01 Libro Investigación Educativa PDF

Universidad Nacional Pedro Ruiz Gallo
Lambayeque - Per
Facultad de Ciencias Histrico Sociales y Educacin

Serie: Universidad Sin Distancias
Fondo Editorial Universitario
Lambayeque, 2003

UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO
Programa de Complementacin Acadmica Docente 2

Universidad Nacional Pedro Ruiz Gallo
Rector Jorge Cumpa Reyes
Vicerrector Acadmico Jos Ponce Ayala
Vicerrector Administrativo Pedro Arbul Daz
Decano Manuel Tafur Morn
Gerente Bernardo Cojal loli
Jefe Asuntos Pedaggicos Miguel Ramos Bazn
Escuela Profesional de Educacin
Director Mario Sabogal Aquino
Jefe de Departamento Jos Wlder Herrera Vargas
Programa de Complementacin Acadmica Docente
Director Jos Maqun Castro
Equipo de trabajo
Edicin y diagramacin Jos Gmez Cumpa
Equipo Docente Csar Cardoso Montoya, Jos Gmez
Cumpa, Nelly Gutirrez Piedra, Wlder
Herrera Vargas, Manuel Oyague Var-
gas, Miguel Ramos Bazn, Julio Sevilla
Exebio

Fondo Editorial Universitario
FACHSE, UNPRG
Primera Edicin, julio del 2003
Telefax: (074) 235566
e-mail: jgomez@fachse.edu.pe pcad@fachse.edu.pe
Web site: www.fachse.edu.pe/pcad.html
Av. Leonardo Ortiz 434, Chiclayo

Impresin: Fondo Editorial Universitario, Lambayeque, Per

Tiraje: 3000 ejemplares
FACULTAD DE CIENCIAS HISTRICO SOCIALES Y EDUCACIN
Fundamentos de Investigacin Pedaggica 3

Introduccin


Paradigmas de la investigacin pedaggica
1. El maestro y la investigacin: Dos puntos de discusin
La primera distincin hace referencia al oficio del maestro. O se es maes-
tro o se es investigador o se es investigador y maestro o se es maestro
investigador. Un primer punto por aclarar es el relacionado con la diferen-
cia de aquellos que se dedican a la investigacin educativa, pedaggica o
didctica, de aquellos que se dedican a la innovacin, a la creacin de
teora y a la solucin de problemas. De Tezanos (1998:12) contribuye a
aclarar el debate: Los que tengan como oficio la investigacin tendrn
como propsito el explicar, analizar, e interpretar los procesos que dan
cuenta de lo educativo, lo pedaggico o lo didctico. Al analizar e interpre-
tar estos procesos, el maestro contribuye a la produccin de conocimiento.
Los que tengan como oficio el ensear, su camino innovativo contribuye,
en el mbito de lo pedaggico o lo didctico, a la construccin de saber
pedaggico. Este punto marca el lmite y las distinciones entre los dos ofi-
cios: el de investigar y el de ensear. Los lmites entre el oficio de investi-
gar, el oficio de ensear y el oficio de formar se hacen difusos. La segunda
distincin hace referencia a los resultados y usos de la investigacin. Es
necesario aclarar si el maestro debe construir conocimientos propios o es
mero usuario del conocimiento de otros. La actividad investigativa, con
escasas excepciones, ha sido desarrollada por profesionales externos a la
educacin con orientacin de temticas y metodologas ajenas a la peda-
goga. Un caso pattico es la confusin de las temticas investigadas por
la sicologa y aquellas investigadas por la pedagoga.
2. Grandes paradigmas de investigacin educativa
Los paradigmas (Kuhn, 1975) son realizaciones cientficas universalmente
reconocidas que durante cierto tiempo proporcionan modelos de proble-
mas y soluciones a una comunidad cientfica. Cada comunidad cientfica
comparte un mismo paradigma y cuando lo replantea entra en crisis y es
cuando se da la revolucin cientfica. El ciclo repetitivo de ruptura y acep-
tacin de nuevos paradigmas es lo que genera el conocimiento cientfico.
Contrario a Kuhn, Popper en Bsqueda sin Trmino (1994:178) explica el
progreso de la ciencia no por rupturas sino por una continua supresin de
errores y ulteriores ensayos; son los conceptos de falsacin en el contexto
darwiniano de la epistemologa evolucionista del conocimiento. "Toda dis-
cusin cientfica comienza con un problema (P1) al que ofrecemos algn
punto de solucin tentativa -una teora tentativa (TT); esta teora es enton-
ces sometida a crtica, en un intento de eliminacin de error (EE); y, como
en el caso de la dialctica, este proceso se renueva a s mismo: la teora y
su revisin crtica dan lugar a nuevos problemas (P2). Lakatos (1975) sos-
tiene que en la prctica coexisten paradigmas distintos sin producirse
abandono ni muerte del paradigma anterior. Por ejemplo, el paradigma de
la psicologa cognitiva complementa el paradigma conductista. La fsica de
Newton sobrevive para muchos propsitos junto con la de Einstein.
El debate se genera desde los fundamentos filosfico-epistemolgicos de
los paradigmas vigentes aplicados a la educacin. La disputa ms notoria
es la del empirismo frente al racionalismo, objetivismo frente a subjetivis-
mo, realismo frente a idealismo. Los empiristas clsicos sostienen que al
conocimiento cientfico se llega por induccin. Los idealistas y los neo-
positivistas abogan por la deduccin y exigen la verificacin mediada por la
observacin a travs de ciertas reglas de correspondencia entre el dato y
la teora. Histricamente, los debates filosfico-cientficos han adoptado
diversas nominaciones: investigacin nomolgica, investigacin ideogrfi-
ca, investigacin etnometodolgica, investigacin experimental, investiga-
cin naturalista. Tambin se habla de mtodos cuantitativos, lineales, obje-
tivos, empricos, analticos, estadsticos, predictivos, discursivos, explicati-
vos, positivos, por un lado, y de mtodos cualitativos, cclicos, subjetivos o
intersubjetivos, intuitivos, narrativos, interpretativos, fenomenolgicos,
comprensivos, naturalsticos y crtico-reflexivos, por otro lado. Habermas
tambin hace su propia clasificacin: en el paradigma crtico convergen
tres racionalidades segn intereses humanos: tcnico, prctico y emanci-
patorio. El tcnico es propio de las ciencias emprico-analticas que acuden
a la investigacin explicativa. El prctico es propio de las ciencias herme-
nuticas que acuden a la investigacin comprensiva. El emancipatorio es
propio de las ciencias sociales y educativas que acuden a la autoreflexin
crtica. Es difcil establecer lmites tajantes, en cambio de encontrar clari-
dad, a veces se acenta la confusin.
Parece que todo el discurso investigativo, ya sea por el lado de los enfo-
ques, o por el lado de los mtodos, o por el lado de las tcnicas est car-
gado de confusiones y malos entendidos. Aqu se cumple la metfora de
la tierra de nadie muy bien planteada por Clifford Geertz en su artculo
sobre Gneros Confusos para esbozar el giro cultural de la refiguracin del
pensamiento social. A propsito de los gneros confusos, una de las ver-
dades sobre las ciencias sociales es que en aos recientes ha habido una
enorme mezcla de gneros en la ciencia social, as como en la vida inte-
lectual en general y que tal confusin de clase contina todava (Geertz,
1992: 63). Muchos cientficos sociales han dado el giro de la explicacin
de leyes y ejemplos hacia la bsqueda de casos e interpretaciones. Por su
parte, las humanidades han girado hacia la comprensin de fenmenos
fsicos. La confusin de gneros se percibe en todos los campos, los
ejemplos de Geertz son muy ilustrativos: las investigaciones filosficas
parecen crticas literarias; las discusiones cientficas se asemejan a frag-
mentos de bellas letras, fantasas barrocas se presentan como observa-
ciones empricas inexpresivas; aparecen historias que consisten en ecua-
ciones y tablas o en testimonios jurdicos; parbolas que pasan por ser
etnografas; tratados tericos expuestos como recuerdos de viaje, etc. y
termina Geertz diciendo que lo nico que falta es teora cuntica en verso
o biografa expresada en lgebra
La literatura ms reciente sobre investigacin educativa coincide en sea-
lar slo tres paradigmas fundamentales: positivista, interpretativo y crtico-
reflexivo. Adems de estos tres paradigmas, ltimamente se menciona el
paradigma emergente sustentado por diversos autores, entre ellos Guba,
1982; Howe, Kenneth 1988. Reichardt, Ch y Cook, T.D (1986). El para-
digma emergente, an en proceso de construccin es una posibilidad de
integracin con caractersticas propias.
Dentro de cada paradigma, arriba mencionados, se construyen tipos de
diseo y formas en las que cada uno concibe la realidad mediata e inme-
diata. Cada uno de ellos presenta limitaciones. Esto ha provocado lo que
podra ser la emergencia de uno nuevo al que algunos autores denominan
paradigma del cambio. Se caracteriza por la utilizacin de los tres anterio-
res. Se asume la posibilidad de llegar a una sntesis dialctica entre mto-
dos cuantitativos y cualitativos considerndolos no como opuestos sino
complementarios. Propugna la necesidad de no limitarse a explicar y com-
prender el fenmeno educativo, sino que adems debe introducir cambios
encaminados a mejorar el sistema. Centra su objetivo en la aplicacin de
los conocimientos para transformar la realidad.(Bisquerra, 1989:52).
Actualmente se reconoce la necesidad de explicitar formas de complemen-
tariedad de diversas modalidades de investigacin. Las posiciones mu-
tuamente excluyentes, ya no reclaman ser la nica va hacia el conoci-
miento cientfico. Cada vez ms se aprecian acercamientos entre para-
digmas y mtodos. Si bien, cada uno de ellos ostenta fortalezas y debilida-
des, objetos y mtodos propios, marcos conceptuales diversos, campos de
accin especficos, y tcnicas de observacin y anlisis excluyentes, la
sntesis multimetodolgica aumenta credibilidad. Cook y Reichardt
(1986:52) se anticipan a asegurar que la prxima generacin (refirindose
al campo de la evaluacin educativa) de
investigadores ser beneficiada en todas las tradiciones. "estos investiga-
dores podrn emplear la ms amplia gama posible de mtodos y sin cica-
teras acomodarn las tcnicas a los problemas de la investigacin.
Aprendern nuevos modos de combinar los mtodos y de reconciliar des-
cubrimientos discrepantes sin rechazar arbitrariamente, un grupo a favor
de otro". La modestia en las afirmaciones ser una caracterstica de los
investigadores. La desventaja de un mtodo no ser causa para abando-
narlo sino un reto para superarlo. La tarea no ser fcil pero vale la pena
asumirla.
En la actual bsqueda de complementariedad y sntesis sobre las formas
de racionalidad o de adquisicin y uso del conocimiento participa tambin
Habermas. Cada mtodo cientfico tiene su propia validez frente al cono-
cimiento. Habermas critica tanto la exclusividad positivista propia de las
ciencias exactas y naturales como tambin la orientacin hermenutica
interpretativa, fenomenolgica de las ciencias humanas y sociales para
acercarse al conocimiento. Estas exclusividades estn ligadas a intereses
humanos as sean tcnicos, prcticos o emancipatorios. Estos intereses
reclaman diferentes formas de racionalidad para poder construir las cien-
cias.
Kemmis y Mactaggart (1988: 9-10) presentan una gua para que las pro-
pias comunidades educativas propongan cambios en el aula y en la escue-
la mediante la utilizacin de mtodos de investigacin accin. Las comuni-
dades no slo pueden mejorar aquello que hacen sino tambin su com-
prensin de lo que hacen. La investigacin-accin es una forma de inda-
gacin introspectiva colectiva emprendida por participantes en situaciones
sociales con objeto de mejorar la racionalidad y la justicia de sus prcticas
sociales o educativas, as como su comprensin de esas prcticas y de las
situaciones en que stas tienen lugar. De esta manera, la investigacin
accin educativa pretende crear teora educativa generada por los mismos
maestros en su cotidianidad a partir de la comprensin, la reflexin y la
accin. La accin participativa de los sujetos se coincidiera como una pra-
xis en la que teora y prctica se unen en la accin para generar el cambio.
La investigacin-accin es una tradicin que aplicada al aula y a la escuela
puede ayudar a los maestros y dems actores a solucionar sus problemas.
Tiene sustento metodolgico porque busca explicaciones o causas de los
hechos estudiados, para poder actuar sobre ellas. En esto ayudan las tra-
diciones cualitativas predominantemente hermenuticas o interpretativas,
tanto como las que tienen pretensiones explicativas ms all de la interpre-
tacin.
La fundamentacin de la investigacin accin educativa y la concepcin de
profesor investigador en los estudios curriculares se debe en gran parte a
Stenhouse (1993) y a sus alumnos Elliott y Ebutt (1994). Ellos fundamen-
tan la conveniencia de aplicar la investigacin accin en educacin y con-
cretamente su proyeccin prctica en el aula como instrumento para el
desarrollo profesional de los profesores. Una tendencia clara en la forma-
cin de docentes es procurar que ellos puedan reflexionar profundamente
sobre la prctica de la educacin a partir de la comprensin de los proble-
mas que los rodean donde los alumnos tambin son participantes activos.
La dinmica cambiante de la enseanza actual, cruzada por innovaciones
tecnolgicas requiere el continuo desarrollo de teoras en la accin y para
esto, la investigacin-accin es un paradigma disponible.
3. Investigacin Pedaggica o investigacin educativa?
Una primera aclaracin de conceptos es tomada de Restrepo (1997: 41):
La Investigacin en educacin abarca toda investigacin relacionada con
el rea; la investigacin sobre educacin es la investigacin hecha desde
las llamadas ciencias de la educacin sociologa, economa, antropolo-
ga, sicologa, filosofa y educacin comparada- y que de alguna manera
abordan problemas del rea ; y La investigacin educativa que tiene por
objeto primordial la educacin en s, desde dentro de la disciplina.
La investigacin educativa se ha desarrollado a partir de la aplicacin del
mtodo cientfico al estudio de problemas pedaggicos. Los modos de
abordar la produccin de conocimiento educativo (acerca de la escuela, la
enseanza y la formacin) son coherentes con los que desarrollan las dife-
rentes tradiciones metodolgicas propias de las disciplinas cientficas que
hasta empezar la dcada de los ochenta fueron ajenos a la pedagoga. Ary
y otros (1990:21) afirman que cuando el mtodo cientfico se aplica al
estudio de problemas pedaggicos el resultado es la investigacin educa-
cional. Por sta se entiende un medio de adquirir informacin til y confia-
ble sobre el proceso educativo. Travers (citado por Ary y otros) define la
investigacin educacional como: Una actividad encaminada a la creacin
de un cuerpo organizado de conocimientos cientficos sobre todo cuanto
interesa a los educadores. Tiene por objeto descubrir los principios gene-
rales o las interpretaciones del comportamiento que sirven para explicar,
predecir y controlar los eventos en situaciones educacionales, o sea, se
propone elaborar una teora cientfica.
La investigacin educativa vigente en las ltimas dcadas ha evolucionado
a partir de grandes vertientes de accin. Cada una de ellas privilegia cam-
pos de accin, temas especficos de preocupacin, formas de indagacin y
tratamiento de problemas con miras a definir y diferenciar su objeto y m-
todo propio. Ninguna otra disciplina tiene la capacidad de abordar y expli-
car los acontecimientos presentes en el acto de ensear y de formar; ste
es oficio de maestros. Lo pedaggico es el terreno propio de los maestros
puesto que est estrechamente vinculada a las maneras de ensear y de
formar. Siglos atrs, Comenio, Pestalozzi, Herbart y muchos otros grandes
pedagogos haban dicho que el objeto central de la pedagoga es el mto-
do de enseanza y formacin, as como las estrategias, mtodos, institu-
ciones y sujetos relacionados con ellos.
La idea de universidad investigativa, inspirada en la Universidad alemana
de Berln, dirigida y enriquecida por Humboldt y otros pensadores univer-
sales, ayuda a la comprensin de lo que significa la investigacin pedag-
gica. En un ambiente educativo, profesores y estudiantes se dedican priori-
tariamente a la investigacin como sustento primero para el progreso de la
ciencia. (Mller de Ceballos, 1995:9). La tarea de la universidad no es
meramente docente, es decir, la transmisin de los conocimientos cientfi-
cos por medio de textos y currculos preestablecidos, sino investigativa: la
comunicacin de los resultados de la investigacin, en la cual participan
los alumnos que a su vez se educan en el proceso, o sea que la investiga-
cin en s es un proceso pedaggico.
4. Pedagoga Experimental: Gnesis de la Investigacin Pedaggica.
En primer lugar, pedagoga experimental significa estudio emprico cuanti-
tativo. La expresin investigacin educativa se ha usado indistintamente
por pedagoga experimental. En los primeros decenios de este siglo la
pedagoga experimental fue para algunos la ciencia de la educacin (De
Landsheere, 1996:13) pero hoy, la primera expresin tiene un significado
ms amplio. Una definicin clsica de investigacin experimental con su
gnesis en las ciencias naturales y aplicada luego a las ciencias sociales
y del comportamiento es la que ocurre cuando el investigador introduce
alteraciones en una o ms variables con miras a observar cambios con-
comitantes en una u otras. Los diseos de este tipo pueden ser pre-
experimentales, experimentales puros o cuasi-experimentales. Por expe-
rimento entendemos aquella parte de la investigacin en la cual se mani-
pulan ciertas variables y se observan sus efectos sobre otras. (Campbell y
Stanley, 1978:9). Kerlinger (1975:81) atribuye cuatro requisitos al verdade-
ro experimento: el error tiende a reducirse a cero, se manipula por lo me-
nos una variable, se asla una situacin de la rutina de la vida diaria para
eliminar influencias extraas, asignacin aleatoria de sujetos. Estos auto-
res clarifican que en las ciencias sociales ellos no estudian el diseo expe-
rimental dentro de la tradicin del laboratorio en la cual el experimentador,
con pleno
dominio de la situacin, programa tratamientos y mediciones y ejerce con-
trol mximo a fin de lograr la mejor eficiencia estadstica.
En las ciencias sociales, la educacin y la pedagoga los diseos se flexibi-
lizan y complejizan en la medida que el ambiente natural tambin es flexi-
ble y complejo. Esta circunstancia impide que el investigador ejerza poder
absoluto sobre la situacin y es un punto clave en el debate sobre la vali-
dez de los resultados. En sus orgenes, que se remontan a casi un siglo en
Francia, Alemania, Inglaterra y Estados Unidos, la pedagoga se planteaba
el objetivo de encontrar nuevos mtodos de enseanza mediante el expe-
rimento. Aunque esta realizacin contribuy a una comprensin ms pro-
funda del proceso docente, situaba al nio fuera del contexto social. En la
mayora de los casos los experimentos se realizaban en condiciones artifi-
ciales, y daban los resultados que convena a las clases dominan-
tes.(Konstantinov, Medinski y Shabaeva, 1974:144). Al fin y al cabo, no
existe fenmeno educativo alguno que no est vinculado a las contingen-
cias econmicas, sociales y polticas.
La pedagoga experimental no es la excepcin pues como las dems cien-
cias, por mucho tiempo estuvo ligada a la industrializacin y a las fluctua-
ciones de la civilizacin occidental. El mtodo de test que pretende ser una
prueba objetiva para medir las dotes intelectuales fue uno de los puntos
que abri el debate entre los lmites de la sicologa y la pedagoga y desde
el punto de vista poltico se aseguraba que stos servan para diferenciar
los nios pobres de los ricos. Esta fue una de las razones por las cuales se
rechaz la aplicacin de pruebas para seleccionar a los ms aptos y ga-
rantizarles el ingreso a la educacin tanto por parte de las clases obreras
en los pases socialistas como por el lado de las clases dominantes en los
pases capitalistas.
El mtodo cientfico en el campo pedaggico ha sido cuestionado por ca-
recer de un cuerpo unificado de teora. No obstante, se acepta que ha en-
riquecido la prctica escolar en aspectos relacionados con el estudio del
nio, su crecimiento y desarrollo en las diferentes edades, la educacin
sensorial, la atencin, la memoria, la inteligencia, los mtodos de ense-
anza, la correlacin de factores asociados al aprendizaje, la cognicin,
entre otros. A pesar de las barreras que todava se oponen a la aplicacin
de los resultados de la investigacin educativa, a pesar de la carencia cr-
nica de financiamiento y a pesar de la dificultad de instalar un espritu
abierto a la investigacin en la profesin de docente, parece que, desde
que se est en busca de la creacin de una ciencia de la educacin, en los
aos setenta la investigacin educativa est cada vez mejor preparada
para resolver los problemas que subsisten. (Jonich, 1971:525, citado por
De Landsheere, 1996:388). Esta cita muestra que el impacto de los resul-
tados de la pedagoga experimental es cada vez ms prometedor para el
maestro y la escuela.
Zuluaga (1988:10) rescata la experimentacin al interior de los procesos
educativos: La pedagoga es la disciplina que conceptualiza, aplica y ex-
perimenta los conocimientos referentes a la enseanza de los saberes
especficos en las diferentes culturas. Se refiere tanto a los procesos de
enseanza propios de la exposicin de las ciencias, como al ejercicio del
conocimiento en la interioridad de una cultura. La investigacin de los
objetos de la pedagoga puede llevarse a cabo, terica, experimental y
tecnolgicamente. (Restrepo, 1997:88-89) puntualiza que la pedagoga
experimental se focaliza en la comprobacin experimental de los efectos
de los mtodos de enseanza y formacin. Especial atencin ha dedicado
en las dos ltimas dcadas a la enseanza o enseabilidad de las ciencias
y de los saberes en general, construyendo teoras sustentadoras de los
mtodos y de la prctica pedaggica para llevarlos a efecto. La investiga-
cin pedaggica pone en prctica los constructos de la pedagoga terica
y de la sicologa del aprendizaje. Restrepo contina diciendo que "La in-
vestigacin pedaggica experimental ensaya y valida propuestas tericas
y diseos de estrategias de intervenciones pedaggicas para determinar
su efectividad en pos del mejoramiento de la educacin. Podra hablarse
de investigacin clsica rigurosa desde fuera y experimentacin prctica o
desde dentro, esto es, acompaada de comprensin hermenutica para
hacer explcito el conocimiento tcito de la prctica pedaggica efectiva".
A diferencia de la pedagoga experimental, la investigacin terica se pue-
de estudiar al exponer y comprender la evolucin de los mtodos en su
decurso histrico atendiendo a su fundamentacin, meta, objetivos, eva-
luacin, estructura y secuencia de pasos implementados en la prctica
pedaggica. La investigacin terica tambin puede desarrollarse recupe-
rando la prctica pedaggica en diversas etapas, pocas y momentos de
la educacin. As mismo puede desarrollarse desde el punto de vista epis-
temolgico. La investigacin del objeto tecnolgico, orientado un poco ms
hacia la aplicacin de los avances y resultados de la ciencia, se refiere al
diseo, construccin y validacin de prototipos de tecnologa educativa y
de objetos didcticos. Se refiere concretamente al campo de la investiga-
cin y desarrollo; es la construccin primera o mejoramiento de objetos,
materiales, procedimientos y mtodos educativos mediante la utilizacin
sistemtica de los resultados de la investigacin previa, bsica y aplicada.
A este tipo de investigacin pertenece el desarrollo sofisticado de software
educativo, laboratorios simulados, tecnologas especializadas para la en-
seanza de conceptos complejos y ltimamente el aprendizaje virtual, el
ciberespacio y las redes electrnicas de informacin y comunicacin. Tan-
to la investigacin en pedagoga experimental como la terica y la tecnol-
gica cuentan con lneas de accin y proyectos especficos.
En este ejercicio, los sujetos objetivan su quehacer y toman distancia del
mismo para dar paso al proceso de crtica y autocrtica, requisitos sustanti-
vos a la construccin de todo tipo de conocimiento en la comunidad cient-
fica. La escuela, el colegio, la universidad como instituciones privilegiadas
del saber constituyen en s mismas campos naturales de experimentacin.
Pero la palabra experimentacin ha tenido una larga historia en el lengua-
je acadmico y cientfico. De acuerdo con el artculo de Zuluaga y com-
plementado con los aportes de otros autores citados en este referente,
especialmente Vasco (1996) y Escobedo (1996) se pueden extraer algu-
nos criterios que nos ayudan a comprender qu es y que no es experimen-
tacin; qu permite y qu no permite, qu facilita y qu no facilita este tra-
segado tema:
En cuanto al no: La experimentacin, en la perspectiva de la pedagoga
actual, no se concibe en los trminos lineales en donde A incide en B, ni
como algo que un profesor tiene para ensayar artificialmente en el aula o
con un grupo especial. Tampoco se pretende una visin empirista y ateri-
ca, visin rgida, algortmica, exacta e infalible. El mtodo cientfico no se
presenta como un conjunto de etapas a seguir mecnicamente. No supone
un tratamiento cuantitativo, control riguroso, olvidando todo lo que significa
invencin, creatividad, duda. No se trata de que los maestros tomen el rol
de espectadores desinteresados frente a los proyectos ajenos en espera
de los resultados. No se trata de un paradigma estable en el sentido ex-
puesto por Kuhn donde hay una comunidad que apropia pasivamente un
saber y lo legitima sin experimentarlo ni producir escritura, crtica y formas
nuevas de recrear un conocimiento. La experimentacin coherente con la
epistemologa piagetiana no puede ser ni tan diseada ni tan controlada, ni
tiene que desarrollarse necesariamente en el medio escolar. No se trata de
preparar un experimento sin defectos para mostrarle al alumno que la teo-
ra es verdadera.
En cuanto al s: La experimentacin conserva su carcter de instrumento
de contrastacin de teoras para construir conocimiento vlido y aceptable
por las comunidades cientficas y acadmicas. La experimentacin facilita
la reconceptualizacin y la escritura de lo que se est haciendo, de la ex-
periencia acumulada y reflexionada. La escritura es una prctica intelectual
del maestro. En el campo de la experimentacin, los docentes cumplen un
ciclo que va desde observar, ensayar, analizar, interpretar, comprobar hi-
ptesis y generar teoras.
Se trata de romper las barreras entre el observador y el observado, entre
el investigador y el investigado, entre reformadores y reformados, entre
investigar y ensear, entre espectador pasivo y participante activo en rela-
cin con el saber. Sin experimentacin se corre el riesgo de volvernos
consumistas de modelos ajenos. La experimentacin permite insertarse en
el proceso de produccin de conocimientos y de investigacin.
En la reconstruccin del pensamiento pedaggico a travs de la experi-
mentacin se encuentran Dewey, Claparde, Herbart, Pestalozzi; Montes-
sori, Piaget. Ellos han dejado huella sobre la manera de construir conoci-
miento. Ellos crearon escuelas y pusieron a prueba sus teoras y sus m-
todos. La experimentacin permite reconstruir y validar los elementos to-
dava vigentes del saber acumulado a lo largo de la historia de la humani-
dad.
La experimentacin permite reconstruir y validar los elementos todava
vigentes de los antecesores en otros tiempos y en otros contextos geogr-
ficos. El profesor Federici imagina el camino lleno de curvas, de retroce-
sos, de desvos intiles que sigui la humanidad para llegar hasta un de-
terminado concepto.
Para l, la misin del profesor es la de permitir al alumno que, tal como
tuvieron oportunidad de hacer los cientficos, siga su propio camino, pero
debe lograr que, sin sacarlo de l ni imponerle un camino ajeno, el camino
que siga tenga el menor nmero de vueltas posible. Se trata, pues, de in-
fluir en el trazado del camino, y no de imponer un camino. (Citado por
Escobedo, 1996:187-211).

El esquema de investigacin

a) El problema de investigacin
Si la investigacin cientfica es un automvil, el combustible que la alimenta son los hechos.
Pero lo que la pone en marcha no es un hecho sino un problema y, obviamente, nuestra
intencin por resolverlo. Lewis Carroll, en "Alicia en el pas de las maravillas", hace decir a
uno de sus personajes que "como no tena respuesta para ninguno de sus problemas, el
modo de formularlos no importaba demasiado". Pero en nuestro caso s interesa cmo
plantearemos el problema, ya que pretendemos resolverlo. La importancia de formular
correctamente un problema ya fue destacada por Claude Bernard, cuando dijo que el expe-
rimentador que no sabe lo que est buscando, no comprender lo que encuentra.
El problema a solucionar debe ser formulado en forma lo suficientemente concreta como
para que pueda ser resuelto efectivamente por la va cientfica (solucionable cientficamen-
te), y lo suficientemente clara como para saber qu datos buscar para resolverlo.
As, el problema de si Dios existe o no, no es lo suficientemente concreto pues no hay i n-
vestigacin cientfica que pueda resolverlo, siendo mas bien un problema filosfico. Asimis-
mo, el problema de si el perro del comisario ladra o no, adems de ser un problema coti-
diano y no cientfico, no es lo suficientemente claro ya que no especifica si el comisario
"tiene" un perro o si el comisario "es" un perro, con lo cual no sabremos qu datos buscar
para resolverlo: si los datos sobre el perro o los datos sobre su dueo.
Del mismo modo, no podemos decir simplificadamente "voy a investigar el problema de la
droga". Esta es una afirmacin ambigua que puede apuntar tanto al problema de cules son
las causas de la drogadiccin como al problema de cmo fabricar droga sin que se entere la
polica. En cambio, problemas bien planteados son por ejemplo: qu incentiva el rendi-
miento escolar?, o influye la educacin recibida sobre la ideologa poltica de las perso-
nas? Se trata de problemas solucionables y donde sabemos qu tipo de informacin buscar
para resolverlos.
b) El esquema de investigacin
Una vez formulado adecuadamente el problema (y si es en forma de pregunta tanto mejor),
procedemos ahora a trazarnos un esquema de investigacin para resolverlo. Un esquema
de investigacin es un plan que hacemos para recolectar y analizar los datos combinndo-
los entre s, con la intencin de hallar una respuesta al problema de la forma ms sencilla y
econmica posible. Esta exigencia de simplicidad no debe hacernos pensar que un esque-
ma de investigacin se pueda cumplir en horas o das: habitualmente una investigacin lleva
meses y aos, pero ello es debido a que el problema a resolver no es tan sencillo, o tambin
a la magnitud de la exigencia del rigor para resolverlo.
Como ejemplo tomemos el siguiente problema: porqu en ciertos barrios hay mayor ndice
de drogadiccin que en otros? Para resolverlo, trazamos un esquema de investigacin que
deber incluir las siguientes operaciones: a) recolectar datos, lo que hacemos en base a
censos, informes policiales o sanitarios, o en base a cuestionarios que el mismo investiga-
dor puede administrar. Al mismo tiempo contaremos qu porcentaje de drogadictos hay en
cada barrio y, si sospecho que la drogadiccin puede deberse a un menor control policial o
a la existencia de familias desavenidas, tambin buscar datos referentes a cuntos agen-
tes policiales hay en cada barrio o qu porcentaje de familias desunidas hay en ellos. El
problema planteado es adems lo suficientemente claro como para saber que no me intere-
sarn datos, por ejemplo, sobre la periodicidad de las manchas solares; b) analizar los datos
recolectados combinndolos entre s mediante tablas o grficos. La lectura de alguna de
estas tablas me podr sugerir, por ejemplo, que a medida que aumenta el control policial en
un barrio, disminuye su ndice de drogadiccin; c) hallar una respuesta al problema del
modo ms sencillo posible. Efectivamente, encontr como respuesta que el ndice de dro-
gadiccin depende de la mayor o menor presencia policial, y para encontrarla, recurr a un
procedimiento sencillo que economiza tiempo, esfuerzo y dinero: en lugar de estudiar todos
los barrios tom solamente algunos que supongo son una muestra representativa y luego,
en vez de hacer yo mismo un censo (que sera caro y trabajoso), me bas en censos ya
realizados oficialmente y que supongo confiables.
c) Tipos de esquemas de investigacin
Existen distintos tipos de esquemas de investigacin, que los podemos clasificar segn
cuatro criterios: segn la fuente de los datos, segn el lugar donde investigamos a los suj e-
tos, segn el grado de control ejercido sobre las variables, y segn su propsito o finalidad.
TIPO DE PROYECTOS DE INVESTIGACIN
Segn datos: con datos primarios
con datos secundarios
Segn lugar: de laboratorio
de campo
Segn control: no experimental (ex-post-facto)
experimental
Segn fin: exploratorio
descriptivo
explicativo
Segn la fuente de donde obtiene los datos, el esquema de investigacin podr contar con
datos primarios o con datos secundarios (o ambos). Los primeros son aquellos obtenidos
directamente por el investigador de la realidad mediante la simple observacin o a travs de
cuestionarios, entrevistas, tests u otro medio. Si este procedimiento resultare costoso o
exigiese mucho esfuerzo, el investigador podr basarse en datos secundarios, que son
aquellos que fueron obtenidos por otras personas o instituciones, tales como censos, etc.
Siempre convendr este ltimo recurso, salvo que uno tenga buenas razones para descon-
fiar de ellos, o que directamente no estn disponibles.
Segn el lugar donde investigamos a los sujetos, el esquema de investigacin puede ser de
laboratorio o de campo. Investigacin de campo no significa investigacin rural, sino una
investigacin donde estudiamos a los individuos en los mismos lugares donde viven, traba-
jan o se divierten, o sea, en su hbitat natural. Si quiero saber cmo influye l a televisin en
la educacin infantil utilizar datos sobre nios que ven (o no) televisin en sus hogares.
Jams se me ocurrira encerrar durante meses o aos a varios nios en un laboratorio
mirando televisin, para ver como evoluciona su educacin. Del mismo modo, tampoco se
me ocurrira provocar un terremoto en una habitacin para ver cmo reacciona la gente all
ubicada (salvo que invente un sofisticado sistema de simulacin de sismos, pero esto ya
sera costoso): slo puedo encarar este estudio a travs de una investigacin de campo, o
sea en el lugar natural donde estos fenmenos ocurren.
La investigacin de laboratorio, como vemos 'saca' a los sujetos de sus lugares naturales,
los 'asla' de su entorno llevndolos a un lugar especial, el laboratorio, y que no necesaria-
mente debe tener azulejos o probetas. Un ejemplo de laboratorio en psicologa es la cmara
Gesell, o habitacin donde por ejemplo se deja jugar libremente a los nios mientras estu-
diamos sus reacciones a travs de un vidrio que permite verlos, sin que ellos puedan adver-
tir la mirada del investigador. En la investigacin de laboratorio el investigador est presente
atendiendo casi continuamente lo que sucede con las personas. A veces basta esto para
que, aunque la investigacin transcurra en los lugares naturales, sea una investigacin de
laboratorio (esto significa que el cientfico, en lugar de sacar a las personas de sus casas
llevndolas al laboratorio, ha directamente montado el laboratorio en la casa de las perso-
nas). En la investigacin de campo, en cambio, el cientfico no tiene en general una presen-
cia permanente (salvo que aplique la tcnica de la observacin participante), limitndose a
recoger datos en forma ms o menos peridica en los sitios de residencia.
Cierto tipo de investigaciones se prestan para planificarse indistintamente como de laborato-
rio o de campo. As, si queremos saber cmo influyen los ruidos sobre el estrs, tenemos
dos alternativas: a) llevar dos grupos de personas a un lugar especial aislado, donde some-
temos a uno a ruidos fuertes y al otro a ruidos dbiles, midiendo luego en ambos el estrs
resultante (investigacin de laboratorio); b) medir directamente el estrs en personas que
viven en lugares de mucho ruido y en lugares de poco ruido, para evaluar la diferencia
(investigacin de campo).
Segn el grado de control ejercido sobre las variables, el esquema de investigacin podr
ser no experimental o experimental. Frente al problema de las causas del estrs, pueden
suceder dos cosas: a) que no tengamos ninguna idea acerca de los factores que lo generan,
en cuyo caso recolectar muchos datos sobre diversas personas estresadas y no estresa-
das sin controlar ninguna variable en especial como podra ser el sexo, la edad, la ocupa-
cin, los ruidos o la humedad. Se trata de una investigacin no experimental; b) puede
suceder que s tengamos una fuerte sospecha sobre cierto factor -por ejemplo los ruidos-,
en cuyo caso har intervenir solamente ese factor procurando hasta donde sea posible
controlar la influencia de las otras variables, las cuales, a pesar de tambin poder influr
causalmente sobre el estrs, son ajenas al propsito del experimento. Como luego veremos
en otro captulo, podemos neutralizar la influencia de la variable edad tomando individuos al
azar, lo que asegurar una gran heterogeneidad en cuanto a edades. De hecho, si hubira-
mos tomado a todos los sujetos con la misma edad, hubiese persistido la duda de si el
estrs el producido por el ruido o por la edad.
Cuando, como en este ltimo caso, controlamos la influencia de variables, estamos ante
una investigacin experimental, la cual puede adoptar, indistintamente, la forma de una
investigacin de laboratorio o de una de campo. En cambio, los estudios no experimentales
son mas bien de campo y por lo regular no provocamos nosotros el fenmeno a estudiar
sino que debemos esperar a que l ocurra espontneamente. Precisamente, otra distincin
frecuente entre los procedimientos experimentales y los no experimentales apunta a esta
ltima cuestin. En las investigaciones no experimentales debemos esperar a que ocurra el
fenmeno para luego estudiarlo, y por ello se las llama tambin investigaciones ex-post-
facto (despus de ocurrido el hecho). No es costumbre provocar la drogadiccin para estu-
diar luego sus consecuencias, as como tampoco se suele provocar un plenilunio (luna
llena) para ver cmo influye sobre el comportamiento criminal de las personas.
Segn la finalidad que persiga el cientfico, las investigaciones pueden ser exploratorias,
descriptivas y explicativas. En torno a este importante criterio articularemos nuestra exposi-
cin, sobre todo porque esos "tipos" de investigacin son esencialmente "etapas" cronolgi-
cas de la misma, y por lo tanto recorrer estas etapas nos permitir comprender cmo proce-
de el cientfico cuando indaga y piensa la realidad. Cualquier investigacin comienza siem-
pre con una etapa exploratoria; recin despus se encarar una investigacin descriptiva y
finalmente una explicativa. No se puede hacer un estudio explicativo si antes, uno mismo u
otro investigador no realiz antes un estudio descriptivo, como tampoco podemos iniciar
este ltimo sin que alguien antes haya hecho una investigacin exploratoria. La historia de
la ciencia nos muestra dos cosas: primero, que una de estas etapas puede durar aos y
puede haber quedado "olvidada" hasta que alguien retoma la siguiente etapa; y segundo,
que los lmites entre una y otra etapa no son temporalmente exactos, pudiendo a veces
superponerse.
Las tres etapas persiguen propsitos diferentes: la investigacin exploratoria identifica posi-
bles variables, la investigacin descriptiva constata correlaciones entre variables, y la inves-
tigacin explicativa intenta probar vnculos causales entre variables.
Ms concretamente: en la investigacin exploratoria buscamos informacin sobre algn
tema o problema por resultarnos relativamente desconocido, como por ejemplo la cuestin
de los prejuicios raciales. Este estudio culmina cuando hemos obtenido el conocimiento
suficiente como para hacer un listado de los diferentes factores que suponemos vinculados
con el prejuicio racial, como por ejemplo educacin recibida, religin, zona de residencia,
edad, sexo, filiacin poltica, etc. En la investigacin descriptiva buscaremos correlacionar
estadsticamente cada uno de esos factores con el factor prejuicio racial, y termina cuando
hemos constatado ciertas correlaciones lo suficientemente significativas como para sospe-
char la existencia de un vnculo causal. Por ltimo, en la investigacin explicativa intentare-
mos probar nuestra sospecha anterior, por ejemplo realizando un experimento que me
permita conclur si el o los factores considerados son o no causa de la actitud prejuiciosa
hacia personas de otras razas.
d) Etapas de una investigacin tpica
Esta seccin tiene la nica finalidad de ofrecer una gua prctica para quienes deseen llevar
a cabo una investigacin. Se trata de un plan orientativo referido a una investigacin tpica,
es decir, a un conjunto de pasos o etapas que habitualmente deben cumplirse en la mayora
de las investigaciones que podemos encontrar en las publicaciones cientficas.
Explicaremos brevemente cada etapa utilizando un ejemplo nico: una investigacin que
indague acerca de las relaciones entre estado civil y estado de nimo. Tengamos presente
que, dependiendo de cada investigacin en particular, algunos de los pasos indicados pue-
den saltearse, cambiarse el orden, e incluso volver sobre alguno de los pasos anteriores.
1) Seleccin del tema de investigacin.- El tema de la investigacin es bsicamente la va-
riable dependiente. En nuestro ejemplo, cualquiera de ambas podra serlo: el estado civil
puede depender del estado de nimo (estoy triste por lo tanto me divorcio) o el estado de
nimo puede depender del estado civil (estoy soltero y por lo tanto estoy alegre). En este
paso, por tanto, deberemos decidir cul ser nuestra variable dependiente. Por ejemplo,
elegimos estado de nimo.
2) Formulacin del problema.- El problema se expresa mediante una pregunta, la cual debe-
r ser contestada en la investigacin. Por ejemplo: Existe alguna relacin significativa entre
estado civil y estado de nimo?.
3) Explicitacin del marco terico.- Las variables elegidas han de ser definidas dentro de un
marco terico, que puede ser el mismo o distinto para ambas. Por ejemplo, para definir
estado civil podemos tomar como referencia el Cdigo Civil del pas donde hacemos la
investigacin, mientras que para definir estado de nimo podremos tomar el DSM-IV. Otros
ejemplos de marcos tericos para otras variables pueden ser el psicoanlisis, el cognitivis-
mo, la teora de la gestalt, la teora del aprendizaje de Skinner, etc. En suma, en este caso
se sintetizarn los marcos tericos utilizados, mientras que las definiciones tericas de las
variables se especifican en un paso ulterior (Identificacin, definicin y clasificacin de las
variables).
4) Revisin de investigaciones anteriores.- Emprendemos aqu la ardua tarea de revisar
todo las investigaciones realizadas concernientes a la relacin entre estado de ni mo y
estado civil, para lo cual deberemos recorrer bibliotecas, la red internet, etc. La idea es
hacer una sntesis de todo lo encontrado utilizando solamente los abstracts de las investiga-
ciones encontradas. Tal vez podramos encontrarnos con que nuestra investigacin ya fue
realizada, pero ello no debe desilusionarnos: por lo general nuestra investigacin partir de
muestras diferentes, utilizar otros instrumentos de medicin, etc., lo cual la convierte en
una investigacin original que complementar la ya realizada. En todo caso, en nuestro
informe final consignaremos en qu medida nuestra investigacin coincide o no con los
resultados de otras investigaciones, y qu razones podran dar cuenta de las diferencias.
5) Explicitacin de los objetivos.- Explicamos aqu qu operaciones realizaremos para solu-
cionar el problema que puso en marcha la investigacin, o para abordar algunas cuestiones
colaterales al mismo. Suelen especificarse un objetivo general y objetivos especficos. En
nuestro ejemplo, el objetivo general podra ser probar si existe o no una relacin significati-
va entre estado civil y estado de nimo, y algunas objetivos ms especficos podran ser
revisar las investigaciones recientes sobre el tema, discutir las diferencias encontradas con
otras investigaciones sobre el mismo tema, o examinar la incidencia de las variables edad
y nivel de instruccin en la muestra seleccionada. Notemos que cuando especificamos los
objetivos, siempre habremos de utilizar verbos en infinitivo, puesto que ellos designan ac-
ciones a realizar (probar, revisar, discutir, etc.).
6) Seleccin del tipo de investigacin.- Nuestra investigacin ser de laboratorio o de cam-
po? Experimental o no experimental? Ser un estudio exploratorio, descriptivo, explicativo o
una combinacin de ellos? Ser una investigacin con datos primarios o con datos secunda-
rios? Supondremos que en nuestro ejemplo realizaremos una investigacin de campo,
experimental, descriptivo-explicativa y con datos principalmente primarios.
7) Formulacin de la hiptesis.- La hiptesis puede formularse en forma general y especfi-
ca. La forma general sera existe una relacin significativa entre estado civil y estado de
nimo. Un ejemplo de hiptesis ms especfica sera las personas solteras tienden a sufrir
estados depresivos. En una hiptesis especfica, pueden especificarse varias cosas: el
vnculo entre las variables (en vez de decir existe una relacin entre decimos es la
causa de), alguna categora de alguna variable (en vez de estado civil decimos casa-
do), o alguna dimensin o indicador de alguna variable (en vez de estado de nimo deci-
mos presentan desinters por el mundo exterior). Normalmente, la hiptesis que ser
verificada en la investigacin es la hiptesis general.
8) Identificacin, definicin y clasificacin de las variables.- Qu variables principales estu-
diaremos? Estado civil y estado de nimo. Cmo las definiremos tericamente? Por ejem-
plo, de acuerdo a las definiciones que encontremos, respectivamente, en el Cdigo Civil y
en otras fuentes. Al final, las clasificamos segn diversos criterios: simples o complejas,
manifiestas o latentes, organsmicas o situacionales, etc. Las clasificaciones que no pueden
obviarse son: independiente o dependiente (estado civil ser independiente y estado de
nimo, dependiente), y cualitativa o cuantitativa. Esta ltima clasificacin es importante
porque especifica en qu nivel de medicin las estamos midiendo. Por ejemplo, estado civil
ser una variable cualitativa nominal, mientras que estado de nimo ser una variable
cualitativa ordinal. En principio no tendra mucho sentido clasificar estado civil como ordi-
nal, porque no podemos decir ms casado, algo casado o nada casado.
9) Categorizacin y operacionalizacin de las variables.- Asignaremos categoras a las
variables (para estado civil pueden ser soltero, casado, separado de hecho, divorciado,
juntado, viudo, etc., y para estado de nimo pueden ser muy deprimido, deprimido,
alegre y muy alegre). En cuanto a la operacionalizacin, si las variables son complejas
seleccionaremos dimensiones e indicadores. Dimensiones de estado de nimo podran ser
manifestaciones fsicas y manifestaciones psquicas, y sus respectivos indicadores, pos-
tura corporal e inters por el trabajo. Como estado civil es una variable simple, selecci o-
naremos un solo indicador. Por ejemplo, aquello que nos responde el sujeto cuando le
preguntamos por su estado civil.
10) Seleccin de la poblacin.- Especificamos la poblacin que queremos estudiar. Por
ejemplo, todas las personas entre 20 y 60 aos que vivan en la ciudad de Chiclayo. Por lo
tanto, nuestra unidad de anlisis sern personas (y no por ejemplo grupos o familias).
11) Seleccin de la tcnica de muestreo.- Podramos elegir una muestra de tipo probabilsti-
co: elegimos al azar una cierta cantidad de nmeros telefnicos. Hay otros procedimientos
menos aconsejables porque no son aleatorios, como elegir a las personas que conocemos
de nuestro entorno (familiares, amigos, vecinos, etc.). Es estos casos la muestra estar
sesgada por nuestras preferencias y por un determinado estrato social o zona geogrfica.
12) Seleccin del tipo de diseo.- Como estamos suponiendo que nuestra investigacin es
explicativa y adems indaga una sola variables causal, elegiremos alguno de los seis dise-
os experimentales bivariados que propone Selltiz, fundamentando adems esta eleccin.
13) Seleccin de los grupos.- Dentro de la muestra elegimos al azar los grupos. Por ejem-
plo, si elegimos el diseo 1, seleccionaremos dos grupos: el primero conformado por perso-
nas solteras, y el segundo por personas casadas. Tambin podemos elegir tantos grupos
como categoras tenga la variable estado civil.
14) Seleccin de los instrumentos de medicin ya construidos.- Hay varios tests que miden
estado de nimo, como por ejemplo el Cuestionario de Depresin. Si no hemos encontrado
ningn instrumento apto para medir nuestras variables, deberemos construirlos nosotros
mismos y pasamos directamente al prximo paso.
15) Construccin de los instrumentos de medicin.- En nuestro ejemplo, deberemos cons-
truir un test para medir estado de nimo. Para medir estado civil obviamente no se requi e-
re ningn test: basta con preguntarle a la persona cul es su estado civil.
La construccin de nuestro test implicar cumplir estos pasos:
1. Seleccionar los tems, es decir, las preguntas o las pruebas que incluir. Para
nuestro ejemplo, uno de los tems puede ser la pregunta Se siente triste la mayor
parte de los das?
2. Categorizar los tems, es decir, establecer las respuestas posibles que podr res-
ponder cada sujeto en cada tem. Por ejemplo para el tem anterior, las posibles
categoras pueden ser s y no.
3. Construir un sistema de puntuacin de las respuestas. Por ejemplo asignamos ar-
bitrariamente el nmero 1 si contest que s y 0 si contest que no. Luego, su-
mando todos los puntos de cada tem, deberemos obtener un ndice, en este ca-
so, un ndice de estado de nimo. Tambin aqu estableceremos como interpretar
estos ndices. Por ejemplo, si obtuvo ms de 20 categorizaremos al sujeto como
muy deprimido, si obtuvo entre 15 y 19 puntos lo ubicaremos como deprimido,
y as sucesivamente.
4. Finalmente determinaremos la validez y la confiabilidad del instrumento as cons-
truido. No desarrollaremos este tema en este texto, que pretende ser simplemente
introductorio.
16) Recoleccin de datos.- Aplicamos o administramos los instrumentos de medicin. To-
mamos a los sujetos elegidos un test de estado de nimo y les preguntamos su estado civil.
De todos los pasos de esta investigacin, este es el nico en el cual tomamos contacto con
los sujetos del estudio. Todos los otros pasos los podemos realizar solos en nuestro lugar
de trabajo.
17) Construccin de la matriz de datos.- Organizamos y sintetizamos toda la informacin
obtenida en una matriz, que, en nuestro ejemplo puede asumir la siguiente forma:

Sujeto Estado civil Estado de nimo
A Soltero Muy deprimido
B Soltero Alegre
C Casado Deprimido
Etc. Etc. Etc.
En el caso de tratarse de variables cuantitativas, en esta matriz se consignarn en las co-
lumnas de las variables los puntajes brutos, los puntajes estandarizados y/o los percentiles.
Por ejemplo, si utilizamos el WISC-III para medir inteligencia en nios, Juancito pudo haber
obtenido respectivamente 121, 114 y 82.
18) Tabulacin.- Toda la informacin de la matriz de datos la organizamos aqu en una tabla
de doble entrada, es decir, una tabla que permita cruzar las dos variables en juego:
Muy deprimido Deprimido Alegre Muy alegre TOTALES
Soltero 7 ? ? ? ?
Casado ? ? ? ? ?
Separado de hecho ? ? ? ? ?
Divorciado ? ? ? ? ?
Juntado ? ? ? ? ?
Viudo ? ? ? ? ?
TOTALES ? ? ? ? ?
Por ejemplo, hemos colocado la frecuencia 7 en el primer casillero porque hemos encontra-
do siete casos de sujetos solteros muy deprimidos.
19) Graficacin.- Opcional. Sirve para presentar la informacin de las tablas de una forma
ms intuitiva y rpidamente comprensible.
20) Obtencin de medidas de posicin y dispersin.- Generalmente pueden obtenerse a
partir de la tabla de doble entrada. Como en el ejemplo que estamos siguiendo las variables
no son cuantitativas, no podremos utilizar la media aritmtica ni el desvo standard. Debe-
remos usar medidas estadsticas para variables cualitativas, como el modo o la mediana
(medidas de posicin), y otras. Por ejemplo, si la categora que ms se repite para la vari a-
ble estado de nimo es alegre, entonces alegre es el modo.
21) Anlisis de los datos.- De acuerdo a los fines que nos hayamos propuesto, podremos
optar por varias posibilidades, entre las que se cuentan el anlisis de correlacin, el anlisis
de regresin, la prueba de significacin, la prueba de espureidad o alguna combinacin de
ellos.
22) Interpretacin de los datos.- Opcional pero recomendable. En este paso arriesgamos
algunas conjeturas personales acerca del porqu de la asociacin detectada entre ambas
variables. Por ejemplo, hemos encontrado una alta asociacin entre alegra y casado
quiz porque el matrimonio permite compartir trances y dificultades ms fcilmente, con lo
cual hay menor margen para la depresin. La interpretacin de los datos puede hacerse
desde algn marco terico existente o bien, si somos audaces e imaginativos, podemos
crear nuestro propio marco terico porque no hay ninguno que nos satisfaga.
23) Comunicacin de los resultados.- Mientras fuimos cumpliendo los pasos anteriores, es
muy probable que hayamos escrito varias hojas en borrador. Con este material redactamos
nuestro informe final, luego el abstract o resumen del mismo, luego seleccionamos un ttulo
para nuestro informe y, finalmente, publicados los resultados (por ejemplo envindolos a
una revista cientfica).
Este proceso se realimenta continuamente: en cuanto damos a conocer nuestro trabajo a la comuni-
dad cientfica, desde ese momento entra a formar parte de la bibliografa existente sobre el tema y,
por tanto, ser consultado por otro investigador que se encuentre en la etapa Revisiones de investi-
gaciones anteriores.

