipulación de la VI.
Ej.: ensayo clínico aleatorizado.
La diferencia central es el grado de control que el investigador logra ejercer sobre las variables extrañas. A mayor control, mayor confianza para inferir relaciones causales.
La pregunta clave para clasificarlos: ¿en cuántos momentos recolectamos datos?
Recolección de datos en un solo momento, un tiempo único.
Es como tomar una fotografía de algo que sucede.
Recolección de datos en varios momentos para analizar cambios a través del tiempo.
Es un estudio de seguimiento.
La mayoría de las tesis de grado en psicología son transversales, simplemente por viabilidad temporal. Los longitudinales son más costosos y requieren seguimiento prolongado.
Aproximación inicial a una variable, comunidad o contexto poco conocido.
Sondeo de un problema nuevo.
Indagar la incidencia o nivel de una o más variables en una población.
Describe variables, no las vincula.
Describir relaciones entre dos o más variables en un momento determinado.
A veces solo correlación; a veces causalidad.
Cuidado con “correlacional-causal”: aun cuando el diseño busque relaciones causales, no hay manipulación. La causalidad la infiere el investigador desde la teoría, no la prueba el diseño. La causalidad implica correlación, pero no toda correlación es causal.
Se sigue a una población a través del tiempo. Las personas cambian, la población se mantiene.
Ej.: actitudes de universitarios cada 5 años.
Se sigue a una subpoblación definida por una característica común (edad, evento).
Ej.: nacidos en 2000 en Argentina.
Se sigue a los mismos individuos en todas las mediciones.
Ej.: 50 pacientes evaluados cada 6 meses.
Solo el diseño panel permite analizar trayectorias individuales. Los otros dos describen el cambio agregado pero no quién cambió.
Participantes
Conjunto de todos los casos que concuerdan con determinadas especificaciones (contenido, lugar, tiempo).
Subgrupo de la población del cual se recolectan datos. Debe ser representativo (en el enfoque cuantitativo).
El tipo de caso que estudiamos: individuos, parejas, organizaciones, episodios, etc.
Ejemplo: en una tesis sobre satisfacción laboral en empleados de empresas tecnológicas de CABA en 2026, la unidad de análisis es el empleado, la población son todos los empleados de ese sector y la muestra es el subconjunto que efectivamente responde el cuestionario.
Una población mal delimitada hace inviable el estudio. La delimitación debe ser específica y coherente con la pregunta.
Un estudio no es mejor por tener una población más grande. La calidad está en delimitar con precisión sobre la base del planteamiento del problema.
Todos los elementos de la población tienen la misma probabilidad de ser elegidos.
Selección aleatoria o mecánica.
Permite calcular error de estimación y generalizar.
La elección depende de criterios del investigador, no del azar.
Selección intencional.
No permite calcular error con precisión, generaliza con cautela.
En tesis de grado y posgrado en psicología, predomina el muestreo no probabilístico, principalmente por accesibilidad. Esto no invalida el estudio, pero condiciona el alcance de las conclusiones.
Cada caso tiene idéntica probabilidad. Requiere listado completo de la población.
Se elige cada k-ésimo caso de un listado ordenado, partiendo de un punto aleatorio.
Se divide la población en estratos (edad, sexo, NSE…) y se muestrea dentro de cada uno.
Mejora representatividad por variables clave.
Se eligen unidades agrupadas (escuelas, barrios, hospitales) y se mide a todos sus integrantes.
Eficiente en poblaciones grandes y dispersas.
Otzen y Manterola (2017); Hernández-Sampieri et al. (2014)
Se eligen casos característicos o “típicos” según criterios del investigador.
Útil en estudios cualitativos o muy específicos.
Se eligen los casos accesibles que aceptan participar.
El más común en tesis. Económico y rápido, pero con sesgo.
Se reclutan casos hasta completar la muestra deseada, en un lugar y tiempo definidos.
Frecuente en investigación clínica.
Si su muestreo es no probabilístico (y es muy probable que lo sea), hay que decirlo y justificarlo. No alcanza con “se seleccionaron 80 participantes”: hay que explicar cómo y por qué.
Ningún estudio reúne “a cualquiera”. Los criterios delimitan quién entra y quién no, y deben fundamentarse.
Características clínicas, demográficas, temporales y geográficas que deben cumplir los participantes.
Ej.: mujeres de 18 a 35 años, residentes en CABA, estudiantes universitarias activas.
Características que impedirían participar, por interferir con la calidad de los datos o la interpretación.
Ej.: diagnóstico psiquiátrico activo, consumo de psicofármacos, embarazo.
Los criterios de exclusión no son lo opuesto a los de inclusión. La exclusión opera sobre quienes ya cumplen los de inclusión: son un segundo filtro.
¿Cuántos participantes? El tamaño muestral…
La pregunta “¿cuántos participantes necesito?” admite varias respuestas legítimas, según el criterio que se adopte. Las repasamos.
