Cómo Plantear y Responder Preguntas de Manera Científica

2
Metodología de las Ciencias del Comportamiento y de la Salud
Directores:
Antonio Pardo Merino
Miguel Ángel Ruiz Díaz
3
4
5
6
Introducción
PARTE 1
PLANTEAMIENTO VÁLIDO DE PREGUNTAS Y POSIBLES

RESPUESTAS
1. Identificación de conceptos planteados
1.1. Identificar las funciones de objeto de estudio y su contexto
1.1.1. Ampliaciones
1.2. Identificar los tipos de contenidos
1.2.1. Ampliaciones
1.3. Identificar los tipos de estructuras
1.3.1. Ampliación: patrón de covariación
1.3.2. Otras ampliaciones
1.4. Identificar los tipos y números de valores
1.4.1. Ampliaciones
1.5. Identificar los modos de expresión
1.5.1. Ampliaciones
1.6. Identificar los niveles de expresión
1.6.1. Ampliaciones
7
1.7. Identificar los códigos de expresión
1.7.1. Ampliación: sistemas de categorías y escalas
1.8. Recapitulación
2. Validez de los conceptos planteados
2.1. Evaluar la precisión de los conceptos
2.2. Evaluar la diferenciación de los conceptos
2.3. Evaluar el ajuste de los conceptos
2.4. Ampliaciones
2.4.1. Conexiones entre propiedades, y entre estas y las dimensiones
2.4.2. Validez de las relaciones: causalidad
3. Planteamiento de nuevas preguntas y posibles respuestas
3.1. Plantear preguntas y respuestas a partir de la precisión conceptual
3.1.1. Recursos ilustrativos de las competencias de innovación referidas a

precisión
3.2. Plantear nuevas preguntas y respuestas a partir de la diferenciación

conceptual

diferenciación
3.3. Plantear preguntas y respuestas a partir del ajuste conceptual
8
ajuste
3.4. Validez y dimensiones de conceptos en la heurística de la ciencia
PARTE II
RECOGIDA VÁLIDA DE DATOS
4. Recogida de datos
4.1. Identificar y decidir el carácter confirmatorio o exploratorio de la

recogida de datos
4.2. Identificar y decidir el diseño de la recogida de datos
4.3. Identificar y decidir el método de la recogida de datos
4.4. Identificar o decidir la técnica de la recogida de datos
5. Precisión en la recogida de datos
5.1. Evaluar y procurar la precisión en la recogida de datos
5.2. Evaluar y procurar la replicabilidad en la recogida de datos
6. Ajuste en la recogida de datos
6.1. Evaluar y procurar el ajuste en la recogida de datos
7. Diferenciación en la recogida de datos
9
7.1. Evaluar y procurar la diferenciación en la recogida de datos
8. Válidez en la recogida de datos
8.1. Las propiedades de validez en la recogida de datos
8.2. Conexiones entre las propiedades de validez
8.3. Validez en cada diseño, método y técnica de recogida de datos
8.3.1. Influencias de los diferentes diseños y métodos sobre la validez de

las recogidas de datos
8.3.2. Denominaciones de validez según dimensiones
PARTE III
ANÁLISIS VÁLIDO DE DATOS
9. Análisis de datos
9.1. Identificar y decidir el análisis en función de los datos obtenidos o a

obtener
9.2. Identificar y decidir el tratamiento de los datos
9.3. Identificar y decidir la interpretación de los datos
10. Validez del análisis de datos
10.1. Evaluar y procurar la validez de los datos analizados o a analizar
10
10.2. Evaluar y procurar la validez del tratamiento de datos
10.3. Evaluar y procurar la validez de las interpretaciones
PARTE IV
CULMINACIÓN VÁLIDA DEL PROCESO INVESTIGADOR
11. Conclusiones y comunicación de lo investigado
11.1. Identificar y plantear conclusiones
11.2. Analizar y elaborar informes de investigación
12. Validez de conclusiones y de la comunicación de lo investigado
12.1. Evaluar y procurar la validez de las conclusiones
12.2. Evaluar y procurar la validez de la comunicación
13. Ética en el trabajo científico
13.1. Ética en las competencias científicas
Epílogo
Adenda
Bibliografía
11
12
Con frecuencia se leen y escuchan defensas y negaciones del carácter
científico de trabajos, ideas, proyectos o datos. Términos como rigor,
objetividad, validez o calidad científica son abundantemente usados como
criterios para apoyar o descalificar planteamientos y resultados. La duda en
muchas ocasiones es si esos términos son usados de manera precisa y
significativa, o no pasan de ser meros baluartes o arietes verbales con los que
defender o atacar trabajos y planteamientos pero sin implicar un análisis
fundamentado.
La presente obra trata de mostrar las claves más relevantes para entender y
ejercitar el proceder de la ciencia, sus principales rasgos y requisitos
definitorios. Ese entendimiento es la base para dos cosas: para plantear
preguntas y responderlas con el fin de conocer la realidad o intervenir en ella
con las mayores garantías posibles, y para identificar qué preguntas y
respuestas ya planteadas tienen suficientes características para ser aceptadas
como científicas.
El proceso de plantear y responder preguntas con la mayor corrección

posible supone investigar, y también conforma cualquier práctica profesional
del ámbito científico. En consecuencia, toda práctica profesional supone una
investigación que debe realizarse de manera adecuada. Por ello, este texto
pretende ser útil tanto para quienes siendo profesionales quieran avanzar en
confianza metodológica de la labor que vienen realizando, como para el
estudiantado que ha de formarse en su disciplina con las claves del
desempeño científico. Para ambos tipos de destinatarios el libro trata de
aportar autonomía, facilitando actuar correctamente en términos
metodológicos sin necesidad de consultar con expertos cada decisión a tomar,
ni seguir mecánicamente y sin comprensión cabal lo hecho por otros. El texto
pretende ser pues un manual de autoayuda metodológica, una guía de las
competencias a desarrollar, presentadas como series de indicaciones o listas
de comprobación a seguir.
13
Pero ¿qué puede entenderse por ciencia? En este texto se la considera el
tipo de actividad desarrollada por el ser humano a lo largo de la Historia para
intentar generar y estructurar conocimiento sobre el universo y actuar sobre
éste, haciéndolo con las mayores garantías posibles de corrección o calidad.
Tradicionalmente, el término ciencia se ha usado en referencia a un tipo de

producto, entendido como el conjunto de conocimientos válidos o correctos.
Sin embargo, a partir de la revolución científica de los siglos XVI y xvii,
especialmente gracias a autores como Galileo Galilei (1564-1642), se añadió
el énfasis en que la ciencia es sobre todo un modo de obtener conocimientos
válidos, una manera que permite aportar las mayores garantías o apoyos
posibles con los que convencer a otros. La ciencia quedó así caracterizada por
sus procedimientos o método y no sólo por sus resultados.
En este énfasis por los procedimientos mediante los que convencer a otros
fue crucial entender el papel de la comunicación entre los diferentes
miembros de las incipientes sociedades científicas de la época, uno de los
rasgos principales de la actividad científica tal como puede ser entendida hoy
en día. La comunicación entre profesionales de la ciencia es elemento central
de esta, y requiere la descripción adecuada de los conceptos, instrumentos,
procedimientos y resultados con el fin de permitir a otros la evaluación de lo
obtenido y la replicación de lo realizado. En consecuencia, el consenso -
término que significa compartir sentidos - entre profesionales, basado no en
el capricho u otros criterios arbitrarios sino en la mayor cantidad posible de
conceptos y datos válidos, y por ello comunicables y replicables, puede ser
señalado como elemento sobresaliente de la actividad científica
contemporánea.
A partir de lo señalado pueden indicarse diversas características de la

ciencia tal como es concebida en este texto. La primera de ellas es que es
actividad humana. Aunque sea obvio, es importante tener en cuenta que los
desarrollos y logros constitutivos de la ciencia están basados en capacidades
comunes del ser humano, como atención selectiva, percepción, razonamiento
o pensamiento analítico-sintético entre otras. Ello permite concebir la
actividad científica contemporánea desde la óptica de la democratización del
14
conocimiento y su producción, ya que no es un ejercicio reservado a unos
pocos seres excepcionales. Es cierto que su práctica requiere a veces
considerables dosis de preparación y esfuerzo, pero esa exigencia no es muy
diferente a la de muchas otras actividades humanas que pretenden ser
realizadas correctamente.
Por ser humana, la científica comparte características con actividades de

otro tipo. Una de ellas es ser empírica, en el sentido de basarse en la
experiencia - del latín experiri, que significa comprobar-, de apoyarse en
conocimientos derivados de la observación o experimentación de eventos.
También es lingüística, ya que en todos sus actos están implicados conceptos,
muchos de los cuales se expresan en forma de hipótesis, leyes o conclusiones.
Y además es colectiva, ya que la adquisición y transmisión de conocimientos
tiene sentido respecto a otras personas, siendo básico someter los propios
planteamientos al escrutinio ajeno y acceder así a consensos. Sólo con el
concurso de la colectividad es posible desarrollar sistemas de conocimientos
y procedimientos para avanzar en los diferentes campos de la ciencia.
Otras características son más específicas de la actividad de la ciencia. Una

de ellas es su carácter epistémico, en cuanto que pretende conocer lo que se
entienda como realidad. Ese conocimiento incluye la descripción de los
hechos estudiados y de sus porqués, lo que permite predecir nuevas
ocurrencias de ellos y, en muchos campos, intervenir produciendo cambios.
Asimismo la ciencia es procedimental, dado que el "saber cómo" es el
complemento necesario del "saber qué" y la vía por la que se adquiere la
experiencia y se alcanzan consensos colectivos. También es sistemática, en
cuanto que cada concepto o unidad de conocimiento sólo adquiere pleno
sentido al ser relacionado con otros, formando todos ellos un conjunto
organizado más o menos amplio de conocimientos.
Todas estas características se integran en otra de tipo finalista, de la que

reciben un mismo sentido: la pretensión de universalidad. Universalidad en el
sentido de una única versión de conocimiento, una formulación lingüística
común, consensuada a partir de su validez o corrección para cualquier
persona en cualquier momento o lugar. Y se añade "pretensión" porque la
15
universalidad en sentido estricto es inalcanzable, pues los logros de la ciencia
están en permanente evolución y caben distintas perspectivas sobre unos
mismos hechos. A pesar de eso, el conocimiento que pretende la ciencia es de
ámbito general, de aplicabilidad a todos los casos y fenómenos de la temática
en estudio, y ello aunque las circunstancias y posibilidades de los estudios los
limiten a determinados ámbitos particulares. Cuando se estudian estos
ámbitos limitados, por muy relevantes que sean por sí mismos, suelen
tomarse como casos o concreciones de lo universal que en último término se
desearía estudiar.
La figura L 1 esquematiza las características señaladas de la ciencia.

Partiendo de la más básica, la de ser humana, muestra las compartidas con
otras actividades y las más específicas de la ciencia, facilitando cada una de
ellas con sus respectivos énfasis una universalidad que trascienda las
particularidades a través de un sistema de conocimientos lo más estructurado
y fundamentado posible.
En la medida en que esté presente ese conjunto integrado de características

o rasgos, tendrá sentido hablar de ciencia, ya sea en su versión de ciencia
básica dedicada fundamentalmente a la descripción, explicación y predicción,
o tecnológica, cuyo objetivo principal es la resolución de problemas de
utilidad práctica.
Por lo expuesto, la ausencia de uno o más de esos rasgos indicará el

carácter no científico de las actividades que se consideren. La calificación de
"acientífico" no implica ningún matiz peyorativo o descalificador planteado
desde una supuesta superioridad de la ciencia respecto a otras disciplinas. Esa
descalificación sólo tiene sentido respecto a aquellas actividades - las
paracientíficas - que pretenden pasar por lo que no logran ser. En tal sentido,
las características aquí comentadas serán útiles para que cada quien pueda
fundamentar su propio juicio sobre actividades como la quiromancia,
astrología, futurología y otras similares que no cumplen entre otros con el
carácter empírico y la preocupación por la validez en sus procedimientos y
conclusiones, impidiendo el consenso basado en datos claros y repetibles.
16
Figura L1. Características de la actividad científica.
Otras actividades no son científicas ni pretenden serlo y por tanto ni son

mejores ni peores que la ciencia, sino sencillamente distintas porque son
otros sus objetivos y modos de proceder. El Arte, por ejemplo, en cualquiera
de sus manifestaciones, no tiene como objetivo la descripción de los hechos
de la realidad, sino producir sensaciones. Y la Filosofía, aunque comparte
con la ciencia el objetivo del conocimiento, opta por vías en las que el rasgo
empírico no es primordial, ni tampoco necesariamente la precisión a la que
dicho carácter empírico colabora.
Las características señaladas de la ciencia quedan plasmadas en este texto

en términos de varios rasgos. El primero son las competencias desarrolladas
por quienes hacen ciencia, entendiendo por competencia el conjunto de los
siguientes componentes: logros referidos al objetivo considerado en cada
ocasión, obtenidos a partir de ciertas actividades, llevadas a cabo con
determina dos instrumentos tanto conceptuales como materiales, y todo ello
en contextos más o menos específicos. Las dos competencias que titulan esta
17
obra, plantear preguntas y obtener respuestas, son las centrales que dan
sentido e integran al resto. La primera supone el planteamiento de preguntas
y objetivos, y la segunda integra la recogida de datos, el análisis de estos, las
conclusiones que puedan alcanzarse, y la comunicación de todo ello en caso
de que se entienda de interés.
El segundo rasgo utilizado en este texto es asumir que las competencias

señaladas se desarrollan y suceden en la práctica de manera variada, sin
seguir una secuencia lineal y sí salpicada de detenciones o atascos en
determinados momentos, avances más rápidos de lo esperado en otros, con
derivaciones y cambios de rumbo. No obstante, a pesar de todas esas
irregularidades, resulta posible describir a grandes trazos el desarrollo de la
ciencia en términos de una sucesión de dos tendencias o vías generales
mutuamente enriquecedoras y retroalimentadas. Una es la vía inductiva, en la
que la mayoría de los avances se basan en intuiciones, ideas vagas o
insuficientemente delimitadas pero que representan lo máximo que en ese
tema y momento se tiene a disposición o logrado; esas ideas genéricas suelen
dar pie a acciones también más intuitivas que planificadas de antemano y, en
lugar de ajustarse a un diseño o esquema conductor previamente detallado,
aparecen como decisiones tomadas en cada momento a partir de lo hecho
hasta entonces. La otra vía de avance es deductiva, al desarrollarse a partir
sobre todo de conocimientos bien delimitados, lo que permite planificar de
antemano la mayoría o totalidad de decisiones a tomar y pasos a dar.
Ambas vías resultan complementarias o mutuamente facilitadoras. La

inductiva puede y suele conducir a datos que dan lugar a objetivos bien
delimitados, que a su vez pueden ser investigados de manera planificada
llevando a respuestas fundamentadas y a nuevas preguntas. De estas, algunas
estarán bien delimitadas, mientras que otras serán más intuitivas.
En definitiva, la sucesión de ambas vías de desarrollo científico tanto a

nivel de personas concretas como de la comunidad científica se da en una
espiral creciente y frecuentemente irregular, pero que tiende a ampliarse en
cada ciclo de inducción-deducción al incorporar nuevos problemas y nuevas
respuestas, integrados unos entre sí y otros inconexos durante algún tiempo.
18
Esas dos tendencias o vías con sus respectivos énfasis, la primera en lo
abierto, exploratorio y particular o idiosincrásico y la segunda en lo
estructurado, confirmatorio y normativo o generalizable, son orientaciones
que a grandes trazos han sido utilizadas para distinguir a los llamados
métodos cualitativos y métodos cuantitativos, respectivamente. Aunque esas
dos posibilidades son concebidas a veces como irreconciliables y
radicalmente diferentes, en este texto y en el sentido que ahora se comenta
son consideradas respectivamente respuestas apropiadas a estados incipientes
o desarrollados de las cuestiones consideradas, y que se ven mutuamente
enriquecidas a la vez de ser enriquecedoras de las temáticas que abordan.
Esta perspectiva más integradora, aunque con diferentes énfasis o matices, ha
ido apareciendo en la literatura bajo el nombre de métodos mixtos (Johnson y
Onwuegbuzie, 2004) con numerosas publicaciones, incluida alguna revista
específica sobre el tema, como el Journal of Mixed Methods Research.
Otro rasgo que el presente texto considera clave es que todas las
competencias de la ciencia, integrantes de esa sucesión en espiral creciente,
tienen la posibilidad de desarrollarse y ser consideradas a distintos niveles,
con enfoques más micros o macros. En ocasiones conviene considerar
molecularmente determinados conceptos y acciones, descendiendo a
pequeños detalles de unos u otras. Otras veces, en cambio, el enfoque debe
ser molar, referido a varios conceptos o acciones de una investigación, a toda
una investigación al completo, o abarcando a más de una investigación. Y al
igual que las vías inductivas y deductivas de avance, las perspectivas
moleculares y molares se complementan entre sí, siendo ambas necesarias
para un desarrollo eficiente de los temas abordados.
En resumen, la presente obra ofrece una perspectiva del método de la

ciencia tanto para evaluar los estudios propios o ajenos ya hechos, como para
llevar a cabo los que se precisen. Y lo hace en los siguientes términos. Las
cuatro competencias señaladas como centrales - planteamiento de preguntas,
búsqueda de respuestas mediante recogida de datos, análisis de estos y
aprovechamiento de todo ello en conclusiones y su comunicación, incluyendo
la atención a la ética de las investigaciones - son:
19
1.Presentadas cada una en una parte diferente.
2.Consideradas en la diversidad de situaciones con mayor o menor

estructuración que se suceden en espiral inductiva-deductiva no siempre
regular.
3.Contempladas a niveles molares y moleculares.
Además, todas esas competencias son:
4.Entendidas en términos de una misma serie de dimensiones o

perspectivas que la Metodología ha identificado en todo concepto;
5.Evaluadas según su validez o corrección, en términos de tres

propiedades comunes: precisión de cada elemento de la competencia,
diferenciación entre todos ellos, y ajuste de todos a sus respectivos
referentes.
Estos aspectos señalados pueden ser resumidos como un modelo sobre el

método de la ciencia en términos de Competencias detalladas en Dimensiones
y Propiedades de Validez comunes.
20
Figura 1.2. Plantear y responder preguntas de manera científica en la presente
obra.
Al utilizarse como marco general, el modelo subsume y estructura un

amplio número tanto de términos y conceptos metodológicos, provenientes
21
de muy diversas fuentes y épocas, como de técnicas y procedimientos. Para la
mayoría de ellos el texto ofrece referencias con las que profundizar en su
conocimiento y posibilidades, preferentemente de elaboraciones escritas en
castellano de las fuentes originales, que en todo caso quedan reseñadas en los
trabajos referidos.
Por responder todo el texto al modelo señalado, se recomienda una lectura

lineal y progresiva del mismo (ver figura 1.2). Si se desea hacer lecturas
comprensivas siguiendo otra secuencia o de algún capítulo en particular, se
necesitará de todos modos el conocimiento de los capítulos 1 y 2, al ser los
que exponen los elementos centrales del modelo: dimensiones conceptuales y
propiedades de validez respectivamente.
En todas esas posibilidades, las lecturas del texto pueden abreviarse

sustancialmente cuando así se desee omitiendo los ejemplos que ilustran cada
indicación guía. Estos, en todo caso, han sido elegidos por su sencillez y
facilidad de comprensión cualquiera que sea la profesión o ciencia social o de
la salud en la que se ubique cada persona que los lea.
22
La competencia central tratada en esta parte inicial es el planteamiento válido
de preguntas y posibles respuestas. Su sentido es facilitar la resolución de
problemas, consistentes en alguna laguna, contradicción o dificultad en los
conocimientos y procedimientos existentes. Es una concreción sobre todo de
las características epistémica y sistemática de la ciencia, además de la
lingüística presente en toda actividad humana.
Los componentes de dicha competencia son los siguientes (ver figura

11.1). Los logros pretendidos son las citadas preguntas y posibles respuestas.
Los instrumentos conceptuales implicados son los conocimientos sustantivos
y metodológicos de quien investiga, poseídos previamente o adquiridos en la
propia investigación. Los instrumentos materiales varían según los casos,
siendo en muchos de ellos papel y lápiz con los que hacer anotaciones,
ordenadores y programas informáticos para búsquedas bibliográficas y
manejo de archivos con distintos fines, datos existentes y colegas a quienes
pueda pedirse opinión o consejo, ya sea a distancia o personalmente en
congresos u otros tipos de reuniones profesionales. Las actividades relevantes
son las de manejo y aprovechamiento de los conocimientos y materiales
recién señalados. El contexto en el que tiene lugar todo ello es algún ámbito
profesional, como consultas clínicas, instituciones educativas, barrios
23
marginales, centros penitenciarios, empresas de determinados sectores
productivos, o laboratorios universitarios, cada uno con sus normas de
funcionamiento, marco ambiental, elementos humanos y materiales, y un
determinado número de otras características. A ello hay que sumar el
contexto de quienes pretenden el planteamiento de preguntas y respuestas,
sus condiciones personales y profesionales.
Además, siempre cabe la posibilidad de que inadvertidamente se utilicen

instrumentos conceptuales y materiales y se realicen actividades que puedan
tener influencia en los logros obtenidos o a obtener.
Figura I1.1. Elementos de la competencia de plantear preguntas.
El planteamiento de preguntas y posibles respuestas debe hacerse en

ciencia de modo que cumpla con las propiedades constitutivas de validez.
Ello es así a pesar de que tradicionalmente sólo se exijan en las competencias
de recogida y análisis de datos a la vez que se reclama plena libertad en
plantear preguntas y respuestas. En este texto se entiende que esa libertad es
recomendable para los procedimientos con los que lograr nuevos
planteamientos, pero una vez logrados estos deben ser revisados según su
validez, la cual en el contexto de esta competencia se puede denominar
conceptual. En la medida en que no la cumplan, al menos podrán ser paso
intermedio hacia otros planteamientos.
Al tratar de resolver problemas, las preguntas y respuestas que se planteen
24
deben tener en cuenta lo ya existente en la temática que se considere. Si esas
preguntas ya están suficientemente planteadas y respondidas de manera
válida, no es usual volver a investigarlas. Por ello, antes de tratar en el
capítulo 3 el planteamiento o generación de nuevas preguntas y respuestas,
los capítulos 1 y 2 consideran respectivamente cómo identificar las ya
planteadas por uno mismo o por otros y cómo evaluar su validez conceptual.
Todas esas competencias están expresadas en tales capítulos en términos de
otras moleculares o más particulares a seguir.
25
En ciencia, tanto si se desea conocer lo existente en una temática, como si se
pretende formular y responder preguntas, lo primero que hay que hacer es
analizar e identificar los conceptos ya planteados. Dicho análisis permitirá
averiguar si ya se han hecho preguntas de interés y, en caso afirmativo, si han
sido respondidas o si por el contrario tiene sentido comenzar el proceso de
búsqueda de nuevas preguntas o respuestas.
El principal instrumento que este capítulo ofrece para esas tareas es la

serie de siete dimensiones que pueden encontrarse en todo concepto y que
han sido extraídas de la metodología de la ciencia por Moreno, Martínez y
Chacón (2000).
1.1. Identificar las funciones de objeto de estudio y su contexto
Como señalaba la Introducción a esta obra, cualquier competencia científica,

ya sea plantear hipótesis, recoger datos o formular conclusiones, utiliza las
capacidades de todo ser humano en su plenitud de funciones. Aunque parezca
una verdad de Perogrullo, es importante tenerlo en cuenta porque la actividad
científica se basa precisamente en aprovechar esas capacidades de forma
consciente y sistemática. Una de ellas es poder focalizar la atención en
aquello que interesa en un momento dado, lo que a su vez es la base para la
capacidad analítica. Un ejemplo es la posibilidad de mantener una
conversación en un lugar muy ruidoso, como una calle con mucho tráfico o
una gran concentración de personas gritando, donde el oyente ha de
seleccionar los elementos estimulares necesarios para entender lo que le
26
cuenta el interlocutor y responder apropiadamente.
Eso mismo ocurre en la actividad científica. Dado que pueden ser muy
numerosos los conceptos considerados, los profesionales han de centrarse en
algunos en cada ocasión, dejando al resto en un segundo plano.
Por ello es necesario distinguir lo central y lo secundario en cualquier

actividad que pretenda ser científica, determinando así la función de cada
concepto. Los siguientes párrafos indican cómo hacerlo.
A) Identifique el objeto de estudio
El objeto de estudio es la parte considerada como núcleo de un

planteamiento. Corresponde al interés principal de quien lo enuncia, el foco
central al que atiende, ya sea como problema a estudiar o como posible
respuesta. Por eso, para identificar el objeto de estudio es útil plantearse
preguntas como "qué se quiere estudiar" o "cuál es la temática que recibe el
principal interés".
Ejemplos. Si se pretende observar las conductas inadaptadas de un grupo

de menores ingresados en un centro de internamiento, el foco de atención se
centra en esas conductas, que son así el objeto de estudio. Si se deseara
conocer el tipo de personalidad predominante en ese grupo de menores, el
objeto de estudio sería el mencionado tipo de personalidad.
B) Señale el contexto del objeto de estudio
El contexto es todo aquello que no recibe el foco central de objeto de

estudio. Es complementario a este en cuanto enmarca a lo que recibe la
atención principal. En las ciencias sociales y de la salud, el contexto incluye a
las personas de las que se toma el objeto de estudio, las circunstancias y
elementos de tipo espaciotemporal y personal, y los procedimientos que se
utilizan para su estudio. Por ello, ayudan a delimitar el contexto preguntas
como "a quién se pretende estudiar", "en qué momentos y lugares" y "con qué
instrumentos".
27
Ejemplos. Cuando en un párrafo anterior se planteaban como objeto de
estudio las conductas inadaptadas, el contexto venía señalado por la edad de
los participantes - menores-, el lugar donde se encuentran - centro de
internamiento - y el procedimiento de recogida de datos - técnicas de
observación-; no queda explícita la ubicación temporal, aunque puede
suponerse que es el momento coetáneo al planteamiento de la pregunta. En
otro caso, si se pretende estudiar la posible efectividad de una terapia
psicológica contra la depresión en un grupo de pacientes de un Centro de
Salud Mental un determinado año, el objeto de estudio será la posible
efectividad de la terapia psicológica sobre la depresión, planteada en el
contexto formado por los participantes - grupo de pacientes - más el espacio y
tiempo señalados - Centro de Salud Mental en ese año-.
1.1.1. Ampliaciones
Expuestas las dos funciones que pueden recibir los conceptos, conviene
añadir algunos comentarios. Así se hará también con el resto de dimensiones.
En el proceso de aprender a identificar los objetos de estudio y contextos

tenga en cuenta errores que suelen cometerse. Uno de ellos es señalar como
objeto de estudio a la persona o colectivo de la que se extrae el objeto de
estudio que realmente interesa. Así sería si en los ejemplos del apartado 1.1
se señalaran como objeto de estudio a los menores del centro de
internamiento y al grupo de pacientes, respectivamente. Cometer esos errores
supone razonar que esas personas o grupos son los que interesa estudiar,
olvidando que en realidad lo que centra la atención son una o más de sus
características, quedando el resto como contexto. Otro error que ha de
evitarse es entender que en las expresiones verbales siempre aparece señalado
en primer lugar el objeto de estudio y después el contexto. La expresión "En
Sevilla, número de habitantes" muestra que eso no es así. Conviene por tanto
ser consciente de que la identificación de esta dimensión debe hacerse por la
función que recibe cada concepto y no por criterios lingüísticos.
En un conjunto de conceptos, las identificaciones de unos como objetos de

estudio y otros como contexto no son independientes entre sí, ya que por
28
definición adquieren función de contexto los que no reciben la atención
central. La identificación de todo objeto de estudio conlleva la del resto de
conceptos como contexto, estén explicitados o no. Por esta razón, debe
tenerse en cuenta que la delimitación que se haya hecho del contexto nunca
puede ser completa, ya que siempre será posible añadir aspectos no tenidos
en cuenta o mantenidos implícitos hasta entonces.
La identificación de determinados conceptos como objeto de estudio y

contexto no es invariable. Conceptos que en un momento son objetos de
estudio pueden ser planteados en otro momento como elementos de contexto
y viceversa. En un determinado momento puede interesar, por ejemplo,
averiguar la edad de un grupo de miembros de una asociación de senderistas,
mientras que en otro momento podría contemplarse la edad media de ese
grupo de senderistas como el contexto en el que decidir qué tipo de rutas
serían más aconsejables para ellos.
Ese intercambio de funciones es posible porque, como se desprende de las

definiciones de cada una de ellas, ambas dependen de quien plantea un
determinado problema o situación de estudio, de lo que considere atributos o
aspectos más relevantes para cada momento y situación.
La función es la dimensión que muestra la decisión de quien enfoca el

objeto de estudio, sin que ello obvie la influencia que ejerce la comunidad
científica de la que se forma parte. Esa interacción entre lo individual y lo
colectivo de la acti vidad científica configura los límites de lo que es tenido
en cuenta o no por la comunidad en un momento y lugar determinado,
mediante un paradigma o conjunto de creencias y prácticas que configuran a
una comunidad científica en un momento dado (Kuhn, 1962/1975).
1.2. Identificar los tipos de contenidos
Como se indicó en la Introducción al texto, la ciencia trata de lograr

conocimientos acerca de cualquier aspecto que se entienda con existencia
real. En esa tarea, resultan innumerables las temáticas o contenidos tomados
como objetos de estudio y contextos, reflejo de la complejidad que trata de
29
estudiarse y que origina la necesidad de organizarla en categorías genéricas.
En este sentido, suele distinguirse entre las nociones de sistema o unidad

en estudio y su entorno, siendo la organización interna del sistema y los
intercambios de información, materia o energía con su entorno los principales
objetos de estudio (Bertalanffy, 1968/1993). Átomos, moléculas, células,
tejidos, órganos, aparatos, individuos, poblaciones o sociedades son sistemas
o unidades de diferentes disciplinas.
En lo que sigue se utilizan estas ideas como guía para identificar los
diferentes tipos de contenidos.
A) Identifique el sistema considerado y sus contenidos
En todo planteamiento ha de identificarse cuál es el sistema del que

interesa conocer algún aspecto o característica, es decir, algún contenido.
Cada una de las ciencias sociales y de la salud utiliza diferentes

denominaciones para sus sistemas de interés, tales como instituciones,
empresas, grupos sociales, colectivos, pacientes, usuarios o participantes, que
en este texto y en el marco de investigación son unificadas en la de sujetos.
Ejemplos. Si un profesional del departamento de recursos humanos es

requerido para estudiar el rendimiento laboral de un determinado trabajador,
éste es el sujeto en tal caso, y son contenidos de sujeto todas sus
características como individuo, es decir su edad, género, personalidad, estado
de salud, preferencias y opiniones, entre otras muchas que puedan interesar.
Si interesan las relaciones personales entre los miembros de una familia que
están acudiendo a un terapeuta, el sistema bajo escrutinio es toda la familia,
siendo sus diferentes características los contenidos de sujeto.
B) Identifique el medio del sistema y sus contenidos
El medio del sistema que se considere es el entorno o ambiente que lo

rodea de manera más o menos directa y natural. Puede estar conformado por
30
objetos, hechos o circunstancias, y también por otros individuos o grupos
diferentes a los considerados como sujetos. Todas las características de ese
entorno, ya sean espacio-temporales, físicas, biológicas, psicológicas o
sociales, son consideradas contenidos de medio.
Ejemplos. Considerando como sujeto al trabajador del ejemplo del

apartado anterior, serían contenidos del medio los elementos materiales con
los que trabaja, los tiempos y los espacios físicos en los que lo hace, así como
sus compañeros de trabajo y sus superiores en la estructura de la empresa,
entre otros muchos aspectos no explicitados. En cambio, si el interés se
centrara en uno de los jefes de ese trabajador, dicho jefe sería el sujeto del
nuevo caso, mientras que el trabajador que antes era sujeto pasaría a ser
considerado ahora parte del medio del nuevo sujeto.
C) Señale los contenidos investigativos
Los contenidos de sujeto y medio, o del sistema y su entorno, constituyen

las temáticas de interés de las actividades científicas. Y cuando de considerar
esas temáticas se pasa a estudiarlas, aparecen otros elementos, que son las
personas que investigan y sus instrumentos. Las características de esas
personas y de los instrumentos que utilizan para su trabajo constituyen el
tercer tipo de contenidos, los investigativos.
Estos contenidos podrían considerarse también de medio en cuanto que en

los estudios forman parte del entorno del sujeto. Sin embargo, es útil
segregarlos en una categoría específica para considerar las posibles
influencias de estos aspectos ajenos al medio natural de los sujetos.
Ejemplos. Lo que hace y dice quien investiga cuando está en contacto con
los sujetos, y lo que interviene en el medio para hacer su labor, son algunos
contenidos investigativos, al igual que un cuestionario u otros instrumentos
que utilice y todas sus características.
1.2.1. Ampliaciones
31
Evite el error de considerar que toda persona implicada en una situación de
estudio es sujeto de la investigación. Recuerde que "sujeto" se refiere a
aquellos individuos de los que interesa conocer algún aspecto, mientras que
otros individuos que acompañen a dicho sujeto se considerarán parte de su
medio. Asimismo, evite considerar como contenidos de sujeto aquellos que
son de su entorno más próximo y habitual, como los objetos que posee o la
vivienda que habita.
Las tres categorías señaladas son complementarias. Los contenidos de

sujeto y medio engloban a las temáticas constitutivas de las ciencias, y los
investigativos se originan al estudiar esas temáticas. Los dos primeros no
alcanzarían su pleno interés si no fueran estudiados, de igual manera que los
investigativos no tendrían pleno sentido si no sirvieran para estudiar los
contenidos del sistema y su entorno. También son complementarios en cuanto
que no totalmente independientes, ya que la identificación de un sujeto y sus
contenidos conlleva considerar de medio al resto, interesando segregar en
ellos los investigativos como categoría diferente.
El hecho que personas o grupos sean en un momento dado elementos del

medio o investigativos no es obstáculo para que pasen a ser los sujetos de un
nuevo estudio. Así ocurre, por ejemplo, cuando los padres de un niño en
tratamiento se convierten a partir de un momento dado en sujetos de la tarea
del profesional que los atiende. En los estudios metodológicos sobre
instrumentos construidos por un profesional, estos pasan a ser el sistema del
estudio, mientras que las personas estudiadas con dicho instrumento son parte
del medio.
El cambio de contenidos se da también cuando, como es usual en

metodología cualitativa, se resalta que los sujetos pueden ser a la vez agentes
de la investigación aprovechando que en el tema en estudio están implicados
más directamente que quien conduce la investigación. En definitiva, cambiar
el foco al que se dirige la atención principal puede cambiar la calificación de
los contenidos considerados.
Puesto que tanto la definición de sujeto o sistema como la de objeto de
32
estudio se basan en el foco de atención central de cada caso, conviene
diferenciar ambas nociones, al igual que debe hacerse con sus
complementarias de medio y contexto (ver figura 1.1).
La clave está en recordar que las nociones mencionadas se refieren a dos

dimensiones de los conceptos, dos perspectivas diferentes para considerarlos.
Una señala la función de objeto de estudio o contexto concedida a cada
concepto. La otra dimensión refiere en cambio el contenido de cada uno de
esos conceptos.
33
Figura 1.1. Función y tipos de contenido.
En consecuencia, son posibles las combinaciones de casos de una y otra

dimensión. Tanto las características del objeto de estudio como las del
contexto pueden ser de sujeto, de medio e investigativos. La figura 1.2
representa diferentes posibilidades. Sus óvalos sombreados representan tres
objetos de estudio. El contenido de uno de ellos (a) sería sólo de sujeto, como
por ejemplo la personalidad y aficiones de un trabajador que interesara
estudiar. Otro de los objetos de estudio (b) incluye características de medio y
de sujeto, como ocurre al preguntar si el tamaño de la sección de una empresa
en la que trabaja ese empleado y la personalidad del jefe de dicha sección -
contenidos de medio - afectan a su rendimiento - contenido de sujeto-. El
tercer objeto de estudio representado (e) incluye características de los tres
tipos de contenido; así sería al estudiar si la actitud de ese trabajador -
contenido de sujeto - varía en función del horario de trabajo y el programa de
incentivos que se diera en su sección - contenidos de medio - y según el
cuestionario con el que estudiar la citada actitud - contenido investigativo-.
Por su parte, las características que no forman parte de cada uno de los
objetos de estudio constituyen por definición el contexto considerado en cada
caso, siendo por tanto de los tres tipos de contenidos.
34
Figura 1.2. Combinaciones de función y tipos de contenidos de conceptos.
En las conjunciones entre la función y el contenido, la única restricción,

derivada de la noción de sujeto o sistema, es que al menos una de las
características del objeto de estudio ha de ser del sujeto o sistema bajo
estudio.
1.3. Identificar los tipos de estructuras
Cada disciplina científica trata de entender de la mejor manera posible los

contenidos de sus objetos de estudio. En estos a veces se aíslan los elementos
más simples, y otras se organizan en relaciones entre ellos, reflejando el
carácter sistemático del trabajo científico. Por eso es fundamental aprender a
identificar las estructuras más o menos simples o complejas de los conceptos
planteados. Los apartados que siguen indican cómo desarrollar esa
competencia.
El análisis de las estructuras de los conceptos puede hacerse tanto si son

objetos de estudio como si son del contexto. Salvo indicación contraria, en
esta y en el resto de dimensiones, los ejemplos estarán referidos a los objetos
de estudio señalados en cada caso.
A) Identifique los conceptos unitarios o variables
Los conceptos de estructura más simple son aquellos que enuncian

contenidos entendidos por sí mismos, como unidades de significado. Por ello
se denominan unitarios, o variables si se desea resaltar el matiz de que esos
conceptos pueden adoptar distintos valores, casos o posibilidades de
ocurrencia.
Ejemplos. Aprendizaje, emoción, personalidad, memoria o cognición

serían conceptos unitarios si se les concede sentido por sí mismos y no
necesariamente completados con otros elementos. Cada uno de ellos puede
considerarse una variable con distintos valores como los siguientes en el caso
del aprendizaje: hubo o no, de tipo motor o verbal, o una determinada
35
cantidad de problemas resueltos.
B) Identifique el número de variables
En el caso de los conceptos unitarios, identifique si están compuestos por

uno o más, denominados respectivamente variables simples y variables
múltiples, o conceptos unitarios univariables y multivariables.
Ejemplos. Estudiar la aptitud intelectual sería abordar una variable simple

o concepto unitario univariable, mientras que dicha aptitud junto con
motivación y personalidad constituiría una variable múltiple o concepto
unitario multivariable.
C) Identifique si hay relaciones planteadas
Además de identificar las variables y el número de ellas, debe identificarse

si hay planteada una relación o asociación entre diversos conceptos. Esta
estructura implica siempre dos términos, correspondiendo cada uno a un
concepto distinto - p. ej., A y B-, más un nexo asociativo explícito, como
muestran las siguientes expresiones: "A y B están relacionados", "A provoca
B", "A es la causa de B", o "B depende de A". En muchas ocasiones, uno de
los dos términos es utilizado como referencia para estudiar si al variar él,
denominado término primero (Pt) o independiente, también lo hace el
segundo (St) o dependiente.
Ejemplos. Son relaciones conceptos como los efectos que sobre el

comportamiento tiene el abuso de sustancias psicotrópicas, o la conexión
entre las experiencias infantiles y la personalidad adulta. En dichas relaciones
señaladas por "efectos" y "conexión" respectivamente, los primeros términos
son el abuso de sustancias psicotrópicas y las experiencias infantiles,
mientras que comportamiento y personalidad son los respectivos segundos
términos. En cambio, en las rela ciones entre longitud de manos y pies, o
entre capacidad torácica y peso, ninguno de los términos recibe de manera
clara la función de primero o segundo, siendo intercambiables como tales.
36
D) Identifique la estructura de las relaciones
Los dos términos de toda relación pueden ser de distintas complejidades.

La estructura relacional más básica, la denominada relación sencilla o
univariable, es aquella en la que sus dos términos son una variable simple.
Ejemplos. Influencia de las horas de estudio sobre el rendimiento, o

aumento del bienestar de una familia debido a la terapia recibida por el hijo
mayor, son relaciones señaladas respectivamente por "influencia" y "debido
a" conectando a las variables señaladas en cada caso como primer término,
"horas de estudio" y "terapia", y como segundo, "rendimiento" y "bienestar".
Otro tipo de relación, la relación múltiple o multivariable, es aquella en la

que al menos uno de sus términos es una variable múltiple. Por ello, toda
relación múltiple es un conjunto de varias relaciones univariábles.
Ejemplos. En algunas de las relaciones de este tipo, el primer término es

una variable múltiple y el segundo una variable simple. Así sucede al plantear
si las horas de estudio y la motivación determinan el rendimiento escolar, lo
que implica por tanto dos relaciones sencillas, señaladas ambas por
"determinan", entre cada una de las dos variables del primer término con la
única variable del segundo término "rendimiento escolar". En otras relaciones
multivariables ocurre a la inversa, siendo el primer término una variable
simple y el segundo una variable múltiple, como al plantearse que el
entrenamiento en pensamiento positivo mejora tanto la habilidad social como
la satisfacción laboral de los sujetos, señalando "mejora" las dos relaciones
sencillas implicadas. Asimismo, hay relaciones múltiples cuyos dos términos
son variables múltiples. Así es la siguiente: efectos de la terapia
farmacológica y de la terapia psicológica sobre el estado de ánimo y sobre la
concentración, ya que conecta cada una de las variables del primer término
con cada una del segundo, lo que queda expresado mediante "efectos de" y
"sobre".
En un último tipo de relación, al menos uno de los términos es a su vez

una relación. Al ser relaciones que incluyen en al menos uno de sus términos
37
otra relación, parece apropiado denominar a este tipo como relación de
relación o relaciones, aunque en la literatura son más conocidas como
relaciones de interacción.
Ejemplo. Sería relación de este tipo postular que el nivel educativo del
paciente determina los efectos de una terapia sobre su ansiedad. Y es que la
variable simple que conforma el primer término, "nivel educativo", aparece
relacionada según señala la expresión "determina" con un segundo término
formado por la relación univariable "efectos de la terapia sobre la ansiedad".
38
Figura 1.3. Expresiones formales y gráficas de distintas estructuras.
La figura 1.3 muestra las diferentes estructuras, representadas formalmente

mediante letras mayúsculas para cada variable, a excepción de la letra R,
reservada para las relaciones, y gráficamente con círculos para las variables y
39
con flechas para las relaciones.
Figura 1.4. Estructura de los conceptos.
Por su parte, la figura 1.4 recoge las principales preguntas que pueden
40
servir de guías para identificar correctamente la estructura de los conceptos
planteados.
1.3.1. Ampliación: patrón de covariación
Establecer y evaluar una relación es algo que los humanos sabemos hacer
desde pequeños, y lo sustancial de ese procedimiento no varía cuando se
realiza en la vida profesional. Así, por ejemplo, si en la vida cotidiana quiere
evaluarse de qué interruptor o interruptores depende el encendido de una
lámpara, se prueba con ellos para ver en cuáles su presión va seguida del
encendido y en cuáles no. En casos como éste y en cualquier otro relacional
en el que se distinga la función de primer y segundo término, el
procedimiento consiste en evaluar si al variar el primer término varía el
segundo, es decir, si se da una variación conjunta entre los valores del primer
término y los del segundo, o en otras palabras, si se da una covariación entre
ambos. Es lo que en expresiones propias de la época ya describió John Stuart
Mill en su obra A System of Logic (1843/1974).
El estudio de la covariación puede describirse mediante un patrón o serie

de requisitos. Conocer dicho patrón permite seguirlo no solo en relaciones
sencillas, que pueden realizarse de manera intuitiva como se hace en la vida
cotidiana, sino en toda relación por compleja que sea. Es lo que muestran las
siguientes competencias.
A) Identifique los dos términos de cada relación
Como se indicó, toda relación ha de estar compuesta por dos términos, a

los que en muchas ocasiones se les asigna una función diferente: el término
primero o independiente es el utilizado como referencia para estudiar si al
variar él, varía el segundo o dependiente.
Recuérdese que según el tipo de relación la estructura de cada término

puede ser cualquiera de las posibles. Ambos serán variables simples en las
relaciones univariables, y al menos uno de ellos será una variable múltiple en
las relaciones multivariábles; en tales casos se habla de variables
41
independientes y dependientes, o de predictoras y criterios según se considere
a las relaciones como causales o no - noción definida al final del capítulo 2-.
En cambio, los términos relacionales de las relaciones de interacción no
deben denominarse variables porque no lo son.
Ejemplos. En la relación univariáble que plantea la influencia que una

determinada terapia psicológica pueda tener sobre el hábito del tabaquismo
de un paciente, el término independiente es la variable terapia y el
tabaquismo actuaría como el término dependiente o criterio. En el estudio de
si la atención en una tarea se ve influida por la complejidad de ésta, el
término independiente es la variable complejidad y el dependiente la
atención. Si además se desea estudiar si esa relación varía con el tipo de tarea,
dicha relación es el segundo término de la de interacción planteada, cuyo
primer término es el tipo de tarea.
B) Compruebe si el primer término tiene al menos dos valores
Identificado el primer término, han de darse en él variaciones o algún

cambio de valores. Sólo así podrá apreciarse posteriormente si se ven
acompañadas por otras del segundo término. Por tanto, el primer término ha
de presentar como mínimo dos valores o posibilidades de ocurrencias.
Ejemplo. En el primero de los ejemplos anteriores, las dos posibilidades

mínimas de la variable independiente podrían ser la "aplicación" o "no
aplicación" de la terapia, o dos o más tipos de ella. En el de la complejidad de
la tarea las posibilidades podrían ser "alta" y "baja", mientras que del tipo de
tarea se podrían considerar "manual" e "intelectual".
C) Compruebe si se han estudiado valores del segundo término ante cada uno
de los valores del primero
Para evaluar las variaciones conjuntas de ambos términos es preciso

identificar también los valores del segundo término que aparecen ante cada
valor del primero.
42
Ejemplos. Siguiendo con las relaciones anteriores, se trata de considerar
qué ocurre en las variables dependientes hábito del tabaquismo y atención
ante cada valor considerado de la terapia y de la complejidad de la tarea
respectivamente. En el ejemplo de la interacción, se tratará de estudiar la
relación existente entre la atención de los sujetos y la complejidad de la tarea,
el segundo término, cuando la tarea es manual y cuando es intelectual, que
son los valores del primer término.
D) Compruebe si se han comparado entre sí los valores del segundo término

estudiados ante cada valor del primero
La comparación entre los distintos valores del segundo término ante cada
valor del primero es lo que va a permitir evaluar la posible covariación entre
los valores de uno y otro término.
Ejemplos. En la relación entre la terapia y el tabaquismo se trata de valorar

los posibles cambios en el hábito de fumar en función de los cambios
establecidos en la terapia; es decir, comparar el hábito de fumar cuando no se
aplica la terapia con el hábito de fumar cuando se aplica dicha terapia. En el
ejemplo de la complejidad y la atención, se requiere ver si son diferentes o no
los valores de la atención ante diferentes valores de la complejidad de la
tarea. En la interacción arriba señalada se trata de comparar si la relación
entre atención y complejidad se presenta con los mismos valores cuando la
tarea es manual y cuando es intelectual.
E) Evalúe la covariación o relación entre los dos términos
A partir de todo lo anterior, se defenderá la covariación entre ambos

términos en la medida que haya diferencias en esa comparación entre valores
del segundo ante cada valor del primero.
Ejemplo. La relación entre complejidad y atención se defenderá en la

medida en que los valores de atención sean diferentes ante los distintos
valores de la complejidad, y entre terapia y tabaquismo en la medida en que
muestre diferencias la comparación de datos de esta variable ante los
43
diferentes valores de terapia.
En el aprendizaje de los requisitos para la identificación de las

covariaciones, resumidos en la figura 1.5, se cometen a veces fallos asociados
al uso de las palabras "relación", "covariación" y "comparación",
concretamente al señalar qué se relaciona, qué puede covariar y qué se
compara. Se relacionan siempre dos términos y sólo dos términos, aunque
cada uno de ellos pueda tener estructuras más o menos complejas. Las
covariaciones son estudiadas entre los valores de un término y los del otro. Y
en ese marco, las comparaciones se establecen entre los valores del segundo,
obtenidos ante los del primero. Por tanto, evite afirmaciones erróneas como
"se compara el primer término con el segundo" o viceversa, "se comparan los
dos términos", o "se relacionan los valores del segundo término entre sí".
44
Figura 1.5. Requisitos de la covariación.
1.3.2. Otras ampliaciones
Procure evitar también los principales errores que pueden cometerse al
45
aprender la identificación de la estructura de los conceptos y que a
continuación se enume ran. Tenga en cuenta que los conceptos unitarios no
tienen por qué corresponder a una sola palabra, ya que en ocasiones pueden
estar expresados por varias de ellas, frases u oraciones, como ocurre con el
concepto "veces que alguien se equivoca y corrige para expresar
aprendizaje". Asimismo, tenga en cuenta que las relaciones pueden
expresarse de muchas maneras, como por ejemplo "efectos", "influencia",
"covariación" o "dependencia", por lo que la clave es identificar la expresión
utilizada para la conexión entre términos. Si no encuentra ninguna indicación
de ese tipo, no identifique el concepto como relación. Cuando la encuentre,
identifique además la estructura de cada término.
Como ocurre con los casos de las dimensiones ya presentadas, las