Formulacin de objetivos de investigacin
Un esquema de investigacin es la preparacin de las condiciones que posibilitan la reco-
gida y anlisis de los datos necesarios para obtener resultados relevantes a la finalidad de la
investigacin con economa de procedimiento (Selltiz et al, 1965: 67). Previo al tema que
nos ocupa, este implica:
Formular claramente el problema de investigacin como para especificar el tipo de
informacin que se necesita.
Elaborar el marco terico:
- el encuadre terico general; es decir, la teora general sobre la cual nos apoyamos,
y
- el conjunto de proposiciones tericas ms especficas y conceptos que guiarn la
investigacin.
Decidir los objetivos de investigacin.
La formulacin de objetivos involucra conceptos y proposiciones que deben derivarse del
marco terico, donde son definidos. A su vez, los objetivos deben corresponderse con las
preguntas realizadas y deben estar contemplados en la metodologa propuesta. En definit i-
va, los conceptos, proposiciones y enfoques que se utilizarn en un estudio particular debe-
rn ser lgica y tericamente compatibles con el encuadre general.
Ejemplo:
"Piaget formul la teora de que el desarrollo psicolgico es un proceso independiente del
aprendizaje y que es necesario desarrollar las estructuras cognitivas adecuadas antes de
poder realizar determinados aprendizajes. Siguiendo esta teora, su colaboradora Barbel
Inhelder se propuso contrastar la prediccin de que el nio en un nivel de desarrollo cog-
nitivo determinado no sera capaz de resolver aquellos problemas para los que se necesita
un desarrollo ms avanzado incluso despus de que se les enseara a hacerlo" (1).
Al hablar de objetivos hacemos referencia al tipo de conocimiento que se pretende lograr
con la investigacin: descriptivo, explicativo, diagnstico, exploratorio, etc.
Los objetivos generales apuntan al tipo ms general de conocimiento que se espera produ-
cir con la investigacin. No suelen ser ms de dos.
Los objetivos especficos son aquellos que deben lograrse para alcanzar los objetivos gene-
rales. Los objetivos del estudio a realizar deben estar vinculados entre s.
Ejemplo 1 (2):
Objetivo general:
Determinar las caractersticas diferenciales de la produccin simblica de los nios con
problemas de aprendizaje y establecer las asociaciones significativas que se presentaran.
Objetivos particulares:
Detectar el ordenamiento formal caracterstico de la produccin simblica de los nios con
problemas de aprendizaje.
Determinar las caractersticas histrico afectivas predominantes mediante el anlisis del
contenido de la produccin simblica.
Obtener informacin sobre las relaciones entre la organizacin formal de la produccin
simblica (objetivo a) y las caractersticas subjetivas que se expresan en su contenido (ob-
jetivo b).
Establecer hiptesis alternativas sobre la incidencia de la subjetividad en la produccin
simblica.
Contribuir a adecuar tcnicas de diagnstico y tratamiento de la problemtica cognitiva.
Ejemplo 2 (3):
Objetivo General:
Descubrir por qu estudiantes de la misma edad o nivel escolar obtienen diferentes resulta-
dos en matemtica en distintos pases y cmo esta variabilidad se explica por los antece-
dentes familiares, los recursos escolares y las prcticas docentes.
Objetivo especfico:
Comparar sistemas nacionales de educacin en cuanto al rendimiento medio en matemtica
de estudiantes de una determinada edad y niveles de grado dentro del sistema".
Tipos de objetivos:
- cuantificar: establecer/determinar la cantidad de elementos que integran un con-
junto o que tienen una propiedad dada.
Ejemplo: n de alumnos por maestro en las escuelas rurales y urbanas de la ciudad
de Rosario.
- describir: determinar/establecer ciertas propiedades de un objeto, o el grado o tipo
de relacin entre objetos, hechos o variables que influyan o afecten sucesos o con-
diciones en una situacin dada y dar cuenta de los cambios que ocurran en esas re-
laciones en el tiempo.
Los estudios descriptivos se ocupan de las condiciones existentes, de las prcticas
que prevalecen, de las creencias, puntos de vista o actitudes, de los procesos en
marcha, de los efectos que se sienten o de las tendencias que se desarrollan, etc. Es
preciso establecer cules son las propiedades pertinentes o cul es la relacin que
interesa.
Los procedimientos a utilizar en el estudio descriptivo deben ser cuidadosamente
planificados. Si tenemos en cuenta que el objetivo es obtener una informacin lo
ms completa y exacta posible, el proyecto de investigacin debe tomar las medi-
das para la proteccin contra errores.
Ejemplo: Describir el mximo nivel de competencia alcanzado en lengua extran-
jera en una determinada escuela bilinge.
Metodologa posible: encuesta cuantitativamente orientada.
Cohen y Manion (4) tratan de tres tipos de investigacin descriptiva:
a) estudios longitudinales o diacrnicos: se refiere a estudios que se realizan durante un
perodo de tiempo. Cuando se recogen datos sucesivamente en diferentes momentos a los
mismos grupos o sujetos se emplea el trmino "estudio de seguimiento".
Ejemplo: Observaciones realizadas por Jean Piaget a sus hijos.
b) estudios transversales o sincrnicos: estudian diferentes grupos en momento/s determi-
nado/s. Producen una fotografa instantnea de una poblacin.
Ejemplo: Un censo nacional de educacin.
c) estudios de tendencia o prediccin: estudian algunos factores seleccionados -que resulten
relevantes- continuamente en el tiempo. Examinan los datos registrados para establecer
esquemas de los cambios que han ocurrido y predecir lo que probablemente ocurrir en el
futuro. Presentan como dificultad la intrusin de factores impredecibles que invaliden las
predicciones formuladas, por lo cual los estudios de tendencias a corto plazo tienden a ser
ms precisos que los anlisis a largo plazo.
- diagnosticar: establecer/determinar las caractersticas de una situacin y sus posi-
bles causas.
- explicar: establecer/determinar por qu un objeto es, o es como es, o incide en
otro, etc.
Los estudios explicativos se proponen comprobar hiptesis causales, las cuales afirman que
una determinada caracterstica o hecho "X" es uno de los factores que determina una carac-
terstica o hecho "Y". Los estudios destinados para la comprobacin de tales hiptesis de-
ben determinar cules son los objetos que se pondrn en relacin explicativa y proporcio-
nar datos a partir de los cuales se puede inferir legtimamente si "X" entra o no en la deter-
minacin de "Y".
La causalidad tiende a considerar que un acontecimiento singular (la causa) siempre lleva a
otro acontecimiento singular (el efecto). En realidad, el nfasis actualmente se carga ms
bien sobre una multiplicidad de condiciones determinantes, las cuales, en conjunto, hacen
probable la ocurrencia de un determinado acontecimiento. Aqu nos encontramos en el
nivel de la previsin y formulacin de leyes, lo que slo es posible en sectores avanzados
de la investigacin.
Los estudios explicativos suelen estar asociados a los estudios experimentales, que consis-
ten en recrear una situacin. Se suelen comparar por lo menos dos grupos o sujetos iguala-
dos en todos los factores, que van a diferir en la presencia o ausencia de la variable experi-
mental. El rasgo esencial de la investigacin experimental es que el investigador delibera-
damente controla y manipula las condiciones que determinan los hechos en los que est
interesado. Un experimento consiste en hacer un cambio en el valor de una variable, llama-
da independiente y observar el efecto de ese cambio en otra variable, llamada dependiente.
Ejemplo: Analizar la eficacia de un mtodo de enseanza.
Desde un paradigma positivista este objetivo posiblemente ser abordado a travs de un
experimento en las aulas: una variable independiente, como un modo particular de ensear,
es manipulada para analizar su efecto sobre la variable dependiente: la cantidad de material
aprendido, para luego medir los datos obtenidos.
- evaluar: determinar, segn criterios establecidos, en qu medida se han logrado
ciertos resultados o metas en el desarrollo de ciertos procesos. Es preciso explici-
tar: a) el objeto a evaluar, b) los criterios, c) los resultados o metas.
Ejemplo 1: Evaluar la implementacin de la EGB3 en las distintas regiones del
pas respecto de ....
Ejemplo 2: Evaluar la concrecin de los principios integracionistas expresados en
la Ley Federal de Educacin.
- explorar: indagar si existen propiedades de los objetos no puestas de relieve hasta
ahora, o conceptos que se consideran insuficientes en su intensin o extensin
respecto de lo que sucede. Es preciso determinar las propiedades detectadas hasta
ahora y sealar en qu aspectos se piensa que pueden estar las omitidas.
La finalidad de los estudios exploratorios es el avance en el conocimiento de un
fenmeno o alcanzar nuevos aspectos del mismo, con frecuencia con el propsito
de formular un problema de investigacin con mayor precisin o para poder expli-
citar otras hiptesis para una investigacin definitiva. E1 nfasis mayor recae en el
descubrimiento de ideas y aspectos profundos. Por ende, el esquema de investiga-
cin debe ser lo suficientemente flexible como para permitir la consideracin de
numerosos aspectos distintos de un fenmeno. Sea cual sea el propsito de un es-
tudio exploratorio, es importante tener en cuenta ciertas tcnicas provechosas para
el mismo (Selltiz et al, 1965: 69-78):
- un repaso de la teora en el momento actual, es decir, la lectura y reconstruccin del traba-
jo ya realizado por otros sobre el tema.
- revisin de la experiencia: estudio de las personas que han tenido contacto directo con el
problema que va a ser estudiado, en el curso de su experiencia cotidiana. Tales personas
adquieren, a travs de su rutina un acervo, de experiencia que puede ser de muchsimo
valor para auxiliar al investigador.
Ejemplo:
Freire con su nfasis en la dimensin poltica de la educacin.
Ejemplos adicionales:
Monitorizar los efectos de una reforma escolar.
Comprobar qu estudiantes de un determinado pas han sido capaces de alcanzar estndares
internacionales.
Comparar estudiantes en distintos sistemas escolares o pases:
Estrategias metodolgicas posibles:
Administrar tests de rendimiento estandarizado a muestras representativas de estudiantes,
aunque un mtodo as no permite relevar sutilezas pedaggicas presentes en la instruccin
que originan un determinado nivel de competencia. El conocimiento acerca del trasfondo
pedaggico puede obtenerse observando y entrevistando a profesores y estudiantes de un
cierto nmero de clases (recogida etnogrfica de datos, los cuales pueden ser cuantifica-
dos).
Actividades
Reconocer los elementos metodolgicos presentes en este prrafo:
"Como resultado de este nuevo enfoque vamos a presentar en este libro una serie de inves-
tigaciones que tienen por objeto estudiar el proceso de construccin de los conocimientos
en el dominio de la lengua escrita, a partir de: a) identificar los procesos cognitivos subya-
centes a la adquisicin de la escritura; b) comprender la naturaleza de las hipteis infanti-
les; c) descubrir el tipo de conocimientos especficos que posee el nio al iniciar el apren-
dizaje escolar.
... Puesto que nuestro inters resida en descubrir cul era el proceso de construccin de la
escritura, al idear situaciones experimentales tratamos de que el nio pusiera en evidencia
la escritura tal como l la ve, la lectura tal como l la entiende y los problemas tal como l
se los plantea. Este nuevo enfoque exiga un mtodo adecuado. Ni los tests de prediccin
sobre la "madurez" para el aprendizaje de la lectoescritura, ni las pruebas de evaluacin del
"rendimiento escolar" servan a nuestro propsito." (Ferreiro y Teberosky, 1991: 38).
Respuesta: se trata del objetivo general, los tres especficos y la propuesta metodolgica (la
adoptada y la desestimada).
2.1 Convertir a objetivo la siguiente hiptesis:
"El deterioro en la situacin socioeconmica de la poblacin es un factor relevante en el
aumento de la desercin escolar".
2.2 De qu tipo de objetivo se trata?
2.3 Qu estrategia metodolgica sugeriras para abordarlo?
Respuestas:
2.1 Objetivo: Analizar la incidencia del deterioro de la situacin socioeconmica de la
poblacin en el aumento de la desercin escolar.
2.2 Objetivo explicativo causal.
2.3 Estrategia metodolgica posible: anlisis de datos procedentes de distintos grupos so-
ciales, en distintas pocas.
Sugerencias Finales
Se sugiere a los alumnos de Trabajo de Campo leer los textos de las reas pensando en el
diseo metodolgico y no solo en el contenido. Asimismo, frecuentar revistas de investiga-
cin disponibles en bibliotecas o en la red. Y, por supuesto, no dejar de consultar a la cte-
dra.
CITAS BIBLIOGRFICAS
(1) Len, O. y Montero, I. (1993) Diseo de investigaciones. Introduccin a la lgica
de la investigacin en Psicologa y Educacin, p.16. Madrid: McGraw-Hill.
(2) Schlemenson, S. (dir.) (1996) "La produccin simblica en nios con problemas
de aprendizaje", p.1. UBA: indito.
(3) Husn, T. (1988) "Paradigmas de la investigacin en Educacin: Un informe del
estado de la cuestin", p.53. En Dendaluce, I. (coord.) Aspectos metodolgicos de
la investigacin educativa. Madrid: Narcea.
(4) Cohen, L. y Manion, L. (1990) Mtodos de investigacin educativa. Madrid: La
Muralla.
REFERENCIAS BIBLIOGRFICAS
Arnal, J., del Rincn, D. y Latorre, A. (1994) Investigacin educativa: fundamentos y me-
todologa. Barcelona: Labor.
Bisquerra, R. (1989), Mtodos de Investigacin educativa. Barcelona: CEAC.
Cohen, L. y Manion, L. (1990) Mtodos de investigacin educativa. Madrid: La Muralla.
Ferreiro, E. y Teberosky, A. (1991) Los sistemas de escritura en el desarrollo del nio.
Bs.As.: Siglo XXI.
Goetz, J.P. y LeCompte, M.D. (1988) Etnografa y diseo cualitativo en investigacin
educativa. Madrid: Morata
Husn, T. (1988) "Paradigmas de la investigacin en Educacin: Un informe del estado de
la cuestin". En Dendaluce, I. (coord.) Aspectos metodolgicos de la investiga-
cin educativa. Madrid: Narcea.
Len, O. y Montero, I. (1993) Diseo de investigaciones. Introduccin a la lgica de la
investigacin en Psicologa y Educacin. Madrid: McGraw-Hill.
Schlemenson, S. (dir.) (1996) "La produccin simblica en nios con problemas de apren-
dizaje". UBA: indito.
Selltiz, C., Jahoda, M., Deutsch, M. y Cook, S. (1965) Mtodos de investigacin en las
Relaciones Sociales. Madrid: Rialp.
Travers, Robert (1986) Introduccin a la investigacin educacional. Barcelona: Paids
Educador.
Wittrock, M. (1990) La investigacin de la enseanza. Barcelona: Paids Educador.

Unidades de anlisis y variables

Las variables son atributos, propiedades o caractersticas de las unidades
de anlisis, susceptibles de adoptar distintos valores. Se pueden plantear
algunas reglas metodolgicas concernientes a las precauciones que han
de tomarse al relacionar unidades de anlisis con variables.

Por lo general, una de las primeras cuestiones que se definen al comen-
zar una investigacin cientfica es la especificacin de cules sern las
unidades de anlisis (UA) y cules sern las variables (V). Antes de exa-
minar algunas de sus posibles relaciones, caractericemos brevemente a
cada una.
Todos conocemos la diferencia entre una cosa y una propiedad. Una cosa
puede ser una mesa, y una propiedad puede ser su color, forma o tama-
o. Una cosa puede ser un metal, y una propiedad su maleabilidad. Una
cosa puede ser un conejo, y una propiedad su talla o el estado de su sis-
tema inmunolgico. Una cosa tambin puede ser una persona y como
propiedades tener el sexo, la inteligencia, la preferencia poltica, la edad,
la raza, etc.
Ahora bien: la cosa es la unidad de anlisis, mientras las propiedades son
las variables, con lo cual stas ltimas resultan ser atributos, propiedades
o caractersticas de las unidades de anlisis.
Una investigacin puede trabajar, por ejemplo, con 200 unidades de an-
lisis (200 personas) y con slo dos variables (peso y talla); otra investi-
gacin puede trabajar con 30 unidades de anlisis (30 estudiantes) y
cuatro variables (rendimiento, tipo de enseanza recibida, personalidad e
inteligencia); y as sucesivamente.
Las propiedades, atributos o caractersticas a las que hacemos referencia
se llaman 'variables' porque son susceptibles de variar, es decir, de adop-
tar diferentes valores. Por ejemplo, la inteligencia puede variar de una
persona a otra, e incluso tambin puede hacerlo dentro de la misma per-
sona a lo largo del tiempo. Las variaciones interindividuales son propias
de lo que en psicologa evolutiva se llaman estudios transversales (se
realizan en un aqu y ahora), mientras que las variaciones intraindividua-
les conciernen mas bien a estudios longitudinales (que se realizan a lo
largo del tiempo).
El sexo puede variar de una persona a otra, pero no dentro de la misma
persona (salvo que se haga una operacin para cambiar de sexo). La
preferencia por un equipo de ftbol vara de una persona a otra, pero no
suele variar con el tiempo dentro de la misma persona. La edad, final-
mente, es una variable que vara tanto interindividualmente como intra-
individualmente. Lo que nunca puede suceder, por una cuestin lgica, es
que haya variables que varen dentro de una persona y que no puedan
nunca variar de una persona a otra. La razn es que si la propiedad vara
dentro de la misma persona, existe la posibilidad de que dos personas
tengan diferentes valores para esa variable, con lo cual habr una varia-
cin interindividual.
En psicologa, no siempre la unidad de anlisis investigada es el indivi-
duo, como puede apreciarse en el esquema 1. Por ejemplo, puede tomar-
se como unidad de anlisis a las parejas, e investigar, por caso, la rela-
cin entre el promedio de edades y el estado civil. Tambin pueden con-
siderarse como unidades de anlisis a las organizaciones (educativas,
carcelarias, sanitarias, judiciales, comerciales, etc.), como lo hace la psi-
cologa institucional y relacionar, por ejemplo, el grado de apertura al
exterior y su nivel de cohesin interna.

Esquema 1: Ejemplos de unidades de anlisis y variables en psicologa
Unidad de anli-
sis
Variables
Individuo Edad, inteligencia, personalidad, preferencia sexual, etc.
Pareja Estado civil, diferencia de edades, promedio de edades,
personalidad del cnyuge masculino, coincidencia de
personalidades, cantidad de hijos, etc.
Grupo Cohesin, tamao, tipo de liderazgo, productividad, etc.
Organizacin Cultura organizacional, antigedad, grado de apertura al
exterior, etc.

Reglas sobre relaciones entre unidades de anlisis y variables

Enumeraremos a continuacin algunas reglas bsicas de investigacin,
concernientes a las precauciones que deben tomarse al establecer rela-
ciones entre unidades de anlisis y variables.
1) La variable debe ser un atributo atingente o congruente con la unidad
de anlisis.- Esto significa que la variable elegida tiene que ser efectiva-
mente una propiedad de la unidad de anlisis considerada. Por ejemplo,
no tiene sentido decir que el estado civil es una caracterstica de un gru-
po, o que el sexo sea una propiedad de una organizacin. Desde ya, pue-
de ocurrir que una misma variable sea aplicable a ms de una unidad de
anlisis: la cohesin puede predicarse tanto de una pareja, como de un
grupo o una organizacin.
2) Toda investigacin debe incluir al menos una unidad de anlisis, y cada
unidad de anlisis una variable.- Carece de sentido decir "voy a iniciar
una investigacin sobre las personas": hay que aclarar qu aspectos o
caractersticas de las personas vamos a investigar, an cuando luego las
cambiemos sobre la marcha.
Una investigacin sencilla puede considerar solamente un tipos de unidad
de anlisis y una variable (vgr., indagar las preferencias polticas de los
estudiantes). Una investigacin ms compleja puede incluir dos unidades
de anlisis, cada una con su o sus correspondientes variables (vgr., inda-
gar la relacin entre la inteligencia de las personas y el grado de cohesin
de los grupos que integran).
3) Una unidad de anlisis no debe ser una variable, ni viceversa.- Lo que
en una investigacin puede ser una unidad de anlisis, en otra puede ser
considerada como variable, pero dentro de una misma investigacin el
mismo concepto no puede ser ambas cosas, o sea, unidad de anlisis y
variable al mismo tiempo.
Incidentalmente, esta tercera regla lleva implcita la idea segn la cual
unidades de anlisis y variables no son entidades absolutas, es decir,
siempre cabe la posibilidad de considerar como variable en un contexto,
lo que en otro contexto de investigacin fue considerado como unidad de
anlisis. Por ejemplo, al investigar en los individuos la relacin entre inte-
ligencia y alimentacin, claramente inteligencia es una variable. Sin em-
bargo, en las investigaciones emprendidas por Charles Spearman, por
citar un ejemplo histrico, la inteligencia es considerada la unidad de
anlisis, de la cual se estudian algunas variables mediante el anlisis fac-
torial, como la inteligencia verbal y la inteligencia manual, en sus mutuas
relaciones.

Esquema 2: Relatividad de los conceptos de unidad de anlisis (UA) y
variable (V)

JUAN ES INTELIGENTE
(UA) (V)
LA INTELIGENCIA ES INTELIGENCIA VERBAL
(UA) (V)
LA INTELIGENCIA VERBAL ES COMPRENDER PALABRAS
(UA) (V)

El esquema 2 ilustra la relatividad de las ideas de unidad de anlisis y
variable. La transformacin de una variable en unidad de anlisis (por
ejemplo inteligencia en la primera afirmacin se transforma en inteli-
gencia en la segunda afirmacin) tiene, sin embargo, un lmite. Este
lmite aparece cuando una variable ya no se puede transformar ms en
unidad de anlisis. En el ejemplo del esquema 2, la variable emprica
"comprensin de palabras" no puede ya ser considerada unidad de anli-
sis porque no se pueden seguir extrayendo variables de ella. En este ca-
so, decimos que la variable se ha convertido en un indicador.

Variables independientes, dependientes y extraas
Entre las principales variables involucradas en una investigacin se establecen
relaciones de dependencia, que puede ser estadstica o causal. Las variables inde-
pendientes y la dependiente a su vez se relacionan con las variables extraas, las
que deben ser distinguidas de ellas y cuya influencia ha de ser controlada.
1. Variables independientes y dependientes
Una investigacin cientfica tpica busca establecer algn tipo de relacin entre dos
tipos de variables: la o las variables independientes, y la variable dependiente. En
esta nota vamos a considerar el caso ms sencillo, a saber, aquel en el cual tene-
mos en cuenta una sola variable independiente (en adelante X, segn la nomencla-
tura universal) y una variable dependiente (en adelante Y, segn la misma nomen-
clatura).
Como indican Campbell y Stanley (7), los diseos que estudian una sola variable
por vez resultan demasiado lentos para la investigacin de ciertos temas como al
aprendizaje. Desde la dcada del 50 en adelante tiende a enfatizarse la importancia
de considerar diseos multivariados, sea que consistan en estudiar varias variables
independientes a la vez, sea que consistan en estudiar varias variables dependien-
tes, sea que consistan en ambas cosas simultneamente. Uno de los pioneros de
estos enfoques fue Fisher, cuyos procedimientos eran multivariados en el primer
sentido y univariados en el segundo.
Tomemos un tema clsico de la tradicin cientfica norteamericana de la dcada del
40: las investigaciones sobre la relacin entre frustracin y agresin. Un experimen-
to tpico consisti, por ejemplo, en reunir un grupo de personas y darles para resol-
ver problemas que eran en realidad insolubles, aunque no se les informaba de esto
ltimo. A medida que estas personas intentaban resolver los problemas, iba incre-
mentndose su frustracin, y, algunos antes y otros despus, empezaban a mani-
festar comportamientos agresivos con diferentes modalidades e intensidades contra
quienes les haban propuesto los problemas, lo que vena a sugerir que la frustra-
cin produca agresin. Fuera de estas situaciones experimentales, en la vida coti-
diana no es impensable suponer que cuando a una persona no le ofrecen un traba-
jo que le haban prometido, o cuando no es correspondida en su amor (frustracin),
puede desarrollar hacia el otro un comportamiento agresivo en una amplia gama
que va desde la calumnia hasta el ataque fsico.
En este contexto, decimos que la agresin depende de la frustracin y, por lo tanto,
que la agresin es la variable dependiente porque depende de la otra variable que
es la frustracin, mientras que esta ltima ser la variable independiente porque es
la que supuestamente hace variar la agresin. Utilizamos la expresin supuesta-
mente porque un objetivo central de la investigacin ser determinar si hay o no
una relacin entre X e Y, es decir, corroborar o refutar nuestra suposicin original.
En sntesis hasta aqu:
Variable dependiente: es aquella que supuestamente depende de otra variable,
llamada independiente.
Variable independiente: es aquella de la cual supuestamente depende la variable
dependiente.
Analicemos cuatro importantes cuestiones que giran en torno a la relacin entre la
variable indepediente X y la variable dependiente Y: 1) Cmo decidimos cul es la
variable independiente y cul la dependiente? 2) Qu significa la expresin "de-
pende"? 3) Habida cuenta que la variable dependiente es aquella que depende de
la independiente, de qu depende a su vez la variable independiente? 4) Qu
operaciones concretas realiza el investigador con la variable independiente y con la
variable dependiente?
1) Cmo decidimos cul es la variable independiente y cul la dependiente?
En principio, el criterio para decidir cul es X y cul es Y consiste en pensar cul es
la causa y cul el efecto. Cuando queremos investigar si tal droga produce o no la
curacin de una enfermedad, la droga ser claramente la causa (o la supuesta
causa), y la curacin el efecto, es decir, la variable independiente X ser la droga, y
la variable dependiente Y ser el efecto curativo.
Hay casos, sin embargo, donde cualquiera de ambas variables podra ser la causa
o el efecto de la otra, es decir, casos donde una variable puede influir sobre la otra,
y viceversa. As por ejemplo, en principio, podramos suponer que la agresin de-
pende de la frustracin, pero tambin podemos suponer con el mismo fundamento
que la frustracin depende de la agresin (por ejemplo, cuanto ms agresiva es una
persona ms ser reprimida y, por ende, ms frustrada se sentir). Indudablemente,
tenemos todo el derecho de elegir una u otra posibilidad, y de esta eleccin depen-
der qu consideraremos como X y qu como Y, orientando esta eleccin, en con-
secuencia, toda la investigacin.
Evidentemente, y sea cual fuere la variable que hayamos elegido como la posible
causa (X), un requisito indispensable para poder avanzar en la investigacin es que
dicha variable debe poder ser manipulada por el investigador, es decir, ste debe
poder hacerla variar a voluntad, para ver si se produce o no una variacin en la
variable dependiente Y, o efecto.
Cierto tipo de investigaciones no se interesan, sin embargo, por indagar una rela-
cin causa-efecto, sino simplemente por averiguar si dos variables estn o no aso-
ciadas estadsticamente, es decir, si suelen darse juntas. En estos casos, la elec-
cin de la variable independiente no se realizar en funcin de pensarla como la
causa, sino de pensarla como aquella variable que puede ser manipulada por el
investigador para establecer su grado de asociacin estadstica con la variable
dependiente.
Este tipo de investigaciones suelen perseguir una finalidad exclusivamente prctica
(en este sentido no son investigaciones cientficas, pues no buscan indagar vncu-
los de causalidad). Ejemplos tpicos son el marketing, es decir las investigaciones
de mercado, de hbitos de la poblacin, etc. As, por ejemplo, a una empresa pue-
de interesarle si hay o no asociacin estadstica entre el nivel socioeconmico de
las personas y el color que prefieren en los envases de la leche, porque de ello
depender en qu barrios distribuir los envases de tal o cual color, y, con ello,
podrn maximizarse las ventas.
2) Qu significa la expresin "depende"?
Como qued sugerido anteriormente, que Y depende de X puede significar dos
cosas: una dependencia estadstica o una dependencia causal. Una cosa es que
dos variables se den habitualmente juntas sin que necesariamente una sea la cau-
sa y otra el efecto (dependencia estadstica), y otra es que dos variables estn
relacionadas como causa y efecto (dependencia causal).
El color de la piel y la forma del crneo son variables que estn bastante asociadas
estadsticamente: las personas de piel negra son dolicocfalas, las de piel amarilla
son braquicfalas y las de piel blanca son mesocfalas. Esto no significa que el
color de la piel sea la causa de la forma del crneo, ni que la forma del crneo sea
la causa del color de la piel: simplemente, ambas variables suelen darse juntas o,
dicho en trminos ms tcnicos, existe entre ellas una alta correlacin.
En cambio, el color de la piel y la aceptacin social, adems de estar asociadas
estadsticamente (los negros no son aceptados en ciertos barrios, etc.), hay tam-
bin una dependencia causal: ciertas personas son aceptadas o rechazadas debido
a su color de piel.
De lo dicho se desprende que una dependencia estadstica no prueba necesaria-
mente que haya una dependencia causal. Para que hay una dependencia causal
deben cumplirse, adems de la dependencia estadstica, otra serie de condiciones,
como por ejemplo la antecedencia temporal (la causa nunca puede ocurrir despus
del efecto).
En los ejemplos sobre la variable color de piel est bastante claro que que su rela-
cin con la forma del crneo es slo estadstica, y que su relacin con la aceptacin
social es, adems, causal. Sin embargo, puede ocurrir que la relacin entre dos
variables pueda parecer causal, cuando en realidad se trata solamente de una
dependencia estadstica. Tal el caso de las variables tiempo de permanencia fuera
del hogar y nivel de estrs. En este caso, estaramos tentados de afirma sin ms
una relacin causal, es decir, de pensar que el estrs es un efecto de la causa
tiempo de permanencia fuera del hogar. Sin embargo, puede ocurrir que entre am-
bas variables haya solamente una mera asociacin estadstica porque ambas cons-
tituyen efectos de una tercera variable que acta sobre las dos: la ocupacin. En
efecto, el hecho de que una persona sea un ejecutivo hace que est mucho tiempo
fuera del hogar, y, adems, que tenga un nivel de estrs elevado.
En ocasiones suele asignarse sin ms un vnculo causal a una mera asociacin
estadstica o correlacional. Refieren Campbell y Stanley que "si pasamos revista a
las investigaciones sobre educacin, pronto nos convenceremos de que son ms
los casos en que la interpretacin causal de la informacin correlacional se exagera
que aquellos en que se la desconoce..."(2).
3) Habida cuenta que la variable dependiente es aquella que depende de la inde-
pendiente, de qu depende a su vez la variable independiente?
La variable independiente tiene dos fuentes posibles de variacin: la variacin natu-
ral y la variacin provocada.
Con variacin natural queremos decir que, en la realidad, siempre es posible consi-
derar que sobre la variable independiente actan otras variables, lo que no es sino
un caso particular del principio general que sostiene que, al estar todas las varia-
bles relacionadas, cualquier variable influye sobre otras, y a su vez recibe la in-
fluencia de otras tantas.
Por ejemplo, as como la variable dependiente agresin puede recibir la influencia
de la variable independiente frustracin, esta ltima tambin puede recibir la in-
fluencia de la variable educacin (si consideramos que cierto tipo de educacin
ensea al sujeto a tolerar mejor la frustracin), de la variable edad (si consideramos
que un nio se frustra ms fcilmente que un adulto), de variables de ndole bio-
qumica (si consideramos que la presencia de determinados neurotransmisores
pueden acentuar o no la tolerancia a la frustracin), etc.
Todas estas variables que influyen o influiran sobre la variable independiente frus-
tracin ejercer su accin en forma natural, es decir, sin la presencia de alguien (un
investigador) que las haga variar deliberadamente. Cuando esto ocurre, podemos
hablar de una variacin provocada. Las variaciones provocadas tienen sentido
entonces en una situacin experimental donde hay un investigador que deliberada-
mente haga variar la variable para producir un determinado efecto sobre la frustra-
cin, con el fin de estudiar cientficamente la naturaleza de la relacin entre ellas.
4) Qu operaciones concretas realiza el investigador con la variable independiente
y con la variable dependiente?
En una situacin experimental, es decir, en una situacin tpica de investigacin, lo
que hace el investigador con la variable independiente X es manipularla, es decir, la
hace variar a voluntad para ver si, en funcin de esa variacin, se produce algn
cambio en la variable dependiente Y (es por este motivo que a la variable indepen-
diente se la designa tambin con el nombre de variable experimental).
De ello se desprende que lo que el investigador debe hacer con la variable depen-
diente Y es medirla, para saber si en dicha variable se produjo o no la variacin
esperada.
Por ejemplo, el investigador hace variar el nivel de frustracin (manipulacin) para
luego averiguar si se produjo algn cambio en la agresin (medicin). En otro ejem-
plo, en una investigacin mdica se manipula la dosis de determinada droga, para
luego medir si se produjo alguna alteracin en el tamao del tumor que se desea
eliminar con esa droga.
De lo dicho, surgen as dos maneras diferentes de definir operacionalmente las
variables: a la variable independiente se la define operacionalmente a partir de qu
cosas hace el investigador para manipularla, mientras que a la variable dependiente
se la define operacionalmente a partir de qu cosas hace el investigador para me-
dirla (por ejemplo, administrando un test o un cuestionario).
Hasta aqu, entonces, concluimos que a la variable independiente se la manipula, y
que a la variable dependiente se la mide. Pero a esto debemos agregar una nove-
dad: que a la variable extraa se la controla, y no es lo mismo manipulacin que
control. Para comprender este ltimo procedimiento, debemos entender primero
qu es una variable extraa y cul es su relacin con X y con Y.
2. Variables extraas
Si esta nota hubiera concluido con la sola consideracin de las variables indepen-
diente y dependiente, el lector podra haberse llevado una idea errnea acerca de la
investigacin cientfica. Probablemente la hubiese simplificado en exceso pensando
que lo nico que debe hacer el investigador es ver si X depende o no de Y, en cual-
quiera de dos sentidos de dependencia antes indicados.
Sin embargo, lamentablemente las cosas no son tan fciles. La investigacin cient-
fica parte siempre del supuesto de la policausalidad, segn el cual sobre la variable
dependiente Y no influye nica y exclusivamente la variable independiente X, sino
tambin otra gran cantidad de variables, muchas veces desconocidas por el mismo
investigador. Todas aquellas variables que, adems de la variable independiente X,
ejercen o podran ejercer influencia sobre la variable dependiente Y, sern conside-
radas en la investigacin como variables extraas. Las variables extraas, enton-
ces, ejercen influencia sobre la variable dependiente, no sobre la variable indepen-
diente.
Por ejemplo, cuando investigamos la influencia de la frustracin sobre la agresin,
debemos considerar la posibilidad de que otras variables acten sobre la agresin,
adems de la frustracin, como por ejemplo el color de las paredes donde se reali-
za el experimento (el color rojo puede generar agresin independientemente de la
frustracin). Si no controlamos la influencia de estas variables extraas, correremos
el riesgo de no saber si la agresin es debida a la frustracin o al color de las pare-
des.
Campbell y Stanley nos suministran una lista de posibles variables extraas que
pueden influir sobre la variable dependiente en el contexto de investigaciones de
tipo social y educacional, y que dichos autores designan como variables externas,
es decir, ajenas a las variables que en ese momento interesan al investigador, que
son la X y la Y. Un ejemplo de variable extraa o externa es la historia, entendida
como "los acontecimientos especficos ocurridos entre la primera y la segunda
medicin, adems de la variable experimental" (3).
Aclaremos brevemente. Supongamos que queremos saber si determinada droga
produce o no una disminucin de un tumor. Supongamos tambin que, en lugar de
elegir animales, para ello, elegimos un grupo de personas y, antes de comenzar el
experimento, les medimos el tamao del tumor (esto es lo que Campbell y Stanley
llamaran primera medicin). A continuacin manipulamos la variable independiente
droga administrndoles a estas personas determinado medicamento. Luego de un
tiempo de dos meses, pedimos a los sujetos que vuelvan al hospital para medirles
nuevamente el tamao del tumor (segunda medicin) para ver si aument, si dismi-
nuy o si sigue igual.
Supongamos que los tumores hayan disminuido significativamente de tamao. En
este punto, un investigador un poco apresurado concluira que su droga surti efec-
to, pero, si fuese ms cuidadoso, considerara la posibilidad de la intervencin de la
variable extraa historia. En efecto, tal vez la disminucin del tumor no obedeci a
la droga (o solamente a ella), sino al hecho de que durante esos dos meses los
pacientes iniciaron por propia voluntad una dieta estricta, y que fue esta variable
extraa la que en realidad produjo el efecto deseado.
De lo dicho surge la necesidad de que las variables extraas deben ser controla-
das, es decir, deben tomarse medidas para que ellas no ejerzan influencia, o, si
esta influencia no se puede neutralizar, por lo menos que se conozca su grado para
luego descontarlo del efecto de la variable independiente.

TIPO DE VARIABLE OPERACIN DEL INVESTIGADOR
Variable independiente Manipulacin
Variable dependiente Medicin
Variable extraa Control

La teora de la investigacin experimental nos ha suministrado diversas tcnicas de
control de las variables extraas, entre las cuales citaremos brevemente la tcnica
del apareamiento (3) (4) (5) (6), la tcnica de la distribucin de frecuencias (4), y la
tcnica de la aleatorizacin (3) (4) (5) (6).
Antes de describir estas tcnicas, el lector debe tener presente que un experimento
tpico utiliza dos grupos de sujetos: el grupo experimental y el grupo de control. En
forma muy simplificada, digamos que el primero es expuesto a la influencia de la
posible causa X, mientras que el otro no. Por lo tanto, cualquier diferencia significa-
tiva en el efecto Y entre ambos grupos ser debido al factor causal X.
Sin embargo, para que estas conclusiones sean vlidas, los grupos experimental y
de control deben estar previamente igualados, para que, cuando se aplique X a uno
de ellos, sus diferencias puedan ser adjudicadas a X y no a otra variable extraa.
Precisamente, las tcnicas de control de variables extraas mencionadas tienen
como finalidad igualar ambos grupos antes de realizar el experimento, es decir,
antes de exponer a uno de ellos a la variable experimental X.
La tcnica del apareamiento consiste en: primero, elegir dos sujetos que sean lo
ms iguales posibles en cuanto a las variables consideradas relevantes; segundo,
empezar a formar con uno de ellos el grupo experimental y con el otro el grupo de
control; tercero, hacer lo mismo con nuevos pares de sujetos, hasta formar los dos
grupos. Este procedimiento asegura, obviamente, la igualdad de ambos grupos, con
lo cual se habr podido controlar la influencia de las variables extraas.
Un ejemplo muy simple: si queremos probar la eficacia de un determinado mtodo
de enseanza, elegimos dos grupos de alumnos, pero, antes de utilizar con uno de
ellos el mtodo en cuestin, los igualamos por emparejamiento o apareamiento:
tomamos dos sujetos que tengan la misma inteligencia o la misma motivacin (va-
riables relevantes extraas que tambin pueden influir sobre el rendimiento escolar)
y los enviamos uno a cada grupo. Hacemos lo mismo con otra pareja de sujetos, y
as sucesivamente. Con ello, ambos grupos habrn quedado igualados, en el senti-
do de que tendrn ms o menos la misma inteligencia, la misma motivacin, etc.,
con lo cual, luego del experimento, cualquier variacin entre los dos grupos, en
cuanto a rendimiento escolar, podremos adjudicrsela al mtodo de enseanza y
no a otras variables extraas como las indicadas.
La tcnica de la distribucin de frecuencias intenta igualar los grupos a partir de
armar dos que tengan aproximadamente las mismas medidas estadsticas, como
por ejemplo, que ambos tengan la misma media aritmtica y el mismo desvo stan-
dard respecto de las variables consideradas relevantes.
La tcnica de la aleatorizacin (o randomizacin) consiste, como su nombre lo
indica, en elegir los sujetos de ambos grupos al azar. Continuando con el ejemplo
del experimento sobre el mtodo de enseanza, si elegimos al azar una muestra de
alumnos de la ciudad de Buenos Aires, y luego los distribuimos al azar en dos gru-
pos, podremos tener una relativa seguridad de que ambos grupos habrn quedado
igualados en cuanto a inteligencia, motivacin, etc. No tomarlos al azar hubiese
implicado, por ejemplo, que ambos grupos hubiesen tenido inteligencias y niveles
de motivacin bastante diferentes, con lo cual no hubisemos podido saber si las
diferencias en cuanto a rendimiento escolar se hubiesen debido al mtodo de ense-
anza o a esas otras variables extraas.
La aleatorizacin presenta la ventaja de su fcil implementacin, pero tambin que
permite igualar los grupos con respecto a muchas variables extraas, incluso aque-
llas que son desconocidas por el investigador. Se ha adjudicado el mrito de haber
introducido esta tcnica de control a Fisher, pero McCall es en rigor el precursor,
cuando dijo un par de aos antes que "as como se puede lograr la representativi-
dad por el mtodo aleatorio [...] tambin se puede conseguir la equivalencia por el
mismo medio, siempre que el nmero de sujetos sea lo suficientemente grande"(5).
Las variables independientes, dependientes y extraas no son las nicas variables
que pueden considerarse en una investigacin cientfica. Estn tambin, por ejem-
plo, las llamadas variables adicionales (1), tales como las variables antecedentes,
las intervinientes y las contextuales, de las cuales tendremos oportunidad de hablar
en prximas notas.

(1) Segn denominaciones utilizadas por Hyman, Herbert (1955), "Diseo y anlisis
de las encuestas sociales", Amorrortu Editores, Buenos Aires, 1984.
(2) Campbell D. y Stanley J., "Diseos experimentales y cuasiexperimentales en la
investigacin social" (1966), Amorrortu, Buenos Aires, 1995, pg. 124.
(3) Campbell D. y Stanley J., Op. Cit., pgs. 17-18.
(4) Greenwood E., "Metodologa de la investigacin social", Paids, Buenos Aires,
1973, pg. 109.
(5) McCall W. A., "How to experiment in education", Macmillan, Nueva York, 1923.
(6) Fisher R. A., "Statistical methods for research workers", Oliver & Boyd, Londres,
1925. (Hay edicin castellana de este clsico: "Tablas estadsticas para investiga-
dores cientficos", Aguilar, Madrid, 1954, 2 edicin).
(7) Campbell D. y Stanley J., Op. Cit., pg. 14.
La investigacin exploratoria
a) El significado de explorar

Explorar significa incursionar en un territorio desconocido. Por lo tanto,
emprenderemos una investigacin exploratoria cuando no conocemos el
tema por investigar, o cuando nuestro conocimiento es tan vago e impre-
ciso que nos impide sacar las ms provisorias conclusiones sobre qu
aspectos son relevantes y cules no. Podemos tener una gran voluntad y
entusiasmo para estudiar la drogadiccin, pero si desconocemos el tema
deberemos iniciar un estudio exploratorio para empezar a conocerlo y
familiarizarnos con l, para precisar mejor el problema que nos interesa
resolver, o para comenzar a dar forma a alguna hiptesis previa que so-
bre la cuestin tengamos.
Notemos que, como desconocemos el tema, al iniciar la exploracin no
tenemos seguridad respecto de cules son las variables o aspectos impor-
tantes y cules no: influirn sobre la drogadiccin la televisin o el cine,
la estabilidad de la pareja parental, la inestabilidad laboral? No lo sabe-
mos y por ello, a un estudio exploratorio le exigiremos por sobre todas
las cosas flexibilidad, lo cual implica explorar el mayor nmero de facto-
res posibles puesto que an no estamos muy seguros de ninguno. Si so-
mos flexibles en el sentido apuntado evitaremos una bsqueda tenden-
ciosa de informacin seleccionando solamente aquellas variables que
nuestros prejuicios nos indican, con lo cual descartaremos ciertos otros
factores que podran ser importantes. Si estamos persuadidos que la dro-
gadiccin slo se debe al color de cabello de las personas, un estudio
exploratorio resultar superfluo toda vez que con l slo buscaremos la
confirmacin tendenciosa de nuestra creencia. Explorar bien una selva es
explorar toda la selva, y no seguir una nica senda. Un mal estudio ex-
ploratorio suele echar a perder los subsiguientes estudios descriptivos y
explicativos, con el consiguiente derroche de tiempo y esfuerzo, ya que
partimos de una base equivocada.

En un estudio exploratorio se puede partir de una hiptesis previa, o sea, po-
demos tener alguna idea previa sobre qu factores estn vinculados con la dro-
gadiccin. Pero esta idea vaga es una gua muy general y slo nos sirve para
descartar la influencia de factores tales como si hay o no atmsfera en Jpiter,
por dar un ejemplo; no nos debe servir para descartar otros posibles factores
relevantes (o que podran serlo), tales como la inestabilidad poltica, social o
econmica de los pases donde aparece la drogadiccin.

b) Recoleccin de datos

Si aceptamos nuestra ignorancia, entonces nos decidiremos a explorar el
tema, pero, de qu manera? Fundamentalmente a travs de la recolec-
cin de datos, lo cual puede realizarse de varias maneras.
Los datos que buscaremos no son solamente los que figuran en censos y
estadsticas, sino en cualquier otro tipo de bibliografa que, aunque no
contenga cifras ni cuadros, nos ayuden a empaparnos del tema. Por
ejemplo libros o artculos que hablen sobre los mtodos de prevencin de
la drogadiccin, sobre procedimientos curativos o sobre teoras psicoana-
lticas, conductistas, etc., que den su propia explicacin sobre la cuestin.
Podr tambin buscarse informacin primaria a travs de cuestionarios,
entrevistas o dar un uso exploratorio a test como el de Rorschach. Po-
dremos entrevistar a toda persona que por uno u otro motivo est inmer-
sa en el tema: un drogadicto, los padres del drogadicto, un hermano o un
amigo, un profesional experto en la cuestin, un ex-drogadicto, etc.

