¿Cómo se elige un método de investigación?
El trabajo no termina cuando la pregunta de investigación queda clara; ahí empieza el verdadero cuello de botella. Esta guía convierte la elección de método en una decisión que pasa por dos filtros: el tipo de conocimiento que pide la pregunta y la estructura de los datos disponibles.
¿Cómo se elige un método de investigación?
Un método de investigación no se elige solo; lo eligen la pregunta de investigación y la estructura de los datos. Los cuatro pasos se enumeran en orden a continuación.
Invertir este orden es una causa habitual de bloqueo: cuando un investigador parte de un método que ya conoce, la pregunta se reduce hacia lo que ese método puede responder. El resultado es un análisis técnicamente impecable que no responde a la pregunta original.
Cada paso reduce las opciones del siguiente.
- Reduzca la pregunta a una sola frase. La frase debe indicar quién, qué, en qué contexto y en qué periodo de tiempo.
- Determine qué tipo de conocimiento pide la pregunta: prevalencia, relación, causa y efecto, significado, ranking o la acumulación de evidencia existente.
- Describa los datos: tipo de escala, número de observaciones, momento de la medición y si las observaciones son independientes entre sí.
- Enumere los diseños que superan ambas restricciones, elija uno de ellos con una justificación basada en validez y conserve los descartados junto con el motivo.
La segunda mitad del cuarto paso es la que más se salta, aunque la lista de alternativas descartadas es lo primero que pregunta un revisor; conservarla en el momento de la decisión sale mucho más barato que reconstruirla meses después.
La elección tampoco se hace en el vacío; con qué diseños se ha estudiado ya la misma pregunta surge de la revisión de literatura. Cooper (1988) clasifica las revisiones según foco, objetivo y cobertura; Webster y Watson (2002) recomiendan organizar una revisión concepto a concepto, no artículo a artículo.
¿Cuál es la diferencia entre método cuantitativo, cualitativo y mixto?
La investigación cuantitativa somete a prueba relaciones y magnitud mediante medición numérica, la cualitativa describe significado y proceso mediante texto y observación, y el método mixto combina ambos en un solo diseño. La diferencia no está en el tipo de dato sino en el tipo de pregunta: una pregunta cuánto, la otra cómo y en qué sentido (Creswell y Creswell, 2018).
- Diseño cuantitativo: variables medibles, hipótesis predefinida, inferencia estadística. Las categorías se conocen antes del análisis.
- Diseño cualitativo: entrevistas, observación, documentos. Las categorías emergen de los propios datos durante el análisis.
- Diseño mixto: dos tipos de evidencia combinados en un solo estudio. Si la fase cualitativa prepara la cuantitativa la secuencia es exploratoria; si explica el hallazgo cuantitativo es explicativa (Creswell y Creswell, 2018).
El método mixto no son dos análisis colocados uno tras otro: si no se escribe de antemano en qué punto y con qué regla se fusionan las dos fases, el estudio se convierte en dos estudios distintos publicados en el mismo artículo, no en un solo diseño. El punto de integración se describe por su nombre en el apartado de método: qué hallazgo alimenta a qué fase y qué evidencia tiene prioridad si hay conflicto.
¿Cómo determina la pregunta de investigación el método a elegir?
El patrón de la pregunta determina el diseño; la tabla siguiente muestra seis patrones y la familia de diseño a la que apunta cada uno. Encontrar el patrón reduce considerablemente el conjunto de opciones.
| Patrón de pregunta | Qué quiere aprender | Familia de diseño adecuada |
|---|---|---|
| Cuánto, cuántos | Prevalencia, distribución, magnitud | Cuantitativo descriptivo: encuesta transversal, análisis de datos secundarios |
| Por qué, por qué factor | Relación, efecto, causa y efecto | Cuantitativo explicativo: experimento, cuasiexperimento, modelo multivariante |
| Cómo, qué significa | Proceso, experiencia, significado | Cualitativo: entrevista, estudio de caso, análisis de documentos |
| Cuál es mejor | Ordenar alternativas según varios criterios | Decisión multicriterio (Hwang y Yoon, 1981; Saaty, 1980) |
| Qué se sabe | Acumulación de evidencia existente | Revisión sistemática y metaanálisis (Page et al., 2021) |
| Qué dicen los números, qué dice la gente | Leer juntos dos tipos de evidencia | Método mixto (Creswell y Creswell, 2018) |
La tabla estima el ajuste, no toma la decisión; más de un diseño puede seguir en pie bajo el mismo patrón de pregunta. En ese punto la eliminación ya no la hace la pregunta sino las restricciones de los datos.