diferentes estructuras señaladas se complementan entre sí. Tal como están
definidas, cada estructura resulta formarse a partir de las previas o más
básicas, incluyéndolas y añadiéndoles alguna variable o relación. Así una
variable múltiple se forma con varias simples, y una relación entre dos
variables se forma conectando estas. A su vez, una variable múltiple es la
base para relaciones multivariables, y cualquier relación lo es para una de
interacción, la cual puede ser también múltiple si lo es al menos uno de sus
términos ya sea unitario o relacional. Por ello, las estructuras presentadas
constituyen un conjunto exhaustivo de posibilidades.
En la medida que en un campo de estudio se incrementan las variables y

las relaciones entre ellas y dicha estructura alcanza una cierta complejidad o
riqueza, tiende a hablarse de una teoría o modelo sobre el tema en cuestión.
Como sucedía entre dimensiones previas, la estructura es también

combinable con ellas. Es posible encontrar así cualquier estructura tanto en el
objeto de estudio como en el contexto. Las estructuras ejemplificadas hasta
aquí correspondían a objetos de estudio, cabiendo las mismas en los
contextos.
Por ejemplo, si se estudian las respuestas motoras automáticas en menores

de edad, el contexto queda identificado exclusivamente por una variable
46
simple como la edad. En cambio, al estudiar la personalidad de los hombres
neuróticos, el contexto queda delimitado por dos variables, sexo y patología.
Un ejemplo de contexto relacional sería la investigación de la personalidad en
aquellos pacientes que han experimentado una remisión de su fobia gracias a
una determinada terapia, lo que significa que el contexto está caracterizado
por personas que muestran una determinada relación entre terapia y fobia. Si
se especifica además que esas personas son varones y mayores de edad,
entonces el contexto queda delimitado por esas dos variables además de por
la relación señalada.
También será posible encontrar cualquier combinación entre los diferentes

casos de contenido y estructura. Cualquier variable, ya sea simple o múltiple,
puede estar referida a contenidos de sujeto, de medio o investigativos. En las
relaciones, su contenido es el de las variables implicadas, por lo que es
posible también cualquier combinación entre distintos tipos de contenidos.
1.4. Identificar los tipos y números de valores
La capacidad humana de análisis aplicada a cada concepto da lugar a la

noción ya señalada de valores, entendidos como cada una de las
especificaciones que se consideran en un concepto, las distintas posibilidades
en que puede ocurrir un contenido. Así, al igual que "hombre y mujer" son
valores de la variable sexo, los diferentes años cumplidos por las personas lo
son de la variable edad, "presencia y ausencia", u "ocurrencia o no" son los
valores considerados en otros muchos contenidos. Los valores constituyen así
la base para operaciones básicas como clasificar, ordenar o contar objetos o
hechos, concreción del aspecto procedimental de la actividad científica.
Como se muestra a continuación, para identificar los distintos tipos de

valores se recomienda evaluar qué comparación tiene sentido establecer entre
dos valores cualesquiera del concepto analizado.
A) Identifique si el concepto es cualitativo
Si en esas comparaciones entre valores tiene sentido afirmar como mayor
47
especificación si se trata de un mismo valor o de dos diferentes, entonces los
conceptos están expresados con valores cualitativos, también llamados
categorías.
Ejemplo. Considérense las respuestas que un grupo de sujetos encuestados

pueden dar a preguntas sobre su estado civil. Al comparar dos de esas
respuestas cabe señalar si son la misma, como por ejemplo harían dos
divorciados, o diferentes si un sujeto fuera soltero y otro divorciado.
B) Identifique si el concepto llega a ser ordinal
Si en las comparaciones entre valores tiene sentido señalar no sólo la

igualdad o diferencia entre ellos, sino también y como máximo cuál es mayor
en el caso de valores diferentes, el concepto está expresado de manera ordinal
al resultar posible la ordenación de sus valores. Estos valores ordinales a
veces son denominados grados o niveles, y categorías ordinales en otras.
Ejemplos. Las posibilidades de respuesta de un paciente a un tratamiento

en términos de "nula, leve, aceptable, notable o excelente" son ordinales al
igual que los valores "acuerdo, indiferencia o desacuerdo" respecto a un
hecho.
C) Identifique si el concepto es cuantitativo
Hay conceptos en los que, además de poder decidir si dos valores son
diferentes o no y cuál de ellos es mayor o menor, tiene sentido precisar
cuánto o con qué diferencia un valor es mayor o menor que otro. Tales
conceptos están expresados de modo cuantitativo y sus valores se denominan
cantidades. Esas diferencias se basan en un patrón constante de contenido
denominado unidad, o unidad de medida, una distancia fija entre valores
consecutivos. Las cantidades expresan así el número de veces que se repite
esa unidad.
Ejemplos. Son conceptos cuantitativos la longitud en unidades del sistema

métrico decimal y la cantidad de líneas de un texto, siendo las unidades de
48
esos ejemplos un metro y cada línea de texto respectivamente.
D) Distinga el subtipo al que pertenece el concepto cuantitativo
En los conceptos cuantitativos suelen distinguirse dos subtipos, en función

de lo que tenga sentido comparar. En algunos solo tiene sentido hacerlo entre
distancias o diferencias entre valores, mientras que en otros tienen sentido
también las comparaciones de proporciones o razones entre valores. Se
distinguen así, respectivamente, los conceptos cuantitativos de intervalo y de
razón.
Ejemplos. La longitud según el sistema métrico decimal es un concepto

cuantitativo de razón, ya que puede decirse no solo que la diferencia entre
cinco y diez metros es menor que entre uno y diez, sino también que cinco
metros es la mitad de diez; algo similar puede afirmarse del número de
personas presentes en distintas salas o de cualquier variable del sistema
métrico decimal o de tiempo sexagesimal. En cambio, la cantidad de
información sobre un tema, concretada a través de la cantidad de preguntas
de una prueba contestadas correctamente, es considerada una variable
cuantitativa de intervalo y no de razón, ya que no tiene sentido precisar
cuánta es la proporción de conocimiento de quienes han contestado cinco y
diez preguntas, aunque sí comparar si una diferencia entre dos valores es
igual, mayor o menor que otra. Podría argüirse que si una persona responde
diez preguntas ha contestado el doble de otra que haya contestado cinco, y
eso es cierto; pero nótese que en tal afirmación la proporción se ha
establecido con la variable "número de preguntas contestadas correctamente",
distinta a la planteada en el ejemplo cómo es la "cantidad de conocimiento
sobre el tema".
Las comparaciones de distancias o proporciones que se dan en los

conceptos cuantitativos son posibles al poder señalarse el origen a partir del
cual comienza lo que se estudia, como ocurre con el inicio de un segmento o
cuando empieza a haber algún objeto de los que se desea contar. A partir de
ese origen puede establecerse una unidad o distancia fija entre valores, que
por tanto puede contarse cuántas veces se da. Lo que sucede es que en los
49
conceptos cuantitativos de razón ese origen corresponde al valor mínimo
posible u origen absoluto del fenómeno en cuestión, mientras que en los de
intervalo el origen es convencional.
Ejemplos. En la escala centígrada de temperatura, el valor 00 no

corresponde a la ausencia de temperatura. En consecuencia, aunque las
unidades o distancias entre valores son fijas, como lo son cada uno de los
cien grados que se identifican entre el punto de congelación y de ebullición
del agua pura, no admiten comparación de proporciones por estar hechas a
partir de un origen convencional. Por eso no tiene sentido afirmar que 40 °C
grados es el doble de temperatura que 20 °C.
E) Identifique el número de valores en el concepto analizado
Además del tipo, resulta necesario analizar el número de valores de cada

concepto planteado. Los cualitativos y ordinales pueden tener dos o más
valores, llamados en consecuencia conceptos dicotómicos y politómicos
respectivamente.
Ejemplos. Son dicotómicos el concepto sexo, con sus dos valores de

"hombre y mujer", el "superar o no un examen", "ser o no adolescente", o
"tener menos o más de 18 años". Son politómicos los conceptos ordinales
mencionados con los grados de acuerdo "totalmente de acuerdo, algo de
acuerdo, indiferencia, algo en desacuerdo o totalmente en desacuerdo", o
nivel de estudios con los valores "ninguno, primarios, secundarios y
superiores", o el cualitativo tipos de deportes con balón con valores como
"baloncesto, balonmano, balompié, balonvolea u otros".
Los valores cuantitativos son todos politómicos y por ello son

diferenciados en función de si entre dos valores cualesquiera caben o no
teóricamente infinitos valores, tipos denominados respectivamente continuos
y discretos. Nótese la especificación de "teóricamente"; es decir, si son
posibles o no esos infinitos valores. Eso significa que para calificar un
concepto de cuantitativo continuo no es necesario encontrar todas esas
posibilidades, lo que nunca ocurre al ser infinitas.
50
Ejemplos. La edad en años resulta una variable cuantitativa continua, ya
que entre dos de sus valores pueden señalarse años, meses, días, horas y así
sucesivamente. Es similar a lo que ocurre con la cantidad de euros, con las
unidades del sistema métrico decimal o con las unidades sexagesimales de
tiempo. Por su parte, la cantidad de correos recibidos por una persona, el
número de días en los que se hacen horas extras y la cantidad de hijos de una
persona son conceptos cuantitativos discretos, porque entre dos valores de
cada uno de ellos no caben infinitos valores; no tiene sentido afirmar por
ejemplo que alguien ha recibido medio reconocimiento social o que un
empleado tiene 3,5 hijos, algo que sí tendría sentido si se hablase del número
medio de hijos por empleado, al tratarse de un cociente.
51
Figura 1.6. Tipo y número de valores de los conceptos.
La figura 1.6 muestra una guía con las sucesivas decisiones a seguir para
considerar el tipo y número de valores de un concepto.
52
1.4.1. Ampliaciones
Para una identificación más significativa del tipo de valores considere que, tal
como han sido definidos, cada uno resulta ser una especificación más
detallada que el anterior. Los valores ordinales añaden a los cualitativos la
posibilidad de precisar cuál de dos valores diferentes es mayor o menor,
añadiendo los cuantitativos a los ordinales la posibilidad de precisar la
diferencia de unidades entre ambos si son de intervalo, y también la
proporción si son cuantitativos de razón.
La progresiva pormenorización que suponen los distintos tipos de valores

implica también la posibilidad inversa de renunciar al detalle de un nivel,
centrándose en otro menor. Por ejemplo, hay estudios en los que detallar
cuantitativamente la edad de los sujetos en años no aporta una información
especialmente útil, prefiriéndose expresarla en términos ordinales con los
valores de "infancia, adolescencia, juventud, madurez y senectud". En casos
como este se prescinde de lo característico de lo cuantitativo para considerar
lo propio de lo ordinal tan solo, al igual que en otros se renuncia a lo
característico de lo ordinal para considerar lo cualitativo. Así ocurre al
utilizar los valores de "adolescencia y no adolescencia", cualitativos por
contener el segundo valores superiores e inferiores a la adolescencia.
Lo recién señalado permite distinguir que hay conceptos cualitativos y

ordinales que son derivaciones de otros ordinales y cuantitativos
respectivamente, y otros que no tienen esa procedencia y por tanto son la
expresión más detallada posible del concepto en cuestión. Este segundo es el
caso de la variable sexo al no derivarse sus valores de ninguna consideración
ordinal.
Una vez más conviene tener presente que es posible la combinación entre
la dimensión recién presentada y las anteriores. En efecto, los valores, sean
cuales sean su tipo y número, lo son de conceptos. Y puesto que tanto los
objetos de estudio como los contextos son conceptos, en ambas funciones
podremos encontrar cualquiera de los valores posibles. Asimismo, todas esas
posibilidades pueden darse independientemente de que el contenido de tales
53
conceptos sea de sujeto, medio o investigativo. Baste con un ejemplo. Hay
contenidos cualitativos de sujeto como el sexo, ordinales como el nivel de
acuerdo con una opinión, y cuantitativos como el número de pasos dados en
un tiempo determinado. Algo similar puede decirse respecto a los contenidos
del medio e investigativos.
También porque los valores lo son de conceptos, podrán encontrarse sus

diferentes tipos y números tanto en variables como en relaciones. Todos los
ejemplos de valores expuestos hasta aquí eran de variables y por tanto
ilustran esos casos. En las relaciones, los tipos de valores aparecen en la
expresión de la conexión o nexo entre los términos conectados. Por eso podrá
identificarse una relación cualitativa cuando se encuentre que el término
dependiente "cambia" cuando lo haga el independiente, o cuando los valores
del dependiente sean "diferentes" al serlo los del término independiente. Por
su parte, estarán expresadas en términos ordinales relaciones que señalen que
los valores de la variable dependiente "incrementan", "aumentan", "mejoran"
- o "disminuyen" o "empeoran" - de grado o nivel en función de los valores
de la independiente. Y cuando señalen cuánto aumentan o disminuyen esos
valores al cambiar los de la independiente, la relación será considerada en
términos cuantitativos.
Es importante tener en cuenta que los distintos tipos de valores recién

señalados son de la relación entre variables y no de éstas. Por eso pueden
encontrarse diferentes conjunciones entre unos y otros. Así, por ejemplo, una
relación cualitativa podrá establecerse entre variables con valores cualitativos
como ocurrencia o no, ordinales como grado de acuerdo, o cuantitativos
como número de palabras escritas.
1.5. Identificar los modos de expresión
Como señalaba la Introducción al texto, la actividad científica es lingüística y

colectiva, ya que la comunicación entre colegas es parte esencial del método
para llegar a consensos. Esa comunicación ha de hacerse a través de distintos
modos de expresión de los conceptos, como se expone a continuación.
54
A) Identificar en cada concepto si su expresión es por extensión
Los conceptos se expresan por extensión cuando se señalan uno o más de

sus valores o posibilidades.
Ejemplo. El concepto edad queda expresado por extensión al señalar

valores como 15, 18 y 24 años, y el de inteligencia, cuando se señalan niveles
como "baja, media y alta".
B) Identificar en cada concepto si su expresión es por comprensión
Los conceptos están expresados por comprensión cuando señalan una o

más características compartidas por los diferentes valores del concepto
definido. Por ello suponen una mención global del concepto, sin especificar
sus valores.
Ejemplos. Las siguientes son expresiones por comprensión: Edad de un

sujeto entendida como "tiempo transcurrido desde el momento de su
nacimiento", e inteligencia considerada como "capacidad de adaptación a
situaciones nuevas".
1.5.1. Ampliaciones
Al igual que las definiciones por comprensión pueden señalar una o varias
características comunes a todos sus valores, las expresiones por extensión
pueden implicar uno o más valores. El concepto edad queda expresado por
extensión al señalarse varios valores, pero también cuando se indica tan solo
uno, como, por ejemplo, 25 años.
Cada modo de expresión tiene su propia razón o utilidad, siendo ambas

complementarias entre sí. La extensión es adecuada para detallar las
posibilidades de ocurrencia de un concepto, y la comprensión aporta
economía a las expresiones al señalar lo común a los diferentes valores. La
extensión exige tener claro cuáles son los valores del concepto, y la
comprensión exige una abstracción de lo compartido por todos los valores.
55
Por otra parte, no se olvide que lo considerado en un determinado análisis
como valor de un concepto, en una expresión por extensión, puede constituir
en otro análisis todo un concepto expresado por comprensión, que por tanto
tendrá sus propios valores. Por ejemplo, "calle" puede considerarse uno de
los valores del concepto "elementos de una ciudad", a la vez que puede
considerarse en otro momento como el concepto de interés, del que
considerar valores como "calles A, B y U.En consecuencia, un mismo
contenido puede pasar de considerarse expresado por extensión a estarlo por
comprensión o viceversa.
Como ocurre a las dimensiones previas, los dos modos de expresión

pueden darse en todos los conceptos, independientemente de su función,
contenido, estructura y tipo de valores. En el caso de estructura, y al igual que
las variables, las relaciones también pueden ser expresadas por comprensión
y extensión. El primer caso se da cuando son especificadas con palabras
como dependencia, influencia, conexión, nexo o la propia de relación, entre
otras. Por extensión, las relaciones quedan expresadas al señalar el valor de la
comparación entre valores del término dependiente obtenidos ante distintos
valores del independiente. Así se hace cuando se indica que el
comportamiento de un determinado grupo es "diferente" al de otro grupo, o
que la atención de una persona "empeora" cuando aumenta la duración de la
tarea.
1.6. Identificar los niveles de expresión
Otra dimensión de los conceptos es el nivel de expresión o especificación

empírica en el que están expresados. Señala la mayor o menor posibilidad de
reconocer los contenidos de un concepto en un determinado contexto
espacio-temporal. Esta dimensión de la actividad científica combina el
aspecto expresivo propio de la comunicación con la capacidad de percepción
sensorial, que es la base de la experiencia. Lo que sigue indica cómo
identificar ambos niveles.
A) Identifique si el concepto está expresado a nivel observable
56
Los conceptos expresados a nivel observable son aquellos que en función
de dicha expresión resultan reconocibles en espacios y tiempos determinados.
Ejemplos. Número de palabras de un texto, fecha de nacimiento indicada

en el permiso de conducción de vehículos, y opciones marcadas en un
cuestionario son conceptos expresados a ese nivel empírico.
B) Identifique si el concepto está expresado a nivel abstracto
Los conceptos también pueden estar expresados en términos no empíricos,

o abstractos, de modo que por sí mismos no permiten la identificación de su
contenido en espacios y tiempos concretos, lo que en todo caso no impide
entender lo que expresan.
Ejemplos. "Actitud positiva del público hacia una conferenciante" no

expresa un contenido observable si no se traduce a expresiones directamente
perceptibles como ausencia de conversaciones en dicho público durante la
conferencia, ausencia de personas que en ese tiempo salen de la sala,
duración de los aplausos al acabar la conferencia, o número de preguntas y
felicitaciones que recibe la conferenciante al final de su intervención.
1.6.1. Ampliaciones
Los dos niveles de expresión están conectados entre sí. Los conceptos
observables se consideran y denominan también indicadores de los
abstractos, mientras que estos se consideran constructor, construidos a partir
de varios indicadores para resumir lo común a ellos. El constructo "actitud
positiva hacia una conferenciante" podría derivarse de los indicadores
mostrados más arriba, de igual modo que sonrisas y miradas que se dirigen
dos personas o la cantidad de veces que se les ve juntos podrían dar lugar al
constructo "buena relación" entre ellas.
Conviene y es posible añadir subtipos a la diferenciación

indicadorconstructo. Como se ha dicho, los indicadores son conceptos
observables, es decir, con la capacidad o posibilidad de ser observados en
57
espacio y tiempo concretos. Pero cuando esa posibilidad o potencialidad se
convierte en hecho, cuando de "observable" pasa a "ya observado" en uno o
más de sus valores en un determinado contexto espacio-temporal, el concepto
constituye un dato o evidencia. En lo que respecta a los constructos, su
expresión más abstracta es una simple etiqueta que sustituye y da por sabida
la delimitación de su contenido. Por tanto, la dupla constructo-indicador se
amplía con las posibilidades recién señaladas dando el conjunto "etiqueta-
constructo-indicador-dato".
Por ejemplo, de la duración de los aplausos al terminar una conferencia

como indicador de la actitud positiva hacia quien la pronuncia, un dato sería
constatar que duró más de tres minutos, y de la buena relación entre dos
personas un dato sería que en la última semana hubieran pasado juntas más
de tres horas, tres días o más. Por su parte, las propias expresiones utilizadas
de "actitud positiva" y "buena relación" son etiquetas que sustituyen a las
definiciones que caracterizarían de manera abstracta esos dos conceptos.
Para utilizar adecuadamente esa gama de posibilidades conviene tener en

cuenta que la distinción entre la observabilidad o no de una expresión no es
siempre clara, pudiendo no coincidir diferentes personas en su apreciación
sobre una misma expresión. Ello ocurre porque la observabilidad de un
concepto no es algo universal sino ligado a la historia personal de quien la
evalúa. Por eso, quien no ha aprendido por ejemplo las nociones psicológicas
de reforzamiento y discriminación operantes no podría identificar que en un
aula están ocurriendo continuamente procesos de ese tipo.
Por ello, cuando en la práctica profesional un concepto supuestamente

empírico genera dudas, la solución consiste en modificar la definición hasta
que permita el acuerdo entre varios profesionales. Supóngase que en un
listado de conductas a observar en un aula de educación infantil una de ellas
aparece expresada como "el alumno llora y grita". Puede suceder que haya
quien considere que esa expresión permite registrar la ocurrencia de lo que
indica, y quien la considere no suficientemente empírica al dudar si
determinados sonidos del alumno son llanto, grito o canto. En casos como
este se impone precisar en mayor medida las expresiones dudosas añadiendo
58
detalles que permitan el acuerdo en la observabilidad de la nueva expresión.
Para una correcta identificación de los niveles utilizados en las expresiones

debe evitarse un error común al comienzo del aprendizaje de esta dimensión.
Consiste en tomar por observables a expresiones abstractas debido a que
quien hace el análisis añade, sin percatarse de ello, indicadores que conoce
pero que no están explicitados en las expresiones analizadas. Así sucede si se
señala como observable la etiqueta "afición al deporte" al considerar que
pueden observarse fácilmente acciones como asistir a partidos de fútbol o
balonmano, ver retransmisiones deportivas o charlar sobre ese tema.
Por último, y al igual que en las anteriores, es posible encontrar las

combinaciones de los niveles de especificación empírica con el resto de
dimensiones al ser independientes todas ellas entre sí. Por eso tanto el objeto
de estudio como el contexto podrán estar expresados como constructos o
indicadores, al igual que todo tipo de contenido y estructura, y cualquiera que
sea el tipo y número de sus valores. Igualmente, son posibles todas las
combinaciones entre los diferentes niveles y modos de expresión de
conceptos, y por tanto todas ellas pueden ser encontradas en los conceptos
que se analicen. En el cuadro 1.1 se ejemplifican esas cuatro posibilidades
aplicadas a un determinado concepto, como el de "inteligencia".
Cuadro 1.1. Ejemplos de combinaciones de niveles y modos de expresión
59
1.7. Identificar los códigos de expresión
La expresión de los conceptos, fundamental para la transmisión del

conocimiento, la evaluación por pares y la posibilidad de llegar a consensos
entre colegas requiere sistemas compartidos de signos o códigos. Los
sistemas acuñados en la actividad científica son fruto, por un lado, de las
capacidades humanas y sus posibilidades de operar sobre los objetos, y por
otro, de la propia historia de consensos y convenciones que han ido
conformando la cultura científica como sistemática y procedimental.
Los diversos conjuntos de signos utilizados para la comunicación en el

ámbito científico pueden ser resumidos en tres códigos básicos de expresión,
mostrados a continuación.
A) Identifique los códigos de expresión utilizados en cada concepto
Uno de los códigos es el verbal, ya sea oral o escrito, otro es el

numéricoformal, y un tercero el gráfico o ¡cónico. El verbal consiste en el uso
de idiomas naturales para expresar conceptos. El numérico-formal supone
usar dígitos y símbolos que los representan según determinados dominios
matemáticos o lógicos. El tercer tipo de códigos expresa conceptos mediante
iconos, formas o dibujos y disposiciones espaciales.
Ejemplos. Un código verbal es el castellano utilizado en este párrafo,

compuesto por palabras. Códigos numérico-formales suponen el uso de
ecuaciones, funciones o matrices matemáticas. Código gráfico es el utilizado
en histogramas y ciclogramas, o los diagramas de flujo y cuadros presentados
en este mismo capítulo.
Para ser entendido adecuadamente, cada código de expresión debe ser

utilizado según determinadas reglas semánticas y sintácticas que indiquen el
significado de cada elemento y el modo en como este se engarza con el resto.
De tal manera, al igual que hay que atenerse a las normas del idioma en que
se escriba, así debe hacerse cuando se utilizan fórmulas matemáticas y
gráficos.
60
Ejemplos. Así se hace cuando se usan correctamente los paréntesis en
expresiones algebraicas, o cuando en ejes de coordenadas se colocan los
valores de la variable dependiente en el eje vertical o de ordenadas y los de la
independiente en el horizontal o de abscisas.
1.7.1. Ampliación: sistemas de categorías y escalas
Las posibilidades o ventajas de cada tipo de código, y la complementariedad

entre ellos, dan como resultado que según las ocasiones se considere
adecuado utilizar solo uno de ellos o más de uno. Cuando es uno solo, lo más
frecuente es que sea el verbal, denominándose clasificación, taxonomía o
sistema de categorías cada concepto así expresado, especialmente cuando es
por extensión indicando distintos valores o categorías. La enumeración de
conductas posibles de un alumno de primaria en clase, o de tipos de
personalidad son ejemplos de dichos sistemas o clasificaciones. Los términos
mencionados se aplican por analogía, también a las expresiones con códigos
icónicos de diferentes valores o categorías de un concepto, como ocurre con
las indicaciones de aseos públicos para hombres o mujeres mediante
imágenes.
Cuando se usa más de un tipo de código, la asociación más usual se da

entre los verbales y numéricos. Así se hace en las preguntas de muchos
cuestionarios, asignando un número determinado a cada valor o categoría de
preguntas cualitativas u ordinales, como las siguientes: "Indique su sexo:
Hombre - 0; Mujer - 1" o "Indique su grado de acuerdo con la política
económica de este gobierno: Muy en desacuerdo - 0; En desacuerdo - 1; De
acuerdo - 2; Muy de acuerdo - 3". Y aunque sea menos frecuente, los
números también pueden acompañar a expresiones graficas o icónicas, que a
veces son los propios objetos, como una cinta métrica o los dorsales de los
jugadores de fútbol. En cualquiera de los casos, la conjunción de números a
expresiones verbales o icónicas se denomina escala.
Esa asignación de números tiene diversas utilidades o fines, especialmente

la mayor facilidad de manejo de los números respecto a las expresiones
verbales. Piense en el caso de que se tuvieran 500 respuestas de sujetos que
61
han contestado en un cuestionario a la pregunta de qué sexo son. Es evidente
que resulta más fácil manejar los números "0" y "1" que las palabras
"Hombre" y "Mujer". Además, teniendo dígitos en lugar de palabras se abre
la posibilidad de operar con ellos matemáticamente y en consecuencia
obtener informaciones o resultados adicionales difíciles o imposibles de
obtener con otros códigos.
En las escalas, la asignación de números a los valores del concepto

expresado verbal o irónicamente debe hacerse en función del tipo de tales
valores.
Si estos son cualitativos, como los del sexo preguntado en un cuestionario,

la asignación de números a esas categorías deberá respetar lo característico de
los valores considerados. Cada valor del concepto deberá recibir un único
número, diferente al asignado a otros valores. En tales ocasiones, los números
no indican orden ni cantidad, sino tan solo valores del concepto al que
acompañan. Por ello, por actuar los dígitos como etiquetas, este tipo de
escalas se denominan nominales. Es lo que ocurre, por ejemplo, con los
números asignados a los teléfonos, a los documentos personales de identidad,
o a los dos sexos en una pregunta de encuestas.
Si los valores son ordinales, los números asignados deberán ajustarse a la

graduación entre valores diferentes, característica de ese tipo de valores. A
cada valor diferente le deberá corresponder un número diferente, debiéndose
ordenar todos ellos de manera creciente o decreciente para que a valores
superiores le correspondan números superiores, o inferiores si así se
especifica. Es lo que ocurría en el ejemplo de escala arriba expuesto sobre
grados de acuerdo con la política económica del gobierno. En todo caso, al
tratarse de un concepto ordinal, la distancia o diferencia entre valores no es
significativa, por lo que tampoco lo es la diferencia entre números. Ello
significa que puede usarse cualquier conjunto de números siempre que vayan
aumentando o disminuyendo en correspondencia a los valores del concepto,
cualquiera que sea la diferencia entre ellos.
Eso ya no es así en las escalas cuantitativas. En estas, ya sean de intervalo
62
o de razón, ha de respetarse la asignación del número siguiente por cada
nueva unidad contada. Así se hace al contar el número de personas presentes
en un aula.
En definitiva, el significado de los números en cada escala depende del

tipo de valores del concepto al que se asignan, siendo este el que les da un
significado de meras etiquetas como en las escalas cualitativas, de graduación
en las ordinales y de cantidad en las escalas de intervalo o de razón. En
ciencia, los números no tienen significado por sí mismos, este depende del
concepto al que acompañan.
Por lo señalado, ha de analizarse qué puede o no afirmarse con los

números en cada ocasión, evitando el error de entender que todos los
números significan cantidad. Si se olvida esa variedad de significados,
pueden afirmarse cosas incorrectas. Por ejemplo, no tendría sentido que
alguien se vanagloriara por tener un número de teléfono mayor que otro, ya
que al ser un concepto cualitativo ese orden es solo aparente y no real. Y
tampoco lo tendría afirmar que el valor 4 del concepto ordinal "grado de
acuerdo con el hecho X" supone el doble de acuerdo que el valor al que se
haya asociado un 2, y ello porque ni las distancias ni las proporciones son
defendibles en los conceptos ordinales.
Por otra parte, el sentido de cada tipo de código de expresión y de las

combinaciones entre ellos radica en que cada uno aporta lo que el resto no
hace en igual medida, resultando así mutuamente complementarios. El verbal
permite la versatilidad y riqueza de los lenguajes naturales, el numérico-
formal aporta precisión, síntesis, generalidad y potencia de uso, mientras que
el gráfico tiene la ventaja de su expresividad con considerable eficiencia.
Para aprovechar las utilidades de cada tipo de código la ciencia suele

utilizar más de uno en sus expresiones. Por eso, los resultados obtenidos en
una investigación suelen expresarse de manera verbal complementada
mediante representaciones gráficas y numéricas. A su vez, algunas de estas
representaciones aúnan más de un tipo de códigos de expresión, como ocurre
con tablas de resultados que para mayor claridad distribuyen espacial o
63
gráficamente la información que contienen, siendo esta verbal en celdas
como las de títulos de columnas o filas, y numérica en las que muestran los
datos obtenidos o sus resúmenes (ver figura 1.7).
Figura 1.7. Ejemplos de tabla y gráfico de resultados.
Los distintos códigos pueden ser utilizados para expresar cualquiera de los
64
conceptos en cualquiera de los casos del resto de dimensiones, sean objetos
de estudio o contexto, tengan el contenido y estructura que tengan, y queden
expresados con un determinado tipo de valor u otro. En Estadística, por
ejemplo, se utilizan diversos gráficos según el tipo de valores que quieran
expresarse. Asimismo, tanto los constructos como los indicadores pueden ser
expresados en cualquiera de los códigos señalados, pudiendo servir estos
además para la comprensión y la extensión.
Por su parte, los modos de expresión fueron ejemplificados

mayoritariamente de manera verbal en el apartado 1.5, y lo son de manera
formal en la siguiente ecuación:
En ella quedan expresados por comprensión el nivel de la relación de cada

variable x con la variable y, a través de los símbolos b, y b2, y también cada
variable x e y, ya que resumen todos sus posibles valores. A la vez, la
enumeración de estos símbolos x e y supone una expresión por extensión del
conjunto de componentes de la relación planteada.
Asimismo, hay gráficos que expresan por extensión los valores de una
variable y los datos para cada valor. Así ocurre con los signos convencionales
de sexo masculino y femenino, y con los diagramas como el incluido en la
figura 1.7, en los que la longitud de distintas barras representa la frecuencia
de distintos valores de una variable.
Como recopilación de las tres últimas dimensiones, la figura 1.8 muestra

preguntas relevantes para identificar el modo, nivel y códigos usados en cada
expresión.
65
Figura 1.8. Dimensiones expresivas: modo, nivel y tipo de código.
Este capítulo ha orientado sobre las identificaciones que de los conceptos

planteados pueden y deben hacerse en ciencia en términos de sus distintas
dimensiones. Para tales competencias, además de lo expuesto en las páginas
anteriores, puede utilizarse el programa tutor DEFINE, disponible en Internet
(Moreno, Martínez y Chacón, s.f.) y los numerosos ejercicios interactivos
ofrecidos en el apartado correspondiente de la web docente de Martínez y
Moreno (s.f.).
Las diferentes dimensiones explicitan qué conceptos reciben la función

central en cada ocasión y cuáles la de contexto, qué contenido y estructura
66
tiene cada uno, con qué tipo de valores son considerados, y a qué nivel
empírico y con qué modo y tipo de código están expresados. Contenido y
estructura marcan lo constitutivo de los conceptos, al igual que lo hace el tipo
de valores en los conceptos que sólo admitan uno de esos tipos. El resto de
dimensiones, como son el modo, nivel y código de expresión, son
complementarias de las constitutivas de los conceptos.
Las perspectivas específicas sobre cada dimensión han sido completadas

con la consideración conjunta de dos o más de ellas. Así son utilizadas en la
práctica real, sin que ello impida la posibilidad de centrarse en alguna de esas
dimensiones cuando lo exija la actividad científica.
67
Las dimensiones expuestas en el capítulo anterior permiten analizar, en
detalle y de manera sistemática, los conceptos ya planteados. Estos, sin
embargo, no siempre implican delimitaciones correctas o válidas, condición
necesaria para que la comunidad científica los adopte. Por tanto, conviene
conocer cómo son los conceptos planteados con validez, en qué consiste un
planteamiento correcto de conceptos.
Figura 2.1. Dimensiones de los conceptos y propiedades de su validez.
68
La validez conceptual ha de considerarse en términos de tres propiedades,
que son las mismas en las diferentes tareas de la ciencia: precisión,
diferenciación y ajuste. Y si esas propiedades definen el buen planteamiento,
los incumplimientos de una o más de ellas señalan los errores que pueden
presentar los conceptos. Tales propiedades y sus incumplimientos es lo que
muestran los siguientes apartados en forma de competencias a desarrollar en
cada una de las dimensiones conceptuales, conjunción representada en la
figura 2.1.
2.1. Evaluar la precisión de los conceptos
En ciencia los conceptos deben tener claridad o precisión (ver figura 2.2).
Ello permite identificarlos sin ambigüedad, señalar o reconocer sin dudas de
cuáles se trata. Por eso, los términos técnicos, libres de la polisemia usual de
los cotidianos, son especialmente útiles en ciencia.
Figura 2.2. Conceptos precisos e imprecisos.
La precisión de cada concepto es entendida también a través de su

consistencia o semejanza en diferentes expresiones u ocasiones, de acuerdo al
siguiente razonamiento: Se entiende que en la medida que pueda considerarse
que un concepto se mantiene similar en diferentes expresiones u ocasiones,
todas ellas especifican con precisión un mismo y determinado contenido. En
este sentido, son sinónimos de consistencia términos como fiabilidad,
69
concordancia, confirmabilidad, replicabilidad o reproductibilidad de los
conceptos planteados.
La consistencia es prueba de la precisión, no una propiedad diferente. Por

eso pueden considerarse una a través de otra: A mayor precisión de un
concepto, más probabilidad de que resulte estable en sucesivas expresiones,
al igual que una mayor consistencia entre distintas expresiones supone una
mayor precisión de todas ellas.
Por otra parte, la precisión y la consecuente consistencia no se dan tan sólo

en términos dicotómicos de completa o nula, sino admitiendo grados
intermedios.
Asimismo, evaluar la precisión de los conceptos es hacerlo

inevitablemente respecto a la expresión de sus dimensiones, identificando
cuál es el objeto de estudio y cuál el contexto, el contenido, estructura y
valores de cada uno, y todo ello a través de uno o más modos, niveles y
códigos de expresión. Las siguientes competencias indican cómo hacerlo.
A) Evalúe la precisión de la función de los conceptos
Revise si en las expresiones analizadas es posible identificar qué

corresponde al objeto de estudio y qué a su contexto.
Ejemplos. La dificultad para identificar correctamente el objeto de estudio

y el contexto de un trabajo suele aparecer cuando se utilizan títulos llamativos
y ajenos a la comunicación científica, como ocurre en Una mochila para el
Universo (Punset, 2012), que según explica la autora es una "guía de
autoayuda sobre las emociones humanas". Asimismo, el título de un famoso
artículo en Psicología, "El mágico número siete más/menos dos" (Miller,
1956), dificulta identificar de qué trata y en qué contexto se plantea.
Obviamente, dicho título venía acompañado de una segunda parte aclaratoria:
"Algunos límites acerca de nuestra capacidad para procesar información".
La falta de precisión se da a veces al usar expresiones excesivamente
70
cortas en las que faltan elementos sintácticos y semánticos, y otras veces en
expresiones excesivamente largas y mal redactadas. Por ello, las normas
sobre redacción de trabajos científicos, como las elaboradas por la American
Psychological Association (2009), hacen hincapié en usar expresiones claras.
B) Evalúe la precisión de los contenidos de los conceptos
Ha de revisarse también si los conceptos están planteados con la necesaria

claridad para saber de qué contenido se trata y a qué tipo corresponde.
Ejemplos. El concepto "nivel económico de una trabajadora" no es preciso

si no especifica si se refiere a las cantidades que recibe cada mes de la
empresa, lo que supondría un contenido de medio, o a las conductas de esa
persona usando su salario, lo que sería un contenido de sujeto. Tampoco sería
suficientemente claro el contenido de la expresión "condiciones en las que es
estudiado un sujeto", ya que no precisa si se trata de condiciones naturales del
medio en el que se desenvuelve dicho sujeto o si constituyen un contenido de
investigación como ocurriría si están configuradas por quien realiza el
estudio. También son imprecisos los términos polisémicos usados sin
aclaraciones adicionales, como sucede con "relación" cuando no se especifica
si es utilizado en el sentido metodológico presentado en el capítulo anterior o
en el psicológico de contactos entre personas.
C) Considere la precisión de la estructura de los conceptos
A veces la falta de claridad impide identificar si la estructura de lo

planteado es unitaria o relacional.
Ejemplos. La expresión "salud con tabaco" no permite determinar si se

refiere a dos variables o a una relación entre ellas como su temática puede
inducir a pensar. Eso mismo sucede en títulos de estudios sobre la relación
entre dos variables pero que solo mencionan a estas omitiendo la indicación
de la relación por considerarla obvia, no siéndolo en todo caso para quien lee
dicho título. Sucedería así con el de "Inteligencia y afectividad".
71
D) Evalúe la precisión de los valores
Analice la claridad en la delimitación del tipo y número de valores de cada

concepto planteado, la cual puede faltar si no quedan expresados o lo hacen
insuficientemente.
Ejemplos. Sucede así cuando se plantea la variable edad sin especificar si

es entendida cuantitativamente en términos de años de vida u ordinalmente
mediante las diversas etapas de la vida. Duda similar plantea la expresión
"grados de calor" al poder referir valores cuantitativos de intervalo como en
la escala centígrada, u ordinales como cuando se habla de "calor soportable o
insoportable".
E) Evalúe la precisión en el modo de expresión
En esta dimensión, la insuficiente claridad aparece cuando la información

considerada no es suficiente para decidir si se está ante una expresión de un
concepto por comprensión o ante un valor de otro concepto expresado por
extensión.
Ejemplos. El término "adolescencia" puede ser usado para señalar un

concepto por comprensión que engloba posibilidades como "adolescencia
rebelde, adolescencia creativa y adolescencia sumisa", o por extensión como
uno de los valores posibles de otro concepto más general como el de "etapas
de la vida".
F) Evalúe la precisión en el nivel de expresión
También deberá evaluar la precisión en el nivel empírico, pues no es

infrecuente el error en expresiones con información escasa, limitada a veces a
una simple palabra o etiqueta.
Ejemplos. La expresión "el centro" podría interpretarse en términos

empíricos si se refiriese al de un círculo, pero también en términos de
constructo si hiciera referencia a las ideas fundamentales de un discurso
72
moral. En la dimensión nivel de expresión, la falta de precisión se da a veces
en constructos en las que se mezclan términos físicos, como energía o
movimiento, con otros imprecisos como mente o intelecto en expresiones
tales como "energía mental" o "movimientos del intelecto". Esa ambigüedad
o imprecisión sobre el nivel empírico es frecuente en Psicología por el uso
abundante que hace de términos cotidianos, correspondiendo a muchos de los
errores conceptuales señalados desde la Filosofía del Lenguaje (Ryle, 1949) y
la Psicología (Ribes, 1990).
G) Evalúe la precisión de los códigos de expresión
Los conceptos también pueden ser imprecisos por usos inadecuados de los
diferentes códigos de expresión.
Ejemplos. El mal uso de los signos de puntuación es un caso de

imprecisión en las expresiones verbales escritas. Una expresión algebraica
con paréntesis incluidos en otros resultaría imprecisa si se omitiera el de
cierre en uno o más de los niveles, ocurriéndole algo similar a los ejes de
coordenadas en los que sus escalas no estuvieran suficientemente
delimitadas.
2.2. Evaluar la diferenciación de los conceptos
Además de con precisión, cada concepto válido ha de estar planteado sin

solapamiento o confusión, ni en él mismo ni tampoco con otros conceptos.
Dicho en términos positivos, los conceptos han de estar planteados con
diferenciación o mutua exclusión o exclusividad entre sus valores y también
con otros conceptos. En consecuencia, los errores de diferenciación suponen
siempre una asociación o conjunción indebida entre valores o entre
conceptos, que puede ser completa o parcial, en diferentes grados (ver figura
2.3).
73
Figura 2.3. Diferenciación y solapamiento entre conceptos.
Esas asociaciones suponen incorrección cuando no se corresponden con lo

que se desea plantear o expresar, es decir, cuando se pretende que los valores
y conceptos solapados estén claramente diferenciados. Lo que se desea
plantear en cada ocasión constituye, por tanto, la referencia o criterio para
valorar la diferenciación o su falta.
Lo anterior es así incluso cuando lo considerado como referencia solo es

una mera intuición o vaga idea, como sucede por ejemplo al evaluar la
diferenciación entre determinadas delimitaciones de "memoria" sobre la base
de la idea genérica que se tenga de ese término.
Como en precisión, la diferenciación ha de evaluarse en cada una de las

dimensiones conceptuales, y así lo enseñan las siguientes competencias.
A) Evalúe la diferenciación en la función de los conceptos
En la función de objeto de estudio y contexto, el solapamiento como error

de diferenciación puede darse entre conceptos que debieran cumplir una y
otra función. Por ello, ese error entre funciones ocurre cuando un mismo
concepto recibe ambas funciones indebidamente.
Ejemplo. Es lo que sucede cuando queriendo señalar como objeto de

estudio "la responsabilidad" en el contexto de la adolescencia, se definiese
como planteamiento "La edad de la transición: adolescentes responsables", ya
que la edad aparece planteada a la vez como contexto y como objeto de
74
estudio.
B) Evalúe la diferenciación en los contenidos de los conceptos
Evalúe posibles solapamientos o confusiones en la delimitación de más de

un contenido, sean de igual o diferentes tipos.
Ejemplos. Las variables nivel cultural y nivel económico de los sujetos

resultan solapadas cuando los valores de ambas aparecen asociados de
manera considerable, como de hecho suele ocurrir y por cuya razón son
asumidas como una única variable. También supondría solapamiento de
contenidos introducir uno o más de medio, como por ejemplo una
característica de los padres de un sujeto, al pretender enumerar únicamente
contenidos de dicho sujeto, como su edad, sexo, cociente intelectual o nivel
de estudios alcanzado.
C) Analice la diferenciación en la estructura de los conceptos
Ello supone evaluar la posible confusión de estructura de conceptos que se

suponen diferentes, analizando si hay conjunción indebida entre dos o más
casos de esta dimensión.
Ejemplos. A veces suele confundirse una variable simple con lo que en

realidad es una variable múltiple, o una variable múltiple con una relación, o
una interacción con una relación múltiple. También ocurre cuando se asocia
una determinada estructura a uno de sus casos particulares, como cuando
alguien considera que toda relación multivariable ha de serlo solo por uno de
sus términos pero no por los dos.
D) Evalúe la diferenciación en tipo y número de valores
En cada concepto ha de darse diferenciación entre sus distintos valores y

tipos, que no deben solaparse entre sí.
Ejemplos. Un concepto tendría solapamiento de valores si, al agrupar en
75
intervalos los cuantitativos de años de edad, coincidieran algunos de esos
valores como sucede en los siguientes: "De 0 a 19, de 18 a 45, de 40 a 70, y
más de 65". Otra falta de diferenciación sería conjuntar en una sola serie los
valores "alto, medio y bajo" de niveles de rendimiento y los también
ordinales pero diferentes Kmayor y menor."
E) Analice la diferenciación en las tres dimensiones referidas a la expresión

de los conceptos
Estos errores de diferenciación aparecen cuando los distintos casos de

modo, nivel o código de especificación resultan solapados o asociados
cuando se pretende usarlos de manera diferenciada y autónoma.
Ejemplos. En el ámbito de un concepto, un error en modos de expresión

sería introducir una definición por comprensión en un pretendido listado de
valores del mismo concepto; en niveles, consistiría en utilizar uno o más
indicadores en la expresión de un constructo, o viceversa; y en códigos,
supondría la asociación innecesaria de un tipo al usar otro.
F) Evalúe también posibles solapamientos entre diferentes dimensiones
Pueden darse solapamientos no deseados entre determinados casos de

diferentes dimensiones, al entender esas asociaciones como las únicas
posibles olvidando que son posibles todas las combinaciones entre
dimensiones.
Ejemplos. El solapamiento entre función y contenidos se da al considerar

que en el objeto de estudio pueden incluirse únicamente contenidos de sujeto
y que el contexto solo está conformado por contenidos de medio. Entre
estructura y tipo de valores hay confusión si no se consideran como
relaciones las de valor nulo, entendiendo la expresión usual de "no
covariación" como "no estudio de relación" en lugar de una relación que
puede resultar o ha resultado nula. La estructura se asocia indebidamente con
los modos de expresión cuando alguna como la relacional se expresan
únicamente mediante comprensión o mediante extensión. Considerar que la
76
enumeración de valores que supone la extensión solo es posible en el caso de
indicadores y no en los constructos es un solapamiento entre modo y nivel de
expresión. Asimismo, el código de expresión puede solaparse con otras
dimensiones como en los casos que siguen: con la función cuando se entiende
que en todas las expresiones verbales primero aparece el objeto de estudio y
después el contexto, o que determinadas palabras como "en" o "sobre"
siempre han de indicar el contexto; con el contenido cuando se considera que
el sujeto de la oración gramatical verbal ha de corresponder necesariamente
con el sujeto del estudio; con la estructura cuando se identifican relaciones
únicamente a través de determinadas expresiones o códigos; y con tipo de
valores cuando se entiende que los números siempre indican valores
cuantitativos.
Esta lista de ejemplos de confusión entre dimensiones es solo ilustrativa y

no exhaustiva. Por eso es necesario que en cada situación se evalúen todos
los posibles solapamientos entre dimensiones.
2.3. Evaluar el ajuste de los conceptos
Además de precisión y diferenciación, los conceptos expresados con validez

han de presentar ajuste al referente externo más o menos explícito que se
utilice.
En la literatura de planteamiento de conceptos suele referirse esta

propiedad como exhaustividad o hecho de que un concepto recoja todo lo que
lo conforma. Sin embargo, tal requisito debería ser completado con que,
además de incluir todo lo que corresponda, excluya lo que no corresponda.
Por tanto, la noción de ajuste que aquí se propone recoge que en cada
concepto o conjunto de ellos no se dé ni falta ni exceso de aspectos
conformadores.
En este sentido, la propiedad de la parsimonia, requerida en ciencia y

entendida como la preferencia por la más simple de varias opciones, recoge
lo recién mencionado y pocas veces explicitado de que el ajuste de conceptos
implica que no sobre nada en ellos además de que no falte. Según esta
77
interpretación, tanto la parsimonia como la exhaustividad serían versiones
incompletas del ajuste, y por ello complementarias y necesarias. Por eso, la
evaluación del ajuste de los conceptos en cada una de las dimensiones deberá
atender a una y otra posibilidad como indica la figura 2.4, pudiendo darse
ambas en diferentes grados según sea la diferencia entre lo planteado y el
referente externo que se tome en cuenta.
Figura 2.4. Ajuste y sesgos por falta o exceso de lo planteado.
El ajuste ha de darse no solo en un determinado concepto sino también en

el conjunto de lo planteado, es decir, en el objeto de estudio y su contexto,
que debería recoger todo lo que se entienda relevante en la parcela de la
realidad considerada, y solo ello. Evitar el problema de sesgo o falta de ajuste
consiste en acertar al plantear todo lo relevante y solo lo relevante. Lo
primero implica evitar omisiones de variables que pueden afectar de manera
importante al objeto de estudio. Lo segundo implica evitar atender a lo que
no es necesario, como ocurriría al tomar en consideración la variable sexo en
tareas en las que no hay diferencias en hombres y mujeres.
No obstante, como se entiende que esta aspiración es prácticamente

imposible de lograr de manera completa, la ciencia subraya que junto con el
objeto de estudio y contexto planteados debe considerarse un término de
error, o simplemente error, que recoja lo no planteado ya sea por haberlo
considerado irrelevante o por no haberlo tenido en cuenta. Por ello se espera
que ese error sea mínimo y de tipo aleatorio, lo que sucede si ninguno de los
78
diversos factores que engloba tiene efectos claros. A diferencia, cuando uno o
más de los factores no tenidos en cuenta resultan relevantes, el error, en lugar
de ser fortuito, es sistemático y de cierta importancia, implicando un sesgo
claro.
Como en las otras dos propiedades de validez, a continuación se indica

cómo evaluar el ajuste de los conceptos en términos de las diferentes
dimensiones.
A) Evalúe el ajuste en términos de las funciones de cada concepto
Respecto al objeto de estudio y el contexto, el sesgo o falta de ajuste podrá

identificarse cuando al menos una de esas funciones no se corresponda con el
referente. Eso puede suceder por las dos razones siguientes: por ausencia de
una de las funciones o por adición en ellas de algún aspecto que no
corresponda.
Ejemplos. Falta el objeto de estudio al plantear un estudio sobre "los niños

incluidos en programas de asistencia social durante el año en curso". Y falta
el contexto al plantear un estudio sobre "inteligencia", sin mayor indicación.
Por otra parte, queriendo estudiar la memoria de un grupo de jóvenes en
situación de riesgo social, fallaría el ajuste si se añadiera otra variable en el
objeto de estudio como la personalidad.
B) Evalúe el ajuste del contenido de cada concepto
La falta de ajuste en los planteamientos de conceptos puede darse también

en el contenido, bien sea porque falte alguno que corresponda o porque
aparezca alguno que no deba.
Ejemplos. Habría falta de ajuste si pretendiendo estudiar determinadas

características, como actitudes, personalidad y memoria de las personas
pertenecientes a un determinado equipo deportivo, se terminara planteando
solo algunas de ellas, o se incluyeran otros contenidos de tales personas o de
su medio. También habría sesgo si, queriendo estudiar a una determinada
79
población de sujetos, se considerara solo a una pequeña porción de ellos, o si
se incluyeran sujetos de otras poblaciones.
C) Evalúe el ajuste en la estructura de los conceptos implicados
Los sesgos en estructura se dan al plantear variables o relaciones de más o

de menos respecto a lo pretendido.
Ejemplos. Se daría este tipo de sesgo al expresar una relación univariada

en lugar de una múltiple deseada, como cuando al querer considerar las
diversas consecuencias biológicas y psicológicas del consumo de
estupefacientes se limitara el objetivo a la influencia tan solo de la codeína y
únicamente en el funcionamiento del cerebro. El caso inverso consistiría en
incluir más elementos de los planteados, como al considerar un objetivo
unitario múltiple pretendiendo estudiar uno simple. Otro caso de falta de
ajuste sería plantear una relación múltiple en lugar de una de interacción
deseada, como ocurre al plantear que el aprendizaje puede deberse al esfuerzo
y condiciones motivacionales cuando lo que se pretende conocer es la
influencia de la motivación sobre la relación entre esfuerzo y aprendizaje.
En el aprendizaje del patrón o requisitos a cumplir para la identificación o

el establecimiento de las covariaciones también pueden cometerse errores
consistentes en no cumplir uno o más de sus requisitos.
Ejemplos. Hay relaciones en las que aparentemente se cumple con tener

dos términos y, sin embargo, se trata de un mismo contenido que aparece
etiquetado de maneras distintas. Así ocurriría si la conducta de fumar se
quisiera explicar a partir del hábito tabaquista cuando este quedara definido a
su vez como la conducta de fumar. Se trataría de una relación solo en
apariencia, una falsa relación o pseudorrelación. Otras pretendidas relaciones
son solo eso, intentos, porque la supuesta variable independiente es
considerada tan solo con un único valor. Así sucedería cuando para estudiar
si el hecho de ser hombre afecta a una habilidad determinada se tomara en
cuenta dicha habilidad solo en hombres, sin considerarla en mujeres. De
manera similar, el incumplimiento de algún otro requisito del patrón de
80
covariación impediría también el ajuste en el estudio de relaciones.
D) Evalúe el ajuste en cuanto a los valores
Los sesgos o fallos de ajuste también caben en los valores planteados, al

faltar o sobrar uno o más.
Ejemplo. Supondría sesgo el hecho de querer plantear una variable

cuantitativa como número de palabras escritas en un texto y terminar
planteándola con valores de otro tipo, como, por ejemplo, los ordinales "muy
grande, grande, medio y escaso", o considerar únicamente algunos de los
muchos posibles valores que interesan estudiar de una sustancia tomada
como variable independiente.
E) Evalúe el ajuste en cuanto a modo, nivel y código de expresión
También en las tres dimensiones de expresión pueden darse el ajuste o su

falta, aunque conviene recordar que estas no son constitutivas de los
conceptos y sí auxiliares. Por ello, un cambio en ellas respecto al referente no
lo implica en el contenido y la estructura del concepto en cuestión. Las
discrepancias en modo, nivel o código de expresión entre el referente y lo
planteado serán importantes solo en la medida que conlleven una falta de
correspondencia en contenido, estructura y tipo de valores en los conceptos
que solo admiten uno de ellos, dimensiones constitutivas de los conceptos.
La falta de ajuste en el modo de expresión ocurre cuando el utilizado no se

corresponde con el que se considere necesario en el referente.
Ejemplo. Así es cuando la especificación por extensión en valores como