La entrevista implica hacer preguntas en forma oral, y el cuestionario en forma
escrita. Habitualmente los cuestionarios son standard, o sea, a todos los infor-
mantes se les hacen las mismas preguntas y en el mismo orden, bajo la misma
consigna. Estos cuestionarios podrn ser cerrados, cuando el sujeto simple-
mente debe optar entre varias respuestas posibles fijadas de antemano (por
ejemplo s, no, no sabe) o abiertos, donde la persona contesta libremente
lo que se le ocurre.

Para recolectar datos tenemos an una opcin ms pica: podemos des-
peinarnos, ponernos una ropa desprolija e ir a convivir con drogadictos en
sus lugares naturales simulando ser uno de ellos. Esto es lo que se llama
observacin participante, y con ella podremos obtener informacin que
por las tcnicas anteriores no fue posible conseguir, sea porque los entre-
vistados no se animaron a decirlo, o porque directamente lo desconocan.
Pero la observacin participante tiene tambin su riesgo: encariarnos
con la droga o enamorarnos de una drogadicta podr pervertir nuestra
intencin de objetividad y hacernos olvidar para siempre la metodologa
de la investigacin.
Una ltima tcnica exploratoria consiste en el seguimiento clnico de ca-
sos individuales a lo largo del tiempo: se supone que este camino nos
dar una informacin mucho ms profunda sobre la drogadiccin y sus
causas, ya que nos permite acceder a la infancia del sujeto, a sus ntimas
motivaciones y creencias, y a sus proyectos ms ocultos.
En suma: para explorar un tema relativamente desconocido disponemos
de un amplio espectro de medios para recolectar datos en psicologa y
ciencias sociales: bibliografa especializada, entrevistas y cuestionarios,
observacin participante (y no participante) y seguimiento de casos clni-
cos. La investigacin exploratoria terminar cuando, a partir de los datos
recolectados, adquirimos el suficiente conocimiento como para saber qu
factores son relevantes al problema y cules no. En este momento, esta-
mos ya en condiciones de encarar una investigacin descriptiva.
La investigacin descriptiva
Sabemos ya, por los resultados de la indagacin exploratoria, qu aspectos son importantes
o relevantes y cules no respecto del tema estudiado. Tras haber aumentado as nuestro
conocimiento sobre la drogadiccin, sabemos ahora que los aspectos relevantes son por
ejemplo la desercin escolar, la zona de residencia y la edad, y sabemos que son mucho
menos importantes la raza, la inteligencia y el sexo. Todo esto lo hemos llegado a saber en
forma intuitiva a partir de los datos que fuimos recolectando en el estudio exploratorio y, si
tenemos la suficiente confianza en nuestra intuicin (pues a veces falla), podremos adoptar
la decisin de considerar unos factores y rechazar otros. Pero ante la duda, convendr
seguir manteniendo en nuestro plan los factores sospechosos de ser irrelevantes: en todo
caso la duda quedar aclarada en la investigacin descriptiva.

a) Hiptesis

Al comenzar el estudio descriptivo no slo ya hemos aumentado nuestro conocimiento del
tema sino que adems, y como consecuencia, hemos reducido o achicado el nmero de
posibles factores relacionados con la drogadiccin. Por lo tanto, podemos empezar a dar
forma aqu a nuestra propia hiptesis sobre qu aspectos influyen sobre la adiccin a las
drogas. Comenzaremos por establecer qu es una hiptesis, cmo debemos formularla, y
cules son sus elementos constitutivos.
En una primera aproximacin intuitiva, diremos que una hiptesis no es una pregunta sino
una respuesta, una respuesta a un problema, un intento de explicacin. Cotidianamente
solemos formular hiptesis sin ser cientficos. Si alguien no lleg a la cita (problema) bus-
camos alguna hiptesis para explicar esta situacin (aunque se llame "excusa" si la explica-
cin la da el impuntual): haba huelga de transportes, tuvo un accidente, se qued dormido
leyendo este libro, etc. Son todas respuestas tentativas que despus podrn verificarse o
no, segn nuestras ganas.
Pero el cientfico tambin inventa hiptesis; de hecho, su tarea central consiste en formular-
las y luego probarlas. Por ejemplo frente al problema de porqu existe el dolor, puede ocu-
rrrsele la hiptesis de que el dolor es un aviso natural de alguna enfermedad para alertar al
sujeto y poder combatirla. As como las preguntas suscitan respuestas, as tambin los
problemas suscitan hiptesis.
En una segunda aproximacin ms tcnica, una hiptesis es una proposicin general, sint-
tica y verificable. Esta definicin nos dice que ante todo una hiptesis es una proposicin, o
sea una afirmacin (o negacin) acerca de algo. Cuando simplemente decimos aprendiza-
je no estamos afirmando ni negando nada, pero cuando decimos que el aprendizaje es
estimulado con premios aqu s ya estamos afirmando algo (2). Aunque tambin una nega-
cin es una proposicin (el aprendizaje no es estimulado por premios), lo habitual en la
ciencia es la formulacin de hiptesis en forma positiva o afirmativa.
La proposicin hipottica debe adems ser general: suponemos y pretendemos que es
aplicable a todos los individuos (incluso a los que an no conocemos, con lo que la hiptesis
tiene tambin un carcter predictivo). El anterior ejemplo sobre el aprendizaje es una propo-
sicin general; en cambio, "Juancito aprende ms cuando es premiado" es singular, y en
este sentido no es una hiptesis. A lo sumo podr ser una proposicin deducible de una
hiptesis ("el aprendizaje aumenta con los premios") cuando no el resultado de una obser-
vacin. El requisito de la generalidad deriva de una exigencia del conocimiento cientfico
que dice que tiene que ser general pues esto no slo aumenta nuestro saber sobre la real i-
dad sino que adems, al ser predictivo, tiene una mayor utilidad prctica.
La hiptesis tambin debe ser una proposicin sinttica. De acuerdo con cierta clasificacin
de inspiracin kantiana (21), las proposiciones pueden ser analticas, contradictorias y sint-
ticas.

Las proposiciones analticas son siempre verdaderas: "lo que es, es", o "el tringulo ti e-
ne tres ngulos", etc. Las proposiciones contradictorias son siempre falsas: "una empa-
nada no es una empanada", "un cuadriltero tiene cinco lados", etc. Lo caracterstico de
estas proposiciones es que sabemos su verdad o su falsedad simplemente por el exa-
men de la misma proposicin, con lo que no necesitamos confrontarlas con la realidad:
no necesitamos observar un tringulo para saber que tiene tres ngulos, porque la mi s-
ma expresin "tringulo" ya lo dice.

Si en las proposiciones analticas (o contradictorias) tenemos siempre la certeza de su
verdad (o falsedad), en las proposiciones sintticas no podemos saber de antemano (o "a
priori", que es ms elegante) si son verdaderas o falsas. Por ejemplo "el lpiz es azul", o "la
frustracin genera agresin". Puesto que no conocemos su verdad o falsedad, requerirn
entonces ser verificadas empricamente, lo que constituye otra de las caractersticas de una
hiptesis.
Pero para poder verificar una proposicin sinttica esta deber ser, obviamente, verificable.
"Lucifer vive en el infierno" es una proposicin sinttica pues no sabemos de antemano si
esto es cierto o no, pero no es verificable pues no contamos con ninguna experiencia que
pueda probarlo. Recordemos que una hiptesis es una respuesta a un problema, y si que-
remos que ste sea solucionable deberemos buscar una respuesta verificable. "La frustra-
cin genera agresin" s es verificable, por ejemplo dando a las personas ciertos problemas
para resolver (que en realidad son insolubles) y luego ver si nos tiran con el problema por la
cabeza o no. Es entonces posible administrar estmulos frustrantes y observar luego si
aparecen o no respuestas agresivas.

Resumamos otras caractersticas de las hiptesis: a) Relevancia: la hiptesis procura
dar explicaciones "esperables" de acuerdo al contexto donde se trabaja. En un contexto
cientfico no puedo afirmar como hiptesis que "la neurosis se debe a que existe el uni-
verso". Indudablemente esto no carece de sentido, porque si no habra universo no ha-
bra personas y por lo tanto tampoco neurticos, pero sta no es la explicacin espera-
ble en un contexto psicolgico. Del mismo modo, en el contexto de la qumica sera irre-
levante explicar un incendio diciendo que se debi a que se quera cobrar el seguro. La
explicacin relevante en el mismo contexto es aportada por la teora de la combustin.
b) Multiplicidad: habitualmente se proponen varias hiptesis para resolver un problema,
y luego se va haciendo una seleccin sobre la base de los elementos de juicio a favor o
en contra de cada una de ellas. Hempel (3) cita un ejemplo donde para resolver el pro-
blema de por qu las mujeres parturientas contraan la fiebre puerperal, se haban pro-
puesto seis hiptesis alternativas. c) Simplicidad: dadas dos hiptesis alternativas que
fueron ambas verificadas con la misma fuerza, se tiende a preferir la ms simple, o sea,
aquella que con los mismos elementos explica ms, o aquella que muestra una realidad
ms armnica y uniforme, o hasta incluso aquella que resulta psicolgicamente ms en-
tendible. Tras la aparente complejidad de su indagacin, el cientfico trata de buscar la
solucin ms sencilla.

Respecto del modo cmo deben formularse las hiptesis, tenemos basicamente dos varian-
tes: las hiptesis de correlacin y las hiptesis causales. Las primeras tienen pocas preten-
siones, pues se limitan a afirmar que hay una cierta correlacin entre dos o ms factores,
como cuando decimos que "a mayor cohesin grupal mayor eficacia laboral". Esta hiptesis
me dice que cuanto ms unido es un grupo mejor trabaja, o sea me informa que los factores
cohesin y eficacia estn altamente correlacionados: cuando aumenta uno tambin aumen-
ta el otro. Pero cuidado: la hiptesis no dice explcitamente que un factor sea la causa del
otro (aunque podamos suponerlo ntimamente o leerlo entre lneas), o sea que explcitamen-
te no est formulada como hiptesis causal. Hubiera sido as si hubisemos dicho "la causa
de la eficacia laboral es la cohesin grupal", o "la cohesin grupal determina la eficacia
laboral", donde la expresin "determina" ya sugiere en forma explcita la idea de un vnculo
causa-efecto. La correlacin podr ser directa (ambos factores aumentan, o ambos dismi-
nuyen), o inversa (uno aumenta y el otro disminuye, o viceversa).
Las hiptesis causales tienen mayores pretensiones: no solamente afirman que dos factores
se encuentran correlacionados sino que adems arriesgan la idea que hay un vnculo causal
entre ellos, o sea uno es la presunta causa y el otro el efecto. Las hiptesis del tipo "la
cohesin grupal es la causa de la eficacia laboral"son claramente explicativas (explican la
eficacia a partir de la cohesin), mientras que las hiptesis de correlacin son mas bien
descriptivas, pues resumen las observaciones realizadas sobre cierta cantidad de grupos
donde se constat una cierta regularidad entre la cohesin y la eficacia.
Normalmente, las hiptesis de correlacin van surgiendo en el transcurso de una investiga-
cin descriptiva, pero a medida que avanza esta descripcin el investigador puede ir alimen-
tando la sospecha de que entre ciertos factores no slo hay una correlacin sino tambin
una relacin causal. La investigacin descriptiva, como veremos, termina con la formulacin
de una hiptesis causal, que luego deber ser probada mediante una investigaci n explica-
tiva.

Puede tambin ocurrir que el cientfico alimente primero la sospecha de un vnculo cau-
sal, en cuyo caso el paso posterior ser hacer una investigacin descriptiva para consta-
tar si hay o no correlacin, as como su grado o fuerza, como paso previo para probar
definitivamente el vnculo causal en el estudio explicativo. De aqu que a veces se diga
que en una investigacin descriptiva (y an en una exploratoria) se puede o no partir de
hiptesis previas.

b) Conceptos: constantes y variables

Examinaremos ahora los elementos constitutivos de una hiptesis, partiendo del siguiente
ejemplo: "En la provincia de Chiclayo, a mayor densidad poblacional menor solidaridad entre
los habitantes". En esta hiptesis los elementos que la componen son tres: "rea geogrfi-
ca", "densidad poblacional" y "solidaridad", y los llamamos conceptos.
Para lo que aqu nos interesa, los conceptos son ante todo propiedades o caractersticas de
los sujetos o las poblaciones que estamos estudiando (o sea, propiedades de las unidades
de anlisis). Por ejemplo, tal sujeto o tal poblacin tiene la propiedad de estar en tal zona
geogrfica, con lo cual "zona geogrfica" es un concepto. Del mismo modo tambin son
propiedades de una poblacin su densidad o su grado de solidaridad.
Los conceptos tienen diferentes grados de abstraccin: "sexo" o "raza" son propiedades
directamente observables, pero hay conceptos ms abstractos como "aprendizaje", "perso-
nalidad" o "inteligencia". Estos no son directamente observables (son hipotticos o tericos)
salvo a travs de otras propiedades ms empricas o menos abstractas: "inteligencia" puede
observarse mediante otros conceptos como "aptitud para la suma aritmtica" o "habilidad
para armar rompecabezas".
No debemos confundir el concepto con el trmino: el primero es una idea, mientras que el
segundo es una mera palabra. Muchas teoras utilizan el mismo trmino como por ejemplo,
"transferencia", pero cada una lo conceptualiza de diferente manera y entonces son concep-
tos diferentes: una cosa es la transferencia en el psicoanlisis, otra en las teoras del apren-
dizaje, otra el ARN de transferencia en biologa, y an fuera de un contexto cientfico tam-
bin puede significar el trmite de cambio de titularidad de un vehculo. Otro tanto podemos
decir del trmino "resistencia", que puede apuntar a un concepto fsico como a uno psicoa-
naltico.

Si bien utilizamos conceptos en la vida cotidiana ("golosina", "alegra"), y los hay tam-
bin en la filosofa ("ente", "alma"), los conceptos que aqu nos interesan son aquellos
que pueden ser tratados cientficamente, para lo cual deben reunir dos requisitos: a) de-
ben poder observarse y medirse. Los conceptos abstractos no son directamente obser-
vables, pero si podemos traducirlos a otros conceptos ms empricos entonces s son
cientficos. Precisamente al poder observarlos puedo tambin medirlos. Medimos "intel i-
gencia" a travs de la medicin de la "habilidad para el clculo aritmtico"en un test. Pa-
ra poder transformar un concepto terico en conceptos empricos hago una operaciona-
lizacin, proceso que describiremos ms adelante; b) deben estar vinculados con otros
conceptos a travs de una hiptesis. "Solidaridad" como concepto aislado no es tratable
cientficamente, salvo que lo relacionemos con "densidad poblacional", o con "raza", etc.
La hiptesis permite al investigador relacionar conceptos entre s para determinar cmo
varan unos en funcin de otros y, de esta manera, ampliar y profundizar su compren-
sin de la realidad.
Para algunos autores (4), si un concepto rene los dos requisitos apuntados entonces
puede usrselo en la investigacin cientfica y recibe el nombre de "constructo".

Sin embargo, en una hiptesis no todos los conceptos funcionan de la misma manera, y as,
encontraremos bsicamente dos tipos de conceptos, a los que se suele llamar constantes y
variables.
Una constante es todo concepto que no sometemos a variacin en una determinada investi-
gacin: precisamente lo mantenemos constante. En nuestro ejemplo anterior "rea geogrfi-
ca" es una constante, ya que en la hiptesis queda claro que investigamos solamente po-
blaciones de Buenos Aires, y no de Entre Ros o Catamarca. Al mantenernos slo en Bue-
nos Aires mantenemos constante el rea geogrfica. Constantes habituales en la investiga-
cin cientfica son las constantes espaciales (como "rea geogrfica") y las temporales
(como "ao").
Lo que en una determinada hiptesis puede funcionar como constante, en otra hiptesis
puede no hacerlo. Consideremos estas dos hiptesis: "En 1988, el ndice de drogadiccin
aument con la desercin escolar", y "Los ndices de drogadiccin fueron aumentando en
los ltimos aos". El concepto "ao" funciona como constante en la primera hiptesis, por-
que lo mantenemos en un valor fijo (1988); pero en la segunda no es constante pues lo
sometemos a variaciones (1986, 1987, 1988, etc.).
Precisamente llamaremos variable a todo concepto que esperamos que vare a lo largo de
una investigacin determinada. En nuestro primer ejemplo variables son la "densidad pobla-
cional" y la "solidaridad", ya que si sometemos a variacin la densidad poblacional es espe-
rable una variacin correlativa de la solidaridad. Cmo sabemos que han variado? Porque
las hemos medido, y esta es la razn de la importancia de la medicin en la investigacin
cientfica. Obviamente podemos llevarnos una sorpresa: hemos variado la densidad pobl a-
cional pero resulta que no vari la solidaridad. Esto no quiere decir que solidaridad deje de
ser variable, pues lo esencial de una variable es ser un concepto sobre el cual recae una
expectativa de variacin.
Si en la hiptesis anterior "densidad poblacional" funcionaba como variable, en otra hipte-
sis puede funcionar como constante, como en el caso siguiente: "En zonas de igual densi-
dad poblacional, a mayor homogeneidad de razas mayor solidaridad", lo cual demuestra que
un concepto no es en s msmo ni constante ni variable: esto lo habr de decidir la hiptesis
donde lo inclumos, o sea, el propsito de nuestra investigacin.
De entre las muchas clasificaciones de variables que existen hemos seleccionado cinco, de
las cuales la ltima ser la ms importante pues sobre ella basaremos gran parte del pre-
sente libro.

Clasificacin de variables

Segn complejidad Simples (manifiestas)
Complejas (latentes)
Segn manipula-
cin
Activas
Asignadas
Segn ubicacin Organsmicas
Situacionales
Segn medicin Cualitativas
Cuantitativas (estas pueden ser discretas y continuas)
Segn funcin Relevantes: Dentro de las relevantes encontramos las independientes (X),
las dependientes (Y), y las adicionales (stas ltimas pueden ser antece-
dentes, intervinientes y contextuales).
No relevantes

Segn su grado de complejidad, las variables pueden ser simples y complejas. Las primeras
pueden observarse y medirse directamente, mientras que las segundas son ms tericas y
slo pueden observarse y medirse indirectamente traduciendo sus trminos abstractos a
trminos empricos. "Inteligencia" es variable compleja pues slo puede medirse a travs de
sus indicadores empricos, como por ejemplo "aptitud para comprender refranes". Ms
adelante, al hablar del proceso de operacionalizacin, volveremos a caracterizar variables
complejas como aquellas constitudas por varias dimensiones, y variables simples como las
que no tienen dimensiones. De acuerdo con otras nomenclaturas, las variables simples se
llaman tambin manifiestas, y las complejas latentes.
Segn el grado de manipulacin ejercido por el investigador sobre las variables, stas po-
drn ser activas o asignadas segn que sean manipuladas o no, respectivamente, enten-
diendo por manipulacin la accin que realiza el investigador de cambiar sus valores a
voluntad. La edad suele ser una variable de fcil control, ya que el investigador puede agru-
par personas de acuerdo a su edad en forma sencilla. Pero si intenta agrupar personas con
la misma motivacin podr tener dificultades debido a su desconocimiento de las motivaci o-
nes de las diferentes personas para estudiar, jugar, aprender, etc. "Motivacin" es as una
variable asignada o de difcil control, salvo que el investigador pueda "despertar" la motiva-
cin y regularla sobre la base de premios o castigos, en cuyo caso pasa a ser una variable
activa. La distincin entre variables activas y asignadas es importante por cuanto, como
veremos, la gran tarea del investigador es la de manipular variables.
No debe confundirse la manipulacin con el control. La manipulacin se ejerce sobre las
variables independientes, pues son stas las que el investigador vara a voluntad para ver si
se produce alguna variacin en la variable dependiente. Mientras tanto, las otras variables
adicionales que podran estar tambin influyendo sobre sta ltima deben ser controladas,
es decir, se intentar evitar su influencia. En suma: las variables independientes se manipu-
lan, la variables adicionales o extraas se controlan, y finalmente las variables dependientes
se miden (para saber si sufri alguna variacin por efecto de la variable independiente).
Segn su ubicacin, las variables pueden ser organsmicas y situacionales. Las primeras
son propias del sujeto (temperamento, tolerancia a la frustracin, etc.), mientras que las
segundas son ms propias del ambiente o la situacin que rodea al sujeto (clima poltico,
clima meteorolgico, tipo de tarea a realizar, etc.). Ciertas variables como "inteligencia"son
lo suficientemente complejas como para inclur aspectos organsmicos (factores genticos,
maduracin nerviosa) y aspectos situacionales (alimentacin, estimulacin recibida). No
obstante, en cada teora puede predominar la concepcin organsmica o la situacional de
inteligencia: para el conductismo ortodoxo, inteligencia es una variable eminentemente
situacional en tanto considera que una persona es ms o menos inteligente segn el am-
biente y los estmulos que en l se generan.
Segn el nivel de medicin empleado para medir las variables, stas pueden ser cualitativas
o cuantitativas. Toda variable tiene distintas posibilidades de variacin: "religin" tiene como
posibles variaciones "catlico", "protestante", "judo", etc., y la variable edad admite varia-
ciones como "10 aos", "11 aos", etc. Las primeras se denominan cualitativas y las segun-
das, al expresarse numricamente, son cuantitativas. Aqu los nmeros no deben ser si m-
ples etiquetas, como los que identifican a los jugadores de ftbol, sino que deben poder
servir para realizar sumas, restas, etc. Otras variables cualitativas son por ejemplo "partido
poltico", "sexo", etc., y variables cuantitativas son tambin "cantidad de hijos", "peso", etc.
Las variables cuantitativas pueden a su vez ser continuas y discretas, lo que en ltima
instancia depender de la decisin del investigador. As, la variable "edad" ser considerada
discreta si sus valores remiten slo a nmeros enteros: 20, 21, 22 aos., etc., y ser consi-
derada continua si sus valores pueden ser enteros y fraccionarios (edades en aos, meses
y das). En las variables continuas es siempre posible agregar otro valor entre dos valores
dados cualesquiera.
Tambin depende de una decisin del investigador considerar una misma variable como
cualitativa o cuantitativa, segn su criterio. Si considera para "altura" los valores "alta",
"media" y "baja" la estar tomando como cualitativa; no as si selecciona los valores "1,60",
"1,70", etc. El importante requisito de exactitud que debe regir toda investigacin nos har
preferir siempre que se pueda el nivel cuantitativo.
Llegamos ahora al criterio ms importante y ms utilizado para clasificar variables: segn su
funcin en el contexto de la investigacin. Si bien esta clasificacin vara mucho de un autor
a otro, propondremos aqu una que nos parece lo suficientemente completa.
Primeramente encontramos variables relevantes y no relevantes. Estas ltimas, que sern
descartadas por el investigador son aquellas que, a juicio de ste, no influyen en la investi-
gacin que est realizando, o al menos existen razonables elementos de juicio como para
eliminarlas. Podemos pensar que la dureza de los minerales no influye para nada sobre el
humor de las personas, salvo que nos arrojen una piedra por la cabeza.
Las variables relevantes son aquellas que s consideraremos en la investigacin, sea por-
que son las variables que queremos estudiar directamente (la independiente y la dependien-
te), sea porque sospechamos que estn ejerciendo algn tipo de influencia que deseamos
medir para controlarlas y eventualmente anularlas (variables adicionales). As por ejemplo,
si estamos indagando la influencia del ruido sobre el estrs, podemos sospechar que tam-
bin acta una variable adicional, el tipo de ocupacin, que tambin influira sobre el estrs.
Para controlarla y anular su influencia procuraremos que los sujetos sean lo ms heterog-
neos posible en cuanto a sus respectivas ocupaciones.
Hipotticamente, en el medio de nuestra investigacin podemos empezar a darnos cuenta
que el ruido no tiene nada que ver con el estrs, sino la ocupacin. Si entonces nos propo-
nemos estudiar la influencia de sta ltima sobre el estrs, entonces la variable adicional
pasar a ser una variable independiente, y ruido de ser variable independiente pasar a ser
una variable no relevante.
Llamaremos variable independiente a aquella que supuestamente acta como causa (por
ejemplo el ruido). En cambio la variable dependiente es el efecto (el estrs). Si se la deno-
mina dependiente es slo porque suponemos que "depende" de la independiente. Por con-
vencin universal a la variable independiente se la designa X y a la dependiente Y, con lo
cual la relacin entre ambas variables puede expresarse del siguiente modo:

X -----------> Y

Esta expresin, tan sencilla como fundamental, significa que X es la supuesta causa de Y
("supuesta" porque no necesariamente tuvo que haber sido probada, como ocurre en los
preliminares de la investigacin). A la variable X se la suele llamar tambin variable experi-
mental, porque es aquella variable que manipular o har variar el investigador para ver si
tambin vara Y. As por ejemplo el cientfico producir diferentes intensidades de ruidos
(vara X) para comprobar si en la misma medida vara tambin el estrs (variacin de Y).
Observemos que no hace variar directamente Y, sino indirectamente actuando sobre X. En
sntesis: el investigador acta sobre X, y X eventualmente actuar sobre Y.
Vale la reiteracin por ser una relacin importante: la variable dependiente es aquella que
depende de la independiente. En la hiptesis que dice que "nuestra impresin de las perso-
nas depende de cmo hablan" se est considerando que la impresin es la variable depen-
diente y el modo de hablar la variable independiente.
En el caso anterior es el mismo enunciado de la hiptesis el que nos est indicando explci-
tamente qu variable depende de la otra. Puede ocurrir sin embargo que nos presenten dos
variables aisladas -no vinculadas mediante una hiptesis- como por ejemplo "edad" y "me-
moria". En estos casos la mejor forma de saber cul es cul es hacernos interiormente la
pregunta "cul depende de cul?". Obviamente, tiene ms sentido decir que la memoria
depende de la edad, que decir que la edad depende de la memoria. Esto ltimo puede
funcionar como chiste, como cuando a una persona le preguntamos su edad y hace que no
se acuerda.
La cuestin puede complicarse cuando nos dan estas otras dos variables: "clase social" e
"inteligencia". Aqu cualquiera de las dos puede funcionar como variable depediente o inde-
pendiente, segn qu sea lo que nos interese investigar.Tiene tanto sentido decir que la
inteligencia depende de la clase social (pues las clases ms altas alimentan mejor y dan
ms estimulacin a sus nios, con lo que estos desarrollarn mayor inteligencia), como
decir que la clase social depende de la inteligencia (sujetos ms inteligentes tienen mayores
posibilidades de escalar clases sociales). Otro tanto podemos decir con respecto a las
variables "cantidad de ensayos" y "nmero de errores".
El esquema simple X-------->Y nos sugiere la idea que los fenmenos obedecen a una nica
causa. Al respecto, se pueden sustentar tres posiciones distintas:

a- Todo fenmeno tiene una sola causa.
b- Algunos fenmenos se deben a una sola causa, pero otros a varias.
c- Todo fenmeno responde a muchas causas.

El sentido comn sostiene habitualmente la primera postura. En nuestra vida cotidiana
solemos basarnos en este supuesto cuando afirmamos o creemos en enunciados tales
como "coma manzanas y adelgazar", o "si estoy enojado se debe simplemente a que usted
me hizo enojar", etc., o bien "no aprob el examen porque el profesor se ensa conmigo".
Si nos mantenemos en esta ilusin de la nica causa se debe probablemente a que, entre
otras razones, en nuestra fantasa podremos controlar la ocurrencia o la no ocurrencia de
los acontecimientos controlando un solo factor, o sea de la forma ms sencilla. Si yo pienso
que me resfri simplemente porque me desabrigu, podr supuestamente controlar el res-
fro abrigndome bien.
La psicologa conoce bien esta tendencia. De Vega refiere que el hombre de la calle utiliza
un principio de parsimonia intuitivo cuando busca explicaciones causales a los fenmenos.
Tendemos a sobreestimar el valor de las atribuciones unicausales, a conformarnos con una
sola causa plausible, minimizando otras causas concurrentes (23).
Sin embargo, cuando empezamos a advertir que las cosas no son tan sencillas empezamos
a sostener insensiblemente la segunda postura, pero la tercera posicin ya es sustentada
por la actitud cientfica. Aos de investigaciones ensean que la realidad es bastante ms
compleja de lo que se supone y que cualquier fenmeno, por simple y anodino que parezca,
obedece a muchas causas que actan conjuntamente para producirlo. Uno podra pensar
que la rotura de un vidrio tiene una sola causa: la piedra que hemos arrojado contra l. Este
acontecimiento obedece sin embargo a muchas razones que intervienen simultneamente:
el arrojar la piedra, la dureza y la trayectoria de la misma, su velocidad, la fragilidad del
vidrio, nuestro propio instinto de agresin, etc. etc. Conoc un nio que habiendo roto una
ventana, se justific diciendo "qu culpa tengo yo si el vidrio es frgil". Podra tambin haber
dicho, apelando a otra posible causa, "qu culpa tengo yo si el vidrio se interpuso en la
trayectoria de la piedra".
Pero si el cientfico sostiene la tesis de la policausalidad, por qu entonces se plantea
habitualmente el simple esquema X Y? Podemos citar dos razones importantes: a) es
imposible poner a prueba simultneamente todas las causas posibles (entre otras cosas
porque las desconocemos), por lo que el cientfico decide probar uno por uno cada factor
causal en investigaciones separadas e independientes sobre la base del esquema antes
indicado; b) al cientfico suelen interesarle, por razones prcticas, slo ciertos factores que
est en condiciones de controlar. En la causacin de la neurosis intervienen muchas cau-
sas, entre las que podemos citar los factores constitucionales heredados y los conflictos
sexuales no resueltos de la primera infancia. Como por ahora, y dado el relativamente exi-
guo avance de la ingeniera gentica no se puede influr en los genes para evitar la neuro-
sis, cientficos como Freud se abocaron al estudio de la causalidad sexual infantil, cosa que
s es posible controlar o influenciar mediante una educacin adecuada. Conciente de la
necesidad de adoptar un punto de vista policausalista, el creador del psicoanlisis se refiri
tambin a los factores constitucionales, pero slo se limit a mencionarlos.
No obstante lo dicho, el simple esquema X Y admite una complejizacin ms. Si bien no
se pueden investigar simultneamente todas las causas posibles, mediante diseos ms
complejos podemos estudiar unas pocas causas al mismo tiempo, con lo cual resultan dos
esquemas de investigacin:

Las investigaciones ms simples son bivariadas: consideran solamente la variable indepen-
diente X (posible causa) y la variable dependiente Y (efecto). Tal es el caso del abordaje de
hiptesis como "la memoria depende de la edad", "ambientes con msica aumentan el
rendimiento laboral", etc., o de aquellas otras que la divulgacin cientfica suele expresar
ms literariamente como "el mal humor es una hormona" y "la tristeza atrae a los virus" (5).
X Y X2 Y
X1
X3
Esquema bivariado Esquema multivariado
En cambio, ejemplos de investigaciones multivariadas son la indagacin simultnea de la
edad, el sexo y la situacin familiar como posibles causas de la drogadiccin. O la msica,
el color de las paredes y la temperatura ambiente como posibles factores que influyen sobre
el rendimiento laboral. Tanto en estos esquemas como en los simples bivariados, siempre la
variable dependiente es una sola, y lo que s puede variar es el nmero de posibles causas
o variables independientes tomadas en consideracin.
Por supuesto que tericamente cabe tambin la posibilidad de investigar simultneamente
dos variables dependientes (dos efectos) de una nica causa, como sera el esquema:

Tal es el caso del enunciado "el ruido produce estrs y tambin hipoacusia", pero en estas
situaciones deberemos desglosar el enunciado en dos hiptesis diferentes ("el ruido produ-
ce estrs" y "el ruido produce hipoacusia") y emprender dos investigaciones diferentes y
bivariadas, con lo que volvemos al primer esquema simple. Y si bien es posible tambin
desglosar una investigacin bivariada en varias bivariadas, si se prefiere la primera es por-
que ahorra tiempo y esfuerzo o porque no es posible separar en la realidad la influencia de
las otras posibles causas.
Veamos algunos ejemplos de relaciones X-Y, o sea de posibles vnculos causales:

Edad Memoria Incentivo Rendimiento
Nivel econmico Hbitos alimenticios Nivel socioeconmico Inteligencia
Area geogrfica Drogadiccin Cantidad de ensayos Nmero de errores
Mtodo de enseanza Rapidez del aprendizaje Desercin escolar Drogadiccin
Proximidad elecciones Voto decidido Frustracin Agresin
Padres separados Desercin escolar Drogadiccin Soledad

En los ejemplos de la segunda columna la relacin causal puede darse en cualquiera de
ambos sentidos: si bien es cierto que el incentivo aumenta el rendimiento, un mejor rendi-
miento puede a su vez funcionar como incentivo. O tambin la droga hace que un adoles-
cente falte al colegio, y a su vez la ausencia del colegio hace que vaya a otros lugares
donde puede adquirir el hbito. En ltima instancia cul de los dos factores ser considera-
do causa depende, lo dijimos, de la decisin del investigador, lo cual viene a mostrarnos que
fuera de todo contexto no podemos saber si una variable dada es independiente o depen-
diente, y slo lo sabremos viendo cmo est relacionada con otra variable: si como causa o
como efecto. El solo hecho de pensar que la variable conducta en psicologa es depen-
diente (pues pensamos que la psicologa estudia las causas de la conducta), no debe ha-
cernos excluir la posibilidad de que, en este mismo mbito, pueda ser considerada a veces
como independiente, en la medida que se pretenda investigar cmo influye nuestro compor-
tamiento sobre nuestra visin de nosotros mismos o en la consideracin de los dems.

En algunos de sus escritos Freud consider al sntoma en su doble aspecto de causa y
efecto. Lo entendi como efecto cuando sugiri que un sentimiento de culpa o una in-
tensa fijacin anal (causa) puede hacer que el paciente sea un manitico de la limpieza
(sntoma-efecto); y lo entendi como causa, cuando agreg que su mana por la limpi e-
za (sntoma-causa) puede tornarse tan insoportable para el mismo sujeto que se defien-
da de ella con una extrema suciedad (efecto, o sntoma secundario).

El solo hecho de llevar a cabo una investigacin bivariada no nos garantiza, sin embargo,
que sobre el efecto Y no estn actuando en la realidad los otros posibles factores causales.
X
Y1
Y2
Se hace necesario entonces controlar (en el sentido de neutralizar) la influencia de ellos
porque si no nunca podremos saber si Y se produjo debido a X (que es lo que nos interesa)
o debido a los otros factores. Ya qued dicho que si no se puede aislar la influencia de stos
podremos optar por un diseo multivariado.
Estas otras posibles causas que es necesario controlar o neutralizar se llaman variables
adicionales. A lgunos autores la designan con la letra "t" como Hyman (6), y otros con la
letra "z" como Blalock (7). Tambin suele designrselas como variables de control, factores
de prueba, etc., en alusin al uso que se les da en la investigacin. E n lo que sigue adopta-
remos la denominacin "z", con lo cual el esquema simple bivariado adquiere en realidad la
siguiente forma:

Las lneas punteadas indican que los factores adicionales estn supuestamente ejerciendo
influencia sobre Y, y entonces la debemos neutralizar. Tal es la esencia de un experimento:
aislar variables. Oneil (15) da una excelente definicin de experimento cuando dice que es
un modelo particular de variacin y constancia, con lo cual, entre otras cosas, est querien-
do decir que en todo experimento hacemos variar solamente X para ver cmo vara Y,
mientras se mantienen constantes todos los otros posibles factores z1, z2, etc. Muy genri-
camente, entonces, una variable adicional es aquella de la cual sospechamos que puede
estar ejerciendo influencia causal sobre Y, con lo cual resulta que nos es X el nico factor
causal pero s el nico que nos interesa. En un esquema multivariado tambin habr que
controlar otros posibles factores z, mientras investigamos slo los que nos interesan en ese
momento (X1, X2, X3, etc.).
Estas variables adicionales o extraas pueden estar ejerciendo su influencia de tres mane-
ras distintas, de donde podemos decir que habr tres tipos de variables adicionales (8).

Los esquemas nos muestran que z acta como variable antecedente cuando ocurre crono-
lgicamente antes de X; que acta como variable interviniente cuando ocurre despus de X;
y que acta como variable contextual cuando ocurre al mismo tiempo (simultneamente)
que X. Examinemos un ejemplo de variable antecedente:

X Y
z2
2
z1
X Y
z
Variable antecedente Variable interviniente Variable contextual
z Y X
X Y
z

Tras haber realizado una investigacin descriptiva podemos empezar a sospechar que X es
causa de Y debido a la alta correlacin encontrada entre ambas variables: cuanto ms
tiempo alejada del hogar apareca una persona, mayor nivel de estrs constatbamos en
ella. Pero luego empezbamos a sospechar que este vnculo causal es slo aparente, y que
si afectivamente hay una alta correlacin se debe en realidad a que hay otro factor z que
acta simultnea e independientemente sobre X y sobre Y. Efectivamente: el tipo de ocupa-
cin influye en forma independiente y simultnea sobre el tiempo de ausencia del hogar y
sobre el estrs. Por ejemplo: los ejecutivos estn mucho tiempo ausentes del hogar pero
tambin las exigencias y responsabilidades de su profesin les producen estrs.
Si comprobamos que efectivamente el estrs es producido por el tipo de ocupacin y no por
el mayor o menor tiempo de ausencia del hogar, entonces la relacin original X-Y deja de
ser causal y pasa a ser una relacin "esprea", o sea, el vnculo que primeramente nos
pareca causal pero luego constatamos que no lo es. Este tipo de constatacin se llama
prueba de espureidad, y la veremos con mayor detalle en otro captulo.

Otro ejemplo de variable antecedente son los factores genticos. El hecho de que ha-
yamos encontrado una alta correlacin entre la raza (X) y ciertos tipos de cncer (Y) no
prueba necesariamente que la raza sea la causa de esas patologas: raza y cncer de-
penden de factores genticos (Z), por ejemplo: si pensamos que entre X e Y hay una re-
lacin causal es porque vimos alta correlacin, pero sta puede deberse simplemente a
que raza y cncer estn determinados por el mismo cromosoma, portador al mismo
tiempo del gen del color de piel (raza) y del gen que predispone al cncer.
Otro investigador podr sospechar otra cosa: que el cncer se debe a la raza y que los
factores genticos no influyen, si por ejemplo piensa que el color de piel hace que los
rayos ultravioletas solares pentren ms profundamente en los tejidos y tengan ms pro-
babilidades de producirles lesiones malignas. En estos casos la investigacin estar en-
caminada a probar que X es causa de Y, en lugar de intentar probar que no lo es por
existir otro sospechoso ms convincente (z).

Veamos ahora un ejemplo de variable interviniente. Originalmente, los datos de una investi-
gacin descriptiva nos pueden hacer sospechar que el nivel de educacin de las personas
(X) es lo que determina sus intenciones de voto (Y) o sea, sus intenciones por participar
activamente del sistema democrtico, sea porque la educacin ensea la importancia del
voto, sea porque simplemente hemos advertido una alta correlacin entre ambos factores
(personas poco instruidas tienden a no votar, personas instruidas tienden a querer votar).

Podemos sin embargo suponer que en realidad entre X e Y se interpone una variable ms:
el inters en poltica (z), de forma tal que el nivel de educacin determina el inters en polti-
ca y recin ste es la causa directa de la intencin de votar:

X Y
z
Tipo de ocupacin
Tiempo ausencia hogar
Estrs

Podramos aqu argumentar que en rigor el nivel educativo es tambin causa, aunque indi-
recta, de la intencin de votar. Esto es admisible, pero tambin es cierto que lo que al cient-
fico le interesa es una causa mas bien directa para poder controlar mejor la aparicin o la no
aparicin de Y. Es ms difcil controlar la intencin de votar a partir del nivel educativo pues
puede ocurrir que cierto tipo de educacin no despierta inters en poltica. En cambio el
inters poltico es ms seguro para controlar la intencin de voto. Esta es slo una razn
prctica para elegir causas directas, pero hay tambin una razn terica: no aumenta en
mucho nuestro conocimiento de un fenmeno conociendo sus causas remotas. Efectiva-
mente, cuanto ms indirecta o remota sea la causa menor inters tendr para el cientfico:
una causa remota de la drogadiccin es por ejemplo la existencia del sol, ya que si no hay
sol no hay fotosntesis, y por lo tanto no hay plantas, y por lo tanto no habr ni cocana ni
marihuana, con lo cual no habr drogadiccin. La explicacin de la adiccin a las drogas por
el sol resulta ser inatingente.

Examinemos, por ltimo, la variable contextual. Una investigacin descriptiva realizada en
nuestro pas nos ha revelado que hay una alta correlacin entre el sexo de los estudiantes y
la carrera que estos eligen, ya que por ejemplo los hombres se orientan sobre todo hacia la
ingeniera y las mujeres hacia la psicologa:

Suponiendo que nuestra investigacin haya sido hecha a escala internacional, podramos
llegar a advertir que la relacin sexo-carrera sufre variaciones segn el pas considerado.
Podramos quizs constatar que en los pases socialistas aumenta la proporcin de mujeres
que estudian ingeniera, etc. Sobre la original relacin X-Y est entonces actuando una
variable contextual (pas), la que obviamente no tendremos en cuenta si la investigacin es
slo a nivel nacional, en cuyo caso deja de ser variable adicional y pasa a ser una constan-
te.
Por lo general las variables contextuales son espacio-temporales. La relacin sexo-carrera
no slo puede depender de la regin o pas, sino tambin de la poca considerada: hace 60
o 70 aos la proporcin de mujeres que estudiaban medicina era considerablemente menor.

Otras relaciones entre variables.- No siempre una investigacin se ajusta al esquema simple
X>Y. Hay una cantidad enorme de esquemas diferentes, de los cuales los siguientes son
apenas una muestra.

Nivel de educacin Inters en poltica Intencin de voto
z Y X
Sexo Carrera
Pas
X Y
z

Hemos clasificado estos diferentes esquemas en lineales y cibernticos. Estos ltimos
estudian especficamente procesos de feedback o retroalimentacin: no es lo mismo estu-
diar como influye la alimentacin en la inteligencia (esquema lineal X Y), que estudiar
como ambas variables se influyen mutuamente (X Y).
El esquema 8, en particular, es citado por caso por Blalock (22) como ejemplo de complica-
cin de fuentes de espureidad: el vnculo entre religin (X superior) y preferencia poltica
(Xn) puede obedecer a dos causas comunes (X izquierda y X derecha): la religin y la re-
gin del pas.
Porqu en la figura anterior no hemos indicado ninguna Y (variable dependiente)? En real i-
dad en cualquiera de estos esquemas se puede sustitur alguna X por Y, siempre y cuando
a la Y llegue una flecha y al mismo tiempo no salga ninguna flecha de ella. Estas sustitu-
ciones, sin embargo, careceran de sentido en los esquemas cibernticos, donde todas las
X 1 X
Esquemas lineales
X 2 Xn X
3 X
Xn
X
4 X
Xn
X X
5
X
Xn
X 6
X
Xn
X
X
Xn
7
X
Xn
X X
Esquemas cibernticos
X 9 X
X
10
X
X 11 X X
X X
Xn significa una X o ms
8
X
Xn
X X
variables son al mismo tiempo independientes y dependientes, pues todas ellas influyen y
son infludas.

c) Categorizacin y operacionalizacin

Si bien las constantes son importantes como marco de referencia, lo que el investigador
atiende son fundamentalmente las variables porque stas, al variar o no variar, le permitirn
sacar conclusiones sobre la aceptacin o rechazo de su hiptesis. Este paso fundamental
que es la prueba de hiptesis no puede llevarse a cabo si antes no hemos sometido a todas
las variables de la hiptesis a un doble proceso: la categorizacin y la operacionalizacin.

La categorizacin es el proceso por el cual especificamos cules sern las categoras de la
variable que habrn de interesarnos. A su vez, las categoras o valores son las diferentes
posibilidades de variacin que una variable puede tener. Qu posibilidades de variacin
tiene clase social? Alta, media y baja, y por lo tanto estas tres sern sus categoras. Y si
queremos ser ms sutiles podemos identificar cinco posibilidades: alta, media alta, media,
media baja y baja, y si acaso nuestro estudio se centra en un pas donde slo hay dos
clases sociales netamente diferenciadas, entonces slo adoptaremos dos categoras, todo
lo cual demuestra que las categoras se seleccionan segn los propsitos de cada investi-
gacin.

No obstante esta libertad para elegir, y sea cual fuese el sistema de categoras selec-
cionado, ste debe reunir dos requisitos: a) las categoras deben ser mutuamente excl u-
yentes. No podemos decir que las categoras de la variable religin son cristianos y
catlicos porque hay una superposicin en las mismas; b) deben ser adems exhaus-
tivas, o sea deben agotar todas las posibilidades de variacin, con lo cual no podramos
decir que las categoras de la variable raza son solamente blanca y negra. Hay ve-
ces en que son muchas las categoras que habra que agregar para cumplir con este re-
quisito, en cuyo caso podremos agruparlas a todas las restantes bajo una categora re-
sidual caratulada como otras.
Estos dos requisitos sirven en la medida en que permiten ubicar a cualquier sujeto en
una y slo una categora sin que surjan dudas. Si tengo que ubicar al Papa no sabr si
ponerlo en cristianos o catlicos, de aqu que podamos tambin definir la exclusin
mutua como la imposibilidad de que un sujeto cualquiera pueda adquirir ms de un valor
de la variable. En el caso de la variable ocupacin, puede ocurrir que un individuo sea
al mismo tiempo mdico y psiclogo, en cuyo caso se podrn abrir categoras mixtas
(por ejemplo mdico y psiclogo) con lo que queda igualmente salvado el requisito de
la mutua exclusin.
De idntica forma y para el segundo requisito, si tengo que ubicar a un japons y slo
cuento con las categoras blanco y negro no podr hacerlo, de aqu que tambin po-
damos definir la exhaustividad como la imposibilidad de no poder categorizar a un sujeto
cualquiera.

Las posibilidades de variacin pueden llamarse categoras o valores. Se acostumbra a
llamar categoras a aquellas que no admiten un tratamiento cuantitativo por medio de clcu-
los, y por lo tanto regularmente se expresan en palabras. Tales son las categoras de clase
social, de raza, de partido poltico, etc. En cambio suelen llamarse valores a las posiblidades
de variacin cuantitativa, por lo que han de expresarse numricamente. Es el caso de las
variables cuantitativas peso, altura, ingreso mensual, edad, nmero de hijos, cantidad de
ingesta diaria de alcohol, etc.
As como un concepto puede ser tratado como constante o como variable, as tambin una
variable puede ser tratada como cualitativa o cuantitativa, aunque ya hemos indicado que
siempre deben preferirse valores numricos. La variable participacin social puede asumir
categoras como intensa, moderada, escasa o nula (lo que nos da una idea cualitativa
de la participacin de los sujetos en la sociedad), o puede asumir valores como 1, 2, 3,
etc., designando con estas cifras la cantidad de instituciones a las que el individuo est
afiliado (lo que nos da una idea cuantitativa de un grado de participacin en el seno social).

