TEMA 3: LAS FASES DE UNA INVESTIGACIÓN II MUESTREOS NO PROBABILÍSTICOS
3.2 La selección de los participantes En estos muestreos, no todos los individuos tienen la misma probabilidad de ser elegidos. La selección
no es aleatoria, y por lo tanto los resultados no son totalmente representativos de la población.
El objetivo del método científico es poder extrapolar los datos obtenidos en un experimento a la población general.
Dado que sería imposible incluir a todos los individuos de una población, se selecciona una muestra ▸ MUESTREO DE LA CONVIVENCIA: se elige a los participantes más accesibles o disponibles.
representativa, es decir, un grupo reducido que refleje las características principales de dicha población. Ejemplo: estudiar a los alumnos de una clase porque es más fácil que estudiar a toda una escuela.
Una vez obtenidos los resultados del estudio con la muestra, se intenta generalizar a toda la población mediante las ▸ MUESTREO PROPIRCIONAL POR CUOTAS: se intenta representar los diferentes subgrupos de la población
fórmulas estadísticas de la estadística inferencial. en las mismas proporciones, pero la selección de individuos no es aleatoria.
Por ejemplo, si queremos estudiar si el consumo continuado de azúcar causa diabetes, no es necesario estudiar a toda Ejemplo: si en una universidad el 60% del alumnado son mujeres y el 40% hombres, el investigador
una ciudad, sino a una muestra representativa de personas con características similares a la población general. seleccionará una muestra con esa misma proporción (60% mujeres y 40% hombres), aunque elija a los
participantes de cada grupo por conveniencia o disponibilidad.
Cuanto menor sea la diferencia entre la muestra y la población, más seguros estaremos al generalizar los
resultados. ▸ MUESTREO POR CUOTAS NO PROPORCIONAL: es similar al anterior, pero no se mantienen las
proporciones reales de los subgrupos. El investigador decide cuántas personas de cada grupo incluir, sin
El muestreo es el proceso de selección de los participantes, y puede ser de dos tipos: probabilísticos o no probabilísticos basarse en su representación en la población.
(Martinez-Arias et al. 2014): Ejemplo: en el mismo caso de la universidad, el investigador podría decidir incluir 50% mujeres y 50%
hombres, aunque en realidad no refleje la proporción real del alumnado.
MUESTREOS PROBABILÍSTICOS ▸ MUESTREO POR BOLA DE NIEVE: se inicia con un pequeño grupo de personas que cumplen con los
criterios de inclusión y se les pide que recomienden a otros posibles participantes. Este proceso continúa
hasta reunir una muestra suficiente. Es muy útil cuando la población es difícil de localizar.
En este tipo de muestreo, todos los individuos de la población tienen la misma probabilidad de ser seleccionados, ya
Ejemplo: para estudiar a personas con una enfermedad rara, un investigador puede empezar
que se utilizan métodos aleatorios.
entrevistando a un paciente conocido, quien luego le pone en contacto con otros afectados, y estos, a
su vez, con más personas del mismo grupo.
▸ MUESTREO ALEATORIO SIMPLE: cada individuo tiene la misma probabilidad de ser elegido. Se numeran todos los
elementos de la población y se seleccionan mediante números generados al azar.
Aunque estos métodos no son representativos, pueden proporcionar información útil o exploratoria. Una
Ejemplo: elegir al azar 100 personas de una lista de 10.000 habitantes.
forma de aumentar la confianza en los resultados es replicar los estudios con muestras mejor seleccionadas.
▸ MUESTREO ALEATORIO SISTEMÁTICO: combina la aleatoriedad con el orden. Se elige un sujeto inicial al azar y luego se
selecciona, por ejemplo, cada décimo elemento de la lista.
3.3 Grupos
Ejemplo: elegir una persona al azar de una lista de 10.000 habitantes y después seleccionar cada 100ª persona hasta completar
100 personas
Cuando se desea analizar los efectos de un tratamiento o intervención, se puede aplicar a una muestra y
▸ MUESTREO ALEATORIO ESTRATIFICADO: la población se divide en estratos o subgrupos homogéneos (por ejemplo, observar sus efectos antes y después. Sin embargo, este método puede generar dudas sobre si los
por edad o sexo) y se seleccionan muestras aleatorias dentro de cada estrato. Esto asegura que todos los subgrupos cambios observados se deben al tratamiento o a otras variables no controladas.
estén representados de forma proporcional.