"mucho y poco" no recoge suficientes matices contenidos en la definición por
comprensión de la variable "posibilidades de acuerdo".
Respecto al nivel empírico, los sesgos suelen concretarse en la

comparación entre constructos y sus indicadores, usados unos en los
referentes y otros en lo planteado. Cabe considerar así si el conjunto de
81
indicadores utilizados se ajusta suficientemente a lo contenido en el
constructo o se desvía por exceso o por defecto.
Ejemplos. Esto último ocurriría si, queriendo plantear indicadores

relacionados con el constructo "enamoramiento", se utilizara como único
indicador las sonrisas que se dirigen entre sí los miembros de una pareja. Por
el contrario, el exceso de indicadores para ese mismo constructo se daría si se
plantearan como tales todos y cada uno de los comportamientos observables
que pudieran hacer las personas de interés, aunque no fueran de
enamoramiento, como ocurre con los insultos y golpes en casos de maltrato.
Otro sesgo por exceso, esta vez de constructor, se daría cuando a partir de un
determinado indicador, como completar un rompecabezas o realizar un
dibujo, se quisiera inferir todo un conjunto de constructos intelectuales y de
personalidad.
Por último, la falta de ajuste en lo que se refiere al código de expresión se

traduce en la falta o sobra de elementos propios de uno o más tipos, verbales,
numérico-formales o gráficos.
Ejemplos. Habría sesgo por defecto cuando en una expresión algebraica se

omitieran uno o más signos de sumas o productos, o en un histograma no se
expresara el conjunto de valores que se estén representando en uno de los
ejes. Un ejemplo de sesgo por exceso sería el uso de expresiones verbales
excesivamente largas y sobrecargadas de palabras inusuales, cultismos y
tecnicismos, impidiendo una comprensión válida de los conceptos.
2.4. Ampliaciones
Tratadas las tres propiedades por separado, conviene contemplarlas también

de manera conjunta, añadiendo sus relaciones con las dimensiones de los
conceptos implicados, y utilizándolas para considerar la noción de
causalidad, central al trabajo científico.
2.4.1. Conexiones entre propiedades, y entre estas y las dimensiones
82
Aunque definidas de maneras diferenciadas, las tres propiedades
componentes de la validez no son independientes entre sí, pueden afectarse
mutuamente. Un buen ajuste implica precisión en el sentido de que lo
planteado resulta claro cuando resultan poco relevantes los aspectos no
tenidos en cuenta, los que conforman el denominado error. Al contrario, una
baja precisión significa que existen aspectos relevantes implícitos, y por tanto
ajuste insuficiente al referente. La precisión también facilita apreciar la
diferenciación entre valores o variables, a la vez que la diferenciación
favorece la precisión de los elementos considerados.
El ajuste y la diferenciación también pueden afectarse mutuamente entre

sí. Un exceso, ya sea de valores de un concepto o de un conjunto de
conceptos, puede facilitar un solapamiento con otro u otros conceptos
asociados a los sobrantes. Y el solapamiento entre dos o más valores o
conceptos puede implicar un sesgo por falta de otros valores o conceptos.
Por otra parte, puesto que las propiedades de validez de los conceptos se
evalúan en términos de las diferentes dimensiones, cabe considerar las
posibles influencias de estas sobre tales propiedades.
En lo que se refiere a la precisión, son varias las dimensiones que pueden

afectarla. Una es la estructura, pues mientras más compleja sea, más exigente
será por el mayor número de elementos a delimitar. Los valores ordinales no
procedentes de otros cuantitativos suelen tener problemas de precisión al no
estar claros los límites entre los distintos valores. Y la extensión, el nivel
empírico y los códigos no verbales ayudan a la precisión en mayor medida
que la comprensión, los constructos y las expresiones verbales. En cambio, ni
la función ni el contenido tienen por qué afectar por sí mismos a la precisión.
El ajuste, por su parte, puede verse dificultado según los casos por
estructuras complejas o demasiado simples y por un número alto o bajo de
valores, mientras que el resto de dimensiones podrían influir más bien
indirectamente a través de la precisión, pudiendo decirse algo similar
respecto a la diferenciación.
83
2.4.2. Validez de las relaciones: causalidad
Una ventaja adicional de la noción de validez es que permite distinguir entre

relaciones causales y no causales. Aunque todas las relaciones se definen e
identifican en términos de covariaciones, no todas pueden considerarse
causales. Así, mientras que son aceptadas como causales las relaciones entre
respuestas y preguntas entre dos personas, o entre el desplazamiento de un
objeto y haberlo empujado previamente, otras como la relación entre el
número de cigüeñas y el de nacimientos en diferentes localidades no se
consideran así a pesar de que la covariación entre sus términos resulte de
nivel considerable.
Esa distinción se establece fácilmente cuando se conoce la temática

implicada, pero es necesario saber establecerla en todos los casos. Y aunque
en último término se necesitarán los datos correspondientes para dilucidar
cada caso, conviene tener en cuenta la cuestión desde el propio planteamiento
de las relaciones.
Usualmente se entienden como causales las relaciones en las que los

cambios del término dependiente son debidos a los del independiente. Por
eso, cabe preguntarse por qué covarían en mayor o menor grado los términos
de una relación no causal.
Atendiendo a la práctica metodológica sobre el tema, considerar como

objeto de estudio que los cambios de la variable dependiente son debidos a
los de la independiente implica suponer las dos cosas siguientes: que aquellos
se deben a esta y no a variables no planteadas, y que las posibles influencias
de las variables relevantes y planteadas como contexto puedan diferenciarse
entre sí y también respecto a la independiente. Por tanto, considerar
causalidad implica suponer ajuste de la relación objeto de estudio al referente,
así como diferenciación de ocurrencias de cada variable de contexto respecto
a la independiente. Si además se cae en la cuenta de que ambas propiedades
pueden ser consideradas en la medida en que todas las variables estén
delimitadas con precisión, puede concluirse que cuando se plantea o defiende
la causalidad de una relación, se está considerando o defendiendo la validez
84
de esta. Dicho en otras palabras, las nociones de causalidad y de validez de
relaciones implican lo mismo, por lo que "causalidad" y "validez de
relaciones" son términos equivalentes (Moreno y Martínez, 2008).
En consecuencia, las relaciones no causales son aquellas en las que haya

insuficiencia de al menos una de las tres propiedades definitorias de validez.
El caso más tenido en cuenta de las relaciones no causales es por

insuficiente diferenciación entre dos o más variables, sean independientes, de
contexto, o entre las de uno y otro tipo. Por eso, para identificar como no
causal a una relación deberá considerarse y encontrarse que la posible
covariación entre la variable independiente y la dependiente no se debe a que
la primera produzca los cambios de la segunda, sino que los de ambas son
consecuencias de una tercera, sea de contexto u otra independiente. En tales
casos, la relación planteada como causal pasaría a ser considerada espuria o
falsamente causal (ver figura 2.6). Así ocurriría por ejemplo en la relación
entre altura de las personas trabajadoras por cuenta ajena y su salario en
determinados países. La alta covariación entre ambas variables no refleja una
influencia de una sobre la otra, sino que ambas son consecuencias de la
variable sexo, la cual hace que los hombres sean más altos en general y que
en determinados países reciban un salario mayor que las mujeres.
Por ello, el modo de identificar una relación espuria consiste en diferenciar

el máximo número posible de variables de contexto respecto a la
independiente, lo que por ejemplo se consigue dejándolas tan solo con un
único valor. Al anular de ese modo su covariación con la independiente y la
dependiente, se anula la covariación entre estas dos, mostrando el carácter
espurio de su relación, su dependencia respecto a la variable de contexto que
no estaba diferenciada. Así ocurriría, por ejemplo, cuando para mostrar el
carácter espurio de la relación entre altura y salarios fuera estudiada solo en
hombres.
Otras veces, la covariación entre una variable independiente y una

dependiente se debe a alguna variable de contexto que conecta a ambas.
Ocurre por ejemplo cuando se defiende la causalidad de la relación entre la
85
emisión de un mensaje por parte de una persona y su recepción por parte de
otra, sin percatarse que ello ocurre gracias a que hay un medio que transmite
el mensaje del emisor al receptor. En tal caso, la relación entre ambos
desaparecería si se eliminara el elemento intermedio o las variaciones de sus
valores, poniéndose de manifiesto así que es una relación mediada más que
causal directa (figura 2.5), que se da porque la variable intermedia es efecto
de la independiente y a su vez causa de la dependiente.
La falta de validez, y por tanto de causalidad, de una relación puede

deberse también a un inadecuado ajuste y también a una insuficiente
precisión de los términos del objeto de estudio y de su contexto. No plantear
determinadas variables o no precisarlas suficientemente puede ocultar
variables de las que dependan las de la relación planteada, dando apariencia
de causal a una relación que no lo es.
86
Figura 2.5. Calificaciones de una relación entre una Variable Independiente
(VI) y una Variable Dependiente (VD) según la diferenciación de una
Variable Extraña (VE).
El presente capítulo muestra cómo la validez de los conceptos planteados se

entiende y define a través de las tres propiedades señaladas. Tres propiedades
que aunque reseñadas con diferentes términos, son comunes a todas las
competencias del trabajo científico como mostrarán las partes posteriores. De
hecho, puede rastrearse su presencia ya en Descartes (1637/2008) cuando
señalaba que "las cosas que concebimos muy clara y distintamente son todas
verdaderas", aunque para él la verdad, el ajuste a lo que existe y se estudia, es
corolario de la claridad y diferenciación, mientras que en este texto se
entiende como otro requisito más. En otras palabras, mientras en Descartes la
claridad y diferenciación serían condiciones necesarias y suficientes para la
validez, en este texto son necesarias pero no suficientes puesto que la validez
también requiere el ajuste.
Además de tratar las tres propiedades, el presente capítulo muestra

también cómo pueden incumplirse. Por ambas razones, dichas propiedades
constituyen una guía adecuada para evaluar planteamientos detectando
posibles errores, concretadas en las diferentes dimensiones de los conceptos
(ver figura 2.6).
87
También muestra el capítulo que tales consideraciones tienen sentido tanto
en el ámbito de un concepto como en el de varios, y que en ambos niveles las
tres propiedades han de entenderse respecto a un referente externo más o
menos explícito. Cuando el referente está explícito, la validez de lo planteado
se evalúa respecto a él, y así debe indicarse. En caso contrario, la evaluación
de lo planteado supondrá estimar respecto a qué referente podría considerarse
válido. Y al poder cambiar este por el desarrollo de cada campo temático, las
tres propiedades se definirán siempre respecto al estado de conocimientos y
desarrollo de las temáticas consideradas, según el referente que quepa
considerar en cada momento.
88
Figura 2.6. Validez de conceptos.
Las tres propiedades y la validez resultante no deben ser consideradas tan

solo de manera cualitativa y dicotómica, como existencia o no, sino más bien
en términos ordinales y politómicos, admitiendo distintos grados. Cuando no
se da el ajuste de un concepto, puede ser por falta o sobra de más o menos
89
valores o ele mentos. Cuando falta la mutua exclusividad o diferenciación,
puede ser porque haya más o menos elementos solapados. Y la falta de
precisión también puede ser mayor o menor, pudiendo estar casi lograda
cuando falte algún pequeño detalle o suponiendo una ambigüedad
considerable. También por estas razones, los juicios de cada propiedad de
validez han de emitirse con cautela, y nunca asegurando su existencia o logro
absoluto.
Cuando se estime insuficiente la validez de los conceptos planteados, y se

desee mejorar, el capítulo 3 muestra procedimientos para procurar su mejora
en términos de las propiedades que así lo requieran.
90
El presente capítulo orienta sobre la competencia de planteamiento de
conceptos que supongan alguna innovación de mayor o menor calado
respecto a los planteados hasta entonces.
Sobre cómo surgen esas innovaciones o qué actividades las producen, y

sin negar que pueda existir cierta base innata, va ganando terreno la idea de
que la creatividad es educable y que depende en gran medida de las
experiencias del individuo y del entorno en que se encuentra, ayudadas a
veces por el azar. Eso explica que a lo largo de la historia hayan existido
momentos y lugares relativamente acotados en los que han aparecido
múltiples innovaciones. Dos ejemplos claros son la Grecia del primer milenio
a.C. en la que se inició la filosofía occidental, y el centro y norte de Europa
en el siglo XVII cuando surgió la revolución científica. Hoy en día, la
influencia de contextos socioeconómicos facilitadores de la innovación sigue
palpable en las diferencias existentes entre los llamados Primer y Tercer
Mundo.
Al margen de los factores personales, sociales, políticos y económicos que

las puedan favorecer, ocurre que las innovaciones surgen en muchos casos
intuitivamente, sin control por parte de quien las logra. Por ello sería muy
deseable que el planteamiento de nuevos conceptos pudiera ser el resultado
de aplicar una heurística estructurada, de guías generadoras explícitas y claras
que aprovecharan las potencialidades de cada persona.
La importancia del planteamiento de nuevas ideas como factor económico
91
y estratégico clave para el progreso humano ha llevado a diseñar multitud de
técnicas y procedimientos, orientados a provocar o al menos facilitar esas
innovaciones. Son varios los ámbitos o disciplinas que los han desarrollado o
aprovechado, como por ejemplo el mundo de los negocios, la dinámica de
grupos, la creatividad literaria o filosófica, la resolución de problemas
considerada desde la Psicología y la Cibernética, o la propia heurística
científica.
La diversidad de orígenes de esos procedimientos, y la concepción de cada

uno en términos específicos del ámbito para el que se crearon han hecho
concebirlos en muchos casos como compartimentos estancos no conectados,
y sin una estructuración que aproveche en mayor medida sus posibilidades.
Por eso resultaría importante disponer de criterios que permitieran integrar a
una buena parte de esas diferentes aportaciones, a la vez que constituyeran
por sí mismos instrumentos útiles para la innovación.
Los criterios que se proponen en este texto son los elementos presentados
en los capítulos anteriores: las dimensiones de los conceptos y las
propiedades de validez de estos. Al igual que en identificación, las
dimensiones vuelven a ser herramientas útiles en el planteamiento de
conceptos por su presencia en todos ellos. Y en cuanto a las propiedades de
validez, sus logros e incumplimientos dejan de ser ahora aciertos y errores
para convertirse en posibilidades adicionales de innovación o cambio. Ambas
cosas son las mostradas en los apartados que siguen.
3.1. Plantear preguntas y respuestas a partir de la precisión conceptual
Las búsquedas tanto de precisión de los conceptos que no la tienen

suficientemente, como de imprecisión de los delimitados claramente,
constituyen vías para obtener nuevos planteamientos en formas de preguntas
o respuestas.
Ambas vías, concretadas en las diferentes dimensiones metodológicas, son

expuestas a continuación en términos de competencias.
92
A) Precise o difumine el objeto de estudio y el contexto
Una posibilidad para obtener conceptos diferentes a los de partida consiste

en aumentar, cuando sea posible, la precisión con la que se señale cuál es el
objeto de estudio y cuál el contexto en que se plantea. También es posible la
vía contraria, reduciendo la precisión al difuminar el foco de atención y
permitir así que surjan nuevos objetos de estudio.
Ejemplos. La reducción de la precisión es la vía que proponen técnicas

consistentes en dejar la atención flotante, o dejarse llevar por un pensamiento
libre o no dirigido, lo que permite imaginar cosas diferentes y hacer que
surjan nuevos objetos de estudio. En los relatos anecdóticos de algunos de los
grandes descubrimientos científicos se intuye esta competencia. Así es en el
descubrimiento de un proce dimiento para medir el volumen de los objetos
realizado por Arquímedes mientras se bañaba, o en el planteamiento de la
gravitación universal por Isaac Newton al ver caer una manzana de un árbol.
Otro ejemplo clásico es la formulación del concepto de reflejos condicionales
por Iván Pavlov, al asociar una salivación a un elemento secundario del
contexto como es la llegada de un ayudante.
B) Precise o difumine los tipos de contenidos
Aplique la doble posibilidad de precisar y difuminar al contenido y sus

tipos, aclarando o borrando la delimitación de cada uno de ellos. Ambas
cosas pueden dar lugar a nuevas preguntas y a posibles respuestas.
Ejemplo. Se hace así cuando se difumina la identificación de un contenido

como de sujeto o de medio, como ocurre en psicopatología cuando se oscila
entre la calificación de endógena o exógena para una depresión, pudiendo
sugerir nuevas ideas cada una de esas posibilidades.
C) Precise o difumine la estructura de los conceptos
Igualmente es fuente de nuevas preguntas o respuestas tanto precisar como

difuminar en mayor medida la estructura de un determinado planteamiento.
93
Ejemplo. Sucedería especialmente lo segundo si se partiera de una
colección de elementos relacionados entre sí, como pueden ser el desarrollo
económico, la historia, el idioma o la climatología, y se pasara a entenderlos
como un conjunto unitario integrado en el concepto de cultura, en el que se
obvia la delimitación de cada uno de sus integrantes.
D) Precise o difumine los valores, atendiendo a su tipo y número
Pueden estar claros o no el tipo y número de valores a considerar en un

concepto. En ambos casos, el paso de la precisión a su falta y su contrario
pueden suponer novedades de interés.
Ejemplos. El paso de valores cualitativos a ordinales, y de estos a

cuantitativos, suele suponer un aumento de precisión por mayor detalle en los
contenidos. El camino inverso también aporta nuevos planteamientos al
reducir la precisión de la información, como sucede al integrar varios valores
cuantitativos en otros ordinales o de estos en cualitativos. De tal modo se
pierde precisión al pasar de considerar la edad en términos del "número de
años transcurridos desde el nacimiento" a hacerlo como "etapas de la vida",
permitiendo así vislumbrar determi nadas pautas en el desarrollo que no se
verían con el detalle cuantitativo. En sentido inverso, aumenta la precisión
cuando en el ámbito de la psicopatología se supera una distinción cualitativa
entre conducta normal y conducta anormal, para pasar a considerarla en
términos de grados de normalidad-anormalidad.
E) Precise o difumine el modo de expresión de sus planteamientos
Buscar la precisión y su falta en cada uno de los dos modos de expresión

son también vías para generar novedades en conceptos.
Ejemplo. Así ocurriría cuando, partiendo de una definición por

comprensión de "percepción", se pasara a usar esa etiqueta de manera que
dificultara precisar si se sigue considerando tal término como el concepto
inicial o si se habría pasado a entenderlo como una expresión por extensión,
de un concepto como "capacidades humanas".
94
F) Precise o difumine el nivel de especificación empírica
Como esa dimensión supone una graduación en función del mayor o

menor nivel empírico requerido, pueden procurarse nuevos planteamientos
mediante el avance en precisión que suele representar el paso de etiquetas y
constructos a indicadores y a datos, promoviendo lo contrario el sentido
inverso.
Ejemplos. Cuando el constructo "inteligencia" definido como capacidad de

adaptarse a situaciones nuevas es traducido a indicadores como cantidad de
problemas resueltos y rapidez en expresar las respuestas, se obtienen nuevos
planteamientos con mayor precisión empírica, como pretende la tradición que
demanda definiciones operacionales para los términos psicológicos. El
sentido inverso se daría cuando se recurre a un concepto abstracto como
"capacidad" para integrar a una serie de indicadores relacionados con el
comportamiento observado en los individuos en diferentes situaciones.
G) Reconsidere la precisión de los códigos de expresión
También pueden obtenerse innovaciones tanto al añadir como al perder

precisión a través de cualquiera de los códigos de expresión.
Ejemplos. Entre los procedimientos de innovación más utilizados se

encuentran la escritura y reescritura de un determinado planteamiento,
tratando de lograr mejorar la precisión de lo que se desea expresar. Otra
forma consiste en plasmar ideas en representaciones gráficas o formales,
como se hace al dibujar sucesivos esquemas procurando una mayor precisión.
Por eso, el camino inverso de reescribir o realizar nuevas representaciones
gráficas o formales, buscando perder o cambiar la precisión inicial, también
puede generar nuevas perspectivas.
Cuadro 3.1. Innovar en función de la precisión de las dimensiones

metodológicas
95
El cuadro 3.1 recoge una serie de preguntas organizadas respecto a las
dimensiones metodológicas, orientadas a fomentar la generación de
planteamientos a partir de la precisión y sus incumplimientos.

precisión
96
Las posibilidades de que las propiedades de validez, contempladas en las
dimensiones de los conceptos implicados, sean recursos efectivos para la
innovación acaban de quedar ilustradas para el caso de la precisión. En
cualquiera de las dimensiones, el paso de la imprecisión a la precisión supone
explicitar aspectos o elementos que no lo estaban, al igual que la dirección
contraria supone dejar implícitos aspectos o elementos que aparecían
explicitados, dando pie de ambas formas a considerar las cosas de maneras
diferentes.
La potencia y generalidad de tales posibilidades quedan afianzadas al

poder identificar su presencia en procedimientos para la innovación
desarrollados en campos diferentes al de la metodología científica. Es lo que
se ilustra a continuación, sirviendo también como enumeración adicional de
posibilidades a utilizar.
La literatura psicológica y pedagógica de creatividad y resolución de

problemas (Csikszentmihalyi, 1996/2011; De Bono, 1971/2011; Perales,
2000; Torres y Gascó, 2012) es uno de esos campos en el que se han
desarrollado vías para la innovación conceptual y procedimental. De ellas se
citan a continuación las que pueden ser interpretadas desde la propiedad de la
precisión.
Una de las técnicas de este tipo es la asociación de ideas, consistente en

partir de una lista de expresiones a las que conectarles otras distintas sin
restricción alguna. Se supone que, mediante contigüidad temporo-espacial o
proximidad temática en la experiencia del individuo, surgirán elementos
implícitos hasta entonces que puedan suponer una solución a un problema o
al menos una ayuda previa.
Otras técnicas con el mismo objetivo parten de un material menos

detallado. Una de ellas es la escritura automática, dejando fluir los
pensamientos sin ninguna limitación. Se supone que de ese modo surgirán
ideas o nociones que permanecen habitualmente implícitas, fuera del foco de
atención. En la tormenta de ideas o brainstorming se considera que cualquier
idea generada, sea cual sea y por imprecisa que resulte, puede ser útil y por
97
tanto no debe ser rechazada de entrada, dejando para una segunda etapa su
discusión y análisis.
Otro campo en el que se plantean recursos para la innovación es la

estilística literaria (Marchese y Forradellas, 1997). Aunque alejada del trabajo
científico, puede ilustrar la presencia de propiedades de validez en los
instrumentos desarrollados para plantear novedad conceptual. De hecho, es
habitual aceptar que una de las figuras utilizadas en literatura, como es la
paradoja, sea una fuente de nuevas ideas en ciencia y matemáticas. Las de
Abilene, Einstein-Podolsky-Rosen, Maxwell, Russell o Simpson son algunas
de las muchas planteadas con considerable potencial heurístico.
En ese campo literario, un recurso para la innovación a través de la

precisión o su contraria es la búsqueda de polisemias o multiplicidad de
significados de un término verbal, como también podría ser de una expresión
formal o gráfica. La imprecisión que conllevan las polisemias es un posible
instrumento para generar nuevas preguntas o respuestas. La elipsis, o
supresión de algún elemento del discurso, es otra figura estilística muy
utilizada que puede entenderse como dejar implícito algún elemento explícito
hasta entonces, perdiendo por tanto precisión, lo que puede dar lugar a una
nueva forma de ver las cosas.
3.2. Plantear nuevas preguntas y respuestas a partir de la diferenciación

conceptual
La diferenciación, ya sea de valores de un concepto o de dos o más de estos,

y sus incumplimientos constituyen otras vías para el planteamiento de
preguntas o respuestas diferentes a los de partida. Pueden obtenerse nuevos
valores o conceptos mediante la diferenciación de los que aparezcan
asociados y, también a la inversa, asociando o solapando los que aparezcan
diferenciados.
Las dos vías recién señaladas, plasmadas en las diferentes dimensiones

metodológicas, son expuestas y ejemplificadas a continuación en términos de
competencias.
98
A) Diferencie o solape objeto de estudio y contexto
Pueden obtenerse innovaciones tanto al diferenciar la función de objeto de

estudio y contexto en conceptos que no las tuvieran así, como al confundir o
asociar como una sola función los que estén diferenciados en esa dimensión.
Ejemplos. El primer caso queda ilustrado con cualquier planteamiento en

el que quede diferenciado qué es el objeto de estudio y qué el contexto,
como, por ejemplo, "memoria en autistas" o "habilidad motora en menores de
dos años". Por su parte, la innovación por solapamiento se daría cuando a
partir de un objeto de estudio como "afectividad" en el contexto de la
adolescencia, se planteara "la edad de la transición: adolescentes afectivos",
donde la edad resulta planteada no solo en el contexto sino como objeto de
estudio, lo cual podría originar nuevas ideas.
B) Diferencie o solape tipos de contenidos
La diferenciación de determinados contenidos puede hacer emerger otros

nuevos, y también su solapamiento al poder entender como un mismo
contenido dos o más tenidos como diferentes.
Ejemplos. Se genera un nuevo planteamiento al separar diversos

componentes de la conducta motora de saltar altura en atletismo que hasta
entonces no hubieran sido considerados de manera diferenciada. En sentido
opuesto, también supondría un cambio percibir asociados los que hasta
entonces hubieran sido diferenciados como movimientos de brazos y de
piernas.
C) Diferencie o solape estructuras
Podrían generarse nuevos conceptos al separar estructuras que aparezcan

asociadas, y también al asociar o conjuntar en una sola las hasta entonces
diferenciadas. Lo primero supondría diferenciar variables o relaciones hasta
entonces conjuntadas, mientras la innovación de sentido contrario consistiría
en integrar en una sola variable o relación las diferenciadas hasta entonces.
99
Ejemplos. Sería un caso de diferenciación contemplar la variable
"desarrollo de una sociedad" en términos de variables normalmente asociadas
como nivel económico, desarrollo democrático, grados de salud y nivel
cultural de determinadas poblaciones. Otra posibilidad sería no diferenciar las
variables independientes y dependientes, o invertirlas, como sería pasar de
considerar la motivación como un requisito previo para el aprendizaje a
tenerla como una consecuencia de este, o pasar a considerar el mayor
desarrollo de distintas áreas cerebrales como una consecuencia del
aprendizaje y no como su causa.
D) Diferencie o solape tipos y números de valores
Nuevos planteamientos pueden ser generados diferenciando o solapando

valores en sus tipos o número.
Ejemplos. El primer caso se daría al diferenciar en valores cuantitativos

del IMC los ordinales de "obesidad, sobrepeso, peso ajustado e infrapeso". La
acción opuesta, asociar diferentes cantidades a una determinada categoría,
supondría el solapamiento de esos valores cuantitativos. Otro ejemplo sería
que en un estudio sobre las creencias religiosas se pasara de diferenciar
valores como creencias católicas, protestantes u ortodoxas, a considerarlos
como un único valor de creencias cristianas. En sentido opuesto, podrían
diferenciarse valores de violencia psicológica y violencia física en lo que
antes se considerara un único valor de violencia.
E) Diferencie o solape modo, nivel y códigos de expresión
Deshacer asociaciones usuales de determinadas definiciones por

comprensión con otras por extensión, entre determinados indicadores y
constructos, o entre determinados códigos de expresión, diferenciando tales
casos, son modos de generar nuevos planteamientos, al igual que ocurre en
sentido inverso al asociar en esas dimensiones los casos diferenciados hasta
entonces.
Ejemplos. Sería una novedad presentar con pantallas reales el contenido de
100
las preguntas de un cuestionario sobre uso de menús de programas
informáticos, en lugar o además de hacerlo de manera verbal. Otro ejemplo lo
constituye la asociación usual en ciencia consistente en exponer los
resultados de las investigaciones mediante códigos de expresión gráficos
descritos verbalmente, y que en la estilística literaria se denomina écfrasis.
El cuadro 3.2 ofrece para cada dimensión una serie de preguntas útiles
para usar la diferenciación y su falta como motores de nuevos
planteamientos.
Cuadro 3.2. Innovar en función de la diferenciación de las dimensiones

metodológicas
101
diferenciación
Al igual que en precisión, es posible encontrar que algunos de los

procedimientos utilizados en el ámbito de la creatividad están relacionados
con la diferenciación de conceptos o con sus incumplimientos.
Así sucede con las técnicas que recurren a listas de atributos, consistentes
en diferenciar en el problema de interés diversas características susceptibles
de modificación o variación. Es una estrategia en la que se descompone el
problema en una serie de variables para plantear a partir de ellas otras
distintas, valorando a continuación cuál de esas modificaciones puede
suponer una innovación productiva. Dado que los atributos listados pueden
ser numerosos, suelen ser agrupados en términos de lo que puede
interpretarse como sus contenidos o su función. Sin embargo, también podría
hacerse en términos del resto de dimensiones. De tal forma, además o en
lugar de listar tan solo variables, podrían añadirse relaciones, valores de
distintos tipos, al igual que expresiones realizadas con los modos, niveles y
códigos. Y efectivamente, todo ello puede encontrarse en técnicas como las
que aparecen a continuación.
Las listas de comprobación o de chequeo diferencian una serie de

preguntas para estimular la generación de ideas, que suelen ser las siguientes:
Qué, por qué, quién, dónde, cuándo y cómo. De esas preguntas, "qué" puede
interpretarse como la aplicación de la función de objeto de estudio frente al
contexto, mientras que la dimensión de contenidos se aplica en referencia a
sujetos con la pregunta de "quién", al medio con las de "dónde" y "cuándo", y
a procedimientos investigativos con la de "cómo". Por su parte, la pregunta
de "por qué" orienta sobre nuevas variables a relacionar con las planteadas,
en un aprovechamiento por tanto de la dimensión estructura. Y en todos esos
casos las dimensiones de expresión pueden ayudar también a nuevos
planteamientos. Estas listas de chequeo suelen asociarse a veces a acrónimos,
como SCAMPER (Michalko, 2006) o CREATES (Lurueña, s.f.), para
facilitar el recuerdo de aspectos a diferenciar en el problema abordado. En
cualquiera de las versiones señaladas, se buscan innovaciones a través de una
descomposición del problema mediante diferenciaciones de aspectos
102
solapados o asociados hasta entonces.
Otro de los procedimientos para generar nuevas ideas relacionado con la

diferenciación es la analogía, que consiste en asimilar o asociar una noción a
otra con la que se le aprecia cierta semejanza. Así ocurrió al aplicar al átomo
la estructura del sistema solar, concibiendo a los distintos electrones en sus
respectivas órbitas en torno al núcleo ocupando el lugar del Sol. En términos
metodológicos, la analogía puede entenderse como el resultado de asociar
conceptos diferenciados hasta entonces, normalmente en términos de
contenidos, aunque cabría hacerlo en cualquier otra dimensión.
En las figuras estilísticas literarias, al entenderlas como procedimientos de

innovación, también hay algunas que pueden ser interpretadas en términos de
diferenciación. Pueden citarse así la metáfora, consistente en tomar como
similares elementos considerados diferentes hasta entonces, la antítesis o
conjunción de elementos contrarios y por tanto no asociados normalmente,
como "lluvia seca" o "silencio sonoro", y la antífrasis o asignación a una
persona u objeto de cualidades contrarias a las que realmente posee como
"Hitler el pacífico".
3.3. Plantear preguntas y respuestas a partir del ajuste conceptual
Al igual que las propiedades de precisión y diferenciación, también es vía

para la innovación el ajuste a un determinado referente, es decir, la supresión
o la adición de elementos planteados, o ambas cosas a la vez.
Como en propiedades anteriores, las posibilidades recién señaladas,

concretadas en las diferentes dimensiones metodológicas, son expuestas y
ejemplificadas a continuación en términos de competencias.
A) Ajuste, amplíe o reduzca el objeto de estudio y contexto
La innovación puede lograrse a través del ajuste y su pérdida añadiéndose

y suprimiéndose elementos en el objeto de estudio y contexto planteados, uno
y otro al completo.
103
Ejemplos. Añadiría elementos al objeto de estudio el terapeuta que,
centrándose inicialmente en el cliente casado que le pide sus servicios, pasara
a centrarse en el cliente y su esposa. En otro caso podría seguir el camino
inverso. Asimismo, el descubrimiento del fenómeno del bloqueo, en la
temática del aprendizaje animal, supuso incluir en el objeto de estudio
elementos que antes eran considerados parte del contexto como la caja
experimental. Un caso de supresión en objetos de estudio se da por parte de
profesionales de la Psicología que excluyen a muchos problemas de
comportamiento del concepto de enfermedad derivado del modelo
mayoritario en Medicina.
B) Ajuste, amplíe o reduzca contenidos de los distintos tipos
Pueden generarse nuevos conceptos al añadir contenidos que no se

contemplaban y excluyendo otros que antes se consideraban.
Ejemplos. A las competencias intelectuales del sujeto se han añadido otras

como la inteligencia social o la inteligencia emocional. Al contrario, se
excluyeron contenidos al dejar de considerar la homosexualidad dentro de las
psicopatologías del sujeto.
C) Ajuste, amplíe o reduzca la estructura
El cambio para conseguir o perder ajuste mediante la adición o supresión

de elementos puede realizarse también desde la estructura de los conceptos
planteados.
Ejemplos. Se cambiarían estructuras al añadir variables de emociones a un

estudio sobre habilidades motoras, o al considerar la relación entre
habilidades y emociones. Por el contrario si se partiera de una relación, se
obtendría un cambio por reducción al obviar dicha conexión y considerar tan
sólo una o más de sus variables.
D) Ajuste, amplíe o reduzca valores
104
Tanto la adición como la supresión del número de valores, y el cambio de
su tipo por otro, también suponen vías para la innovación.
Ejemplos. Si partiendo de una escala exhaustiva de estatura, se limitara la

atención a solo algunos de sus valores, se estaría perdiendo el ajuste de
partida. En sentido contrario, si se partiera de considerar para un puesto de
trabajo a las personas con una altura superior a dos metros y se ampliara la
atención a otras más bajas, se estaría cambiando el ajuste al añadir valores.
E) Ajuste, amplíe o reduzca en modo, nivel y códigos de expresión
Pueden obtenerse cambios conceptuales a través del ajuste o su falta

mediante adiciones o reducciones de casos de las dimensiones de expresión.
Ejemplos. Ocurre cuando se añade una especificación por extensión a una

ya planteada por comprensión, o se plantea un constructo que resuma lo
común a varios indicadores. En códigos de expresión pueden suponer
innovaciones de interés sustituir un gráfico por otro diferente para expresar el
mismo concepto, o utilizar ambos gráficos buscando una complementariedad
que añada matices no considerados hasta entonces.
El cuadro 3.3 recoge una serie de preguntas organizadas por competencias,

a usar como guías para generar planteamientos a partir de la propiedad de
ajuste.
Cuadro 3.3. Innovar en función del ajuste de las dimensiones metodológicas
105
ajuste
Además de por lo mostrado con las competencias recién señaladas, la

generalidad del ajuste y sus carencias como vías para la innovación puede
ilustrarse identificando ambas posibilidades en figuras estilísticas que
pretenden generar innovaciones en el campo literario. Véanse los siguientes
ejemplos.
106
La falta de ajuste por exceso o por defecto es identificable en los casos
más usuales definitorios de la sinécdoque, como usar la parte para representar
al todo o viceversa. Otras muestras son la elipsis o supresión de algún
contenido de la expresión, dejándolo implícito, por lo que fue mencionada
también en precisión, y la metonimia en cuanto supone sustituir, por ejemplo,
el continente por el contenido, como "tomar una copa", o el símbolo por lo
simbolizado, como al expresar "lealtad a la bandera" para significar la
relación con ese país. Por su parte, la falta de ajuste por exceso de elementos
está presente en el pleonasmo al consistir en expresar conjuntamente términos
redundantes, como en la frase "entra dentro" o "sube arriba", y que en ciencia
puede ser a veces una vía para originar directa o indirectamente alguna idea
novedosa.
3.4. Validez y dimensiones de conceptos en la heurística de la ciencia
Complementando la consideración realizada hasta aquí de cada propiedad de

validez en las diferentes dimensiones, el presente apartado considera la
heurística científica porque en ella pueden identificarse procedimientos
innovadores que implican la conjunción de más de una dimensión y
propiedad de validez.
Con el término heurística se hace referencia a un conjunto de

procedimientos desarrollados para generar conceptos, ya sean preguntas o
respuestas, a partir de un texto, una experiencia concreta o algún otro punto
de partida. Algunos de esos procedimientos tuvieron un origen filosófico,
siendo completados posteriormente con otros surgidos en el desarrollo del
método científico. A continuación son señalados algunos de uno y otro tipo.
Dos procedimientos heurísticos de larga tradición son el análisis y la

síntesis, que consisten, respectivamente, en dividir un concepto en partes más
simples para entenderlo mejor e integrar varios en otro diferente que los
incluya. Su implementación siempre es en términos de contenido, estructura,
tipo de valores o alguna otra dimensión. Ambos procedimientos, además,
pueden implicar según los casos el cumplimiento o no de una o más
propiedades de validez. Por eso, buena parte de los procedimientos expuestos
107
en los tres apartados anteriores de este capítulo pueden ser entendidos como
casos de análisis y síntesis.
Algo similar ocurre con los procedimientos heurísticos de la inducción y la

deducción, centrales para la descripción del método científico, como ya
indicaba la Introducción a esta obra. En la inducción se parte de la semejanza
entre casos particulares, para ir alcanzando por generalización un concepto
más amplio 0 complejo en estructura pero también en el resto de
dimensiones. Y en la deducción, en cambio, se parte de un concepto general
para pasar a considerar varios casos particulares. Ambos procedimientos
pueden suponer logros o pérdidas de una o más de las propiedades de validez.
Además de los recién expuestos, existen otros procedimientos que se han

ido consolidando con el desarrollo del trabajo científico. Uno de ellos es la
búsqueda bibliográfica, con la que localizar trabajos publicados que aporten
nuevos conceptos o procedimientos o, al menos, sugerencias para obtenerlos.
Esa búsqueda se apoya actualmente en eficientes bases de datos
informatizadas, y es ayudada por descriptores o palabras claves del campo
temático a revisar, que aparecen estructuradas por su contenido en los
denominados tesauros.
Ejemplos. Algunas de las bases de datos más utilizadas en ciencias

sociales y de la salud son Social Sciences Citation Index, Scopus, Medline,
PsychINFO o Latindex. De tesauros pueden destacarse el de la UNESCO
(s.f.a) y el de Unificación de formatos bibliográficos (2010) por su
generalidad.
También es útil inscribirse a nivel profesional en servicios de alertas de

publicaciones sobre los temas de interés, siendo necesario gestionar las
referencias de los trabajos consultados, para recuperarlos a conveniencia,
citarlos y compartir su información. Para este propósito existen diferentes
herramientas informáticas.
Ejemplos. En Psyclnfo/ProQuest es posible crear una cuenta para recibir

avisos cada vez que en las bases de datos se incorpore un documento que
108
cumpla con los criterios que se hayan indicado. Para gestionar referencias
existe RefWorks, una aplicación a través de Internet que permite importar
referencias, incluir citas en un documento y crear bibliografías o listas de
referencias.
Normalmente se procura que las búsquedas se hagan con arreglo a las tres
propiedades de validez, tratando de que sean precisas, ajustadas al objetivo
perseguido al ser una revisión exhaustiva de los trabajos existentes con
exclusión de los que no sean del tema, y sin solapamientos con otros temas.
Sin embargo, hacer búsquedas sin atenerse a esas tres propiedades y
aprovechar lo que ello pueda aportar es otra vía quizás insuficientemente
explorada para la innovación. Serían búsquedas no estructuradas de carácter
exploratorio, que producirían casos de serendipia o descubrimientos
inesperados.
El resultado de toda búsqueda suele ser una recopilación de publicaciones

sobre el tema de interés, a partir de las cuales plantear nuevas preguntas o
respuestas. Tales innovaciones se basan en identificar cuáles han sido los
objetos de estudio y contextos de las investigaciones recopiladas, cuáles son
los princi pales contenidos estudiados, sus variables y relaciones, con qué
valores lo han sido, y cuáles son los constructos, indicadores y datos más
relevantes de esa área de trabajo. Todo ello supone, en definitiva, el conjunto
de competencias señaladas en el capítulo 1, de las que hacen uso
procedimientos de estudio de lo ya investigado como el metanálisis
estadístico (Marín-Martínez, Sánchez-Meca, Huedo y Fernández, 2007) o el
análisis cualitativo de datos secundarios (Heaton, 2004).
Otros procedimientos heurísticos consisten en someter al juicio crítico de

algunos colegas de profesión los planteamientos propios, algo central ligado
al carácter colectivo y a la búsqueda de consenso de la ciencia. En estos
procedimientos pueden incluirse los seminarios y los grupos de discusión, en
los que los equipos de investigación presentan y discuten sus resultados y
conclusiones preliminares, explorando el nivel de aceptación por otros
colegas cercanos y favoreciendo la detección de problemas y el
planteamiento de posibles soluciones. En etapas más avanzadas de los
109
trabajos, los resultados de las investigaciones suelen exponerse en foros como
congresos, jornadas o coloquios, de manera que al defender ante un público
más numeroso los propios planteamientos y escuchar las dudas y cuestiones
que se planteen, puedan apreciarse aspectos no considerados hasta entonces.
En esos mismos ámbitos, la innovación también puede surgir al escuchar los
trabajos de otros colegas.
También pueden compartirse ideas con colegas a través de las

posibilidades que ofrece Internet, como correos electrónicos, foros de
discusión o listas de distribución, además de seguir regularmente las
publicaciones y trabajos mediante aplicaciones para redes sociales.
Ejemplo. ResearchGate es una red social en Internet para investigadores

que permite compartir documentos, plantear y responder preguntas, y
encontrar colaboradores.
En una última etapa de los trabajos se procura su publicación en revistas o

en libros para que, tras el consiguiente proceso de revisión y aceptación
editorial, se facilite una adecuada difusión y un posible impacto en los
planteamientos de otros colegas. En este proceso también suelen ser de
bastante utilidad heurística los comentarios, dudas y correcciones que ofrecen
los revisores, habitualmente anónimos, de los trabajos sometidos a su posible
publicación. Y en esos enjuiciamientos deberían utilizarse como criterios
importantes el cumplimiento o no de las propiedades de validez en términos
de una o más de las dimensiones de los conceptos implicados.
El cuadro 3.4 recoge orientaciones sobre los procedimientos aquí

considerados.
Cuadro 3.4. Procedimientos heurísticos utilizados en la actividad científica
110
Las competencias propuestas para el planteamiento de conceptos quedan

afianzadas al observar que diversos procedimientos con ese mismo objetivo
pueden entenderse en términos de dimensiones y propiedades de validez.
Como cada concepto presenta todas las dimensiones, los ejemplos aquí
expuestos sobre una dimensión pueden ser leídos desde otra diferente. Y en
cuanto a las propiedades de validez, conviene insistir en que las calificaciones
de validez y sus incumplimientos pierden su sentido como tales cuando son
111
consideradas como posibilidades de obtener nuevos planteamientos (ver
figura 3.1). No obstante, una vez planteados los conceptos, estos deben
someterse al juicio de validez conceptual mostrado en el capítulo 2.
Figura 3.1. Innovación de conceptos a partir de sus dimensiones

metodológicas y las propiedades de validez.
Ha de tenerse en cuenta también que no todos los cambios obtenidos son
112
del mismo grado respecto al punto de partida. Esas diferencias dependen de
varios factores implicados en los instrumentos aquí propuestos.
Por una parte, si el cambio se produce en las dimensiones de contenido y

estructura, que son las constitutivas de un concepto junto al tipo de valores en
algunos de ellos, dicho cambio supondrá un nuevo concepto. De hecho, uno
de los procedimientos clásicos y potentes de generación de conceptos son las
analogías, como ya se ha comentado, que en su inmensa mayoría implican el
cambio de contenido consistente en sustituir el modo de ver determinadas
cosas por otro distinto. A diferencia, los cambios serán menores en principio
si se dan en las dimensiones referidas a la expresión de los conceptos.
El número de dimensiones y de propiedades de validez en las que se

produzcan cambios es otro factor para determinar el grado del cambio o
diferencia, que a su vez varía según el número de conceptos modificados.
En todo caso, los mayores grados de cambios definidos por los criterios
recién señalados no siempre han de corresponder con el de un avance más
considerable en ciencia. Lo aquí ofrecido aporta criterios materiales para
describir ese cambio, pero lo que es considerado un avance queda definido
por criterios más propios de cada persona o colectivo, influidos por aspectos
sociológicos del ámbito en el que aquellos se desenvuelven en cada época.
Cambios considerados pequeños con los criterios aquí propuestos pueden ser
considerados en un momento dado avances significativos y sustanciales,
mientras que la valoración opuesta puede darse con otros de mayor grado.
113
La competencia central de esta segunda parte es la recogida de datos. Su
sentido es la obtención de evidencias con las que responder a las preguntas
planteadas. Es por ello una concreción sobre todo de las características
empírica y procedimental de la ciencia, además de la lingüística presente en
toda competencia de dicho campo.
La recogida de datos puede realizarse de distintos modos, mediante

diferentes diseños, métodos y técnicas que se muestran en esta parte. Pero en
todas esas posibilidades, los elementos definitorios de dicha competencia son
los siguientes (ver figura I2.1). Los logros a obtener son los datos. Los
instrumentos conceptuales son los conocimientos sustantivos y
metodológicos de quien investiga, más los conceptos conformadores tanto de
cada objeto de estudio en forma de problemas, preguntas y posibles
respuestas, como del contexto en el que se plantean esos objetos de estudio y
en el que se recogen los datos. Los instrumentos materiales varían según las
investigaciones, siendo en muchos de ellos papel y lápiz para hacer
anotaciones, y programas informáticos para manejo de archivos con distintos
fines. Dependiendo del contexto de la recogida de datos, se utilizan
cuestionarios, guiones para entrevistas, sistemas de categorías a observar,
aparatos mecánicos o electrónicos como cámaras de vídeo y fotográficas,
grabadoras de audio, taquitoscopios, equipos para encefalogramas, cajas
experimentales o laberintos para animales, entre otros muchos posibles. Por
su parte, las actividades relevantes son las de manejo y uso de los
instrumentos, resumidas en las siguientes: ubicación en un contexto que
debería ser similar al tomado como referencia, e identificar qué valor o
valores del concepto de referencia se dan en él. Así, por ejemplo, para
obtener el dato de qué postura adopta un alumno en un momento determina
114
do de la clase, el concepto objeto de estudio sería el conjunto de posibles
posturas; el contexto del alumno, el lugar y momento planteados; y el
contexto de la recogida el alumno, la clase y momento en que se obtenga el
dato pretendido. Y al igual que en el resto de competencias, el contexto más
amplio en el que todo ello tiene lugar lo constituye algún ámbito profesional,
ya sea educativo, clínico, docente o cualquier otro con sus respectivas
características. A ello hay que sumar el contexto personal de quienes recogen
los datos, sus condiciones y circunstancias específicas.