Pero a las variables no slo hay que categorizarlas, sino tambin operacionalizarlas. Llama-
remos operacionalizacin al proceso por el cual transformamos o traducimos una variable
terica en variables empricas, directamente observables, con la finalidad de poder medirlas.
Obviamente una variable que ya es emprica no necesita ser operacionalizada, o, mejor, la
operacionalizacin es mucho ms sencilla. Para explicar la operacionalizacin nos basare-
mos en el siguiente esquema, que describe suscitamente el proceso:

Desde un punto de vista ms tcnico, operacionalizar significa identificar cul es la variable,
cules son sus dimensiones y cules los indicadores y el ndice (o, lo que es lo mismo,
definirla tericamente, realmente y operacionalmente), ya que todo ello nos permitir tradu-
cir la variable terica en propiedades observables y medibles, descendiendo cada vez ms
desde lo general a lo singular.
Habamos dicho que una misma expresin poda referirse a conceptos diferentes: el trmino
inteligencia puede significar una institucin (Servicio de inteligencia), una habilidad para
resolver situaciones nuevas (en la orientacin de Claparede) o puede hacer alusin a habil i-
dades verbales, manuales y sociales (en la orientacin de Weschler). El propsito de la
definicin terica es precisamente eliminar esta ambigedad para estar seguros de cul es
el concepto que queremos operacionalizar: slo identificndolo de esta forma sabremos
cules cuales pueden ser sus correspondientes dimensiones e indicadores.
Cuando se trata de variables tericas o complejas, debemos discernir en ellas varios aspec-
tos o facetas para describirlas adecuadamente. Este no es el caso de variables simples
como sexo. Si bien el sexo puede tener varios aspectos, habitualmente no necesitamos
considerarlos a todos para saber a qu sexo pertenece una persona: basta con mirar su
aspectos general y, si esto no resultare confiable, lo constatamos mediante el documento de
identidad, o se lo preguntamos directamente.
En cambio la variable inteligencia tiene muchos aspectos, y para describirla y medirla no
basta simplemente con decir que alguien tiene inteligencia porque tiene una mirada intel i-
gente ya que esto, adems de subjetivo (otro observador puede estar en desacuerdo), es
muy parcial (no es el nico aspecto).
Todas las facetas que nos permiten describir adecuadamente una variable compleja se
llaman dimensiones. Dimensiones de inteligencia son por ejemplo inteligencia verbal, ma-
nual y social. Estas dimensiones nos acercan un poco ms al plano emprico, a lo observa-
ble, o sea permiten concretizar ms una variable que antes haba sido definida slo teri-
camente. Si un profano nos pregunta qu es la inteligencia y le damos una definicin teri-
ca, mucho no habr entendido, pero si le enumeramos sus dimensiones tendr una mejor
Definicin terica
Definicin real
Definicin operacional
D1
D = Dimensiones
I = Indicadores
Variable
D2 D3
I1 I2 I3 I4 I5 I6
Indice
comprensin porque aludimos a caractersticas o facetas ms concretas: ser inteligente es
saber usar las palabras, ser hbil con las manos, y saberse manejar con las personas. Del
mismo modo, dimensiones de la variable clase social sern por ejemplo el prestigio ocupa-
cional, el nivel econmico, el nivel de educacin formal y modo de vida. Especificar las
dimensiones de una variable es dar una definicin real de la misma.
Dar una definicin terica no es slo importante porque nos permite inferir las dimensiones
de la variable definida (si tomamos la definicin terica de Weschler las dimensiones sern
verbal, manual y social), sino tambin para decidir acerca de si tiene o no dimensiones (o
sea, si es compleja o simple). En sociologa, a la variable sexo se la considera simple,
pero en medicina puede considerrsela compleja, de aqu que en este ltimo contexto se-
xo tenga varias dimensiones: sexo cromosmico, cromatnico, gonadal y fenotpico. Otro
tanto podemos decir de la variable clase social: en ciertos pases y culturas las personas
de distinta clase social se visten inexorablemente en forma muy distinta, y basta este solo
indicador para saber enseguida a qu clase social pertenece una persona sin necesidad de
investigar su nivel econmico, el prestigio de su ocupacin, su nivel de educacin, etc. En
estos casos clase social pasa a ser una variable simple.

Suele a veces confundirse categora con dimensin, y una regla prctica nos ayudar a
distinguirlas. Una categora es una especie de casillero donde podemos ubicar a un su-
jeto: clase media es una categora de la variable clase social porque puedo encasillar
all a un sujeto segn ciertas caractersticas que observ en l, caractersticas que sur-
gen de las dimensiones. No tiene sentido decir que ubicaremos un sujeto dentro de i n-
gresos o dentro de educacin formal, pues estas son dimensiones: todo sujeto es ubi-
cable en una determinada categora pero contiene todas las dimensiones, pues cual-
quier sujeto tiene un cierto ingreso, una cierta educacin formal, etc., y es gracias a este
anlisis que puedo ubicarlo en tal o cual categora.

Si bien las dimensiones nos permiten acercarnos un poco ms al plano emprico, todava no
nos alcanzan para poder observar y medir conductas concretas. As como cuando dbamos
una definicin terica el profano no entenda de qu hablbamos, con el mismo derecho
cuando ahora le especificamos dimensiones puede decirnos que eso de inteligencia verbal
es an algo genrico y vago, con lo cual nos vemos obligados a descender an ms al nivel
emprico. O sea, a partir de las dimensiones buscaremos indicadores.
Precisamente se llaman indicadores porque nos indican qu cosas concretas y palpables
debe realizar un sujeto para poder decir si tiene o no inteligencia verbal, manual o social, y
en qu medida. Indicadores de la dimensin inteligencia verbal sern entonces qu amplitud
de vocabulario tiene, si puede o no completar frases, si puede encontrar absurdos en frases
como qu lstima que el sol se ponga de noche porque ese es justo el momento donde
ms lo necesitamos! o como llova, Juan se sumergi en el ro para no mojarse.
Del mismo modo indicadores de la dimensin educacin formal podran ser si complet o
no la primaria, la secundaria o la universidad, e indicadores de la dimensin nivel socioeco-
nmico pueden ser el ingreso mensual por trabajo, si es o no propietario, cuntos coches
tiene, nivel de ingreso por rentas, si es o no socio de un country, si tiene o no tarjeta de
crdito, etc. Generalmente necesitamos varios indicadores, pues uno solo no suele ser
suficiente para caracterizar la correspondiente dimensin: si juzgramos el nivel socioeco-
nmico slo a partir de si es o no propietario podramos equivocarnos pues una persona
podra haber heredado una propiedad hipotecada, estar desempleado o ganar apenas para
su subsistencia.
As entonces, un indicador es una propiedad manifiesta gracias a la cual podemos medir
directamente una propiedad latente que nos interesa (la variable terica). La aptitud para
armar rompecabezas es una caracterstica manifiesta que me permite medir la inteligencia,
que es una caracterstica latente. En ltima instancia los indicadores, as como las dimen-
siones, son tambin variables slo que ms empricas, pues tambin son susceptibles de
variacin: la aptitud para armar rompecabezas es un indicador que puede adoptar distintos
valores, como por ejemplo de 1 a 10, donde el nmero diez correspondera al armado per-
fecto en el tiempo mnimo para determinada edad.

Una definicin ms precisa de indicador dice que es una propiedad observable que su-
ponemos ligada empricamente (aunque no necesariamente en forma causal) a una
propiedad latente que nos interesa. Esto quiere decir que al seleccionar indicadores po-
demos optar en principio e indistintamente por aquellos que solamente estn altamente
correlacionados con la variable, o por aquellos otros que, adems, suponemos que son
efectos de la causa que es la variable terica.
Un ejemplo de Lazarsfeld nos aclarar la cuestin. Al buscar indicadores de la variable
antisemitismo pueden seleccionarse dos tipos de indicadores, o una mezcla de ambos:
a) La obediencia y el respeto a la autoridad son las virtudes ms importantes que debe
aprender un nio. Esta es una afirmacin que figura en un cuestionario que mide anti-
semitismo y el sujeto debe responder si est o no de acuerdo, es decir, es un indicador.
Pero este indicador no expresa directamente la variable antisemitismo sino autori ta-
rismo, y si lo consideramos es solamente porque sabemos que hay una alta correlacin
entre ambas variables. En rigor dicho indicador no es manifestacin o efecto directo de
la variable que nos interesa, que son las inclinaciones antisemitas; b) La mayora de la
gente no se da cuenta hasta qu punto nuestras vidas estn regidas por las conspira-
ciones de los polticos. Este indicador ya expresa directamente el antisemitismo (basta
pensar en el presunto fraude de los Protocolos de los Sabios de Sion), y est en una re-
lacin de causa-efecto con el mismo: el grado de antisemitismo es la causa de que la
persona responda si est o no de acuerdo con dicha afirmacin.
Lazarfeld (10) llama al primer tipo indicador expresivo y al segundo indicador predicti-
vo, pues slo se puede predecir una respuesta con cierta seguridad sobre la base de
un vnculo causal. Como luego veremos, efectivamente, la simple correlacin no prueba
que haya causalidad, y tiene menor potencia predictiva. En suma: el primero es un indi-
cador de otra variable muy correlacionada con la que nos interesa, mientras que el se-
gundo mide directamente esta ltima con la cual lo suponemos ligado causalmente.

Antes de referirnos a los ndices, convendr previamente distinguir entre otros tres concep-
tos que suelen confundirse: indicador, tem y dato. Cuando uno se propone disear un test
de inteligencia, busca crear varias pruebas concretas de diversa ndole, o sea, deber ba-
jar al plano emprico. Para ello, como vimos, deber primero identificar las dimensiones y
luego los indicadores de cada dimensin. Uno de estos indicadores podr ser por ejemplo
habilidad para el clculo matemtico. Consiguientemente, en el test deber figurar una o
varias pruebas para medir esta habilidad: hacer una suma, resolver una ecuacin, etc.,
pruebas que corresponden respectivamente a habilidades para el clculo aritmtico y para
el clculo algebraico. Cada una de estas pruebas se llama tem y as, para un mismo indi-
cador puede haber uno o varios tems. Si en vez de un test se trata de un simple cuestiona-
rio, los tems sern cada una de las preguntas que el sujeto habr de responder. Por dar un
ejemplo cualquiera, tres de estas preguntas podrn corresponder a un indicador, o slo dos,
o slo una, pero se supone que la totalidad de las preguntas (o de las pruebas si es un test)
habrn de cubrir todos los indicadores que hemos seleccionado y por ende, tambin todas
las dimensiones elegidas para la variable que queremos medir, pudiendo ocurrir a veces
que un tem corresponda simultneamente a dos indicadores de la misma dimensin o de
dimensiones diferentes. La pregunta sobre si cursa o no estudios en una universidad priva-
da corresponde simultneamente a dos dimensiones: nivel econmico (por lo de privada)
y nivel educacional (por lo de universidad).
Mientras hemos diseado el test slo hemos construdo los indicadores con sus respectivos
tems, pero todava no tenemos datos ya que an no lo hemos administrado a ningn sujeto.
En tanto el tem es una pregunta o una prueba, debe admitir varias alternativas de respues-
ta o de ejecucin. En el caso ms simple de un cuestionario cerrado, el tem est de acuer-
do con la actual situacin econmica? podra admitir como alternativas posibles s, no,
ms o menos, y no sabe. En el caso de un test, el tem arme un rompecabezas con las
siguientes piezas podra tener como posibilidades de ejecucin buena, mala y regular.
Una vez construdo el test y previstas las distintas posibilidades de cada tem, podemos
ahora administrarlo a un sujeto determinado. Una vez que ste resopondi las preguntas o
hizo las pruebas correspondientes ya estamos en posesin de los primeros datos, ya que el
individuo qued ubicado en alguna de las alternativas posibles. Ejemplos de datos son
Juancito contest que s a la pregunta nmero 15, o Pedrito cumpli slo regularmente la
prueba del rompecabezas, o Fulanito se sac 6 en la prueba de encontrar absurdos.
Supongamos, ms concretamente, que administramos nuestro test de inteligencia a una
persona. Cuando sta hubo resuelto todas las pruebas o tems, procedemos ahora a eva-
luarla especificando para cada prueba en qu alternativa la ubicamos. Por ejemplo en la
primera prueba sac 7 puntos, en la segunda 5, en la siguiente 6 y en las otras 7, 4, 5, 10, 8
y 2.
A los dos das nos visita esta persona con toda su familia y, ansiosa por saber si es un
genio o tan slo muy inteligente, nos pregunta por el resultado del test. Nosotros entonces le
decimos que su inteligencia es 7, 5, 6, 7, 4, 5, 10, 8 y 2, o sea los distintos puntajes que
obtuvo. Con esta respuesta el sujeto quedar desorientado como Adn en el da de la ma-
dre, pero, y lo que es ms grave, tambin nosotros, porque nos resultar difcil apreciar
rpidamente su grado de inteligencia mediante una montaa de cifras diferentes.
Nos vemos entonces obligados a resumir esta informacin para hacerla ms fcilmente
comprensible y para que, llegado el momento de hacer algn promedio aritmtico sobre la
inteligencia de una muestra de sujetos, podamos disponer de una sola cifra para cada indi-
viduo. Es aqu donde aparece la necesidad del ndice. El ndice ser la cifra que razonable-
mente represente a los 20 o 30 datos obtenidos, como por ejemplo un simple promedio de
los mismos. Tal ndice suele definrselo como un indicador complejo, ya que rene la infor-
macin de todos los indicadores y sus respectivos tems.

Hay muchas formas de construr ndices. Adems del simple promedio aritmtico est
tambin el promedio ponderado, donde asignamos mayor peso a ciertas pruebas a los
efectos del conteo final. Otras veces extraemos previamente sub-ndices, uno para cada
dimensin, para luego resumirlos en el ndice final, tal como puede verse en el test
WISC de inteligencia.
La utilidad del ndice no consiste slo en resumir mucha informacin en una sola cifra,,
sino muchas veces tambin compensar estadsticamente la inestabilidad de las res-
puestas. Dicho en castellano: factores como la falta de atencin o el desinters pueden
malograr algunas respuestas del test, pero no por ello juzgaremos al sujeto falto de inte-
ligencia: en el ndice pueden quedar compensados esos pobres resultados con otras
pruebas donde se puso mayor inters y concentracin, y donde se obtuvieron resultados
ptimos.

Volviendo a nuestro ejemplo, si el promedio de todas las pruebas nos dio por caso 7, ahora
s el sujeto y nosotros podremos darnos una idea de su inteligencia (siempre que conozca-
mos la media poblacional). La ventaja de decir 7 en vez de un montn de cifras es entonces
prctica, ya que tericamente ambas cosas expresan casi lo mismo: con un ndice com-
prendemos mejor la ubicacin del sujeto respecto de la variable inteligencia.
Lo ideal es poder calificar las pruebas numricamente porque el nmero se presta mejor al
clculo a los efectos de obtener ndices y, en general, al tratamiento estadstico. A veces no
es posible hacer esta cuantificacin y en vez de decir 7 decimos inteligencia regular, lo
cual es tambin un ndice en la medida que sintetiza o resume todos los resultados obteni-
dos en las pruebas. Un ejemplo tpico de ndice numrico de la variable inteligencia es la
edad mental la cual, en combinacin con el indicador de la variable simple edad cronol -
gica nos da un ndice compuesto llamado cociente intelectual que tambin constituye un
dato, aunque derivado de los datos originales que eran los puntajes de cada prueba. Como
podemos apreciar, unos datos surgen a partir de otros: las respuestas a los tems nos dan
datos derivados (los ndices) y luego, sacando a su vez promedios de estos ndices obte-
nemos nuevos datos sobre muestras y poblaciones. Un ndice por ejemplo puede ser 110, y
el promedio de una muestra puede ser 115, lo que indica que el sujeto que se sac 110 est
por debajo de la media de la muestra. Si en cambio la media de la poblacijn se considera
como 100, entonces estar por encima del promedio poblacional. Podemos entonces ir
sintetizando una definicin de dato, diciendo que es el valor que adquiere una variable en un
determinado tem, en un determinado sujeto perteneciente a cierta muestra y poblacin.
Los primeros datos que obtenemos entonces son los resultados de las distintas pruebas
individuales del test (o las respuestas a las distintas preguntas de un cuestionario). Estos
datos se resumen en un dato final para cierto sujeto, dado por el ndice (Fulano tiene un CI
de 130). Podemos ir sintetizando los pasos dados hasta ahora de la siguiente manera:

1. Definir tericamente la variable.
2. Especificar sus dimensiones (y sub-dimensiones, si las hubiere). Es lo que se lla-
ma dar una definicin real de la variable.
3. Especificar los indicadores de las dimensiones (definicin operacional).
4. Seleccionar los tems para cada indicador.
5. Especificar las alternativas posibles de respuesta en cada tem asignndole a ca-
da una de ellas una cifra convencional (por ejemplo de 1 a 10). Este proceso, jun-
to con el siguiente, podemos llamarlo seleccin de un sistema de puntuacin.
6. Especificar un procedimiento para obtener un ndice.
7. Obtener o recolectar los datos administrando el test (o el cuestionario) a un sujeto.
8. Resumir los distintos datos en un ndice, con lo cual cada sujeto tendr su propio
ndice.

Estrictamente hablando, el proceso de operacionalizacin comprende todos estos pasos
menos los dos ltimos, pues operacionalizar es preparar un esquema de dimensiones,
indicadores e ndices para luego ser aplicado empricamente a un sujeto determinado. La
historia de un test tiene tres etapas: primero lo inventamos, luego lo administramos y des-
pus lo evaluamos. Los seies primeros pasos estn en la primera etapa, el sptimo coincide
con la segunda y el ltimo forma parte de la tercera etapa.
Esta compleja secuencia de pasos no se realiza o se simplifica notablemente- cuando la
variable es simple por cuanto no hay que buscar ni dimensiones ni una pluralidad de indica-
dores. La variable edad tiene un solo indicador, que puede ser la informacin que da el
documento de identidad, o tambin la simple pregunta qu edad tiene?. A nadie se le
ocurrira hacerle un test con varias pruebas a una persona para medir su edad cronolgica.
Lo ideal sera que todas las variables fuesen as de sencillas, pero tal cosa no ocurre. Ll e-
vados por un ataque de simplicidad, podramos construr el test ms simple de inteligencia
el que, en vez de inclur varias pruebas distintas constara de una sola pregunta: Es usted
inteligente? (lo cual mide ms la inteligencia del que lo invent que de quien lo contesta). Si
el sujeto responde s entonces concluiramos que el inteligente, y si dice no conclumos
que no lo es, pero lamentablemente este test, aunque puede ser confiable, no es vlido.
Cabe pensar que es confiable porque un sujeto muy probablemente contestar siempre la
misma respuesta al hacrcele varias veces la misma pregunta, pero no es vlido porque no
est midiendo inteligencia sino por ejemplo autoestima, necesidad de agradar, o, si es un
test laboral, grado de inters por obtener un empleo. Confiabilidad y validez son requisitos
bsicos de un test, y sobre ellos volveremos ms adelante.
Por lo dems, este hipottico test de inteligencia tampoco resulta cuantitativamente preciso,
pues la simple respuesta s o no no nos informa sobre cunto ms inteligente es el sujeto
con respecto a otro que contest lo mismo o con respecto a un promedio estadstico.

A travs del siguiente esquema resumimos la notable diferencia que hay entre la operaci o-
nalizacin de una variable simple, como peso, y de una variable compleja, como clase
social.

VARIABLE PESO CLASE SOCIAL
Dimensiones Nivel econmico Nivel educacional
Indicadores Registro
balanza
Ingreso
mensual
Es o no
dueo
Tiene
vehculo
Nivel alcan-
zado
Es o no auto-
didacta

Una vez que conocemos el ndice de un determinado individuo, damos ahora el siguiente
paso que es la categorizacin de ese dato, y que viene a continuacin del paso h) anterior.
No debemos confundir la categorizacin de la variable con la categorizacin del dato. Cate-
gorizar la variable fue lo que hicimos al principio de todo cuando establecimos sus catego-
ras o valores como posibilidades de variacin. Por ejemplo para la inteligencia pueden
establecerse cuatro categoras (menos de 90, 91 a 110, 111 a 130, y 131 o ms). Conoci-
das las categoras de la variable, podemos ahora categorizar el dato obtenido, que no es
otra cosa que ubicar a ste en alguna de las categoras establecidas. Como Fulano obtuvo
130, lo ubicaremos en el casillero 111 a 130, y lo mismo haremos con el resto de los sujetos
de la muestra.

d) Organizacin de los datos

Una vez recolectados los datos, ahora deberemos cumplir las tres ltimas etapas: la organi-
zacin, el anlisis y la interpretacin de los mismos.
Supongamos que la muestra de la que venamos hablando en el prrafo anterior est con-
formada por 85 personas. Lo que ahora necesitamos hacer es empezar a resumir toda esta
informacin de forma tal que en vez de tener 85 tests tomados sobre nuestro escritorio
tengamos solamente una hoja donde volcamos todos los datos obtenidos, colocando una
marca en cada categora, como vemos en la siguiente matriz de datos:

Categora de CI Cantidad de individuos
80
85
90
95
100
105
110
115
120
125
130
135
140
145
150
155

As por ejemplo, la matriz me informa que dentro de la muestra encontramos tres personas
que obtuvieron un puntaje de 115, y as sucesivamente. As como al principio habamos
resumido todos los resultados de cada prueba o sujeto en un ndice, ahora estamos resu-
miendo todos los ndices en una matriz de datos, y nuestro siguiente paso ser a su vez
sintetizar los datos de la matriz en una tabla o cuadro, proceso llamado tabulacin.
Lo que una tabla muestra son esencialmente frecuencias, o sea, cantidad de sujetos por
cada categora o valor. La tabla siguiente condensa la informacin de la matriz de datos
precedente, y en dicha tabla la cifra 25 es una frecuencia, o sea una indicacin que en la
muestra hay 25 sujetos que tienen 90 o menos de cociente intelectual. No debe pensarse,
por ejemplo, que 25 significa cociente intelectual. Esta tabla nos revela tambin que la
frecuencia total o sumatoria de frecuencias es 85, y ha de coincidir siempre con la cantidad
de sujetos investigados, es decir, con lo que habitualmente se llama tamao de la muestra.

CI f (frecuencia)
menos de 90 25
91-110 20
111-130 18
ms de 131 22
Total 85

La informacin que nos suministra esta tabla podemos tambin representarla de otras ma-
neras, de acuerdo a qu nos interesa ms saber. El siguiente esquema nos revela que
podemos representar los datos como frecuencias acumuladas (fac), como frecuencias
porcentuales (f%), o como frecuencias acumuladas porcentuales (fac%):

CI f fac f% fac%
menos de 90 25 25 29% 29%
91-110 20 45 24% 53%
111-130 18 63 21% 74%
ms de 131 22 85 26% 100%
Total 85 --- 100% ---

En la segunda columna fuimos acumulando (sumando) las frecuencias anteriores, y as la
frecuencia 63 corresponde matemticamente a la suma de las anteriores frecuencias
(25+20+18). Pero el nmero 63, como toda frecuencia, adems de tener un significado
matemtico tiene tambin un significado emprico, importante a la hora de tener que analizar
la tabla. Empricamente, el nmero 63 me dice que hay 63 sujetos que tienen 130 o menos
de CI. Por otro lado observemos que si los clculos estn bien hechos, la ltima frecuencia
acumulada deber coincidir con el tamao de la muestra (85).
Para obtener frecuencias porcentuales (f%) consideramos primeramente el total de casos
(85) como si fuera el 100%. A partir de aqu y por un simple algoritmo de regla de tres sim-
ple, obtenemos por porcentajes parciales:

Si 85 ------------------------------ 100%
25 x 100
25 --------------------------------- x = ------------ = 29,41% = 29%
85

Luego, si as lo deseamos, podemos obtener las frecuencias porcentuales acumuladas
siguiendo el mismo criterio que aplicamos al obtener las frecuencias acumuladas. Todas
estas nuevas cifras tienen tambin su significado emprico. Por ejemplo la cifra 24% signifi-
ca que un 24% de la muestra tiene CI entre 91 y 110, y la cifra 74% que ese porcentaje de
la muestra tiene un CI por debajo de 131.
Las tablas hasta aqu presentadas, como podemos darnos cuenta, resumen la informacin
con respecto a una sola variable (inteligencia). Dijimos sin embargo que lo que realmente
suele interesar al investigador no es la variable aislada sino su vnculo con otras variables,
por lo que nuestro inters recaer ahora sobre tablas que puedan relacionar variables entre
s. Podemos, entonces, discriminar tres tipos de tablas:

1. Univariadas o de simple entrada (informan sobre una sola variable).
2. Bivariadas o de doble entrada (relacionan dos variables).
3. Multivariadas o de mltiple entrada (relacionan tres o ms variables).

A estas ltimas nos referiremos en un prximo captulo. Mientras tanto, nos centraremos en
la situacin ms habitual representada por la tabla o cuadro bivariado, donde una de las
variables ser la independiente y la otra la dependiente. Comparemos una tabla univariada
con otra bivariada:

CI f
-90 140
90-110 160
+110 150
Total 450
Tabla univariada
Alta Media Baja Total
-90 30 40 70 140
90-110 55 55 50 160
+110 80 50 20 150
Total 165 145 140 450
Tabla bivariada

La primera describe la situacin de una sola variable, e informa que por ejemplo hay 140
sujetos con CI inferior a 90, o que el total de la muestra era de 450 individuos. El cuadro
bivariado suministra ms informacin pues entrecruza dos variables (inteligencia y clase
social). En suma, los elementos bsicos de una tabla bivariada son los siguientes:

1. Las dos variables a relacionar.
2. Ttulo, que en este caso puede ser Inteligencia segn clase social en adolescen-
tes de la Ciudad de Buenos Aires, ao 1980. Como se ve, estn aqu especifica-
das las coordenadas espacio-temporales (dnde y cundo) pero tambin se espe-
cifica cul es la variable independiente y la dependiente (la expresin segn nos
lo sugiere).
3. Las categoras (o valores) de ambas variables. Por ejemplo de clase social hemos
consignado alta, media y baja. Un cuadro muestra siempre categoras, pu-
diendo o no mostrar tambin dimensiones.
4. Las frecuencias, de las que diremos dos palabras.

Hay varios tipos de frecuencias. Por ejemplo la cifra 30, que significa que hay 30 sujetos de
clase alta con CI inferior a 90; o la cifra 145, indicadora que hay 145 adolescentes de clase
media; o la cifra 450, que indica el nmero total de casos de la muestra. Estos tres ejemplos
corresponden, respectivamente, a las llamadas frecuencias condicionales, marginales y
totales. La frecuencia condicional corresponde al entrecruzamiento de dos categoras disti n-
tas, y la frecuencia marginal slo a una. As, 20 es frecuencia condicional y 150 frecuencia
marginal.
Podemos ver tambin que las frecuencias marginales resultan de la suma de las frecuen-
cias condicionales correspondientes, y pueden ser horizontales (como 140, resultado de
sumar 30, 40 y 70) o verticales (como 145, que resulta de sumar 40, 55 y 50). La suma de
las frecuencias marginales horizontales debe ser igual a la suma de las frecuencias margi-
nales verticales, y esa cifra debe equivaler a la frecuencia total (tamao de la muestra).
Un cuadro bivariado puede tambin inclur la misma informacin pero bajo la forma de fre-
cuencias acumuladas (horizontales o verticales), frecuencias porcentuales (horizontales o
verticales) y frecuencias porcentuales acumuladas (tambin horizontales o verticales). El
esquema siguiente ejemplifica estas alternativas:

Ejemplos de frecuencias

-90 30 40 70 140
90-
110
55 55 50 160
+110 80 50 20 150
Total 165 145 140 450
1. Frecuencias absolutas

-90 30 70 140 -
90-
110
55 110 160 -
+110 80 130 150 -
Total 165 310 450 -
2. Frecuencias acumuladas horizontales

-90 30 40 70 140
90-
110
85 95 120 300
+110 165 145 140 450
Total - - - -
3. Frecuencias acumuladas verticales

-90 21% 29% 50% 100%
90-
110
34% 34% 32% 100%
+110 53% 33% 14% 100%
Total - - - -
4. Frecuencias porcentuales horizontales

-90 18% 28% 50% -
90-
110
33% 38% 36% -
+110 49% 34% 14% -
Total 100% 100% 100% -
5. Frecuencias porcentuales verticales

-90 21% 50% 100% -
90-
110
34% 68% 100% -
+110 53% 86% 100% -
Total - - - -
6. Frecuencias porcentuales acumuladas
horizontales

-90 18% 28% 50% -
90-
110
51% 66% 86% -
+110 100% 100% 100% -
Total - - - -
7. Frecuencias porcentuales acumuladas
verticales

Como podemos ver, la misma informacin del cuadro original 1 puede expresarse, segn
nuestras necesidades, de seis maneras diferentes. Veamos algunos ejemplos de cmo han
de leerse las distintas posibilidades:
a) La cifra 110 del cuadro 2 indica que hay 110 individuos de clase media con 110 o menos
de CI. En cambio la cifra 95 del cuadro 3 indica que hay 95 sujetos con CI entre 90 y 110 y
que adems pertenecen a las clases media y alta. En el primer caso la acumulacin se hizo
horizontalmente y en el segundo verticalmente.
b) La cifra 53% del cuadro 4 indica que sobre el total de sujetos con CI superior a 110, el
53% son de clase alta. En cambio la cifra 49% del cuadro 5 indica que sobre el total de
sujetos de clase alta, un 49% posee un CI superior a 110. Tambin en ambas tablas los
porcentajes se calcularon hirozontal y verticalmente, en forma respectiva. Una importante
utilidad que tienen los porcentajes es que permiten igualar las frecuencia con respecto a una
base comn (el 100%):

Edad Primaria Secundaria Total
30
aos
12 142 154
40
aos
18 18 36
50
aos
30 - 30
Total 60 160 220
Tabla I Frecuencias absolutas
Edad Primaria Secundaria Total
30
aos
20% 89% -
40
aos
30% 11% -
50
aos
50% - -
Total 100% 100% -
Tabla II Frecuencias porcentuales

En la Tabla I encontramos dos frecuencias absolutas iguales (18 y 18), pero ellas no tienen
el mismo significado estadstico, pues un 18 se tom sobre un total de 60 personas (escol a-
ridad primaria) y el otro sobre un total de 160 (escolaridad secundaria). Si igualamos 60 y
160 en una base comn (100%) como en la Tabla II, vemos que en realidad uno de los 18
representa el 30% del total y el otro tan slo el 11% del otro total. Esto nos permite evaluar a
simple vista qu proporcin de sujetos de 40 aos hay en cada nivel de escolaridad: si bien
la cantidad absoluta de sujetos es la misma (18), hay mayor proporcin de sujetos primarios
que secundarios.
c) La cifra 50% del cuadro 6 indica que el 50% de los sujetos con CI inferior a 90 pertenecen
a las clases alta y media. La cifra 28% en cambio, en el cuadro 7, expresa que el 28% de
los sujetos de clase media tiene CI inferior a 90. Las acumulaciones de los porcentajes se
realizaron en forma horizontal y vertical, respectivamente. Obsrvese que la informacin del
cuadro 6 no es la misma que la del cuadro 7, pero es igualmente verdadera. La eleccin de
una u otra informacin depender de qu informacin nos interese ms o, incluso, hay
quienes utilizan esta posibilidad de elegir con el propsito de convencer o persuadir. Por
ejemplo, si quiero persuadir a alguien que el cigarrillo es pernicioso para la salud, preferir
decirle que el 90% de los cncer de pulmn son ocasionados por el cigarrillo a decirle que
slo el 10% de los fumadores mueren de cncer de pulmn, siendo que ambas afirmaciones
son igualmente verdaderas.

Sin embargo, la tabulacin no es la nica forma de resumir y organizar la informacin. Exis-
ten tambin otros dos recursos estadsticos, que son la graficacin y las medidas estadsti-
cas descriptivas (tanto de posicin como de dispersin). Ambas modalidades se construyen
habitualmente sobre la base de una tabla de distribucin de frecuencias como las ya vistas.
A travs del ejemplo siguiente veremos cmo la informacin que contiene una tabla puede
tambin presentarse bajo la forma de grficos o medidas estadsticas:

Tabla

Edad f
17 70
18 110
19 140
20 160
Total 480

Grfico

Medidas estadsticas
_
X = 18,8 aos (Media aritmtica)
= 0,9 aos (Desvo Standard)
_
X = 18,8 0,9

En estos ejemplos se tom una muestra de 480 jvenes que cursaban primer ao de la
universidad, y por algn motivo al investigador le interes tener informacin sobre sus eda-
des. La tabla nos muestra que 70 de ellos tienen 17 aos, 110 tienen 18 aos, etc. El grfico
nos da la misma informacin, con la diferencia que es ms fcil visualizarla de un golpe de
vista, especialmente para quien no est habituado a la estadstica: la forma ascendente de
la curva ya nos dice que hay ms jvenes de mayor edad o, si se quiere, a edades ms
altas corresponden mayores frecuencias. Este tipo de grfico se llama polgono de frecuen-
cias, pero hay otras modalidades de grficos.
Las medidas estadsticas, por su parte, permiten condensar todas las cifras de la tabla en
dos, que tpicamente suelen ser la media aritmtica y el desvo standard. Esta simplificacin
hace que una parte de la informacin se pierda, pues las medidas obtenidas no me di cen
por caso cuntos jvenes de 19 aos hay. Esta desventaja (si as puede llamrsela, pues
hay informacin que no tiene mayor utilidad) queda ampliamente compensada con el hecho
de que conociendo las medidas estadsticas, entre otras cosas puedo efectuar anlisis de
f

160
150
140
130
120
110
100
090
080
070
17 18 19 20 Edad
correlacin y regresin (ver ms adelante) y pruebas de significacin, es decir, seguir ade-
lante con la investigacin estadstica y consiguientemente con la investigacin en general.
En el ejemplo considerado, la media aritmtica me dice simplemente que 18,8 aos es el
promedio de edades de alumnos de primer ao de la universidad. Respecto del desvo
standard, habamos ya sealado que se trata de un promedio de las distancias o desvos de
todos los valores respecto de la media (18,8 aos) e indica entonces cun lejos o cerca de
ella estn todos los sujetos. La cifra 0,9 obtenida es muy pequea en comparacin con la
media 18,8 aos, lo que significa que las edades de los alumnos no son muy dispares entre
s, o sea, sus edades no difieren demasiado.
La media artimtica y el desvo standard son medidas estadsticas utilizables cuando las
variables son cuantitativas. Existen otras medidas, como el modo o la mediana, que sirven
especialmente para variables cualitativas. Por ejemplo, el modo es la categora que ms se
repite, mientras que la mediana es la categora ubicada en el centro de la serie de las cate-
goras obtenidas, ordenadas en forma creciente o decreciente.

e) Anlisis e interpretacin de los datos

Obtener tablas, grficos o medidas estadsticas como las indicadas no son ms que pasos
preparatorios para llegar a la operacin central de la investigacin descriptiva: el anlisis de
los datos.

Desde el punto de vista de la evolucin de los datos en la investigacin, el anlisis de
los datos es la etapa posterior a la organizacin de datos, pero la etapa previa a la inter-
pretacin de los mismos. En sta ltima la informacin ya analizada es integrada en un
contexto ms amplio: con otras teoras, con otras investigaciones, etc Por ejemplo inter-
pretar puede significar explicar la correlacin constatada en el paso del anlisis a la luz
de una teora. Una alta correlacin entre inteligencia y clase social ser interpretada de
manera muy distinta por una teora ambientalista y por una innatista: la primera insistir
en que la inteligencia en clases altas obedece a que los nios estn mas estimulados
(hacen ms viajes, tienen ms juguetes, etc), mientras que la segunda plantear la exis-
tencia de mejores genes en las personas de clase alta.
Las cuatro etapas en el procesamiento de los datos (recoleccin, organizacin, anlisis
e interpretacin), y que en mayor o menor medida aparecen en investigaciones explora-
torias, descriptivas y explicativas, se encuentran explicadas ms en detalle en (11).

Los datos pueden analizarse tanto a partir de una tabla, como de un grfico o de las medi-
das estadsticas, pero aqu daremos una idea del modo de hacerlo segn una tabla. Desde
este punto de vista, el anlisis de los datos es el momento donde debemos hacer hablar a
la tabla para saber qu nuevo tipo de informacin nos dar. Esta nueva informacin consiste
principalmente en determinar si las variables estn o no correlacionadas, qu tipo de corre-
lacin muestran (positiva o negativa), y hasta qu punto mantienen una correlacin. Para los
dos primeros puntos suele bastar con un simple examen visual del cuadro, y ms concreta-
mente de las frecuencias condicionales.
Siguiendo con un ejemplo anterior donde relacionbamos inteligencia con clase social, las
cifras de la tabla nos estn diciendo que comparativamente existen muchas personas de
clase baja con CI bajo (70 personas) y muchas de clase alta con CI alto (80 personas).
Decir que 70 y 80 son frecuencias comparativamente altas significa que lo son en compa-
racin con las otras frecuencias condicionales (y no por ejemplo en comparacin con la
frecuencia total, en cuyo caso apareceran como frecuencias bajas).
El cuadro tambin nos est diciendo que hay pocas personas de clase baja con CI alto (hay
30), y pocas personas de clase alta con CI bajo (hay 20), donde 20 y 30 son frecuencias
tambin comparativamente bajas. Todos estos exmenes nos estn revelando a simple
vista que existe una alta correlacin entre ambas variables, pues vemos que a mayor nivel
social le corresponde mayor inteligencia, y a menor nivel, menor inteligencia. El cuadro
siguiente representara un ejemplo completamente opuesto, donde no hay ningn tipo de
correlacin:

-90 50 50 50 150
90-110 50 50 50 150
+110 50 50 50 150
Total 150 150 150 450

Una vez que nos hemos asegurado que no hay correlacin constatable, abandonamos este
ltimo cuadro y continuamos la investigacin examinando nuevas relaciones entre ms
variables hasta encontrar correlaciones. Si no las encontramos no podremos seguir avan-
zando hacia la etapa de la investigacin explicativa.
Todo el proceso de la investigacin descriptiva apunta a un propsito fundamental: buscar
alguna correlacin entre las variables relevantes (con o sin hiptesis previas que orienten
nuestra seleccin de variables a correlacionar). Sin embargo, este anlisis de correlacin
tampoco es un fin en s mismo, sino slo un medio para continuar nuestra investigacin por
alguno de dos caminos alternativos: el anlisis de regresin o la inferencia de relaciones
causales.
a) Una vez que hemos constatado mediante un anlisis de correlacin el grado de asoci a-
cin existente entre dos variables, podremos ahora hacer un anlisis de regresin, o sea,
podremos predecir, dado un nuevo valor de la variable, qu valor de la otra variable le co-
rresponder. Por ejemplo: si los datos ya conocidos me revelan que a mayor edad la memo-
ria disminuye (anlisis de correlacin), puedo entonces predecir que un nuevo sujeto al que
no conoca y que es muy anciano, tendr mala memoria (anlisis de regresin). Este tipo de
anlisis sirve entonces para, conociendo una variable, predecir el comportamiento de la
otra.
b) Una vez que hemos establecido que entre dos variables hay una correlacin significativa,
podemos ahora decidirnos a sospechar que entre ellas hay algo ms que un simple correl a-
cin: una relacin de causa-efecto. En otras palabras, pasamos de una hiptesis por corre-
lacin a una hiptesis causal. Por ejemplo, la alta correlacin observada entre clase social e
inteligencia nos sugiere la idea de que la clase social determina o causa el nivel de intel i-
gencia de los sujetos.
Pero cuidado: la correlacin no prueba ni garantiza por s sola que haya una relacin causal,
y slo nos permite sospecharla. Si bien el anlisis de correlacin presupone bastante cono-
cimiento anterior (que ya haba comenzado a incorporarse en la investigacin exploratoria),
no prueba necesariamente la idea de que una variable es la causa y otra el efecto. Probar
esta hiptesis causal ser la gran tarea de la investigacin explicativa, cuestin que exami-
naremos en un prximo captulo.
Establezcamos, finalmente, una relacin entre el anlisis de regresin y la inferencia de
relaciones causales. Emprender la tarea de sospechar y luego probar un vnculo causal no
es, dijimos, el nico camino posible aunque s el deseable segn y conforme la clsica idea
de ciencia como conocimiento por las causas. Pero si ampliamos esta idea de ciencia como
posibilidad de predecir, se torna posible hacer un anlisis de regresin sin presuponer que
haya ningn vnculo causal. Aunque las predicciones simplemente regresivas no son tan
firmes como las derivadas de un vnculo causal efectivamente probado, muchos las prefi e-
ren por su sencillez y practicidad y porque tienen una concepcin instrumentalista de la
ciencia segn la cual las teoras cientficas no explican sino que sirven para predecir. De lo
dicho no debe inferirse que no podamos hacer predicciones en base a explicaciones causa-
les: de hecho, el anlisis de regresin puede tambin hacerse sobre la base de una cone-
xin causal efectivamente verificada, en cuyo caso la prediccin ser ms confiable.

Antes de pasar a la investigacin explicativa, haremos una somera referencia al problema
de la medicin, fundamental en la actividad cientfica, no sin antes ir resumiendo los pasos
de la investigacin descriptiva:

1. Formulacin de una hiptesis. Cuando no tenemos una hiptesis previa describi-
mos una muestra empezando desde el paso siguiente.
2. Identificacin de las constantes y variables en juego.
3. Categorizacin de las variables.
4. Operacionalizacin de las variables.
5. Obtencin de los datos hasta obtener ndices.
6. Categorizacin de los datos obtenidos. Construccin de una matriz de datos.
7. Organizacin de los datos en tablas, grficos o medidas estadsticas.
8. Anlisis de los datos. Si se constata que hay correlacin emprendemos directa-
mente un anlisis de regresin, o bien dejamos planteada nuestra sospecha en la
existencia de una conexin causal. Como dijo alguien, investigar es ver lo que to-
dos ven y pensar lo que nadie piensa.
Lectura: La investigacin experimental

Al intentar confirmar nuestra hiptesis, podremos optar por un diseo
experimental bivariado o por uno mltiple, segn nuestras necesidades o
posibilidades. Comencemos con el primero.

a) Diseos experimentales bivariados

Dentro de los diseos experimentales bivariados hay varios tipos, pero el
objetivo es aqu siempre probar la relacin X-Y como causal. Los iremos
describiendo en orden de complejidad creciente basndonos en la versin
Selltiz Jahoda Deutsch Cook (13). Cuando sospechamos que real-
mente hay pocas variables extraas utilizaremos un diseo ms simple,
pero cuando no es as nos vemos obligados a tomar ms recaudos me-
diante un diseo ms complejo. Los diseos que veremos son seis y no
son los nicos posibles, pero bastarn para que el paciente lector se for-
me una idea sobre cmo estn hechos y cmo pueden aplicarse.

En el esquema siguiente se resumen los distintos tipos de diseos expe-
rimentales bivariados, desde el ms sencillo al ms complejo. Todos los
grupos fueron tomados al azar, y se supone adems que estn ejerciendo
influencia variables adicionales o extraas al experimento: de otro modo
no tendra sentido usar estos diseos, cuyo propsito es precisamente
controlarlas.

Diseos experimentales bivariados (Versin ligeramente modificada por el
autor de Selltiz-Jahoda-Deutsch-Cook)

Tipo de diseo
(19)
Grupos Y
antes
X Y des-
pus
Cambio
(d)
Interaccin
(I)
Ejemplos
1. Solo des-
pues
Experimental
Control
----
----
X
----
Y2
Y2
d = Y2-
Y2
---- X = Proyeccin
de un film de
guerra
Y = Opinin
sobre la guerra
2. Antes y
despues con un
grupo
Experimental

Y1 X Y2 d = Y2-
Y1
---- X = Frustracin
Y = Constructi-
vidad ldica
3. Antes y
despues con
grupos inter-
cambiables
Experimental
Control
----
Y1
X
----
Y2
----
d = Y2-
Y1
---- X = Campaa
publicitaria
Y =Efectividad
de la campaa
4. Antes y
despues con un
grupo de
control
Experimental
Control
Y1
Y1
X
----
Y2
Y2
d = Y2-
Y1
d =
Y2-Y1
---- X = Proyeccin
de un film de
guerra
Y = Opinin
sobre la guerra
5. Antes y
despues con
dos grupos de
control
Experimental
Control I
Control II
Y1
Y1
(Y1)
X
----
X
Y2
Y2
Y2
d = Y2-
Y1
d =
Y2-Y1
d =
Y2-
Y1
I = d
(d+d)
X = Curso de
entrenamiento
en relaciones
humanas
Y = Opinin
sobre las
relaciones
humanas
6. Antes y
despues con
tres grupos de
control
Experimental
Control I
Control II
Control III
Y1
Y1
(Y1)
(Y1)
X
----
X
----
Y2
Y2
Y2
Y2
d = Y2-
Y1
d =
Y2-Y1
I = d
(d+d-d)
-----
d =
Y2-
Y1
d =
Y2-
Y1

En este esquema observamos las expresiones Y antes, X e Y des-
pus. Si retomamos el ejemplo de la relacin ruido-estrs, Y antes
significa la medicin del estrs antes de aplicar el ruido (o premedida de
Y), X significa aplicacin del estmulo sonoro, e Y despus indica la
medicin del estrs despus de haber aplicado dicho estmulo (posmedida
de Y). Esta ltima medicin debe realizarse para constatar si hubo o no
alguna diferencia.
En funcin de lo dicho encontraremos dos tipos de diseo bivariado: a) de
slo despus, donde no tomamos la premedida, sino solamente aplicamos
el ruido y luego medimos el estrs; y b) de antes y despus, donde to-
mamos tanto la premedida como la posmedida. Se trata de diseos ms
complejos y, como se ve en el esquema, admiten cinco variantes.

1) Diseo de slo despus.- Es un diseo sencillo donde trabajamos con
un grupo experimental y otro de control, sin haber tomado a ninguno la
premedida. Lo que hacemos es someter a estmulos sonoros (X) al grupo
experimental, y luego averiguamos las posmedidas de estrs en ambos
grupos (Y2 e Y2). Si hay diferencia significativa entre ambas medidas de
estrs, cabe pensar entonces que X es la causa de Y. En otras palabras,
la diferencia d (ver columna de cambio) debe ser distinta a cero. En
principio, cuanto ms diferente de cero sea d, tanto ms probable es la
influencia de X como factor causal. Si d da cero o valores muy prximos
a cero no hubo cambio, o sea el nivel de estrs en ambos grupos es igual,
de donde pensamos que el factor ruido no tuvo influencia causal. Supon-
gamos un ejemplo numrico:

Grupo Y antes X Y despus Cambio
Experimental
Control
----
----
X
----
20
15
d = 20-15 = 5

En este experimento imaginario el nivel de estrs de quienes sufrieron
ruidos es 20 (por ejemplo 20 ml de adrenalina en sangre), y el nivel de
los que no sufrieron los ruidos es 15. Aparece una diferencia significativa,
que es 5, y por lo tanto conclumos que el ruido ejerce influencia causal.
Cuando aplicamos este diseo, estamos suponiendo que los niveles de
estrs antes del ruido (premedidas) son aproximadamente iguales en
ambos grupos y que tienen en este caso el mismo valor 15, pues ambos
grupos fueron extrados de la misma muestra, se suponen homogneos
entre s y los sujetos fueron elegidos al azar. De esta forma el grupo de
control, al no haber sido expuesto a ruidos, seguir manteniendo el valor
15 de estrs, pero no as el grupo experimental. Esquemticamente, la
situacin sera as:

Experimental
Control
(15)
(15)
X
----
20
15
d = 20-15 = 5

El valor 15 entre parntesis indica que slo suponemos dicho valor para
ambos grupos antes de aplicar el ruido, pues en realidad en este tipo de
diseo no hemos tomado efectivamente las premedidas. Si tenemos fuer-
tes razones para suponer que las premedidas son iguales, no nos moles-
taremos en tomarlas, pero puede ocurrir que tengamos alguna duda y, al
medirlas, comprobamos que en realidad son bastante distintas, como
sera en el siguiente ejemplo hipottico:

Experimental
Control
(20)
(15)
X
----
20
15
d = 20-15 = 5

Si las cosas ocurren as, entonces nos hemos equivocado al suponer que
el ruido causa el estrs, ya que en el grupo experimental el nivel de es-
trs antes y despus del ruido es igual. Por lo tanto, cuando tenemos
suficientes razones para sospechar que las premedidas son distintas,
debemos tomarnos la molestia de medirlas, y entonces ya no estaremos
utilizando el diseo de slo despus, sino cualquiera de los diseos de
antes y despus.
En esta clase de diseos s habr de interesarnos tomar las premedidas y,
cuando lo hacemos, pueden suceder dos cosas: a) que las premedidas
sean iguales, situacin que es la ms deseable porque de entrada pone
en el mismo nivel a todos los grupos respecto de la variable Y (estrs).
Fueron grupos bien elegidos y proseguimos el experimento con ellos sin
cambiarlos; b) que las premedidas sean distintas entre s, en cuyo caso
volveremos a seleccionar otros grupos que sean homogneos respecto de
sus premedidas, a efectos de nivelarlos. Otra posibilidad sera continuar
con los grupos originales desiguales, pero en esta situacin habremos de
tener en cuenta sus diferencias al momento de la evaluacin de los resul-
tados finales.

Antes de examinar los diseos de antes y despus, demos un ejemplo de dise-
o de slo despus (Selltiz). El problema que gener la investigacin fue saber
hasta qu punto la proyeccin de un film de guerra (X) influa sobre la opinin
de las personas sobre los temas blicos (Y). Antes de la proyeccin del film al
grupo experimental, se parti de la base de que las personas de ambos grupos
(experimental y de control) tenan ms o menos las mismas opiniones sobre la
guerra, con lo cual no era necesario tomar las premedidas de Y. Acto seguido
se proyectaron varios films de guerra slo al grupo experimental, y despus se
hicieron encuestas sobre opiniones de temas blicos a ambos grupos: si haba
diferencia significativa entre estas opiniones, entonces se comprobaba la in-
fluencia causal de la proyeccin del film, y si no, no.

2) Diseo de antes y despus con un grupo.- Es el diseo ms sencillo en
cuanto utilizamos un solo grupo: el experimental. En l, medimos el es-
trs antes del estmulo sonoro (Y1), aplicamos este estmulo (X), y vool-
vemos a medir el estrs despus (Y2). Si hay diferencia significativa en-
tre Y2 e Y1, entonces el ruido es factor causal del estrs.