Por ello, se utilizan grupos de comparación:
▸ MUESTREO ALEATORIO POR CONGLOMERADOS: se agrupan los individuos en conglomerados (como escuelas, barrios
o empresas) y se seleccionan algunos conglomerados al azar. Luego, se estudian todos los miembros de esos grupos. ▸ El grupo experimental recibe el tratamiento o intervención.
Es útil cuando se trabaja con poblaciones amplias y distribuidas, ya que reduce los costes y tiempos de recopilación de ▸ El grupo control no lo recibe.
datos.
De esta forma, se pueden comparar los resultados y determinar si el tratamiento realmente tiene
efecto.
ALEATORIZACIÓN DE LA MUESTRA También puede crearse diferentes grupos experimentales que reciban distintas dosis para analizar el
gradiente dosis-efecto, o incluir un grupo placebo, donde los sujetos desconocen si reciben el
tratamiento real o no.
Para crear los grupos, la mejor opción es la aleatorización, es decir, asignar a los participantes al azar. Esto evita sesgos
del investigador o de los participantes y ayuda a que los grupos sean comparables.
Es importante que los grupos sean lo más homogéneos posibles al inicio del estudio para evitar que
otras variables influyan en los resultados. Si esto no es posible, se deben usar análisis estadísticos más
VENTAJAS
complejos para controlar esas diferencias.
▸ Reduce sesgos.
▸ Aumenta la validez del estudio
▸ Permite establecer inferencias causales y estadísticas.
LIMITACIONES
▸ En algunos casos, puede ser ético o práctico asignar al azar (por ejemplo, en tratamientos que pueden curar
enfermedades graves).
▸ Puede encarecer el estudio y requerir más control.
▸ A veces es un proceso poco natural en entornos clínicos.
, 3.4 Diseños de investigación 3.5 El análisis de datos
Las estrategias de investigación se clasifican en tres grandes tipos (Campbell y Stanley, 2015): Una vez recogidos los datos, se deben analizar utilizando técnicas estadísticas
apropiadas.
DISEÑOS OBSERVACIONALES La elección de la técnica depende de: el diseño del estudio, el tipo de datos y las
El investigador no manipula variables, solo observa y mide. preguntas de investigación.
▸ No se manipula variables independientes. La estadística permite determinar si existen diferencias significativas entre grupos o
▸ No se pueden establecer relaciones causales, sólo correlaciones. relaciones entre variables.
Ejemplo: observar la relación entre horas de sueño y rendimiento académico sin intervenir.
En el análisis, se decide si se rechaza o no la hipótesis nula (H₀):
▸ Si se rechaza H₀, hay diferencias o relación significativa.
DISEÑOS CUASIEXPERIMENTALES ▸ Si no se rechaza H₀, no se han encontrado diferencias significativas.
Se manipulan variables independientes, pero los participantes no son asignados aleatoriamente.
Esto minimiza el riesgo de sacar conclusiones erróneas y garantiza que los resultados sean
▸ Se establecen comparaciones entre grupos no aleatorios,. precisos y fiables.
▸ No permiten afirmar causalidad, pero sí asociaciones o correlaciones.
Ejemplo: comparar el rendimiento académico de una clase A y una clase B ya existentes, aplicando un 3.6 La discusión y conclusiones
programa de técnicas de estudio solo a la clase A y comparando después las notas de ambas clases (los
grupos ya están formados y no hay asignación al azar). La discusión y las conclusiones son apartados diferentes, pero estrechamente relacionados.
DISEÑOS EXPERIMENTALES EN LA DISCUSIÓN, se presentan e interpretan los principales resultados, comparándolos
Son los únicos que permiten establecer relaciones causales. con investigaciones previas, destacando si los apoyan o los contradicen. También se
mencionan las limitaciones del estudio y posibles mejoras futuras.
▸ Se manipulan una o más variables independientes.