instrumentos conceptuales y materiales, y se realicen actividades que puedan
Figura I2.1. Elementos de la competencia de recoger datos.
La recogida de datos es denominada frecuentemente medición, aunque en

sentido estricto ello sería adecuado tan solo cuando el concepto a estudiar
fuera una escala de medida, es decir, un concepto expresado verbal o
gráficamente acompañado de números. Por el papel preponderante que la
medición ha desempeñado en la recogida válida de datos, muchos de sus
términos y conceptos son utilizados abarcando a toda recogida de datos. Así
ocurre, y así se hará en los capítulos que siguen, con expresiones como
115
"instrumentos de medida", "variables de medida" o "errores de medida", por
ejemplo.
Además de obtener información, la recogida de datos tiene otro sentido:

Interpretar la realidad, en función de algún objeto de estudio y contexto de
referen cia. Frente a una concepción empirista ingenua según la cual "los
hechos de la realidad hablan por sí mismos", desde lo aquí señalado se
entiende que los datos obtenidos en cada ocasión dependen de los conceptos
utilizados como referencia y sus contextos. Se sostiene así que "se percibe lo
que se es capaz de entender sobre la realidad". Por eso al observar
determinados hechos, diferentes profesionales lo percibirán según sus
respectivos puntos de vista.
Por otra parte, la validez en las recogidas de datos se concreta en las

mismas tres propiedades que en el planteamiento de preguntas y posibles
respuestas, aunque con una diferencia: mientras que en planteamiento se trata
de una validez conceptual, de los objetos de estudio y su contexto, en la
recogida de datos la validez es también procedimental, de las actividades a
realizar para obtener estos.
También, al igual que la del planteamiento de preguntas y respuestas, la

validez de la recogida de datos ha de considerarse respecto a un referente, en
este caso el objeto de estudio y su contexto planteados. Esa correspondencia
con dicho referente es la clave para considerar la validez de las recogidas de
datos.
Ese referente está especificado a veces antes de la investigación y en otras

surge de esta. En el primer caso, la validez de la recogida de datos deberá
considerarse antes, durante y después de ella. Antes, planificando y
adoptando las decisiones más favorecedoras de dicha propiedad; durante,
cuidando de que lo planificado se lleve a cabo o, si es el caso, con
modificaciones adecuadas; y después, revisando lo realizado. En cambio, en
las investigaciones realizadas sin un objetivo especificado de antemano, la
validez de la recogida de datos sólo puede considerarse durante y después de
su realización, a medida que vaya delimitándose ese objetivo.
116
De los capítulos de la presente parte, el 4 muestra cómo identificar y
decidir las recogidas de datos, mientras que los 5, 6 y 7 enseñan cómo
identificar y procurar en esas recogidas de datos cada una de las tres
propiedades de validez, conjuntando todo ello el capítulo 8. Los cinco
capítulos expresan todas esas competencias en términos de otras moleculares
o más particulares a seguir.
117
Como señala la introducción a esta parte, el presente capítulo enseña las
distintas modalidades de la competencia de recogidas de datos en términos de
lo que se denominan Diseños, Métodos y Técnicas de investigación. Y lo
hace tanto para analizar las investigaciones propias o ajenas ya realizadas,
como para decidir las que se necesiten llevar a cabo.
4.1. Identificar y decidir el carácter confirmatorio o exploratorio de la

recogida de datos
Las competencias incluidas en este apartado están presentadas en términos de

las diferentes dimensiones metodológicas de los conceptos.
A) Comience a considerar la recogida de datos identificando si el objeto de

estudio está planteado
En la medida en que el objeto de estudio y el contexto estén

suficientemente planteados, cerrados, pueden dar lugar a recogidas de datos
planificadas de antemano. Este tipo de investigaciones son denominadas
también confirmatorias para señalar la función que tienen de comprobar o
ratificar lo planteado.
En cambio, en la medida en que el objeto de estudio y contexto estén

abiertos, sin especificación suficiente, las recogidas de datos son
exploratorias en cuanto buscan contenidos que puedan resultar de interés.
Tales recogidas de datos pueden y deben ser descritas con posterioridad, una
vez llevadas a cabo.
Ejemplo. Al enfrentarse a un nuevo caso, una psicóloga clínica recogería
118
datos de forma exploratoria para llegar a precisar el objeto de estudio de sus
indagaciones. Una vez que tuviera una idea o hipótesis clara sobre el
diagnóstico más adecuado, trataría de confirmarlo de manera planificada
mediante recogidas adicionales de datos.
A veces se distinguen como recogidas de datos interactivas aquellas en las

que los procedimientos de recogida de datos y la especificación del objeto de
estudio van modificándose mutuamente de manera sucesiva, situación que en
todo caso puede darse independientemente de que comiencen siendo
planificadas o exploratorias.
B) Identifique o decida la recogida de datos en función de los objetos de

estudio y contextos planteados, o decida cómo hacerla cuando no lo estén
La identificación y decisiones referidas a las recogidas de datos deben

tener en cuenta lo planteado como objeto de estudio y su contexto, así como
el contexto en que quepa o convenga llevarlas a cabo.
Por eso, cuando se lleva a cabo una recogida de datos sin haber definido
previamente su objeto de estudio y contexto caben distintas posibilidades.
Una de ellas es plantear algún objeto de estudio y su contexto antes de seguir.
Pueden utilizarse para ello los procedimientos expuestos en el capítulo 3.
La otra posibilidad es buscar objetos de estudio y contextos de interés a

partir de analizar los datos recogidos de manera exploratoria. Presentando
tales análisis en el capítulo 9, corresponde mostrar aquí cómo se realizan las
correspondientes recogidas de datos.
Los apartados que siguen exponen las distintas posibilidades de recoger

datos, sean exploratorias o planificadas, haciéndolo en términos de diferentes
dimensiones de los conceptos.
4.2. Identificar y decidir el diseño de la recogida de datos
Las recogidas de datos son identificadas o descritas atendiendo a distintos
119
criterios. Cuando estos son las dimensiones de estructura y número de valores
de sus componentes, se dice estar considerando el diseño de las recogidas de
datos.
El término diseño está presente en la literatura metodológica con dos

significados. Uno es el de organización de las recogidas de datos planificadas
de antemano. Otro es el de descripción de las recogidas de datos ya realizadas
o que se estén realizando, correspondiendo este último caso a los
denominados diseños emergentes, surgidos y explicitados a partir de la propia
investigación (Erlandson, Harris, Skipper y Allen, 1993), y que pueden
considerarse los correspondientes a las recogidas de datos interactivas arriba
señaladas.
Ambos sentidos son recogidos en las competencias particulares que a

continuación se señalan, resumidas al final del apartado en la figura 4.1.
A) Identifique o decida la estructura unitaria o relacional de la recogida de

datos
Tanto si el objeto de estudio y la propia recogida de datos son

especificados antes de realizarla, como si lo son después, tenga en cuenta que
los diseños son unitarios o relacionales según sea unitaria o relacional la
estructura de los correspondientes objetos de estudio.
Para los diseños relacionales se añaden las denominaciones de diseños

explicativos o predictivos según se consideren causales o no las relaciones
objetos de estudio. Otra denominación como la de diseños descriptivos es
usada en un doble sentido: a veces como sinónimo de no relacionales, y otras
para indicar el carácter no causal de las relaciones objetos de estudio.
Ejemplos. Un equipo psicopedagógico seguiría un diseño unitario o

descriptivo cuando pretendiese medir una serie de aspectos de los estudiantes
a su cargo, tales como inteligencia, motivación y actitudes. Un ejemplo de
diseño relacional sería el planteado para comprobar si una determinada
acción educativa disminuye los problemas de conducta de un grupo de
120
alumnos.
B) Cuando sea factible, identifique o decida el número de variables

independientes en los diseños relacionales
La estructura del objeto de estudio permite en muchos casos especificar los

diseños relacionales atendiendo también al número de variables
independientes, referencias para explicar, predecir o provocar la aparición de
los valores del término dependiente. Por estas funciones, las variables
independientes reciben también denominaciones de variables explicativas o
factores, además de la de predictoras señalada en el capítulo 1. También son
denominadas variables de entrada o input cuando se las contempla desde la
metáfora del ordenador.
Con una sola variable independiente, los diseños relacionales son

denominados unifactoriales o univariados. Con más de una independiente,
como sucede en el estudio de las relaciones de interacción y de algunas
múltiples, los diseños se denominan factoriales, multifactoriales o
multivariados.
Ejemplos. Un estudio sobre la influencia de hacer ejercicio sobre el estado

de ánimo requeriría un diseño relacional unifactorial al tener una única
variable independiente. En cambio, el diseño sería factorial si se planteasen la
edad y el sexo como variables independientes adicionales a la de hacer
ejercicio.
Como se señaló en el capítulo 1, hay relaciones en las que no se diferencia

a sus variables por su papel de independientes y dependientes. Los diseños de
tales casos, denominados usualmente correlacionales, también podrían
llamarse afactoriales al no tener factores de referencia.
Ejemplos. Así sucede en muchas de las relaciones asumidas como simples

covariaciones no causales entre sus términos, como entre la edad y el sexo de
los miembros de una localidad.
121
C) Cuando sea factible, identifique o decida los diseños relacionales según el
número de condiciones de las variables independientes
La dimensión número de valores, aplicada a las variables independientes

de un objeto de estudio relacional, permite identificar o decidir
especificaciones adicionales en los diseños.
Con una sola variable independiente, el diseño puede presentar dos o más
valores, dos o más condiciones, denominándose respectivamente bi o
multicondicional. Se entiende por condición cada conjunto de circunstancias
de las variables de contexto en las que se aplica o estudia cada valor de la
variable independiente. Por eso cada condición se identifica como un valor de
la variable independiente.
Ejemplos. Si al estudiar la efectividad de la variable independiente terapia

sobre un problema de comportamiento, se utilizaran dos valores de terapia, el
diseño sería bicondicional. Y se tendría un diseño multicondicional con
cuatro condiciones si se pretendiese estudiar el efecto de la duración de una
terapia sobre una determinada psicopatología, comparando la evolución de un
grupo de pacientes al transcurrir una, dos, tres y cuatro semanas de
tratamiento.
Por su parte, los diseños factoriales son siempre multicondicionales al

tener como mínimo cuatro valores resultantes de dos variables independientes
con dos valores cada una. A efectos de diferenciación entre ellas y por tanto
entre sus respectivos posibles efectos, las condiciones de cada variable
independiente deben combinarse con las del resto. Por eso el total de
condiciones del diseño se especifica mediante una multiplicación del tipo M
X N... X Z, en las que cada letra mayúscula aquí señalada es sustituida en
cada caso por el número de valores que aporta cada variable independiente.
Ejemplos. El estudio de los efectos de una terapia psicológica y de otra

farmacológica sobre el hábito de fumar, considerando para cada tipo de
terapia su aplicación o no, exigiría un diseño factorial 2 X 2, con un total de
cuatro condiciones producto de las combinaciones entre los valores
122
considerados de las dos terapias. De modo semejante, la indicación de un
"diseño factorial 2 X 4 X 5" implica la consideración de tres variables
independientes o predictoras, de las que una aporta dos valores, otra cuatro y
otra cinco, resultando por tanto que deberían tenerse un total de 40
condiciones. Por su parte, un "diseño 6 X 3" incluye dos factores, uno con
seis valores y otro con tres, con un total por tanto de 18 condiciones.
También hay diseños en los que no se especifica el número de

condiciones. Así sucede cuando las variables independientes presentan o
pueden presentar un alto número de valores, algo usual en las de tipo
cuantitativo. También ocurre en los mencionados diseños correlacionales o
afactoriales, al no diferenciarse sus variables como independientes y
dependientes.
D) Identifique o facilite la combinación completa de condiciones en los

diseños factoriales
Como señala la competencia anterior, la diferenciación entre las distintas

variables independientes exige todas sus combinaciones de valores, lo
denominado diseño factorial completo. Cuando ello no es posible o no
ocurre, el diseño se denomina anidado, fraccionado, jerárquico o multinivel
porque determinados valores de una variable independiente están asociados o
combinados únicamente con algunos de los valores de otra de las variables
independientes o predictoras.
Ejemplo. Esto último ocurriría en un estudio en que, considerando como

variables independientes a profesores de secundaria y asignaturas impartidas,
sucediera que uno de los profesores solo diera una de las asignaturas elegidas.
Si ese anidamiento es considerable, como ocurriría si cada asignatura del

ejemplo anterior fuese impartida por un profesor distinto, se estaría ante una
falta de diferenciación entre variables independientes que impediría distinguir
los efectos de cada una de ellas en todas las condiciones de la otra.
A veces ocurre que a pesar de planificar la combinación completa de
123
condiciones, no se logra recoger datos en todas ellas. Por eso, el calificativo
de completo o anidado sólo debe aplicarse una vez comprobado que hay
datos recogidos en todas las condiciones exigidas por la combinación de las
variables independientes.
E) Identifique o decida las variables de prueba empírica del diseño y su

número
Mientras que las competencias recién expuestas están referidas a la

estructura del diseño en su conjunto y a las variables independientes y sus
valores, las que siguen se centran en las variables de prueba y sus datos.
Se denominan variables de prueba empírica, o simplemente de prueba, a

aquellas cuyos datos es necesario recoger para responder al objeto de estudio
planteado. Por eso se denominan también variables de medida u observadas,
y de respuesta para resaltar que en diversas ciencias sociales y de la salud son
variables cuyos datos están aportados por sujetos.
En las investigaciones no relacionales, las variables de prueba son todas

las constitutivas de sus objetos de estudio unitarios. Y en las investigaciones
relacionales, estas variables de medida varían según los casos.
En las investigaciones relacionales en las que no se distingue entre

variables independientes y dependientes, todas las variables del objeto de
estudio son de medida.
En las que sí se distingue entre variables independientes y dependientes,

las primeras son variables de medida cuando se presentan de forma natural y
los investigadores se limitan a registrar con qué valores. En cambio, no son
variables de medida las independientes cuyos valores son aplicados a los
sujetos por parte de quien investiga, que se denominan manipuladas en tal
caso.
Ejemplos. Cuando son tomadas como independientes, la edad o el sexo de

los sujetos no son variables manipuladas porque no pueden serlo. Una
124
sustancia estimulante tampoco se manipula, siendo variable independiente,
cuando como valores de ella se aprovechen las cantidades que los sujetos
hayan tomado sin intervención de quien los estudia. En cambio, esa misma
variable sería independiente manipulada, y por tanto no de prueba, cuando
quien investiga aplica a los sujetos las cantidades que requiera para la
investigación.
Por su parte, las variables dependientes, de estudios relacionales por tanto,

son siempre de medida al estudiarse si sus valores varían cuando lo hagan los
de las independientes. Por ello reciben otras denominaciones según el matiz
que quiera destacarse. A las de variables de salida, output o de resultado, se
añaden las de variable explicada o criterio cuando se desea enfatizar
respectivamente el carácter causal o no con que se entiende la relación en la
que son contempladas. También se denominan variables de contraste cuando
se quiere destacar que en el patrón de covariación, descrito en el capítulo 1,
son aquellas cuyos datos hay que comparar ante valores diferentes de las
independientes para concluir sobre una relación.
En todos los casos descritos, el número de las variables de prueba es otro

aspecto de la estructura que ayuda a describir los diseños. Según sean una o
más esas variables, dan lugar a los diseños univariados y multivariados, o
univariantes y multivariantes.
Ejemplos. Realizar un estudio para medir el cociente intelectual de los

escolares de un determinado colegio sería un diseño unitario univariado. Si
además se pretendiese registrar el rendimiento de esos escolares, así como
sus motivaciones e intereses, debería plantearse un diseño unitario
multivariado. Por su parte, sería un diseño relacional univariado el de una
investigación sobre el rendimiento que produciría un determinado programa
de incentivos aplicado a un grupo de estudiantes. Ese diseño pasaría a ser
multivariado si se pretendiese estudiar los efectos de ese programa de
incentivos sobre dos variables de prueba empírica como el rendimiento y la
motivación.
F) Identifique o decida el número de datos de las variables de prueba en cada
125
sujeto o unidad de estudio
Además del número de valores de las variables independientes, es

importante considerar el de datos obtenidos o a obtener de cada variable de
prueba en cada sujeto o unidad en estudio. Es lo que define las estrategias del
diseño, distinguiéndose entre transversales y longitudinales según sean uno o
más esos datos por sujeto o unidad.
Ejemplos. El estudio de la opinión de un conjunto de sujetos sería

transversal si a cada uno se le tomara un solo dato, mientras que sería
longitudinal si se le tomara más de un dato a lo largo de un tiempo.
También existen diseños mixtos en cuanto incluyen las estrategias

transversal y longitudinal. En los diseños no relacionales con más de una
variable objeto de estudio, al menos una de ellas es estudiada con la estrategia
transversal y al menos otra con la longitudinal. En los relacionales, son
mixtos los diseños factoriales en los que al menos existe una variable
independiente con cada estrategia.
Ejemplo. Se seguiría un diseño mixto no relacional si se estudiara una sola

vez la inteligencia de los sujetos al comienzo del estudio, y varias veces su
opinión sobre un tema a lo largo de distintos momentos.
Hay que advertir que el número de datos que define a una u otra estrategia
no corresponde necesariamente con el número de registros realizados, sino lo
que se considere finalmente como dato a partir de dichos registros.
Ejemplos. Si se registran las sucesivas ocurrencias de una conducta pero

posteriormente se calcula la frecuencia o suma de todas ellas, para delimitar
la estrategia se considerará que se ha obtenido un solo dato. Igual ocurriría si
se tomasen sucesivas medidas cuantitativas y se resumieran en un solo dato,
como la media aritmética.
126
Figura 4.1. Diseños de recogida de datos.
G) En los diseños relacionales y según la estrategia, identifique o decida el

número de grupos y momentos de la recogida de datos
127
En los diseños relacionales, la estrategia conlleva una determinada
organización de los sujetos o unidades de estudio. Si es transversal, el hecho
de que se tome una sola medida de la variable dependiente a cada sujeto
implica que los sujetos que estén en una condición no están en otra, por lo
que habrán de formarse distintos grupos de esas unidades, tantos como
condiciones. Por eso, y según cuál de esos aspectos desee resaltarse, se les
denomina diseños de medida única o bien multigrupos o intergrupos si desea
indicarse que la comparación de datos para el estudio de la covariación se
realiza entre datos de distintos grupos de sujetos. A veces, estos diseños son
denominados de grupos control o normativos, o de grupos control y
experimentales, para resaltar que uno de los grupos de comparación,
normalmente el de valor ausencia de la variable independiente, se toma como
referencia para evaluar las posibles diferencias de la variable dependiente en
los distintos grupos.
Si el estudio relacional es longitudinal, todos los sujetos formando un

único grupo aportan más de un dato de la variable dependiente en distintos
momentos de la investigación, tantos como condiciones. Por ello se
denominan diseños de medida repetida cuando los datos de cada sujeto
corresponden a uno por condición, o también intragrupo o intrasujetos,
atendiendo a que la comparación de esos datos de las diferentes condiciones
se realiza dentro del único grupo de sujetos. Otra denominación más
específica es la de diseños con pretest y postest, aplicada cuando se toman
datos a los mismos sujetos antes y después de algún tratamiento o cambio de
valor de la variable independiente del estudio, tratándose por tanto de diseños
longitudinales bicondicionales.
A diferencia, se habla de diseños longitudinales de series de datos en el

tiempo, o simplemente diseños de series de tiempo o de series temporales,
cuando se obtienen varios datos de cada sujeto por cada condición, razón por
la que podría decirse que estos diseños son longitudinales no solo en su
conjunto sino también en cada una de sus condiciones.
En campos como el clínico y de experimentación básica, los diseños de

series de tiempo suelen aplicarse a un único sujeto en estudio. Se les
128
denomina de caso único o de n = 1, y presentan una terminología específica
para sus diseños que, sin embargo, responden a los criterios aquí presentados
más algún matiz específico sobre cómo disponer dichos valores. Para una
identificación más precisa de estos diseños véase la exposición de Moreno
(1988).
En los diseños relacionales mixtos, el número total de condiciones

corresponde a determinados números de grupos y momentos, dependiendo el
de grupos de las variables independientes transversales y el de momentos de
las longitudinales.
Ejemplos. Si en un diseño 2 X 4 X 5, la primera variable independiente es

transversal y las otras dos longitudinales, el total de 40 condiciones que lo
definen como completo corresponderán a 2 grupos, que habrán de pasar por
un total de 20 momentos distintos resultantes de las combinaciones entre los
4 y 5 valores correspondientes a las dos variables independientes
longitudinales. En cambio, si las dos primeras variables independientes del
mismo ejemplo se aplicaran transversalmente y la tercera de modo
longitudinal, las mismas 40 condiciones implicarían 8 grupos que pasarían
por 5 momentos distintos.
Como resume el cuadro 4.1 para los casos relacionales, recoger en cada
sujeto un solo dato de la variable dependiente, como es propio de la estrategia
transversal, implica tener tantos grupos de ellos como condiciones de la
independiente, y que cada sujeto está en contacto tan solo con un valor de
esta. En cambio, los estudios longitudinales relacionales implican más de un
dato por sujeto de cada variable dependiente, un único grupo de sujetos
estudiado en tantos momentos como condiciones, y que cada sujeto contacta
con todos los valores de la variable independiente considerada.
Cuadro 4.1. Indicadores de estrategia en casos relacionales
129
4.3. Identificar y decidir el método de la recogida de datos
La delimitación de las recogidas de datos en términos de diseños a partir de la

estructura y número de valores se complementa con la que a partir de la
dimensión contenido da lugar a los diferentes métodos o modos de recoger
datos.
Se utiliza para ello la noción de intervención, entendida como la influencia

que sobre diferentes aspectos de los sujetos y su medio ejercen los contenidos
investigativos (Moreno, Martínez y Chacón, 2000), es decir, la influencia de
las acciones y características de quienes realizan los estudios y de los
instrumentos que utilizan. En concreto, los distintos métodos corresponden a
la existencia o no de intervención en las variables independientes y en el
contexto, como se señala a continuación.
Las competencias que siguen, al igual que las anteriores, pueden aplicarse
a cualquier recogida de datos, independientemente de su carácter más
planificado o más exploratorio, y ya sea para describir las propias o ajenas ya
realizadas, o para llevar a cabo las que se necesiten.
A) Identifique si ha habido intervención en las variables independientes, o

considere esa posibilidad en investigaciones a realizar
Intervenir en una variable independiente implica que quien investiga

decide y aplica qué valor o valores de dicha variable va a recibir cada sujeto o
unidad de estudio, y en qué momento lo va a recibir. Ello corresponde a la
130
manipulación, ya señalada en el apartado 4.2.E, sin que dicho término tenga
el matiz peyorativo que recibe en el lenguaje ordinario. En otras palabras, hay
intervención en una variable independiente cuando el contacto de los valores
de dicha variable con los sujetos o unidades depende de quien investiga, ya
sea que lo decida directamente o a través del azar.
A diferencia de lo anterior, no hay manipulación o intervención en la

variable independiente cuando el contacto de sus valores con los sujetos o
unidades no depende de quien investiga, lo que supone que ese contacto
viene dado de modo previo al estudio.
A la variable independiente manipulada se le denomina también activa, y

recibe el nombre de asignada la que no lo es.
Ejemplos. Con la cafeína como variable independiente de una relación,

habría intervención cuando fuera la persona que investiga quien decidiera qué
sujetos o en qué momentos van a recibir las dosis elegidas como valores de la
citada variable. En cambio, la no intervención en esa variable independiente
supondría que, en lugar de aplicar los valores que haya elegido, quien
investiga ha de seleccionar a los sujetos según el valor de cafeína que hayan
consumido de manera natural.
Nótese que el contacto definitorio de intervención en las variables

independientes no incluye que sea el investigador el que elija los valores de
ellas a estudiar. Esa elección siempre ha de hacerla quien investiga, por lo
que es común a la manipulación y a su falta y no define a ninguno de los dos
casos en particular.
Hay que tener presente también que no todas las variables admiten la
manipulación cuando son planteadas como independientes o predictoras.
Ejemplos. La edad y el sexo no pueden ser manipuladas, por lo que al

estudiarlas como independientes solo cabe seleccionar para su estudio a
sujetos que presenten los valores elegidos de ellas.
131
Por otra parte, la intervención no tiene sentido en las variables de prueba.
Intervenir en ellas supondría que quien investiga haría aparecer determinados
datos de tales variables, algo que evidentemente no tiene sentido cuando lo
que se pretende averiguar es justamente qué datos aparecen de dichas
variables de medida.
B) Identifique si ha habido intervención en el contexto, o considere su

posibilidad en investigaciones a realizar
La intervención en el contexto supone que al menos alguna de sus

variables de sujeto o medio queda modificada por alguna de tipo
investigativo. En tal caso, la persona que realiza el estudio o los instrumentos
que utiliza afectan a una o más de las variables de contexto, sean de sujeto o
de medio.
Ejemplo. Si una investigadora pide permiso para entrar y grabar en soporte

visual una clase en la que participan los sujetos que desea estudiar, o si les
hace preguntas, ello supone que dichos sujetos saben que están siendo
estudiados, lo que puede alterar aspectos de su comportamiento, y también
que se vean modificadas variables de medio que conforman el contexto.
C) Identifique o especifique el método del estudio
Las posibilidades de intervención en al menos una variable independiente

y en al menos una variable de contexto, así como sus ausencias, permiten
describir los distintos métodos utilizables en ciencia (Moreno et al., 2000).
Una de esas posibilidades implica ausencia de intervención tanto en las

variables independientes como en las del contexto. La ausencia de
intervención en las independientes puede deberse a dos cosas: que existiendo
esas variables en la investigación no se manipulen; o que no existan por ser
unitario el objeto de estudio. En cualquiera de esos casos, si el estudio se
realiza además sin intervención en el contexto, permanecerán inalteradas las
características de los sujetos y medio que forman el contexto. Por ello, se
denomina natural a este método.
132
Ejemplo. Un investigador desea observar los contenidos de las conductas
verbales del público de una determinada grada en un partido de fútbol.
Además de ser un estudio sin variables independientes y por tanto sin
intervención en ellas, si lo lleva a cabo haciéndose pasar por un espectador
más situado en la grada de enfrente, podría considerarse que está recogiendo
datos sin alterar el contexto ni de sujeto ni de medio. Al menos es lo que
intenta y que deberá comprobar si efec tivamente pasa desapercibido en su
labor. De no lograrlo, el estudio dejaría de ser natural.
El método natural en los estudios relacionales implica variables

independientes no manipuladas además de contexto no intervenido.
Ejemplos. Así sería si el observador recién mencionado comparara los

contenidos de las conductas verbales de los espectadores cuando el equipo
que juega como local va perdiendo y cuando va ganando, es decir, ante
valores de la variable independiente "resultado que va dándose en los
partidos".
En otros estudios la falta de intervención en las variables independientes,

por ser asignadas o por no existir, se ve acompañada por intervención en al
menos una variable de contexto de sujeto o medio cualquiera que sea su
grado. Puede consistir en la mayor o menor presencia explícita de quien
investiga o de alguno de sus instrumentos en un contexto que por lo demás
permanece inalterado. Pero también puede suponer la modificación de un
mayor o menor número de elementos de dicho contexto de medio, que a
veces llega a su configuración expresa para investigar, como ocurre con los
laboratorios.
Este tipo de estudio o método se denomina selectivo porque, en los casos

relacionales, la persona que investiga ha de seleccionar los sujetos o unidades
que presenten los valores que interesen de las variables independientes,
después por tanto del hecho de estar presentes en dichos sujetos. Por ello, este
método se denomina también ex post facto, con sus posibilidades
prospectivas y retrospectivas (León y Montero, 1999). Como puede
apreciarse, esta selección es el recurso utilizado también en los estudios
133
naturales relacionales. Sin embargo, para diferenciar los estudios naturales y
selectivos se reserva la denominación de selectivos para aquellos con
intervención en el contexto.
Ejemplos. Registrar la participación de los estudiantes de una clase

preguntándoles directamente, o registrar sus participaciones mediante
observación tras informarles de ello supone intervenir en el contexto al alterar
el conocimiento de los sujetos sobre el estudio y también su medio. En ambos
casos, no hay intervención en la variable independiente al tratarse de estudios
unitarios.
Otras investigaciones suponen la intervención en al menos una variable

independiente pero no en el contexto. Por la citada manipulación, el método
se denomina experimento o experimental, término que por tanto no es
sinónimo de investigación como a veces se entiende incorrectamente, sino un
tipo específico de esta. Cuando se trata de un experimento en un contexto no
alterado, ni en sus contenidos de sujeto ni de medio, se añade al experimento
la calificación de campo o en contexto no modificado.
Ejemplo. Estudiando la relación entre la manera de enseñar una materia y

la participación de los estudiantes en clase, se seguiría ese método al decidir
que el profesorado utilizara en algunas clases una modalidad de enseñanza
activa y en otras clases una modalidad expositiva, observando posteriormente
las interven ciones de los estudiantes en ambas condiciones, pero sin
informarles del estudio y sin que percibieran las tareas de registro de datos.
Por último, cuando hay intervención en al menos una variable

independiente y también en el contexto, el método es denominado
experimental sin más indicación, aunque se añade a veces calificaciones
como de laboratorio cuando así sea el caso o en contexto modificado si se
considera que la modificación no llega a suponer un medio tan artificial como
un laboratorio.
Ejemplo. El ejemplo previo se convertiría en un experimento en contexto

modificado si, al registrar los datos de participación de los estudiantes, estos
134
fueran informados de tal labor.
Añadir que a veces se utiliza el término cuasiexperimento para especificar

que en el experimento que se contemple no se utiliza para la formación de
grupos de sujetos con validez ninguna técnica basada en el azar, de las que
serán contempladas en capítulos posteriores de esta misma parte.
Al final del siguiente apartado, la figura 4.2 muestra las distintas

posibilidades de métodos contempladas hasta aquí, añadiendo en cada caso
las técnicas señaladas a continuación.
4.4. Identificar o decidir la técnica de la recogida de datos
Las competencias que siguen atienden también a la noción de intervención,

aplicada ahora a las modalidades o técnicas de recogida de datos, es decir, a
los procedimientos específicos de obtención de estos en el marco de un
diseño y método determinados.
Tales competencias pueden aplicarse a cualquier recogida de datos,

independientemente de su carácter más planificado o más exploratorio, y ya
sea para identificar las ya realizadas o para llevar a cabo las que se necesiten.
A) Identifique si la recogida de datos realizada ha implicado intervención, o

decida sobre esa posibilidad en las investigaciones a realizar
Según la intervención que supongan, las recogidas de datos pueden

agruparse en las ciencias sociales y de la salud en las dos siguientes técnicas
generales: la observación y la encuesta (Moreno et al., 2000).
Obtener datos sin que esa tarea implique intervención significa que se
logran esperando a que aparezcan para apreciar cuáles son, es decir,
observando.
Ejemplos. En un estudio en el que se pretende registrar la participación de

los estudiantes en clase, una investigadora sentada entre ellos haría
observación al anotar cada vez que los alumnos plantean alguna pregunta o
135
responden a las expresiones de otros estudiantes o del profesorado.
A diferencia, obtener datos con intervención en dicha tarea significa que la

persona que investiga provoca, directamente o a través de sus instrumentos,
la aparición de datos. Ello puede lograrse preguntando a los sujetos o
poniéndoles tareas que deban hacer. Esos casos y cualquier otro con la misma
función pueden englobarse bajo el término genérico de encuesta, que por
tanto no debe ser tomado únicamente en referencia a situaciones como las
utilizadas para registrar mediante preguntas aspectos de una determinada
población.
Ejemplos. Con la participación de los estudiantes en clase como objeto de

estudio, se recogerían datos con encuesta si al finalizar la clase se pidiera a
cada estudiante que señalara cuántas veces ha intervenido oralmente o que
expresara su opinión sobre algún aspecto de la situación. Otra situación de
encuesta sería ponerle a los sujetos problemas lógicos o espaciales a resolver.
Teniendo en cuenta cómo ha sido definida, la intervención que suponen las

encuestas no debe ser confundida con la intervención que define a la
manipulación de variables independientes. En ambos casos, la acción por
parte de quien investiga o de sus instrumentos tiene objetivos distintos:
respectivamente, que aparezcan datos de las variables de prueba, y que los
sujetos reciban uno o más valores de la variable independiente manipulada.
Debido a esa diferencia, pueden darse ambas intervenciones en algunas
investigaciones y no en otras.
Ejemplos. Para estudiar de manera experimental los posibles efectos del

procedimiento docente sobre la actitud del alumnado hacia las matemáticas,
se manipularía la variable independiente al aplicar a los sujetos dos o más
tipos de procedimientos. Y ello podría hacerse obteniendo los datos de la
variable dependiente "actitud" observando a los sujetos en las clases de la
materia mencionada o preguntándoles al respecto.
Siendo la observación y la encuesta las dos técnicas posibles para recoger

datos, las numerosas denominaciones de técnicas de recogidas de datos que
136
aparecen en la literatura pueden integrarse en una u otra. Todas esas
denominaciones pueden considerarse como casos particulares de la
observación o de la encuesta, en función de criterios ligados en su mayoría a
determinadas dimensiones, como se expone en lo que resta del presente
apartado.
B) Considere conjuntamente las posibilidades de intervención en la recogida

de datos y en su contexto
Varias de esas especificaciones de una y otra técnica aparecen al

contemplarlas en conjunción con las posibilidades de intervención o no en el
contexto, señaladas en la competencia B del apartado 4.3.
La distinción de observaciones externas e internas (Anguera, 1992) puede

interpretarse en términos de la ausencia o presencia de intervención sobre el
contexto en el que se observa. Algo similar puede hacerse con la distinción
entre observaciones no participantes y participantes (Camas, 2009),
establecida cuando se destaca respectivamente que quien observa lo hace sin
entrar en contacto con los sujetos o participando de alguna manera en la vida
de estos.
Ejemplos. Realiza una observación interna quien estando en un aula

observa a un grupo de alumnos, sin ser uno de estos ni tampoco de su
profesorado. Para realizarla de manera externa o no participante, tendría que
observar mediante una cámara oculta, tras un cristal unidireccional colocado
en una de las paredes del aula que le permitiera ver sin ser visto, o mediante
cualquier otro procedimiento que supusiera no intervenir ni en características
de los sujetos observados ni en su medio.
En la participación de quien observa suelen considerarse grados. Uno, el

del observador-participante, se da cuando quien observa participa de la
situación únicamente recogiendo datos. Un grado de mayor participación
sería el del participante-observador, existente cuando un propio miembro de
la situación observada recoge los datos.
137
Ejemplos. Un observador-participante en un aula sería una persona ajena
que entrara en ella comunicando su función. En cambio, el profesorado y
alumnado podrían ser participantes-observadores de determinadas situaciones
en dicho aula.
En las observaciones internas y en las encuestas, al implicar participación

de quien recoge los datos, se establece una distinción entre recogidas
grupales o individuales de datos, interpretable como referencia indirecta a
grados de intervención sobre cada sujeto.
Ejemplos. Cuando las recogidas grupales de datos son encuestas y todos

los sujetos están presentes, suelen denominarse aplicaciones colectivas en el
caso de cuestionarios escritos y grupos de discusión o grupos focales en
entrevistas orales (Onwuegbuzie, Dickinson, Leech y Zoran, 2009; Vera,
Lorente y Martínez, 2012). Por su parte, las técnicas denominadas grupo
nominal y Delphi (Landeta, 1999; Vera et al., 2012) se aplican cuando los
sujetos no están reunidos físicamente. Por ello se les pregunta a través de
algún medio como correo electrónico, devolviéndoseles a cada uno todas las
respuestas una vez analizadas por quien hace el estudio, quien además añade
nuevas preguntas en lo que se denomina una ronda, que suele ser seguida de
varias más.
Puede considerarse que el mayor nivel de implicación con el sujeto por

parte de quien recoge datos se da cuando ambas personas son la misma. Si la
técnica usada es la observación, se trataría de una autoobservación, una
observación interna con la mayor participación posible. En encuestas, el caso
correspondiente se da cuando el sujeto se hace preguntas y se responde a sí
mismo. Y aunque tal posibilidad no haya dado lugar quizás a ninguna
denominación metodológica específica, corresponderían a ella los casos del
llamado "habla privada" (Winsler, 2009) en los que el sujeto se pregunta y
responde a sí mismo, algo que también ocurre cuando va respondiendo en un
"diario" a las cuestiones, preguntas o dudas que él mismo se va formulando,
en lo que podría llamarse un autointerrogatorio. Por su parte, el término
introspección puede recoger cualquier estudio de una persona sobre sí misma,
con o sin preguntas, identificable como recogida de datos endógena (Valles,
138
1999) frente a las exógenas, en las que son diferentes las personas estudiadas
y las que las estudian.
C) Identifique o decida la conjunción de métodos y técnicas de recogida de

datos
Teniendo en cuenta las presencias y ausencias de intervención que

implican los métodos y las técnicas de recogida de datos, conviene tener
presente las combinaciones posibles entre unos y otras.
En el método natural, por la falta de intervención que lo caracteriza, la

técnica de recogida de datos ha de ser la observación externa, no cabiendo ni
la participante ni las encuestas. Por ello, otra denominación de los estudios
naturales es la de observaciones externas.
En el método selectivo, la intervención en el contexto que los caracteriza

permite utilizar cualquier técnica de recogida de datos que también implique
intervención. Si se utiliza la observación en tales casos, la intervención en el
contexto puede implicar que se hace con conocimiento de los sujetos. Por eso
son estudios selectivos las observaciones internas o participantes. Si se
utilizan encuestas, la denominación que corresponde es la de estudios
selectivos de encuesta.
Ejemplos. Es selectivo con observación interna el estudio en el que, sin

manipular la variable independiente, el observador pide permiso a los sujetos
para recogerles datos o altera el medio con una cámara de grabación visible
en el lugar del estudio. Sería selectivo de encuesta si la recogida de datos se
hiciera mediante preguntas a los sujetos.
En los experimentos, si son de campo, la recogida de datos es siempre

mediante la observación externa al ser aplicable a ellos el mismo
razonamiento que en el método natural. En cambio, cuando el experimento
incluye intervención en el contexto además de en la variable independiente,
cabe recoger datos tanto con observación, que será interna o participante, o
con encuesta. La figura 4.2 muestra las conjunciones posibles entre métodos
139
y técnicas de recogida de datos.
D) Identifique o decida la recogida de datos según la fuente de tales datos
Algunas de esas posibilidades se establecen en términos de la realidad en

la que obtener datos, que se constituye así en fuente de estos ligada
estrechamente a la vía sensorial utilizada para obtenerlos.
Ejemplos. La fuente de datos puede ser visual, como la formada por niños
jugando o textos escritos; auditiva, como personas hablando; táctil, como la
tensión que se puede percibir en determinados músculos al tocarlos, o
gustativa y olfativa, como los sabores y olores de determinadas sustancias.
De todas ellas, las más utilizadas son las visuales y auditivas recogidas en
observaciones, entrevistas y cuestionarios, en presencia de los sujetos o a
través de Internet (Sánchez, Segovia y Sánchez, 2012), aunque también
reciben atención otras como la comunicación no verbal entre personas (Bull,
2001), fotografías y otros medios visuales (Banks, 2001) o diferentes
productos culturales (Hodder, 2005).
140
Figura 4.2. Métodos y técnicas de recogida de datos.
Según lo directa que se contemple la fuente de la que se extraigan los

datos, se distingue entre recogidas de datos a partir de fuentes primarias o
secundarias, es decir, recogidas primarias o secundarias de datos. Las fuentes
primarias son las obtenidas en el propio estudio que las investiga, mientras
que las secundarias son aportadas por investigaciones o actuaciones
anteriores.
141
Ejemplos. Son fuentes primarias de datos las conductas obtenidas en los
suj etos estudiados. Son fuentes secundarias sobre esas conductas los datos
obtenidos por investigaciones ya realizadas y que vuelven a ser considerados
para revisarlos o complementarlos, como hacen los metaanálisis de tipo
estadístico (Botella y Gambara, 2002; Marín-Martínez, Sánchez-Meca,
Huedo y Fernández, 2007), los análisis cualitativos de datos secundarios
(Heaton, 2004) y en general cualquier revisión de investigaciones publicadas.
Asimismo, cuando interesa estudiar el pensamiento de una determinada
autora, los documentos escritos por ella son fuentes primarias de recogida de
datos, mientras que si se utilizaran lo que otros estudiosos hayan escrito sobre
ella se estarían usando fuentes secundarias.
Cualquiera de las fuentes pueden ser más o menos momentáneas o

duraderas, exigiendo especialmente las primeras instrumentos que fijen o
mantengan de manera más permanente la información que aportan.
Ejemplos. Dado lo efímero de sus ocurrencias, las conductas motoras y

orales de los sujetos en estudio suelen ser grabadas en vídeo, o en audio las
segundas, para poder analizarlas cada vez que sea necesario. También los
documentos en los que se obtienen datos, aunque sean duraderos, han de
conservarse de modo que no se extravíen o deterioren.
E) Identifique o decida la recogida de datos según los instrumentos

implicados
Mientras que las posibilidades recién señaladas de observaciones y

encuestas atienden a las fuentes de las que se obtienen datos, las señaladas a
continuación se refieren a los instrumentos conceptuales y materiales
utilizados en ellas.
Como indicaba la introducción a la parte, son instrumentos conceptuales

de las recogidas de datos las nociones metodológicas y de la temática en
estudio que se utilicen, así como los objetos de estudio y contextos de
referencia. Y cuando para su utilización son plasmados de algún modo,
normalmente a nivel de indicadores y por extensión, son considerados
142
instrumentos materiales, denominados sistemas de categorías, clasificaciones,
rúbricas, listas o escalas de comprobación o chequeo, o cuestionarios si se
desea resaltar que se aplican por escrito. Otros instrumentos materiales son
aparatos como cámaras de vídeo o grabadoras de audio y programas
informáticos.
Ejemplos. Entre estos programas pueden señalarse E-Prime (versión 2.0) o

SuperLab (versión 5), diseñados para presentar determinados estímulos a los
suj e tos, Best, Etholog, Observer (Gutiérrez, Ortiz y Piñeros, 2003) o Codex
(Hernández, Anguera y Bermúdez, 2000) para el registro y aprovechamiento
de datos observacionales, o Hot Potatoes (versión 6), para elaborar
cuestionarios y usarlos en Internet.
Todos los instrumentos pueden ser considerados en términos de las

dimensiones de los conceptos que implican.
Ejemplos. Las categorías o valores a utilizar para observar pueden estar

expresadas verbalmente, ya sea de modo oral o escrito, pero también formal y
numéricamente como en pruebas de cálculo matemático, y gráficamente
como al utilizar iconos en los instrumentos.
En referencia a códigos de expresión, nótese que no hay asociaciones

necesarias entre los utilizados en los instrumentos y las fuentes o vías
sensoriales por las que se capta la realidad en estudio, y ello a pesar de que
algunas de esas asociaciones sean más frecuentes en la práctica.
Ejemplos. Realidades visuales como posturas de un sujeto, pinturas o

esculturas pueden ser estudiadas desde categorías verbales, de la misma
manera que expresiones audibles de ira o alegría pueden ser categorizadas
con códigos icónicos o numérico-formales. Asimismo, puede pedirse
oralmente a sujetos que respondan gestualmente, como sucedería en una
prueba de conocimientos sobre lenguaje de signos aplicada a personas con
audición no limitada, al igual que pueden pedirse respuestas escritas u orales
sobre reconocimiento olfativo y gustativo, como ocurre en las catas de vinos
o aceites.
143
Por otra parte, algunos instrumentos implican determinadas elaboraciones,
a partir de los objetos de estudio, basadas en determinadas dimensiones de
estos. Las recogidas de datos que utilizan tales instrumentos se denominan
indirectas o derivadas, en contraposición con las recogidas directas, en las
que no se da tal elaboración.
Ejemplos. Se consideran observaciones directas de datos las tomadas de

conductas de fumar o de beber alcohol siendo estas las que interesa estudiar.
Observaciones indirectas o derivadas de estas conductas serían el registro del
número de colillas dejadas por una persona o del número de botellas de
alcohol que quedan vacías tras una fiesta. Por su parte, las encuestas son
indirectas cuando queriendo estudiar lo que los sujetos hacen en un contexto
determinado, como la frecuencia de su asistencia al cine, se les pregunta lo
que dicen que hacen. Otras recogidas indirectas de datos serían las de
conceptos como el índice de masa corporal, a partir del peso y la altura, o el
cociente intelectual a partir de la edad mental y la edad cronológica, en las
que la derivación es a constructor a partir de indicadores o de otros
constructos.
No debe confundirse la distinción de recogidas de datos directas e

indirectas con la establecida entre fuentes primarias y secundarias. Al ser
clasificaciones diferentes, caben todas las combinaciones entre ambas.
Ejemplos. Si para averiguar si una niña ve un determinado programa de

televisión se le pide a la madre que informe al respecto, se estaría
aprovechando una fuente secundaria con una recogida directa de los datos
que ella aporte. Con esa misma fuente y el mismo objetivo, la recogida sería
indirecta si se le preguntara a la madre qué aspectos conoce la niña del citado
programa. Igualmente, a partir de fuentes primarias las recogidas de datos
pueden ser directas o indirectas, como mostraba un ejemplo anterior sobre el
estudio de la conducta de fumar realizado directamente por observación o a
través de las colillas que dejan los fumadores.
Asimismo, y al igual que las fuentes, los instrumentos pueden ser

momentáneos o duraderos, facilitando los segundos la recogida de datos en
144
mayor medida.
Ejemplos. Cuando se plantean las preguntas de una encuesta plasmadas en

algún soporte que les otorga permanencia, como papel o dispositivos
magnéticos como los pendrives, y no de forma efímera como en el modo oral,
el sujeto tiene más posibilidades y tiempo para considerarlas. Algo semejante
se diría del uso que puede hacer de los sistemas de categorías quien hace
observaciones con ellos, según los tenga o no plasmados en un soporte físico
que le aporte estabilidad.
Con este criterio, las encuestas se consideran cuestionarios o entrevistas