Selltiz da un ejemplo para el tipo de diseo 2. Se puede averiguar qu influen-
cia tiene la frustracin (X) sobre la constructividad en el juego en los nios, pa-
ra lo cual se ubican infantes con juguetes en una habitacin donde el investiga-
dor puede observarlos a ellos pero no estos a l. Los nios comenzarn a jugar,
y se evala luego de cierto tiempo el grado de constructividad que despliegan.
Luego se los somete a estmulos frustrantes (ocultarles los juguetes, mostrales
juguetes ms nuevos pero que no pueden tocar, etc.) y se mide despus nue-
vamente el grado de constructividad cuando sigan jugando para saber si hubo
o no alguna variacin significativa. Este experimento resulta tambin til para
evaluar el grado de sadismo del investigador.

La simplicidad de este diseo radica en que el investigador que lo utiliza
supone que las distintas variables extraas que pueden actuar sobre el
estrs estn razonablemente controladas o anuladas por la simple aleato-
rizacin, y no es necesario entonces el empleo de grupos de control. Sin
embargo, si sospechamos que esas variables s estn ejerciendo su in-
fluencia, entonces deberemos usar diseos ms complejos, que ensegui-
da veremos. Entre estas variables extraas hay dos que son particular-
mente importantes: la influencia de la premedida y la interaccin. Si
creemos que la variable que interviene es solamente la premedida, opta-
remos por realizar un experimento segn el diseo de antes y despus
con grupos intercambiables.

3) Diseo de antes y despus con grupos intercambiables.- Se trata de
un diseo especial para el control de la influencia de la premedida de Y. el
slo hecho de tomar una premedida del estrs puede hacer aumentar el
estrs de la persona (por ejemplo por sentirse investigada). Por lo tanto
habr aqu dos factores concurrentes que producen estrs: la premedida
y el ruido. Si queremos eliminar la influencia de la premedida recurrimos
a un expediente muy simple: sencillamente no la tomamos. En el esque-
ma general de los diseos experimentales bivariados se aprecia, efecti-
vamente, que el grupo experimental no es premedido: solamente es ex-
puesto a X y luego posmedido.
Sin embargo, necesitamos conocer el valor de la premedida del grupo
experimental, y entonces recurrimos a un procedimiento tambin senci-
llo: le tomamos la premedida a otro grupo (grupo de control), el cual, por
haber sido tomado de la misma muestra que el grupo experimental, exis-
te suficiente seguridad estadstica de que ambos grupos tendrn aproxi-
madamente las mismas premedidas, o sea, el mismo nivel previo de es-
trs. Por lo tanto el valor de la premedida del grupo de control (Y1) po-
dremos considerarlo como si fuese el valor de la premedida del grupo
experimental, con lo cual slo nos resta comparar si sta ltima y la
posmedida son o no iguales: si la diferencia se aproxima a cero, entonces
el ruido no influye como causa, y en caso contrario, s. La nica utilidad
que entonces tiene aqu el grupo de control es la de proveernos de un
datos premedido.
Notemos tambin que en este tipo de diseo la diferencia d se obtiene
comparando una premedida con una posmedida, en contraste con el di-
seo de slo despus donde comparbamos dos posmedidas.

Supongamos que queremos hacer una campaa publicitaria para vender relojes
que funcionen con energa solar. Si queremos saber si fue o no efectiva pode-
mos hacer una encuesta antes de la campaa preguntndoles a las personas
sus preferencias en materia de relojes de distinto tipo, y luego otra encuesta
despus de la campaa para ver si las preferencias cambiaron o no como con-
secuencia de la misma.
Pero, el slo hecho de hacer una encuesta antes puede estar ya influenciando
(influencia de la premedida) en el sentido que las personas podrn poner ma-
yor inters en la campaa posterior, con lo cual sta ya no ser la campaa
original (o bien la opinin previa puede influr en la opinin posterior por cierta
tendencia de las personas a responder siempre lo mismo). Para evitar esa in-
fluencia, la encuesta previa la hacemos con personas de la misma poblacin
pero que vivan fuera del alcance de la campaa publicitaria, con lo cual la en-
cuesta posterior (posmedida) reflejar en el grupo experimental solamente la
efectividad de la campaa, sin la influencia de la encuesta previa. Este experi-
mento es entonces un ejemplo de aplicacin del diseo de antes y despus con
grupos intercambiables.

4) Diseo de antes y despus con un grupo de control.- Es muy similar al
esquema de slo despus, con la nica diferencia que aqu hemos tomado
las premedidas para asegurarnos de la igualdad de condiciones de ambos
grupos. Para que con este nuevo diseo podamos probar que X es causa
de Y, debern verificarse simultneamente dos condiciones: que d sea
distinto de cero, y que d sea igual o muy prximo a cero. Ejemplo:

Experimental
Control
15
15
X
----
20
15
d = 20-15 = 5
d = 15-15 = 0

Este diseo nos sirve especialmente, entonces, para averiguar cmo son
las premedidas entre s de ambos grupos, pero no permite controlar si
hay o no influencia de la interaccin, influencia de la premedida, u otras
influencias. Por lo tanto, lo aplicaremos cuando tenemos fuertes razones
para pensar que todas estas variables extraas no estn ejerciendo in-
fluencia significativa.

5) Diseo de antes y despus con dos grupos de control.- El propsito
central de este tipo de diseo es el de controlar la influencia de la inter-
accin, y entonces lo aplicamos cuando sospechamos su existencia. El
diseo puede medir tambin la influencia de la premedida; efectivamen-
te, notemos que aqu la situacin de los grupos de control II y I es igual a
la situacin de los dos grupos del diseo 3, el cual serva precisamente
para el control de esta variable extraa.
Aclaremos el concepto de interaccin. Supongamos que el hambre (X)
produce agresividad (Y), como pueden sugerirlo los saqueos a los super-
mercados en pocas de crisis. Si pudisemos disponer de un agresivme-
tro, supongamos que el hambre produce una agresividad de 3. Por otro
lado, otras observaciones nos pueden sugerir que tambin la fatiga pro-
duce agresividad: si la pelcula es muy larga el pblico se puede enojar.
Supongamos que aqu la fatiga produce agresividad 1. El sentido comn
puede sugerirnos que, si los factores hambre y fatiga actan conjunta-
mente, el sujeto responder con una agresividad 4 (3 por hambre y 1 por
fatiga). Esquemticamente:

X Y
Hambre
Fatiga
Hambre + fatiga
Agresividad 3
Agresividad 1
Agresividad 4

Sin embargo, puede ocurrir que estos efectos no sean aditivos. Si un
individuo est hambriento y encima fatigado, probablemente no le quede
mucha energa para ser agresivo, y entonces en estos casos podemos
obtener un valor 0.5 para su agresividad. Qu ha ocurrido? Las variables
hambre y fatiga han interactuado, o sea produjeron un efecto inesperado,
no aditivo: la agresividad resultante fue mucho menor a la esperada,
aunque en otros casos los efectos pueden ser mayores que la simple su-
ma, vale decir que al interactuar, las variables potencien sus efectos co-
mo en el caso del consumo simultneo de alcohol y drogas. El primero
produce dao cerebral 7 (una cifra cualquiera) y las segundas dao cere-
bral 9; pero, si ambos factores actan juntos, el dao cerebral no ser 16
sino 30.
Definiremos entonces interaccin como toda situacin en la cual dos o
ms variables, por el solo hecho de actuar conjuntamente sobre un efec-
to, producen una influencia no aditiva sobre ste, sea reducindolo, sea
potencindolo. Se trata entonces de efectos combinados que van ms all
de los simples efectos aditivos. Otros autores dan definiciones similares.
Una de ellas, por caso, afirma que entre dos variables ocurre interaccin
cuando el efecto que ejerce una de ellas en la variable dependiente cam-
bia conforme los valores que adquiere la otra, es decir, cuando la accin
de una de las variables depende de cmo acta una segunda (20).
La consideracin de la interaccin puede tener gran importancia prctica.
Pinsese, por ejemplo, en la posibilidad de que dos tratamientos combi-
nados (psicoterapia y farmacoterapia) puedan producir efectos curativos
que van ms all de la simple suma de los efectos curativos de cada tra-
tamiento.

Blalock (16) cita un ejemplo para comparar los efectos aditivos (que este autor
y otros varios llaman efectos principales) con los efectos de interaccin. Las
variables educacin, sexo y raza determinan aditivamente el ingreso mensual:
2000 dlares por tener ttulo secundario, ms 2000 dlares por ser varn, ms
2000 dlares por ser blanco.
Sin embargo esta aditividad puede distorsionarse, o sea pueden aparecer efec-
tos de interaccin, como por ejemplo cuando la diferencia de ingresos entre
blancos y negros es pequea para un bajo nivel educacional, pero mayor en los
altos niveles de educacin. As, si un blanco posee solamente ttulo primario, su
sueldo por ser blanco se acercar ms al sueldo de un negro con primaria y
ganar en tal concepto slo 500 dlares ms (y no 2000). Estn aqu interac-
tuando las variables educacin y raza produciendo un efecto no aditivo sobre el
ingreso mensual.

Traslademos ahora el concepto de interaccin al diseo 5. En este caso lo
que queremos averiguar es si hay o no interaccin entre la premedida
(Y1) y la variable experimental (X), es decir, si producen o no un efecto
no aditivo sobre la posmedida (Y2). Por lo tanto, la sospecha estar reca-
yendo solamente en el grupo experimental, nico grupo donde ambos
factores actan conjuntamente.
Para saber si existe o no interaccin, primero averiguaremos los efectos
que producen independientemente Y1 y X, o sea, cuando actan solos, lo
que podemos saber mediante los grupos de control I y II respectivamen-
te. Vemos as que el diseo 5 hace posible la separacin de la influencia
de la variable experimental de la influencia de la premedida, an cuando
haya interaccin entre ellas. Aclaremos que en el grupo de control II la
premedida no fue efectivamente tomada (pues slo nos interesa la in-
fluencia de X), pero como necesitamos igualmente conocer su valor, sim-
plemente la inferimos a partir de las premedidas de los otros dos grupos,
pudiendo ser un simple promedio de ellas. En el esquema general de
diseos experimentales bivariados, los parntesis significan que se trata
de una premedida inferida. Comparemos ahora los siguientes dos ejem-
plos: uno donde no hay interaccin y otro donde s la hay.

Cuadro A (sin interaccin)

Grupo Y antes X Y despus Cambio Interaccin

I = d (d + d)
I = 25 (0 + 25)
= 0
Experimental
Control I
Control II
15
15
(15)
X
----
X
40
15
40
d = 25
d = 0
d = 25

Cuadro B (con interaccin)

Grupo Y antes X Y despus Cambio Interaccin

I = d (d + d)
I = 25 (0 + 5) =
20
Experimental
Control I
Control II
15
15
(15)
X
----
X
40
15
20
d = 25
d = 0
d = 5

El grupo de control I detecta si hay o no influencia de la premedida (pues
all no se aplica ruido y mucho menos interviene la interaccin entre pre-
medida y ruido). Si comprobamos que efectivamente no existe esta in-
fluencia (como en los cuadros A y B), cualquier diferencia entre las
posmedidas del grupo de control II y el grupo experimental ser debida a
la interaccin (tal como ocurre en el cuadro B). En el caso de constatarse
la existencia de interaccin, el experimento deber complejizarse para
poder ponderar su influencia segn qu valores asuman las variables
interactuantes (pues puede ocurrir que para determinados valores la in-
teraccin quede anulada, para otros potencie sus efectos y para otros los
reduzca por debajo de lo aditivamente esperable).
A partir de lo dicho fcil es darse cuenta que puede haber influencia de la
premedida sin que haya interaccin (caso donde la premedida y X dan
efectos simplemente aditivos), pero no puede haber interaccin sin in-
fluencia de la premedida (pues en estos diseos precisamente la interac-
cin se establece entre la premedida y X). En los cuadros A y B, obser-
vando los valores del grupo de control I nos damos cuenta que no hubo
influencia de la premedida, lo cual no significa que sta pueda empezar a
ejercer influencia a propsito de su accin conjunta con X en el grupo
experimental.
Muchas veces con slo mirar los valores de los cuadros podemos saber
intuitivamente si hubo o no interaccin, pero si queremos conocer cuanti-
tativamente su valor preciso aplicaremos la frmula de la interaccin
(ubicada a la derecha de los cuadros A y B): a medida que el resultado se
aproxime a cero, la interaccin ser cada vez menor. Cuando el valor
obtenido es cero, no la hay.

Selltiz cita un ejemplo de diseo 5, donde los investigadores trataron de averi-
guar si los cursos de entrenamiento en relaciones humanas (X) influan o no
sobre la informacin y opinin sobre temas de relaciones humanas en las per-
sonas que hicieron dichos cursos. Se supuso que poda haber interaccin entre
la premedida (encuesta previa al curso) y la variable experimental (curso), y
entonces se utilizaron otros dos grupos: uno hizo directamente el curso sin en-
cuesta previa (grupo de control II), y el otro fue sometido a esta encuesta pre-
via sn hacer el curso (grupo de control I), con lo cual pudieron medirse esas in-
fluencias en forma independiente.

6) Diseo de antes y despus con tres grupos de control.- Adems de
medir la influencia de la interaccin y de la premedida, este diseo tiene
la ventaja adicional de poder controlar la influencia de otras variables
extraas desconocidas, tanto organsmicas (cambios madurativos, etc)
como situacionales (clima, etc) que eventualmente puedan tambin estar
ejerciendo su influencia.
Este sexto diseo es igual al anterior excepto que tiene agregado un gru-
po de control III, que es precisamente el que nos permite averiguar si
influyen o no las otras variables adicionales. En l volvemos a encontrar
una premedida inferida, o sea un premedida no tomada pero cuyo valor
se supone similar a las premedidas tomadas en los otros grupos. La ne-
cesidad de contar con este valor deriva del hecho que necesitamos com-
pararlo con la posmedida correspondiente para ver si existe o no una
diferencia d.
El razonamiento que debemos hacer entonces es el siguiente: sobre la
posmedida del grupo de control III nunca podr ejercer su influencia ni la
premedida ni la variable experimental, pues no fueron aplicadas, ni mu-
cho menos la interaccin entre ellas. Por lo tanto, cualquier diferencia que
aparezca entre la premedida inferida Y1 y la posmedida Y2 ser debi-
da a la influencia de las otras variables adicionales, lo cual nos permite
entonces detectar sus intervenciones.

En sntesis: los tipos de diseo experimental aqu examinados estn des-
tinados a probar si X es factor causal de Y mediante el control de las va-
riables adicionales. Estas ltimas son fundamentalmente la influencia de
la premedida, la interaccin, y otras posibles variables que pueda haber.
Cuando consideramos que las variables adicionales ya estn controladas
de antemano y suponemos que las premedidas son iguales o controla-
bles, aplicamos el diseo 1. Cuando no conocemos las premedidas y
creemos que son distintas, nos sacaremos la duda aplicando los diseos
de antes y despus 2 y 4. Cuando sospechamos que adems puede ejer-
cer influencia la premedida, aplicamos el diseo 3. Cuando pensamos que
interviene la interaccin, aplicamos el diseo 5 y finalmente, cuando
creemos que adems de la premedida y la interaccin intervienen otros
factores que es preciso tambin controlar, nos decidiremos por el diseo
6.

Cmo averiguar qu tipo de diseo fue aplicado en un experimento dado? Para
saberlo podemos contar con una regla prctica: si en el experimento no se to-
maron premedidas, se aplic el diseo 1, y si efectivamente fueron tomadas,
quedan los diseos 2 al 6. Si se trabaj con un solo grupo se us el diseo 2,
con tres grupos el diseo 5 y con cuatro grupos el diseo 6. Restan los diseos
3 y 4, ambos con dos grupos. Reconocemos la aplicacin del diseo 3 si se to-
m una sola premedida (al grupo de control), y fue usado el diseo 4 si se to-
maron las premedidas en ambos grupos.

b) Diseos experimentales multivariados

Adems de estos diseos experimentales bivariados existen tambin los
diseos experimentales multivariados, tambin llamados mltiples o fac-
toriales. En ellos, la variable dependiente Y sigue siendo una sola, y lo
nico que aumenta es el nmero de variables independientes o experi-
mentales (X1, X2, X3, etc), pues lo que se busca investigar son varios
posibles factores causales al mismo tiempo, con el objeto de probar cul
o cules de ellos influyen como causa y en qu medida lo hacen.
Tales diseos multivariados se justifican por ejemplo cuando: a) no po-
demos aislar y controlar en la realidad las distintas variables independien-
tes, con lo que no nos queda otro remedio que considerarlas conjunta-
mente mediante un diseo mltiple; b) cuando resulta menos costoso en
tiempo y dinero tratar conjuntamente todas las variables en lugar de
hacer varios diseos bivariados separados (como X1-Y, X2-Y, etc). Ejem-
plos de diseos multivariados son los siguientes:

Ejemplo 1 Ejemplo 2 Ejemplo 3
Variables inde-
pendientes o
experimentales
X1 = Nmero de
palabras a re-
cordar
X2 = Nivel de
ansiedad
X1 = Variedad
vegetal
X2 = Tipo de
suelo
X3 = Clima
X1 = Mtodo de
enseanza
X2 = Personalidad
profesor
X3 = Proximidad
exmenes
Variable depen-
diente
Y = Memoria Y = Velocidad de
crecimiento
Y = Rendimiento
escolar

Estos diseos se complicaran si suponemos que existe interaccin entre
las variables experimentales consideradas, pero no examinaremos aqu
esa posibilidad.
Tomemos el ejemplo 3, en el cual queremos averiguar cmo influyen
sobre el rendimiento escolar el mtodo de enseanza, la personalidad del
profesor y la proximidad de los exmenes. Para examinar todas estas
variables a la vez hay varias tcnicas, de las cuales citaremos a modo de
ejemplo la tcnica del cuadrado latino.

Antes de ser utilizado en la investigacin experimental, el cuadrado latino era
un simple entretenimiento que en la poca medieval reemplazaba a la televi-
sin, slo que haca pensar. Consista en disponer en una tabla cuadrada letras
de tal forma que ninguna de ellas poda repetirse en ninguna columna
vertical- ni hilera horizontal-. Por ejemplo, si las letras eran A, B y C, el cua-
drado latino se solucionaba del siguiente modo:

A B C
C A B
B C A

Aqu la letra A aparece slo una vez en cualquier columna o hilera, y lo mismo
sucede con las letras B y C. Una vez resuelto, se intentaran luego pruebas ms
difciles utilizando por ejemplo cuatro columnas, cuatro hileras y cuatro letras,
y as sucesivamente.

Con el cuadrado latino se investigan cuatro variables (tres independientes
y una dependiente), y el nmero de columnas o hileras guarda relacin
no con el nmero de variables sino con el nmero de categoras de las
mismas. Si queremos estudiar la influencia de tres variables independien-
tes (mtodo de enseanza, personalidad del profesor y proximidad de los
exmenes) sobre la variable dependiente (rendimiento escolar), y tomar
tres categoras para cada una de esas variables, organizaremos el expe-
rimento sobre la base del siguiente cuadrado:

Examen lejano Examen intermedio Examen prximo
Profesor A M1 M2 M3
Profesor B M2 M3 M1
Profesor C M3 M1 M2

En este cuadrado quedaron formados nueve casilleros. En la prctica,
esto significa que hemos tomado nueve grupos de alumnos, y as por
ejemplo el primer grupo est formado por alumnos que tienen el profesor
A, cuyos exmenes estn lejanos, y con los cuales se utiliz el mtodo de
enseanza M1, y as sucesivamente con los dems grupos. Observemos
que los nmeros 1, 2 y 3, las tres categoras de la variable mtodo de
enseanza, han sido dispuestas de acuerdo al criterio del cuadrado latino:
no se repite ninguna cifra ni por hilera ni por columna. Esto resulta muy
importante porque mezcla todas las variables y categoras lo suficiente
como para que no haya predominio de ninguna en especial en el conjunto
de los nueve grupos. As por ejemplo, si en lugar de haber puesto en la
primera hilera horizontal M1, M2 y M3 hubisemos puesto M1, M1 y M1,
en esa hilera habra un neto predominio del mtodo de enseanza 1 y del
profesor A. En cambio, con la disposicin del cuadrado latino se procura
que no aparezcan estos predominios.
Obviamente el cuadrado no contempla todas las posibilidades de combi-
nacin, pues faltan por ejemplo los grupos con profesor A, cercana de
exmenes y mtodo de enseanza 1. Esta y otras posibilidades fueron
anuladas para evitar el predominio anteriormente citado, y los nueve
grupos seleccionados bastan para poder emprender la investigacin con
ellos sin considerar los 27 posibles, con el consiguiente ahorro de esfuer-
zo, tiempo y dinero.
El hecho de que no aparezcan los predominios indicados tiene un motivo
fundamental. Siguiendo con el ejemplo anterior, si en la primera hilera
aparecen predominando el profesor A y el mtodo de enseanza 1, un
muy alto rendimiento escolar en esos tres grupos no sabramos si atri-
buirlo al profesor o al mtodo de enseanza, con lo cual habramos des-
virtuado el propsito del experimento, a saber, conocer el grado de in-
fluencia causal de cada uno de los factores considerados.
Una vez que hemos seguido durante meses la evolucin de los nueve
grupos formados, hipotticamente podemos haber obtenido los siguientes
valores de rendimiento escolar:

Examen lejano Examen intermedio Examen prximo
Profesor A 9 5 2
Profesor B 6 1 8
Profesor C 3 8 4

Estos valores no son frecuencias sino ndices de rendimiento escolar, que
pueden resultar por ejemplo del promedio de calificaciones de los alum-
nos de cada grupo. Por ejemplo, 9 fue el promedio de calificaciones obte-
nidos por el grupo con profesor A, examen lejano y mtodo de enseanza
1.
Cmo analizamos esta informacin? El primer lugar podemos comenzar
observando dnde estn las calificaciones ms altas (8-8-9), y vemos que
coinciden justamente con los grupos donde se aplic el mtodo de ense-
anza 1. En segundo lugar podemos observar dnde estn las calificacio-
nes ms bajas (1-2-3), que aparecen en los grupos donde se us el m-
todo de enseanza 3. Ambas observaciones nos sugieren que el factor
mtodo de enseanza es muy importante para el rendimiento escolar, y
adems que las otras dos variables tienen escasa influencia, ya que por
ejemplo tanto en los grupos con bajas calificaciones como en los de altas
calificaciones, existieron diversos profesores y diversos grados de proxi-
midad temporal al examen. Adems, por ejemplo, cada profesor tuvo
alumnos con rendimientos muy dismiles en sus respectivos tres grupos.
Los resultados de la investigacin tambin podran haber sido estos
otros:

5 4 1 6 5 6
4 5 1 7 6 5
9 4 2 5 6 6
Caso A Caso B

En el caso A podemos sacar dos conclusiones importantes: primero, que
el rendimiento escolar aumenta notablemente con la feliz combinacin del
profesor C que imparte el mtodo de enseanza 3 lejos de los exmenes
(promedio de calificaciones 9), con lo cual pueden organizarse las clases
en un colegio con estos criterios; y segundo, que la proximidad de los
exmenes disminuye notablemente el rendimiento escolar, pues all las
calificaciones fueron bajas (1-1-2) en comparacin con las calificaciones
de los otros grupos.
En el caso B el anlisis de los datos nos revela que ninguno de los tres
factores es ms importante que el otro, ejerciendo todos ellos una in-
fluencia ms o menos igual, que hasta incluso podra ser nula. En el an-
lisis de los datos es tan importante darse cuenta qu nos dicen como qu
no nos dicen, y as, el caso B no nos informa acerca del porqu de las
calificaciones regulares (5-6-7), lo cual puede atribuirse a alguna variable
contextual como por ejemplo la edad de los alumnos: en la adolescencia,
se piensa en cualquier cosa menos en estudiar.
Lectura: El papel de la medicin
a) Medicin

Por ms simple que sea la investigacin o por ms primitiva que la medi-
cin sea, no es posible investigar sin hacer mediciones. En sentido am-
plio, la medicin es un procedimiento por el cual asignamos una determi-
nada categora o valor a una variable, y para un determinado sujeto,
muestra o poblacin. Cuando a Juancito (sujeto) le asignamos el valor
1,70 metros para la variable estatura, hemos hecho una medicin.
Tambin hacemos una medicin cuando a Pedrito le asignamos la catego-
ra soltero para la variable estado civil, lo cual muestra que estamos
tomando la idea de medicin en sentido amplio, ya que no slo abarca
mediciones cuantitativas (1,70 metros) sino tambin cualitativas (solte-
ro). Esta ampliacin del concepto se hace especialmente importante en
las ciencias sociales porque en este mbito se manejan mayor cantidad
de variables cualitativas que en ciencias como la fsica o la qumica, don-
de prevalecen las variables cuantitativas y de donde hemos sacado la
creencia de que slo se puede medir con reglas, balanzas y decibelme-
tros.

Toda medicin debe inclur una especificacin de tiempo y lugar donde la medi-
cin tuvo efecto. Por ejemplo, en tal fecha y lugar, en Pedrito la variable estado
civil asume el valor soltero.

Las mediciones individuales recaen sobre sujetos, mientras que las medi-
ciones estadsticas recaen sobre muestras o poblaciones. As por ejemplo
decimos que medimos una muestra A cuando le asignamos la media ar-
timtica 120 respecto de la variable inteligencia. Obviamente, las medi-
das estadsticas se derivan de las individuales pues no se puede obtener
un promedio si desconocemos los valores individuales de los sujetos de la
muestra.
Para llevar a cabo una medicin, necesitamos obligatoriamente tres co-
sas: a) un instrumento de medicin, b) un sistema de medicin (o esca-
la), ya que hay diferentes grados de precisin en la medicin, y c) un
procedimiento para hacer la medicin.

b) Instrumentos de medicin

Un instrumento de medida es un artificio usado para medir. Una balanza
es un instrumento para medir peso, un test mide personalidad, inteligen-
cia, aptitud vocacional, etc., un cuestionario mide conocimientos, etc.,
pero sea cual fuere el instrumento utilizado, para que sea eficaz debe
reunir dos requisitos: confiabilidad y validez.
Si la misma balanza hoy me informa que peso 70 kg, maana 80 kg y
pasado 63 kg, es un instrumento poco confiable. Un test puede tambin
ser poco confiable si, respecto del mismo sujeto, arroja resultados dispa-
res en diferentes momentos de administracin. Confiabilidad significa,
entonces, estabilidad o constancia de los resultados.

Esta constancia no es nunca perfecta. El hecho de que puedan existir ligeras
variciones debidas al azar no compromete la confiabilidad del instrumento de
medida, siempre que esas variaciones sean poco significativas. Tambin debe-
mos tener en cuenta los cambios propios del sujeto cuya propiedad medimos.
Si el sujeto aumenta de peso o mejora su rendimiento intelectual por un efecto
madurativo habr una variabilidad en los resultados, lo cual no implica necesa-
riamente que el instrumento no sea confiable. En la confiabilidad, como aqu la
entendemos, la constancia o la variabilidad en los resultados depende de la la-
bilidad del instrumento mismo, no del sujeto. Por ejemplo si el instrumento tie-
ne una consigna de aplicacin ambigua, podr ser aplicado de manera distinta
antes y despus, y los resultados podrn ser diferentes.

Un test o cualquier otro instrumento puede ser confiable pero no vlido:
es vlido cuando mide lo que efectivamente pretende medir, lo cual pue-
de parecer una perogrullada pero que no es tal si nos damos cuenta de
los casos de instrumentos que queran medir una propiedad y medan
otra. Si con un determinado test pretendemos medir memoria pero slo
medimos ansiedad, no es vlido. La validez de un test puede establecerse
prospectivamente: nos percatamos que un test de aptitud para la inge-
niera es vlido cuando, andando el tiempo, constatamos que quienes
obtuvieron altos puntajes hoy son buenos ingenieros, y quienes sacaron
bajos puntajes no lo son.

c) Escalas de medicin

Examinemos ahora las escalas de medicin, o sea, los diferentes proce-
dimientos que podemos usar para medir segn se trate de variables cua-
litativas o cuantitativas. Stevens distingue cuatro escalas o niveles de
medicin:

Para variables cualitativas 1. Escala nominal
2. Escala ordinal
Para variables cuantitati-
vas
3. Escala de intervalos iguales
4. Escala de cocientes o razones

El orden en que estn expuestas las escalas es importante. Estos cuatro
niveles son cada vez ms precisos y exactos, con lo cual aumenta la in-
formacin que recibimos al hacer la medicin. Somos ms precisos y de-
cimos ms si afirmamos que Juan tiene 52 aos (escalas cuantitativas)
que si decimos solamente que es adulto (escalas cualitativas). De idntica
forma, la medicin es ms precisa si decimos que un objeto cae a 9,8
m/sg2 (escala de cocientes o razones), que si solamente decimos que ese
objeto cae ms velozmente que otro (escala ordinal).

Cierto da un emperador, que deba invadir una fortaleza, reunin a cuatro de
sus espas para que ingresaran en ella y obtuviesen informacin. Luego de va-
rios das se presentan los cuatro espas con sus respectivos informes. El espa
nmero 1 informa que adentro de la fortaleza hay un jefe. El espa nmero 2
informa que adentro de la fortaleza hay un jefe que es ms alto que el hijo. El
espa nmero 3 informa que adentro de la fortaleza hay un jefe que es dos ve-
ces ms alto que el hijo. El espa nmero 4 informa que adentro de la fortaleza
hay un jefe que mide 1,90 metros. Los cuatro espas utilizaron respectivamente
los cuatro niveles de medicin: el primero inform realmente muy poco, en
comparacin con el ltimo, que proporcion la informacin ms precisa.
De idntica manera, no es lo mismo decir que es de noche, es una hora avan-
zada de la noche y son las once de la noche, siendo sta ltima informacin
ms precisa que la primera.

Esta precisin creciente es debida a que las propiedades de cada nivel
son acumulativas: el nivel 4 tiene las caractersticas de los tres anterio-
res, ms alguna nueva. El nivel 3 tiene las caractersticas de los dos ante-
riores, ms otras nuevas que harn que ese nivel sea ms exacto y por
tanto, ms informativo acerca de la propiedad o variable a medir.
En un sentido genrico, una escala es el conjunto de categoras (o valo-
res) de una variable, conjunto que, como qued dicho, debe ser exhaus-
tivo y mutuamente excluyente. Estas categoras o valores podemos re-
presentarlas grficamente mediante los puntos de una lnea recta para
una mejor visualizacin. Ejemplos:

FIGURA 1

Una escala nominal es simplemente un conjunto de dos o ms categoras
de una variable, sin que interese el orden o la jerarqua entre ellas. La
escala nominal de la variable religin son sus distintas categoras: ju-
do, catlico, etc. El requisito fundamental que deben reunir es que sean
distintas entre si de manera que no puede haber dos categoras con el
mismo nombre, ni dos categoras que se superpongan (como cristianos
y catlicos). Obviamente, adems las categoras deben ser homog-
neas: todas deben referirse a religiones y no a partidos polticos, oficios o
lugares de nacimiento.

Una escala nominal para la variable profesin puede representarse de
cualquiera de las siguientes maneras, entre otras:

FIGURA 2

Este ejemplo muestra que en una escala nominal no interesa ni el orden
en que colocamos las categoras, ni la distancia que hay entre ellas. Si la
variable hubiese sido prestigio de una profesin aqu s hubiera impor-
tado el orden, pues hay profesiones ms prestigiosas y menos prestigio-
sas. Tampoco la escala nominal informa sobre las distancias entre las
categoras: subjetivamente podemos pensar que la distancia entre un
mdico y un dentista no es la misma que hay entre un ingeniero y un
arquitecto, pero esta informacin no nos es suministrada por la escala
nominal.
Otro ejemplo de variable medible nominalmente es la numeracin del 1 al
11 de los jugadores de un equipo de ftbol. Aqu, puesto que las catego-
ras son numricas podramos pensar que estamos ante una variable
-2 -1 0 +1 +2 +3
Escala
nominal
Escala
ordinal
Escala de
intervalos
Escala de
cocientes
Ejemplo:
religin
Ejemplo:
dureza
Ejemplo: tempe-
ratura
Ejemplo:
altura
Judo Catl Bu-
di
Prot Otro
Diam Hie-
rro
Cuer Car-
tn
Papel
0 m 1 m 2 m 3 m
Mdico Dentista Psiclogo Veterin Ingeniero Arquitecto
Dentista Veterin Psiclogo Mdico Arquitecto Ingeniero
cuantitativa y por tanto medible en los niveles 3 o 4, pero si pensamos
as estaremos equivocados. Aqu los nmeros no funcionan como tales en
el sentido que no podemos manipularlos aritmticamente sumndolos,
restndolos, etc., sino slo como simples etiquetas: el 1 representa
simplemente la palabra arquero, el 10 delantero, etc. Nadie afirmara
que el jugador con el nmero 6 es dos veces ms capaz que el jugador
nmero 3. Los nmeros empiezan a funcionar como indicadores de canti-
dad recin en las escalas cuantitativas.
En la escala ordinal, adems de la homogeneidad y la diferenciabilidad
entre categoras, importa el orden en que ellas se disponen. Las variables
dureza de los materiales y prestigio de una profesin son ordinales,
pues los materiales pueden ordenarse segn su dureza y las profesiones
de acuerdo a su prestigio. Una escala ordinal para la variable prestigio
ocupacional puede graficarse de cualquiera de las siguientes formas,
entre otras:

FIGURA 3

Esto nos muestra que sea cual fuere la forma de representacin, siempre
ha de respetarse el orden. Este tipo de escalas tiene una ventaja sobre
las nominales, pero tambin tiene una limitacin: la escala ordinal me
informa si un individuo tiene mayor o menor prestigio ocupacional que
otro, pero no me dice cunto en forma objetiva. Esto ltimo es impor-
tante porque subjetivamente uno podra pensar que un ejecutivo tiene
tres veces ms prestigio que un zapatero, pero este criterio no sera
compartido por otras personas, y una escala ha de ser la misma para
todos. Otros ejemplos de variables medibles ordinalmente son el grado
de mrito, el grado militar y la gradacin de tonos de colores.
Segn la escala nominal, decimos que hemos hecho una medicin sim-
plemente cuando afirmamos que Fulano es mdico, y segn la escala
ordinal cuando afirmamos que Fulano tiene una ocupacin ms prestigio-
sa que Zutano, aunque no sepamos cunto ms prestigiosa es. Mientras
una escala nominal permite hacer identificaciones, o poner nombres (de
all la expresin nominal), la escala ordinal permite hacer comparacio-
nes cualitativas.
Las comparaciones cuantitativas, o sea la medicin numrica, se hace
posible recin con las escalas cuantitativas. Si examinamos las escalas
cualitativas (nominales y ordinales) veremos que los intervalos o distan-
cias entre las categoras (o sea las distancias entre los puntos de la recta)
son irregulares y no responden a ningn criterio objetivo, aunque s a
muchos subjetivos. En la figura 3 vemos que zapatero puede estar ms
cerca de basurero segn algunos, o ms cerca de ejecutivo segn
otros. La escala ordinal permite comparar profesiones en cuanto a presti-
gio, pero no permite comparar distancias entre profesiones, o sea no es
posible saber cunto mayor es la distancia de basurero a zapatero res-
pecto de la distancia entre zapatero y ejecutivo.
En este sentido, las escalas cuantitativas son an ms informativas. A los
requisitos de homogeneidad, diferenciabilidad y orden se agrega uno
Basurero Zapatero Ejecutivo
Basurero Zapatero Ejecutivo
nuevo: los intervalos deben ser regulares, y ms especficamente iguales.
Las siguientes tres escalas representan todas ellas intervalos iguales, o
sea que los intervalos o distancias entre los puntos estn determinados
segn un cierto criterio matemtico:

FIGURA 4

En la primera vemos que los intervalos son iguales, pues la distancia que
hay de 1 a 2 es igual a la distancia que hay entre 2 y 3, etc., todo lo cual,
dicho matemticamente, equivale a afirmar que 1-2 = 2-3, etc. Por la
misma razn en la segunda escala las distancias tambin son iguales
aunque hayamos tomado intervalos mayores. En la tercera ya parecera
que los intervalos no son iguales pues van aumentando cada vez ms
hacia la derecha, pero si consideramos que se trata de una escala loga-
rtmica (y no lineal como las dos anteriores), veremos que tambin sus
intervalos son iguales segn la siguiente serie de igualdades, donde en
vez de restar, dividimos:

1 2 4 8
------ = ------ = ------ = ------ = etc
2 4 8 16

Esta misma serie, expresada logartmicamente, es log1-log2 = log2-log3,
etc, o sea que en vez de restar nmeros como en la escala lineal resta-
mos logaritmos, pero igualmente sigue cumplindose la condicin de
igualdad de intervalos.
Toda escala que tenga intervalos iguales se llama escala mtrica, y a este
nivel ya s tiene sentido definir medicin ms familiarmente como la ope-
racin por la cual comparamos una cierta cantidad con otra tomada como
nidad. Por ejemplo, decimos que hemos medido el peso de Fulano cuando
hemos dicho que pesa 60 kg, o sea, su peso entra 60 veces en la unidad
de medida de 1 kg.
Estas escalas mtricas, tpicas de los niveles cuantitativos de medicin,
siguen conservando las caractersticas de diferenciabilidad (o identidad),
y orden de la escala ordinal, pero se agregan otras nuevas: no slo me
dice que los pesos 35 kg y 70 kg son distintos (identidad), y no slo me
dice que 70 es un peso mayor que 35 (orden), sino que adems me
agrega nueva informacin al decirme: (a) que 70 kg es cuantitativamente
tan distinto de 35 kg como 35 kg lo es de 0 kg; y (b) que 70 kg es dos
veces ms pesado que 35 kg, o sea, me informa acerca de cunto ms
pesado es un objeto que otro.
Las escalas de intervalos iguales slo nos pueden dar la informacin (a),
mientras que la escala de cocientes o razones, adems, nos suministra la
informacin (b), con lo cual esta ltima resulta ser ms precisa o con
mayor contenido informativo.
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5
1 2 4 8 16
Establezcamos ms en detalle las diferencias entre ambas escalas cuanti-
tativas, para lo cual comenzaremos por distinguir las escalas absolutas y
las relativas. Supongamos que tomamos cinco objetos cualesquiera y
medimos sus alturas, graficando del siguiente modo sus valores respecti-
vos:

FIGURA 5

Es indudable que estas alturas son reales: el objeto A mide efectivamente
dos metros, el objeto B tres metros, etc. A estas escalas cuyos nmeros
representan realmente el atributo fsico las llamamos absolutas y en
ellas, obviamente, la cifra 0 corresponder a la ausencia de altura. Pero
supongamos ahora que queremos considerar la altura A, que es dos me-
tros, como altura 0 en forma arbitraria. La escala anterior y la nueva
quedarn entonces correlacionadas del siguiente modo:

FIGURA 6

En esta nueva escala el objeto B no tiene realmente un metro de altura:
slo nos dice que B es un metro ms alto que A, es decir marca su ubica-
cin respecto de otro objeto. De la misma forma esta escala no dice que
A no tenga altura, sino que arbitrariamente le hemos asignado el valor 0
para que sirva de punto de referencia de los dems valores: es una esca-
la relativa o arbitraria. Obviamente, si disponemos de una escala relativa
y conocemos adems la altura absoluta de uno cualquiera de los objetos,
podremos calcular la altura absoluta de los dems (tambin necesitamos
una regla de transformacin, pero de esto no nos ocuparemos).
Tambin podramos haber asignado el valor cero no a 2 sino a la media
artimtica, que en nuestro ejemplo coincide con 4 metros. La nueva esca-
la relativa quedara entonces representada del siguiente modo:

FIGURA 7

1m 2m 3m 4m 5m
A B C D E
2m 3m 4m 5m 6m
A B C D E
Escala absoluta
Escala relativa
0m 1m 2m 3m 4m

Estrictamente hablando no tiene sentido decir que algo mide menos 2
metros (-2), pues no hay alturas negativas, pero no obstante esa cifra
aparecida en la nueva escala nos est diciendo algo: que el objeto A es
tan alto con respecto al objeto B como ste con respecto al C, que es la
media, y el signo negativo nos indica solamente que la altura de A est
por debajo de la media aritmtica. Del mismo modo la altura cero no
significa aqu ausencia de altura, eror que cometi aquel tipo que, cuando
le dijeron que haca cero grado de temperatura exclam alborozado: No
hace ni fro ni calor!. Galeno haba sugerido como punto cero de tempe-
ratura un calor neutro que no era ni fro ni calor, pero Galeno estaba en
realidad proponiendo una simple convencin. Vemos as que la escala de
temperatura es un tpico ejemplo de escala relativa (con un cero arbitra-
rio).
En las escalas de intervalos iguales tenemos escalas relativas (o sea con
un cero arbitrario) y en las escalas de cocientes o razones tenemos esca-
las absolutas (con un cero absoluto o real). El cero arbitrario no corres-
ponde con la ausencia de la magnitud (cero grado no significa ausencia
de temperatura), pero el cero absoluto es real (cero metros significa au-
sencia de altura). Ntese que lo que interesa es la ausencia de la varia-
ble, no del individuo. Tanto cero metros como cero cantidad de hijos sig-
nifica ausencia de altura y ausencia de hijos, y no interesa que el primer
valor corresponda a un individuo inexistente y el segundo a una pareja
que s podra existir.
Las escalas de cocientes o razones son muy difciles de encontrar en psi-
cologa y en general en las ciencias sociales: en estas disciplinas se ma-
nejan variables que, como motivacin, inteligencia o aprendizaje, son
muy difciles (o carecera de sentido) identificar su ausencia real, o sea
asignarles un cero absoluto, y en general sus valores se consiguen esta-
blecer por comparacin con otros valores.

Pero, ms exactamente, porqu las variables psicolgicas suelen medirse con
escalas relativas y las variables fsicas con escalas absolutas? O, si se prefiere,
qu nos obliga a medir ciertas variables mediante escalas relativas, cuando en
rigor sera preferible usar escalas absolutas por ser ms precisas y exactas?
Esta interesante cuestin tiene su complejidad, no obstante lo cual orientare-
mos una respuesta en algn sentido que pueda interesarnos como investigado-
res en ciencias sociales. Para ello comparemos un fsico que debe medir la altu-
ra de 10.000 objetos, y un psiclogo que debe medir la inteligencia de 10.000
sujetos de la misma edad. Una vez que hicieron sus respectivas mediciones,
cada uno obtiene un promedio: el promedio de alturas es 1,53 metros, y el
promedio de inteligencias es 100.
Acto seguido, si ahora el psiclogo encuentra una persona y, tras medir su in-
teligencia encuentra que tiene un valor 60, con justa razn puede decir que
tiene una inteligencia inferior a lo normal; pero si el fsico encuentra un objeto
que mide apenas 0,42 metros no tendr sentido que diga que su altura es infe-
rior a lo normal o que se trata de un objeto retrasado en cuanto a altura. No
es este el tipo de comparacin que le interesa hacer al fsico, pero s al psiclo-
go. Este ltimo desea saber si una persona est por encima o por debajo de la
media de su edad. Las escalas relativas como la inteligencia toman como punto
de referencia no un cero absoluto sino un promedio estadstico al cual puede
asignrsele tanto el valor 0 como el valor 100 o cualquier otro, y entonces es-
2m 3m 4m 5m 6m
A B C D E
Escala absoluta
Escala relativa
-2m -1m 0m 1m 2m
tas escalas relativas son especialmente aptas para comparar la situacin de un
individuo respecto de otros y ver as si tiene ms o si tiene menos inteligencia
que el resto. Ms an: si quien mide altura no es un fsico sino un mdico o un
psiclogo (por tanto ya estamos midiendo personas, no objetos), empiezan a
cobrar sentido las expresiones altura normal o altura anormal, por la misma
razn que tiene sentido hablar de inteligencia normal o inteligencia anor-
mal.
Quienes construyeron los tests de inteligencia no empezaron eligiendo a un in-
dividuo con inteligencia nula (o sea, un cero absoluto) y a partir de all luego
los dems valores (10, 20, 30, etc). Ellos comenzaron eligiendo una gran canti-
dad de individuos y luego obtuvieron un promedio (supuestamente el promedio
de toda la poblacin humana, si acaso la muestra fuese representativa). A di-
cho promedio le adscribieron convencionalmente el valor 100 y as, si algn
nuevo sujeto llegara a obtener cero segn esta nueva escala, no significar que
no tiene inteligencia (cero absoluto), sino slo que su capacidad intelectual est
muy por debajo de la media poblacional (cero relativo).
Hasta aqu puede quedar justificado el uso de escalas relativas en ciencias so-
ciales, pero, entonces, porqu ciertas magnitudes fsicas como la temperatura
se miden habitualmente en escalas relativas y no absolutas, que ya dijimos se-
ran preferibles? En el caso especial de la temperatura podemos invocar razo-
nes histricas y prcticas. Tomemos con la mano un objeto cualquiera: inferi-
mos que tiene una cierta temperatura a juzgar por la sensacin trmica que
nos produce. Supongamos ahora que el cuerpo que sostenemos se empieza a
enfriar. Llegar un momento en que el fro es tan intenso que nuestros dedos
se congelan y dejan de funcionar nuestros termorreceptores, o sea, no experi-
mentamos ya ninguna sensacin y quedamos anestesiados. Significa esto que
el cuerpo no puede seguir enfrindose? No. Puede seguir hacindolo aunque ya
no podamos darnos cuenta por el tacto, y entonces, para averiguarlo, decidi-
mos tomar otro punto de referencia, como por ejemplo su dureza. Podemos as
saber si se sigue o no enfriando examinando si su dureza aumenta o no, pero
aqu tambin la dureza puede tener un lmite, y el hecho de que el cuerpo haya
alcanzado una dureza mxima y no pueda endurecerse ms, ello no significa
necesariamente que no pueda seguir enfrindose. De hecho, podemos seguir
eligiendo ms criterios hasta el infinito, pero la termodinmica ha venido a re-
solver este problema tomando como punto de referencia no la sensacin trmi-
ca ni la dureza del cuerpo, sino el movimiento de sus molculas. Y as, cuando
las molculas cesan todo movimiento el cuerpo ya no podr seguir enfrindose
alcanzando entonces lo que se llama su temperatura absoluta, designada con-
vencionalmente como el cero grado en la escala Kelvin, creada a tal efecto. Es-
ta escala es absoluta porque el cero grado corresponde realmente a la ausencia
de temperatura. Podra argumentarse que esto no es as que cero grado est
indicando un fro intenssimo en lugar de ausencia de temperatura pero no de-
bemos olvidar que la termodinmica, al crear esta escala, equipar temperatu-
ra a movimiento molecular y no a sensacin trmica y entonces el cero grado,
al indicar ausencia de movimiento molecular, indica tambin ausencia de tem-
peratura. Si nuestros termorreceptores pudiesen hipotticamente percibir la
sensacin trmica a cero grado Kelvin sin quedar arruinados, seguramente reti-
raramos violentamente la mano y nadie podra convencernos de que all no
hay temperatura, pero esto es porque estamos habituados a equiparar tempe-
ratura con sensacin trmica y no con movimiento molecular. Por lo dems, se
supone que el cero absoluto es inalcanzable tanto tcnicamente como en teo-
ra, porque si cesara el movimiento molecular la materia dejara de existir.
La idea de equiparar temperatura con movimiento molecular deriva de la teora
cintica del calor del siglo pasado, y sostiene que el movimiento genera calor.
Entonces, si las molculas comienzan a moverse cada vez ms rpidamente, el
cuerpo empezar a aumentar su temperatura. Obviamente que esto no es ms
que una teora: el da de maana puede aparecer otra que tome como referen-
cia de temperatura no el movimiento sino otro parmetro hoy desconocido, con
lo cual se construir una nueva escala con el cero ms alejado y donde el cuer-
po podr seguir enfrindose an cuando haya cesado todo movimiento molecu-
lar. Esto prueba que, en el fondo, el cero absoluto es paradjicamente relativo,
pues todo depender de qu significado le demos a temperatura: si sensacin
trmica, dureza, movimiento molecular o un parmetro an no descubierto.
Histricamente, la primera escala de temperatura que se cre no fue la escala
Kelvin, ya que no exista la idea de vincular la temperatura con el movimiento
molecular y construr, sobre esa base, una escala. Pero los fsicos necesitaban
contar igualmente con alguna que pudiese medir esta magnitud, y fue as que
se crearon varias, como la escala centgrada (Celsius), la escala Farenheit y la
escala Reamur. La escala Celsius le adjudic un poco arbitrariamente el cero al
punto de congelamiento del agua y el 100 a su punto de ebullicin (todo a pre-
sin atmosfrica normal), dividindose luego en 100 partes iguales la escala
entre uno y otro valor. Presumiblemente la practicidad de esta escala radica en
el hecho de que la mayora de los objetos que manipulamos o los ambientes
donde habitamos estn entre 0 y 100 grados Celsius, utilizndose la escala
Kelvin slo para objetos muy fros. Haciendo las transformaciones necesarias (0
grado Kelvin corresponden a -273 grados Celsius) podramos usar tambin la
escala Kelvin pero no lo hacemos, entre otras razones, por una cuestin psico-
lgica o de acostumbramiento a las mismas cifras de siempre. En otros casos el
desacostumbramiento puede ser menos difcil, y es cuando no hay que habi-
tuarse a nuevas cifras sino simplemente a nuevas denominaciones. Tal es el
caso del pasaje de los milibares a los hectopascales (escala de presin atmos-
frica): aqu no se cambi de escala sino de nombre, ya que, por ejemplo,
1008 hectopascales siguen siendo 1008 milibares.