¿Qué métodos descarta la estructura de los datos?
La estructura de los datos es el segundo filtro que elimina opciones; la tabla siguiente muestra cómo cinco propiedades de los datos reducen la elección. Si las observaciones no son independientes entre sí, los métodos que asumen independencia quedan eliminados desde el principio.
| Propiedad de los datos | Cómo reduce la elección |
|---|---|
| Tipo de escala | La suma y el promedio no están definidos en medición nominal y ordinal; los métodos basados en la media no pueden usarse con este tipo de datos. |
| Número de observaciones | Si el número de parámetros a estimar es grande respecto al número de observaciones, el modelo no puede ajustarse. Una muestra pequeña elimina diseños con muchos parámetros. |
| Transversal o longitudinal | Los datos transversales no captan el cambio en el tiempo; las preguntas que exigen medir el cambio necesitan un diseño longitudinal. |
| Observaciones dependientes | Las medidas repetidas de la misma persona, o las observaciones procedentes de la misma clase o institución, no son independientes; esta estructura requiere un diseño multinivel o de medidas repetidas. |
| Juicio vago y lingüístico | Si la entrada es un grado verbal en vez de un número preciso, entran en juego los marcos basados en conjuntos difusos, que permiten pertenencia parcial (Zadeh, 1965). |
Este filtro debe aplicarse antes de recoger los datos; si los datos recogidos están en el tipo de escala equivocado no hay vuelta atrás, y lo único que queda en la fase de análisis es reducir la pregunta. Saber qué análisis se ejecutará mientras se diseña el formulario de recogida de datos es una tarea distinta de intentar después ajustar el método a los datos.
¿Qué significan validez y fiabilidad?
La fiabilidad es que una medición dé un resultado consistente al repetirse en las mismas condiciones; la validez es que una medición mida realmente lo que se pretende medir. Una medición puede ser fiable y a la vez no válida (puede dar siempre el mismo valor erróneo); cuando distintos instrumentos que miden la misma construcción convergen, es validez convergente, y cuando distintas construcciones divergen, es validez discriminante.
Campbell y Fiske (1959) propusieron la matriz multirrasgo-multimétodo para someter a prueba juntos estos dos tipos de validez: la misma construcción se mide con métodos distintos, distintas construcciones se miden con el mismo método, y se examina el patrón de correlaciones resultante. La matriz basa la afirmación de validez en un patrón, no en un solo coeficiente.
En la elección de método estos conceptos no son decoración, son criterios de eliminación: si ambos diseños encajan con la pregunta y los datos sostienen a ambos, la decisión se toma mirando cuál cierra más amenazas a la validez.
- Validez interna: la relación observada procede realmente del factor estudiado, no de otra explicación.
- Validez externa: el hallazgo puede extenderse más allá de la muestra y el contexto.
- Validez de constructo: el instrumento de medición representa el concepto. La validez convergente y discriminante caen bajo este apartado.
- Fiabilidad: la consistencia de una medición repetida; es condición previa de la validez pero no la sustituye.
¿Cómo se justifica una elección de método ante un revisor?
La justificación tiene tres partes: por qué el método elegido encaja con la pregunta, cómo la estructura de los datos cumple los supuestos de ese método, y por qué se descartaron las alternativas evaluadas. La tercera parte falta en la mayoría de los textos; si las decisiones están registradas, la justificación no se escribe después, se muestra.
- Exprese en una frase el vínculo entre la pregunta y el diseño: la pregunta quiere esto, este diseño lo produce.
- Escriba uno a uno los supuestos del método y muestre cómo se cumple cada uno en los datos.
- Enumere las alternativas evaluadas y los motivos de su eliminación; el motivo suele ser una restricción de los datos, y escribirlo no es una debilidad.
- Dé la evidencia de validez y fiabilidad de los instrumentos de medición con su fuente.