▸ Los participantes se asignan aleatoriamente a los grupos (experimental y control). LAS CONCLUSIONES resumen los hallazgos, responden claramente a la pregunta de
▸ Se miden los efectos sobre las variables dependientes, controlando el resto. investigación, y pueden incluir sugerencias para la investigación futuras (De Vaus,
Ejemplo: asignar al azar a unas personas a tomar café y a otras a no tomarlo, y comparar después su nivel 2001).
de atención (los participantes se asignan a los grupos de forma aleatoria). Deben ser claras, directas y basadas en la evidencia obtenida durante el estudio.
TEMA 4: LA VALIDEZ EN UNA INVESTIGACIÓ
4.2 La validez y sus tipos
El objetivo principal de la investigación científica es descubrir relaciones entre variables de forma válida (correcta y verdadera), y fiable.
Para confiar en los descubrimientos que se obtienen, necesitamos estudios de calidad.
La calidad de una investigación y de las conclusiones que se extraen de ella se denomina VALIDEZ O VALIDEZ EXPERIMENTAL.
Según Campbell y Stanley (1966), la validez es un “juicio integrador sobre el grado en que las evidencias derivadas de los resultados apoyan las inferencias o
conclusiones extraídas de la misma”:
Esto significa que la validez nos indica hasta qué punto los resultados realmente apoyan las conclusiones que saca el investigador.
▸Estos autores señalaron dos tipos de validez: Validez interna y validez externa.
▸Más adelante, Cook y Campbell (1979) ampliaron esta clasificación, añadiendo otros dos tipos: Validez de constructo y validez de conclusiones estadísticas.
En resumen, la validez es el grado de confianza que tenemos en que los resultados y las conclusiones de un estudio son correctos y reflejan la realidad.
4.3 La validez interna
La validez interna se refiere a la capacidad de un diseño de investigación para demostrar que los cambios observados en la variable dependiente (VD) se deben
realmente a la variable independiente (VI) que el investigador manipuló, y no a otras causas o factores externos.
Es decir, una investigación tiene validez interna cuando podemos asegurar que los resultados se deben al experimento y no a explicaciones alternativas.
Estas explicaciones alternativas se llaman HIPÓTESIS ALTERNATIVAS, y los factores que pueden provocarlas se denominan AMENAZAS EN LA VALIDEZ
INTERNA.
Validez interna: si después de aplicar un método de estudio las notas suben, hay validez interna cuando sabemos que han subido por el método y no por otra cosa.
3.2 La selección de los participantes En estos muestreos, no todos los individuos tienen la misma probabilidad de ser elegidos. La selección
no es aleatoria, y por lo tanto los resultados no son totalmente representativos de la población.
El objetivo del método científico es poder extrapolar los datos obtenidos en un experimento a la población general.
Dado que sería imposible incluir a todos los individuos de una población, se selecciona una muestra ▸ MUESTREO DE LA CONVIVENCIA: se elige a los participantes más accesibles o disponibles.
representativa, es decir, un grupo reducido que refleje las características principales de dicha población. Ejemplo: estudiar a los alumnos de una clase porque es más fácil que estudiar a toda una escuela.
Una vez obtenidos los resultados del estudio con la muestra, se intenta generalizar a toda la población mediante las ▸ MUESTREO PROPIRCIONAL POR CUOTAS: se intenta representar los diferentes subgrupos de la población
fórmulas estadísticas de la estadística inferencial. en las mismas proporciones, pero la selección de individuos no es aleatoria.
Por ejemplo, si queremos estudiar si el consumo continuado de azúcar causa diabetes, no es necesario estudiar a toda Ejemplo: si en una universidad el 60% del alumnado son mujeres y el 40% hombres, el investigador
una ciudad, sino a una muestra representativa de personas con características similares a la población general. seleccionará una muestra con esa misma proporción (60% mujeres y 40% hombres), aunque elija a los
participantes de cada grupo por conveniencia o disponibilidad.
Cuanto menor sea la diferencia entre la muestra y la población, más seguros estaremos al generalizar los
resultados. ▸ MUESTREO POR CUOTAS NO PROPORCIONAL: es similar al anterior, pero no se mantienen las
proporciones reales de los subgrupos. El investigador decide cuántas personas de cada grupo incluir, sin
El muestreo es el proceso de selección de los participantes, y puede ser de dos tipos: probabilísticos o no probabilísticos basarse en su representación en la población.
(Martinez-Arias et al. 2014): Ejemplo: en el mismo caso de la universidad, el investigador podría decidir incluir 50% mujeres y 50%
hombres, aunque en realidad no refleje la proporción real del alumnado.