Adems del hecho de que una tiene un cero arbitrario y la otra un cero
absoluto, hay otra diferencia entre las escalas relativas y absolutas, y que
de alguna forma ya empezamos a adelantar.
En las escalas de intervalos iguales, que son relativas, no se puede decir
que un sujeto con CI 160 tenga el doble de inteligencia que otro de 80,
del mismo modo que dos grados no es el doble de temperatura que un
grado en la escala Celsius. A lo sumo podemos llegar a decir que la dife-
rencia de inteligencia que hay entre 120 y 140 es la misma que hay entre
100 y 120. En las escalas de cocientes, que son absolutas, podemos ob-
tener en cambio ambos tipos de informacin como ocurre con las escalas
de peso, sonido, longitud o densidad. Adems de la inteligencia, otras
escalas de intervalos iguales son la energa y las fechas del calendario:
del 2 al 4 de junio hay el mismo intervalo temporal que hay entre 4 y 6
de junio, pero carecer de sentido decir que el 4 de junio es el doble del 2
de junio.
Observemos la figura 6. En la escala absoluta s tiene sentido decir que 6
metros (altura del objeto E) es el doble de 3 metros (la altura de B). O
sea, se cumple la igualdad E = 2.B. Si intentamos trasladar esto mismo a
la escala relativa esta igualdad no se cumple, pues 4 no es el doble de 1.
Para que la expresin E = 2.B valga en la escala relativa debemos sumar-
le el nmero 2, que es la distancia que hay entre el cero arbitrario y el
absoluto (ya que aqu la escala relativa aparece corrida dos lugares). La
nueva frmula para esta escala ser E = 2.B + 2, y entonces s se cumple
que 4 = 2.1 + 2. Todo esto es bastante terico, porque slo lo podemos
hacer si conocemos el corrimiento de la escala relativa respecto de la
absoluta, o sea, si conocemos la distancia del cero arbitrario al cero abso-
luto, cosa que no siempre podemos hacerlo ni tampoco necesitarlo. Des-
de este punto de vista, la escala absoluta pasa a ser un caso especial de
la escala relativa donde la distancia entre los ceros arbitrario y absoluto
es nula.
Esta clasificacin en cuatro niveles ya es clsica y corresponde a Stevens,
pero no han faltado otras variantes entre las que podemos mencionar la
de Coombs, quien agrega dos niveles ms:
a) Entre la nominal y la ordinal incluye la escala parcialmente ordenada
(figura 8). Se trata en ltima instancia de una variante de la escala ordi-
nal donde en algunas categoras, como B y C, no se conoce la relacin de
mayor o menor que tienen entre s: A es mayor que B o que C, y por otro
lado B o C son mayores que D, pero se desconoce si B es mayor, menor o
igual a C.

FIGURA 8


b) Entre la ordinal y la de intervalos iguales, Coombs agrega la escala
mtrica ordenada, una variante de la escala de intervalos iguales donde
en vez de ser estos iguales son distintos pero estn ordenados creciente
o decrecientemente. A diferencia de la escala meramente ordinal, aqu no
slo se ordenan las categoras, sino tambin los intervalos de acuerdo a
su tamao. Evidentemente informa ms que la simple escala ordinal pero
menos que la de intervalos iguales propiamente dicha, pues no aclara
cunto mayor es un intervalo que otro.

Siempre estamos haciendo mediciones. Por ejemplo, cuando decimos que
tal o cual individuo es catlico (medicin nominal), o que tal sujeto tiene
ms mrito que otro (medicin ordinal), o cuando decimos que tal otro
sujeto tiene 30 aos (medicin intervalar). Pero la importancia de la me-
dicin no reside simplemente en el hecho de que siempre estamos ha-
ciendo mediciones, sino en que el acto de medir nos permite conocer
cmo varan los fenmenos de la realidad tanto en cantidad como en
calidad, lo cual a su vez es muy importante porque es gracias a que exis-
ten unas variaciones que dependen causalmente de otras, que podemos
organizar nuestro conocimiento del mundo.
A > B > C > D > E
Escala ordinal
Escala parcialmente ordenada
B
A > > D > E
C
LA INVESTIGACIN EXPLICATIVA
1

Una vez que hemos constatado una alta correlacin entre variables, y, como
consecuencia de ello, pudimos arriesgar una hiptesis causal (o a la inversa),
llega ahora el momento crucial donde hay que probarla. Esta verificacin es la
gran tarea de la investigacin explicativa.

Cuando tal es la tarea que nos proponemos, la investigacin explicativa
puede denominarse, segn Hyman, terica o experimental. Este autor pare-
ce considerar como sinnimos ambos trminos, pero a nuestro criterio ca-
be hacer una diferencia: en la investigacin experimental buscamos con-
frontar una hiptesis con la realidad, mientras que en la investigacin teri-
ca buscamos confrontar hiptesis entre s, de all que esta ltima sea una
investigacin predominantemente bibliogrfica.
Segn el mismo autor (12), adems del propsito terico o experimental,
una investigacin explicativa puede apuntar a objetivos ms prcticos, de
aqu que tambin existan, de acuerdo a denominaciones de Hyman, estu-
dios explicativos de diagnstico, de prediccin, y de evaluacin o program-
ticos. En este texto centraremos nuestra atencin en la tarea principal: la
prueba de la hiptesis causal.
En otro orden de cosas, si bien lo que caracteriza la investigacin cientfica
es la identificacin de las causas de los fenmenos, en nuestras investiga-
ciones cotidianas no cientficas- muchas veces no nos tomamos esta moles-
tia. De hecho, podemos resolver muchos problemas sin conocer las causas
que los ocasionan, como por ejemplo: a) Golpeamos duramente el telfono
y anda!!!; b) Reemplazamos un electrodomstico que no anda por otro que
s funciona; c) Si la PC anda mal muchos tcnicos ni se preocupan por ave-
riguar la causa: directamente formatean el disco rgido y reinstalan todos los
programas. Estas actitudes son tambin observables en los mbitos que su-
ponemos cientficos: la esquizofrenia o la epilepsia puede curarse con un
electroshock, lo que no presenta gran diferencia con arreglar un telfono
golpendolo.

Dos tipos de sospechas pueden poner en marcha una investigacin explicativa,
y sobre ambas alternativas organizaremos nuestra exposicin: primero, pode-
mos sospechar que cierto o ciertos factores son la causa de un fenmeno; se-
gundo, podemos sospechar que cierto factor NO es la causa de un fenmeno
dado a pesar de las apariencias (por ejemplo, a pesar de la alta correlacin).
a) Si pensamos que uno o varios factores son causa de cierto efecto, debere-
mos efectuar una prueba de confirmacin, realizando un experimento bivariado (si
es un solo factor causal) o multivariado (si son varios).
Una prueba de confirmacin no es una prueba donde se confirma una hipte-
sis, ya que el resultado puede confirmar o refutar la hiptesis (aceptacin o
rechazo), sino una prueba diseada con la intencin de confirmar nuestra sos-
pecha de causalidad. Si una prueba de confirmacin fuese una prueba donde se
confirma una hiptesis, para qu la realizaramos si ya conocemos el resulta-
do?
Como consecuencia de haber aplicado una prueba de confirmacin tenemos,
entonces, dos posibilidades: o confirmamos o rechazamos la hiptesis. En
rigor, y lo demuestra la historia de la ciencia, ninguna de ambas alternativas es
definitiva, pues indagaciones posteriores pueden obligar a rechazar la hiptesis

1
Pablo Cazau
confirmada o a confirmar la rechazada, lo que demuestra una vez ms que lo
nico seguro del conocimiento cientfico es su carcter probable.
b) Si pensamos, en cambio, que un cierto factor no es la causa de un fenmeno
a pesar de la alta correlacin constatada entre ambas, entonces emprenderemos
una prueba de refutacin, como por ejemplo la llamada prueba de espureidad (o
prueba de falsedad, pues se busca probar que a pesar de parecer verdadera, la
causa no lo es). En general, las pruebas de espureidad se realizan mediante
investigaciones bivariadas.
Una prueba de refutacin no es, entonces, una prueba donde se refuta una
hiptesis sino slo donde se intenta refutarla, y a partir de aqu se podr o no
tener xito en dicho intento. La sospecha que pone en marcha este tipo de
investigacin puede surgir antes, durante o despus de una prueba de confir-
macin. A veces en el curso de la investigacin y antes de poder confirmar o
rechazar nuesta hiptesis, puede surgir en nosotros una fuerte sospecha de que
X no es la causa de Y sino Z, o sea, una variable adicional. En este punto po-
dremos abandonar nuestros intentos originales por confirmar y emprender una
prueba de refutacin, consistente en tratar de demostrar que X no es la causa
sino Z.

a) El concepto de causa
Antes de explicar las pruebas de confirmacin y refutacin, comencemos por
aclarar qu debemos entender por causa en el contexto de una investigacin
explicativa. Ya habamos indicado que ningn fenmeno, estrictamente ha-
blando, tiene una sola causa. Si pretendemos ser un poco objetivos, debemos
admitir que la realidad es compleja y aceptar que un fenmeno responde a una
multiplicidad de causas que, actuando conjuntamente, producirn el fenmeno
en cuestin. Pero, debido a que tampoco conocemos todas las causas que lo
producen, slo podremos decir que la intervencin de las causas conocidas
simplemente aumentan mucho la probabilidad de que el fenmeno ocurra.
Partiremos entonces del supuesto de la policausalidad: un efecto es producido
por varias causas. Las causas que determinan que aprobemos un examen son
varias: haber estudiado, no estar nervioso, un profesor tolerante, etc. Esquem-
ticamente:

Indudablemente que estudiar es una condicin necesaria, pero an no es sufi-
ciente para aprobar, pues puede ocurrir que los nervios nos traicionen o el
profesor sea muy exigente. Otro tanto podemos decir de los otros factores:
tener un profesor tolerante es condicin necesaria pero no suficiente, pues
adems debemos haber estudiado y no estar nerviosos. Del mismo modo, la
sola intervencin del factor tranquilidad, si bien necesario, no alcanza a ser
suficiente por los mismos motivos anteriores. Nuestra primera conclusin es
entonces esta: cada uno de los factores causales, considerados en forma inde-
pendiente, son una condicin necesaria pero no suficiente.
Tranquilidad Aprobar
Haber estudiado
Profesor tolerante
Sin embargo, si ahora en vez de considerarlos independientemente los conside-
ramos conjuntamente, las cosas cambian, porque si todos esos factores se
dan juntos entonces aprobamos el examen. Todos ellos juntos son entonces
una condicin suficiente, lo que nos lleva a nuestra segunda conclusin: si
consideramos a los factores causales conjuntamente, funcionan como condi-
cin suficiente. De todo lo dicho se desprende que una condicin suficiente es
el conjunto de todas las condiciones necesarias.
En general, por causa entenderemos toda condicin necesaria y suficiente para
que ocurra un fenmeno. Condicin necesaria es aquella que si no est, el efec-
to no se produce. Estudiar es condicin necesaria porque si no estudiamos, no
aprobamos. Del mismo modo cierta capacidad mental es condicin necesaria
para el aprendizaje (una piedra no puede aprender), y tambin es condicin
necesaria para ser drogadicto haber tenido alguna experiencia con drogas.
En cambio una condicin suficiente es aquella que si est, el fenmeno se pro-
duce. Condicin suficiente es la suma de estudiar, estar tranquilo y tener un
profesor tolerante, pues si se dan estos tres factores aprobamos. Podemos
decir tambin que una condicin suficiente para la ceguera es la destruccin del
nervio ptico, o que un conflicto grupal es condicin suficiente para su bajo
rendimiento.
Selltiz (13) dice que en la prctica es, sin embargo, muy difcil encontrar condi-
ciones necesarias y suficientes: la destruccin del nervio ptico no es la nica
condicin necesaria y suficiente para la ceguera, pues sta puede existir an
cuando no se haya destrudo dicho nervio, o sea, puede haber otras condicio-
nes distintas que produzcan este efecto. Por ello el cientfico debe buscar una
constelacin de otras posibles causas (adems de la necesaria y suficiente), y
que suelen clasificarse como condiciones contribuyentes, contingentes y alter-
nativas. Veamos un ejemplo, tomado del mismo autor.
Es condicin necesaria y suficiente de la drogadiccin el hecho de no poder el
sujeto suspender voluntariamente el consumo de drogas: si no puede suspen-
der este consumo el sujeto es drogadicto, pero nadie que investigue sobre las
causas de la drogadiccin se puede conformar con esta nica explicacin. Bus-
car entonces causas contribuyentes (ausencia de padre), contingentes (el habi-
tual consumo de drogas en el barrio), y alternativas (presencia de un padre
hostil).
Condicin contribuyente es aquella que aumenta las probabilidades qde ocu-
rrencia del fenmeno, pero no lo hace seguro. La ausencia de padre aumenta
las probabilidades que el adolescente sea drogadicto.
Sin embargo, esta condicin contribuyente podr funcionar efectivamente
como causa siempre y cuando en el barrio el consumo de droga sea habitual
(condicin contingente). Y as, una condicin contingente es una situacin
especial en la cual la condicin contribuyente puede realmente actuar como
causa. En suma: en las vecindades donde el uso de drogas est generalizado
(condicin contingente), la ausencia del padre del adolescente (condicin con-
tribuyente), contribuye o ayuda a aumentar las probabilidades de que el mu-
chacho sea drogadicto. Decimos que aumenta su probabilidad pero no lo hace
100% seguro, porque adems el sujeto debe no poder desprenderse volunta-
riamente de su hbito (condicin suficiente).
La condicin contribuyente (ausencia del padre) tiene una condicin alternativa
(presencia de un padre que trata en forma hostil o indiferente al sujeto). En
rigor esta ltima es tambin una condicin contribuyente en tanto tambin
aumenta la probabilidad que el hijo sea drogadicto. Lo que interesa entonces
destacar ac, segn nuestro parecer, es que si una condicin contribuyente
tiene alguna condicin alternativa que es tambin capaz de producir el fen-
meno, entonces aumentan an ms las probabilidades de que este ocurra pues
ambas condiciones cubrieron todo o casi tod el espectro de posibilidades de la
situacin del padre.

b) Requisitos de causalidad

Sea una prueba de confirmacin o una de refutacin, en toda investigacin
explicativa lo que se hace es una prueba de causalidad, y para poder probar que
ralmente la relacin X-Y es causal deben cumplirse obligatoriamente tres con-
diciones, que podemos llamar requisitos de causalidad.
1) Variacin concomitante (correlacin).- X e Y deben variar conjunta o concomitan-
temente en la forma prevista por nuestra hiptesis. Sin embargo, hemos dicho
ya que una simple correlacin de este tipo no prueba necesariamente que haya
una relacin causa-efecto, pues puede ocurrir que X e Y varen en el mismo
sentido slo porque son ambas efectos de una causa desconocida Z (vase ms
adelante Pruebas de espureidad).

Puede ocurrir que X e Y no aparezcan en un primer momento correlacio-
nadas, pero ello no significa que no estn conectadas causalmente, ya que
otras variables que no podemos controlar en ese momento pueden estar
distorsionando la correlacin subyacente (como por ejemplo errores de
medicin). Estas situaciones especiales no deben hacernos pensar que pue-
de haber causalidad sin correlacin: all donde hay causalidad siempre ha de
haber correlacin, aunque sta pueda aparecer encubierta.

La existencia de una correlacin (encubierta o no) es condicin necesaria para
que hay un vnculo causal, pero an no suficiente, porque adems deben cum-
plirse los restantes dos requisitos.
2) Ordenamiento temporal.- Para que X sea causa de Y es preciso que la causa X
ocurra cronolgicamente antes que el efecto Y, o por lo menos simultnea-
mente con l. No se rompe primero el vidrio y despus tiramos la piedra. Ro-
bert Koch, bacterilogo alemn, bromeaba con que haba un solo caso donde
la causa sigue al efecto, y es cuando el mdico va detrs del fretro de su pa-
ciente.
3) Eliminacin de otros posibles factores causales.- Si la tarea de establecer la correla-
cin era propia de una investigacin descriptiva, el trabajo de eliminar la in-
fluencia de otros posibles factores causales es ya lo ms caracterstico de una
investigacin explicativa. De aqu en ms, entonces, nos ocuparemos de este
problema.
Cuando intentamos averiguar si X es la causa de Y casi siempre existe la sospe-
cha de que hay otras variables adicionales o ajenas al experimento en s que
pueden estar ejerciendo tambin influencia sobre Y, y entonces podr ocurrir
que Y vara por influencia de esas otras variables ajenas y no por X. Por lo
tanto, debemos anular al mximo estas influencias externas para saber si real-
mente la variacin de Y se debe o no a X. Si nuestro inters est en averiguar la
influencia causal de la educacin (X) sobre la inteligencia (Y), procuraremos
anular la influencia de variables extraas como por ejemplo la alimentacin,
pues tenemos la sospecha que la inteligencia tambin depende de ella. Note-
mos que se trata de una simple anulacin metodolgica pues no estamos anu-
lando la condicin causal de la alimentacin como tal, sino slo su influencia
(de hecho, el nio con el que experimentamos contina alimentndose).
Hay muchas variables adicionales que pueden estar ejerciendo influencia sobre
la variable dependiente Y, adems de X, pero podemos agruparlas en dos cate-
goras.
a) Variables organsmicas: o factores que dependen del sujeto mismo, tales
como sus experiencias pasadas y los cambios debidos a la maduracin o al
desarrollo. Si queremos indagar la influencia de los premios o castigos (X)
sobre el aprendizaje (Y), puede ocurrir que el sujeto aprenda mejor debido a
sus cambios madurativos (variable adicional) y no a los refuerzos, sobre todo si
el experimento implica un seguimiento de nios muy pequeos a lo largo de
varios meses. Del mismo modo, si queremos conocer la influencia del ruido
(X) sobre el estrs (Y), puede ocurrir que ciertos sujetos sean hipersensibles a
los ruidos por alguna experiencia traumtica o simplemente por factores cons-
titucionales, y entonces revelen mayor nivel de estrs debido a su hipersensibi-
lidad (variable adicional).
b) Variables situacionales: o factores que dependen del ambiente. Al investigar
cmo influye el ruido sobre el estrs, puede ocurrir que los sujetos elegidos
para el experimento habiten en un pas econmicamente inestable, con lo cual
el estrs se ver influenciado tambin por esta condicin (variable adicional),
con lo que correremos el riesgo de no saber si el estrs se debe al ruido o a la
inestabilidad econmica.
Un caso muy especial de variable situacional son las variables derivadas del
experimento, ya que muchas veces ocurre que es el mismo experimento quien
influye sobre Y. Al investigar el vnculo ruido-estrs puede ocurrir que el suje-
to, al sentirse como una especie de conejillo de Indias al que investigan cru-
damente, por ese solo hecho aumente su nivel de estrs. Quizs estamos usan-
do una amenazadora mquina para medir su estrs y el individuo se estresa con
slo mirarla, con lo cual no podremos saber si tal estrs se debe al experimento
mismo o a los ruidos. Esta influencia que puede ejercer la misma situacin
experimental es llamada accin retroactiva por Oneil, influencia de la pre-
medida por Selltiz, efectos de las mediciones previas segn Blalock, etc., pero
todas esas denominaciones apuntan a la misma idea.

Un conocido ejemplo de influencia del experimento y que preocup duran-
te mucho tiempo a los mdicos fue la llamada hipertensin del guardapol-
vo blanco. Cuando el mdico intentaba tomarle la presin a una persona, la
sola presencia del galeno munido de un tensimetro bastaba para que la
presin subiera espontneamente, con lo cual el mdico nunca poda saber
si la hipertensin era un signo patolgico o simplemente un momentneo
aumento de la presin ante la visin del guardapolvo blanco y el instrumen-
to de medicin.
Otro ejemplo aparece en Blalock (14). Un grupo de obreras aument su
rendimiento laboral pero no debido a que haba mayor iluminacin y hora-
rios de descanso, como se pensaba, pues cuando estos factores se suprimie-
ron, el rendimiento no decay. Este se deba en realidad a que fueron sepa-
radas y aisladas para realizar el experimento: esto las halag pues crean es-
tar siendo objeto de un trato preferencial, y entonces aumentaron su ren-
dimiento.
Los factores debidos al experimento mismo no se ven slo en el mbito de
las ciencias sociales: pueden detectarse tambin en experimentos de micro-
fsica cuando se trata de averiguar la causa de ciertas caractersticas de las
partculas subatmicas. Una de las interpretaciones del principio de incerti-
dumbre de Heisenberg dice que, cuando el fsico quiere observar la trayec-
toria de una partcula subatmica, su sola presencia material hace que esa
trayectoria se modifique, con lo cual nunca puede saber hasta qu punto
depende de su presencia fsica o de otro factor que en ese momento resulte
importante investigar.

c) Control de variables adicionales

Sea que se trate de variables organsmicas o situacionales, lo que el cientfico
buscar hacer con estas variables adicionales es controlarlas y conocer su grado
de influencia, por lo menos mientras el experimento dura. Para esto dispone de
dos recursos fundamentales: la aleatorizacin y los grupos de control.
1) Aleatorizacin.- Los experimentos suelen hacerse con una muestra, y los indi-
viduos deben ser preferiblemente elegidos al azar (aleatorizacin). Esta selec-
cin al azar permite controlar la influencia de las variables adicionales y as por
ejemplo, si queremos estudiar la influencia del ruido sobre el estrs, los sujetos
elegidos no podrn ser todos ellos veteranos de guerra o bien todos ejecuti-
vos, porque entonces las variables extraas experiencias traumticas y tipo de
ocupacin estarn tambin influyendo sobre los niveles de estrs. En cambio si
tomo los sujetos al azar (donde entrarn verosmilmente veteranos y no vete-
ranos, ejecutivos y no ejecutivos), esto se supone que garantizar la heteroge-
neidad del grupo en cuanto a experiencias traumticas y ocupaciones, con lo
que la influencia de stas se reducir considerablemente hasta un nivel acepta-
ble donde su intervencin no resulta significativa.

En este punto podramos preguntarnos lo siguiente: para qu recurrir a la
aleatorizacin, si podemos controlar las variables adicionales mantenindo-
las constantes? Sera como decir que al estudiar el vnculo ruido-estrs se-
leccionamos solamente a veteranos de guerra (es decir mantenemos cons-
tante la variable extraa experiencias traumticas pasadas) y entonces, cual-
quier variacin en el grado de estrs entre los que recibieron ruidos y los
que no, se deber solamente al factor ruido ya que ambos grupos, al ser to-
dos veteranos de guerra, estn en igualdad de condiciones.
Esta solucin sera viable si fuese solamente una la variable extraa que hay
que controlar, pero habitualmente son varias y realmente resulta muy difcil,
cuando no imposible, mantenerlas constantes a todas, o sea, reunir un gru-
po homogneo respecto de todas las variables adicionales. De hecho, ya
poder seleccionar un grupo donde todos sean veteranos de guerra y al
mismo tiempo todos ejecutivos es bastante engorroso. Elegimos entonces
el procedimiento de la aleatorizacin, por su mayor sencillez. El azar, como
la muerte, es el gran nivelador, y por s solo es capaz de colocar en igualdad
de condiciones a todos los sujetos de un experimento.

2) Grupos de control.- Cuando es necesario aumentar nuestro control de las va-
riables adicionales, utilizaremos tambin grupos de control, un recurso bastan-
te habitual. Una vez extrada una muestra de una poblacin, dentro de la mis-
ma seleccionamos dos grupos: el grupo experimental y el grupo de control.
Llamamos grupo experimental al que sometemos a la influencia del posible factor
causal que nos interesa (X), o sea a la influencia de la variable independiente o
experimental, y llamamos grupo de control a cualquier otro grupo usado como
referencia para hacer comparaciones. Habitualmente los grupos de control son
aquellos a los que no sometemos a la influencia del posible factor causal.
Ejemplo: a los efectos de investigar el estrs, el grupo experimental es aquel al
que sometemos a distintas intensidades de ruidos, y el grupo de control no.
Obviamente que los individuos de ambos grupos deben haber sido elegidos al
azar: nuestro experimento fracasara si ponemos en el grupo experimental a
todos los veteranos de guerra y en el de control a sujetos sin experiencias
traumticas pasadas.
El grupo de control es un adecuado procedimiento para neutralizar la influen-
cia de las variables adicionales porque, al quedar minimizada su influencia por
la aleatorizacin, se puede notar con mayor claridad la influencia de la nica
variable no aleatorizada, o sea X. Si los sujetos son muy distintos en cuanto a
ocupacin, experiencias pasadas, raza, estado civil, sexo, edad, etc., pero a to-
dos los sometemos (o no) a los mismos ruidos, entonces se aprecia mejor la
influencia de estos sobre el estrs.
Consignemos, finalmente, porqu en las investigaciones explicativas se suele
utilizar un grupo y no una persona nica, cuando este ltimo recurso podra
ser ms sencillo. Al respecto, se considera que un solo caso puede ejemplificar
un vnculo causal, pero no tiene poder probatorio. Es ms seguro conclur que
la psicoterapia cura la depresin cuando hemos analizado 50 casos que cuando
hemos analizado un nico caso, y ello es as en gran parte debido a que en un
grupo es posible aleatorizar, es decir, controlar muchas otras variables que
tambin podran haber ocasionado la cura.

d) El diseo experimental

Una vez que hemos tomado la precaucin de elegir los sujetos al azar, estamos
ahora en condiciones de elegir un plan para hacer el experimento que probar
si hay o no causalidad entre X e Y. Este plan se llama diseo experimental, y po-
demos definirlo con Oneil (15) como un modelo particular de variacin y
constancia. Es particular porque se aplica a una muestra concreta, no a toda la
poblacin, con lo cual luego deber resolverse si las conclusiones obtenidas
para la muestra son igualmente aplicables a toda la poblacin, tarea que com-
peter a la estadstica inferencial.
Tambin es un modelo de variacin, porque nuestro experimento consiste en
hacer variar la variable independiente X para ver si tambin vara la variable
dependiente Y. Es tambin un modelo de constancia porque al mismo tiempo
que hacemos variar las variables principales debemos controlar la influencia de
las variables extraas, lo que podemos hacer mantenindolas en valores cons-
tantes. Dijimos que tericamente esto sera lo ideal, pero como no se pueden
mantener constantes tantas variables extraas al mismo tiempo, podemos lo-
grar el mismo control mediante la aleatorizacin, situacin en la cual si bien no
se mantienen constantes sus valores, sus fluctuaciones quedan razonablemente
neutralizadas. En ciertos casos, no obstante, ciertas variables adicionales pue-
den mantenerse constantes, como por ejemplo cuando queremos estudiar la
relacin entre volumen y temperatura de un gas, a presin constante.

No debe confundirse el diseo experimental con el experimento: el diseo
experimental es un plan general para hacer un experimento, de la misma
manera que el plano de una casa es un plan para construirla. La definicin
de O neil antes indicada es una definicin de experimento, pero en lo
esencial la juzgamos igualmente aplicable al diseo experimental.

Un experimento implica siempre en mayor o menor medida crear una situa-
cin controlada, donde mantenemos constantes ciertos factores y hacemos
variar otros. Pero a veces, para probar una hiptesis, no podemos recrear una
tal situacin, y debemos esperar a que ocurra espontneamente. Esto se aplica-
ra por ejemplo en el caso de querer verificar la hiptesis de la periodicidad de
las manchas solares o de los eclipses, en cuyo caso no tenemos otro remedio
que esperar una determinada fecha para ver si se producen o no, y para colmo
tampoco podemos mantener constantes todos los otros posibles factores adi-
cionales.
En cambio si lo que quiero verificar es la temperatura de ebullicin del agua,
aqu s puedo crear una situacin en la cual pongo a hervir agua y compruebo
con un termmetro a qu temperatura se transformar el vapor, manteniendo
al mismo tiempo constantes otros factores como presin atmosfrica, cantidad
de solutos disueltos, etc. Esta ltima es, dijimos, una investigacin claramente
experimental, mientras que el caso anterior del eclipse corresponde a una in-
vestigacin no experimental. En suma: un experimento es una situacin provo-
cada y controlada.
Realizar experimentos en ciencias sociales presenta algunas dificultades espe-
ciales: a) experimentar con seres humanos suele tener una limitacin tica. La
alternativa podra ser encarnizarse con animales no humanos, pero aqu surge
otra dificultad: podemos desconocer hasta qu punto las conclusiones obteni-
das sobre animales son extensibles a los seres humanos. De hecho este pro-
blema se presenta an en ciencias biolgicas, cuando se investigan nuevas dro-
gas para curar enfermedades; b) el ser humano es particularmente complejo, y
por lo tanto un experimento implicar controlar una mayor cantidad de varia-
bles adicionales, lo cual hace que debamos complejizar nuestro diseo experi-
mental bivariado o, incluso, pasar a uno multivariado.
El papel de la estadstica en la
investigacin cientfica
Antes de examinar la etapa descriptiva de la investigacin, nos convendr tener una idea
general de la estadstica y de cmo se emplea en la actividad cientfica, en la medida en
que se trata de una herramienta fundamental que la matemtica provee al investigador para
poder resumir y analizar gran cantidad de informacin.
Tanto en las investigaciones exploratorias como en las descriptivas y explicativas, el cientfi-
co no maneja un solo dato sino muchos, sea porque estudia muchos individuos (las edades
de todos los argentinos, o el cociente intelectual de todos los adolescentes de un colegio),
sea porque estudia un solo individuo sobre el cual se hacen muchas observaciones que
proporcionarn, entonces, muchos datos (las calificaciones que obtiene Juancito en las
distintas asignaturas y a travs de varios aos).
Cuando, como en tales casos, hay que considerar una gran cantidad de datos, necesitare-
mos una herramienta para poder organizarlos, analizarlos y finalmente sacar conclusiones
sobre la poblacin o el individuo de donde esos datos fueron extrados, y este instrumento
se llama estadstica. La utilidad de la estadstica, entonces, no apunta necesariamente al
estudio de muchos individuos (poblacin), sino fundamentalmente al estudio de muchos
datos, sea porque provengan de un solo sujeto o de muchos. No obstante en lo que sigue
explicaremos el trabajo ms usual de la estadstica en ciencias sociales: el estudio de po-
blaciones de individuos.
Todos sabemos la diferencia entre individuo y poblacin: una cosa es un argentino determi-
nado, y otra cosa el conjunto de los habitantes de ese pas. O tambin: una cosa es la
ciudad de Pars y otra el conjunto de todas las ciudades del mundo, lo que viene a mostrar-
nos que lo que llamamos individuo es simplemente un elemento dentro de un todo (pobl a-
cin) y que, para evitar malos entendidos, llamaremos genricamente unidades de anlisis.
En psicologa las unidades de anlisis pueden ser personas, en psicologa social grupos
pequeos, en sociologa sociedades o clases sociales, en demografa ciudades, en qumica
metales, en biologa ratas, etc.
La distincin entre individuo poblacin es importante porque a la estadstica que aqu vemos
no le interesa el individuo aislado sino el conjunto de la poblacin. Si al estadstico le intere-
sa que Juancito tiene cociente intelectual 110 es slo para llegar a saber que el promedio de
cocientes intelectuales de la poblacin es de 115 y que, entonces, Juancito est por debajo
de esa media.
La poblacin o universo, definible como el conjunto de todas las unidades de anlisis, puede
ser finita o infinita, segn tenga o no un nmero determinado de individuos: podemos consi-
derar infinito al conjunto de todos los individuos posibles segn su combinacin gentica. La
poblacin tambin puede ser real o potencial: una poblacin real es el conjunto de todos los
argentinos mayores de 18 aos y menores de 20, y poblacin potencial es por ejemplo el
conjunto de todas las personas que podran utilizar el servicio de psicopatologa de un
hospital.
a) Muestra y muestreo
Nos interesarn, entonces, las poblaciones. Pero aqu surge un problema: como habitual-
mente las poblaciones son muy grandes (cuando no infinitas), no podemos obtener los
datos de todos los individuos, y entonces nos vemos obligados a seleccionar una parte de
esa poblacin, que se llama muestra. La muestra est as a mitad de camino entre el indivi-
duo y la poblacin (aunque en ciertos casos una muestra puede estar constituida por un
solo individuo):

Obviamente, deberemos asegurarnos de que la muestra sea representativa de la poblacin:
si queremos tomar una muestra de los habitantes de una ciudad y slo seleccionamos
veinte enfermos mentales de un hospicio, esta muestra no representar adecuadamente a
la poblacin. En cambio si seleccionamos la misma cantidad de sujetos tomando uno de
cada 100 de la gua telefnica aqu ya puedo empezar a pensar ms en la posi bilidad de
cierta representatividad, pues estn tomados ms al azar.
An as no hay un azar total, pues en la gua no figuran por ejemplo individuos de clase
baja (no tienen telfono), y si nos decidimos por una lista de empadronamiento para vo-
tar, all no figurarn los extranjeros residentes. Un procedimiento bastante aleatorio, en
cambio, consiste en elegir un individuo por cada manzana.
El tamao elegido para la muestra es tambin importante, y variar de acuerdo a cada
investigacin pudiendo ser el 5%, el 20%, etc., de la poblacin total. Suele ser difcil elegir el
tamao justo, ya que no se puede pecar por defecto (un solo individuo no representa a una
ciudad, an tomndolo al azar) o por exceso (una muestra que sea el 80% de la poblacin
es altamente confiable pero no econmica, ya que con menos esfuerzo y dinero puede
obtenerse una muestra considerablemente ms pequea sin que vare en forma significativa
su grado de representatividad).
El procedimiento por el cual seleccionamos una muestra se llama muestreo, y clsicamente
se los divide en probabilsticos y no probabilsticos. Lo esencial del muestreo probabilstico
es que cada individuo de la poblacin total tiene la misma o aproximadamente la misma
probabilidad de estar includo en la muestra. Si tomamos una muestra de los habitantes de
Londres considerando uno de cada 100 de un listado alfabtico, la probabilidad que tiene de
haber sido seleccionado el seor Smith es la misma que tiene el seor Brown o cualquier
otro (en este caso, la probabilidad del uno por ciento).
Hay varias tcnicas para realizar muestreos probabilsticos, y todas se basan en la se-
leccin de individuos al azar ya que es ste quien presuntamente garantiza la equipro-
babilidad. El muestreo puede ser: a) simple: partiendo de toda la poblacin se toman in-
dividuos al azar segn diversos procedimientos; b) estratificado: previamente se selec-
cionan en la poblacin estratos (por ejemplo clases sociales: alta, media y baja), y den-
tro de cada estrato se toman individuos al azar segn el muestreo simple; c) por reas o
conglomerados: se delimitan previamente reas geogrficas (provincias, ciudades) y
dentro de cada una de ellas se toman individuos al azar segn el muestreo simple o es-
tratificado.
En el muestreo no probabilstico los individuos de la poblacin no tienen todos la misma
probabilidad de aparecer en la muestra, ya que aqu no hacemos una estricta seleccin al
azar sino que tomamos casos tpicos (que suponemos representativos de la media pobl a-
cional) o casos en forma accidental (los que tenemos ms a mano), etc.
Poblacin
Muestra
Individuo
Una vez obtenida la muestra (preferiblemente mediante muestreo probabilstico), procede-
mos ahora a hacer una descripcin de la muestra, para lo cual usaremos ciertas medidas
especiales diferentes a las medidas que usamos para medir individuos. Si queremos descri-
bir sujetos individuales usaremos una medida individual: Juancito tiene cociente intelectual
110, o Pedrito tiene poco inters en poltica, etc. Pero, si queremos describir una muestra
usaremos lo que se llama una medida estadstica. Por ejemplo, tal muestra se compone de
sujetos cuyo promedio de cocientes intelectuales es 120, o tal otra muestra tiene un 70% de
sujetos con poco inters en poltica, etc. Como vemos, estas medidas estadsticas son
verdaderas sntesis o resmenes de muchas medidas individuales, y un ejemplo tpico es la
media aritmtica, o sea, un simple promedio.
Examinemos como ejemplo dos muestras diferentes, compuestas cada una por tres indivi-
duos, y donde nos interesar describirlas considerando el factor cociente intelectual:
Muestra 1) -----------105------------110-------------115------------- (Promedio: 110)
Muestra 2) -----80--------------------110----------------------140---- (Promedio: 110)
Ambas muestras tienen el mismo promedio y sin embargo, son dos muestras diferentes! Por
lo tanto, solamente un promedio no basta para describir e identificar adecuadamente una
muestra, y deberemos usar una segunda medida estadstica que nos permita conocer cun
lejos o cun cerca estn los individuos del promedio, o sea, su grado de dispersin. En el
ejemplo vemos que la muestra 1 es menos dispersa ya que los diferentes valores obtenidos
estn muy prximos al promedio, mientras que la muestra 2 es ms dispersa.
Recin cuando se han tomado ambas medidas podemos afirmar que hemos descripto
adecuadamente las muestras, con lo cual no queda posibilidad de confundirlas con otras. Y
an cuando dos muestras puedan ser distintas porque las componen diferentes individuos,
si tienen la misma media aritmtica y la misma dispersin las consideraremos iguales a los
efectos del anlisis estadstico.
El primer tipo de medida estadstica se llama medida de posicin (o de tendencia central), y
nos est indicando alrededor de qu valor (en el ejemplo 110) giran todos los valores indivi-
duales. El segundo tipo se llama medida de dispersin, y nos indica cun prximos o alej a-
dos estn los distintos valores del promedio, o sea de la medida de posicin, de lo cual se
desprende que no podremos tomar una medida de dispersin sin antes haber tomado la
correspondiente medida de posicin. Un ejemplo de medida de dispersin es el desvo
standard, que conceptualmente es un promedio de las distancias de cada valor respecto de
la media.
b) Pruebas de significacin
Hasta aqu lo nico que hicimos fue describir una muestra, pero lo que a la estadstica le
interesa en ltima instancia es la poblacin, con lo cual debemos resolver una segunda
cuestin: la representatividad de la muestra. Es decir, interesa saber hasta qu punto las
medidas que describieron la muestra describen igualmente bien la poblacin de donde la
muestra fue extrada. Ms concretamente: el promedio 110 de la muestra podemos tam-
bin adscribrselo con confianza a la poblacin? Pasa lo mismo con la medida de disper-
sin? Naturalmente que siempre habr un margen de error, pues si nos animramos a sacar
el promedio de la poblacin entera seguramente no sera exactamente igual al promedio de
la muestra. La cuestin entonces no reside en eliminar esta diferencia, pues es imposible,
sino en poder saber hasta qu punto dicha diferencia se debe solamente al azar. De com-
probar realmente esto, entonces la diferencia no es importante y concluimos que la muestra
s es representativa. Para poder hacer estas determinaciones nos bastar aqu con saber
que la estadstica ha diseado ciertas pruebas especiales, como por ejemplo las pruebas de
significacin. Son pruebas basadas en el clculo de probabilidades, ya que aqu lo que
debemos verificar es si lo concluido respecto de la muestra vale tambin para la poblacin y
con qu grado de probabilidad (pues hay grados de probabilidad aceptables y no acepta-
bles).
Hay dos tipos de probabilidad: lgica e inductiva. a) Probabilidad lgica: si yo tengo un
dado perfectamente balanceado (o sea que las seis caras tienen la misma probabilidad
de salir), no necesitar arrojarlo para saber qu probabilidad tiene de salir el nmero 3.
Como ya s que tiene seis caras equiprobables, su probabilidad ser de uno sobre seis
(p=1/6). b) Probabilidad inductiva: puede ocurrir, sin embargo, que el dado no est ba-
lanceado, o que yo no sepa si el nmero 3 figura en dos caras y el 5 en ninguna, etc., y
slo s que tiene 6 caras. A priori, o sea antes de arrojar los dados, en estos casos no
puedo saber qu probabilidad tiene el 3 de salir, debido a mi desconocimiento del dado.
No obstante tengo un medio de saberlo: arrojo el dado una gran cantidad de veces
(cuantas ms veces mejor) y voy anotando los nmeros que aparecieron. Si constato
que el 3 sali en un 50% de los casos, entonces puedo conclur que la probabilidad ser
de tres sobre seis (p=3/6=1/2). Este dato no me aclara definitivamente si el dado estaba
desbalanceado o si en realidad en tres de sus caras estaba el nmero 3; slo me sugie-
re la probabilidad de aparicin del nmero en cuestin.
En suma: en la probabilidad lgica y debido a que conozco el dado, puedo calcular qu
probabilidad tiene de salir determinado nmero sin necesidad de hacer ninguna prueba.
Es una probabilidad deductiva, puesto que deduzco de los datos conocidos la probabili-
dad de cada alternativa. En cambio en la probabilidad inductiva no conozco la natural e-
za del dado, y entonces slo puedo conclur la probabilidad de aparicin de un cierto
nmero siguiendo un razonamiento inductivo, vale decir, a partir de los casos observa-
dos que fui anotando.
Las mismas consideraciones que hicimos con las caras de un dado tambin podemos
hacerlas con los naipes de un mazo y con los individuos de una poblacin. En estadsti-
ca, puesto que generalmente desconocemos la naturaleza de la poblacin, el tipo de
probabilidad empleado es el inductivo.
En este contexto, qu sera lo deseable? Sera que no hubiera diferencia significativa entre
la muestra y la poblacin, y esta situacin deseable es lo que suele llamarse hiptesis nu-
la(nula porque suponemos que no hay diferencia significativa entre ambas cosas, con lo
cual la muestra pasa a ser representativa de la poblacin) (24).
Naturalmente que, como toda hiptesis, es una mera suposicin, y por lo tanto es algo que
debemos verificar mediante las mencionadas pruebas de significacin. Al aplicar estas
pruebas podemos cometer dos tipos de errores, opuestos entre s: a) Error Tipo I, o error del
desconfiado, y que consiste en creer que la muestra no es representativa cuando s lo es (o
sea rechazar la hiptesis nula cuando en realidad es verdadera); y b) Error Tipo II, o error
del ingenuo: creer que la muestra es representativa cuando en rigor no lo es (o sea aceptar
la hiptesis nula cuando en realidad es falsa). Para evitar ambos errores tomamos las dos
precauciones de las que habamos hablado: considerar un tamao adecuado de la muestra,
y tomar los individuos al azar.
No sabemos si en realidad existe o no el azar, pero s podemos afirmar con bastante
seguridad que el hombre no puede producir azar absoluto. Si quisiramos colocar en
una serie nmeros al azar, tarde o temprano aparecera alguna regularidad que hemos
incluido inadvertidamente. Si pedimos a una persona que escriba una secuencia al azar
de unos y ceros, casi todos elegirn una secuencia que alterna con demasiada regulari-
dad. Aunque parezca paradjico, si los ceros y los unos se mezclan con excesiva uni-
formidad, deja de ser azar (1). Adems, cuando pretendemos armar una serie al azar
generalmente partimos del prejuicio de que el azar tiene memoria, y consideramos que
si sali tres veces un cero, la probabilidad de que salga cero la cuarta vez disminuye
mucho (y entonces ponemos un uno). Pero esto es falso: una serie al azar puede incluir
muchos ceros seguidos. Es el prejuicio del jugador de quinielas que le juega al 7 porque
simplemente hace mucho que no sale, y no comprende que cualquier nmero en cual-
quier momento tiene la misma probabilidad de salir que cualquier otro.
Tampoco habra azar absoluto si quien arma la serie es una computadora, no slo por-
que puede fallar el software (al fin y al cabo es el hombre quien la programa), sino tam-
bin el hardware (los circuitos electrnicos pueden sufrir algn desgaste, con lo que
empieza a aparecer alguna regularidad en la serie).
Si bien el azar absoluto no existe, ni menos an en estadstica, su empleo resulta nece-
sario pues hace disminuir la probabilidad de la influencia de ciertas variables ms que
de otras, o sea, el azar procura que ninguna variable est ejerciendo influencia mucho
ms que cualquier otra. Si tomamos una muestra de la poblacin procuraremos siempre
aleatoria, es decir, que los individuos sean lo ms heterogneos en cuanto a edad, se-
xo, condicin social, salud mental, etc. No podra tomar una muestra de la poblacin ar-
gentina si est constituida por 1000 mujeres solteras entre 40 y 50 aos y pretender, al
mismo tiempo, que esa muestra sea representativa de toda la poblacin (salvo que la
nica poblacin que nos interese sea el conjunto de todas las mujeres argentinas solte-
ras entre 40 y 50 aos). El azar nos permite asegurar, entonces, hasta cierto punto con-
fiable, la equidad de los estudios estadsticos.
Por ltimo, no siempre debemos oponer casualidad con causalidad: la casualidad (o
azar) no implica necesariamente la ausencia de causas (corrientemente, la expresin
ocurri por casualidad suele significar ocurri sin ninguna causa o motivo). Si partimos
de una cosmovisin causalista, cosmovisin en la cual se basa habitualmente la ciencia,
cuando decimos que un determinado acontecimiento ocurri por azar queremos sola-
mente decir que est influenciado por una gran cantidad de factores causales, muchos
de los cuales son desconocidos para nosotros y sin que prevalezca ninguno en especial.
c) Etapas de la estadstica
Podemos resumir todo lo dicho indicando cules son las dos etapas de la investigacin
estadstica: a) la estadstica descriptiva, que busca seleccionar una muestra y luego descri-
birla adecuadamente mediante medidas de posicin y dispersin; b) la estadstica inductiva
o inferencial, que busca extender lcitamente nuestras conclusiones sobre la muestra a toda
la poblacin. Obviamente, el problema central de esta segunda etapa ser saber hasta qu
punto las medidas de la muestra describen tambin a la poblacin. Si sabemos que la me-
dia de una muestra es 110, hasta qu punto esta media ser tambin aplicable a la pobl a-
cin?
La estadstica descriptiva debe preocuparse de si la muestra est o no bien descripta a partir de los
datos de los individuos, mientras que la estadstica inductiva se preocupar de establecer la repre-
sentatividad de la muestra respecto de la poblacin. Ms generalmente, la primera es eminentemen-
te descriptiva y no ampla mayormente nuestro conocimiento: mas bien lo resume mediante las
medidas estadsticas. En cambio la segunda s ampla nuestro conocimiento pues lo extiende (con
cierto margen de error) a toda la poblacin. De aqu que tenga un carcter predictivo, pues cono-
ciendo la muestra, puedo predecir hasta cierto punto confiable cmo habr de ser la poblacin.