(Goodale, 1982/2000; Vera et al., 2012) según las preguntas estén plasmadas
por escrito en algún soporte duradero o se planteen oralmente.
F) Identifique o decida la especificación de los instrumentos de recogida de

datos
En función de lo planificados que estén los instrumentos de las recogidas

de datos, estos pueden diferenciarse en no estructurados y estructurados,
simplificando esa dualidad una diversidad de grados que también pueden
tenerse en cuenta, como se muestra a continuación.
Los instrumentos de recogida de datos menos estructurados suelen

limitarse a señalar de manera más o menos genérica un contexto en el que
recoger datos sobre objetos de estudio no explicitados. A partir de ahí, las
posibilidades de especificación van aumentando al incluir en alguna medida
el objeto de estudio, el modo de recoger los datos, y en qué contexto.
Ejemplos. Hay observaciones y encuestas que parten de algunas ideas

previas sobre aspectos a considerar, y que se desarrollan con modificaciones
y ampliaciones según lo que el estudio vaya aportando. Son las recogidas de
datos que se denominan semiestructuradas, o también interactivas cuando se
desea resaltar que en ellas los procedimientos de recogida de datos y la
especificación del objeto de estudio van modificándose mutuamente. Las
denominadas entrevistas en profundidad (Ruiz-Olabuénaga, 1996) suelen
145
corresponder a ese tipo.
En la medida que se especifican los objetos de estudio y el contexto, los

instrumentos de recogida de datos son más cerrados o estructurados.
Ejemplos. En observación, la estructuración de los instrumentos se traduce

en sistemas de categorías delimitados empíricamente tanto por comprensión
como por extensión, a los que acompañan los detalles necesarios para su
correcta aplicación, constituyendo un manual de uso. Lo equivalente en
encuestas son las preguntas ya redactadas. La estructuración en los
instrumentos de recogida de datos es mayor en los formatos que especifican
no sólo las preguntas sino también las opciones de respuestas. Así lo hacen
las preguntas con dos o más opciones de respuestas, y que son llamadas "tipo
test", inapropiadamente porque no todos los tests utilizan esas preguntas.
Moreno, Martínez y Muñiz (2006) ofrecen una amplia clasificación de
formatos de respuestas según su estructuración.
146
Figura 4.3. Tipología de las técnicas de recogida de datos.
Por último, si los instrumentos especifican los resultados que ha aportado

un amplio número de sujetos en circunstancias similares y pueden utilizarse
como referencia con la que comparar los que se obtengan en lo sucesivo, se
tienen los instrumentos o tests estandarizados o simplemente tests.
Señalar, también, que los dos polos de recogidas de datos abiertas y

cerradas son a veces reivindicados como propios y específicos de las
autodefinidas como metodologías cualitativa y cuantitativa en función de
147
concepciones epistemológicas diferentes. Este texto, sin embargo, prefiere
considerarlos como posibilidades apropiadas para situaciones de
investigaciones que dificultan o facilitan la planificación de las recogidas de
datos, siendo ambas por tanto útiles y mutuamente complementarias para la
ciencia y su modo de proceder.
La figura 4.3 muestra los distintos tipos de las técnicas de recogida de

datos, ya sean observaciones o encuestas, en función de sus fuentes,
instrumentos y especificación.
G) De no existir instrumentos para la recogida de datos, considere su

construcción
En muchas recogidas de datos se dispone de instrumentos, y cuando no es

así deben ser construidos, lo que supone otra investigación por sí misma. Los
párrafos siguientes muestran algunos procedimientos para realizar esa
construcción de manera lo más sistemática y eficientemente posible, que en
todo caso deberá ser evaluada una vez que el instrumento sea aplicado y
aporte datos.
Algunos de esos procedimientos son conjuntos de directrices para

construir ítems - del latín "elementos" - para cuestionarios o para sistemas de
categorías, rúbricas o clasificaciones con las que guiar las observaciones
(Martínez, Moreno y Muñiz, 2005; Moreno et al., 2006). Estas guías
recomiendan comenzar la construcción elaborando tablas de especificación
en las que detallar cada aspecto a medir, haciendo hincapié en que las
decisiones sobre contenidos, número, tipo, formato y otras características de
los ítems han de derivarse de los objetos de estudio y contexto planteados.
Otro procedimiento para la construcción de instrumentos válidos deriva de

la Teoría de Facetas (Shye y Elizur, 1994). Su clave es el diseño de `frases-
mapa", o mapping sentences, compuestas por una serie de facetas o variables
de interés con sus respectivos valores, cuyas combinaciones generan la serie
de ítems que constituirán el cuestionario o rúbrica.
148
Ejemplo. Una muestra de este procedimiento es el "Cuestionario de
actitudes de los estudiantes hacia la estadística", expuesto por Carmona y
Moreno (1999), cuyas facetas son la modalidad de valoración - con afectos,
cogniciones o conductas como variables componentes-, el atributo valorado -
dificultad o utilidad-, el objeto valorado - la asignatura o la Estadística en
general-, el referente - el propio sujeto u otros-, y un rango de valores de
actitud - desde Muy positiva a Muy negativa-. Ello originó 24 frases o ítems,
uno de los cuales fue: "Me será fácil entender las clases de la asignatura de
Estadística", en el que la cognición es la modalidad valorada, la facilidad es
el atributo, la asignatura el objeto, y el propio sujeto el referente, ofreciendo
además el mismo rango de valores posibles que el resto de ítems.
Otro planteamiento con fines similares es el conocido como Generación

Automática de ítems (Befar, 2002; Revuelta y Ponsoda, 1999). Su objetivo es
generar de manera eficiente los ítems necesarios para predecir sus
propiedades de dificultad y discriminación. El elemento clave para lograrlo es
la denominada tareamodelo o tarea-dominio, que no es más que una
estructura en la que encajar los contenidos a los que deberán responder los
sujetos. Las bases necesarias para lograrlo son: alguna teoría psicológica que
describa los procesos que utilizan los sujetos al responder a las pruebas,
modelos psicométricos para el aprovechamiento de las respuestas obtenidas,
y sistemas informáticos para la concreción y manejo de todo ello.
Una vez construido el nuevo instrumento, por cualquiera de los

procedimientos expuestos u otros posibles, debe ser aplicado a algunos
sujetos en estudios pilotos o de prueba para obtener una primera información
en la que evaluar la precisión, diferenciación y ajuste de dicho instrumento.
La información obtenida a partir de las respuestas obtenidas, de lo que
puedan opinar los propios sujetos sobre el instrumento y de lo observado por
quien lo aplica, permite mejorar la versión en prueba. Un proceso que debe
repetirse mientras que los resultados así lo aconsejen.
Las descripciones y planificaciones de las recogidas de datos expuestas en
149
este capítulo responden a diversas dimensiones de los conceptos implicados
en el objeto de estudio y en el contexto. La estructura del objeto de estudio y
el número de valores de sus variables, incluyendo el número de datos de las
de prueba a recoger en cada sujeto o unidad de estudio, permiten describir las
investigaciones en términos de diseños. Por su parte, la dimensión de
contenido, junto con las de función y estructura, aportan la noción de
intervención con la que pueden estructurarse los distintos métodos y técnicas
de recogida de datos. Es lo que resume el cuadro 4.2 y puede practicarse con
los numerosos ejercicios interactivos ofrecidos en el apartado correspondiente
de la web docente de Martínez y Moreno (s.f.).
Cuadro 4.2. Dimensiones metodológicas en los diseños y métodos de

recogida de datos
Todo ello es útil para describir y decidir los aspectos claves de las
recogidas de datos. Ambas actividades suelen comenzar atendiendo a los
aspectos definitorios del diseño. De ellos, el primero es la estructura del
objeto de estudio, aunque si es relacional las descripciones suelen omitir esa
mención, sobrentendiendo dicho carácter si no se señala que es unitario. A
continuación, y si es el caso, se señala el número de variables independientes
150
y de sus condiciones, entendiéndose que es completo si no se dice lo
contrario, continuando con la estrategia seguida o planificada.
Posteriormente, y si es el caso, se toman en consideración técnicas para la
diferenciación expuestas en el capítulo 7 de esta misma parte. Se termina la
descripción atendiendo al número de variables de prueba empírica,
sobreentendiendo que es una sola si no se especifica que el diseño es
multivariable.
Las calificaciones referidas a las variables independientes son omitidas

cuando presentan un elevado número de valores, como suele suceder en las
cuantitativas, en los diseños en los que las independientes son variables de
medida y no manipuladas, y también en los relacionales que son afactoriales
por no considerar como independiente a ninguna de las variables. Tras
atender al diseño, se pasa al método y técnicas de recogida de datos,
especificando los utilizados o por utilizar.
Todo lo expuesto aporta guías precisas para la descripción y la

planificación de las investigaciones y para su comunicación a otros
profesionales, y ello independientemente de que sean estructuradas de
antemano o exploratorias. No obstante, las decisiones sobre diseños, métodos
y técnicas de las recogidas de datos han de basarse no solo en los objetos de
estudio y contexto tenidos en cuenta, sino también en las propiedades de
validez a lograr. Así se expone en los restantes capítulos de la presente parte.
151
Al igual que en planteamiento de preguntas y respuestas, la necesaria
precisión de las recogidas de datos incluye la de su replicabilidad,
posibilitándose ambas mutuamente, a la vez que facilitan la diferenciación y
el ajuste y se ven favorecidas por estas propiedades.
En las recogidas de datos, la precisión debe ser considerada en los

elementos de dicha competencia, es decir, en las actividades, conceptos y
demás instrumentos implicados. Así lo hacen los dos apartados siguientes,
referidos respectivamente a precisión y a replicabilidad.
5.1. Evaluar y procurar la precisión en la recogida de datos
Como en capítulos anteriores, las competencias de este apartado están

presentadas en términos de las diferentes dimensiones metodológicas de los
conceptos implicados, siendo útiles para evaluar precisión en las recogidas de
datos propias o ajenas ya realizadas y para procurarla en las que se necesiten
realizar. Al final del apartado, la figura 5.1 resume tales competencias.
A) Identifique o procure la precisión del objeto de estudio
Puesto que el objeto de estudio condiciona el diseño y método de la

recogida de datos, la precisión de esta depende en gran medida de la que
presente el objeto de estudio, tanto en los casos que esté planteado
previamente a la recogida de datos como en los que surjan de esta.
Ejemplos. En un estudio en el que se deseara calcular el cociente

intelectual del alumnado de un centro escolar en un determinado curso, el
objeto de estudio puede considerarse suficientemente precisado al estarlo en
152
la literatura el concep to de cociente intelectual. En cambio, si se decidiera
observar el comportamiento de dicho alumnado, sin especificar qué aspectos
van a considerarse, se estaría ante un objeto de estudio que habría que
precisar antes o después de realizar la recogida de datos.
B) Identifique o procure la precisión del contexto para la recogida de datos
Al ser el contexto planteado otro elemento fundamental de la recogida de

datos, su precisión influye también en la de esta. Antes o después de llevarla
a cabo, el contexto de referencia ha de quedar precisado.
Ejemplos. Se puede considerar preciso un contexto que indique que el

cociente intelectual va a medirse o se ha medido en el mes de febrero de
2014, con la escala WAISS y en estudiantes de 2.° curso de Bachillerato de la
ciudad de Sevilla matriculados en un determinado centro. Por el contrario, es
poco preciso indicar sin más que se ha medido o medirá el cociente
intelectual en estudiantes de Bachillerato.
C) Identifique o procure la precisión de la estructura en la recogida de datos
En cada diseño, método y técnica de recogida de datos deben quedar

delimitadas con precisión todas las variables señaladas. En ocasiones eso se
logra al plantear el objeto de estudio y su contexto, y en otras ha de lograrse
al realizar las recogidas de datos.
Las relaciones a estudiar también deben quedar precisadas, aunque nótese

que, a diferencia de lo que se hace con las variables, los datos de relaciones
no se recogen directamente sino estudiando las covariaciones entre los de sus
términos.
Ejemplo. Para estudiar con el método selectivo la influencia de la cafeína

en la atención, habría que registrar datos de atención de los sujetos y de la
cafeína ingerida por cada uno y apreciar si aquella varía ante valores
diferentes de la cafeína.
153
D) Identifique o procure la precisión de los contenidos del objeto de estudio y
contexto
Es necesario precisar también el tipo de contenido de cada variable del

objeto de estudio y del contexto de referencia para la recogida de datos.
Ejemplos. En el estudio de la relación entre la cafeína y la atención deben

precisarse las variables de sujeto del objeto de estudio y también las del
contexto de referencia. También habría que considerar con precisión las
circunstancias de medio que pudieran ser relevantes, como la temperatura y el
ruido del lugar donde se mida la atención. Igual habría que hacer con
aspectos investigativos como la cantidad de cafeína a proporcionar en caso de
que se pretendiese manipular dicha variable, y los instrumentos y
procedimientos para obtener los datos de atención, incluyendo por tanto los
sistemas de categorías o cuestionarios que se utilizarán.
E) Identifique o procure la precisión de los indicadores de cada variable en la

recogida de datos
La recogida de datos exige la delimitación de las variables en términos

observables, de indicadores. Recuérdese del capítulo 1 que los datos son los
valores ya identificados en contextos espacio-temporales concretos. Por eso,
para obtenerlos cuando las variables estén planteadas en términos de
constructos, han de ser traducidas al nivel empírico, en un proceso de
operativización tanto de ellas como de los procedimientos para registrarlas.
Ejemplos. Hay indicadores que por su simplicidad se consideran

suficientemente precisos, como ocurre con una pregunta que pida señalar con
un aspa el género masculino o femenino que corresponda. Otros, como el
peso de los sujetos, no podrían estimarse con suficiente precisión por una
simple inspección visual, siendo necesario preguntarles o, mejor, medirlo con
una báscula.
F) Identifique o procure la precisión del tipo y número de valores en la

recogida de datos
154
Otro aspecto fundamental de la recogida de datos es identificar o procurar
la precisión en el tipo y número de valores de las variables de interés.
Ejemplos. Una serie de valores para registrar interés por el cine, como
"poco, algo o bastante" puede hacerse más precisa reduciéndola a una
dicotomía cualitativa como "si se tiene o no interés en el cine". Esas
categorías ordinales también pueden precisarse al indicar sus respectivos
límites con valores cuantitativos del "número de asistencias al cine por mes".
En el caso de variables cuantitativas, el número de valores no está limitado

en principio. Por eso siempre que se pueda hay que especificar una unidad de
medida precisa. Algunas son específicas de determinados contenidos y otras
son estandarizadas, de aplicación a numerosos contenidos.
155
Figura 5.1. Precisión en la recogida de datos.
Ejemplos. Unidades estandarizadas para medir la duración de cualquier

evento serían las de tiempo del Sistema Sexagesimal, como segundos o
minutos. Y una unidad de medida no estandarizada u ocasional sería cada una
156
de las ocurrencias de una determinada clase de conducta, como por ejemplo
"autolesiones", entendida como daño físico infringido por la propia persona
contra sí misma ya sea por golpes, pellizcos o caídas.
G) Identifique o procure la precisión de los códigos de expresión en la

recogida de datos
Es necesario considerar la precisión del código de expresión de cada

elemento de la recogida de los datos, indicando el tipo utilizado o a utilizar.
Ejemplo. A veces se señalará cada dato con un número, otras con un signo
de ocurrencia de lo observado, y otras con un Sí o un No u otra palabra o
frase. También pueden utilizarse marcas gráficas, como sería una escala
aplicable a menores que utilizara iconos de caras de más a menos sonrientes
para mostrar el grado de acuerdo con determinados hechos que se les
planteara.
5.2. Evaluar y procurar la replicabilidad en la recogida de datos
Las competencias que siguen están referidas a la replicabilidad de las

recogidas de datos, a la vez efecto, prueba y factor facilitador de la precisión
de estas. Como en planteamiento, la precisión de las obtenciones de datos
resulta en su replicabilidad, al igual que la replicabilidad supone precisión.
Tales competencias se presentan en función del tipo y número de

determinadas características del objeto de estudio y contexto.
A) Identifique si ha habido replicaciones en la recogida de datos, o decida si

va a realizar alguna
Todo procedimiento de replicación de una recogida de datos consiste en

conseguir dos o más versiones de ella semejantes, haciéndolo en una o varias
investigaciones.
Ejemplos. En un mismo estudio se da una replicación en la recogida de
157
datos cuando dos personas observan la misma situación simultáneamente y
con las mismas categorías de referencia, o cuando se utilizan dos
cuestionarios que estudian un mismo rasgo de personalidad. Otras veces se
intenta replicar una recogida de datos previa, como supondría repetir alguno
de los experimentos de condicionamiento clásico realizado por 1. Pavlov.
Una muestra de la relevancia que las replicaciones tienen en ciencia es la
existencia de publicaciones específicamente dedicadas a ese objetivo, como
la revista Perspectives on Psychological Science.
La semejanza o concordancia en las replicaciones de las recogidas de datos

ha de quedar avalada en todo caso por la semejanza que se encuentre en los
datos obtenidos en dichas replicaciones. Estos indicarán si ha sido lograda la
replicación de la recogida de datos, de su diseño, método y técnicas. No debe
olvidarse, sin embargo, que una falta de concordancia en los datos puede
deberse a algún error introducido en el análisis de datos y no en su recogida.
Aunque estas evaluaciones son consideradas en el capítulo 10, referido a la

validez del análisis de datos, corresponde aquí exponer cómo se procura la
replicabilidad de las recogidas de datos.
B) Si es el caso, identifique el tipo de replicación realizada en las recogidas

de datos, o decida el tipo a realizar
La semejanza pretendida en las replicaciones puede ser de distintas

nsturalezas. Una, llamada replicación directa, es intentar la reproducción de
recogidas de datos al completo manteniendo similares todos los elementos
utilizados.
Ejemplos. En una investigación sobre procesos de condicionamiento

pavloviano, una replicación directa consistiría en repetirla, utilizando
estímulos idénticos, similares condiciones temporo-espaciales y los mismos
procedimientos de recogidas de datos. Y como el proceso no permite hacer el
mismo estudio con sujetos ya condicionados, se usarían otros de la misma
especie, considerando irrelevante que los individuos concretos no fueran los
mismos.
158
Otras replicaciones de la recogida de datos introducen cambios en algún
elemento para estudiar sus posibles efectos. Son denominadas sistemáticas,
porque los cambios que implican siguen pautas, fundamentalmente las del
estudio de covariaciones mostradas en el capítulo 1, y porque el estudio de la
posible influencia de los elementos cambiados implica sistematizar o
estructurar en mayor medida un conjunto de conocimientos. A pesar de los
cambios que implican en algunos elementos, las sistemáticas son
replicaciones porque la mayoría de elementos se mantienen semejantes,
siendo estos justamente la base necesaria para conocer si lo que cambia en
cada ocasión tiene efectos o no.
Ejemplos. En una investigación sobre procesos de condicionamiento

clásico, sería sistemática la replicación que mantuviera semejantes los
procedimientos de condicionamiento, pero utilizara otra especie animal, un
nuevo tipo de estímulos o valores de estos diferentes a los utilizados
previamente.
C) Si es el caso, identifique respecto a qué elementos se han realizado

replicaciones sistemáticas en las recogidas de datos, o decida respecto a
cuáles puede ser relevante realizarlas
Los elementos de las recogidas de datos que pueden ser objetos de las
replicaciones sistemáticas deberían ser aquellos cuyos cambios pudieran tener
efectos relevantes y por tanto interesantes de conocer, ya sean variables
implicadas, sus valores, instrumentos o las actividades implicadas.
Ejemplos. En una replicación pueden cambiarse los valores de la variable

independiente dosis de cafeína, o sustituir tal variable por teína u otra
sustancia estimulante. En otra replicación puede cambiarse el cuestionario
utilizado para la obtención de datos, o determinadas condiciones del medio.
En función del elemento en el que se centran las replicaciones, los

señalados a continuación son algunos de los casos más usuales de
replicaciones sistemáticas.
159
En los estudios observacionales, el elemento referente de las replicaciones
es la actividad de realizar los registros. Por ello es usual disponer de dos o
más observadores que registren independiente y simultáneamente la misma
situación con el mismo sistema de categorías o instrumento de referencia.
Ello permite estudiar, en los datos que aporten, el grado de concordancia o
acuerdo interobservadores. Otra posibilidad es valorar el acuerdo
intraobservador, de un observador consigo mismo en observaciones sucesivas
sobre lo que pueda considerarse un mismo hecho, como por ejemplo un texto
a analizar o un episodio de conducta grabada en vídeo y que pueda visionarse
repetidas veces.
Por otra parte, si así interesara y resultara factible, también cabría variar
los instrumentos utilizados. Si el instrumento que se modificara fuera el
sistema de categorías, ello sería muy similar a los casos expuestos a
continuación.
En los estudios de encuestas, con cuestionarios y pruebas, las replicaciones

más habituales son las siguientes. Una es el procedimiento test-retest,
consistente en la aplicación de un mismo instrumento de medida a los
mismos sujetos en dos ocasiones distintas para evaluar la estabilidad de sus
resultados.
Otro procedimiento de replicación, el de tests paralelos, consiste en aplicar

a los mismos sujetos en una misma ocasión al menos dos instrumentos
distintos que supuestamente midan las mismas variables y cuya equivalencia
se evalúa.
Un tercer procedimiento es el de dos mitades que se consideren similares

de un determinado instrumento. Es un procedimiento equivalente al de tests
paralelos, salvo en que las dos mitades se consideran parte de un mismo
instrumento.
Otra posibilidad de evaluar la precisión de un instrumento es considerar

cada uno de sus ítems o elementos como replicaciones del resto, como
indicadores similares de una misma variable o dimensión, es decir, de un
160
instrumento que se considera unidimensional. Ello suele plantearse cuando la
medida a obtener con el instrumento es el resultado de la agregación o suma
de las puntuaciones obtenidas en cada uno de sus ítems, como ocurre con las
preguntas de un examen de conocimientos sobre una materia o de una prueba
de un determinado rasgo de personalidad. En estos casos se habla de la
evaluación de la consistencia interna del instrumento como manera de evaluar
su precisión. El capítulo 10 indica modos de evaluar los resultados de este y
restantes modos de replicación mencionados.
D) Identifique o considere realizar replicaciones sistemáticas múltiples
Además de las replicaciones sistemáticas recién consideradas, centradas en

un elemento en cada ocasión, caben también las que tienen en cuenta más de
uno.
La Teoría de la Generalizabilidad (Blanco, 1993; Martínez-Arias, 1995a)

desarrolló un procedimiento con tal finalidad. Consiste en planificar diseños
identificando de manera diferenciada los posibles efectos que sobre las
variables de medida puedan tener tanto los factores del objeto de estudio,
denominados facetas de diferenciación, como distintos factores de contexto
como circunstancias espaciales y temporales del estudio, investigadores o sus
instrumentos, denominados facetas de generalización. En este marco, el
concepto de replicabilidad se considera en términos de generalidad o
variación irrelevante de los datos del objeto de estudio ante cambios en las
diferentes facetas del contexto.
Otro procedimiento es la denominada matriz multirrasgo-multimétodo

(Campbell y Fiske, 1959). Consiste en medir un conjunto de diferentes rasgos
o variables a través de distintos métodos, utilizando este último término de
modo genérico como sinónimo de instrumentos y técnicas de recogida de
datos que se desean sistematizar. De tal modo, en la matriz de recogida de
datos se combinan los constructos con los métodos. Al suponer que estos son
auxiliares de las recogidas de datos y que no las modifican sustancialmente,
se espera que haya más semejanzas entre datos de un mismo constructo
obtenidos con diferentes métodos que en los datos de distintos constructos
161
registrados con un mismo procedimiento de medida. Es lo que se denomina
respectivamente validez convergente de métodos y validez divergente de
rasgos o variables diferentes.
Un tercer procedimiento bastante similar, desarrollado en metodología

cualitativa, es el llamado triangulación (Olsen, 2004; Patton, 2002; Ruiz-
Olabuénaga, 1996) en una metáfora del que es usado para la medición de
superficies. Consiste en comparar datos de determinados conceptos,
provenientes de diferentes fuentes, como quienes investigan, técnicas de
obtención de datos, teorías o modelos sobre un mismo hecho, o cualquier otra
característica de contexto. Y el objetivo es identificar si resultan semejantes
los datos sobre un mismo hecho obtenidos en distintas circunstancias,
métodos o investigaciones.
La figura 5.2 resume las distintas posibilidades de replicación reseñadas en

este apartado.
162
Figura 5.2. Replicabilidad en la recogida de datos.
El presente capítulo muestra competencias en forma de procedimientos para
163
identificar y procurar precisión y replicabilidad en la recogida de datos; en el
segundo caso se necesita disponer de más de una fuente de datos. Lo muestra
en términos de las diferentes dimensiones de los conceptos implicados.
Siendo diversos los procedimientos existentes, debe elegirse el más

adecuado a las circunstancias específicas de cada investigación. Así, mientras
que en observación un elemento que interesa replicar son los observadores,
en las recogidas de datos mediante encuesta los cuestionarios utilizados son
factores importantes respecto a los que estudiar su replicabilidad.
En cualquiera de los casos, el juicio global sobre precisión o replicabilidad

de la recogida de datos debe ser el resultado de la obtenida en sus diferentes
elementos, es decir, en las actividades, los conceptos y demás instrumentos
implicados. Además, siempre debe ser considerada respecto a un determinado
referente más o menos explícito. Por eso, todo juicio sobre precisión o
replicabilidad de la recogida de datos ha de especificar respecto a qué
elemento de esta se emite. Expresar un juicio de precisión sobre un
determinado elemento sin referir respecto a qué referente se establece no
tiene sentido, ya que puede ser preciso respecto a uno y no respecto a otro.
Los juicios o valoraciones sobre precisión deben hacerse a partir de los

procedimientos llevados a cabo o por realizar. Sin embargo, deberán ser
completados con los análisis de la misma propiedad que se realicen con los
datos aportados por dichos procedimientos. El capítulo 10 muestra tales
análisis.
Todos esos juicios sobre precisión de la recogida de datos deben ser

emitidos en términos de grados más que de los cualitativos dicotómicos Sí o
No, ya que no son posibles únicamente los dos valores extremos de fiabilidad
nula o completa.
La razón de que no se consiga siempre una precisión suficiente es que esta

propiedad se ve influida por distintos factores, conocidos o no, que pueden
surgir indebidamente en las recogidas de datos. Puede así introducirse
imprecisión o ambigüedad al delimitar insuficientemente componentes de los
164
sistemas de categorías o ítems de cuestionarios, al interpretar
inadecuadamente lo que hacen o dicen los sujetos, al anotar incorrectamente
los datos obtenidos, o en otros muchos momentos, incluyendo los ligados a
los procedimientos para la obtención de precisión y replicabilidad. Todos
ellos pueden producir errores en las mediciones o recogidas de datos, los
denominados errores de medida.
Por tanto, ante la variedad de posibles fuentes de imprecisión, los juicios

sobre fiabilidad han de ser establecidos con cautela y nunca asegurando su
existencia o logro absoluto.
Cuando se considere insuficiente la precisión de las recogidas de datos, ya

sea al considerar las recogidas de datos o en el posterior análisis de estos, dos
son las alternativas posibles, no incompatibles entre sí: Aprovechar lo ya
hecho como un estudio exploratorio con el que delimitar nuevas cuestiones a
investigar o problemas a resolver, y realizar nuevas investigaciones
corrigiendo fallos detectados en las realizadas.
165
Además de precisión, debe considerarse el ajuste o representatividad de las
recogidas de datos. Consiste en la semejanza entre lo que se haga para la
obtención de datos y lo planteado como referencia, sin sesgos o desviaciones
por defecto o exceso.
6.1. Evaluar y procurar el ajuste en la recogida de datos
Las competencias de ajuste incluidas en este apartado están expresadas en

términos de dimensiones metodológicas de los conceptos, especialmente las
constitutivas de ellos, es decir, contenido, estructura y valores. A diferencia,
las desviaciones en las dimensiones de expresión no han de implicar
necesariamente sesgos en las centrales. De tal manera, si una o más variables
han sido planteadas a nivel de constructos, los indicadores en los que recoger
los correspondientes datos han de ajustarse lo más posible a dichos
constructos de referencia, sin implicar un cambio relevante en ninguna de las
dimensiones constitutivas. Igual ha de suceder con el modo y el código de
expresión.
Las competencias que siguen son útiles para evaluar el ajuste en las
recogidas de datos propias o ajenas ya realizadas, y para procurarlo o
evaluarlo en las que se necesite realizar.
A) Identifique o decida el referente de la recogida de datos
Como toda propiedad de validez, los juicios de ajuste o representatividad

de las recogidas de datos han de hacerse respecto a un determinado referente,
constituido siempre por un objeto de estudio y su contexto, esté planteado
previamente o surja como consecuencia de dicha recogida de datos.
166
En el marco de las recogidas de datos, y especialmente cuando se
considera el ajuste de ellas, cada componente del objeto de estudio y su
contexto de referencia se denomina población, siendo los parámetros sus
características delimitadas por las diferentes dimensiones. Por su parte, se
denominan estimadores de tales parámetros los datos recogidos del objeto de
estudio y las características del contexto en el que se obtienen.
B) Identifique o decida el contenido y unidades de cada población referente

de la recogida de datos
Conforme a su definición, el término población está referido a todo

contenido planteado en el objeto de estudio y contexto, y no únicamente a los
sujetos de interés, como a veces se considera indebidamente. Y cada uno de
ellos debe estar contemplado con un determinado conjunto de elementos o
unidades.
Ejemplos. Además de población de sujetos a los que estudiar, tiene sentido

hablar de poblaciones de momentos y lugares en los que hacer la recogida de
datos, o de poblaciones de instrumentos con los que hacerla. Por su parte, la
población de valores será la considerada de referencia para las variables
tenidas en cuenta, sean todos los posibles o los tenidos por relevantes.
Conviene advertir que cuando el planteamiento del objeto de estudio y su

contexto no acota una determinada población, lo común es entenderla así, no
limitada y por tanto universal.
Ejemplos. De ese modo, cuando profesionales de la Salud dicen

interesarse por la depresión, sin acotarla a determinadas personas y
situaciones, ha de entenderse que les interesa ese fenómeno en cualquier
persona y situación. Otra cosa será que, al ser ello tan amplio, deberán
proceder según una o más de las vías o posibilidades que se contemplan aquí
más adelante.
C) Identifique o considere el tamaño de las poblaciones de referencia para la

recogida de datos
167
El primer aspecto que influye en el logro de ajuste o representatividad de
las recogidas de datos es el tamaño de las poblaciones, entendido como el
número de sus respectivas unidades.
Ejemplos. El número de alumnos y alumnas que interese estudiar

constituirá el tamaño de esa población. De igual manera, el número de días de
un curso escolar en el que se quiera conocer el comportamiento de ese
alumnado determinará el tamaño de esa población de tiempo, y la cantidad de
espacios de la escuela donde dicho alumnado pasa la jornada escolar
constituirá el tamaño de esa población de espacios.
Identificar o considerar el tamaño de cada población no es siempre

posible, bien porque sea desconocido, o bien porque al ser considerablemente
amplio pueda considerarse equivalente a infinito o universal.
Ejemplos. Son desconocidos los tamaños de las poblaciones de personas

con el virus del sida en países en los que no se lleve tal control. Pueden no
conocerse todos los cuestionarios construidos sobre un tema de interés, estén
o no publicados. Y cuando se desea estudiar cualquier proceso psicológico
como inteligencia, memoria o percepción, presente en todos los seres
humanos, la población de sujetos es la universal.
D) Identifique o considere si las poblaciones de referencia son estudiables en

su totalidad
Cuando sea conocido y no excesivo el número de unidades, las

poblaciones pueden ser estudiadas en su totalidad, lo que facilita el ajuste o
representatividad de la recogida de datos respecto a dichos referentes.
Ejemplos. Sucedería cuando se quisiera estudiar si la ocurrencia de la

conducta de llanto de un pequeño al acostarse por las noches varía según la
presencia del padre, contemplada con los valores de presencia o ausencia, y
ello en tres días en los que la madre va a estar fuera de la casa por motivos de
trabajo. En tal caso, las poblaciones están compuestas por un único sujeto,
dos valores en cada variable de la relación estudiada, y un contexto temporal
168
reducido de tres días.
Otras veces ocurre que el tamaño de algunas de las poblaciones es

excesivamente grande, lo que impide o dificulta su estudio.
Ejemplos. Así sucedería si la relación del ejemplo anterior se planteara

referida a todas las noches de un año, a lo largo de toda la infancia, o a un
conjunto muy numeroso de niños, residentes en todas las localidades de un
país. Las dificultades derivadas de un tamaño considerable pueden aparecer
también cuando las variables consideradas implican una población amplia de
valores, como suele ocurrir con las cuantitativas.
E) Identifique o decida la vía seguida o a seguir en caso de poblaciones

amplias o de tamaños no conocidos
Cuando el tamaño de las poblaciones es considerable o no conocido, estas

no pueden ser estudiadas en su totalidad. Para tales casos existen dos
alternativas no incompatibles entre sí.
Una es renunciar a la población planteada, y sustituirla por otra de menor

tamaño. Consiste, por tanto, en la reducción de la población inicial a otra de
tamaño más asequible o su sustitución por una conocida. Si esa reducción es
lo suficientemente importante para permitir el estudio al completo de lo
planteado, se está en el primero de los casos expuestos en la competencia
6.1.D.
Ejemplos. Si no se tienen recursos para estudiar un determinado

comportamiento en la población española, podría estudiarse solo en los
habitantes de una determinada localidad de pequeño tamaño, o en estudiantes
de una facultad universitaria.
En cambio, si al margen de que se reduzcan o no las poblaciones, estas

continúan implicando poblaciones excesivamente amplias para las
posibilidades de quien hace el estudio, entonces la alternativa que queda es
estudiar porciones o muestras que faciliten su representatividad respecto a
169
determinadas poblaciones delimitadas previamente o con posterioridad. Para
lograrlo existen dos grandes vías presentadas a continuación.
F) Si ha habido o va a haber muestreo, identifique o decida la vía para él
Una posibilidad es elegir muestras simplemente con el criterio de que

pueda accederse a ellas, de que estén disponibles. Son las obtenidas por
accesibilidad o conveniencia.
Ejemplos. Así se hace cuando se estudia una muestra de personas que se

ofrecen voluntariamente como sujetos de la recogida de datos a realizar,
cuando se estudia a esos sujetos en una muestra de días en los que están
disponibles, o cuando se eligen los valores de la variable independiente que
resulten más asequibles.
Obviamente, las muestras obtenidas con ese tipo de procedimientos no

aportan en principio representatividad respecto a ninguna población salvo a
ellas mismas. Para generalizar lo que aporten son necesarias replicaciones
directas o sistemáticas con sucesivas muestras por conveniencia. Y en la
medida que sus datos se asemejen suficientemente entre sí, o saturen en el
sentido de no aportar novedades, serán cada vez más amplias las poblaciones
a las que pueda generalizarse lo encontrado en dichas replicaciones. Es la
estrategia que la literatura denomina a veces bola de nieve.
Ejemplo. Se trata de una vía muy abundante en ciencia, y fue la usada por
Ivan Pavlov en sus primeros estudios de los reflejos condicionales de la
respuesta salival, iniciados con sucesivos perros callejeros, pero cuya línea de
investigación y resultados pudieron generalizarse desde esas muestras
obtenidas por accesibilidad a especies diferentes y a otros tipos de respuestas
y estímulos.
La vía señalada es conveniente y muy adecuada también cuando no se

conoce la posible población de interés o su tamaño, y cuando la población es
conocida pero muy amplia para los medios de quienes plantean el estudio.
170
Ejemplos. El primer caso se daría cuando no se supiera cuántas son las
personas que participan en un determinado movimiento social que deseara
estudiarse. El segundo ocurriría al pretender un profesional estudiar en
solitario una determinada opinión en la población española.
Para completar las posibilidades de representatividad, resumidas en la

figura 6.1, existe otra vía cuando el tamaño poblacional es excesivamente
grande para estudiarla al completo, sea conocido o no. Consiste en obtener
muestras mediante procedimientos con grandes posibilidades de lograr
representatividad, y por ello extrapolar o generalizar a la población lo
encontrado en tales muestras. Ello, además, es compatible con replicaciones
posteriores para estudiar la estabilidad o fiabilidad de lo hallado con
sucesivas muestras.
La siguiente cuestión es cómo lograr esas muestras representativas de la

población, con qué procedimientos.
G) Si ha habido o va a haber muestreo, identifique o decida criterios para

procurar muestras representativas
Para saber con qué procedimientos de muestreo se cuenta, conviene

considerar los derivados de la combinación de dos aspectos: uno es la
complejidad de las unidades con las que se define la población de referencia,
ligado por tanto a su estructura; el otro es el procedimiento de extracción de
las unidades que van a formar la muestra, ligado a los contenidos
investigativos.
Atendiendo al primero, se distingue si la población queda definida por

unidades simples o compuestas según sean las entendidas como más
elementales o alguna agrupación de ellas.
Ejemplos. Tratándose de una población de sujetos, cada uno de estos

supondría normalmente una unidad simple, mientras que una unidad
compuesta sería cada agrupación que se considerara en términos de la edad,
clase social, sexo, nivel de estudios o cualquier otro contenido. De manera
171
similar si los diferentes días fueran las unidades simples de una población de
tiempo, las compuestas estarían formadas por cualquier agrupación que se
pueda hacer con ellos, sean semanas, quincenas, meses o cualquier otra.
Figura 6.1. Ajuste en la recogida de datos.
172
En cuanto al segundo aspecto mencionado arriba, hay dos tipos de
procedimientos para realizar la extracción de cada una de las unidades que
van a conformar o han conformado la muestra. Uno es que la persona que
realiza el muestreo elige cada unidad con el objetivo de lograr la muestra
representativa que pretende. Para ello necesita dos cosas: conocer cómo se
dan en la población los parámetros que entienda de interés, y respetarlos en la
extracción de unidades y conformación de la muestra para que estén
presentes en ella de manera semejante a como lo están en la población. Es la
extracción intencional, realizada con la intención de obtener resultados
representativos de lo planteado, ajustados a esa población.
Ejemplo. Supóngase que desea extraerse una muestra de los momentos en

los que recoger datos de un estudio, y que la población correspondiente es
toda la jornada escolar. Para hacerlo intencionalmente han de considerarse
características que definan de manera relevante esa jornada respecto a lo que
se quiera estudiar. Según eso, la muestra podría recoger una gama de
momentos del inicio, la mitad y el final de la jornada.
El otro tipo de procedimientos de extracción son los aleatorios o

probabilísticos. En ellos, la persona que elige la muestra aprovecha el azar,
bien por no tener conocimiento suficiente de las características de la
población o porque prefiere las garantías que pueden aportar los modelos
matemáticos en los que se basan estas extracciones aleatorias. Por azar puede
entenderse el resultado de la influencia de un amplio número de factores,
ninguno de los cuales tiene efectos más importantes que el resto de manera
sistemática.
Ejemplo. La lotería es un juego de azar en el que los números a premiar

son extraídos a partir de bolas introducidas en un bombo al que antes de la
extracción se le dan varias vueltas para mezclar bien las bolas. ¿De qué
factores depende que salga una determinada bola? Entre otros muchos
pueden señalarse el volumen y peso de las bolas, la rugosidad o no de su
superficie, el número de ellas, el espacio que dejen libre en el bombo, el
número e intensidad de las vueltas que se den al bombo, y el momento en que
se abra el dispositivo para que caiga una bola. Y de todos ellos, ninguno es
173
sistemáticamente más importante que el resto. Por eso, si se introdujera una
bola más pesada que el resto, se diría que se habría "roto" el azar.
En consecuencia, puede decirse que son aleatorios aquellos

procedimientos de extracción de unidades que respeten que las unidades
elegidas se deben al azar. Si ello ocurre y no se introduce ningún factor que
destaque en sus influencias, la extracción de unidades tenderá a respetar la
probabilidad o proporción que cada una de ellas tiene en la población de
referencia. Por ello, mientras que en los procedimientos intencionales hay que
conocer las características de la población para tenerlas en cuenta y
respetarlas en las muestras, lo que ha de conocerse y respetar en los aleatorios
es esa probabilidad o peso de cada unidad en la población.
Lo expuesto permite aclarar que, frente a lo que frecuentemente se

considera en la vida cotidiana, los procedimientos aleatorios no son aquellos
que se realizan "de cualquier modo", "sin regla alguna", según lo que se le
ocurra en ese momento a quien muestrea o "al voleo". Los realizados de estas
maneras, como elegir a sujetos voluntarios o a los que más llaman la atención
de un grupo por estar más cerca de quien elige, son procedimientos por
accesibilidad o conveniencia y no aleatorios. Como acaba de señalarse, los
aleatorios han de basarse en el conocimiento de las probabilidades en la
población para respetarlas, sin introducir factores indebidos.
Ejemplos. Son procedimientos aleatorios el uso de dados, la ruleta o los

sistemas de bolas y bombos no trucados, así como los procesos o programas
informáticos construidos para generar resultados similares al azar mediante
algún determinado algoritmo, razón por la cual técnicamente se denominan
pseudoaleatorios, como el denominado método Montecarlo (Peña, 2001).
H) Identifique el muestreo pretendidamente representativo que se haya

utilizado o decida cuál utilizar
Considerando conjuntamente el tipo de unidades con que está definida la

población de referencia y el tipo de extracción realizado o a realizar, pueden
enumerarse los distintos tipos de muestreos que pretenden aportar resultados
174
representativos (ver figura 6.2). Pueden realizarse con la ayuda de
herramientas de libre distribución, ofrecidas en páginas web como las de
Manzano (s.f.) u otras que pueden localizarse a través de cualquier buscador,
o con programas informáticos con licencia, como el SPSS, que incluyan
módulos específicos de muestreo.
Si se parte de una población delimitada a partir de unidades simples y la

extracción se hace con criterios intencionales, se realiza un muestreo
intencional simple, mientras que si se hace con criterios probabilísticos el
muestreo es el denominado aleatorio simple.
Ejemplos. Un muestreo de minutos en los que observar a unos pequeños

en clase sería aleatorio simple si cada minuto de observación se extrajera
aleatoriamente a partir del listado de todos los que dura la actividad que
interesa. En cambio, si a partir de ese listado se formara la muestra eligiendo
momentos considerados representativos por quien investiga, el procedimiento
sería intencional simple.
También cabe el muestreo que implica a ambos criterios de la siguiente

manera: eligiendo la primera unidad al azar, y el resto mediante una regla
intencional fijada de antemano. Es el muestreo aleatorio sistemático.
Ejemplo. A partir de la población de minutos de los ejemplos anteriores,

este muestreo se daría si se obtuviera el primero al azar, seleccionado a partir
de él los restantes momentos que sucedan cada 10 minutos hasta completar la
muestra.
Cuando, a diferencia de los señalados, se parte de una población

delimitada con unidades compuestas o estratos, y de cada una de las unidades
compuestas se extraen las unidades simples que conforman la muestra, se
tiene un muestreo por cuotas si esas extracciones se hacen con criterios
intencionales, o aleatorio estratificado si las extracciones se realizan mediante
el azar.
Ejemplos. Si la población de ejemplos anteriores fuese de 120 minutos,
175
podrían considerarse cuatro estratos de media hora cada uno. El muestreo
sería por cuotas o aleatorio estratificado según que en cada estrato se elijan
intencional o aleatoriamente los minutos en los que observar.
Cuando las poblaciones están definidas por unidades compuestas y estas

son de tamaño y número considerables, las elecciones de las unidades
simples que conformarán la muestra pueden realizarse sólo a partir de
algunos de los estratos definidos, elegidos previamente y casi siempre al azar.
Son los muestreos por conglomerados, que pueden hacerse en una o más
etapas, es decir, un¡ o monoetápicos y multietápicos respectivamente,
quedando conformada cada etapa por la delimitación de estratos,
denominados conglomerados en este caso, y la elección de algunos de ellos.
Ejemplo. Se utilizaría este procedimiento si para obtener una muestra de

minutos en los que hacer observaciones de un sujeto a lo largo de un curso
escolar, se partiera de la población agrupada por meses y se eligieran algunos
meses en los que elegir los minutos de observación. Pero como al hacerlo así
en una sola etapa el tamaño de los estratos dificultaría aún la elección de
unidades, serían convenientes varias etapas intermedias como dividir los
meses en semanas y elegir algunas de ellas, de las semanas elegidas definir
días y elegir algunos, y en esos días escoger horas y en algunas de ellas tomar
los minutos que formarían la muestra.
Como se puede apreciar, lo que se elige en cada etapa de este

procedimiento son conglomerados o estratos, salvo en la última elección, que
es la de unidades simples.
En todos los muestreos que parten de unidades compuestas hay que decidir
la afijación o modo de distribuir en la muestra la presencia de los distintos
estratos. Dos de las usuales son la afijación uniforme y la proporcional,
diferenciadas según que el número de unidades muestrales, o elementos de la
muestra, que se obtengan de cada estrato sea respectivamente el mismo para
todos o conforme al tamaño de cada uno en la población.
176
Figura 6.2. Tipos de muestreo para la representatividad.
Ejemplo. Si en los ejemplos anteriores se elige un mismo número de

minutos en cada estrato de media hora, la afijación sería uniforme pero
también proporcional, puesto que tales estratos tienen el mismo tamaño de
media hora. Esa coincidencia no se daría si la población de tiempo fuera toda
la jornada escolar y se formaran dos estratos de diferente duración, como las
mañanas y las tardes.
177
A veces la afijación decidida se ve perturbada por la pérdida de unidades
seleccionadas para la muestra, atribuible a factores de los propios sujetos, su
medio o de la propia investigación.
Ejemplos. Algunas pérdidas de sujetos se deben a que estos renuncian a

participar por encontrarse incómodos después de haber aceptado, o porque le
han cambiado determinadas circunstancias. Ambas cosas pueden ser más
frecuentes en estudios longitudinales de larga duración. Otras veces los
sujetos elegidos en una muestra aleatoria no aceptan formar parte del estudio.
Asimismo, quienes investigan pueden producir pérdidas de unidades cuando
por error borran algunos datos en el fichero informático donde los tenían
almacenados.
Dicha pérdida, denominada a veces muerte experimental aunque la

investigación no suponga ese método, ha de ser compensada con la
reposición de nuevas unidades. Especial atención ha de prestarse al sesgo o
falta de representatividad que puedan producir dichas pérdidas cuando se
deban a un factor relevante. Por ello, para mantener la representatividad
pretendida, las unidades de reposición han de tener características similares a
las que se han perdido. El primer apartado de capítulo 10 muestra
procedimientos para realizar tales reposiciones.
I) Si es el caso, identifique o decida el tamaño de la muestra
Una vez identificado o elegido el tipo de muestreo, ha de determinarse el

tamaño de la muestra.
En los muestreos por accesibilidad, el tamaño de las muestras y el número

de ellas va determinándolo la estabilidad o saturación de los resultados
hallados en sucesivas replicaciones directas o sistemáticas. En la medida que
se alcance esa estabilidad o consistencia, y por tanto la generalidad de lo
encontrado, el muestreo puede cesar.
En los muestreos intencionales, más allá de convenciones usuales como la

de "el 10% de la población" tampoco existe una regla delimitada que
178
determine a priori cuántas unidades han de elegirse. Por ello, es más
adecuado decidir un tamaño que facilite la representatividad sin ser excesivo
y difícil de lograr.
En los procedimientos aleatorios, la decisión del tamaño muestral para

extrapolar los datos de la muestra a la población está más regulada, siendo
consecuencia o resultado de diversos factores.
Ejemplos. Si no se conoce el tamaño de la población, considerada entonces

infinita, los factores a tener en cuenta para decidir el tamaño de la muestra (n)
son los siguientes:
a)El nivel de confianza o seguridad, normalmente del 0,95 o 95%, que se

decida asumir acerca de que la estimación a realizar con la muestra se
ajusta al valor que tenga en la población; ese nivel decidido se traduce a
un coeficiente Z que para niveles de confianza del 95% y del 99% son
1,96 y 2,58, respectivamente.
b)Un valor aproximado estimado en la población de la característica que

se desea muestrear, como en este ejemplo la proporción del contenido
de interés; de no conocerlo, suele estimarse un 50%, es decir, p = q =
0,5, siendo p y q las proporciones estimadas favorable y desfavorable a
lo planteado.
c)La precisión, margen de error de estimación o diferencia, d, que se

admitiría entre el parámetro y el estimador.
Expresándolo formalmente, el tamaño muestral n se calcula de la siguiente

manera:
De este modo, el tamaño de la muestra deberá ser mayor en la medida en

que se desee un mayor nivel de confianza y menor error de estimación.
Por el contrario, en el caso de conocer el tamaño de la población N,
179
población finita, se le incluye en las fórmulas para el cálculo del tamaño
muestral buscado, de la manera siguiente también para el caso de
proporciones:
En páginas web como la de Manzano (s.f.) pueden encontrarse recursos

para el cálculo del tamaño de muestras.
El presente capítulo expone competencias en forma de procedimientos para

identificar y procurar representatividad en la recogida de datos (ver figuras
6.1 y 6.2). Lo hace en términos del contenido de la población de referencia y
del tamaño de la población y la muestra.
Al ser diversos los procedimientos existentes, que pueden ser consultados

en detalle en trabajos como el de Martínez-Arias (1995b), debe elegirse el
más adecuado a las circunstancias específicas de cada investigación.
Los muestreos que parten de poblaciones definidas mediante unidades

simples son más adecuados cuando estas tienen características homogéneas
entre sí. Y en el muestreo por conglomerados es requisito la homogeneidad
entre ellos, dado que son elegidos únicamente algunos. Si entre esas unidades
compuestas existen importantes diferencias, el resultado tendrá un alto riesgo
de estar sesgado al no tener en cuenta las no seleccionadas.
En cuanto a los criterios de elección de unidades, los intencionales pueden

sesgar los resultados si no recogen de manera suficiente los parámetros
poblacionales, algo más probable en la medida que estos sean numerosos.
Los aleatorios, por su parte, pueden sesgar las muestras por no implicar
extracciones adecuadas a la distribución de probabilidad de las unidades de la
población, o porque el propio azar puede dar esos resultados no deseados. Y
los muestreos realizados por accesibilidad, en principio solo aportan
representatividad respecto a las unidades elegidas. En los tres casos, de no
180
existir replicaciones que avalen las generalizaciones que se establezcan a
partir del muestreo realizado, estas pueden considerarse sin base suficiente.
En cualquiera de los casos, el juicio global sobre el ajuste de la recogida de

datos debe ser el resultado del logrado en sus diferentes elementos, y siempre
debe ser considerado respecto a un determinado referente más o menos
explícito. Por ello, todo juicio sobre ajuste de la recogida de datos ha de
especificar a qué elemento de ella y respecto a qué población se emite.
Expresar un juicio de ajuste sobre una determinada muestra sin referir
respecto a qué población se establece no tiene sentido, ya que puede ser
representativa respecto a una determinada población y no respecto a otra.
Además de basarse en los procedimientos aquí reseñados, los juicios o

valoraciones sobre ajuste deben basarse también en los análisis que de esa
misma propiedad se realicen con los datos obtenidos con dichos
procedimientos. El capítulo 10 muestra tales análisis.
Todos esos juicios sobre ajuste deben ser emitidos en términos de grados
más que de los cualitativos dicotómicos Sí o No, ya que no solo son posibles
los dos valores extremos de sesgo nulo o completo de la recogida de datos.
La razón de esa gama de posibles valores, de que no existan garantías