MUESTREOS PROBABILÍSTICOS ▸ MUESTREO POR BOLA DE NIEVE: se inicia con un pequeño grupo de personas que cumplen con los
criterios de inclusión y se les pide que recomienden a otros posibles participantes. Este proceso continúa
hasta reunir una muestra suficiente. Es muy útil cuando la población es difícil de localizar.
En este tipo de muestreo, todos los individuos de la población tienen la misma probabilidad de ser seleccionados, ya
Ejemplo: para estudiar a personas con una enfermedad rara, un investigador puede empezar
que se utilizan métodos aleatorios.
entrevistando a un paciente conocido, quien luego le pone en contacto con otros afectados, y estos, a
su vez, con más personas del mismo grupo.
▸ MUESTREO ALEATORIO SIMPLE: cada individuo tiene la misma probabilidad de ser elegido. Se numeran todos los
elementos de la población y se seleccionan mediante números generados al azar.
Aunque estos métodos no son representativos, pueden proporcionar información útil o exploratoria. Una
Ejemplo: elegir al azar 100 personas de una lista de 10.000 habitantes.
forma de aumentar la confianza en los resultados es replicar los estudios con muestras mejor seleccionadas.
▸ MUESTREO ALEATORIO SISTEMÁTICO: combina la aleatoriedad con el orden. Se elige un sujeto inicial al azar y luego se
selecciona, por ejemplo, cada décimo elemento de la lista.
3.3 Grupos
Ejemplo: elegir una persona al azar de una lista de 10.000 habitantes y después seleccionar cada 100ª persona hasta completar
100 personas
Cuando se desea analizar los efectos de un tratamiento o intervención, se puede aplicar a una muestra y
▸ MUESTREO ALEATORIO ESTRATIFICADO: la población se divide en estratos o subgrupos homogéneos (por ejemplo, observar sus efectos antes y después. Sin embargo, este método puede generar dudas sobre si los
por edad o sexo) y se seleccionan muestras aleatorias dentro de cada estrato. Esto asegura que todos los subgrupos cambios observados se deben al tratamiento o a otras variables no controladas.
estén representados de forma proporcional.
Por ello, se utilizan grupos de comparación:
▸ MUESTREO ALEATORIO POR CONGLOMERADOS: se agrupan los individuos en conglomerados (como escuelas, barrios
o empresas) y se seleccionan algunos conglomerados al azar. Luego, se estudian todos los miembros de esos grupos. ▸ El grupo experimental recibe el tratamiento o intervención.
Es útil cuando se trabaja con poblaciones amplias y distribuidas, ya que reduce los costes y tiempos de recopilación de ▸ El grupo control no lo recibe.
datos.
De esta forma, se pueden comparar los resultados y determinar si el tratamiento realmente tiene
efecto.
ALEATORIZACIÓN DE LA MUESTRA También puede crearse diferentes grupos experimentales que reciban distintas dosis para analizar el
gradiente dosis-efecto, o incluir un grupo placebo, donde los sujetos desconocen si reciben el
tratamiento real o no.
Para crear los grupos, la mejor opción es la aleatorización, es decir, asignar a los participantes al azar. Esto evita sesgos
del investigador o de los participantes y ayuda a que los grupos sean comparables.
Es importante que los grupos sean lo más homogéneos posibles al inicio del estudio para evitar que
otras variables influyan en los resultados. Si esto no es posible, se deben usar análisis estadísticos más
VENTAJAS
complejos para controlar esas diferencias.
▸ Reduce sesgos.
▸ Aumenta la validez del estudio
▸ Permite establecer inferencias causales y estadísticas.
LIMITACIONES
▸ En algunos casos, puede ser ético o práctico asignar al azar (por ejemplo, en tratamientos que pueden curar
enfermedades graves).
▸ Puede encarecer el estudio y requerir más control.
▸ A veces es un proceso poco natural en entornos clínicos.
, 3.4 Diseños de investigación 3.5 El análisis de datos
Las estrategias de investigación se clasifican en tres grandes tipos (Campbell y Stanley, 2015): Una vez recogidos los datos, se deben analizar utilizando técnicas estadísticas
apropiadas.