Introduccin a la Teora del Muestreo.
Conceptualmente definida como el estudio de las relaciones existentes entre una poblacin
y muestras extradas de la misma. La teora del muestreo tiene especial utilidad para de-
terminar si las diferencias que se pueden observar entre dos muestras son debidas a la alea-
toriedad de las mismas o si por el contrario son realmente significativas; lo que nos lleva a
los procesos denominados ensayos e hiptesis de significacin, fundamental para compren-
sin de la teora de la decisin, en el rea de la inferencia estadstica. (1)
UNIVERSO: Se define como un conjunto finito o infinito de elementos, seres o cosas que
presentan caractersticas comunes entre si.
POBLACIN: Est constituida por el conjunto de medidas de las variables en estudio, en
cada una de las unidades que conforman el universo. Es decir, cada una de las variables en
estudio constituyen una poblacin que viene dada por el conjunto de valores que ella toma
de la realidad que conforman el universo.
MUESTRA: Es un subconjunto del universo o de la poblacin, dependiendo de que se
haya seleccionado a un grupo de elementos o a un grupo de mediciones.
UNIDADES ESTADISTICAS:
UNIDAD DE INVESTIGACION:
Es la unidad mnima que mantiene la integridad de los datos que interesan estudiar y
analizar. Es decir, el ente que contiene las partes que se van a analizar.
UNIDAD DE ANLISIS:
Est definida como el elemento que se examina y del que se busca la informacin den-
tro de la unidad de investigacin.
UNIDAD DE OBSERVACIN:
Se denomina a la unidad a travs de la cual se obtiene la informacin, esta puede o no
coincidir con el elemento. Tambin se denomina unidad respondiente.
UNIDADES DE MUESTREO:
Son aquellas que contienen las unidades de anlisis de la poblacin y que se utilizarn
para confeccionar o seleccionar la muestra. En general, es la seleccin de los conjun-
tos que sern tomados en cuenta para la conformar la muestra final en la investigacin.
MUESTREO: Es la tcnica empleada para la seleccin de elementos (unidades de inves-
tigacin) representativos de la calidad y condiciones medias de un todo que conformarn
una muestra. Este muestre puede ser: No probabilstico y probabilstico.
MUESTREO NO PROBABILSTICO:
Es aquel utilizado en forma emprica, es decir, no se efecta bajo normas probabilstica de
seleccin, por lo que sus procesos intervienen opiniones y criterios personales del investi-
gador o muestrista o no existe norma bien definida o validada. Normalmente se acude a
este tipo de muestreo cuando es difcil enumerar, listar o precisar el universo objeto de
estudio o cuando no existen registros de los datos.
MUESTREO PROBABILISTICO:
Es cuando se puede determinar de antemano la probabilidad de seleccin de cada
uno de los elementos de la poblacin siendo esta distinta de cero. Este muestreo est basa-
do en la teora de la aleatoriedad o del azar, en la cual se fundamenta la estadstica matem-
tica.
MARCO MUESTRAL: Es el proceso de definir y enumerar los elementos sobre los
cuales se realizan las inferencias estadsticas en el muestreo probabilstico. Es importante la
construccin de un marco muestral lo ms perfecto posible a fin de que exista una corres-
pondencia biunvoca entre las unidades muestrales poblacionales y las listas fsicas que lo
conforman. Entre los factores que contribuyen a distorsionar la calidad de un buen marco
muestral estn: a) Elementos faltantes, b) Unidades ocultas por estar pareadas con otras, c)
Unidades muestrales repetidas y d) Elementos extraos.
TIPOS DE MUESTREO DE USO MAS FRECUENTE:
MUESTREO ALEATORIO SIMPLE:
Este procedimiento consiste en seleccionar n elementos de una poblacin de tamao
N, de modo que todas las muestras posibles de tamao n, tengan la misma probabili-
dad de ser seleccionada. Sus elementos pueden ser seleccionados bajo dos modalida-
des: a) con remplazamiento y b) sin remplazamiento. El muestreo aleatorio siempre es
el mtodo ms simple y sencillo, pero de poco uso como tal, ya que implica contar con
un listado de todos los elementos del universo y esto lo hace muy costoso y en oportu-
nidades imposibles de realizar. Este mtodo se usa en poblaciones suficientemente
homogneas, es decir, cuya varianza poblacional tienda a cero.
MUESTREO ESTRATIFICADO ALEATORIO:
Basado en dividir el conjunto de elementos N en L subconjuntos o estratos, median-
te variables de control llamadas variables claves de estratificacin, las cuales deben es-
tar correlacionadas con las variables en estudio. Estas variables agrupan los elementos
de la poblacin en L partes, tratando que sean cada uno de sus elementos lo ms ho-
mogneos posibles y las L partes heterogneas entre ellas, vale decir, que las varian-
zas de cada uno de los elementos de las partes tienda a cero y la varianza entre partes
tienda a un nmero grande. Al tener esta poblacin dividida en partes y aplicarle a ca-
da parte la seleccin por muestreo aleatorio simple, se obtiene un muestreo estratifica-
do aleatorio.
MUESTREO SISTEMATICO:
Consiste en aplicar un mtodo sistemtico de seleccin de los elementos que confor-
maran la muestra. Es decir, consiste en numerar los elementos de la poblacin del 1 a
N, en cualquier orden, luego dividirla en n partes de tamao K (intervalo de seleccin
sistemtica) y elegir un numero al azar entre 1 y K que se designa por i (origen alea-
torio) y de all en adelante tomar los elementos que ocupen la misma posicin en los
K sucesivas partes restantes, en total n-1. Este tipo de muestreo es recomendable
cuando las unidades que integran la muestra son heterogneas y es impreciso cuando
son homogneas.
ESTUDIO DE CASOS PARA EL TAMAO MUESTRAL:
El clculo del tamao muestral es algo delicado, por cuanto se debe seleccionar la fr-
mula de acuerdo a la naturaleza de la variable, los datos o informacin disponible para la
investigacin y el tipo de muestreo probabilstico. Sin embargo, es uno de los puntos que
es necesario sustentar con basamentos valederos para poder desarrollar las siguientes fases
de la metodologa estadstica. As la expresin matemtica que la determinan depende del
modelo o clase de muestreo a utilizar y la especificacin de la precisin deseada.
En un Muestreo Aleatorio Simple (MAS) para la estimacin de Medias, la frmula pa-
ra el clculo del tamao de la muestra es: n = n
o
/(1+(n
o
/N))
Donde:
n
o
= (K
2
s
2
)/d
2

N = Tamao del Universo
n
o
= Tamao de la muestra para universos infinitos
n = Tamao de la muestra para universos finitos
K = Valor del desvo normal al correspondiente nivel de confianza
establecido Pk (Tabla de Distrib. Normal)
s
2
= Varianza de la variable clave, dispersin de la poblac (conoc. Previo)
d = error Mximo admisible (Precisin mnima establecida)
En un Muestreo Aleatorio Simple (MAS) para la estimacin de proporciones, la frmula
para el clculo del tamao de la muestra es: n = n
o
/ ( 1+( ( n
o
- 1 ) / N ))
Donde n
o
= K
2
P Q / d
2

n
o
= Tamao tentativo de la muestra
P
k
= Nivel de confianza
K = Desvo normal
P = Proporcin de casos favorables
Q = Proporcin de casos en contra
d = error mximo aceptable
N = tamao del Universo
En un Muestreo Estratificado Aleatorio (MEA) para la estimacin de medias, la frmula
para el clculo del tamao de la muestra es: n = n
o
/(1+n
o
/N)
Donde:
n
o
= Whs
2
h/V
n
o
s
2
V = Variacin de la muestra; donde V=(d/k)
2

Es un muestreo Estratificado Aleatorio (MEA) para la estimacin de proporciones, la fr-
mula para el clculo del tamao de la muestra es: n = n
o
/(1+(n
o
/N))
Donde:
n
o
= Sumatoria de W
h
P
h
Q
h
/ V
n
o
s
2
V = Variacin de la muestra; donde V=d
2
/k
2

En un Muestreo Sistemtico (MS) para la estimacin de medias, la frmula para el
clculo del tamao de la muestra es: n = n
o
/(1+(n
o
/N))
Donde:
n
o
= k
2
s
2
/d
2

n
o
K = Intervalo de seleccin sistemtica k=N/n
i = Origen aleatorio
s
2

En un Muestreo Sistemtico (MS) para la estimacin de proporciones, la frmula para
el clculo del tamao de la muestra es:
n = n
o
/(1+(n
o
-1/N))

Donde:
n
o
= k
2
pq/d
2

n
o
p = Probabilidad de casos de xitos
q = Probabilidad de casos desfavorables
i = distancia del intervalo


anexo
Los mtodos cualitativos en la investigacin educativa
su uso por los investigadores y los profesores en servicio, como apoyo a la
reflexin sobre la prctica docente
Francisco Rafael Milln Vega*
*Coordinador de investigacin del Instituto de Psicopedagoga de la Secretara de Educacin Jalisco (SEJ).
Introduccin
Aunque el inters de quien esto escribe est en conocer los mtodos que le
permitan acceder a la construccin de explicaciones acerca del campo edu-
cativo, tambin se encuentra muy presente la preocupacin del profesor en
servicio a quien siempre le urge, ya, para este momento el cmo hacer un
anlisis de su prctica profesional que le propicie reconocer la forma en que
la realiza, para intentar mejorar su quehacer docente.
En el presente escrito se pretende discutir la posibilidad, que entre otros
plantea Frederick Erickson1 de que en la tarea de investigar lo educativo
participen los profesores a travs de los llamados Mtodos Cualitativos o
Interpretativos. Algunos de los procedimientos de esos mtodos pueden ser
una herramienta que de principio sirvan, al profesor y al cuerpo acadmico
de una institucin, como recursos para el reconocimiento de sus procesos de
trabajo y la reflexin sobre los mismos; el registro por los docentes de esas
actividades en un segundo momento pueden ser, de empezar a generalizarse
estas prcticas, fuente de informacin valiosa para los investigadores de la
educacin.
Se presenta a continuacin en un primer apartado lo que son los campos
de accin del profesor y los que corresponden al investigador, buscando sus
especificidades y sus puntos de encuentro. Enseguida se analizarn cinco
perspectivas metodolgicas que se advierten dentro del campo que estamos
llamando Mtodos Cualitativos, los cuales son: el Mtodo Etnogrfico, La
Investigacin Participativa o de Investigacin-Accin, La Psicogentica, La
Hermenutica Crtica y el Psicoanlisis; se intenta en cada caso ver sus po-
sibilidades metodolgicas para el profesor y para el investigador. Por ltimo
se formulan a modo de conclusin algunas reflexiones acerca de la urgente
necesidad de la Investigacin Educativa en el mbito regional que permita
construir explicaciones de nuestra realidad educativa y actuar en conse-
cuencia.
El Profesor frente al grupo y el investigador de la educacin
Convergencias y Especificidades
No es una nueva inquietud por hacer que los profesores, e incluso los alum-
nos, sean investigadores pero la intranquilidad discursiva y curricular no se
hizo siempre presente en una misma preocupacin por proporcionar ele-
mentos para que el profesor accediese efectivamente a la tarea investigativa
o cuando se conjugaban esas dos preocupaciones, las propuestas metodol-
gicas, las ms de las veces utilizaron esquemas de investigacin provenien-
tes de las ciencias naturales o an cuando propusieron esquemas surgidos de
las ciencias sociales stos se enseaban dogmtica y acrticamente- lo que
se opone de principio a lo racional o cientfico- como la verdad o el nico
camino; de esta situacin a pensar en un proceso cientfico inflexible y rgi-
do al que haba que ajustar la realidad (y no el de que los objetos de estudio
que nos surgen de cuestionarnos la realidad, para desde ah, ir elaborando,
conforme a las caractersticas especficas del objeto a conocer, una explica-
cin) no hubo mas que un paso.
Actualmente, aunque an predominan algunas actitudes tradicionales en
la enseanza y en las propuestas metodolgicas, ha crecido mucho el caudal
de informacin sobre alternativas tericas donde se destacan los mtodos
cualitativos en los que incluimos las propuestas que desde el Psicoanlisis
se han construido. Antes de entrar a precisar algunos detalles donde conver-
gen intereses docentes e investigativos desde la perspectiva cualitativa pre-
cisemos los espacios donde se mueven los investigadores y los profesores.
El profesor "ensea" o promueve que el alumno acceda a informacin
que le permita ir construyendo su conocimiento de la realidad, de manera
que vaya adquiriendo herramientas para estar en el mundo natural y social.
Sus espacios son o deberan ser el saln de clases, la escuela, la realidad
circundante. Su trabajo es propiciar el aprendizaje, de ah que la discusin
sobre lo que es el conocimiento (que muchos lo confundimos con que slo
es informacin) debera ser motivo de reflexin personal constante, parte
medular de las reuniones de Consejo Tcnico, de las Academias, de ese
trabajo colegiado por hacer en las escuelas.
Para el investigador de lo educativo su tarea es la elaboracin de conoci-
miento, la reflexin crtica sobre el conocimiento existente dentro del mbi-
to educativo. Sin la preocupacin de lo inmediato en que vive el profesor en
relacin con el aprendizaje del alumno; tiene la oportunidad de reflexionar
(de establecer distancia con el hecho educativo) desde una perspectiva dis-
tinta a como el profesor lo hace, as como de otros aspectos de lo educativo
o lo escolar. La revisin exhaustiva desde distintas explicaciones tericas de
un objeto de estudio tomado del campo educativo, permitir construir nue-
vas explicaciones o precisar las existentes. Su espacio de trabajo depender
del hecho qu est investigando del campo educativo y la realidad circun-
dante, tambin incluye su cubculo de trabajo, la biblioteca y los archivos.
Su trabajo incluye el reflexionar sobre la realidad de su objeto de estudio,
observar, preguntar, registrar todo e ir elaborando las explicaciones que de
ello surjan, las cuales debern difundir con otras investigaciones, con la
comunidad educativa y con el pblico en general a travs de reuniones de
trabajo, publicaciones, conferencias.
Las convergencias son evidentes, an en las descripciones anteriores,
quiz podamos resumir en que a ambos les interesa entender la realidad en
que desenvuelve su prctica el profesor en forma inmediata.
Dentro de esta reflexin acerca de la funcin educativa, resulta prioritario
que en un proceso modernizador que plantee mejorar la calidad de la educa-
cin, se revise la funcin de la escuela y del docente (y la del investigador).
La escuela como estructura selectiva dentro de la sociedad ha sido evi-
denciada por investigadores de distintas orientaciones, la discusin se centra
en si en funcin es o no justificable (Erickson), nosotros agregaramos que
una tarea del profesor es conocer estas visiones y cmo se han construido.
Erickson plantea que aquellas construcciones que se han hecho desde los
llamados mtodos cualitativos permiten reconocer tanto a maestros como a
investigadores "los significados inmediatos y locales de las acciones" que se
realizan en el proceso educativo estudiado lo cual consideramos debe ser de
sumo inters para los profesores, pues les aporta una descripcin pormeno-
rizada del proceso vivido, de su hacer, del cmo participa en la estructura
educativa; en un segundo momento contina Erickson el anlisis del inves-
tigador apoyado en un estudio ms contextualizado y analizado con base en
ciertos referentes tericos puede hacer observable al profesor "la invisibili-
dad de la vida cotidiana" y provocar que "lo familiar se vuelva interesante y
extrao nuevamente", que lo comn se vuelva problema para construir ex-
plicaciones ms pertinentes.
La investigacin Cualitativa Explicaciones de la Realidad Educativa des-
de la Interpretacin que los sujetos hacen de sus propias acciones.
Etnografa
En el campo educativo se ha analizado la prctica docente, describindola
"desde una perspectiva terica que permita explicar los procesos que se
desarrollan en la escuela y los vnculos que guardan con otras instituciones
y con una determinada formacin social"2, para esto se llevan a cabo en
perodos largos de tiempo (6 meses mnimo) minuciosos registros del
quehacer docente cotidiano a travs de grabaciones, observacin en el sa-
ln, filmaciones, etc., los cuales se acompaan de entrevistas, revisin de
materiales y tareas usadas durante el trabajo docente, etc., de manera que se
tenga una gran "fotografa" del proceso estudiado al que se anan referentes
tericos, que en el transcurso del registro y los minuciosos anlisis que de
ste se hagan, nos permitan ir "bordando" explicaciones a los procesos de la
prctica escolar. El trabajo etnogrfico implica gran rigor terico, tcnico y
metodolgico aunado a apertura y flexibilidad para ir viendo, registrando y
posteriormente analizando las situaciones que se presenten y que no pode-
mos explicar con los elementos tericos previos o iniciales; implica la su-
peracin del dato empricamente registrado a travs de la interpretacin de
sus significados.
Un acercamiento a las tcnicas etnogrficas, no al mtodo, por parte de
los docentes sera el entrenamiento para elaborar relatoras, minutas, actas,
etc., como registro que intenten ser fieles a lo que se trabaja en la prctica
docente.
Con base en dichos registros los profesores pueden analizar su prctica
docente o la de otros con distintos fines: conocer otros estilos docentes
reales, reflexionar acerca de la relacin maestro-alumno (u otras cosas), etc.
Este tipo de actividades entrenaran al maestro para empezar a analizar su
propia tarea o para enrolarse como futuros investigadores.
Investigacin participativa
Es la propuesta metodolgica que desde mediados de los 80, se trabaja en
las Normales, al parecer sin que se observen cambios en la prctica docente
real.
Se le cuestiona su poco rigor metodolgico en cuanto a generar conoci-
mientos acadmico, sofisticado, elitista; ellos plantean que el conocimiento
que les interesa es aquel que permite a todos los miembros de una comuni-
dad el ver qu es lo que obstruye el crecimiento del grupo o comunidad,
donde el papel del investigador es crear conciencia e involucrarse en el pro-
ceso grupal, lo cual implica un gran compromiso que difcilmente se puede
sostener. Se le cuestiona su carcter ideologizador y radicalizador y el que
el investigador ve la problemtica desde l y no desde la comunidad.
La metodologa participativa en el campo del profesor tiene elementos
valiosos con las crticas que ya arriba se hacan. Sus tcnicas ayudan a co-
nocer el medio en el cual se desarrolla la tarea docente en forma crtica, lo
cual puede llevar a la autocrtica del papel docente; el sujeto aprende a ana-
lizar, opinar y discutir grupalmente.
Psicognetica
Es una propuesta metodolgica que goza de prestigio cientfico, uno de sus
grandes aportes que permiti a Piaget reconocer las distintas etapas por las
que atraviesa el nio y que implican distintas formas de construir el cono-
cimiento, es el mtodo clnico o crtico. Este es un "procedimiento privile-
giado para acceder a la organizacin intelectual"3 su imagen ms conocida
parte de la "elaboracin de hiptesis y su verificacin por medio del inte-
rrogatorio", la disposicin ante el sujeto de ciertos objetos a su observacin
o a su accionar, dependiente del objeto de estudio y de los sujetos tambin
as como de la situacin experimental que se pretenda. En el proceso del
mtodo los pasos siguientes se dan en funcin de las respuestas del sujeto.
Los estudios de Piaget an no comprendidos del todo por muchos profe-
sores implican pensar de manera distinta la tarea del profesor como propi-
ciador de aprendizajes, as tambin es necesario el trabajo grupal, de equi-
pos e individual que permita ver al profesor las caractersticas especficas
acerca de cmo cada nio construye su aprendizaje; el dilogo con base en
el mtodo clnico es una til herramienta para el docente.
Hermenutica crtica
Saber quin eres, desde dnde hablas y cundo hablas me permite conocer
tu discurso, dice Regine Robin4, la situacin no es tan simple seala Gilber-
to Gimnez, sin embargo el mtodo crtico hermenutico nos permite acce-
der a travs de distintos anlisis a reconocer los distintos discursos que atra-
viesan el campo educativo, desde leyes y acuerdos hasta teoras sociales o
educativas pasando por actos escolares, discursos conmemorativos, etc.,
donde se podr observar que estos los discursos son "terreno de lucha
poltica" (Gimnez).
Este complejo mtodo de investigacin (que habr que estudiar ms de-
tenidamente) puede permitir al profesor cuando menos estar alerta para no
ver los documentos o programas a que tiene acceso como meras informa-
ciones neutrales, sino que guarda un sentido poltico que habr de desentra-
ar.
Psicoanlisis
Esta polmica y revolucionaria propuesta metodolgica implica descentrar-
nos de lo consciente y lo racional como directrices de la personalidad hu-
mana. "El sujeto debe leerse en tanto determinacin simblica y aprehen-
sin imaginaria de la representacin que porta" sealan Remedi y su equipo
de trabajo en su investigacin sobre la identidad del docente.5 La profundi-
dad y extensin de las reflexiones psicoanalticas hacen que sus uso como
instrumento metodolgico requiera de conocerse ampliamente y meterse
desde esa perspectiva de lo inconsciente, lo simblico, lo imaginario.
Construir alternativas docentes desde lo psicoanaltico puede resultar
complicado, pero el hecho de reconocer la escuela como segundo hogar, al
docente como segundo padre o madre, que el nio vive de distinta manera a
los adultos y que en todo ello est implicado algo que llamamos afectividad,
hablan de una presencia no plenamente reconocida pero presente y actuante
en el mbito escolar.
Distintas opciones, una necesidad: explicarnos nuestra realidad educativa
regional
Las intenciones gubernamentales y particulares de elevar la calidad de la
educacin o de "ser mejor maestro" requieren de concientizarse y para esto
el conocimiento sistemtico de la realidad educativa, es necesario producir
investigacin y que sta sea "consumida", a travs de difundirla y discutirla,
por los funcionarios, directivos y maestros. Se requiere crear espacios don-
de el profesor y el investigador coincidan y se comuniquen peridicamente.
En el mbito docente ha ganado gran terreno una actitud crtica de la
prctica docente aunque an predomina una docencia dogmatizante, trivia-
lizadora de lo que implica el conocimiento, rutinaria y aislada; en muchos
de los casos esta situacin es inconsciente. La actual propuesta de trabajo
colegiado a nivel de educacin bsica puede ser el detonante para propiciar
prcticas pedaggicas que promuevan la reflexin sobre su propio quehacer.
Las actividades de investigacin pueden apoyar este proceso y adems
acercarse con mayor presencia al campo escolar.
Las cinco metodologas someramente analizadas, corresponden a distin-
tas escuelas de pensamiento que han analizado el hecho educativo con una
perspectiva que privilegia a los sujetos y como stos significan lo que vi-
ven; sin ser las nicas alternativas presentan posibilidades amplias de apo-
yar al conocimiento de la realidad educativa regional. Conocerlas crtica-
mente, desde sus presupuestos tericos hasta su definicin de cotidianidad
escolar, es una de las tareas de profesores e investigadores.
NOTAS
1. ERICKSON, Frederick. "Mtodos Cualitativos de Investigacin sobre la Enseanza", en:
Wittrock, M. (comp.) La investigacin de la enseanza, II. Mtodos Cualitativos y de Ob-
servacin. Paids. Espaa, 1989.
2. FIGUEROA, Ana Mara. "El Mtodo Etnogrfico en la Investigacin Educativa", en:
Revista CIPS, No. 1, CIPS/SE-Jalisco. Guadalajara, Mxico, 1990.
3. CASTORINA, J. A. "Alcances del Mtodo de Exploracin Crtica", en: Castorina, J. A.
y otros, Psicologa Gentica. Mio y Dvila Editores. Argentina, 1989. pp. 83-118. Ver
tambin: Mtodos Cualitativos de la Enseanza (Antologa. CIPS). SE-Jalisco. Guadalaja-
ra, Mxico, 1992. pp. 153-174.
4. ROBIN, Regine; citada por Gilberto Gmenez. "Poder, Estado y Discurso". UNAM.
Mxico, 1883. pp. 123-151, en: Tcnicas y Recursos de Investigacin IV. SEP-UPN. Mxi-
co, 1990. pp. 61-86.
5. REMEDI, Eduardo, (et al.) El lugar del Psicoanlisis en la Investigacin Educativa.
Aportaciones a la identidad y quehacer del docente. DIE Cinvestav-IPN. Mxico, 1989.


La Investigacin-Accin en el Aula
Miguel Martnez Migulez

Este artculo presenta una contribucin metodolgica a un rea de
investigacin que ha ido tomando cada vez ms fuerza en el campo
educacional a nivel mundial: la investigacin-accin en el aula. Par-
te de una fundamentacin general metodolgica y epistemolgica
de la investigacin-accin, luego analiza y detalla los diferentes
principios y etapas del proceso metodolgico (parte principal del
artculo), y concluye con el respaldo de validez y confiabilidad que
acompaa y garantiza esta orientacin metodolgica.
Este artculo trata de aportar una contribucin metodolgica en el
estudio de la crisis educacional existente en nuestro pas, as como
en muchos otros pases en vas de desarrollo, y considera que, en-
tre los muchos factores responsables de la crisis, el desempeo del
docente en el aula juega un papel determinante. Que vivimos una
crisis educacional se revela en el ausentismo, desercin y repitencia
escolares, as como en el bajo nivel de la mayora de los cursos y de
la prueba de aptitud acadmica para el ingreso en las universidades.
Que el desempeo del docente en el aula es un factor clave en la
interpretacin de esa crisis, se hace evidente cuando analizamos y
son muchas las investigaciones al respecto el bajo nivel de prepa-
racin pedaggica y la escasa "vocacin" con que llegan muchos
docentes a la profesin docente, e, igualmente, al constatar la pti-
ma respuesta de los alumnos, en igualdad de condiciones socioeco-
nmicas, carencias y problemas, cuando tienen un maestro o profe-
sor competentes y entregados vocacionalmente a su tarea educati-
va.
Analizando las investigaciones en educacin, como en muchas otras
reas, se puede apreciar que una vasta mayora de los investigado-
res prefieren hacer investigacin sobre un problema, antes que in-
vestigacin para solucionar ese problema. La Investigacin-Accin
(IA) trata de realizar ambas cosas al mismo tiempo. Y la Investiga-
cin-Accin en el Aula considera que todo docente, si se dan ciertas
condiciones, es capaz de analizar y superar sus dificultades, limita-
ciones y problemas; es ms, afirma que los buenos docentes hacen
esto en forma normal, como una actividad rutinaria y cotidiana. Lo
que la metodologa de la IA en el Aula trata de ofrecer es una serie
de estrategias, tcnicas y procedimientos para que ese proceso sea
riguroso, sistemtico y crtico, es decir, que rena los requisitos de
una "investigacin cientfica" y, as, pueda ser presentado como un
trabajo de grado o de ascenso en cualquiera de sus niveles, o como
una investigacin para un congreso o una revista arbitrada.
1. El Mtodo de la Investigacin-Accin.
La investigacin-accin realiza simultneamente la expansin del
conocimiento cientfico y la solucin de un problema, mientras au-
menta, igualmente, la competencia de sus respectivos participantes
(sujetos coinvestigadores) al ser llevada a cabo en colaboracin, en
una situacin concreta y usando la realimentacin de la informacin
en un proceso cclico.
El mtodo de la Investigacin-Accin, tan modesto en sus aparien-
cias, esconde e implica una nueva visin del hombre y de la ciencia,
ms que un proceso con diferentes tcnicas. Es una metodologa de
resistencia contra el ethos positivista, que considera el anlisis cien-
tfco inaplicable a asuntos relacionados con los valores, e incluye
supuestos filosficos sobre la naturaleza del hombre y sus relacio-
nes con el mundo fsico y social. Ms concretamente, implica un
compromiso con el proceso de desarrollo y emancipacin de los se-
res humanos y un mayor rigor cientfico en la ciencia que facilita di-
cho proceso.
En consecuencia, la metodologa de la IA representa un proceso por
medio del cual los sujetos investigados son autnticos coinvestiga-
dores, participando muy activamente en el planteamiento del pro-
blema a ser investigado (que ser algo que les afecta e interesa pro-
fundamente), la informacin que debe obtenerse al respecto (que
determina todo el curso de la investigacin), los mtodos y tcnicas
a ser utilizados, el anlisis e interpretacin de los datos, la decisin
de qu hacer con los resultados y qu acciones se programarn pa-
ra su futuro. El investigador acta esencialmente como un organiza-
dor de las discusiones, como un facilitador del proceso, como un
catalizador de problemas y conflictos, y, en general, como un tcnico
y recurso disponible para ser consultado.
Sin embargo, la IA, en su medio siglo de existencia, ha tomado bsi-
camente dos vertientes: una ms bien sociolgica desarrollada
principalmente a partir de los trabajos de Kurt Lewin (1946/1992,
1948), Sol Tax (1958) y Fals Borda (1970) y otra ms especfica-
mente educativa, inspirada en las ideas y prcticas de Paulo Freire
(1974), Hilda Taba (1957), L. Stenhouse (1988), John Elliott (1981,
1990) y otros. Ambas vertientes han sido ampliamente exitosas en
sus aplicaciones.
El "padre" de la "investigacin-accin" es Kurt Lewin, quien utiliz
este trmino por primera vez en 1944. Describa con l una forma de
investigacin que poda ligar el enfoque experimental de la ciencia
social con programas de accin social y con el fin de que ambos
respondieran a los problemas sociales principales de entonces (ad-
ministracin de empresas, atencin de grupos minoritarios, rehabili-
tacin de grupos especiales, etc.). Lewin argumentaba que, median-
te la IA, se podan lograr en forma simultnea avances tericos y
cambios sociales, conocimiento prctico y terico. La IA, para Lewin,
consista en anlisis-diagnstico de una situacin problemtica en la
prctica, recoleccin de la informacin sobre la misma, conceptuali-
zacin de la informacin, formulacin de estrategias de accin para
resolver el problema, su ejecucin, y evaluacin de resultados, pa-
sos que luego se repetan en forma reiterativa y cclica.
Segn Lewin, se trataba de una forma de investigacin-y-accin,
una especie de "ingeniera social", una investigacin comparativa
sobre las condiciones y efectos de varias clases de accin social,
una investigacin que conduca a la accin. En su juicio, "la investi-
gacin que no produca sino libros no era suficiente" (Lewin, 1946).
Por esto mismo, para l, "la investigacin-accin de ninguna manera
era de una categora cientfica inferior a la propia de la ciencia pura"
(ibdem). "El manejo racional de los problemas... dice procede en
forma de una espiral constituida por etapas, cada una de las cuales
se compone de un proceso de planeacin, accin y obtencin de
informacin sobre el resultado de esta accin" (ibdem).
Lewin compara esta investigacin-y-accin a la que desarrolla el
capitn de un barco: observando la direccin del mismo, moviendo
el timn, constatando los resultados de esa accin, volviendo a mo-
ver el timn, etc., hasta lograr la ruta correcta. La compara, igual-
mente, con el modelo mdico. El mdico, en efecto, a travs del di-
logo con el paciente, elabora un diagnstico de la enfermedad; ba-
sndose en este diagnstico, prescribe un tratamiento; luego, obser-
vando la posible mejora del paciente y otros efectos del tratamiento,
reelabora y afina el diagnstico, y reestructura el tratamiento; y as
hasta lograr el pleno restablecimiento y salud general del paciente.
Pero, al igual que la medicina ha llegado a ser una ciencia respeta-
ble partiendo, en general, del estudio de casos y situaciones concre-
tas, y buscando luego el patrn de "la enfermedad", as la IA logra,
poco a poco, una estructura generalizable partiendo de los hechos
estudiados.
Quiz, uno de los valores o mritos mayores de la IA es el nivel de
validez que alcanza. Cuando se trata de actuar, el mdico con su
paciente o el profesional en un caso concreto, no es suficiente el
conocimiento general, es necesario un conocimiento especfico de
cada caso para ver si se aplica o no en la situacin concreta, lo cual
slo se logra con el ciclo "accin-reflexin-accin". Lewin es muy
consciente de esto y lo pone como elemento distintivo de la IA: "para
actuar correctamente no basta que el ingeniero o el cirujano conoz-
can las leyes generales de la fsica o de la fisiologa. Deben adems
conocer el carcter especfico de la situacin concreta. Es decir, ob-
tener la informacin mediante un adecuado diagnstico de la misma.
Para la accin se necesitan ambas clases de investigacin cientfi-
ca" (1946, p. 16).
2. Epistemologa de la Investigacin-Accin.
Toda metodologa incluye unos presupuestos filosficos, ya que no
hay valores absolutos en el conocimiento cientfico.
Desde el siglo XVIII, ha habido una fuerte creencia en la cultura oc-
cidental acerca de que el mejoramiento social llegara con la exten-
sin del pensamiento racional a todos los dominios de la vida huma-
na y social. Quiz, de alguna manera, esa fe ha sido retada a medi-
da que nuestros conceptos sobre la racionalidad han probado no ser
lo suficientemente fuertes y comprensivos para abordar la variedad
de problemas y asuntos de la vida humana y social.
Siguiendo a los filsofos y cientficos sociales de la Escuela de
Frankfurt, y especialmente a Habermas en su Teora Crtica de la
Ciencia, podemos distinguir tres categoras del proceso de investi-
gacin que dan origen, a su vez, a tres tipos de conocimiento, segn
que estn regidos por el inters tcnico, el inters prctico o el inte-
rs emancipatorio. Segn Habermas (1982), "para estas tres catego-
ras de procesos de investigacin puede demostrarse una interrela-
cin especfica entre reglas lgico-metodolgicas e intereses direc-
tores del conocimiento. La misin de una teora crtica de la ciencia
es burlar las trampas del positivismo". Por esto, toda pretendida neu-
tralidad cientfica es una pseudoneutralidad, como toda pretendida
objetividad cognoscitiva es simplemente una ilusin, pretensiones y
actitudes que una ciencia social crtica deber hacer conscientes y
superar.
En cada tipo de conocimiento, el sistema de referencia fija reglas
tanto para la construccin de teoras como para su comprobacin
crtica. El inters tcnico (que sus promotores presentan frecuente-
mente como si fuera el inters de la sociedad en su conjunto) produ-
ce un racionalidad o conocimiento instrumental, que explora las in-
terrelaciones hipottico-deductivas, la covariacin de magnitudes
observables, y es til para la manipulacin y control del mundo fsico
o social.
El inters prctico genera, segn Habermas, las ciencias histrico-
hermenuticas. En nuestra interaccin con otros seres humanos,
aprendemos a interpretar correctamente el significado de sus accio-
nes. Esta comprensin recproca implica empata, aprecio y acepta-
cin. El mundo del sentido de las cosas para el otro se nos esclare-
ce por su similitud con el nuestro. El que comprende establece una
comunicacin entre ambos mundos.
Por ltimo, el inters emancipatorio produce el conocimiento crtico y
de la accin, fundamental en ciencias como la psicologa, la sociolo-
ga, la educacin, la economa, la ciencia poltica, etc. Aunque estas
ciencias produzcan un saber nomolgico, "una ciencia social crtica
dice Habermas (1982) se esfuerza adems por comprobar cun-
do los enunciados teorticos captan leyes invariantes de la accin
social en general y cundo reflejan relaciones de dependencia ideo-
lgicamente congeladas, pero en principio mutables". Si ste es el
caso, el inters cognoscitivo emancipatorio desatar una autorrefle-
xin y generar una crtica ideolgica que producir un saber crtico
sobre la ley que, si no la deroga, por lo menos la deja sin aplicacin
y sin efecto. La ciencia social crtica busca hacer a los seres huma-
nos ms conscientes de sus propias realidades, ms crticos de sus
posibilidades y alternativas, ms confiados en su potencial creador e
innovador, ms activos en la transformacin de sus propias vidas,
en una palabra, ms autorrealizados como tales; sin embargo, es
consciente de su papel y, por lo tanto, trata al mismo tiempo de res-
petar su libertad y de ayudarlos pero no sustituirlos en sus decisio-
nes, para que sean ellos los forjadores de su propio destino.
3. La Investigacin-Accin en el Aula
La IA en el rea educativa presenta una tendencia a reconceptuali-
zar el campo de la investigacin educacional en trminos ms parti-
cipativos y con miras a esclarecer el origen de los problemas, los
contenidos programticos, los mtodos didcticos, los conocimien-
tos significativos y la comunidad de docentes, y se ha impulsado
sobre todo desde las mismas Universidades y desde los Centros de
Investigacin Educacional, oficiales y privados. En muchas partes,
se ha aplicado con formatos metodolgicos casi idnticos, pero sin
darle expresamente el nombre de "investigacin-accin", sino otros
parecidos que hacen nfasis en la "participacin" de los sujetos in-
vestigados.
Sus tpicos de estudio se han relacionado especialmente con las
complejas actividades de la vida del aula, desde la perspectiva de
quienes intervienen en ella: elaborar, experimentar, evaluar y redefi-
nir a travs de un proceso de autocrtica y reflexin cooperativa
ms que privada y un enfoque del anlisis conjunto de medios y fi-
nes los modos de intervencin, los procesos de enseanza-
aprendizaje, el desarrollo de los currcula y su proyeccin social, y el
desarrollo profesional de los docentes; todo esto, con el fin de mejo-
rar y aumentar el nivel de eficiencia de los educadores y de las insti-
tuciones educativas.
En efecto, al analizar el pensamiento pedaggico de los profesores
en ejercicio, sus creencias y actitudes, se percibe una cierta "escle-
rosis" del pensamiento y la rutina de diferentes estereotipos poco
flexibles y bastante resistentes al cambio, que se apoyan en una
reproduccin acrtica de la tradicin profesional. Por ello, una refle-
xin y autocrtica serena, pausada y prolongada sobre su propio
desempeo docente, sobre el ejercicio y desarrollo de su actuacin,
como el que propicia la IA en el Aula, generar un autntico auto-
diagnstico que, poco a poco, muy probablemente, ir consolidando
una actitud de mayor autonoma personal y profesional, y terminar
tambin en un mayor autoaprendizaje y en una visin futura optimis-
ta de un autopronstico confiable, no slo en campo personal sino
tambin en el institucional. "Los centros educativos se transforman,
as, en centros de desarrollo profesional del docente donde la prcti-
ca se convierte en el eje de contraste de principios, hiptesis y teo-
ras, en el escenario adecuado para la elaboracin y experimenta-
cin del currculum, para el progreso de la teora relevante y para la
transformacin asumida de la prctica" (Prez Gmez, en Elliott,
1990, p.18).
Esta orientacin investigativa, que tuvo sus inicios en el Reino Uni-
do, Australia y Canad, se extendi luego a Alemania, Austria e Is-
landia, y, ms recientemente, a EE.UU., Espaa y el resto del mun-
do. Todo ello indica que responde a una necesidad muy sentida y
vivida en el mundo de la educacin contempornea.
3.1 Metodologa
Aspectos Generales
En su esencia, la investigacin en el aula, por medio de la reflexin
crtica y autocuestionamiento, identifica uno o ms problemas del
propio desempeo docente, elabora un plan de cambio, lo ejecuta,
evala la superacin del problema y su progreso personal, y, poste-
riormente, repite el ciclo de estas etapas. En sntesis, es una inves-
tigacin cuyo fin es mejorar la eficiencia docente, evaluada en su
eficacia prctica.
Esta forma de orientacin investigativa en el aula fue popularizada
por el Ford Teaching Project que John Elliott dirigi entre 1972-75,
que involucr a 40 profesores de educacin primaria y secundaria, y
que aspiraba descubrir mtodos de docencia eficientes examinando
y analizando su propia prctica docente y de desempeo en el aula,
a travs de la investigacin-accin (Elliott, 1990, cap. VIII). Este pro-
yecto de investigacin animaba a los docentes a desarrollar hipte-
sis sobre su docencia que pudieran ser compartidas por otros do-
centes y, en definitiva, ser usadas para mejorar su propia docencia.
El Ford Teaching Project public un gran nmero de estudios de
casos de docentes-investigadores y folletos sobre tcnicas de inves-
tigacin, organiz conferencias sobre investigacin slo para docen-
tes y, en consecuencia, dio un enorme impulso al movimiento del
docente-investigador.
Los mtodos tradicionales de investigacin crearon la ilusin de que
slo personas altamente calificadas podan investigar, pues "la cien-
cia" era una verdad apodctica (verdad eterna: aqu y en todas par-
tes, ahora y siempre), y despreciaba el resto del conocimiento sim-
plemente como "vulgar"; la epistemologa actual considera esa acti-
tud como una utopa, posee una humildad intelectual mucho mayor,
y, por ello, trata de ser lo ms rigurosa, sistemtica y autocrtica po-
sible, y se contenta con hallar "verdades locales y temporales" que
sean confiables y tiles para mejorar nuestra vida cotidiana. Es una
ciencia dirigida, sobre todo, a la vida prctica, e introduce el concep-
to de praxis como sntesis entre teora y prctica. Es ms, aunque
aprecia mucho la teora como patrn o estructura esencial de mu-
chos casos particulares de la misma especie considera que sola-
mente son conocimiento autntico y verdadero en la medida en que
bajan de ese nivel de abstraccin y se realizan y se aplican en la
prctica del aqu-y-ahora.
Esto exige articular lo que Schn (1987) llama una "epistemologa
de la prctica" y lo que, desde Aristteles, se ha denominado la "ra-
zn prctica", porque no se trata slo de problemas de carcter tc-
nico (como en el conocimiento instrumental: problemas acerca de
medios para lograr fines particulares), sino que son problemas mora-
les y "prcticos" acerca de cmo hacer lo que est bien, y, en nues-
tro caso particular de la investigacin-accin en el aula, consistira
en determinar cmo aprenden los sujetos lo que deben aprender, o,
en general, cmo un cientfico o un profesional construye una visin
particular del mundo que lo convierte en un profesional competente
y honesto. Segn Schn (cit. en Manrique, 1997), lograramos ese
docente-investigador de su propia praxis en la medida en que alcan-
cemos estas metas u objetivos parciales:
a) formar y desarrollar un docente reflexivo en la accin y en la cotidia-
nidad del aula de clases;
b.
c. vincular la teora y la prctica del docente con el fin de buscar soluciones
a problemas educativos;
d.
e. reducir el espacio entre quienes producen el conocimiento y aquellos que
lo aplican;
f.
g. promover al docente como sujeto y objeto de la produccin de conoci-
miento prctico derivado de sus experiencias de aula;
h.
i. promover una imagen del docente ms compenetrada con su realidad y
su prctica.
Principios de la IA en el Aula.
La IA en el Aula se gua por una serie de postulados o principios
fundamentales y operativos, que la definen y le dan su identidad
epistmica, y que rigen, en general, sus procedimientos metodolgi-
cos. En general, no se trata tanto de aprender unas "tcnicas" dise-
adas no se sabe por quin, sino de tomar conciencia de los proce-
sos naturales de nuestra mente ante un problema y aplicarlos
como ya sealamos en una forma ms rigurosa, sistemtica y crti-
ca, que son los atributos bsicos del nivel de toda "cientificidad".
Entre estos principios, pudieran elencarse como bsicos los siguien-
tes:
a) El mtodo de investigacin est enteramente determinado por la
naturaleza del objeto o fenmeno que se va a estudiar. ste es un
postulado aristotlico general de toda pretensin epistmica. Por
esto, sus estrategias, tcnicas, instrumentos y procedimientos esta-
rn en plena sintona con la naturaleza del problema especfico.
b) El problema de la investigacin, al igual que su anlisis e interpre-
tacin, plan de accin y evaluacin, ser descubierto y estudiado por
el docente-investigador, que acta e interacta con la situacin-
problema, y a quien se le reconoce la capacidad bsica para desa-
rrollar su propio conocimiento. Por consiguiente, ese problema ser
generalmente un problema prctico cotidiano experimentado, vivido
o sufrido por l, y no un problema terico definido por algn investi-
gador educacional en el entorno de una disciplina particular. Presen-
tado desde afuera pudiera ser irrelevante para su vida como docente
e, incluso, no tener sentido alguno.
c) Como la mayora de los docentes consideran "la investigacin"
como algo ajeno y muy alejado de sus vidas y su mente alberga
otros muchos estereotipos, mitos y falsas creencias al respecto, ser
necesario "romper ese hielo" aconsejndoles que lean algo, en el
espritu de este artculo y de la bibliografa que lo acompaa, con el
fin de que eleven su nivel de autoestima y capacidad investigativa
respectiva; igualmente, se puede alcanzar este objetivo asistiendo a
algn taller, seminario o conferencia sobre la IA en el Aula.
d) La actitud inicial del docente-investigador debe consistir en una
postura exploratoria sobre la compleja, rica y dinmica vida del aula,
alejada, por lo tanto, de la actitud de simple tcnico que aplica ruti-
nas preestablecidas a problemas estandarizados, y que considera
este procedimiento como algo mgico y "cientfico" y como el mejor
modo de orientar su prctica y resolver sus problemas. Sus proble-
mas son sus problemas, nicos e irrepetibles, aunque haya muchos
otros parecidos, ya que su situacin es una situacin particular, con
hechos que se producen en situaciones concretas e involucran a
personas concretas; es decir, que se necesita conocer las cosas en
toda su especificidad.
e) La prctica investigativa del docente no debe distorsionar el valor
educativo de su docencia; es decir, que, tratando de mejorar su efi-
ciencia docente futura, desmejore la actual. Esto puede suceder
cuando se adopta una postura "cientificista" que se hace consistir en
una secuencia mecnica de actos que se preocupan de registrar las
actividades y se olvidan de los actores.
Etapas del Proceso de la IA en el Aula:
Estas etapas y su contenido son aquellas que, sustancialmente, ya
seal Lewin desde 1946 para la IA en general y que tambin se
han demostrado ms efectivas, normales y corrientes de acuerdo a
las experiencias contenidas en la bibliografa citada; es decir, aque-
llas que ha producido la dinmica investigativa en esos estudios. En
una situacin concreta pudieran variar en razn de la singularidad
de la misma. Por ello, el esquema metodolgico que sigue debe to-
marse nicamente como un modelo ilustrativo. Sin embargo, la me-
todologa aqu presentada se inspira en los modelos de Lewin (1946,
1948), Corey (1953), Taba (1957), Ebbutt (1985), Elliott (1981),
Kemmis y McTaggart (1982), McNiff (1992) y Martnez (1996).
En las pginas que siguen especificamos detalladamente y abun-
damos en pormenores y detalles que pueden ser tiles slo en de-
terminadas investigaciones; por ello, enfatizamos que la mente hu-
mana del docente normal no seguir todos esos vericuetos, sino que
se centrar en los aspectos ms importantes de cada etapa y, sobre
todo, en aquellos que tienen ms relacin con su situacin particu-
lar; deber proceder como cuando uno va al automercado: all en-
cuentra de todo, pero se lleva slo lo que le interesa.
Etapa 1: Diseo General del Proyecto
Los inicios son siempre bastante difciles, especialmente cuando el
docente carece de experiencia en investigacin o, peor an, cuando
no domina bien la disciplina que ensea. Por ello, antes de poder
estructurar las lneas generales de la investigacin, es necesaria
una primera fase de acercamiento e insercin en la problemtica
investigativa. Esto ayudar a definir un esquema de la investigacin,
el rea de estudio, la seleccin y el posible requerimiento de medios
y recursos. Si su deficiencia proviene del poco dominio de su propia
disciplina, debe tomar conciencia de sus debilidades y limitaciones y
tratar de superar esa situacin y carencia profesional.
Aunque la IA en el Aula puede, en teora, utilizar todos los mtodos
de investigacin de las ciencias humanas, las ideas bsicas para
disear una investigacin participativa en sus lneas generales gira-
rn, en la mayora de los casos, en torno a la metodologa cualitati-
va, con nfasis en uno de los mtodos etnogrfico (sobre todo), fe-
nomenolgico y hermenutico. Por ello, conviene que el docente
conozca por lo menos la idea central de estos mtodos, ya que le
abrirn pistas o rutas por las cuales caminar en forma ms expedita.
(Ver estos mtodos en Martnez M., 1996b, 1998a).
Etapa 2: Identificacin de un Problema Importante.
Esta fase debiera tratar de identificar los problemas ms importantes
que el docente desea enfrentar y solucionar. El sentido del problema
surge de la importancia del mismo, cuyo inters exige una solucin.
Es difcil encontrar docentes libres de necesidades y problemas que
no merezcan ser estudiados; puede ser que algunos no sean estric-
tamente personales, sino que trasciendan e involucren la institucin
educativa donde trabaja e, incluso, los programas y la sociedad y
sus valores. La identificacin acuciosa y esmerada de un problema
importante es la clave del xito de todo el proyecto; por esto, necesi-
ta una atencin especial. El problema debe ser muy significativo pa-
ra el docente, vivido y sentido muy prctica y concretamente, y de
cuya solucin depende la eficacia de su docencia.
Etapa 3: Anlisis del Problema
Esta fase es importante en el sentido de que puede revelar las cau-
sas subyacentes del problema, ayudar a entender el carcter fun-
damental del mismo y definirlo o plantearlo en forma ms adecuada.
Las actividades de esta fase estn relacionadas con el anlisis sis-
temtico de la naturaleza, supuestos, causas y consecuencias del
problema. En este anlisis se podrn distinguir, bsicamente, tres
pasos:
a) Patentizar la percepcin que se tiene del problema: estableciendo
cmo se percibe y plantea, qu obstculos locales existen, qu as-
pectos o factores del orden institucional o social se dan que pudie-
ran frustrar el logro de los objetivos educativos deseados (como
creencias ilusorias producto de las estructuras sociales, que sostie-
nen formas irracionales y contradictorias de la vida social), y para
ayudar, as, a reconocer esos factores y expresar cmo se explica y
cmo se entiende la situacin y cules seran las posibles solucio-
nes a la misma.
b) Cuestionamiento de la representacin del problema: en este pun-
to se trata de desarrollar un proceso de anlisis crtico del conoci-
miento cotidiano que tiene la gente de las cosas; por esto, se analiza
crticamente la propia percepcin y comprensin del problema.
c) Replanteamiento del problema: el cuestionamiento anterior facili-
tar una reformulacin del problema en una forma ms realista y
verdica, pues permitir ver aspectos ms diferenciados del mismo,
identificar contradicciones, relacionarlo con otros problemas, sealar
variables importantes y encauzar la reflexin hacia posibles estrate-
gias de accin o hiptesis de solucin.
Etapa 4: Formulacin de Hiptesis.
El anlisis del problema de la etapa anterior se cierra presentando
un abanico de posibilidades, de hiptesis tentativas y provisionales
que definen objetivos de accin viables; pero, en la medida en que
haya sido bien realizado, se estrechar confluyendo hacia alguna
como la mejor hiptesis, la que tiene ms probabilidad de explicar y
solucionar el problema y en la cual hay que concentrar el estudio.
Etapa 5: Recoleccin de la Informacin Necesaria.
En la IA no existe un tipo nico de tcnicas de bsqueda y recolec-
cin de la informacin. La informacin que sea necesaria o conve-
niente en cada caso la determinan el tipo de problema que se est
investigando y la clase de hiptesis que guan el estudio en este
momento. Los diferentes problemas educativos requieren informa-
cin que llegue al corazn de los mismos y para cada uno puede
resultar ms exitosa una tcnica que otra.
La recoleccin de la informacin en s no debiera consumir dema-
siado tiempo, ya que interferira con la buena docencia. Por ello, el
docente debe familiarizarse con los instrumentos que vaya a usar.
Quiz las tcnicas ms apropiadas hoy da sean las cinco siguien-
tes:
a) Tomar notas en clase: sta es, quiz, la ms sencilla y til, ya que
permite anotar detalles precisos como se viven en el momento. No
es necesario escribirlo todo cuando se da el evento o surge el pro-
blema en la clase, pero s lo esencial, que se ampliar posteriormen-
te fuera de ella, sin dejar transcurrir mucho tiempo. Este procedi-
miento no consume mucho tiempo: basta un simple diario, y la in-
formacin as recogida, cercana a la realidad vivida, ser, luego, un
aval para la validez de la investigacin.
b) La grabacin sonora: es cmodo y fcil autograbarse las clases,
pero el grabador sonoro no tiene ojos que vean muchas cosas que
suceden en un aula de clase, y, adems, puede requerir despus
mucho tiempo para transcribir o simplemente analizar las cintas gra-
badas.
c) El videotape: el videotape es probablemente el "gran angular"
ms til de que disponemos hoy da para la autoobservacin. Permi-
te a los docentes observar muchas facetas de su desempeo docen-
te en un tiempo relativamente corto, y provee una informacin preci-
sa y con capacidad heurstica para el autodiagnstico.
d) El cuestionario: es menos costoso que el videotape. Es una forma
rpida y simple de obtener informacin de los propios alumnos. Evi-
dentemente, debe ser annimo para preservar la confidencialidad y
la sinceridad. La redaccin debe ser clara e inequvoca. Se pueden
utilizar escalas de Likert y, en los primeros grados de la primaria,
tambin figuras Snoopy u otras similares como criterios. En general,
las preguntas deben ser abiertas, como: qu es lo que ms te
agrada de la clase?, qu es lo que menos te gusta?, qu haras t
en forma diferente?, etc.
e) La observacin participativa: esta modalidad proporciona al do-
cente-investigador la fuente ms flexible de informacin y tambin
un soporte emocional. La forma ms prctica de realizarla es po-
nindonos de acuerdo con un colega que est interesado en el mis-
mo tipo de investigacin, para que observe nuestras clases. En ge-
neral, cuando se establece una buena relacin entre un par de cole-
gas, los docentes aprenden ms de ellos mismos y aceptan ms
fcilmente sus crticas.
Etapa 6: Categorizacin de la Informacin
La informacin recogida hasta aqu no puede limitarse a quedar en
un nivel descriptivo desintegrado; debe ser categorizada y estructu-
rada. Pero hay que tener presente lo que ya deca Poincar: "los
hechos no hablan por s mismos, hay que hacerlos hablar". Debe-
mos recordar, especialmente ante una mentalidad positivista des-
medida, que la categorizacin y estructuracin no son procesos me-
canizables ni computarizables. El criterio cuantitativo solo, del mayor
consenso, puede constatar que "una suma de ignorancias nunca
producir la verdad" y que "donde todos piensan lo mismo es porque
piensan poco".
La categorizacin consiste en resumir o sintetizar en una idea o
concepto (una palabra o expresin breve, pero elocuente) un con-
junto de informacin escrita, grabada o filmada para su fcil manejo
posterior. Esta idea o concepto se llama "categora" y constituye el
autntico "dato cualitativo", que conviene aclararlo bien no es algo
"dado" desde afuera, sino "algo interpretado" por el investigador, ya
que l es el que interpreta "lo que ocurre" al ubicar mentalmente la
informacin en diferentes y posibles escenarios; el acto fsico en s
del ser humano ni siquiera es humano: lo que lo hace humano es la
intencin que lo anima, el significado que tiene para el actor, el pro-
psito que alberga, la meta que persigue; en una palabra, la funcin
desempea en la estructura de su personalidad; y esto es lo que
debe barajar el investigador para encontrar el significado ms vero-
smil. Por ello, no se pueden computarizar mecnicamente los "da-
tos", ya que no existen datos no interpretados y, cuando se hace
esto, se estn mezclando cosas de muy diferente significado.
Etapa 7: Estructuracin de las Categoras
Esta etapa nos centra en el corazn de la investigacin: la estructu-
racin terica. Einstein deca que "la ciencia consista en crear teo-
ras"; es decir, en integrar los datos en una estructura coherente y
lgica que le d sentido. Esta fase nos dir "lo que realmente est
pasando"; por ello, constituye la esencia de la labor investigativa.
La estructuracin debe integrar las categoras o ideas producidas
por la categorizacin en una red de relaciones que presente capaci-
dad persuasiva, genere credibilidad y produzca aceptacin en un
posible evaluador.
El fin de la estructuracin es crear una imagen representativa, un
guin o patrn coherente, un modelo terico o una autntica teora o
configuracin del fenmeno estudiado. Este modelo, por ello, tiene
que estar en mxima consonancia con la naturaleza del fenmeno
en estudio, es decir, debe relacionarse con el contexto de contin-
gencias mutuamente interdependientes o hechos que se agrupan
porque la ocurrencia de uno depende de la aparicin de los dems:
ser mejor en la medida en que tenga mayor capacidad para repre-
sentar la naturaleza cualitativa, estructural, sistmica, ecolgica, etc.
que caracterice al fenmeno. Por ello, no se puede decir a priori qu
modelo ser ms adecuado: si uno conceptual o verbal, uno grfico,
uno icnico, uno matemtico, o uno que contenga una mezcla de
esos diferentes "lenguajes". Ser preferible el que ms ayude a con-
trastar la hiptesis elegida.
Conviene aadir, adems, que, en el proceso mental de la estructu-
racin, el guin terico que va apareciendo en nuestra mente puede
ser enriquecido y mejorado con la experiencia y reflexin terica,
pasadas y presentes, de otros investigadores; no es aconsejable,
por consiguiente, cerrarse demasiado en s mismo; sin embargo, es
necesario enfatizar que lo que debemos buscar en los dems es
como deca Ortega y Gasset "informacin, y no modelos", para no
caer en el error de extrapolar acrticamente teoras forneas incon-
sistentes e inadecuadas para nuestra situacin.
El patrn o modelo estructural o terico de la investigacin es tam-
bin, despus, el referente principal para la transferibilidad a otros
ambientes o situaciones (generalizacin de los resultados), es decir,
para llevarlo y estudiar su nivel de aplicabilidad a otras reas o con-
textos educativos.
Etapa 8: Diseo y Ejecucin de un Plan de Accin
Con el patrn estructural o terico logrado en la etapa anterior se
puede elaborar ahora un plan de accin, pues se dispone de la luz
necesaria que ilumina la naturaleza del problema que hay que resol-
ver. En cierto modo, es como someter a una verificacin ms espe-
cfica la hiptesis que se revel como explicacin terica ms pro-
bable del problema.
Un buen plan de accin constituye la parte ms "activa" de la IA en
el Aula, y debe sealar una secuencia lgica de pasos: cundo va a
ser implementado, cmo y dnde, los pro y los contra de cada paso,
los objetivos finales que se desea lograr, los obstculos que hay que
superar, los medios alternos y recursos que se necesitarn, las po-
sibles dificultades que se pueden interponer en el camino y cmo se
superarn, los factores facilitadores o inhibidores de los procesos y
la evaluacin que se utilizar para apreciar el nivel del logro progra-
mado.
Etapa 9: Evaluacin de la Accin Ejecutada.
En lneas generales, sta es una de las etapas en que se suele fallar
ms. Ello compromete la buena continuacin del proceso que sigue.
Si no se sabe a dnde se ha llegado, muy difcilmente se podr rec-
tificar el camino. Por ello, esta etapa es de suma importancia.
El principio bsico de la evaluacin deber responder a la pregunta:
los resultados del plan de accin, una vez ejecutados, solucionaron
el problema o no? Una buena evaluacin tendr como referente
principal los objetivos prefijados en el plan de accin. Y su clave
evaluativa estribar en fijarse en los cambios logrados como resul-
tado de la accin.
En el rea educacional, en general, se dispone de un conjunto de
objetivos prefijados por las instituciones relacionados con la vida
del aula, el proceso enseanza-aprendizaje, el desarrollo del curr-
culum, el orden y disciplina, el mejoramiento profesional de los do-
centes, etc. y pueden haber servido para establecer el plan de ac-
cin, y as ser ms fcil la evaluacin respectiva.