plenas de obtener representatividad suficiente, es que esta propiedad se ve
influida por distintos factores, por diferentes fuentes conocidas o no que
producen sesgos o errores de representatividad, o de muestreo o de
estimación si es el caso, diferentes a los errores de medida mencionados en el
capítulo anterior.
Una de esas fuentes es el considerable tamaño de determinadas

poblaciones, por dificultar su estudio representativo. Y cuando por esa razón
se eligen muestras, el juicio de representatividad depende a su vez de varios
factores. Uno de ellos es la diferencia de tamaños de la población y muestras,
ocurriendo que mientras mayor sea esa diferencia, más dificultades habrá
para la representatividad. En todo caso, elegir muestras de tamaños
adecuados no es suficiente, ya que la representatividad depende también de
181
las posibilidades y ejecución del procedimiento seguido. Una muestra de gran
tamaño puede quedar invalidada por un procedimiento mal realizado o poco
adecuado a las poblaciones de referencia. Además, los sesgos pueden deberse
también a las pérdidas de unidades elegidas en las muestras. Por ello, las que
se utilicen como sustitutas o de reposición han de tener características
similares a las que se hayan perdido.
En definitiva, ante la variedad de posibles fuentes de sesgos, los juicios

sobre representatividad han de ser establecidos con cautela y nunca
asegurando su existencia o logro absoluto.
Cuando se estime insuficiente el ajuste de las recogidas de datos

consideradas, ya sea al considerar las recogidas de datos o en el posterior
análisis de estos, dos son las alternativas posibles y no incompatibles entre sí.
Una es aprovechar lo ya hecho, y contemplar poblaciones de menor tamaño a
la inicial respecto a las que puedan entenderse representativas las muestras
obtenidas. Otra posibilidad es mantener las poblaciones de referencia y llevar
a cabo nuevas investigaciones corrigiendo sesgos detectados en las
realizadas.
182
Junto a la precisión y representatividad, los diseños, métodos y técnicas de
recogida de datos han de atender a que las variables del objeto de estudio y
contexto planteadas como diferentes queden efectivamente diferenciadas.
Ello supone que los valores de cada una no estén solapados entre sí, que no
covaríen. En los casos contrarios se habla de confusión o solapamiento.
Puesto que procurar la diferenciación requiere las acciones de evitar o

controlar las posibles confusiones entre variables, el término control se aplica
también al logro u objetivo pretendido, usándose como sinónimo de la
propiedad de diferenciación. Así se hace en lo que resta del presente texto.
7.1. Evaluar y procurar la diferenciación en la recogida de datos
Las competencias incluidas en este apartado son presentadas en términos de

las dimensiones de función, estructura y valores, ya que la diferenciación
debe darse entre variables del objeto de estudio y contexto y en términos de
sus valores.
Las competencias que siguen son útiles para evaluar diferenciación en las
recogidas de datos propias o ajenas ya realizadas, y para procurarla y
evaluarla en las que se necesiten realizar.
A) Identifique variables de contexto que estén confundidas o puedan estarlo

con cada independiente
Las variables de contexto, denominadas también extrañas en el sentido de

ajenas al objeto de estudio, suponen amenazas a la diferenciación en las
recogi das de datos. Dos son las razones principales. Una, porque cualquier
covariación de alguna de ellas con una independiente supone una confusión,
183
impidiendo distinguir si los cambios de la variable dependiente se deben a los
cambios de la independiente o a los de la extraña. Y otra, porque al definirse
las variables extrañas como las ajenas al objeto de estudio, su número es
ilimitado. Ello conlleva la imposibilidad de controlar la diferenciación de
todas las extrañas, ya que siempre puede quedar sin considerar alguna que
covaríe con las independientes.
De ahí que la primera competencia para una adecuada diferenciación de

variables en la recogida de datos consista en enumerar de la manera más
exhaustiva posible qué variables extrañas son relevantes como fuentes de
posibles confusiones. Para lograrlo es necesario familiarizarse con la temática
abordada en el objeto de estudio y su contexto habitual, haciéndolo a través
de la propia experiencia, de la documentación existente y de la consulta a
otros colegas. El apartado 3.44 orienta sobre estas tareas.
Ejemplos. En un estudio sobre audición es razonable pensar que la

capacidad auditiva de los participantes es una variable relevante de contexto a
controlar, mientras que podría soslayarse el color de sus retinas. Una revisión
sobre el tema lo confirmaría e informaría de variables que se hayan mostrado
influyentes en la temática, pudiendo buscarse a partir de ello otras posibles si
fuera necesario.
B) Identifique o decida las variables extrañas presentes con un solo valor
Analizar qué variables extrañas están o van a estar presentes en la

investigación con un único valor es importante porque ello supone que dichas
variables no varían, y si no varían no pueden hacerlo conjuntamente con
ninguna otra, pudiendo afirmarse entonces que no están confundidas y sí
controladas o diferenciadas. Esa presencia con un solo valor de las variables a
diferenciar corresponde a la técnica de control denominada constancia o
mantenimiento constante.
Ejemplos. Así ocurriría con las variables "modo y momento" de recoger

datos en una investigación en la que todos estos se recogieran con la misma
técnica, aplicada de la misma manera y en un mismo momento. Cuando la
184
constancia se aplica al contacto de quien investiga con los sujetos, es
denominada habituación, por la progresiva pérdida de influencia que se
pretende de esa presencia.
Cuando el único valor de la variable en la investigación es el nulo o

ausencia, la constancia suele ser denominada eliminación. Por tanto, evítese
el error de considerar como técnica de la eliminación al hecho de desechar en
una investigación algunos valores y dejar al resto presentes.
Ejemplos. La variable ruido ambiental sería eliminada al evitar el sonido

exterior en un laboratorio, y controlada por constancia al instalar un ruido
continuo de una misma intensidad que ocultase otros posibles. Cuando se
aplica la eliminación a la presencia de quien observa, suele denominarse
ocultación, mientras que si se refiere al conocimiento del sujeto sobre el
objetivo que se estudia en él se habla de simple ciego, y de doble ciego si ello
se extiende a quien recoge los datos.
No todas las variables admiten la eliminación, pues como sucede con el

modo y el momento de recogida de datos, esta ha de hacerse siempre de
algún modo y en un determinado tiempo.
C) Identifique o decida las variables extrañas presentes con más de un valor
Aunque la constancia y la eliminación son recursos potentes para el

control, no siempre son utilizados, fundamentalmente por dos razones:
porque no resultan posibles, como sucede con variables presentes en una
muestra con más de un valor, o porque utilizar un solo valor puede suponer
pérdida de representatividad.
Ejemplo. Ocurriría si se hiciera sólo con hombres una investigación

referida a una población de sujetos de ambos sexos.
Por tanto, muchas investigaciones incluyen variables extrañas con dos o

más valores. Ello implica que los valores de esas variables pueden variar a la
vez que los de otras, confundiéndose con ellas. Por ello y a diferencia de las
185
variables mantenidas constantes o eliminadas, toda variable presente con más
de un valor puede estar confundida con otra. De ahí la necesidad de evitar
esta situación.
D) Para analizar o evitar posibles confusiones entre las variables extrañas con
más de un valor y cada independiente, comience por identificar o decidir la
estrategia de estas
Como se ha señalado, analizar el control de las variables extrañas

presentes con más de un valor, respecto a cada independiente, supone
considerar si ambas covarían. Aunque ello puede hacerse directamente,
resulta más productivo tener en cuenta la estrategia transversal o longitudinal
de cada variable independiente. Como señala el capítulo 4, en los estudios
relacionales dichas estrategias implican respectivamente que cada sujeto
recibe o presenta un solo valor de la variable independiente o todos los
considerados.
Ejemplos. Si en un estudio sobre memoria, las cantidades de material a

recordar fuera la variable independiente, esta se aplicaría de manera
transversal si cada sujeto recibiera solo una de esas cantidades, mientras que
se haría longitudinalmente si recibiera sucesivamente todas las cantidades
elegidas.
A efectos de control, las dos estrategias tienen diferentes consecuencias,

como se indica a continuación.
E) Si la independiente es transversal, identifique o procure la semejanza de

los grupos o condiciones en cuanto a variables extrañas
En la estrategia transversal, los grupos de sujetos diferentes en valores de

la independiente no deben serlo también en valores de variables extrañas,
pues ello supondría una falta de diferenciación entre estas y la independiente.
Así, cada variable de contexto debe tener repartidos sus valores de la manera
más semejante posible en los distintos grupos de sujetos, debe tener sus
valores combinados con los de cada independiente. Ese es el objetivo común
186
a lograr en la estrategia transversal con todas las variables de contexto
presentes con más de un valor.
Para procurar la combinación entre esas variables extrañas y las

independientes transversales, es necesario asignar o repartir de manera
homogénea los sujetos en los diferentes grupos. Y precisamente según se
haga esa asignación, se estará aplicando una de las técnicas de control
posibles para el objetivo señalado.
Una de ellas, denominada aleatorización, consiste en asignar al azar las

unidades de la muestra a los distintos grupos. Otra técnica, denominada
bloqueo, consiste en hacer esa asignación también aleatoriamente pero a
partir de varios bloques o agrupaciones de unidades de la muestra, de lo que
podrían considerarse estratos de esta. Por último, la técnica de control que
parte también de una muestra dividida en esos estratos o agrupaciones pero
asigna intencionalmente las unidades de cada uno a los distintos grupos se
denomina equiparación o balanceo. Si esa equiparación de grupos se hace
eligiendo sujetos semejantes en variables extrañas en un número igual al de
las condiciones, se denomina emparejamiento.
Estas técnicas son recursos utilizables en las condiciones transversales

para asignar de manera homogénea dos o más variables, no solo de sujeto
sino también de medio o investigativas.
Ejemplo. Así podría hacerse en un estudio en el que se utilizara como

variable independiente manipulada tres conjuntos de estímulos distintos por
su forma, pero homogéneos en cuatro colores y cinco tamaños. La
combinación de las variables extrañas "color" y "tamaño" con la
independiente "forma" podría lograrse repartiendo los valores de las dos
primeras características en cada una de las formas, haciéndolo mediante
aleatorización, bloqueo o equiparación.
F) En el caso de variables independientes longitudinales, identifique o

procure la semejanza de los momentos o condiciones en cuanto a variables
extrañas
187
Cuando la estrategia sea longitudinal, el control de las variables extrañas
ha de consistir en asemejar sus valores en los distintos momentos organizados
como condiciones, con el fin de que no varíen a la vez que los de la
independiente. Ello se consigue por tanto cuando a lo largo de todos esos
momentos, el grupo de sujetos es semejante a sí mismo en lo que se refiere a
los valores de las variables extrañas. Es la técnica denominada unidades o
sujetos como propio control.
Ejemplos. Al investigar de modo longitudinal los efectos del alcohol en la

atención a una tarea, se estudia la atención del único grupo de sujetos en las
sucesivas condiciones de alcohol. En todas estas, los valores de las diferentes
variables de contexto relevantes deberían aparecer con valores semejantes
para evitar su confusión con los cambios de la independiente. Eso ocurre con
las variables que no cambian con el tiempo, o al menos no mientras dura una
investigación. Así si hay 20 hombres y 7 mujeres en la primera condición,
todos ellos deberán estar presentes en las restantes para que la variable sexo
permanezca controlada.
La presencia repetida de algunas variables, sean de contexto o

independientes, en los mismos sujetos produce la variable extraña efectos de
orden o acumulativos. Consiste en que cada ocurrencia de las variables
repetidas acumula sus efectos a los de ocurrencias previas, por lo que sus
valores van cambiando a la vez que los de las variables independientes,
confundiéndose con estas. El control de esa confusión puede lograrse por
eliminación, separando en el tiempo las sucesivas repeticiones. Y también
mediante contrabalanceo o combinación aleatoria o intencional de los
distintos órdenes de presentación de la variable repetida con los de la
independiente.
Ejemplos. Volviendo a considerar el alcohol como la independiente en un

supuesto estudio longitudinal, si sus diferentes valores fueran aplicados en
momentos cercanos, cada dosis se vería acompañada por los efectos aún
vigentes de la anterior y por tanto confundida con estos. El control mediante
contrabalanceo de esos efectos acumulativos consistiría en que los valores de
la variable independiente aparecieran en diferentes órdenes, con unos sujetos
188
comenzando por dosis altas seguidas de dosis bajas, mientras que en otros
sujetos sucediera a la inversa.
Aunque a veces esta técnica supone dividir a los sujetos en grupos según
los valores de la variable orden de presentación, ello no supone abandonar la
estrategia longitudinal porque esta se considera respecto a las variables
independientes.
189
Figura 7.1. Control de VVEE.
G) Aplique las competencias recién consideradas a la identificación u

obtención del control entre variables independientes manipuladas
190
Como se planteó en el capítulo 4 al tratar los diseños factoriales, cuando
haya más de una variable independiente todas ellas deben estar diferenciadas
o controladas entre sí, pues solo así pueden analizarse de manera diferencial
sus respectivos posibles efectos. Y lo estarán en la medida en que los valores
de cada una estén combinados con los del resto.
Ejemplo. Así sucederá en un estudio en el que las variables independientes

manipuladas sean la cafeína y el alcohol, si las diferentes condiciones
combinan de manera completa las dosis de una y otra sustancia.
La combinación entre los valores de las variables independientes cuando

son manipuladas puede procurarse actuando sobre ellas según las técnicas
expuestas para la diferenciación entre extrañas e independientes (resumidas
en la figura 7.1), aunque no reciban en tales casos las denominaciones
expuestas. Obviamente, la eliminación y la constancia son excepciones, pues
al implicar un solo valor no pueden ser aplicadas a variables independientes
al tener estas siempre dos valores como mínimo.
H) Aplique también las competencias previas al análisis y logro del control

entre variables extrañas que admitan intervención
El conjunto de técnicas de control o diferenciación es el mismo para

analizar y procurar el control entre las variables extrañas planteadas como
distintas.
Ejemplos. En un estudio unitario sobre la rapidez en la resolución de

problemas por parte de los estudiantes de un aula, sería relevante evitar la
confusión entre variables extrañas como el tiempo de que disponen y el lugar
donde están sentados los participantes. Estarían confundidas si se permitiese
comenzar la prueba en el momento de recibirla, pues supondría que los que
primero recibiesen la prueba tendrían más tiempo que el resto. En general, las
condiciones de aplicación de una prueba para recoger datos de variables de
medida suelen ser controladas mediante constancia, procurando que todos los
sujetos estén en las mismas condiciones. Esto es lo que se pretende por
ejemplo al seguir estrictamente las instrucciones de los manuales de
191
aplicación de cuestionarios y tests.
La conveniencia del control entre variables extrañas es percibida

especialmente cuando se pretende sistematizar una o más de ellas, es decir,
conocer sus influencias en los datos del objeto de estudio o de la variable
dependiente (ver capítulo 5). Para ello se les considera variables de primer
término, debiendo estar controladas respecto al resto de variables extrañas y a
las independientes si exis ten. Nuevamente, ni la constancia ni la eliminación
son aplicables a las variables a sistematizar al tener que presentar éstas dos o
más valores.
I) En lo posible, aplique también las competencias recién consideradas al

análisis del control entre variables de medida
Respecto a las variables independientes o extrañas sobre las que no se

interviene, el objetivo de diferenciación es el mismo que cuando son
manipuladas, aunque las posibilidades para conseguirlo son menores por no
poder actuar sobre ellas. La alternativa que resta es seleccionar mediante
equiparación a los sujetos según los valores que presenten de cada una de
esas variables asignadas de modo que queden diferenciadas.
Ejemplo. Sea el estudio de las posibles influencias que sobre la opinión

acerca de la inmigración tienen las variables independientes sexo y nivel
económico. Al no poder manipularse ninguna de estas, ha de comprobarse
que se obtienen datos de la variable dependiente en todas las combinaciones
de valores de las independientes que el objetivo requiere, que en este caso
podrían ser mujer de nivel económico bajo, mujer de nivel económico alto,
hombre de nivel económico bajo y hombre de nivel económico alto.
Lo descrito para variables independientes y extrañas no intervenidas ha de

darse también cuando se consideren diversas variables dependientes. En la
medida en que dos o más de ellas aparezcan confundidas, pueden ser
entendidas como una sola, perdiendo sentido el supuesto de que se tratan de
diferentes variables.
192
La posible confusión entre todas estas variables de medida, en las que no
se interviene, debe identificarse mediante el análisis de datos y no en la
recogida de estos. De hecho, y como se señala en el capítulo 9, existen
técnicas para tener en cuenta las covariaciones entre estas variables.
Ejemplos. El ANCOVA o análisis de la covarianza es una técnica

estadística con ese objetivo, en la que se contempla una variable de medida
de contexto para conocer y controlar su influencia sobre la dependiente.
El presente capítulo expone competencias en forma de procedimientos para

identificar y procurar diferenciación o control entre variables en la recogida
de datos (ver figura 7.2).
193
Figura 7.2. Relaciones entre VVII, VVDD y VVEE según diferenciación.
Siendo diversos los procedimientos existentes, debe elegirse el más

adecuado a las circunstancias específicas de cada investigación. Así ha de
recordarse que la constancia y la eliminación aportan control pero no son
194
factibles en las variables presentes en la muestra con más de un valor, ni
recomendables cuando se estime que hacen perder representatividad. En
cuanto a los procedimientos de control de las variables presentes con más de
un valor, los aleatorios no pueden ser usados en investigaciones selectivas
para las variables extrañas de sujeto, mientras que los no aleatorios exigen en
todos los casos el conocimiento de las características de las variables a
controlar.
En cualquiera de los casos, el juicio global sobre la diferenciación de una

recogida de datos debe ser el resultado de las logradas entre cada par de
variables que no estén relacionadas en el planteamiento. Por eso deben estar
diferenciadas las distintas variables independientes entre sí, las distintas
variables de contexto o extrañas entre sí, cada una de las independientes con
cada una de las de contexto, cada una de estas con cada dependiente, y las
diferentes dependientes entre sí cuando hay más de una.
Dada esa variedad de posibilidades de confusión, todo juicio sobre

diferenciación debe especificar de qué variable respecto a cuál otra se está
considerando. No especificar una u otra conduce a ambigüedades, dado que
una determinada variable puede estar confundida con una variable y
controlada respecto a otra distinta.
Los juicios o valoraciones sobre diferenciación deben hacerse a partir de la

consideración de los procedimientos realizados o por realizar. Sin embargo,
cuando tenga sentido deberán ser completados con los análisis de la misma
propiedad realizados con los datos aportados por esos procedimientos. El
capítulo 10 muestra tales análisis.
Todos esos juicios sobre diferenciación deben ser emitidos en términos de

grados más que en los cualitativos dicotómicos Sí o No. Y es que no sólo son
posibles los dos valores extremos de completo y nulo control, de total o nula
combinación entre valores de las dos variables consideradas en cada caso.
La razón de que no existan garantías plenas de obtener diferenciación es

que esta propiedad puede incumplirse por diversas fuentes. Una es que hay
195
variables sobre las que no se puede actuar a efectos de control, cabiendo tan
solo evaluar sus posibles confusiones una vez que se disponga de sus
correspondientes datos. Otra fuente de confusión es que ni las técnicas de
control intencionales ni las aleatorias producen siempre los resultados
apetecidos, bien por no ser aplicadas correctamente o bien porque el azar en
su caso lleve a asignaciones no equitativas. Otras posibles confusiones están
ligadas a desestimar indebidamente como covariación de un determinado
grado alguna que en realidad debería reconocerse como falta de
diferenciación. Por último, siempre es posible que puedan estar con fundidas
variables de contexto que no se hayan explicitado por haberlas considerado
irrelevantes o por ni siquiera haber reparado en ellas.
Ante esa falta de seguridad de haber especificado y controlado todas las

variables relevantes, los juicios sobre diferenciación han de ser establecidos
con cautela y nunca asegurando su existencia o logro absoluto.
Cuando se detectan confusiones, ya sea al considerar las recogidas de

datos o en el análisis de estos, son varias las alternativas posibles y no
incompatibles entre sí. Una es aprovechar las confusiones habidas
considerando como una nueva variable la conformada por las dos o más que
covarían y que por ello no pueden ser diferenciadas. Aunque no es lo que
interesaba en un principio, aporta información útil cuando los contenidos de
las variables confundidas resultan de interés para la temática en estudio. Esa
posibilidad es por tanto paralela a la redefinición de la población que puede
realizarse en pos de una mayor posibilidad de representatividad. Por ejemplo,
dado que las variables nivel económico y cultural suelen aparecer
estrechamente asociadas, poco diferenciadas entre sí, no cabe estudiarlas
como dos variables diferentes. La alternativa consistiría en estudiar los
efectos de esa asociación, considerándolas como una sola variable conjunta
denominable "nivel socioeconómico".
Otra posibilidad consiste en probar a anular la confusión mediante

operaciones en los datos de las variables dependientes. En tal sentido, las
llamadas correlación parcial y correlación semiparcial son procedimientos
muy utilizados de control estadístico de los datos, y que se tratarán en el
196
capítulo 10.
Una tercera posibilidad ante la detección de confusiones consiste en

realizar un nuevo estudio corrigiendo los fallos detectados.
197
El presente capítulo tiene dos objetivos: El primero, compendiar
características de las propiedades de validez en la recogida de datos,
permitiendo apreciar su semejanza con las correspondientes en planteamiento
de conceptos, lo que incluye las mutuas condicionalidades que se dan entre
ellas. El segundo, resaltar las influencias que sobre la validez pueden ejercer
los diferentes diseños, métodos y técnicas, en términos de las dimensiones
que conforman cada una de esas modalidades de recogidas de datos. Todo
ello permite ofrecer un listado final de preguntas guías para evaluar y realizar
recogidas de datos con la mayor validez posible.
8.1. Las propiedades de validez en la recogida de datos
Los tres capítulos previos han mostrado que las propiedades de validez tienen
sentido en las recogidas de datos. Estas han de ajustarse al referente que se
tome en cada caso, diferenciando sus conceptos y actividades, y
considerándolas con la mayor precisión posible.
Dicho referente está conformado por el objeto de estudio y su contexto,

tanto si están planteados antes de la recogida de datos como si surgen de esta.
En el primer caso, los juicios de validez sobre las recogidas de datos se
establecen respecto a lo planteado, y en el segundo suponen plantearse
respecto a qué referente podrían considerarse válidas tales recogidas, es decir,
respecto a qué objeto de estudio y en qué contexto podrían aportar datos con
suficiente validez.
En las investigaciones planificadas, la validez de la recogida de datos

deberá considerarse antes, durante y después de ella. Antes, planificando y
adoptando las decisiones más favorecedoras de dicha propiedad; durante,
198
cuidando que lo planificado se lleve a cabo o, si es el caso, con
modificaciones adecuadas; y después, revisando lo realizado. En las
investigaciones exploratorias, realizadas sin un objetivo especificado de
antemano, la validez de la recogida de datos solo puede considerarse durante
y después de su realización, a medida que vaya delimitándose ese objetivo.
En todos los casos y por definición, cada objeto de estudio y su contexto

conforman un sistema exhaustivo, al incluirse en uno lo que no esté en el
otro. Por eso los datos son necesariamente función de ambos, como refleja la
siguiente expresión:
La definición de contexto como todo concepto o elemento no incluido en

el objeto de estudio implica que sus componentes pueden ser muy
numerosos. Por eso quienes investigan han de seleccionar en cada caso los
contenidos que supongan relevantes para el objeto de estudio en cuestión. A
tal fin se han propuesto listados de posibles fuentes relevantes, utilizables
como guías para evaluar y planificar las recogidas de datos de la manera más
sistemática posible.
En esos listados destacan los planteados por Campbell y Stanley

(1966/1973), Cook y Campbell (1979), Shadish, Cook y Campbell (2002), o
la versión construida por Ato (1995), todos ellos recogidos junto a otros por
Balluerka (1999). Con el mismo interés práctico se han ofrecido listados en
forma de acrónimos. Entre ellos pueden destacarse ESTIMATE, formado a
partir de las iniciales en inglés de "experimentador, sujetos, tiempo,
instrucciones, medición, aparatos, tareas y ambiente" (Dominowski, 1980);
UTOS, en referencia a "unidades, tratamientos, operaciones y settings o
marcos" (Cronbach, 1982), o TRUCO, en referencia a "tratamiento, respuesta
de los sujetos, unidades o sujetos, contexto y ocasiones del estudio" (Ato,
1995). En tales listados pueden identificarse los tres tipos posibles de
contenidos y las interacciones entre ellos, a lo que podrían añadirse las
influencias de sentido inverso que los sujetos y medios estudiados pueden
ejercer sobre quien investiga, sus instrumentos y en definitiva sobre los
199
resultados obtenidos (Rosenthal y Rosnow, 1969).
En todo caso, estas listas de posibles fuentes de variables extrañas nunca

pueden ser exhaustivas porque no incluyen a las desechadas por irrelevantes,
ni tampoco a las no tenidas en cuenta. Por tanto, conviene establecer en las
investigaciones la distinción entre el contexto explicitado, compuesto por las
variables y relaciones que se tienen en cuenta porque se sabe o supone que
pueden tener influencias de importancia sobre el objeto de estudio y sus
componentes, y losfactores implícitos o no explicitados por suponerlos no
influyentes o por no haber reparado en ellos. Esa doble composición del
contexto es expresada a modo de ecuación de la siguiente manera:
Como es obvio, no considerar relevante a un determinado componente del

contexto no evita su influencia sobre los datos si realmente la tiene. Por tanto,
la idea de que los datos de toda investigación son el resultado del objeto de
estudio y contexto puede y debe ser detallada diferenciando los dos tipos de
componentes del contexto recién señalados. Es lo resumido a continuación,
combinando las expresiones [1] y [2]:
Teniendo como referencia esos tres elementos de los que son función los
datos que se obtengan, la validez de sus recogidas requiere conseguir
objetivos específicos respecto a cada uno de ellos. Kerlinger (1986/2001) los
recogió como los tres componentes del denominado principio
MAXMINCON, planteado en principio para los estudios experimentales pero
que puede generalizarse a cualquier tipo de investigación.
Se use o no el citado principio como guía explícita, la validez requiere lo

siguiente en las recogidas de datos. Estas han de permitir que el objeto de
estudio resulte MAXimizado en los datos, que deberían reflejar así lo que
ocurre en la realidad que se pretende estudiar. Dicho de otra manera: Debe
haber un ajuste lo mayor posible de los datos respecto a lo que se estudia, y
las recogidas de datos deben favorecerlo.
200
En la medida que se logra, el ajuste es también consecuencia de que los
factores de contexto no explicitados por irrelevantes sean tales efectivamente
y produzcan únicamente errores mínimos y aleatorios, sin tendencia clara o
sistemática. Por tanto, las recogidas de datos han de procurar que los factores
no explicitados del contexto queden MINimizados. Y se pretenden minimizar
y no eliminar porque siempre cabe la posibilidad de que haya factores
obviados que tengan influencia en el objeto de estudio aunque sean de poca
importancia. Por ello, y aunque no perfecta, ese componente del ajuste
supone precisión o fiabilidad del modelo planteado en términos de objeto de
estudio y su contexto.
En tercer lugar, la mayoría de los factores de contexto explicitados por su

posible o conocida relevancia no pueden ni deben ser minimizados si
constituyen circunstancias espaciales, temporales y de otro tipo que
inevitablemente han de estar presentes en una recogida de datos,
favoreciendo así el ajuste del contexto. Por eso, el objetivo respecto a todos
ellos es su CONtrol, que sus influencias queden diferenciadas o no
confundidas entre sí y con las del objeto de estudio, siendo ampliable este
objetivo a todas las variables planteadas diferentes y sin relacionar.
Como cada uno de los tres objetivos está asociado preferentemente a una
determinada propiedad de validez, los modos de procurar cada uno de ellos
en las recogidas de datos son los expuestos en los capítulos 5, 6 y 7. El
cuadro 8.1 resume los componentes de los que son función los datos, los
objetivos y las propiedades de la validez que les corresponden.
Cuadro 8.1. Objetivos y propiedades de la validez según conceptos

implicados
201
Al igual que sus propiedades componentes, la validez de la recogida de
datos no debe ser considerada solo de manera cualitativa y dicotómica, como
existencia o no, sino también en términos ordinales y politómicos,
admitiendo distintos grados. Y es que cuando no se da el ajuste puede ser por
falta o sobra de más o menos elementos, igual que cuando falta la mutua
diferenciación puede ser porque haya más o menos elementos solapados. Y la
falta de precisión también puede ser por una mayor o menor cantidad de
elementos implícitos.
En el mismo sentido, no deben considerarse a las tres propiedades

constituyentes de la validez como algo que se obtiene de manera definitiva o
segura en cada recogida de datos. Cada investigación ha de estar sujeta a la
revisión y búsqueda de posibles fallos a corregir en otras posteriores, tratando
de lograr una mayor validez.
8.2. Conexiones entre las propiedades de validez
De lo expuesto en el apartado anterior se infiere la condicionalidad mutua

entre las distintas propiedades de validez en la recogida de datos, de manera
similar a lo que ocurre en el planteamiento de conceptos, expuesto en los dos
primeros párrafos del apartado 2.4.1.
En la medida en que se logre que los factores no considerados sean

mínimos, queden minimizados, ello supone maximizar la influencia del
objeto de estudio, ya que unos y otros actúan como vasos comunicantes de un
todo. Por tanto, además de suponer precisión, la citada minimización implica
mejora del ajuste al objeto de estudio, lo que incidirá en la posibilidad de
202
generalización a nuevos referentes, así como reducir riesgos de confusiones
entre ellos y también con los factores considerados.
Considerando esas influencias en términos de los datos obtenidos, la

precisión en los elementos de una recogida de datos se reflejará en su
consistencia o fiabilidad en replicaciones que se lleven a cabo, directas o
sistemáticas, afianzándose así la generalización de lo obtenido. En otras
palabras, si se da fiabilidad en los resultados de cada replicación, tenderá a
concluirse la escasez de sesgo en la investigación. Aunque dicha estabilidad
podría ser consecuencia del sesgo de todos ellos, tal cosa se considera poco
probable en la medida en que se haya procurado la validez de cada
replicación.
La precisión es requisito también para poder apreciar la diferenciación en

la recogida de datos. Asimismo, el ajuste y la diferenciación también pueden
afectarse mutuamente entre sí. Un exceso de elementos en la recogida de
datos puede facilitar un solapamiento con otros conceptos asociados a los
sobrantes. Y el solapamiento entre dos o más conceptos puede implicar un
sesgo por falta de otros conceptos.
Por otra parte, y aunque la validez requiere de las tres propiedades, en

ocasiones se enfatiza la diferenciación de la recogida de datos y en otras su
ajuste. El primer caso es frecuente en las investigaciones que persiguen la
identificación de relaciones causales, pues sin una adecuada diferenciación de
las variables independientes respecto a variables extrañas no es posible
establecer una covariación válida entre variables independientes y
dependientes. Ese énfasis en los elementos de tales estudios es lo que da pie a
entender diferenciación como validez interna en y de las recogidas de datos.
Por el motivo señalado es habitual asociar la validez interna a las
investigaciones experimentales, por las mayores posibilidades de control que
implican. No obstante, la validez interna o diferenciación es un requisito
exigible a cualquier investigación, al margen de su carácter experimental o
no.
En las recogidas no experimentales de datos, en las que el control es más
203
difícil de lograr, suele resaltarse en mayor medida la búsqueda de ajuste o
representatividad, no solo respecto al referente planteado, sino también a
alguno más amplio que da sentido a entender dicha propiedad como alcance o
generalidad, o transferibilidad, como suele denominarse más específicamente
en estudios cualitativos. Con uno y otro referente, externos ambos a la propia
investigación, el ajuste o representatividad es entendido como validez
externa.
Al margen del énfasis en la validez interna o externa, en diferenciación o

ajuste, que pueda ponerse en una investigación, es importante recordar el
equilibrio que debe haber entre ambas en cualquier recogida de datos,
evitando que el exceso de énfasis en una de estas dos propiedades pueda
suponer una merma importante de la otra.
8.3. Validez en cada diseño, método y técnica de recogida de datos
Como mostraba el capítulo 4, los diferentes diseños, métodos y técnicas

constituyen una amplia gama de posibilidades para la planificación y
descripción de las investigaciones. Por ello, las dimensiones delimitadoras de
cada uno de ellos pueden tener determinadas consecuencias sobre la validez,
pudiendo favorecer o dificultar cada una de sus propiedades. Es lo que se
expone a continuación.
8.3.1. Influencias de los diferentes diseños y métodos sobre la validez de las

recogidas de datos
Mientras mayor sea la complejidad de la estructura de los diseños planteados,

más dificultará la precisión y diferenciación de las actividades y conceptos de
las recogidas de datos, simplemente por ser más los elementos a delimitar con
claridad y de manera diferenciada. En cambio, favorecerá el ajuste siempre y
cuando dicha estructura se corresponda con el referente.
Por su parte, las intervenciones propias de cada método y técnica pueden

favorecer la representatividad al facilitar el logro de los valores de interés.
Así ocurre al manipularse las variables independientes en los experimentos, y
204
también al provocar con encuestas la aparición de datos de variables, como la
opinión sobre un tema, difíciles de observar en sus ocurrencias no
provocadas. No obstante, también es cierto que las intervenciones pueden
introducir elementos ajenos a las situaciones naturales, restando
representatividad a los datos obtenidos en ellas. En consecuencia, en cada
investigación se han de analizar y ponderar los beneficios y perjuicios que
cada decisión conlleve, buscando las mayores ventajas posibles.
Las intervenciones también pueden facilitar el control entre sus variables

al suponer la posibilidad de organizar el estudio de la manera más favorable
para dicha diferenciación. En los estudios naturales y selectivos, en cambio,
la falta de intervención deja al control dependiente de que se dé de manera
natural, lo cual, como es de suponer, no siempre ocurre. En estas
investigaciones no experimentales, cuando son relacionales y transversales,
no cabe utilizar las técnicas de aleatorización y bloqueo para la diferenciación
de las variables extrañas de sujetos y de medio respecto a las variables
independientes. Esto es así porque los grupos no pueden formarse al azar al
tener que hacerlo con sujetos que presenten cada condición de las variables
independientes. El resto de técnicas de control sí resultan posibles.
Las dimensiones de nivel, modo y códigos de expresión, no definitorias de

diseños, métodos y técnicas pero presentes también en estos, pueden tener
también su influencia sobre las propiedades de la validez en la recogida de
datos. En tér miraos generales, el logro de la precisión es más complicado en
la medida que la planificación de la recogida de datos esté expresada
exclusivamente a nivel de constructos, por comprensión y verbalmente. En
cuanto a códigos de expresión, quizás el numérico-formal y el gráfico puedan
ayudar más a la precisión que el verbal, que en todo caso tampoco la impide.
Lograda la precisión, las influencias que estas dimensiones expresivas y no
constitutivas de los conceptos puedan tener sobre la representatividad y el
control no serían sistemáticas ni determinantes para facilitar o dificultar esas
otras dos propiedades de la validez, necesitándose analizar cada uso de ellas.
205
Figura 8.1. Validez en la recogida de datos.
Conviene tener presente que lo expuesto en este apartado son tendencias,

lo mayoritario en los distintos diseños y métodos y en las diferentes técnicas.
Las particularidades o aspectos específicos de cada investigación, de su
objeto de estudio y contexto, son las que han de determinar si las tendencias
generales de cada diseño, método y técnica se cumplen y en qué medida. El
206
análisis de cada estudio debe hacerse sin prejuicios acerca de las ventajas y
limitaciones de cada diseño, método y técnica, y más aún al recordar que
ningún caso está libre de dificultades y que en cada uno deben buscarse las
decisiones con menos inconvenientes, sin pretender que estén totalmente
libres de ellos. Como se señala en varios lugares de esta obra, decisiones que
favorecen a alguna de las propiedades pueden conllevar obstáculos para otra.
El análisis y la planificación de los diseños, métodos y técnicas con

validez puede empezar prestando atención a la precisión en primer lugar,
siguiendo con el control o diferenciación entre los diversos componentes y,
sobre las dos bases anteriores, considerar el alcance de lo planteado, respecto
a qué población o poblaciones puede defenderse la recogida de datos. Esta
misma secuencia se proponía al evaluar la validez en los planteamientos de
objetivos, y que representa la figura 8.1, pero que en todo caso puede ser
sustituida por otras más adecuadas a cada investigación.
8.3.2. Denominaciones de validez según dimensiones
Otra consecuencia de las dimensiones de los conceptos implicados sobre las

recogidas de datos y su validez es de tipo terminológico, originando
denominaciones específicas que conviene conocer por su abundante uso en la
literatura. Tales denominaciones surgen al contemplar la validez con atención
especial a referentes que sean considerados en términos de determinadas
dimensiones.
Una de ellas es el nivel de especificación de los conceptos. Teniéndolo en

cuenta, el análisis de validez, especialmente del ajuste y la precisión, se
realiza a veces sobre si un determinado constructo recoge adecuadamente un
conjunto de indicadores, o si es coherente con otro u otros ya planteados. Tal
cuestión es denominada validez de constructo. A la inversa, otras veces se
plantea si determinados indicadores son adecuados para un constructo,
cuestión que se denomina validez de contenido. Por tanto, mientras que en la
validez de constructo se evalúan constructos utilizando indicadores como
referencias, en la validez de contenido lo evaluado son los indicadores
respecto a un constructo de referencia.
207
Ejemplos. Teniendo varias variables definidas a nivel empírico, como
"opiniones sobre un tema", "manifestaciones de sentimientos que este
genera" y "acciones que lleguen a realizarse en tomo a él", se plantearía un
problema de validez de constructo al considerar si todas ellas quedan
agrupadas adecuadamente en un solo constructo o en más, y con qué
definición. A la inversa, teniendo como referencia el constructo "calidad de la
narración del testigo de un accidente", considerar si son indicadores
adecuados y suficientes determinadas variables como la "coherencia
sintáctica de una narración" y el "número de verbos, adjetivos y sustantivos
utilizados en ella" supondría plantearse un problema de validez de contenido.
Otras veces el análisis de validez se centra en uno o más tipos del

contenido de las variables implicadas en la recogida de datos, surgiendo así
diferentes denominaciones específicas. Cuando la evaluación se centra en la
validez de los sujetos estudiados, o de alguna de sus características, puede
decirse que se considera la validez de sujetos, mientras que se plantea la
validez ecológica cuando el análisis se centra en una o más variables de
medio. Por su parte, cuando el análisis de validez se centra en variables
independientes manipuladas por quien investiga, se habla de validez de
tratamiento, denominación que podría extenderse a cualquier análisis de
validez que estuviera centrado en alguna variable investigativa, o utilizar en
estos casos el término de validez procedimental.
Ejemplos. Considere un estudio sobre una determinada conducta escolar

de niños o niñas con síndrome de Asperger, realizado mediante
observaciones en una determinada escuela por parte de un profesional situado
en el patio de recreo para una obtención más completa de datos. La validez de
dicho estudio puede ser analizada considerando, entre otras cosas, las
siguientes: si los niños y niñas de la escuela elegida son representativos de la
población infantil describible con el síndrome mencionado, lo que supone
plantearse la validez de sujetos; si hacer el estudio sólo en el patio del recreo
y no en las aulas es suficiente, lo que supondría tratar un problema de validez
ecológica; y si la presencia del observador en el patio altera de modo
significativo el medio natural escolar de los niños y niñas estudiadas, lo que
208
supondría plantearse la validez procedimental.
También es posible considerar la validez centrándose en determinadas

relaciones de variables independientes o predictoras con dependientes o
criterio, desde la dimensión de estructura por tanto. Según que el referente de
estas relaciones sean las variables de primer o segundo término, se habla
respectivamente de estudios de validez predictiva o de estudios de validez de
criterio o criterial.
Ejemplos. Es usual plantearse la validez predictiva de determinados tests o

instrumentos de medición psicológicos, en la medida en que sean capaces de
pronosticar su relación con algún aspecto a estudiar. Así ocurre con los tests
de inteligencia respecto al éxito académico que pueda producirse. Por su
parte, la validez de criterio puede valorarse respecto a un test de cribado
clínico cuando se analice si el diagnóstico de determinadas patologías que
ofrece ese test corresponde con síntomas previamente detectados en los
mismos sujetos.
Las evaluaciones de validez de las recogidas de datos también pueden

centrarse en el resto de dimensiones, aunque en tales casos sus
denominaciones específicas son menos usuales.
Ejemplos. Es lo que ocurre, por ejemplo, con los análisis de validez

centrados en si una expresión gráfica es suficientemente representativa de la
expresión verbal de un determinado concepto.
El presente capítulo y los restantes de esta parte enumeran las competencias

necesarias para la identificación y plasmación de los diseños, métodos y
técnicas en términos de las dimensiones de los conceptos implicados y de las
propiedades de validez. Recuerde que el objetivo de esta fase de las
investigaciones es recoger datos que, en un contexto semejante al planteado,
correspondan lo más posible al objeto de estudio, estando bien precisados y
diferenciados entre sí todos los conceptos y actividades implicados. Ello
209
facilitará conseguir que cuando sean analizados, pueda apreciarse si los datos
obtenidos sostienen o no como relevantes a los conceptos objetos de estudio.
A partir de todo ello puede ofrecerse una guía resumen en forma de lista
de comprobación tanto para analizar como para plantear recogidas de datos
en términos de diseños y métodos lo más válidos posible. Es lo que muestra
el cuadro 8.2.
Cuadro 8.2. Lista de comprobación sobre la validez de las recogidas de datos
210
Para finalizar, una aclaración sobre una aparente contradicción o problema
entre aspectos señalados en esta sección. Su introducción señalaba que toda
recogida de datos y por tanto estos mismos dependen de cómo se interprete la
realidad en estudio en función de los conceptos utilizados como referencia.
Ello supone asumir que toda recogida de datos es subjetiva inevitablemente,
lo que puede dar a entender que no es ni puede ser objetiva. Dicha conclusión
resulta extraña dado que la objetividad es un principio reclamado
insistentemente como criterio consustancial de la ciencia.
Aclarar este problema exige revisar la noción de objetividad, y evaluar si

dicha revisión puede ser integrada en la de validez científica.
Más que en términos usuales de conceptos y datos libres de influencias por

parte de quien los estudia o recoge, por objetividad debe entenderse la
posibilidad de que varias personas ante un mismo hecho puedan percibir lo
mismo si han acordado qué concepto tomar como referencia. Por ello, puede
concebirse la objetividad como subjetividades compartidas, o consenso
intersubjetivo, es decir, coincidencia de lo considerado u observado por
211
varias personas a partir de un mismo concepto de referencia.
Es este un modo de entender la objetividad que resalta el carácter colectivo

de la actividad científica, consecuencia de la concordancia o
reproductibilidad empírica y conceptual, y que permite considerar que la
objetividad no es un requisito adicional a la validez sino otro modo de
reseñarla. El consenso buscado en ciencia entre distintas subjetividades es el
que incluye las tres propiedades de validez: precisión de cada elemento de las
recogidas de datos, diferenciación en y entre cada uno de esos elementos, y el
ajuste de todo ello al referente utilizado previa o posteriormente a la
obtención de los datos.
212
La competencia central tratada en esta tercera parte es el análisis de los datos
recogidos. Su sentido es obtener de ellos la información que puedan aportar.
Es por ello una concreción sobre todo de las características empírica y
procedimental de la ciencia, además de la lingüística presente en toda
actividad humana.
Los elementos de dicha competencia son los siguientes (ver figura I3.1). El
logro son los resultados que se extraigan de los datos. Los instrumentos
conceptuales fundamentales son los conocimientos sustantivos y
metodológicos de quien investiga, así como los datos recogidos. Los
instrumentos materiales varían según las investigaciones, siendo en muchos
de ellos papel y lápiz con los que hacer anotaciones, más ordenadores y
programas informáticos para el análisis de datos. Las actividades implicadas
son la inspección y preparación o tratamiento de los datos mediante
determinadas operaciones cuando su cantidad o su complejidad así lo
requieran, más la interpretación de todo ello. Y al igual que en las partes
anteriores, el contexto de todo ello es algún ámbito profesional con sus
características de todo tipo, más el propio de quienes analizan los datos.