Lo que no hay que hacer: elegir un número sin justificarlo, o ponerlo después de recolectar los datos. La justificación del N va en el anteproyecto, antes de empezar.
Se calcula el N a partir del tamaño poblacional, el error admisible y el nivel de confianza.
Para una población de 50.000 estudiantes universitarios, con 95% de confianza y 5% de error, la fórmula sugiere alrededor de n = 381.
Hay calculadoras online (Raosoft, SurveyMonkey) que aplican esta lógica.
Da un número defendible cuando se conoce el tamaño poblacional.
Asume muestreo probabilístico. Aplicada a muestreo por conveniencia, el cálculo pierde su sentido estadístico estricto.
Hernández-Sampieri retoma a Cohen y propone N mínimos según la prueba estadística que se va a usar.
| Tipo de análisis | N mínimo recomendado |
|---|---|
| Análisis de correlación | 64 (una cola) · 82 (dos colas) |
| Comparación entre grupos (no experimental) | 51 por grupo (una cola) · 64 (dos colas) |
| Comparación en diseños experimentales | 21 por grupo (una cola) · 27 (dos colas) |
Basado en tamaño del efecto mediano, potencia .80, α = .05
Para muchas tesis cuantitativas en psicología, esta tabla resulta un punto de partida razonable y defendible.
El estándar actual en publicación científica en psicología: calcular el N necesario con software especializado (G*Power, simr en R).
Prueba estadística, tamaño del efecto esperado, potencia deseada (1−β, usualmente .80), nivel α.
El N mínimo para detectar ese efecto con esa potencia.
Para una correlación esperada de r = .30, con α = .05 y potencia .80, G*Power devuelve n = 84. Si esperamos r = .20, sube a n = 193. El N depende fuertemente de qué efecto se considera “detectable”.
A veces el N se decide por factores que no son estadísticos: accesibilidad, presupuesto, tiempo, características de la población.
“En este tipo de estudios suele usarse entre 100 y 200 participantes.” Frecuente y no necesariamente incorrecto, pero conviene reconocerlo.
“Trabajaremos con todos los pacientes que asistan al servicio durante 3 meses.” Muestreo consecutivo: el N es el que da el período.
Decir “se eligieron 100 participantes” sin explicar de dónde salió ese número es la situación más frecuente y también la más débil. Si el criterio es pragmático, hay que decirlo: es preferible a inventar una justificación estadística.
Justifiquen el N con un criterio explícito. Cualquiera de los cuatro es defendible si está fundamentado.
Un párrafo de método con tamaño muestral bien justificado dice algo así:
“Se trabajó con una muestra de 84 participantes. Este tamaño fue estimado mediante análisis de potencia a priori (G*Power 3.1) para detectar correlaciones de magnitud media (r = .30) con una potencia de .80 y un nivel de significación α = .05 (Cohen, 1992).”
O, en el caso pragmático:
“Se trabajó con una muestra por conveniencia de 120 estudiantes, conformada por la totalidad de quienes aceptaron participar durante el período de recolección (marzo a junio de 2026).”
Del diseño al manuscrito
Toda la planificación que vimos debe quedar reflejada en una sección del anteproyecto (y luego del manuscrito) llamada Método. Su función es permitir que un colega replique el estudio.
Suele agregarse una quinta: Análisis de datos.
El método implica un descripción técnica, precisa, clara y redactada de modo que otro investigador pueda reproducir el estudio.
Suele resolverse en un único párrafo breve, no requiere extensión. Lo importante es que esté correctamente nombrado y justificado por la naturaleza del problema, no como una decisión arbitraria.
Los datos demográficos se reportan una vez recolectados, no en el anteproyecto. En el anteproyecto va el criterio para incluirlos, no los valores observados.
Si el instrumento es un cuestionario propio construido para el estudio, también hay que describirlo con el mismo nivel de detalle y aclarar que se trata de un instrumento ad hoc.
El procedimiento es el lugar donde se hacen visibles los aspectos éticos del estudio. No basta con “se respetaron principios éticos”: hay que indicar cuáles y cómo.
En el anteproyecto este apartado suele ser breve, pero conviene que esté: muestra que las pruebas elegidas son coherentes con las hipótesis y con el nivel de medición de las variables.
Para la próxima clase… La presentación parcial 😱
Avanzar en el anteproyecto incorporando la sección Método, con foco en:
Recuerden: estas decisiones no son posteriores a la pregunta y los objetivos, sino una continuación natural de ellos. Si la pregunta cambia, el método tiene que ajustarse; si el método no es viable, conviene revisar la pregunta.
Lecturas: Hernández-Sampieri et al. (2014), capítulos 7 y 8 (selección). Otzen y Manterola (2017).
Seminario Taller de Integración II · UAI