- Escriba los pasos del análisis, las versiones usadas y los parámetros con detalle suficiente para que otra persona pueda repetirlos.
El criterio real de un apartado de método es la reproducibilidad: otro investigador que tome los mismos datos y los mismos pasos debe poder llegar al mismo resultado (Peng, 2011). La condición previa es que los datos sean localizables, accesibles, interoperables y reutilizables (Wilkinson et al., 2016). Los modelos de procedencia que registran de qué entrada y de qué proceso viene cada salida hacen este rastro también transportable en el lado de la máquina (W3C, 2013).
En algunos diseños la forma de la justificación también está ligada a un estándar: en una revisión sistemática, cómo se documentan los pasos de búsqueda, cribado e inclusión está definido punto por punto (Page et al., 2021), y en revisiones del ámbito de la salud el marco metodológico lo da además el manual Cochrane (Higgins et al.). Cuando existe tal estándar, el apartado de método se escribe según sus puntos, no como texto libre.
Si se usó un componente asistido por IA en el análisis, se espera de él la misma trazabilidad: cómo se recogió el conjunto de datos usado y qué representa (Gebru et al., 2021), y para qué se diseñó el modelo y cuáles son sus límites (Mitchell et al., 2019), deben quedar documentados.
¿Cuáles son los errores más comunes al redactar una elección de método?
El error más común es elegir el método antes de que la pregunta esté clara, y después reescribir la pregunta para que encaje. A continuación se enumeran seis errores frecuentes.
- El nombre del método se confunde con una justificación. El nombre dice al lector qué se hizo, no por qué se hizo.
- No se anotan las alternativas descartadas. El lector supone que la única opción se tomó sin sopesarla nunca.
- No se comprueban los supuestos. La tabla de resultados parece correcta, pero la condición sobre la que se sostiene nunca se sometió a prueba.
- Se afirma un método mixto y nunca se escribe la regla de fusión. Dos estudios separados conviven en el mismo texto.
- La muestra y los criterios de inclusión quedan vagos. Quién se incluyó, quién se excluyó y con qué regla; sin estos tres datos el estudio no puede repetirse.
- El nombre del software sustituye al método. El nombre de un paquete no es la justificación del método ejecutado con ese paquete.
Lo que estos errores tienen en común es que todos afloran en la fase de redacción, no en el momento de la decisión: la elección de método se extiende a lo largo de semanas, pero el apartado de método suele escribirse la última semana, momento en el que ya se ha olvidado por qué se descartó cada alternativa. Registrar las decisiones con su justificación en el momento en que se toman convierte la tarea de redacción de un ejercicio de memoria en una simple transcripción.
¿Qué herramientas llevan a cabo estos pasos?
El flujo de trabajo anterior también funciona con lápiz y papel; se complica cuando crece el número de métodos y se pregunta por la justificación de una decisión un mes después. Los productos de SciMind apuntan a estos dos puntos: encontrar un método con su fuente y mantener el rastro de una decisión ya tomada.
Guías relacionadas
Referencias
- Campbell, D. T. y Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81-105.
- Cooper, H. M. (1988). Organizing knowledge syntheses: a taxonomy of literature reviews. Knowledge in Society, 1(1), 104-126.
- Creswell, J. W. y Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5.ª ed.). SAGE.
- Gebru, T. et al. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86-92.
- Higgins, J. P. T. et al. (Ed.). Cochrane Handbook for Systematic Reviews of Interventions. Cochrane.
- Hwang, C. L. y Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Springer.
- Mitchell, M. et al. (2019). Model cards for model reporting. FAT* 2019, 220-229.
- Page, M. J. et al. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372, n71.
- Peng, R. D. (2011). Reproducible research in computational science. Science, 334(6060), 1226-1227.
- Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill.
- W3C (2013). PROV-DM: The PROV Data Model. W3C Recommendation.
- Webster, J. y Watson, R. T. (2002). Analyzing the past to prepare for the future: writing a literature review. MIS Quarterly, 26(2), xiii-xxiii.
- Wilkinson, M. D. et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018.
- Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353.
Deje su decisión de método por escrito.
Plataformas construidas para encontrar el método con su fuente, colocar las alternativas una junto a otra y mantener el rastro de la decisión tomada. Escríbanos para una licencia institucional o un piloto.