instrumentos conceptuales y materiales, y se realicen actividades, que puedan
Al ser competencia fundamental de la ciencia, el análisis de datos ha de

cumplir suficientemente con las propiedades componentes de la validez.
213
Como en las competencias consideradas hasta aquí, la validez del análisis de
datos ha de contemplarse respecto a algún referente, en este caso el objeto de
estudio y su contexto más la recogida de datos realizada. La correspondencia
con dichos referentes es la clave para la validez de los análisis de tales datos.
Figura I3.1. Elementos de la competencia de analizar datos.
Cuando esos referentes están planteados y la investigación es planificada

en sus diferentes aspectos, la validez de los análisis se evalúa respecto a ellos.
En cambio, si dichos referentes surgen del análisis, la validez de este depende
del objeto de estudio y contexto que puedan adquirir sentido a partir de los
datos.
En las investigaciones planificadas, la validez del análisis debe

considerarse antes, durante y después de este. Antes, planificando y
adoptando las decisiones más favorecedoras a partir del objetivo y diseño
planteados; durante, cuidando de que lo planificado se lleve a cabo o, si es el
caso, con modificaciones adecuadas; y después, revisando lo realizado. En las
investigaciones exploratorias, en cambio, la validez del análisis solo puede
considerarse durante y después de la realización de este al no existir ni la
definición previa suficiente de objetivos precisos ni por tanto del
correspondiente diseño.
214
De los capítulos de la presente parte, el 9 describe cómo identificar y
decidir los análisis de datos, mientras que el 10 muestra la aplicación de las
tres propiedades de validez a la valoración tanto de los datos obtenidos como
de los propios análisis. Todas esas competencias están expresadas en
términos de otras moleculares o más particulares.
215
Como acaba de señalarse, el presente capítulo muestra la competencia de
análisis de datos, haciéndolo tanto para identificar análisis propios o ajenos
ya realizados, como para decidir los que se necesiten o deseen.
Por análisis de datos puede entenderse la competencia de extraer

información de los datos recogidos y responder con ella a lo planteado. Ello
comienza conociendo cuáles son, sigue en muchas ocasiones con algún
tratamiento de dichos datos para aprovecharlos de manera más eficiente y
termina interpretando o evaluando lo así obtenido. Por tanto, el análisis de
datos es la conjunción de las siguientes actividades: consideración de los
datos recogidos o a recoger, tratamiento de estos cuando se estime
conveniente e interpretación de lo anterior. Es lo que resume la siguiente
expresión.
Esta diferenciación de actividades es útil porque no siempre es fácil de

percibir en las técnicas estructuradas de análisis que las integran de manera
compacta. Diferenciar en estos casos y en todos en general las actividades
componentes del análisis, conocer en detalle dicha tarea, aporta autonomía a
quien identifica o decide el análisis de datos. Es a lo que ayudan los apartados
que siguen, que recogen además una buena parte de la amplia variedad de
análisis existentes en función de la casuística de cada una de las actividades
señaladas.
9.1. Identificar y decidir el análisis en función de los datos obtenidos o a

obtener
Para identificar o decidir análisis es conveniente tener en cuenta las
216
dimensiones metodológicas mostradas a continuación a modo de lista de
comprobación o chequeo.
A) Considere si está planteado el objeto de estudio y el contexto analizado o

a analizar
Los datos analizados o por analizar lo son de los conceptos objetos de

estudio y a veces también del contexto. En la medida en que ambos estén
suficientemente planteados, la recogida de datos habrá podido ser planificada
y también podrá planificarse su análisis, caso denominado análisis
confirmatorio.
Ejemplos. Serían confirmatorios los análisis realizados para comprobar si

se da una relación planteada entre dos variables, o si un determinado valor
hipotetizado para una variable coincide con el encontrado en los datos.
Por el contrario, en la medida en que el objeto de estudio no esté

especificado, caben dos posibilidades. Una es obviar la recogida de datos no
planificada que haya podido realizarse, y delimitar un objeto de estudio que
resulte de interés. Para ello pueden utilizarse los procedimientos de
innovación expuestos en el capítulo 3.
La otra posibilidad consiste en aprovechar los datos obtenidos y realizar un

análisis exploratorio de ellos, buscando de manera más o menos intuitiva
resultados que puedan ser de interés, buscando objetos de estudio a los que
pueda contestarse con tales datos.
Ejemplos. En caso de haber registrado una serie de variables sin tener

precisadas las relaciones que pudieran interesar, cabe optar por analizar las
correlaciones entre cada par de esas variables. También es exploratorio el
análisis de materiales verbales o visuales para identificar en ellos variables o
categorías.
B) Considere la estructura de los conceptos a los que corresponden o puedan

corresponder los datos
217
La estructura de conceptos objetos de análisis es la especificada en los
diseños de las recogidas de datos planificadas, como mostraba el capítulo 4, o
la que resulte de las recogidas de datos exploratorias y análisis del mismo
tipo.
En uno u otro caso considere si los datos a analizar son de una o más
variables de prueba, y si estas se consideran de manera unitaria o formando
parte de una relación.
Si el objeto de estudio es una relación, los datos deben dar cuenta de ella y
el análisis variará según se tome o no como primer término alguna de las
variables. Si se considera alguna variable como primer término, los análisis
han de tenerlo en cuenta, variando según sean una o más las variables
independientes o predictoras. Si no se distinguen los términos como primero
y segundo, los análisis de las relaciones encontradas han de mostrar la posible
asociación de los valores de las variables relacionadas.
Cuando sea el caso, identifique o decida el análisis también según el

número de condiciones del diseño.
Por último, la estrategia transversal o longitudinal del diseño de recogida

de datos, y las técnicas utilizadas para el control de variables extrañas de
sujeto, también determinan a veces el análisis de los datos. La clave para ello
es considerar si los de cada variable dependiente o criterio pueden estar
relacionados entre sí. En los diseños transversales en los que la asignación de
sujetos a los grupos se hace al azar, con aleatorización o bloqueo, es usual
considerar que los valores de la variable dependiente ante cada condición son
de muestras independientes. En cambio, en los transversales no aleatorios y
en los longitudinales hay que considerar si las diferentes medidas de las
variables dependientes mantienen una cierta relación o asociación entre ellas.
C) Tenga en cuenta el tipo de valores de los conceptos objeto de análisis
Además de la estructura y lo especificados que estén los conceptos cuyos

datos se analizan, es necesario considerar el tipo de sus valores, pues van a
218
determinar también el análisis de datos.
Ejemplos. Preguntas cuantitativas como "¿cuántas personas han acudido a

un determinado evento?", "¿cuál es el tamaño de efecto de una variable sobre
otra?" o "¿cuál es la diferencia del número de respuestas correctas dadas por
un determinado grupo a dos cuestionarios de capacidad verbal?" requieren
análisis diferentes que otras planteadas en términos cualitativos, como ",qué
tipo de motivaciones se dan en un determinado grupo de deportistas?", "¿qué
categorías debería usar para estudiar las conductas de un grupo de escolares
en el recreo?", u ordinales como "¿son más tímidos los niños que las niñas de
un determinado grupo social?".
D) Tenga en cuenta también los códigos de expresión de los datos para

identificar o decidir el tipo de análisis
Los análisis también han de tener en cuenta los tipos de códigos, verbales,
gráficos o numéricos con que estén o vayan a estar expresados los datos.
Ejemplos. Serían datos verbales expresiones orales de una o más personas

y textos escritos como diarios, cartas, correos electrónicos o mensajes SMS.
Datos gráficos serían los iconos usados en los mensajes de chats, dibujos
como los analizados por tests como el de la Figura Humana (Koppitz, 1989)
o el guestáltico visomotor (Bender, 1938/2009), o imágenes grabadas en
vídeo sobre la conducta de un niño o las obtenidas por resonancia magnética
sobre el flujo sanguíneo del cere bro. Si a un niño que hubiera dibujado una
figura humana se le pidiera que explicara determinados detalles de ella, se
tendrían datos gráficos y verbales a analizar. Datos numéricos habituales son
los utilizados para medir constructor como actitudes u opiniones mediante las
escalas tipo Likert, en las que cada sujeto debe valorar numéricamente su
grado de acuerdo con determinadas afirmaciones, o los datos resultantes de
contabilizar cualquier unidad, ya sea el número de cigarrillos fumados en un
día o el tiempo en segundos que se tarda en responder a un estímulo.
219
Figura 9.1. Tipos de análisis según dimensiones metodológicas de los datos.
Las dimensiones recién consideradas de tipos de valores y códigos de los

datos son relevantes para el análisis porque ambas conforman la definición de
"dato" como valor registrado y por tanto expresado. Las restantes
220
dimensiones, como son el nivel y el modo de expresión, también resultan
importantes para el análisis pero de manera constante o fija: En todo análisis,
los datos obtenidos son expresiones a nivel de indicadores y por extensión.
La figura 9.1 resume las principales consideraciones que se han de realizar

sobre los datos para su análisis.
9.2. Identificar y decidir el tratamiento de los datos
Además de las dimensiones presentes en los datos, la identificación y

decisiones sobre los análisis han de tener en cuenta si la interpretación o
evaluación final de todo análisis se hace directamente a partir de los datos
obtenidos, o una vez hayan sido tratados o elaborados en algunos de los
muchos modos posibles. Como indicaba el inicio del capítulo, un tratamiento
de datos es cualquier elaboración, preparación o manejo de estos con el fin de
potenciar o permitir su aprovechamiento.
A) Identifique si ha habido tratamiento de los datos o decida si lo habrá
Como se ha señalado, hay análisis que aprovechan los datos brutos, tal
como han sido obtenidos, sin aplicarles ningún tratamiento o preparación.
Ejemplos. Si se desea averiguar si en el censo de una localidad hay

residentes de una determinada nacionalidad, los datos recogidos al respecto
podrán ser aprovechados directamente para responder a dichas preguntas, sin
tener que tratarlos. Otros datos que pueden ser aprovechados sin tratamiento
son las calificaciones académicas de un estudiante incluidas en actas oficiales
para saber si tiene superada una determinada materia, o si una persona
diagnosticada de agorafobia sale o no a la calle un determinado día.
Otras muchas veces en cambio la interpretación viene precedida de algún

tratamiento o preparación de esos datos, de una o más operaciones que se
consideran simplificadoras y potenciadoras de la información que contienen.
Por lo general, los tratamientos de datos son necesarios o al menos
221
convenientes cuando se pretenda responder a conceptos relacionales, o a
conceptos planteados por comprensión o a nivel de constructo. Tener un
número elevado de datos también hace aconsejable su tratamiento. Todos
esos casos requieren elaborar los datos originales.
Ejemplos. De relaciones no se obtienen datos, sino que se elaboran a partir

de los de las variables implicadas en sus términos, considerando las posibles
covaria ciones entre estos. Asimismo, responder preguntas u objetivos
planteados por comprensión o a nivel de constructo, como la inteligencia
entendida como capacidad de adaptación a situaciones nuevas, exige operar
con los datos que se tengan por extensión de las variables observadas y
especificadas a nivel de indicadores, como los de respuestas a cada una de las
pruebas que se apliquen a los sujetos. Tener un gran número de datos
cuantitativos hace aconsejable resumirlos ya sea en forma numérica o gráfica
en términos también cuantitativos o de otro tipo.
El resto de dimensiones no exigen tratamientos aunque pueden hacerlos

aconsejables.
Ejemplos. El aprovechamiento de datos verbales puede verse también

favorecido por tratamientos en forma de resúmenes verbales o de
representaciones gráficas.
Los tratamientos de datos que pueden realizarse son numerosos y de

diversos tipos y calados. Algunos, como el cálculo de la frecuencia o
cantidad de ocurrencias de un hecho, son tan simples que sus resultados
podrían ser considerados datos brutos. Por ello, la distinción entre datos
brutos y tratados es de tipo convencional y no siempre clara.
Independientemente de su calado o complejidad, o de las operaciones o

actividades concretas que impliquen, es útil diferenciar tipos en los
tratamientos de datos. Así lo hacen las competencias restantes del presente
apartado, mostrándolos en función de las principales dimensiones
conceptuales, aplicadas ahora a los datos resultantes de los tratamientos.
Dichas competencias, al igual que en el apartado anterior, pueden ser
222
utilizadas a modo de lista de comprobación o chequeo tanto para identificar
tratamientos ya realizados como para decidir otros nuevos.
B) En caso de que haya habido o vaya a haber tratamiento, identifique o

decida su tipo según el modo de especificación resultante
Los numerosos tratamientos que pueden realizarse, ilustrados en lo que

resta de apartado, pueden ser agrupados en dos tipos según el modo de
especificación, que en todo caso tienen en común partir de la serie de datos
brutos obtenidos, expresados por lo tanto por extensión.
A veces se requieren tratamientos que conserven la extensión de la serie de

datos brutos o iniciales, y los conviertan o transformen en otros que se
consideren más aprovechables o informativos, que faciliten en mayor medida
su interpretación. Transformación de datos es una adecuada denominación
para este tipo de tratamientos.
Ejemplos. Una transformación frecuente es la lineal de datos cuantitativos

a escalas estandarizadas, como las puntuaciones Z o T, que permiten la
comparabilidad entre datos de variables distintas. Otro caso es la
transformación que a veces se hace de datos originales a sus correspondientes
logaritmos con el fin de conseguir distribuciones simétricas donde no las
había. También hay transformaciones de datos que implican cambio de
número y tipo de valores, como ocurre al pasar el salario en cantidad de euros
obtenidos, a niveles altos, medios y bajos de ingresos.
Otras veces se requieren tratamientos que impliquen la conformación de

índices u otros conceptos que resuman por comprensión las series de datos
originales o transformados. Este tipo de tratamientos supone por tanto
obtener alguna síntesis de aspectos comunes de un conjunto de datos.
Modelado o configuración son denominaciones adecuadas a este tipo de
tratamientos.
Ejemplos. Tratamientos por comprensión pueden ser las agrupaciones de

datos verbales en determinadas categorías, o el cálculo de sumatorios de
223
varias preguntas tipo Likert referidas a un mismo tema. Un tratamiento
comprensivo de carácter estadístico es el cálculo de índices que resumen
conjuntos de datos, como la moda, la mediana o la media aritmética. Otro
sería calcular la ecuación de regresión simple de una variable dependiente en
función de una independiente, que además sirve para predecir nuevas
ocurrencias de la primera.
C) Si ha habido o va a haber tratamiento, identifique o decida su tipo según la

estructura a la que responden los datos resultantes
Independientemente de que sean transformaciones o modelados, los

tratamientos pueden ser diferenciados según respondan a datos de tipo
unitario o relacional, ligados a la estructura del concepto objeto de análisis.
Ejemplos. Son tratamientos de datos unitarios por configuración el cálculo

de índices de tendencia central arriba mencionados, o de dispersión como el
rango intercuartil o la desviación típica. Las transformaciones a logaritmos o
a escalas estandarizadas, mencionadas en la competencia anterior, son otras
ilustraciones de las de tipo unitario. Cuando los objetos de análisis son
relaciones, resulta necesario el modelado de los datos de las variables
implicadas para estudiar su covariación, ya sea directamente según los
requisitos definitorios expuestos en el apartado 1.3.1 o con alguna prueba
estadística que tenga ese objetivo.
Ejemplos. El Análisis de la Varianza (ANOVA) unifactorial, el Análisis de

regresión o la Correlación de Pearson son procedimientos estadísticos que
incluyen tratamientos de datos por modelado que aportan información sobre
relaciones.
D) Si es el caso, identifique o decida tratamientos según el tipo de valores

resultantes
Puesto que el tipo de valores de los datos resultantes de los tratamientos y

el de los datos brutos pueden ser diferentes, es necesario diferenciar uno y
otro. Por tanto hay que distinguir los análisis cualitativos y cuantitativos
224
atendiendo al resultado de los tratamientos realizados, es decir, análisis con
tratamientos cualitativos y análisis con tratamientos cuantitativos, y los
análisis realizados con datos cualitativos y cuantitativos. Por tanto, cuatro
posibilidades si se integran los ordinales en los cualitativos, como es usual en
este contexto.
Ejemplos. Un tratamiento cualitativo de datos cualitativos se hace en el

análisis del discurso cuando expresiones de ese tipo son configuradas o
modeladas en varias categorías (Cowan y McLeod, 2004; Gee, 2005). Un
tratamiento que produce datos ordinales o cualitativos se da al configurar
categorías de uno u otro tipo a partir de datos cuantitativos, como se hace al
pasar datos de la edad en años a otros en etapas como infancia, juventud y
otras.
Ejemplos. Modificar el sistema numérico de las escalas exige

transformaciones que mantengan el tipo y número de sus valores. Así, para
datos derivados de escalas nominales es suficiente cualquier transformación
unívoca, mientras que para datos ordinales será necesario además que las
trasformaciones sean monotónicas, crecientes o decrecientes, es decir, que se
corresponda de manera directa o inversa el orden de la escala original y de la
transformada. En el caso de escalas cuantitativas de intervalo, estas
transformaciones siguen una fórmula lineal del tipo Y = a + b X, en la que b
representa la proporción entre las unidades de las escalas, y a la distancia
entre sus orígenes. En las escalas de razón solo es necesario contemplar el
valor de la proporción entre unidades, b, ya que el origen de las distintas
escalas siempre coincide con el 0 u origen absoluto.
De las cuatro posibilidades arriba señaladas, resultantes de combinar los

tipos de valores de datos y de tratamientos, o nueve si se desagregan las
opciones ordinales, algunas se han hecho más frecuentes en la práctica.
Ejemplos. La conjunción de tratamientos cualitativos u ordinales sobre

datos del mismo tipo, ya sean de variables o de relaciones, suele considerarse
una característica central de la metodología cualitativa, mientras que los
tratamientos cuantitativos con cualquiera de los tipos de datos serían
225
característicos de la metodología cuantitativa, mayoritariamente de corte
estadístico en las ciencias sociales y de la salud. Así, un determinado objetivo
de modelado como la de reducción de datos o búsqueda de constructos o
factores comunes a un amplio número de variables empíricas es logrado
cuantitativamente mediante el Análisis Factorial Exploratorio (Caterva,
Ramos y Trujillo, 2003; Cea, 2002; Martínez-Arias, 1999; Peña, 2002),
mientras que desde la metodología cualitativa se busca ese objetivo en
términos cualitativos u ordinales con tratamientos también de modelado
como el procedimiento de las comparaciones constantes, planteado desde la
llamada Teoría fundada o fundamentada (ver Charmaz, 2005), o el muy
similar de la inducción analítica (Valles, 1999). Por otra parte, la
denominación de análisis estadísticos cualitativos, como por ejemplo la
prueba de Chi-cuadrado, corresponde usualmente a tratamientos cuantitativos
de datos inicialmente cualitativos, como ocurrencias de un hecho,
transformados en datos cuantitativos como frecuencias o porcentajes.
E) Si es el caso, identifique o decida tratamientos en función del código de

expresión resultante
Según los códigos de expresión, cabe hablar de tratamientos que producen

datos verbales, gráficos y numéricos, lo cual a su vez puede ocurrir a partir de
datos de cualquiera de esos tipos. Por ello debe distinguirse entre análisis con
tratamientos verbales, gráficos y numéricos, de análisis con datos verbales,
gráficos y numéricos.
Ejemplos. Mientras que el ya mencionado análisis del discurso puede

considerarse un tratamiento por modelado que aporta agrupaciones de datos
verbales a partir de ese mismo tipo de códigos, el análisis de contenido
(Krippendorff, 1980/1990), aplicado también a datos verbales, implica
tratamientos también por modelado pero que producen datos numéricos y
gráficos al hacerlo mediante los procedimientos estadísticos que se
consideren necesarios (Johnson y Onwuegbuzie, 2004). En el análisis
etnográfico (Hammersley y Atkinson, 1983/2005) los datos verbales suelen
ser tratados mediante diagramas que pongan de manifiesto relaciones y
estructuras. Por su parte, los diagramas de dispersión transforman datos
226
numéricos a una gráfica de puntos en un sistema de ejes de coordenadas.
Ejemplos. Los gráficos estadísticos son otros resultados de tratamientos,

por transformación o por modelados, a partir de datos numéricos. Son usados
abundantemente por el denominado análisis exploratorio de datos (Escobar,
1999; Fauquet, 1998; Freixa, Salafranca y Guardia, 1992; Palmer, 1994), que
utiliza distintos tipos de gráficos según los números de partida. Otra
transformación usual es el resumen verbal de datos gráficos o numéricos que
se hace en el apartado de Resultados de los informes de investigación. Las
representaciones llamadas nubes de palabras combinan expresiones verbales
y gráficas a partir de las frecuencias de cada palabra y de sus asociaciones
con otras.
La figura 9.2 muestra distintos tratamientos de datos en función de las

diversas dimensiones implicadas. Por su parte, el cuadro 9.1 y la figura 9.3
muestran varios ejemplos de tratamientos cualitativos, ordinales y
cuantitativos, verbales, numéricos y gráficos.
227
Figura 9.2. Tratamiento de los datos a analizar según dimensiones.
Cuadro 9.1. Ejemplos de tratamientos según tipo de valores y código de los

datos
228
229
230
Figura 9.3. Ejemplos de tratamientos gráficos estadísticos.
9.3. Identificar y decidir la interpretación de los datos
Como señalaba el inicio del capítulo, el análisis de datos culmina con la

interpretación de estos, ya sean brutos o una vez tratados. Esa interpretación
o evaluación consiste en considerar los datos para decidir su sentido o
significación.
Ejemplos. Si se obtiene un porcentaje del 70% de ocurrencias de algún

hecho, una media de 25 personas por aula en un centro de primaria, o un
tiempo de reacción de 0,5 segundos en una determinada prueba, ¿cómo cabe
interpretar dichos datos? ¿Son escasos, medios o considerables? Igualmente,
cabe preguntarse si puede defenderse haber encontrado covariación al obtener
una diferencia de 4 al comparar las frecuencias medias de una variable
dependiente obtenidas en dos condiciones diferentes de una variable
independiente, o cuando se haya obtenido un valor de 0,3 al estudiar la
relación entre dos variables mediante una correlación de Pearson. ¿Deben
considerarse significativos tales valores, es decir, sustancialmente diferentes a
0, o por el contrario debe entenderse que son prácticamente equivalentes a
relaciones nulas?
Toda interpretación se realiza en función de algún criterio. En lo que

sigue, se muestran competencias guías para identificar interpretaciones de
datos en análisis ya realizados y para aplicarlas en los análisis a realizar. Al
231
igual que las previas, pueden ser seguidas a modo de lista de comprobación o
chequeo.
A) Identifique o decida la interpretación según la generalidad del objeto de

estudio y contexto de referencia
La interpretación de los análisis de datos ha de hacerse en función del

alcance o generalidad de los objetos de estudio considerados. En este sentido
puede optarse por análisis que interpretan los resultados en referencia
exclusiva a lo estudiado, o por los que pretenden extenderlos a objetos de
estudios y contextos más amplios.
Ejemplos. Esta distinción es la que se puede encontrar entre las técnicas de

la estadística descriptiva, que se limitan a reflejar los resultados encontrados
en un contexto determinado, y la inferencial, que trata de obtener resultados
generalizables a otros contextos. Asimismo, buena parte de los estudios
cualitativos suelen ligarse a interpretaciones idiográficas, referidas a la
comprensión detallada de circunstancias particulares que se limitan al objeto
de estudio y contexto estudiado, como ocurre en los análisis de caso o en los
denominados análisis fenomenológicos y etnográficos. En cambio, muchos
de tipo cuantitativo tienen un enfoque nomotético, en tanto que pretenden
establecer leyes o conocimientos generales, aplicables a otros objetos de
estudio y contextos distintos de los estudiados, de ámbitos más amplios.
B) Identifique o decida la interpretación según la estructura o complejidad de

los criterios con los que se realiza
Todos los criterios con los que se interpretan los datos son convencionales.
Sin embargo, sus estructuras pueden ser diferentes. Algunos son simples,
muchos de ellos unitarios, y otros pertenecen e implican a un sistema
interpretativo de diferentes conceptos relacionados entre sí.
Los criterios más sencillos son aquellos constitutivos de los propios

conceptos objetos de análisis.
232
Ejemplos. Así son los usados para concluir si en un aula y hora
determinadas hay estudiantes, si un determinado estudiante ha superado un
examen, o si hay algún hombre en un determinado grupo.
Por su parte, en los criterios que implican alguna elaboración a partir del
objeto de análisis pueden distinguirse dos tipos. Uno lo componen los que no
se basan en ninguna consideración o justificación adicional claramente
relevante. Son los que pueden considerarse arbitrarios o intuitivos.
Ejemplo. Sería un criterio arbitrario si, basándose exclusivamente en el

propio parecer, alguien estableciera que para considerar efectiva la acción de
una variable independiente sobre el número de palabras recordadas de una
lista de 50 palabras debería haber una diferencia de 3 entre los datos de la
citada variable dependiente entre las dos condiciones estudiadas.
El segundo tipo de los criterios que suponen alguna elaboración a partir

del propio objeto de análisis son aquellos integrados en algún sistema
conceptual que los respalda o da sentido.
Algunos de esos sistemas son particulares, ligados a una temática o

conjunto determinado de contenidos. Por ello son denominados criterios de
significación temática o sustantiva, o de significación clínica en ese campo
específico, que cuando tienen una estructura de cierta complejidad
corresponden a determinados modelos o teorías.
Ejemplos. Un criterio clínico de interpretación sería utilizar la opinión del

paciente o de su familia para valorar si la terapia aplicada ha producido un
cambio significativo en su estado de ánimo y conducta. Este tipo de criterios
son recomendados actualmente en la práctica clínica, utilizando instrumentos
para medir la información aportada por los pacientes sobre los resultados
obtenidos, los denominados Patient Reported Outcomes o PRO. Un sistema
estructurado en mayor medida que muchos de los casos anteriores es la
Teoría del Condicionamiento Operante, que aporta criterios para interpretar
los distintos patrones gráficos de conducta instrumental aprendida
representados en registros acumulativos de frecuencias producidas
233
sistemáticamente por los denominados programas de reforzamiento en
sujetos de distintas especies. La interpretación de los registros
encefalográficos o miográficos son otros ejemplos adecuados.
Por último, otros sistemas que aportan criterios de interpretación son de

contenido metodológico, por lo que son aplicables a un amplio abanico de
temas y ciencias.
Ejemplos. De metodología cualitativa pueden citarse criterios como los de

parsimonia y alcance propuestos desde la Teoría fundamentada (ver
Charmaz, 2005) para entender respectivamente la centralidad y mayor
generalidad en el material analizado. En metodología cuantitativa destacan
los de tipo probabilístico aportados por la Estadística. En esta se hace una
distinción entre análisis o pruebas paramétricas y no paramétricas, que
suponen dos niveles de estructuración de los criterios de interpretación, y en
la que está implicado también el tipo de valores. Las primeras se definen en
términos de parámetros poblacionales más cerrados o exigentes, como la
normalidad de su distribución, la homogeneidad de varianzas, y valores
cuantitativos de intervalo al menos, como sucede con la prueba t o el
ANOVA. Estos no son requisitos para las pruebas no parámetricas de análisis
como las de Chi-cuadrado, Mann-Whitney, Wilcoxon, Kruskal-Wallis o
Friedman, entre otras.
Ejemplos. En las pruebas estadísticas, paramétricas y no paramétricas,

para el estudio de relaciones suelen utilizarse dos tipos de criterios de
evaluación o interpretación de los datos. Uno es la medida cuantitativa de la
relación estudiada, en algunos casos denominado tamaño de efecto, cuya
valoración varía según la prueba o tratamiento realizado. Así la correlación
de Pearson ofrece valores entre - 1 y 1, indicando mayor grado de relación los
valores que se acercan a uno de esos valores y por tanto se alejan de 0. En
cambio, el nivel de la relación en la F de Snedecor, cuyos valores pueden
variar a partir de 0, aparece indicado por la magnitud de dicho índice.
Ejemplo. Otro criterio de interpretación en el marco estadístico es la

prueba de significación estadística, también llamada de contraste de hipótesis,
234
procedimiento para decidir entre dos posibilidades denominadas hipótesis
nula (Ho) e hipótesis alternativa (H,). La hipótesis nula consiste en asumir
que una determinada diferencia entre datos observados, o entre un dato y un
valor teórico esperado, es explicable por azar desde un determinado modelo
de probabilidad. La hipótesis alternativa considera en cambio que la
diferencia encontrada existe realmente y no es explicable por azar. Sobre esa
base, y partiendo por convención de que la hipótesis nula es verdadera, las
pruebas de significación estadística calculan cuál es la probabilidad de que la
diferencia observada se deba al azar. El criterio de decisión en tales pruebas
establece que si esa probabilidad es mayor que un nivel preestablecido,
denominado nivel de significación a o nivel de error admitido, entonces se
acepta la HO, considerándose la diferencia debida al azar. Si por el contrario
la probabilidad estimada para esa diferencia es menor que el nivel de
significación, entonces se considera falsa la Ho y se acepta como verdadera la
hipótesis alternativa, Hi.
C) Identifique o decida la interpretación también según los tipos de valores

con los que se realiza
Cualquiera que sea su nivel de estructuración, los criterios utilizados para

la interpretación también responden a los distintos tipos de valores,
cualitativos o cuantitativos. Esta distinción referida a los criterios es adicional
a la distinción similar establecida en el apartado anterior en términos de los
tratamientos, pudiendo ser al igual que esta de datos cualitativos y
cuantitativos, ya sean brutos o una vez tratados. Todo ello, recuérdese,
incluyendo lo ordinal en lo cualitativo a efectos simplificadores.
Ejemplos. La interpretación sobre una diferencia entre datos de una

variable dependiente ante distintos valores de una independiente es
cualitativa si se considera en términos de presencia o ausencia sin considerar
magnitudes. Es ordinal si se requiere para esa diferencia un valor mayor o
menor que uno de referencia, o si se exige una mayoría de casos favorables
para considerar que se ha cumplido un requisito. Y es cuantitativa cuando se
considera la magnitud específica de tal diferencia.
235
Ejemplos. Dentro de los criterios integrados en sistemas interpretativos, la
decisión estadística de aceptar o rechazar la Ho es cualitativa dicotómica
aunque se basa en valores cuantitativos como los de probabilidad asociada a
los datos obtenidos. Estos valores de probabilidad, por su parte, son
considerados ordinalmente al señalar si son superiores o no a los valores a de
0,05 o de 0,01 tomados convencionalmente como referentes. El cuantitativo
tamaño de efecto o nivel de una relación también puede ser interpretado de
manera ordinal. Así ocurre cuando se considera la correlación r de Pearson
entre dos variables en los siguientes rangos ordinales propuestos por Cohen
(1977/1988): tamaño de efecto pequeño, r = 0,10,23; medio, r = 0,24-0,36;
grande, r = 0,37 o superior. Esa ordenación puede aplicarse también al
coeficiente de determinación, r2, interpretable cuantitativamente como la
proporción de variabilidad de una variable explicada por otra. Por su parte,
entre la significación y el tamaño de efecto pueden encontrarse distintas
combinaciones. Una relación significativa estadísticamente, con una
probabilidad pequeña de deberse al azar, puede ser considerada nula a efectos
prácticos si tiene un tamaño de efecto muy pequeño. Y al contrario, pueden
encontrarse relaciones con un tamaño de efecto grande que sin embargo no
sean significativas desde el punto de vista estadístico. En otros sistemas la
interpretación es más simple, como sucede en la clasificación ordinal,
establecida por la Organización Mundial de la Salud (OMS) con los valores
del índice de masa corporal en términos de kg/m2, que sitúa como masa
corporal Normal a los valores entre 18,5 y 24,99, y como Infrapeso y
Sobrepeso a los valores inferiores o superiores respectivamente.
D) Identifique o decida la interpretación según su código de expresión
Las interpretaciones pueden ser realizadas también desde los códigos

verbales, gráficos y numéricos.
236
Figura 9.4. Interpretación de los datos a analizar según dimensiones.
Ejemplos. Las interpretaciones numéricas son muy usuales y por tanto

bien conocidas, como las estadísticas arriba señaladas sobre medidas de
tamaños de efectos o sobre la significación de una diferencia de medias. A
237
diferencia, se interpreta con criterios gráficos cuando se decide si los datos de
un diagrama de puntos ascienden, descienden o se mantienen en niveles
similares, o si están más o menos dispersos. Por su parte, son varias las
técnicas cualitativas de análisis (Leech y Onwuegbuzie, 2008) que usan como
criterios interpretativos algunos verbales como la diferencia o semejanza
sintáctica o semántica de determinadas construcciones. De ellas, la técnica
KWIC, del inglés keywords in context (Fielding y Lee, 1998), utiliza como
criterio interpretativo de datos orales o escritos la conexión entre
determinadas palabras y los contextos en que son utilizadas.
Además, son posibles las distintas combinaciones entre códigos y tipo de

valores de los criterios interpretativos, aunque algunas de ellas sean más
frecuentes que otras.
Ejemplos. Es usual en las interpretaciones estadísticas utilizar criterios

numéricos cuantitativos, como el asociado al nivel de significación ya
explicado, aunque también se utilizan representaciones gráficas. En
metodología cualitativa es usual que los criterios sean verbales y cualitativos,
pero nada impide utilizar también criterios de interpretación gráficos o
numéricos, y hacerlo con valores de tipo ordinal o cuantitativo.
Como muestran los apartados anteriores, las posibilidades de análisis son

numerosas en función de las actividades integrantes y dimensiones de los
conceptos implicados, posibilidades que se resumen en la figura 9.5.
La aplicación de algunos de los criterios deberá ser secuencial y ordenada,

condicionando unidireccionalmente unos a otros. Así ocurre con los análisis
de objetos de estudios unitarios o de los relacionales afactoriales, porque en
ellos ya no tiene sentido tener en cuenta el número de variables
independientes ni el de sus condiciones para decidir el análisis. Otros
criterios, en cambio, no se condicionan mutuamente como ocurre con los
códigos de expresión y tipo de valores.
238
Diferenciar las actividades componentes de los análisis evita dos
equívocos usuales. Uno es considerar a los análisis como algo unitario o
compacto, especialmente si se hace con pruebas estadísticas, cuando todos
ellos pueden incluir las tres actividades de consideración, tratamiento e
interpretación. El segundo equívoco es equiparar las técnicas de tratamiento
de datos a todo el análisis cuando son solo una de las fases del análisis.
239
Figura 9.5. Resumen de las distintas actividades del análisis de datos.
Asimismo y según lo expuesto, la distinción entre los análisis cualitativos

y cuantitativos ha de hacerse en función especialmente del tipo de valores y
códigos de expresión del concepto objeto de análisis, sea objeto de estudio o
240
contexto, de sus datos, de los resultantes de los tratamientos cuando se hagan
y de los criterios de interpretación. Otros aspectos, como si la investigación
es exploratoria o confirmatoria, si sus objetivos son de ámbito particular o de
amplia generalidad, o si la recogida de datos se ha hecho con técnicas más o
menos estructuradas pueden favorecer un análisis cuantitativo o cualitativo,
pero no lo definen como tal.
La importancia de todos estos factores, que en todo caso son tenidos en

cuenta en ocasiones en función de tradiciones o posicionamientos de tipo
epistemológico más que procedimental, debería ser rebajada al considerar dos
cosas: que las distinciones basadas en ellos pueden ser tendencias pero no
opciones excluyentes, y que las técnicas de análisis desarrolladas por ambas
tradiciones no son excluyentes, sino posibilidades a adoptar en función de las
dimensiones de los datos.
Por lo expuesto, es posible señalar técnicas de análisis de datos que

combinan distintas posibilidades de datos, tratamiento e interpretación en
función de su tipo de valores y código de expresión, en función por tanto de
dos dimensiones diferentes y combinables entre sí. El cuadro 9.2 muestra
ejemplos de análisis en función de que los datos, su tratamiento e
interpretación impliquen un código verbal, numérico o gráfico. Estas
posibilidades podrían combinarse, a su vez, con los tipos de valores de los
datos, tratamientos e interpretación.
Cuadro 9.2. Ejemplos de componentes del análisis de datos según los códigos
de datos, tratamientos y criterios de interpretación
241
Por su parte, los cuadros que aparecen a continuación exponen diversas
muestras del amplio número de análisis disponibles, a modo de guía para la
identificación o decisión sobre ellos. Los recogidos en los tres siguientes
cuadros son estadísticos. En el primero, el cuadro 9.3, aparecen análisis para
diseños relacionales univariados transversales que, al igual que los mostrados
en las dos tablas posteriores, pueden encontrarse descritos en numerosos
textos como los siguientes: Abad, Olea, Ponsoda y García (2011), Amau
(2001), Botella, Suero y Ximenez (2012), Fernández, Livacic y Vallejo
(2007), Garriga et al. (2009), Manzano, Fazeli y Pérez (1999), Pardo y Ruiz
(2012), Pardo, Ruiz y San Martín (2009), Pardo y San Martín (2010) o Peña
(2001).
Cuadro 9.3. Ejemplos de análisis estadísticos para diseños relacionales

univariados transversales
242
Por su parte, los análisis recogidos en el siguiente cuadro 9.4 son una
muestra de los estadísticos existentes para diseños relacionales univariados
longitudinales.

univariados longitudinales
243
A su vez, la muestra recogida en el cuadro 9.5 es de análisis estadísticos
multivariados para el estudio de asociaciones o relaciones. Conviene señalar
que no es contradictorio incluir en los diseños de recogida de datos
afactoriales, en los que todas sus variables son de prueba, a la técnica de
Análisis Factorial que busca reducir el número de variables estudiadas en un
número menor de factores.

multivariados
244
Los reseñados en este capítulo y otros muchos pueden ser realizados con la
ayuda de programas informáticos como los ofrecidos y señalados por ejemplo
en webs tan completas como las de Pezzullo (2013) o Trigo (s.f.), además de
paquetes con licencia libre como el R, descrito por Carleos y Corral (2013), o
comerciales como el SPSS (Pardo y Ruiz, 2009), SAS o Statgraphics.
Debe tenerse en cuenta que los programas informáticos para el análisis de

datos integran procedimientos para el tratamiento e interpretación de los
datos, que en todo caso deben ser diferenciados por quien utilice dichos
programas.
Por último, el cuadro 9.6 muestra diversos análisis cualitativos. También

para estos análisis existen herramientas informáticas, conocidas como
CAQDAS (de Computer Assisted Qualitative Data Analysis Software),
245
destacando los programas Atlas.ti, Nvivo, Nudist o Qualrus, que pueden
manejar datos visuales, auditivos y verbales. Ver por ejemplo el trabajo de
Gil, García y Rodríguez (1998) sobre Nudist o de Muñoz (2003) sobre el
Atlas.ti.
Cuadro 9.6. Ejemplos de análisis cualitativos
Considerar las posibilidades de análisis expuestas debe ayudar a identificar

y decidir el análisis de datos de una manera eficiente. En todo caso, tenga en
cuenta que las decisiones a tomar sobre análisis de datos han de basarse no
solo en los datos obtenidos, y en su posible tratamiento e interpretación, en
términos de las dimensiones conceptuales señaladas en cada caso, sino
también en las propiedades de validez a lograr, como se expone en el
siguiente capítulo de esta parte.
246
247
Tras identificar o decidir el análisis de los datos, corresponde hacerlo con su
validez. Esta tarea ha de hacerse respecto a los elementos y actividades de
dicho análisis, señalados en el capítulo anterior, es decir, datos, tratamiento si
es el caso e interpretación, y en términos de las mismas tres propiedades
definitorias de validez que en partes anteriores: precisión, diferenciación y
ajuste, aunque en este contexto reciban en ocasiones denominaciones
específicas. Es lo que muestra el presente capítulo.
10.1. Evaluar y procurar la validez de los datos analizados o a analizar
La validez de los datos obtenidos, ya sean brutos o una vez tratados, llamada
a veces calidad de los datos, exige una serie de procedimientos mostrados a
continuación en términos de competencias y dimensiones.
A) Identifique o considere la precisión de los datos obtenidos o a obtener
La precisión de los datos, su claridad, es procurada mediante usos

adecuados de las normas sintácticas y semánticas propias de los códigos que
los expresan. Resulta más fácil lograrla con códigos icónicos y numéricos,
como sucede con las gráficas e índices estadísticos expuestos en el capítulo
anterior. En los datos verbales, en cambio, las posibilidades de imprecisión
aumentan, especialmente si en lugar de términos técnicos unívocos se usan
los lenguajes cotidianos cargados de ambigüedades y polisemias.
La precisión de los datos en términos de su reproductibilidad o fiabilidad

se evalúa estimando el grado en el que resultan semejantes los recogidos en
distintas circunstancias, ya sean ocasiones de estudio, instrumentos o alguna
otra variable presente con dos o más valores según los procedimientos
248
señalados en el capítulo 5. Si es razonable, se asume la fiabilidad lograda en
estudios previos, como al utilizar tests estandarizados con valores de
fiabilidad indicados en el manual del instrumento de recogida de datos.
Ejemplos. En el caso de las observaciones, si los datos son cualitativos u

ordinales, el índice más básico es el porcentaje de acuerdos entre dos o más
observadores. Sin embargo, conviene corregir ese porcentaje estimando
cuántos de los acuerdos pueden deberse al azar. Así lo hacen el coeficiente
Kappa (K) de Cohen (1960) para dos observadores, y la generalización de
Fleiss (1971) para más de dos. Cuando los datos son ordinales o
cuantitativos, el grado de coincidencia entre observaciones puede calcularse
mediante algún coeficiente de correlación apropiado a dichos datos, varios de
los cuales son mencionados en el capítulo anterior. También pueden
obtenerse medidas de acuerdos a partir del Análisis de la Varianza
(ANOVA), siendo entonces el Coeficiente de Correlación Intraclase (CCI)
uno de los coeficientes de fiabilidad más utilizados.
Ejemplos. Con lógica similar a los datos observacionales, el estudio de

fiabilidad de datos obtenidos mediante encuestas ha de comparar datos de un
mismo objeto de estudio obtenidos en diferentes condiciones de registros.
Este es el caso del cálculo del denominado coeficiente de estabilidad
mediante el procedimiento test-retest, en el que se aplica una misma prueba a
los mismos sujetos en dos ocasiones distintas. Un factor a tener en cuenta en
este procedimiento es el tiempo transcurrido entre las dos medidas, ya que
cuanto menor sea, mayor tiende a ser la correlación encontrada, pudiendo
deberse más a la repetición por parte de los sujetos de sus respuestas por el
recuerdo de la primera aplicación que a la estabilidad del rasgo que se
pretende evaluar. Una alternativa es calcular la fiabilidad mediante algún
coeficiente de equivalencia entre medidas de distintos instrumentos que
pretenden medir la misma variable, llamados tests paralelos, o divisiones
semejantes de un único instrumento, llamadas dos mitades. En ambos casos,
las medidas se toman en una misma ocasión para no añadir indebidamente
factores asociados al tiempo, siendo fundamental el cumplimiento del
paralelismo de las dos formas o mitades consideradas. Para evaluar la
249
fiabilidad en estos casos, la Teoría Clásica de los Tests (Muñiz, 2000)
propone diferentes coeficientes basados en el cálculo de las correlaciones más
adecuadas en cada caso.
Recuérdese también del capítulo 5 que la fiabilidad de los datos puede ser
estimada en términos de la consistencia interna de un instrumento
administrado a un grupo de sujetos en una determinada ocasión. En tales
casos se evalúa si los diferentes ítems o preguntas que supuestamente miden
una misma variable producen resultados similares. Con tal fin pueden
calcularse la correlación media interítem, que es la media de las correlaciones
entre todos los pares posibles de ítems o preguntas del instrumento, o la
correlación media ítem-total entre cada ítem individual y la puntuación total.
Sin embargo, el coeficiente probablemente más utili zado en estos casos es el
alfa de Cronbach (a), cálculo del promedio de las correlaciones entre todas
las posibles mitades del instrumento, o el coeficiente de Kuder-Richardson
(Muñiz, 2000), similar al anterior para ítems dicotómicos.
La evaluación de la fiabilidad de los datos no tiene por qué reducirse a

estudiar la concordancia entre dos o más conjuntos de ellos. Puede consistir
también en identificar fuentes de las posibles discrepancias, sistematizando
variables extrañas que puedan afectar a los datos, ya sean observadores,
instrumentos, tests, ocasiones de estudio o cualquier otra.
Ejemplos. Contando que tal sistematización debe hacerse con los diseños y
análisis más adecuados a cada caso, se desarrolló la Teoría de la
Generalizabilidad (Blanco, 1993; Martínez-Arias, 1995), también citada en el
capítulo 5, con la que evaluar múltiples fuentes posibles de error de medida o
facetas, y diseñar a partir de esa información la aplicación del instrumento
que maximice su fiabilidad. Los análisis de matrices multirrasgo-
multimétodo (Campbell y Fiske, 1959) usados en metodología cuantitativa
sobre todo, y los de triangulación (Patton, 2002; Olsen, 2004; Ruiz-
Olabuénaga, 1996), más frecuente en la cualitativa, son procedimientos
desarrollados también para sistematizar posibles fuentes de errores o de falta
de fiabilidad, especialmente métodos o procedimientos de estudio,
incluyendo a veces la comparación de algunos de corte cuantitativo con otros
250
cualitativos.
B) Identifique o plantee el ajuste de los datos obtenidos o a obtener
El ajuste de los datos brutos o ya tratados se entiende como su

correspondencia, sin exceso ni defecto, respecto a algún concepto objeto de
estudio y su contexto, estén planteados previamente o surjan justamente a
partir de los datos analizados.
Dicho ajuste recibe diversas denominaciones. En metodología cualitativa

suele utilizarse el término veracidad o valor de verdad, defendible en la
medida en que pueda considerarse que los datos corresponden a la realidad
planteada en el objeto de estudio y su contexto. En sentido similar, en
Estadística se habla de datos insesgados, definidos como la diferencia nula o
escasa entre el valor del dato y el valor del parámetro poblacional, lo que se
esperaría cuando se estudiara el mismo objeto de estudio un número infinito
de veces.
Una primera fuente de sesgo a evitar es la pérdida de datos que deberían

haberse obtenido en función de la recogida realizada. Esa pérdida puede
deberse a los propios sujetos, a su medio, o a quien investiga y sus
instrumentos.
Ejemplo. En una encuesta sobre hábitos de alimentación de niños y

adolescentes pueden perderse datos que se pensaban y deseaban obtener
porque sujetos con obesidad y sobrepeso estén menos dispuestos a declarar
sus hábitos de alimenta ción, dejando sin contestar las preguntas referidas a
estos aspectos. En otras ocasiones, hay sujetos que dejan de aportar datos por
enfermedad, olvido, desinterés o porque algún factor le impide asistir a las
sesiones en que se recogen los datos. Otras veces, instrumentos defectuosos o
mal utilizados, o errores u olvidos en la codificación o almacenamiento de
datos por parte de quien investiga llevan a no recoger datos o perderlos.
Puesto que el ajuste de los datos puede verse seriamente afectado si las
faltas o pérdidas de datos son sistemáticas y no aleatorias, existen varias
251
posibilidades de actuación para afrontarlas.
Una es analizar los datos disponibles contando con las pérdidas habidas,
asumiendo el sesgo que conllevan. Otras son intentos de contrarrestar la
pérdida para afectar lo menos posible al ajuste de los obtenidos (Baraldi y
Enders, 2010). Una de esas posibilidades es la denominada listwise deletion o
análisis de casos completos, consistente en eliminar los datos de aquellas
unidades de las que se hayan perdido uno o más valores, estudiando tan sólo
las que presenten todos los datos que se pretendían. Ello reduce el tamaño de
la muestra pero supone poca resta de representatividad siempre que las
pérdidas de datos sean aleatorias y escasas. Otra posibilidad es la denominada
pairwise deletion, que podría denominarse análisis de casos parciales, en la
que se mantienen todas las unidades, analizando de cada una los datos
disponibles. El problema de este procedimiento es que los análisis estarán
basados en conjuntos de datos de diferentes tamaños y composición, lo que
puede sesgar las conclusiones respecto a algunas variables en la medida que
las pérdidas de datos no sean aleatorias.
Ejemplo. Estas posibilidades pueden darse en el estudio sobre los hábitos

de niños y adolescentes al no obtener en determinados niños las respuestas a
algunas preguntas, como la de ingesta de dulces industriales, pero teniendo
otros datos como edad, calificaciones escolares o hábitos de ejercicio físico.
En el análisis de casos completos, los datos utilizados serían solo los de los
niños que hubieran contestado a todas las preguntas, y en el de casos
parciales serían todos los que se tengan en cada pregunta.
Otra vía para contrarrestar la pérdida de datos es reemplazarlos con otros,

estimados según algún criterio, estadístico o sustantivo, que permita
suponerlos similares a los no recogidos.
Ejemplo. Un modo estadístico de hacerlo consiste en sustituirlos por la

media aritmética del resto de datos de la misma variable. Este procedimiento
no añade información ni afecta a cálculos como la media o los coeficientes de
correlación, pero subestima el error al incrementar el tamaño de la muestra de
forma artificial. El mismo inconveniente existe si se estiman los datos
252
perdidos a partir de los obtenidos en otras variables relacionadas. En ambos
casos, la subestimación del error podría paliarse añadiendo una proporción de
error extraída al azar.
La pérdida de datos puede ser especialmente importante cuando es de

variables independientes no manipuladas, como ocurre en investigaciones
selectivas, pues impide identificar a qué condición pertenecen los datos de los
sujetos o unidades en estudio. En esas situaciones, una posibilidad es
considerar esa falta de datos como una condición más del estudio,
conformando esos casos un grupo propio.
Ejemplo. Si se pretendiera estudiar la influencia que las preferencias de los

sujetos hacia determinados partidos políticos tienen sobre su tolerancia a la
corrupción, es posible que algunos no quisieran contestar sobre sus
preferencias políticas. Tal pérdida podría ser no aleatoria en el caso de que
los simpatizantes de alguno de los partidos fuesen más reacios a informar que
el resto.
Haya o no pérdida de datos, los disponibles pueden presentar otros

problemas de ajuste. Uno es que incluyan valores extremos, atípicos u
`outliers', muy diferentes al resto de los datos y que sean consecuencia de
errores en el muestreo o en el registro de datos. Por eso deben utilizarse
procedimientos para detectarlos y, si existen, optar por interpretarlos como
valores perdidos actuando conforme a algunas de las posibilidades expuestas
para tales casos.
Ejemplos. Los valores atípicos pueden detectarse por procedimientos de

análisis cuantitativos para datos ordinales y cuantitativos, como el cálculo del
valor intercuartil, o diferencia entre el primer y tercer cuartil de la
distribución de datos de la muestra. También puede hacerse mediante
procedimientos gráficos como el diagrama de cajas, y cualitativos como al
detectar expresiones de alegría en el estudio de respuestas emocionales al
recibir noticias de enfermedades graves.
Otro problema de ajuste es la presencia de los denominados efecto techo y
253
efecto suelo, caracterizados por la concentración de datos en los extremos
superior e inferior de variables ordinales o cuantitativas. Habitualmente se
atribuyen a limitaciones de los procedimientos de recogida de datos que
imposibilitan diferenciar los casos existentes por encima o por debajo de esos
extremos. En variables cualitativas ocurre algo equivalente cuando una
mayoría de casos se concentran en uno de sus valores.
Ejemplos. Se daría un efecto techo cuando por aplicar un examen de

conocimientos mal construido, una gran mayoría de los sujetos alcanzasen la
máxima puntuación posible, no recogiéndose las diferencias de conocimiento
existentes por encima de esa puntuación. En otro examen mal construido pero
en sentido inverso se daría el efecto suelo si un número importante de sujetos
obtuviesen la puntuación mínima, no permitiendo recoger conocimientos
existentes por debajo de esa puntuación. Un caso equivalente en una variable
cualitativa sería cuando para reflejar la afición a los equipos de fútbol
profesionales españoles se utilizasen las siguientes categorías: "Real Madrid",
"F.C.Barcelona" y "Otros", encontrándose que la mayoría de los sujetos de
una determinada muestra se clasifican en esta última.
Por último, el ajuste se evalúa otras veces respecto a la forma o

distribución específica de los datos.
Ejemplos. Con datos numéricos y cuantitativos es necesario poner a

prueba o explorar si presentan una distribución determinada como la normal
para los datos de una variable o la linealidad para los de una relación. Pruebas
como la de Kolmogorov-Smirnov o la de Chi-Cuadrado para una muestra de
datos de una variable son ejemplos de procedimientos para evaluar
distribuciones más o menos específicas.
C) Considere la diferenciación de variables en los datos obtenidos
Evaluar en los datos la diferenciación de variables implica analizar si

efectivamente no covarían las que se entienden distintas o no asociadas. Ello
se favorece con la variedad de procedimientos expuestos en los capítulos 2 y
7, pudiendo hacerse tal valoración de manera cualitativa, ordinal o
254
cuantitativa. En este último caso, la confusión o insuficiente diferenciación
entre dos o más variables es denominada colinealidad y multicolinealidad
respectivamente (Ato y Vallejo, 2011).
De acuerdo a lo recién expuesto, son varias las diferenciaciones a evaluar

en los datos. Una es entre las distintas variables independientes o predictoras
cuando haya más de una y sean de prueba, no manipuladas. En tal caso, y si
la covariación entre ellas no es excesivamente alta, puede ocurrir que aunque
la relación de ese conjunto con alguna dependiente sea alta, ninguna de las
primeras contribuya individualmente de manera significativa a las variaciones
de la segunda, existiendo procedimientos para valorar qué variables son
redundantes.
Ejemplo. Con tal fin se dispone del procedimiento estadístico denominado

stepwise o regresión por pasos, con el que decidir qué variables deben
permanecer o salir de un modelo de regresión múltiple que se haya planteado.
Otra diferenciación a evaluar es entre las diferentes variables dependientes

o criterios. En la medida que covaríen entre sí, puede optarse por considerar
esa conjunción como una nueva variable o constructo, denominada latente. Y
si esa asociación es muy elevada, resulta más eficiente quedarse tan solo con
la información de una de las variables no diferenciadas, al ser el resto
redundante. Razonamiento similar puede hacerse cuando sean independientes
las que covaríen de manera considerable.
Además es necesario evaluar la posible confusión o covariación entre cada

variable extraña y cada independiente.
Ejemplos. En Estadística el efecto de las variables extrañas se considera en

términos de varianzas, una medida de la variabilidad o dispersión de los
datos. Por ello, el control o diferenciación deseable de las variables extrañas
respecto a cada independiente incluye la exigencia de homogeneidad de
varianzas de la variable dependiente en las diferentes condiciones de la
variable independiente. También es denominada homocedasticidad, siendo la
heterocedasticidad el caso contrario, el que supone confusión. Estas
255
consideraciones deberían aplicarse a todo estudio en el que diversas
variabilidades de los datos en las distintas condiciones puedan ser indicio de
falta de diferenciación entre variables.
Ejemplos. La homocedasticidad suele evaluarse numéricamente mediante