Repeticin Espiral del Ciclo: Etapas 2-9
El mdico analiza los resultados producidos por el tratamiento que
prescribi a su paciente despus de su primer diagnstico y, con
esa informacin, estructura un segundo diagnstico y, consiguien-
temente, un nuevo tratamiento ms afinado.
Disponiendo de todos los elementos logrados en los pasos anterio-
res, ser posible hacer un nuevo diagnstico del problema y de la
situacin completa como se ve ahora, pues la realidad se nos revela
con total claridad cuando tratamos de cambiarla. Sabemos, por otra
parte, que ningn conocimiento proviene directamente de la prctica
sola, sino de una reflexin sobre ella. El conocimiento es la expre-
sin aproximada de lo real, pero sin revelarlo por completo; corres-
ponde a algunas estructuras de lo real, pero no coincide con l;
siempre ser un mapa del territorio, pero el mapa no es el territorio.
Sin embargo, con ese mapa del territorio a nuestra disposicin, po-
demos programar nuestro nuevo viaje, nuestro nuevo plan de ac-
cin.
El conocimiento procede, entonces, como una espiral de ciclos de
reconocimiento reiterativo, al estilo del "crculo hermenutico" de
que nos habla Dilthey (las partes se comprenden viendo el todo y el
todo viendo las partes): planificacin, ejecucin, observacin de la
accin planeada y sus resultados, reflexin sobre la misma y repla-
neamiento. Se procede de lo ms sencillo a lo ms complejo, de lo
conocido a lo desconocido, y todo en contacto permanente con la
realidad concreta. De sta se recibe la informacin y se elaboran las
categoras; stas se estructuran y se programa la accin; se obser-
van los efectos y consecuencias de esa accin evaluando sus lo-
gros; se reflexiona sobre la nueva situacin creada, y se reprograma
una nueva accin ms precisa; y, as, con esta retroalimenacin y
espiral de autorreflexin, relacionando la teora y la prctica en ci-
clos constructivos y acumulativos de accin y reflexin, hasta lograr
las metas deseadas en cada caso.
2. Presentacin del Informe
Quiz, ste sea un punto que preocupa a ms de un investigador;
sin embargo, no debiera ser as, ya que hay muchas formas de ha-
cer las cosas bien y no slo aquella que le gusta a ciertas personas.
La modalidad del informe que aconsejamos, porque nos parece ms
elocuente, difana y demostrativa, es la descripcin o narracin del
trabajo realizado en el orden y secuencia de cmo se fue realizando,
es decir, haciendo una exposicin de las etapas de la investigacin:
cmo fue apareciendo la preocupacin inicial, por qu nos llam la
atencin, qu autores lemos o consultamos, cmo fuimos enfren-
tando y abordando cada una de esas etapas, las dificultades que
encontramos, qu decisiones tomamos y en qu argumentos nos
basamos, cmo las solucionamos, y as adelante hasta la conclusin
del trabajo.
Una descripcin de esta naturaleza permite, a un posible evaluador
del trabajo (miembro de un jurado, de un comit editorial, etc.), cons-
tatar el nivel, lgica y pericia del investigador, al mismo tiempo que
la calidad, sustentabilidad y posible transferibilidad (generalizacin)
de los resultados de la investigacin a otras situaciones, ambientes
o escenarios. En fin de cuentas, esta rigurosidad (propiedad y preci-
sin), sistematicidad (que sigue principios ordenados de accin) y
criticidad (autocuestionamiento continuo) son las que le dan su "es-
tatus cientfico".
4. Validez y Confiabilidad
Una investigacin tiene un alto nivel de "validez" si al observar, me-
dir o apreciar una realidad, se observa, mide o aprecia esa realidad
y no otra; es decir, que la validez puede ser definida por el grado o
nivel en que los resultados de la investigacin reflejan una imagen
clara y representativa de una realidad o situacin dada.
Las ciencias naturales producen un conocimiento que es eficaz para
tratar con el mundo fsico; ellas han tenido xito con la produccin
de un conocimiento instrumental que ha sido explotado poltica y
lucrativamente en aplicaciones tecnolgicas. Pero el conocimiento
instrumental es slo una de las tres formas cognitivas que contribu-
yen a la vida humana.
Las ciencias histrico-hermenuticas (ciencias interpretativas) pro-
ducen el conocimiento interactivo que subyace en la vida de cada
ser humano y de la comunidad de que forma parte; igualmente, la
ciencia social crtica produce el conocimiento reflexivo y crtico que
el ser humano necesita para su desarrollo, emancipacin y autorrea-
lizacin.
Cada forma de conocimiento tiene sus propios intereses, sus pro-
pios usos y sus propios criterios de validez; por esto, debe ser justi-
ficada en sus propios trminos, como se ha hecho tradicionalmente
con la objetividad para las ciencias naturales, como hizo Dilthey
para la hermenutica y como hicieron Marx y Engels para la teora
crtica. En las ciencias naturales, la validez est relacionada con su
capacidad para controlar el ambiente fsico con nuevas invenciones
fsicas, qumicas y biolgicas; en las ciencias hermenuticas la vali-
dez se aprecia de acuerdo al nivel de su habilidad para producir re-
laciones humanas con alto sentido de empata y vinculacin; y en la
ciencia social crtica esta validez estar relacionada con su capaci-
dad de superacin de obstculos para favorecer el crecimiento y
desarrollo de seres humanos ms autosuficientes en sentido pleno.
La validez es la fuerza mayor de las investigaciones cualitativas. En
efecto, el modo de recoger los datos, de captar cada evento desde
sus diferentes puntos de vista, de vivir la realidad estudiada y de
analizarla e interpretarla inmersos en su propia dinmica, ayuda a
superar la subjetividad y da a estas investigaciones un rigor y una
seguridad en sus conclusiones que muy pocos mtodos pueden
ofrecer.
El concepto tradicional de "confiabilidad" implica que un estudio se
puede repetir con el mismo mtodo sin alterar los resultados, es de-
cir, es una medida de la replicabilidad de los resultados de la inves-
tigacin. En las ciencias humanas es prcticamente imposible re-
producir las condiciones exactas en que un comportamiento y su
estudio tuvieron lugar. Ya Herclito dijo en su tiempo que "nadie se
baaba dos veces en el mismo ro"; y Cratilo le aadi que "no era
posible hacerlo ni siquiera una sola vez" (Aristteles, Metafsica, iv,
5). Adems, la confiabilidad no est dentro del crculo de intereses
inmediatos de la IA, y menos de la IA en el Aula, ya que su fin es el
mejoramiento y aplicacin a su situacin particular y no a otras, de la
misma manera que el mdico est interesado en curar a su pacien-
te. Si ese estudio, ese tratamiento y ese plan de accin o patrn te-
rico pueden, despus, transferirse y aplicarse en otros pacientes o a
otros campos similares, tanto mejor: se ir haciendo ciencia ms
universal; pero se no es el fin primario de la IA.
En los estudios realizados por medio de la investigacin-accin, que,
en general, estn guiados por una orientacin naturalista, sistmica,
fenomenolgica, etnogrfica, hermenutica y humanista, la confiabi-
lidad est orientada hacia el nivel de concordancia interpretativa en-
tre diferentes observadores, evaluadores o jueces del mismo fen-
meno, es decir, la confiabilidad ser, sobre todo interna, interjueces.
Se considera un buen nivel de esta confiabilidad cuando alcanza un
70%, es decir, que, por ejemplo, de 10 jueces, hay consenso entre
7.
5. Conclusin.
El investigador comprometido en una autntica investigacin-accin,
en el aula o fuera de ella, al producir sus elaboraciones, divulgacio-
nes, publicaciones o informes de trabajo cientfico, se atiene a los
procedimientos que definen el carcter riguroso, sistemtico y crtico
del conocimiento. Su trabajo progresa a travs de la dialctica entre
la teora y la realidad, la recoleccin pormenorizada de la informa-
cin, la categorizacin y estructuracin rigurosa de los "datos cuali-
tativos", la sustentacin de la veracidad de sus argumentos y la
preocupacin por el carcter verificable de sus conclusiones.
En resumen, si la investigacin se ha desarrollado siguiendo los se-
alamientos e indicaciones expuestos para cada una de las partes,
tambin se habrn logrado en forma amplia los estndares de una
investigacin rigurosa, sistemtica y crtica, es decir, cientfica, y, por
lo tanto, tambin se habrn alcanzado los objetivos que persigue
una tesis de grado, un trabajo de ascenso, una ponencia para un
congreso o un artculo para una revista arbitrada.
Bibliografa

Carr, W. y Kemmis, S. (1986). Becoming critical: education,
knowledge and action research. Londres: Falmer.
Corey, S. (1953). Action research to improve schools practices.
Nueva York: Columbia Univ. Press.
Ebbutt, D. (1985). "Educational action research". En Burgess R.
Issues in educational research: qualitative methods. Londres:
Falmer.
Elliott, J. (1981). A framework for self-evaluation in schools. Sur
frica: Univ. of Cape Town.
Elliott, J. (1990). La investigacin-accin en educacin. Madrid: Morata.
Fals Borda, O. (1970). Ciencia propia y colonialismo intelec-
tual. Mxico: Nuestro Tiempo.
Freire, P. (1974). Pedagoga del oprimido, 13 edic. Siglo XXI.
Habermas, J. (1982). Conocimiento e inters. Madrid: Taurus.
Kemmis, S. y McTaggart, R. (dirs), (1982). The action research
planner. Geelong, Victoria: Deakin Univ. Press.
Lewin, K. (1992). "La investigacin-accin y los problemas de las
minoras". En Salazar, M.C.
Lewin, K. (1946). Resolving social conflicts. Nueva York: Harper.
Manrique, W. (1997). La investigacin-accin y el mejora-
miento de la calidad del docente en el aula. Educare (UPEL-IPB,
Venezuela), 1,1, pp. 39-59.
Martnez, M., (1984). "La investigacin terica: naturaleza, meto-
dologa y evaluacin", Perfiles (Caracas: USB), 15, 33-52.
---, (1986). "La capacidad creadora y sus implicaciones para la
metodologa de la investigacin", Psicologa (Caracas: UCV),
vol.XII, 1-2, 37-62.
---, (1987). "Implicaciones de la neurociencia para la creatividad y
el autoaprendizaje", Anthropos (Venezuela), 14, 95-124.
---, (1989). "El mtodo hermenutico-dialctico en las ciencias de
la conducta", Anthropos (Venezuela), 18, 85-111.
---, (1991). "La inercia mental en los estudios de postgrado", Ar-
gos (Caracas: USB), 14, 63-71.
---, (1992). "Significacin de la matriz epistmica en los Estudios
de Postgrado", Anthropos (Venezuela), 24, 5-14.
---, (1994a). "Postmodernidad y nuevo paradigma", Comporta-
miento (Caracas: USB), 2, 47-62.
---, (1994b). Hacia un nuevo paradigma de la racionalidad, Anth-
ropos (Venezuela), 28, 55-78.
---, (1996a). El desafo a la racionalidad cientfica clsica, Congre-
so internacional multidisciplinario sobre los desafos del siglo XXI,
Caracas.
---, (1996b). Comportamiento humano: nuevos mtodos de inves-
tigacin, 2 edic., Mxico: Trillas.
---, (1997a). El paradigma emergente: hacia una nueva teora de
la racionalidad cientfica, 2 edic. Mxico: Trillas; 1 edic., Barce-
lona: Gedisa, 1993.
---, (1997b). La matematizacin del saber y sus lmites: mito y
realidad de los modelos matemticos. Argos (Caracas: USB), 25,
1997b, 103-130.
---, (1998a). La investigacin cualitativa etnogrfica en educacin:
Manual terico-prctico, 3 edic., Mxico: Trillas.
---, (1998b). Necesidad de un Nuevo Paradigma Epistmico. Se-
minario "Las Ciencias Econmicas y Sociales: Reflexiones de fin
de siglo. Caracas, UCV.
---, (1999a). El Proceso de nuestro conocer postula un nuevo pa-
radigma epistmico. Seminario El Fin de la Ciencia?, Universi-
dad del Zulia, Maracaibo.
---, (1999b). La nueva ciencia: su desafo, lgica y mtodo. Mxico: Trillas.
---, (1999c). Evaluacin cualitativa de programas. Caracas:
AVEPSO, UCV.
---, (1999d). La psicologa humanista: un nuevo paradigma psico-
lgico. Mxico: Trillas.
McNiff, J., Action research: principles and practice. Londres:
MacMillan.
Salazar, M.C. (dir.), (1992). La investigacin-accin participativa:
inicios y desarrollos. Bogot: Magisterio.
Schn, D. (1987). Educating the reflective practitioner. San Fran-
cisco: Jossey-Bass.
Schutter, A. (s.f.). La investigacin-accin. Mxico: CREFAL.
Selener, J. (1992). Participatory action research and social
change: approaches and critique, UMI Dissertation Information
Service, Ann Arbor, Michigan. Tesis doctoral no publicada.
Stenhouse, L. (1988). Investigacin y desarrollo del currculum. 2da edic.
Madrid. Morata.
Taba, H. y Noel, E. (1957). Action research: a case study. Washington: ,
ASCD.
Tax, S. (1958). The Fox Project. Human Organization, 17, 17-
19.
Vo Grossi, F. (1983). La investigacin participativa en Amrica
Latina. Mxico: CREFAL.
White, W. (1991). Participatory action research. Newbury Park:
Sage.


Cmo hacer un Buen Proyecto de
Tesis con Metodologa Cualitativa
2

Miguel Martnez Migulez.

El proyecto de investigacin es exigido por las autoridades universitarias de
pre y postgrado para garantizar que el graduando o tesista est trabajando
sobre algo serio, sensato y original, y que lo est haciendo con la rigurosi-
dad metodolgica requerida.
En estas pginas se expone el esquema y las lneas generales para realizar
un proyecto de tesis, cuando se desarrolla siguiendo la orientacin de la
metodologa cualitativa, entendida en sentido estricto. Se supone que el
tesista ya sabe sobre qu rea concreta trabajar, pero no conoce bien cmo
hacerlo.
La opcin de la metodologa cualitativa implica tambin el hecho de que se
ha considerado como la ms apropiada para el estudio del fenmeno en
cuestin. Esto, a su vez, como veremos, se fundamenta en una opcin pre-
via epistemolgica (teora del conocimiento) y ontolgica (teora sobre la
naturaleza de la realidad).
Una idea general, que nunca se debe olvidar, es que quien escribe algo lo
hace para alguien (el destinatario), al cual hay que tener siempre presente.
En este caso, es el evaluador del proyecto o de la tesis. Estas personas tie-
nen su visin de las cosas y nuestro dilogo es con ellas.
Las ideas que se exponen a continuacin constituyen un esquema estndar;
por consiguiente, no ser el mejor para todo tipo de investigaciones cualita-
tivas, especialmente si son atpicas en alguno de sus aspectos. El mejor traje
ser siempre el que se hace a la medida; por esto, el tesista deber introdu-
cir los cambios requeridos por su investigacin.
Un buen proyecto no debiera exceder las 20 30 pginas. Cuando se escri-
ben 60 u 80, es porque se desarrolla el "marco terico" u otras partes que
son ya propias de la tesis en s. Esto aleja y distrae la atencin del evaluador
de su tarea especfica.

2
http://prof.usb.ve/miguelm/proyectotesis.html
A continuacin, se exponen las partes fundamentales de un buen proyecto,
el orden en que preferiblemente pudieran ir y las ideas centrales de cada
parte, quedando siempre en pie el hecho de que hay muchas formas buenas
de hacer las cosas; todo depende de cmo se entrelazan sus elementos.
1. Resumen
Un resumen inicial del proyecto es importante y debe dar al lector-
evaluador una idea general del fenmeno que se va a estudiar, sealando su
problemtica, la urgencia y relevancia para una determinada comunidad
(nacional, regional, institucional, etc.), los objetivos que se espera alcanzar,
el enfoque y la metodologa que se van a emplear y otros elementos que se
consideren importantes. Este resumen no debiera exceder de una pgina, ya
que es suficiente para cumplir su misin.
2. Introduccin
El fin principal de la introduccin es "introducir" al lector-evaluador en la
problemtica que se desea investigar. Para ello, es necesario hacer una des-
cripcin de los rasgos fundamentales que configuran dicha realidad (el fe-
nmeno en su contexto) y la necesidad de estudiar un sector descuidado o
no atendido suficientemente hasta el momento o, tambin, un tema ya estu-
diado pero no en nuestro medio o con enfoque o metodologa diferentes. La
calidad de esta descripcin es muy importante, ya que determinar el en-
foque epistemolgico y metodolgico que se emplear para abordarla, los
objetivos a lograr, la relevancia de la investigacin y su posible originali-
dad. Su amplitud podra ser de 2 3 pginas.
3. Marco terico-referencial
Esta parte tiene por finalidad exponer lo que se ha hecho hasta el momento
para esclarecer el fenmeno que nos ocupa. Debe referir las principales in-
vestigaciones sobre el rea o reas cercanas: autores, enfoques y metodos
empleados, conclusiones e interpretaciones tericas a que llegaron y otros
elementos de importancia. En las ciencias humanas, es necesario dar mayor
nfasis a lo ms cercano (lo regional, lo nacional, lo latinoamericano), ya
que comparte ms nuestra cultura e idiosincasia. Lo extranjero, especial-
mente si es anglosajn, podra distorsionar la comprensin de nuestra reali-
dad. En cualquier caso, este "marco" es slo "terico-referencial", es decir,
fuente de informacin y nunca modelo terico en el cual ubicar nuestra
investigacin. Servir para contrastar, despus, nuestras conclusiones con
las de esos autores y, as, entenderlas mejor, pero nunca para forzar e impo-
ner una interpretacin.
De todos modos, esto no indica que no se pueda hacer una investigacin
partiendo ya de una teora slida (por ej. el psicoanlisis u otra) y aceptn-
dola, inicialmente, como autntico marco terico. El inconveniente de esto
es que nos impone ya desde el principio todo un mundo terico, conceptual
e interpretativo que pudiera no ser el ms adecuado para entender la
realidad que estamos estudiando. Y su falta de lgica est en el hecho de
que da en gran parte por resuelto lo que todava no se ha estudiado.
Por esto, muchos marcos tericos son constreidores, ya que instalan lo
nuevo en moldes viejos, imposibilitando la emergencia de de lo novedoso,
de lo original, de la innovacin.
Esta parte pudiera extenderse por espacio de 5 6 pginas.

4. Objetivos de la Investigacin
Solucin de un Problema. La orientacin metodolgica cualitativa no
suele partir del planteamiento de un problema especfico, sino de un rea
problemtica ms amplia en la cual puede haber muchos problemas entre-
lazados que no se vislumbrarn hasta que no haya sido suficientemente
avanzada la investigacin. Por esto, en general, el partir de un problema,
cierra el posible horizonte que tienen las realidades complejas, como son
todas las realidades humanas. Esto, de ninguna manera quiere decir que, en
un caso especfico, no sea til o conveniente partir de un problema concre-
to, si eso es particularmente lo que se desea investigar.
Verificacin de una Hiptesis. Tampoco se formula una hiptesis a
verificar, ya que se est abierto a todas las hiptesis plausibles y se espera
que la mejor emerja del estudio de los datos y se imponga por su fuerza
convincente. Es muy difcil que el investigador tenga la mejor hiptesis a la
vista: si fuera as, no hara falta hacer la investigacin. Por ello, es necesaria
una gran apertura hacia todas las hiptesis que se vayan revelando consis-
tentes. Las hiptesis se consideran, ms bien, provisionales y se van modi-
ficando durante el proceso, para no estrechar nuestra visin y perspectiva de
la realidad. En general, no estamos tan interesados en verificar una determi-
nada hiptesis cuanto en que la mejor se revele claramente. Pero tambin
aqu, puede ser que un investigador est interesado en "verificar" una hip-
tesis especfica, en cuyo caso es lgico que parta de ella.
Logro de unos objetivos. Sin embargo, s se fijan unos objetivos a lo-
grar: algunos son ms bien generales y otros especficos, pero todos deben
ser relevantes para las personas interesadas en la investigacin. A veces, es
preferible fijar slo los objetivos generales, y determinar los especficos
durante la marcha, para no buscar metas que quiz resulten triviales. Estos
objetivos determinarn, en parte, las estrategias y procedimientos metodo-
lgicos. No obstante, tampoco los objetivos sern intocables. Tambin aqu
se sigue el famoso principio de "Los tres prncipes de Serendip": "si ests
buscando una cosa buena y encuentras otra mejor, deja la primera por la
segunda".

5. Metodologa
Como la metodologa es, por definicin, el camino a seguir para alcanzar
conocimientos seguros y confiables y, en el caso de que stos sean demos-
trables, tambin ciencia, la eleccin de una determinada metodologa impli-
ca la aceptacin de un concepto de "conocimiento" y de "ciencia", es decir,
una opcin epistemolgica (teora del conocimiento) previa; pero esta op-
cin va acompaada, a su vez, por otra opcin, la opcin ontolgica (teora
sobre la naturaleza de la realidad). Lamentablemente, muchos acadmicos
no toman suficiente conciencia de esto, y ello conlleva una serie de conse-
cuencias desorientadoras.
La metodologa cualitativa est muy consciente de estas dos opciones. Por
ello, no debiera omitirse una breve referencia a las mismas exponiendo la
idea central de cada una (ver "La Investigacin Cualitativa Etnogrfica",
cap.I-II). Se puede hacer en un pequeo sector aparte de 2 3 pginas, con
el nombre de marco epistemolgico.

5.1 Marco Epistemolgico
La teora del conocimiento o filosofa de la ciencia en que se apoya la me-
todologa cualitativa, rechaza el "modelo especular" (positivista), que con-
sidera al sujeto conocedor como un espejo y esencialmente pasivo, al estilo
de una cmara fotogrfica. Acepta, en cambio, el "modelo dialctico", con-
siderando que el conocimiento es el resultado de una dialctica entre el su-
jeto (sus intereses, valores, creencias, etc.) y el objeto de estudio. No existi-
ran, por consiguiente, conocimientos estrictamente "objetivos".
El objeto, a su vez, especialmente en el rea de las ciencias humanas, es
visto y evaluado (opcin o supuesto ontolgico) por el alto nivel de com-
plejidad estructural o sistmica, producida por el conjunto de variables bio-
psico-sociales que lo constituyen. En general, se considera que toda reali-
dad, desde el tomo hasta la galaxia, est configurada por sistemas de muy
alto nivel de complejidad, donde cada parte interacta con todas las dems y
con "el todo".
Estas dos ideas conceptualizadoras (lo dialctico y lo sistmico) cambiarn
la mayora de los conceptos metodolgicos que se apliquen. El enfoque
cualitativo de investigacin es, por su propia naturaleza, dialctico y sist-
mico. Estos dos presupuestos, epistemolgico y ontolgico, conviene hacer-
los explcitos, en todo proyecto o desarrollo de investigacin, para evitar
malentendidos en los evaluadores de los mismos. En efecto, la mayora de
los evaluadores de proyectos o investigaciones cualitativos, suelen hacerlo
desde el marco epistemolgico del "modelo especular" (cientfico-
positivista), razn por la cual la evaluacin falla por la base.

5.2 El Mtodo
El mtodo cualitativo especfico que se vaya a emplear depende de la natu-
raleza de la estructura a estudiar. La metodologa cualitativo-sistmica dis-
pone de una serie de mtodos, cada uno de los cuales es ms sensible y ade-
cuado que otro para la investigacin de una determinada realidad. A conti-
nuacin, ilustramos la idea central que los caracteriza y diferencia.
El Mtodo Hermenutico-Dialctico. En sentido amplio, ste es el
mtodo que usa, consciente o inconscientemente, todo investigador y en
todo momento, ya que la mente humana es, por su propia naturaleza, inter-
pretativa, es decir, hermenutica: trata de observar algo y buscarle signifi-
cado. En sentido estricto, se aconseja utilizar las reglas y procedimientos de
este mtodo cuando la informacin recogida (los datos) necesiten una con-
tinua hermenutica, como sera el caso, por ejemplo, del estudio del crimen
organizado, de sujetos paranoicos, etc., donde la informacin que se nos da
puede tratar expresamente de desorientar o engaar. Sin embargo, este m-
todo tiene un rea de aplicacin mucho ms amplia: es adecuado y aconse-
jable siempre que los datos o las partes de un todo se presten a diferentes
interpretaciones.
El Mtodo Fenomenolgico. Este mtodo es el ms indicado cuando
no hay razones para dudar de la bondad de la informacin y el investigador
no ha vivido ni le es nada fcil formarse ideas y conceptos adecuados sobre
el fenmeno que estudia por estar muy alejado de su propia vida, como, por
ejemplo, el mundo axiolgico de los drogadictos, las vivencias de las perso-
nas atracadas que estuvieron a punto de morir, la ruptura de una relacin
amorosa cuando no se ha vivido, una experiencia cumbre (Maslow), etc.
El Mtodo Etnogrfico. Es el de mayor preferencia para entrar a cono-
cer un grupo tnico, racial, de ghetto o institucional (tribu, raza, nacin,
regin, crcel, hospital, empresa, escuela, y hasta un aula escolar, etc.) que
forman un todo muy sui gneris y donde los conceptos de las realidades que
se estudian adquieren significados especiales: las reglas, normas, modos de
vida y sanciones son muy propias del grupo como tal. Por esto, esos grupos
piden ser vistos y estudiados holsticamente, ya que cada cosa se relaciona
con todas las dems y adquiere su significado por esa relacin. De ah que
la explicacin exige tambin esa visin global.
El Mtodo de Investigacin-Accin. Es el nico indicado cuando el
investigador no slo quiere conocer una determinada realidad o un proble-
ma especfico de un grupo, sino que desea tambin resolverlo. En este caso,
los sujetos investigados participan como coinvestigadores en todas las fases
del proceso: planteamiento del problema, recoleccin de la informacin,
interpretacin de la misma, planeacin y ejecucin de la accin concreta
para la solucin del problema, evaluacin posterior sobre lo realizado, etc.
El fin principal de estas investigaciones no es algo exgeno a las mismas,
sino que est orientado hacia la concientizacin, desarrollo y emancipacin
de los grupos estudiados.
El Mtodo de Historias de Vida. Se aconseja este mtodo para los
estudios longitudinales de ciertos grupos sociales, donde la visin diacrni-
ca de la realidad constituye una gestalt en el tiempo que no se puede frac-
cionar sin perder las relaciones esenciales que la configuran como tal. Se
concentra en una familia, y a veces en una sola persona, estudiada a lo largo
de un amplio perodo de sus vidas. El ejemplo ms clsico de la misma lo
tenemos en Los Hijos de Snchez, de Oscar Lewis, obra que revolucion los
mtodos de investigacin sociolgica y dio aportes como ninguna antes
haba hecho.
Una ilustracin amplia y pormenorizada de los supuestos epistemolgicos,
estrategias, tcnicas e instrumentos de cada uno de estos mtodos puede
verse en Martnez M.: Comportamiento Humano: nuevos mtodos de inves-
tigacin, 2 edic. (1996) y en La Investigacin Cualitativa Etnogrfica, 2
edic. (1994).
Es tambin de mxima importancia que se haga nfasis en la natu-
raleza especfica de cada uno de los tpicos que sealamos a conti-
nuacin.
Recoleccin de la informacin: Los instrumentos, al igual que los
procedimientos y estrategias a utilizar, los dicta el mtodo escogido, aun-
que, bsicamente, se centran alrededor de la entrevista semi-estructurada y
la observacin directa. Hay que describir los que se vayan a utilizar y justi-
ficarlos. Sin embargo, la metodologa cualitativa entiende el mtodo y todo
el arsenal de medios instrumentales como algo flexible, que se utiliza mien-
tras resulta efectivo, pero que se cambia de acuerdo al dictamen, imprevisto,
de la marcha de la investigacin y de las circunstancias.
La Muestra: Cada uno de los mtodos sealados tiene su forma propia de
entender la muestra que nos ofrecer la informacin necesaria para realizar
la investigacin. Pero, en general, la opcin ontolgica asumida por todos
ellos (que es estructural-sistmica) nos exige una muestra que no podr es-
tar constituida por elementos aleatorios descontextualizados (como es, la
mayora de las veces, la informacin recogida a travs de cuestionarios pre-
concebidos), sino por "un todo" sistmico con vida propia, como es una
persona, una institucin, una etnia o grupo social, etc. Por ello, se impone la
profundidad sobre la extensin y la muestra se reduce en su amplitud num-
rica, y se explicitan los criterios conceptuales para su escogencia, segn su
relevancia para los objetivos de la investigacin. Sin embargo, conviene
escogerla de forma que estn representadas de la mejor manera posible las
variables de sexo, edad, nivel socioeconmico, profesin, etc., segn el ca-
so, ya que su informacin puede ser diferente y hasta contrastante.
Las Categoras. No hay categoras preconcebidas, previas a la investiga-
cin. Si el investigador las tiene en su mente, es porque las ha tomado de
otras investigaciones, de otras muestras, realizadas por otros investigadores
en otros lugares. Las verdaderas categoras que conceptualizarn nuestra
realidad deben emerger del estudio de la informacin que se recoja, al hacer
el proceso de "categorizacin". No obstante, se podra partir de un grupo de
categoras preestablecidas, con tal de que se utilicen con mucha cautela y
como algo provisional hasta que no se confirmen, y no se deje uno llevar
por la tendencia (cosa muy fcil y natural) de rotular la nueva realidad con
viejos nombres.
Las Variables. Tampoco hay variables (ni dimensiones) preconcebidas,
ya sea que se consideren independientes o dependientes, pues provendran,
igualmente, del estudio de realidades exgenas a la nuestra. Las verdaderas
variables de nuestra realidad emergern tambin cuando, despus de la ca-
tegorizacin, iniciemos el proceso de teorizacin, es decir, cuando se anali-
cen-relacionen-comparen-y-contrasten las categoras.
La Categorizacin y la Teorizacin. Estos dos procesos constituyen
la esencia de la labor investigativa. Una buena investigacin no puede que-
dar al nivel emprico, pues no sera investigacin propiamente dicha; "la
ciencia consiste en crear teoras", sola decir Einstein. El fin de la teoriza-
cin (y de la categorizacin que le precede) es lograr estructurar una imagen
representativa, un patrn coherente y lgico, un modelo terico o una autn-
tica teora o configuracin del fenmeno estudiado, que le d sentido a to-
das sus partes y componentes. Tambin aqu, hoy da, estn disponibles ms
de una docena de programas de computacin que facilitan la parte tcnica
de ambos procesos: programas que manipulan, ordenan, organizan y hasta
tratan de interpretar y teorizar con los datos cualitativos (ver Martnez M.,
1994a, p.77).

Los Resultados (Informe Final). Los resultados de una investigacin
cualitativa se exponen en lo que se llama el "Informe Final". Este informe
no se limita a exponer unos resultados aislados de la investigacin como tal,
sino que tambin ilustra el proceso por medio del cual se lleg a las estruc-
turas particulares de los casos estudiados y a la estructura general, o
estructuras generales, que los integran.
6. Cronograma de actividades y costos
Este breve sector ayuda a poner los pies en tierra. Algunas personas siempre
los tienen, pero hay otras para las cuales este punto puede jugar un papel
determinante en todo el proceso de su trabajo y le puede evitar momentos
desagradables y hasta traumticos. Por ello, no conviene omitirlo.
7. Bibliografa
La bibliografa debe ser suficiente y actualizada para demostrar que se ex-
plor el rea respectiva en forma adecuada. En el estudio de las realidades
humanas, deben figurar, sobre todo, los autores que han estudiado nuestra
realidad, aunque no tengan la autoridad o renombre de los extranjeros que
estudiaron su realidad. Esto es debido al hecho, ya sealado, que las reali-
dades humanas estn constituidas por un entramado tan complejo de rela-
ciones y variables, que configuran entidades singulares y nicas y, por lo
tanto, las conclusiones de otras investigaciones lejanas no son transpolables
a nuestro medio.

Como conclusin general, podramos dar la siguiente idea: hay muchas
formas de hacer las cosas bien. Para lograr una de ellas, es necesario que el
investigador, especialmente si es muy joven, no se sienta presionado en una
determinada direccin que le impida usar su mejor dotacin y la riqueza que
lleva dentro de s. El mismo Bridgman fundador del operacionalismo y
Premio Nobel de fsica dice, paradjicamente, que "no existe un mtodo
cientfico como tal (...); el rasgo distintivo ms frtil de proceder del cient-
fico ha sido el utilizar su mente de la mejor forma posible y sin freno al-
guno".
Bibliografa

---, (1983). "Una metodologa fenomenolgica para la investigacin psicolgica y educati-
va". Anthropos, 6, 110-134.
---, (1984). "La investigacin terica: naturaleza, metodologa y evaluacin". Perfiles
(USB-NUL), 15, 33-52.
---, (1986). "La capacidad creadora y sus implicaciones para la metodologa de la investi-
gacin". Psicologa (UCV), XII(1-2), 37-62.
---, (1988). "Enfoque sistmico y metodologa de la investigacin". Anthropos, 16, 43-56.
---, (1989). Ethnography: etep by step. Newbury Park, CA: Sage.
---, (1989a). "El mtodo hermenutico-dialctico en las ciencias de la conducta". Anthro-
pos, 18, 85-111.
---, (1989b). Comportamiento Humano: nuevos mtodos de investigacin. Mxico: Trillas.
---, (1993a). "El proceso creador a la luz de la neurociencia". Comportamiento (USB), 2, 1,
3-22.
---, (1993b). "La etnografa como alternativa de investigacin cientfica". Simposio Inter-
nacional de Investigacin Cientfica: una Visin Interdisciplinaria. Bogot.
---, (1993c). El Paradigma Emergente: hacia una nueva teora de la racionalidad cientfi-
ca. Barcelona: Gedisa.
---, (1994a). La investigacin cualitativa etnogrfica en educacin. Manual terico-
prctico. 2 edic. Mxico: Trillas.
---, (1994b). La investigacin interdisciplinaria. Argos, N 19, 143-156.
---, (1996a). El desafo a la racionalidad cientfica clsica. I Congreso Internacional Multi-
disciplinario sobre los Desafos del Siglo XXI. Universidad Central de Venezuela.
---, (1996b). Comportamiento humano: nuevos mtodos de investigacin. 2 edic. Mxico:
Trillas.
.
__________. "Investigacin y experiencia en las Escuelas Normales". En: Educa-
cin y Pedagoga. vol. 8. No. 16. Universidad de Antioquia. Medelln. 1996.
ARY, Donald, et.al., Introduccin a la investigacin pedaggica. McGraw-Hill.
Mxico, 1990.
BIBLIOGRAFA
BISQUERRA, Rafael. Elementos de teora cientfica. En: Mtodos de investiga-
cin educativa. Barcelona: Ediciones CEAC. Barcelona. 1989.
Bogdan R. y Biklen S. (1982). Qualitative research for education. Boston: Allyn y Bacon.
Campbell, Donald T. y Stanley, Julin C. Diseos experimentales y cuasiexpe-
rimentales en la investigacin social. Amorrortu editores. Buenos Aires, 1978.
De Landsheere, Gilbert. La investigacin educativa en el mundo. Fondo de Cul-
tura Economica. Mxico, 1996.
De Tezanos, Aracelli. "Innovacin e Investigacin: algunas distinciones para con-
versar". Seminario-Taller de Formacin en Investigacin Etnogrfica. Centro de
Investigaciones de la Universidad Pedaggica Nacional-CIUP. Santaf de Bogot.
18 al 22 de mayo de 1998.
Drass K.A. (1980). A computer program for the analysis of qualitative data. Urban Life, 9,
332-353.
Ebbutt Dove y Elliott John. Por qu deben investigar los profesores? En: La
Investigacin Accin en Educacin. Colecciones Pedagoga (manuales) Ediciones
Morata. 1985.
Elliott, J. La investigacin-accin en educacin. Morata. Madrid, 1994.
Erickson F. (1986). "Qualitative methods in research on teaching". En Wittrock M.: Hand-
book on research on teaching. Nueva York: Macmillan.
ESCOBEDO D. Hernn. "Mtodo de enseanza de la fsica." En: Pedagogas
Constructivistas, Pedagogas Activas y Desarrollo Humano. Memorias. I En-
cuentro Internacional y IV Nacional.
Fetterman D. (ed) (1988). Qualitative approaches to evaluation in education: the silent
scientific revolution. Nueva York: Praeger.
Geertz, Cifford. Gneros Confusos. La refiguracin del pensamiento Social. En:
El surgimiento de la Antropologa Posmoderna. Barcelona. Gedisa, 1992.
Glaser B. y Strauss A. (1976). The discovery of grounded theory. Chicago: Aldine.
Goetz J. y LeCompte M. (1984). Ethnography and qualitative design in educacional re-
search. Nueva York: Academic Press.
Guba, Egon y Lincoln, Yvonna S. Effective Evaluation. San Francisco, Jossey
Bass, 1982.
Habermas, J. "Teora analtica de la ciencia y la Dialctica." En: Popper,K. La
Lgica de las Ciencias sociales. Mxico, Grijalbo,1978.
Hctor Fabio Ospina y Ligia Lpez (Comp.). Universidad de Manizales,RED,
Cinde, Manizales, 1997.pp 187-211.
Howe, Kenneth. Against the quantitative-qualitative incompatibility. Thesis or
dogmas die hard. Educational Researcher. Vol. 17, No.8. 1988. pp 1-150.
Jaramillo, Jaime. De la sociologa a la historia. Ediciones Uniandes. Santaf de
Bogot, 1994.
Jonich-Clifford, G. Educational Research: History, en L.C. Deigton (comp.),
The Encyclopedia of education, vol. 7, Nueva York, Macmillan and Free Press,
1971. Citado por De Landsheere, 1996.
Kemmis, Stephen, Mctaggart, Robin. Cmo planificar la investigacin accin.
Barcelona, Laertes. 1988.
Kerlinger, Fred N. Investigacin del comportamiento. Interamericana. Mxico.
1975.
Kirk J. y Miller M. (1985). Reliability and validity in qualitative research. Beverly Hills,
CA.: Sage.
Konstantinov, N.A., et al.. Editorial Pueblo y Educacin. La Habana, 1974. Histo-
ria de la pedagoga
Kuhn, Thomas. La estructura de las revoluciones cientficas. Fondo de Cultura
Econmica. Mxico, 1975.
Lakatos I. y Musgrave, A. La crtica y el desarrollo del conocimiento. Barcelo-
na. Grijalbo, 1975.
Lincoln Y. y Guba E. (1985). Naturalistic inquiry. Beverly Hills, CA: Sage.
Lofland J. (1971). Analyzing social settings: a guide to qualitative observation and analy-
sis. Belmont, CA: Wadsworth.
Martnez M. (1982). La Psicologa Humanista: fundamentacin epistemolgica, estructura
y mtodo. Mxico: Trillas.
Miles M. y Huberman A. (1984). Qualitative data analysis: a sourcebook of new methods.
Beverly Hills, CA: Sage.
Mller de Ceballos, Ingrid. Los orgenes de la Universidad Investigativa. Centro
de investigaciones de la Universidad Pedaggica Nacional-CIUP. Santaf de Bo-
got, 1995.
Pfaffenberger B. (1988). Microcomputer applications in qualitative research. Newbury
Park, CA: Sage.
Polkinghorne D. (1983). Methodology for the human sciences: systems of inquiry. Albany:
State Univ. of New York Press.
Popper, Karl R. Bsqueda sin trmino. Una autobiografa intelectual. Tecnos.
Madrid, 1994.
Radnitzky G. (1970). Contemporary schools of metascience. Gteborg: Akademifrlaget.
Reason P. y Rowan J. (eds) (1981). Human inquiry: a sourcebook for new paradigm re-
search. Chichester (Ingl.): Wiley.
Reichardt, Ch y Cook, T.D. Mtodos Cualitativos y Cuantitativos en Investiga-
cin Evaluativa. Morata. Madrid. 1986.
Restrepo. G. Bernardo. Investigacin en Educacin. Programa de Especializa-
cin en Teora, Mtodos y Tcnicas de Investigacin Social. ICFES-ASCUN.
CORCAS editores. Santaf de Bogot. 1997.
Smith L. (1983). Publishing qualitative research. American Education Research Journal,
24, 2, 173-183.
Spindler G.D. (ed) (1988). Doing the ethnography of schooling: educational anthropology
in action. Nueva York: Holt.
Strauss A. y Corbin J. (1990). Basics of qualitative research. Beverly Hills, CA.: Sage.
Taylor S. y Bogdan R. (1990). Introduccin a los mtodos cualitativos de investigacin: la
bsqueda de significados. Buenos Aires: Paids.
Tesch R. (1990). Qualitative research. Analysis types and software tools. Philadelphia, PA:
Falmer Press.
Van Maanen J. (ed) (1983). Qualitative methodology. Beverly Hills, CA: Sage.
Zuluaga, Olga Luca et al. "Pedagoga, didctica y enseanza". En: Educacin y
Cultura. No. 14. Bogot, Marzo, 1988.

01 Libro Investigación Educativa PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

01 Libro Investigación Educativa PDF

Загружено:

Авторское право:

Доступные форматы

Universidad Nacional Pedro Ruiz Gallo

Вам также может понравиться