DISEÑOS OBSERVACIONALES La elección de la técnica depende de: el diseño del estudio, el tipo de datos y las
El investigador no manipula variables, solo observa y mide. preguntas de investigación.
▸ No se manipula variables independientes. La estadística permite determinar si existen diferencias significativas entre grupos o
▸ No se pueden establecer relaciones causales, sólo correlaciones. relaciones entre variables.
Ejemplo: observar la relación entre horas de sueño y rendimiento académico sin intervenir.
En el análisis, se decide si se rechaza o no la hipótesis nula (H₀):
▸ Si se rechaza H₀, hay diferencias o relación significativa.
DISEÑOS CUASIEXPERIMENTALES ▸ Si no se rechaza H₀, no se han encontrado diferencias significativas.
Se manipulan variables independientes, pero los participantes no son asignados aleatoriamente.
Esto minimiza el riesgo de sacar conclusiones erróneas y garantiza que los resultados sean
▸ Se establecen comparaciones entre grupos no aleatorios,. precisos y fiables.
▸ No permiten afirmar causalidad, pero sí asociaciones o correlaciones.
Ejemplo: comparar el rendimiento académico de una clase A y una clase B ya existentes, aplicando un 3.6 La discusión y conclusiones
programa de técnicas de estudio solo a la clase A y comparando después las notas de ambas clases (los
grupos ya están formados y no hay asignación al azar). La discusión y las conclusiones son apartados diferentes, pero estrechamente relacionados.
DISEÑOS EXPERIMENTALES EN LA DISCUSIÓN, se presentan e interpretan los principales resultados, comparándolos
Son los únicos que permiten establecer relaciones causales. con investigaciones previas, destacando si los apoyan o los contradicen. También se
mencionan las limitaciones del estudio y posibles mejoras futuras.
▸ Se manipulan una o más variables independientes.
▸ Los participantes se asignan aleatoriamente a los grupos (experimental y control). LAS CONCLUSIONES resumen los hallazgos, responden claramente a la pregunta de
▸ Se miden los efectos sobre las variables dependientes, controlando el resto. investigación, y pueden incluir sugerencias para la investigación futuras (De Vaus,
Ejemplo: asignar al azar a unas personas a tomar café y a otras a no tomarlo, y comparar después su nivel 2001).
de atención (los participantes se asignan a los grupos de forma aleatoria). Deben ser claras, directas y basadas en la evidencia obtenida durante el estudio.
TEMA 4: LA VALIDEZ EN UNA INVESTIGACIÓ
4.2 La validez y sus tipos
El objetivo principal de la investigación científica es descubrir relaciones entre variables de forma válida (correcta y verdadera), y fiable.
Para confiar en los descubrimientos que se obtienen, necesitamos estudios de calidad.
La calidad de una investigación y de las conclusiones que se extraen de ella se denomina VALIDEZ O VALIDEZ EXPERIMENTAL.
Según Campbell y Stanley (1966), la validez es un “juicio integrador sobre el grado en que las evidencias derivadas de los resultados apoyan las inferencias o
conclusiones extraídas de la misma”:
Esto significa que la validez nos indica hasta qué punto los resultados realmente apoyan las conclusiones que saca el investigador.
▸Estos autores señalaron dos tipos de validez: Validez interna y validez externa.
▸Más adelante, Cook y Campbell (1979) ampliaron esta clasificación, añadiendo otros dos tipos: Validez de constructo y validez de conclusiones estadísticas.
En resumen, la validez es el grado de confianza que tenemos en que los resultados y las conclusiones de un estudio son correctos y reflejan la realidad.
4.3 La validez interna
La validez interna se refiere a la capacidad de un diseño de investigación para demostrar que los cambios observados en la variable dependiente (VD) se deben
realmente a la variable independiente (VI) que el investigador manipuló, y no a otras causas o factores externos.
Es decir, una investigación tiene validez interna cuando podemos asegurar que los resultados se deben al experimento y no a explicaciones alternativas.
Estas explicaciones alternativas se llaman HIPÓTESIS ALTERNATIVAS, y los factores que pueden provocarlas se denominan AMENAZAS EN LA VALIDEZ
INTERNA.
Validez interna: si después de aplicar un método de estudio las notas suben, hay validez interna cuando sabemos que han subido por el método y no por otra cosa.