pruebas como la de Bartlett para datos que se ajusten a una distribución
normal, o la de Levene si la muestra es muy pequeña o no sigue una
distribución normal. Otras pruebas para este mismo propósito son la F-Max
de Hartley o la prueba de Cochran. También se utilizan procedimientos como
los gráficos de caja o Box-plot, que permiten inspeccionar si la dispersión de
valores en los distintos grupos es más o menos similar, y los diagramas de
dispersión de residuales, entendiéndose por residuales los datos de las
variables dependientes que aparecen una vez restadas las variaciones debidas
a las variables independientes, es decir, los errores.
En Estadística también puede evaluarse la posible confusión entre

términos de error ligados a cada variable independiente o dependiente
consideradas, es decir, entre los efectos de variables extrañas no explicitadas
y por tanto tal vez no controladas en la recogida de datos.
Ejemplo. Un procedimiento estadístico relacionado con este problema en

los diseños de medidas repetidas es la prueba de esfericidad de Mauchly,
mediante la que se contrasta la ausencia de covariaciones significativas entre
los términos de error de las variables de medida.
Las confusiones en los datos que no se hayan podido evitar pueden ser
corregidas en los propios datos, como se señaló en el capítulo 2 al plantear la
noción de causalidad. Se hace estudiando la relación objeto de estudio
únicamente ante un determinado valor de la variable conocida que puede
estar confundida, como si esta hubiera estado controlada por constancia.
Ejemplo. El señalado es el planteamiento llamado control estadístico,

realizado mediante la técnica de la correlación parcial, que trata de restar la
influencia de la variable controlada en los datos de las dos variables
correlacionadas. Si ese control o resta se hace únicamente ante valores de una
256
sola de las dos variables relacionadas, se habla entonces de correlación
semiparcial.
10.2. Evaluar y procurar la validez del tratamiento de datos
Cuando se someten los datos recogidos a algún tratamiento, es necesario

considerar también la validez de esos procedimientos. Las competencias que
siguen lo señalan en términos de las mismas propiedades que en las restantes
valoraciones de validez, aunque en algunos casos reciban denominaciones
específicas.
Ha de tenerse en cuenta que la validez de tales tratamientos depende no

solo de en qué consistan, sino también del uso que de ellos se hagan. Así, por
ejemplo, un tratamiento sencillo y bien definido como la media aritmética
puede ser mal aplicado o calculado erróneamente.
A) Considere la precisión del tratamiento de datos
La precisión de los tratamientos de datos se muestra en la medida en que

sean claros y repetibles, lo que a su vez se evalúa a través de los resultados o
datos que aportan. Ello es exigible tanto en tratamientos de metodología
cualitativa como cuantitativa, aunque en los segundos, al ser de tipo
matemático, suele asumirse en mayor medida que cumplen dicha propiedad.
Ejemplos. En los análisis no estadísticos, la consistencia suele

denominarse dependencia, al ser entendida como estabilidad de los datos
obtenidos en sucesivas replicaciones referidas a determinadas circunstancias.
En Estadística son varias las denominaciones referidas a precisión de sus
tratamientos. Una de ellas es eficiencia, al entenderse en términos de baja
variabilidad de los datos resultantes de los tratamientos aplicados. Otras
denominaciones refieren más específicamente la reproductibilidad o
fiabilidad, añadiendo algún matiz específico. La consistencia de los
tratamientos estadísticos y de los datos resultantes se entiende en la medida
en que al ir aplicando un mismo tratamiento a sucesivas muestras, a un
número de datos cada vez mayor, sus valores se muestran estables. Por su
257
parte, la robustez de un tratamiento se identifica cuando los resultados de este
no varían de manera significativa al comparar ocasiones en las que los datos
tratados incumplan o no supuestos o requisitos en los que se base dicho
tratamiento, como la normalidad o la homocedasticidad.
Al tener que estudiarse la precisión de los tratamientos a través de la

replicabilidad de ellos y de sus resultados, ello puede hacerse mediante
cualquiera de los procedimientos ya expuestos para la replicación y estudio
de la fiabilidad, orientados en este caso a evaluar si el tratamiento aplicado
produce resultados estables.
Ejemplos. El modo arriba indicado para señalar la propiedad de la

consistencia de pruebas o tratamientos estadísticos es una buena ilustración
porque implica evaluar si los datos obtenidos con una determinada prueba
son estables en distintas muestras. Lo señalado en el mismo párrafo para la
robustez de un determinado tratamiento es otra ilustración, pues
implícitamente supone comparar los resultados del tratamiento aplicado a
datos con violaciones de supuestos o requisitos de tal tratamiento con los
resultantes de aplicarlo a datos sin tales violaciones.
B) Considere el ajuste del tratamiento de datos
Además de precisión, el tratamiento que se aplique a los datos brutos debe

tener suficiente ajuste a estos y al objeto de estudio al que correspondan.
Ejemplos. La media aritmética es adecuada sobre todo para representar

tendencia central de un conjunto de datos numéricos que sean cuantitativos y
no tanto si son ordinales. Por su parte, la regresión log-lineal se considera
más ajustada que la regresión múltiple cuando las variables predictoras son
cualitativas.
La necesidad de ajuste de los tratamientos utilizados es señalada en la

literatura en términos de diversas propiedades, interpretadas aquí como
diferentes denominaciones del ajuste con énfasis en distintos aspectos cada
una.
258
Ejemplos. En Estadística aparecen la mayoría de tales denominaciones,
que podrían extenderse a otros tipos de análisis con las debidas adaptaciones.
Una de ellas es la invarianza de los índices o tratamientos utilizados en la
muestra, y que la poseen cuando estos índices se corresponden con los
poblacionales. Si se desea estudiar la varianza o la desviación típica en la
población, deberán lograrse respectivamente datos de la varianza o la
desviación típica muestrales que permitan estimar aquellos con las mínimas
desviaciones posibles.
Ejemplos. La suficiencia de los tratamientos estadísticos es otra referencia

a su ajuste, presentándola en la medida en que recojan toda la información
relevante de la variable o relación en estudio. Es, pues, una referencia a la
exhaustividad al señalar que los índices estadísticos han de recoger todo lo
relevante, aunque sin mencionar a la vez que no deben añadir nada
irrelevante.
Ejemplos. Otros dos términos son complementarios entre sí. Uno de ellos,
la sensibilidad de tratamientos estadísticos, señala su capacidad de detectar
los datos favorables a lo planteado, llamados verdaderos positivos,
concretándose por ello dicha propiedad como la proporción entre estos y los
totales. La especificidad, por su parte, se define como la capacidad de
detectar los verdaderos negativos, y es concretada en la proporción entre los
datos desfavorables a lo planteado y el total de datos. Ambas denominaciones
se refieren por tanto al ajuste, limitándose cada uno respectivamente al caso
positivo o negativo planteado como referencia.
El ajuste de los tratamientos depende en buena medida de que se apliquen

a datos con las características para las que están construidas dichas pruebas,
con los requisitos o supuestos de estas.
Ejemplos. En algunas pruebas estadísticas podría haber un problema de

ajuste al utilizar una prueba basada en la asunción de normalidad de los datos
cuando esta no sea defendible en la muestra analizada. La distinción entre
pruebas paramétricas y no paramétricas, comentada en el capítulo 9, está
relacionada con esta problemática. Así, cuando no se cumple la normalidad
259
de la distribución, como suele ocurrir con muestras pequeñas (n < 30), las
pruebas no paramétricas pueden ser una buena opción al no contener como
requisito esa distribución en los datos.
Por la importancia de los datos a los que se aplican los tratamientos, en la

evaluación del ajuste de los de tipo estadístico es importante considerar la
potencia de la prueba realizada, o probabilidad de rechazar las hipótesis nulas
que sean falsas. El ajuste se ve perjudicado por una baja potencia de la
prueba. Y es que la potencia (1-(3), y su carencia, son resultados del tamaño
de la muestra considerada, del nivel de error asumido (a) y del tamaño de
efecto o de la diferencia en la comparación de datos de la variable
dependiente ante condiciones distintas de la independiente. De tal modo,
asumiendo niveles de error similares, tamaños grandes de efectos se
mostrarán incluso en muestras pequeñas, mientras que si los efectos son
reducidos necesitarán muestras mayores para manifestarse. Al respecto,
conviene tener en cuenta que las pruebas no paramétricas conllevan una
menor potencia, lo que quiere decir que el riesgo de aceptar la hipótesis nula
siendo falsa es mayor en ellas que en las correspondientes pruebas
paramétricas, requiriendo por tanto un mayor tamaño muestral o un mayor
tamaño de efecto para detectar significación estadística, para un mismo nivel
de significación.
C) Considere la diferenciación en el tratamiento de datos
Los tratamientos de datos no suelen ser evaluados desde la diferenciación.

Eso quizás ocurre más abundantemente en los de tipo estadístico.
Probablemente ello es así porque al estar construidos con la precisión propia
de instrumentos formales, como fórmulas o pruebas matemáticas, no
contienen problemas de diferenciación ni entre sus componentes ni con otros
tratamientos, y por ello quizás no se ha considerado necesario poner énfasis
en el cumplimiento de dicha propiedad.
Ejemplos. Así sucede en todos los índices cuyas fórmulas matemáticas

implican operar algebraicamente con sus componentes bien diferenciados.
También puede diferenciarse entre fórmulas o pruebas distintas,
260
independientemente de que algunas de ellas sean solo modos distintos de
abordar problemas semejantes y alcanzar resultados también similares, como
sucede con el ANOVA para dos condiciones de la variable independiente y la
prueba t.
Recuérdese, no obstante, que la persona que aplica los tratamientos puede

introducir alguna confusión al no diferenciar adecuadamente entre los
elementos de tales tratamientos o entre varios de ellos. Ello puede ocurrir en
mayor medida en los que no estén suficientemente desarrollados o usen
elementos no adecuadamente precisos, como puede ocurrir con los de tipo
verbal por su frecuente carga de ambigüedades y polisemias del lenguaje
cotidiano. Por ello al tratar datos verbales o icónicos para construir sistemas
de categorías, la insuficiente diferenciación entre estas es uno de los
problemas que suelen aparecer.
10.3. Evaluar y procurar la validez de las interpretaciones
Por último, hay que considerar la validez de las interpretaciones de los datos,
sean directos o derivados de algún tratamiento. Para ello ha de tenerse en
cuenta de nuevo que dicha validez depende no solo de cómo esté definido
cada criterio, sino también del uso que se haga de ellos. Quien realice la
interpretación puede usar, por ejemplo, un criterio preciso pero usarlo
inadecuadamente.
Las que siguen son competencias útiles para evaluar y decidir la validez de
las interpretaciones en términos de sus tres propiedades.
A) Considere la precisión en la interpretación de datos
Los criterios para interpretar los datos han de ser claros y repetibles, a lo
que colaboran de distinta manera los diferentes casos de las dimensiones
aplicables.
Ejemplos. Los criterios ordinales o cualitativos, verbales y gráficos que no

provengan de numéricos cuantitativos pueden ocasionar problemas de
261
ambigüedad. Así ocurre cuando para valorar datos numéricos de relaciones se
utilizan criterios como "suficiente", "bastante", o "considerable", sin que
queden señalados con precisión cuáles son los límites entre esos valores y
otros diferentes. Algo similar sucede cuando se interpretan datos gráficos de
un polígono de frecuencias, como el de la figura 10.1, con sucesión de
subidas y bajadas si se hace con criterios como "ascendente" o "descendente"
sin precisar qué segmentos se toman en cuenta como más determinantes para
decidir la significación de dicho gráfico.
Figura 10.1. Ejemplo de datos para interpretación gráfica de un diseño de

series de tiempo.
Como en competencias anteriores, la falta de precisión comentada implica

falta de repetibilidad o consistencia en el uso y resultado de los criterios
aplicados a unos mismos datos por parte de distintas personas o por una
misma en diferentes ocasiones.
B) Considere el ajuste en la interpretación de datos
Además de precisos, los criterios con los que interpretar los datos han de
ajustarse a lo que se desea estudiar.
262
Ejemplos. No habría ajuste cuando, teniendo datos tratados con el
coeficiente R2 para el tamaño de efecto, se les interpretara con los intervalos
derivados del estadístico d de Cohen. Tampoco lo habría si se valorara la
significación estadística de unos datos en términos ordinales de "mucho" o
"poco" cuando ella es una decisión cualitativa de si la probabilidad
encontrada para unos datos es o no significativa. En este caso se estaría
interpretando un tratamiento de datos como las pruebas de significación en
términos de otro como el tamaño de efecto.
Ejemplos. Son bien conocidos los sesgos que pueden cometerse en las
pruebas de significación estadística al tomar decisiones equivocadas, los
denominados errores Tipo I y Tipo II. En una prueba de significación
estadística, el error Tipo 1 es el que se comete al rechazar la Hipótesis nula
cuando en realidad es verdadera, es decir, al concluir falsos positivos. La
probabilidad de que ocurra este error es conocida como nivel de
significación, y se representa con la letra U. El error Tipo II consiste en
aceptar la Hipótesis nula cuando en realidad es falsa, los falsos negativos,
identificando como R a la probabilidad de cometer este error.
C) Considere la diferenciación en la interpretación de datos
Existe problema en este caso cuando se asocian de manera no necesaria

dos criterios distintos o dos casos de un determinado criterio, perdiéndose el
resto de posibilidades en las que pueden combinarse.
Ejemplos. Sucedería así cuando al interpretar las respuestas de varios

alumnos en una prueba de conocimiento abierta, se utilizara un criterio de
corrección influido por las interpretaciones de las respuestas de otros sujetos.
Es el denominado efecto halo en las interpretaciones. En la misma situación,
otra posible confusión sería el llamado efecto deriva, consistente en ir
cambiando poco a poco e inadvertidamente el criterio a lo largo de la
sucesión de pruebas interpretadas.
Al igual que sucedía en el tratamiento de datos, este problema es menos

frecuente cuando las interpretaciones se realizan con criterios matemáticos,
263
dado que su precisión ayuda a no confundir cada criterio con otros.
Ejemplos. La falta de diferenciación puede ocurrir en mayor medida con

criterios con insuficiencias de precisión, como los de tipo verbal por la ya
señalada carga de ambigüedades y polisemias del lenguaje cotidiano que
frecuentemente contienen. Pero también en las interpretaciones estadísticas
aparecen, como cuando se realizan varias pruebas de significación a partir del
mismo conjunto de datos. Esta repetición incrementa la probabilidad de que
algunas de las pruebas resulten significativas sin realmente serlo,
confundiéndose así los efectos estudiados con el artefacto. Eso implica que la
probabilidad de significación asociada a comparaciones múltiples es mayor
que la formalmente reconocida en un determinado nivel de significación (a),
por lo que se incrementa el riesgo de error Tipo 1, de concluir falsos
positivos. Una forma de abordar este problema, denominado capitalización
del azar a causa de comparaciones o pruebas múltiples, consiste en corregir el
nivel de significación establecido de manera que se reduzca este riesgo. Una
de las correcciones más utilizadas para este propósito es la de Bonferroni.
El presente capítulo muestra competencias para identificar y procurar validez

en el análisis de datos, diferenciándolas respecto a los datos directos o
tratados, a los tratamientos realizados, y a las interpretaciones de unos y
otros, evaluando todo ello una vez más en términos de precisión,
diferenciación y ajuste, y teniendo en cuenta dimensiones relevantes en cada
una de las fases o competencias previas. Y al ser diversos los procedimientos
existentes, deben elegirse los más adecuados a las circunstancias específicas
de cada investigación.
Para realizar los análisis que se precisen, con los procedimientos para la
validez que correspondan, recuérdese del capítulo 9 que existen numerosos
programas para análisis ya sean cualitativos, como Atlas.ti o Nudist, o
cuantitativos estadísticos, como R, SAS, SPSS, Statgraphics, para los que
existen textos orientadores como el de Pardo y Ruiz (2009) para el SPSS, o
las numerosas aplicaciones existentes como las que ofrecen Pezzullo (2013) o
264
Trigo (s.f.).
A partir de todo ello puede ofrecerse una guía resumen en forma de lista
de comprobación sobre la validez del análisis de datos. Es lo que muestra el
cuadro 10.1.
La validez del análisis de datos en su conjunto se corresponde con la

presentada en el capítulo 8 respecto a la validez de la recogida de datos en
términos del principio MAXMINCON. Como allí se indicaba, ese principio
implica la pretensión de maximizar en los datos la influencia del objeto de
estudio, controlar el contexto y en general todas las posibles confusiones, y
minimizar la de los facto res no tenidos en cuenta. La aplicación de estas tres
aportaciones al análisis de datos corresponde a lo que Kerlinger (1986/2001)
denominó respectivamente varianza sistemática primaria, varianza
sistemática secundaria y varianza del error. Generalizando la aplicación
original y más restringida de estos términos, puede entenderse que la varianza
o variabilidad sistemática primaria corresponde a la encontrada en los datos
de las variables de medida debida a las variables del objeto de estudio
unitario o a las independientes en los relacionales; que la varianza o
variabilidad sistemática secundaria se debe a las variables de contexto
consideradas explícitamente; y que la varianza o variabilidad del error a otros
factores o variables de contexto no considerados. En análisis estadísticos de
datos, la proporción entre las varianzas sistemáticas incluidas en un
determinado modelo y la varianza total, que incluye a las sistemáticas y las
del error, es una manera habitual de cuantificar la validez global del análisis.
Cuadro 10.1. Lista de comprobación sobre la validez de los análisis de datos
265
De este modo, en algunos estudios los errores en los datos resultan
mínimos y de tipo aleatorio, sin tendencia clara o sistemática. Son los
denominados errores aleatorios y se deben a factores no tenidos en cuenta
pero poco importantes, como ya señalaba el capítulo 8. En otros estudios, en
cambio, dichos errores son considerables, es decir no aleatorios y
sistemáticos. Se deben a factores, provenientes de la recogida de datos o del
muestreo, no tenidos en cuenta ni en el objeto de estudio ni en el contexto y
que sin embargo tienen efectos relevantes y por ello dan lugar a la distinción
266
entre errores de medición o de muestreo, señalados en los capítulos 5 y 6
respectivamente. Sea cual sea su tipo y origen, todo error supone variabilidad
no explicada de los datos.
Lo recién expuesto indica que el juicio global sobre la validez de los

análisis de datos debe ser el resultado del logrado en sus diferentes elementos
y en las tres propiedades, y siempre debe ser considerado respecto a un
determinado referente más o menos explícito. Por eso, todo juicio sobre
validez de alguno de esos aspectos en particular debe especificar qué
elemento y propiedad están siendo considerados, y respecto a qué referente
(ver figura 10.2).
Como señalaba la introducción a esta parte, la validez del análisis en las

investigaciones planificadas deberá considerarse antes, durante y después de
este. Antes, planificando y adoptando las decisiones más favorecedoras a
partir del objetivo y del diseño planteados; durante, cuidando de que lo
planificado se lleve a cabo o, si es el caso, con modificaciones adecuadas; y
después, revisando lo realizado. En investigaciones exploratorias, en cambio,
la validez del análisis solo puede considerarse durante y después de su
realización, al no existir ni la definición previa suficiente de objetivos
precisos, ni por tanto el diseño ligado a estos.
Todos esos juicios deben ser emitidos en términos de grados más que en
los cualitativos dicotómicos de Sí o No, ya que son posibles no solo los dos
valores extremos de completa y nula validez.
La razón de esa gama de posibles valores, y de que no existan garantías

plenas de obtener suficiente validez, es que además de por los datos
obtenidos esta se ve influida por factores provenientes del uso más o menos
adecuado de los diferentes elementos de los análisis de datos. Al analizar
precisión, ajuste y diferenciación pueden introducirse problemas en la
consideración de los datos, en los tra tamientos y en las interpretaciones que
se hagan de ellos. Y es que esas tres competencias del análisis no siempre son
desarrolladas de la mejor forma posible, como sucede al elegir un tratamiento
inadecuado a los datos o un criterio no conveniente de interpretación. Otro
267
modo de ver esos inadecuados análisis es que implican la aparición de
factores no planteados pero con efectos en las consideraciones, tratamientos e
interpretaciones de los datos.
Figura 10.2. Validez del análisis de los datos.
Por último, cuando se considere insuficiente la validez de los análisis de

datos, dos son las alternativas posibles y no incompatibles entre sí:
aprovechar lo hecho como estudio exploratorio mediante el que obtener
nuevas posibilidades a investigar, y realizar nuevos análisis o incluso nueva
268
investigaciones al completo corrigiendo fallos detectados en las realizadas.
269
La competencia tratada en esta parte final es doble: plantear conclusiones y
comunicarlas. Sus respectivos sentidos son: obtener respuestas a partir de lo
hecho y hallado en las investigaciones, conectándolas con el estado de la
temática en la literatura cuando así sea conveniente y, en el caso que se
estime de interés, dar a conocer todo ello a la comunidad científica que
pudiera estar interesada. Son por tanto concreciones sobre todo de las
características colectiva, epistémica y sistemática de la ciencia, además de la
omnipresente lingüística.
Los elementos de ambas competencias son los siguientes (ver figura I4.1).
En la obtención de conclusiones, estas son el logro pretendido. Los
instrumentos conceptuales son los resultados de los análisis de datos, los
conocimientos sustantivos y metodológicos de quien investiga, así como lo
que considere sobre lo hecho en la investigación. Los instrumentos materiales
en muchas investigaciones suelen ser lápiz y papel, así como ordenadores y
programas informáticos. Y las actividades principales son las comparaciones
de lo hecho y obtenido respecto a lo tomado como referencia.
En la comunicación de la investigación, el logro perseguido es la

expresión de lo hecho, obtenido y concluido. Los instrumentos conceptuales
son de nuevo los conocimientos sustantivos y metodológicos de quien
investiga, así como lo que se considere acerca de lo hecho y obtenido en la
investigación. Los instrumentos materiales suelen ser principalmente lápiz y
papel, bibliografía que se consulte en esta fase de la investigación, así como
ordenadores y programa informáticos. Las actividades principales son la
270
redacción y plasmación en algún soporte de lo hecho, logrado y concluido.
En ambas competencias, el contexto es el ámbito al que se refiere la

investigación y las circunstancias de quienes la realizan. Y tanto al plantear
conclusiones como al comunicarlas, cabe la posibilidad de que
inadvertidamente se utilicen instrumentos conceptuales y materiales, y se
realicen actividades, que puedan tener influencia en los logros obtenidos o a
obtener.
Figura I4.1. Elementos de las competencias de elaborar conclusiones y

comunicar el estudio.
Al igual que las competencias de partes previas, las de obtención de

conclusiones y comunicación de la ciencia han de ajustarse a las tres
propiedades de validez. Ambas han de considerarse respecto al objeto de
estudio y contexto de referencia, así como a la recogida y al análisis de datos
realizados, independientemente de que las investigaciones sean planificadas o
exploratorias. Y en esa atención a la validez de lo hecho, concluido y
comunicado se incluye la necesidad de que todo ello cumpla con los
principios éticos reconocidos hoy en día.
En las investigaciones planificadas, la validez de conclusiones y su
271
comunicación deberán considerarse antes, durante y después de realizarlas.
Antes, planificando y adoptando las decisiones más favorecedoras; durante,
cuidando de que lo planificado se lleve a cabo o, si es el caso, con
modificaciones adecuadas; y después, revisando lo realizado. En las
investigaciones exploratorias, en cambio, la validez de conclusiones y su
comunicación solo pueden considerarse durante y después de la realización
de ambas.
De los capítulos de la presente parte, el 11 enseña cómo identificar y

obtener conclusiones de las investigaciones y cómo comunicar lo hecho y
obtenido, el 12 considera la valoración de la validez de ambas competencias,
mientras que el 13 se refiere a la ética de las investigaciones. Como en partes
anteriores, las competencias mencionadas están expresadas en términos de
otras más particulares a seguir.
272
Como acaba de señalarse, el presente capítulo enseña las competencias de
obtención de conclusiones y comunicación de lo hecho y hallado, haciéndolo
tanto para identificarlas en las investigaciones propias o ajenas ya realizadas,
como para llevarlas a cabo en las que se necesite realizar.
11.1. Identificar y plantear conclusiones
Las competencias incluidas en este apartado están expuestas en términos de

tres aspectos: valoración de la validez con la que se han obtenido y analizado
los resultados, conexión entre estos y el objeto de estudio de referencia, y
posibles aportaciones que lo hecho y encontrado puedan implicar para la
temática en estudio (ver figura 11.1). En cada una se utilizan las dimensiones
conceptuales que resultan más relevantes.
A) Identifique o plantee el marco de validez para las conclusiones
Antes de concluir sobre cómo la investigación ya realizada o por realizar

puede responder al objeto de estudio de referencia, debe considerarse la
validez de cada una de las fases y elementos de la investigación, haciéndolo a
modo de evaluación final de cada una de las tres propiedades en el
planteamiento de conceptos, la recogida de datos y el análisis de estos. Estas
consideraciones han de ser el marco necesario para el resto de conclusiones.
Ejemplos. No tiene mucho sentido concluir sobre una relación estudiada si

resulta que ese estudio tiene graves confusiones y no pueden ser
273
solucionadas. Tampoco lo tiene hacer afirmaciones pretendidamente claras
sobre un conjunto de datos que no tengan la suficiente precisión.
Aunque la validez en una determinada fase de la investigación ayuda a la

de la siguiente, no la garantiza. De ahí que sea necesario realizar o planificar
una valoración de la validez de cada etapa del proceso de investigación antes
de la global.
Ejemplos. Puede ocurrir que en un estudio con suficiente validez

conceptual y procedimental no resulte válido su análisis de datos, ya sea por
un tratamiento inadecuado o una interpretación indebida.
Han de tenerse en cuenta los puntos fuertes y débiles de todo lo hecho o

que se vaya a hacer, extrayendo una valoración global que limite o apoye las
conclusiones sobre determinadas medidas y parcelas. De ello, además, deben
salir propuestas de mejora para posibles estudios posteriores.
Ejemplos. Revisar la validez de la investigación implica entre otras cosas

concluir si hay suficiente precisión en los elementos considerados en la
investigación, y si hay confusiones que impidan u obstaculicen las
conclusiones. También implica concluir, en función del ajuste logrado, si lo
encontrado puede defenderse respecto a lo que estuviera planteado.
B) Identifique o concluya cómo responden los datos ya interpretados al

objeto de estudio de referencia
En la medida en que la validez del estudio sea suficiente y el objeto de

estudio esté planteado desde el principio, habrá que considerar si la
interpretación de los datos le da respuesta y de qué modo o medida.
Ejemplos. Si se ha estudiado un objeto de estudio relacional, las

conclusiones han de incluir la consideración acerca de si los resultados dicen
que, al menos en el contexto utilizado, la relación es nula o no, y de qué
sentido y grado si así es posible e interesa.
Si el objeto de estudio no se ha planteado de antemano y se considera
274
suficiente la validez de lo hecho, entonces las conclusiones a extraer al
respecto suponen justamente señalar qué conceptos pueden considerarse
estudiados con los datos recogidos y analizados.
Ejemplos. Partiendo de un amplio número de variables de las que se

tuvieran datos de una investigación anterior, puede concluirse qué relaciones
entre ellas se han encontrado significativas y dignas de tener en cuenta.
275
Figura 11.1. Conclusiones del estudio.
C) Identifique o establezca las conclusiones respecto a la literatura del tema

estudiado si es el caso
Si como es usual se ha enmarcado la investigación en lo que ya esté

estudiado y publicado sobre el tema elegido, las conclusiones sobre el objeto
de estudio y contexto implicados han de conectar también con conocimientos
y problemas próximos o que se consideren pertenecientes a la temática en
estudio.
Ejemplos. Esos conocimientos y problemas se identifican con ocasión del

estudio en una revisión bibliográfica realizada antes, durante y después de
este. Otras veces se dispone de esos conocimientos con anterioridad a la
decisión de realizar tal estudio, aunque muchas veces pueden ser completados
al realizar la investigación.
La conexión señalada supone contemplar semejanzas y diferencias entre lo

concluido en el propio estudio y lo existente en la literatura del tema. Supone
reflexionar si el estudio realizado aporta algo a lo ya conocido, ponderando
también ventajas y desventajas respecto a lo existente. De ello deberían
derivarse nuevas preguntas y cuestiones, nuevos problemas o aspectos a
investigar
11.2. Analizar y elaborar informes de investigación
En el transcurso de una investigación, quienes la realizan suelen ir

expresando para sí mismos y con cualquiera de los códigos ideas a
considerar, posibles modificaciones de lo hecho o previsto inicialmente, así
como logros obtenidos en cualquiera de las fases. Son autoayudas que se
proporcionan en su trabajo, y que al ser de uso interno no han de quedar
especialmente estructuradas ni plasmadas de modo formal. El criterio
fundamental de esas expresiones es ser útiles a quien las hace, o como
máximo a colegas cercanos a quienes se consulten detalles más o menos
concretos.
276
Ejemplos. Es frecuente plasmar por escrito y con sucesivas modificaciones
el objeto de estudio planteado, acompañándolo a veces de alguna gráfica o de
alguna expresión simbólica como las señaladas en la figura 1.3 del primer
capítulo, especialmente útiles si son relacionales. También es usual utilizar
tablas con los datos obtenidos, así como salidas de programas informáticos
utilizados para el análisis de datos, haciendo sobre ellas las anotaciones y
señales que se vean de utilidad.
Sin embargo, cuando se desea comunicar a la comunidad profesional

científica lo hecho y encontrado, ha de hacerse de manera formal y
estructurada para facilitar su comprensión. Informe es una denominación
usual para esa manera de comunicación científica de una investigación o
actuación profesional.
Para favorecer con eficiencia el logro de sus objetivos es conveniente que

dicho informe se ajuste a unas pautas o normas, establecidas por la
comunidad con una doble finalidad: indicar a quien elabore el informe cómo
hacerlo, es decir, qué presentar, de qué modo y con qué orden u organización,
y facilitar a quien lo lea encontrar claramente cada elemento del trabajo.
Ejemplos. Existen diversos estándares o normas para la redacción de

informes o comunicación profesional, tales como el de la American
Psychological Association, el Chicago Manual Style, el de K.L.Turabian o el
de la Modera Language Association (Citing sources, s.f.). León (2005)
recoge las normas más comunes y útiles para Psicología y Educación,
aplicables al resto de profesiones consideradas en este texto.
No debe olvidarse en todo caso que dichas normas se refieren a la

construcción del informe, y no describen ni guían específicamente el proceso
seguido al realizar la investigación de la que se informa. Como señala la
Introducción a este texto, las investigaciones suelen seguir un orden no lineal,
con avances y vueltas a pasos previos que se rehacen y mejoran, y cambios
en el curso del trabajo, trazando de manera irregular la espiral inductiva y
deductiva que allí se mencionaba para cualquier nivel micro o macro de
competencias y evaluaciones que se considere. Sin embargo, una vez
277
culminada la investigación, su descripción debe quedar ordenada según las
normas existentes.
Nótese asimismo que este orden se refiere a cómo debe resultar el informe
una vez concluido, lo cual es diferente también del orden seguido en su
elaboración. Esta, al igual que la propia investigación, también se realiza
normalmente de manera no lineal, modificando lo que se va expresando en
los diferentes apartados con el fin de ajustarlo, diferenciarlo y precisarlo cada
vez más en sucesivas vueltas. De hecho no es infrecuente por ejemplo que la
Introducción, a pesar de aparecer al inicio, sea lo último que termine de
escribirse, incluyendo en ella aspectos aprendidos de la investigación y de la
propia redacción del informe.
En las ciencias sociales y de la salud, el formato de los informes varía

según de qué disciplina se trate y según otras características como personas a
las que van dirigidos, profesionales o usuarios, foro en el que comunicar,
como una revista o actas de un congreso, así como el código principal de
expresión, oral o escrito. Sin embargo, en todas esas modalidades existen
algunos puntos en común derivados de la función comunicadora y
facilitadores del consenso que todo informe de la ciencia ha de tener,
independientemente de variaciones en denominaciones y estructuración de
apartados.
Las competencias que siguen están referidas justamente a cómo identificar

o plasmar esos aspectos comunes y relevantes, incluyendo especificaciones
usuales en determinados formatos particulares.
A) Identifique o exprese título y autoría del trabajo
El informe debe comenzar con los detalles que permitan su identificación

y referenciación. Por ello deben ser de dos tipos, referidos al contenido del
trabajo y a su autoría. Lo primero se logra mediante un título descriptivo,
acompañándolo de un subtítulo si se considera conveniente.
Ejemplos. El Colegio Oficial de Psicólogos de España (s.f.) recuerda la
278
necesidad de incluir un título en todo informe pericial, añadiendo cuando sea
el caso el número de expediente y juzgado para el que se emite el informe. En
los informes clínicos debe incluirse el nombre de quien ha sido estudiado y
de quien ha solicitado el trabajo.
La información sobre la autoría del informe se da señalando nombre y

apellidos de dichas personas, más algún otro dato profesional identificador.
Ejemplos. Esa información adicional puede ser la institución en la que

trabaja cada autor o autora o, si se trata de profesionales libres, el número de
asociado al correspondiente Colegio Profesional u organización similar.
B) Identifique o redacte la introducción al informe
Tras los datos identificativos, el cuerpo del informe debe comenzar con un
apartado de introducción que por ser el inicial no necesita quedar identificado
expresamente con ese título. En general, su sentido es presentar el objetivo de
interés y el contexto en el que se planteó, después de exponer los problemas
que justifican y enmarcan dicho objetivo y su investigación. La Introducción
por tanto debe terminar señalando qué se deseaba estudiar y en qué contexto
pretendía hacerse, precedido todo ello por las razones consideradas para
defender el sentido o utilidad de lo planteado.
Ejemplos. En investigaciones realizadas para obtener conocimientos o

lograr intervenciones exitosas, los problemas u objetivos planteados deben
quedar justificados mediante una descripción del estado de la cuestión en la
literatura correspondiente, para lo que será necesaria una revisión de la
misma. En informes periciales debe especificarse el motivo para haberlo
realizado, que suele ser la providencia de un magistrado en causas judiciales,
o la demanda de asistencia por parte de un cliente de una consulta clínica o de
una institución o empresa. En las recomendaciones del Colegio Oficial de
Psicólogos de España (2013) sobre procesos de evaluación se incluye la
necesidad de señalar aquellos aspectos que sobrepasen las demandas iniciales
pero que se hayan visto convenientes.
279
C) Identifique o describa la metodología seguida
Tras señalar qué se deseaba estudiar y por qué motivos, tiene sentido
exponer cómo se ha estudiado, el contexto en el que se hayan recogido los
datos. Todo ello debe exponerse en un apartado titulado usualmente Método,
cuyo contenido puede y debe expresarse en tres subapartados con sus
correspondientes títulos.
En el primero de ellos deben presentarse las unidades estudiadas,

señalando cuántas son, y sus características relevantes. A veces, el
subapartado especifica la población considerada si no queda señalada en la
Introducción.
Ejemplos. En esas características pueden incluirse tanto las actuales,

referidas a edad, sexo o nivel de estudios, como las pasadas en forma de
antecedentes personales, familiares o sociales si resultan relevantes. Sujetos,
Participantes, Pacientes, Informantes o Datos identificativos de quienes han
sido estudiados pue den ser algunos de los títulos apropiados para este
subapartado según el ámbito o disciplina del estudio.
En el segundo subapartado deben indicarse los instrumentos, aparatos o

materiales utilizados para la recogida de datos, señalando las características
que puedan afectar a la recogida de datos favoreciendo o dificultando
cualquiera de las propiedades de validez.
Ejemplos. Materiales, Aparatos o Instrumentos pueden ser títulos

apropiados en investigaciones de laboratorio y de campo, mientras que
Pruebas aplicadas puede ser adecuado en informes clínicos y periciales en
general, al igual que puede serlo Fuentes de información.
En el tercer y último subapartado de Método, que puede denominarse

Procedimiento, debe informarse sobre cómo se ha hecho el estudio,
añadiendo cuando sea relevante la fecha de las evaluaciones. Ha de incluirse
la especificación de las variables del objeto de estudio y contexto planteados,
expresándolas a nivel de indicadores y con los valores considerados. Además
280
debe describirse el diseño y método seguidos, incluyendo por tanto la
mención de las operaciones llevadas a cabo para la recogida de datos y para
su validez, de las referidas al procedimiento de muestreo si es el caso y de las
técnicas de control utilizadas, así como para la fiabilidad si corresponde.
También deben señalarse los procedimientos y técnicas de análisis de datos
que se hayan utilizado.
D) Identifique o exponga los resultados obtenidos
Tras la indicación de qué se deseaba estudiar y de cómo se ha hecho, lo

que corresponde es la exposición de los datos obtenidos y analizados. Es lo
que ha de hacerse en el apartado de Resultados. En él deben presentarse los
datos utilizados para llegar posteriormente a conclusiones, y señalarse los
procedimientos y criterios utilizados para el tratamiento e interpretación de
dichos datos. Debe evitarse incluir aquí comentarios o evaluaciones de ese
análisis, que han de ubicarse en un apartado posterior.
Los datos han de ser explicados mediante exposiciones verbales, ilustradas

y completadas con los recursos gráficos y numéricos que se consideren
convenientes.
Es recomendable comenzar aportando resultados sobre fiabilidad, dado

que la precisión es una información básica a partir de la cual tiene mayor o
menor sentido comentar posteriormente los resultados obtenidos sobre el
objeto de estudio. Los datos con baja precisión o fiabilidad resultan difíciles
de interpretar y de ser aprovechados. Por razones similares, deben presentarse
los resultados que puedan tenerse respecto al ajuste y la diferenciación.
E) Identifique o exprese las conclusiones de lo hecho .Y encontrado
Tras la exposición de resultados lo que corresponde es concluir lo

obtenido, haciéndolo a la luz de cómo se han obtenido y de lo que se
pretendía estudiar. Es lo que debe aparecer en un apartado denominado
Conclusiones o Discusión.
281
Una buena forma de hacerlo es ir considerando todo lo hecho. Conviene
comenzar expresando los juicios sobre validez del estudio, en términos de la
calidad del planteamiento del objeto de estudio, del diseño, método y técnicas
de recogida de datos y de sus análisis. Esas consideraciones pueden avalar
razonablemente los resultados obtenidos, o dejarlos en suspenso parcial o
totalmente según la importancia de los problemas detectados.
Ejemplos. Deben señalarse limitaciones encontradas y que puedan afectar

a los resultados y conclusiones, fijando el alcance de ellas. En este sentido,
las orientaciones del Colegio Oficial de Psicólogos de España (s.f.) sobre
informes periciales arriba referidas recomiendan incluir una cláusula de
salvaguarda que diga aproximadamente lo siguiente: "Las presentes
conclusiones se refieren a los objetivos demandados y a la aplicación de la
metodología antes mencionada. Un cambio de las circunstancias o nuevos
datos exigirían un nuevo análisis y podrían modificar los resultados".
Si los resultados presentan suficiente validez, lo que corresponde es

considerarlos respecto al objetivo que estuviera planteado, o que haya llegado
a plantearse si se trata de un estudio exploratorio.
Ejemplos. Es el lugar y momento para, según el tipo de informe, dar

respuestas a las preguntas de investigación, aceptar o rechazar hipótesis que
se hubieran planteado, o plantear el diagnóstico alcanzado, así como dar
orientaciones o recomendaciones a seguir o concluir sobre los resultados
logrados con una terapia aplicada. En las investigaciones que hayan referido
sus objetivos al estado de la cuestión en la literatura, el informe deberá
señalar también qué se aporta a dicha temática.
Cuando así convenga, del estudio realizado y de las conclusiones

señaladas puede derivarse la indicación de aspectos que podrían ser
mejorados o nuevos problemas a considerar en futuras ocasiones. Aunque
esto no es frecuente en informes periciales, no debe olvidarse que se investiga
lo que no se conoce suficientemente, y que al investigarlo se aprende y
pueden corregirse errores si se señalan los que se hayan detectados. La
comunicación científica, por poner a disposición de la colectividad lo hecho
282
para que pueda ser aceptado si resulta innovador y replicable, no debe ocultar
los puntos débiles de las investigaciones informadas, sino mostrarlos para que
en sucesivas ocasiones puedan ser corregidos y evitados. La ocultación de
problemas no es ética por engañosa y además inútil porque termina siendo
detectada.
F) Identifique o liste los trabajos referidos en el informe
Para realizar las investigaciones se tienen en cuenta trabajos ya existentes,

que han de señalarse como se viene haciendo en este texto en los lugares del
informe en los que correspondan, haciéndose de manera breve, normalmente
con apellido de cada autor y año de la publicación, para no entorpecer la
lectura. Por esa razón en un apartado final, de Referencias utilizadas, han de
ordenarse alfabéticamente esos trabajos mediante sus elementos
identificativos, siendo conveniente seguir unas normas comunes para facilitar
de nuevo la labor a quien escribe y a quien lee el informe.
Ejemplos. Además de otros existentes (Citing sources, s.f.) arriba

señalados, el modo más común de referenciar cada tipo de trabajo en varias
ciencias sociales y de la salud es el de las normas de la American
Psychological Association (2009), que en el momento de escribir estas líneas
ha visto su sexta edición. Dichas normas señalan y distinguen con claridad
cada tipo de trabajo, ya sea un artículo de revista, un libro, un determinado
capítulo de libro, un lugar de Internet, una tesis doctoral no publicada o
cualquier otro de los muchos existentes, facilitando su identificación en las
correspondientes bases de datos y buscadores.
Ejemplos. En el capítulo de Referencias de este texto pueden verse

ejemplos de distintos tipos de documentos. Las referencias de libros señalan
autores, título del libro resaltado en cursiva, seguido de la ciudad donde ha
sido editado y nombre de la editorial, como el de Anguera (1992). En las
referencias de artículos de revistas las cursivas destacan el nombre y volumen
de la revista, añadiéndose las páginas inicial y final del artículo (ver Bull,
2001). En capítulos de libro, tales páginas aparecen entre paréntesis y
ubicadas entre el título del capítulo consultado y el del libro, como el de Ato
283
(1995). Las citadas normas detallan la amplia casuística de documentos que
pueden usarse, incluyendo los de soporte digital como páginas Web (ver la
del COP, 2013) y los que poseen el código identificador do¡ (ver Baraldi y
Enders, 2010).
Note que el apartado de Referencias no es lo mismo que uno de

Bibliografía, ya que este es un listado de trabajos existentes sobre un tema,
ofrecidos a título informativo para orientar en él. Por eso una bibliografía
suele contener trabajos considerados como los más relevantes por quien la
elabora, mientras que las listas de referencias lo son de trabajos utilizados y
mencionados en el informe ya sea por considerarlos recomendables o por
haber sido criticados por alguna deficiencia.
G) Comience leyendo o termine escribiendo el resumen del estudio y de su

informe
Todos los informes de investigación o actuación profesional deben ir

acompañados al comienzo o al final por un Resumen de amplitud variable,
aproximadamente entre 100 y 600 palabras según foro, siguiendo un esquema
similar al del informe.
La utilidad de este resumen es permitir a quien lo lea hacerse una idea

rápida de las características principales del trabajo, es decir, del objetivo
planteado, método seguido y resultados obtenidos, para descartarlo sin más
pérdida de tiempo en el caso que no sea de su interés, o abordar la lectura del
texto completo si considera que le puede resultar significativo. El resumen,
junto al título del trabajo y a su autoría, es la información que las bases de
datos existentes en cada profesión científica ofrecen para una primera
identificación de cada trabajo reseñado. También para facilitar su utilización
y difusión, y si el trabajo se ha escrito en un idioma distinto al inglés, el
resumen puede ser acompañado por otro en ese idioma o Abstract.
La misma utilidad tienen las cinco o seis palabras claves que suelen
acompañar al resumen, indicativas de características relevantes del trabajo, y
que es aconsejable que en lo posible estén recogidas en los tesauros
284
específicos de cada disciplina ya mencionados en el capítulo 3.
H) Tenga en cuenta el foro o medio en el que se presenta el informe
Siendo el informe el instrumento fundamental para comunicar lo hecho y

hallado, puede adoptar formatos diferentes según el foro o medio al que vaya
dirigido aunque siempre con una estructura próxima a la aquí expuesta.
El modo más común es el informe escrito bien para entregarlo a quien

encargó el estudio, o para su difusión a través de algún medio.
Ejemplos. De estos medios, uno muy usual es la publicación del informe

como artículo en alguna revista científica, preferiblemente con impacto en la
comunidad al recoger trabajos de interés, estar bien distribuida y ser reseñada
en las bases de datos más usadas como son el Social Sciences Citation Index,
Scopus, Medline, PsychINFO o Latindex, editadas respectivamente por las
editoriales Thompson Reuters y Elsevier, la Biblioteca Nacional de Medicina
de los Estados Unidos, la American Psychological Association y una amplia
red de instituciones de América Latina, Portugal y España.
Otras veces el informe se presenta oralmente en algún congreso, seminario

u otro tipo de reunión científica.
Ejemplos. Son numerosos los congresos que se celebran cada año, de

temáticas generalistas o muy especializadas. Muchas sociedades y
organizaciones científicas y profesionales informan de muchos de ellos a
través de sus páginas webs.
I) Identifique o procure la adaptación del formato del informe al medio en

que se comunique, sin perder lo fundamental de su estructura
Cada medio o foro tiene algunas particularidades que se convierten en

factores a tener en cuenta en la comunicación de los informes, al
condicionarla de distintas formas.
Si se pretende publicar el informe como artículo, es recomendable evaluar
285
cuál es la revista a la que conviene enviar el original por ser adecuada al
contenido y aportaciones del trabajo realizado. Debe tenerse en cuenta que
todas ellas exigen no haber enviado simultáneamente el mismo original a
otras revistas. Como además el original recibido por la revista es evaluado
por dos o más revisores anónimos, y en caso de ser aceptado probablemente
ha de ser modificado una o varias veces antes de su publicación, acertar en la
elección de la revista puede ahorrar mucho tiempo.
Ejemplos. Entre generalistas y especializadas en temáticas más o menos

específicas, son muy numerosas las revistas a las que puede someterse el
informe para su posible publicación. La consulta de cualquiera de las bases
de datos arriba señaladas u otras, y el conocimiento de las revistas existentes
en la temática apropiada y de nivel y tipo de los trabajos publicados, pueden
ayudar considerablemente en tal elección.
Elegida la revista, debe ajustarse el original a las instrucciones de dicha

publicación.
Ejemplos. La mayoría de las revistas en Psicología y otras profesiones

exigen las normas de la ya citada APA, aunque algunas añaden
recomendaciones específicas, como por ejemplo las de Virués-Ortega y
Moreno (2008) para informes psicológicos de casos clínicos, o las de Elliott,
Fischer y Rennie (1999) para estudios de corte cualitativo en Psicología y
campos relacionados.
Por su parte, en las comunicaciones orales debe tenerse en cuenta que

dicho código no suele prestarse a la exposición de los detalles de la
investigación y a su comprensión por parte de los receptores de la misma
manera que lo hacen las versiones escritas. La exposición oral debe ser más
sintética y escueta, limitándose a lo central, y más aún porque no suele
disponerse de mucho tiempo para ella.
Ejemplos. Deben tenerse en cuenta las orientaciones existentes al respecto,

como expresarse con claridad y seguridad tanto de modo verbal como no
verbal, conectando con el auditorio a través de la mirada, o introduciendo
286
algo de humor sin que distorsione lo que se comunica si así se ve conveniente
y apropiado, eligiendo además una forma adecuada y no abrupta de iniciar y
terminar la intervención (Solé, 2007; Vallejo-Nágera, 2010).
Las exposiciones orales pueden verse favorecidas con la ayuda de medios

informáticos y audiovisuales, en los que también deben tenerse en cuenta
recomendaciones dirigidas a lograr que ayuden y no dificulten la
comprensión.
Ejemplos. El contraste acusado entre fondo y letras o signos, de tamaño

adecuado, el uso de gráficos más que de textos, que estos sean lo más breve
posible y nunca leídos, y que sean complementos y nunca el centro de la
exposición, son algunas de las recomendaciones que pueden y deben tenerse
en cuenta (Baluart.Net, 2007; Reynolds, s.f.).
Sea escrita u oral, cuando la comunicación va dirigida a personas legas en

la materia debe facilitarse especialmente la comprensión de lo expuesto pero
sin perder precisión, así como ajustarse a sus objetivos.
Ejemplos. Ello incluye añadir fecha de realización del informe y firma de

quien lo ha hecho. Así debe ocurrir en los informes periciales realizados para
asuntos judiciales, en los entregados a las personas estudiadas o a sus
responsables legales, o a instituciones que hayan encargado el estudio.
En todos los casos (ver figura 11.2), ha de tenerse presente que los
informes han de transmitir objetivos, procesos y resultados científicos. Por
tanto no debe obviarse la presentación de qué se ha estudiado, por qué y
cómo se ha hecho, con qué resultados y qué conclusiones se consideran
alcanzadas. Además, han de poner de manifiesto cómo se ha procurado que
todo ello cumpla lo más posible con las tres propiedades constitutivas de
validez, a la vez que señalen las inevitables limitaciones y fallos detectados
antes, durante y después de la realización del trabajo. Recuérdese que el
método de la ciencia no asegura la verdad de sus conclusiones, pero sí debe
ofrecer sus resultados de la manera más reproductible y evaluable posible
para facilitar las pruebas de replicación y la potencial detección de errores.
287
Figura 11.2. Comunicación de la investigación.
El presente capítulo muestra las principales competencias referidas a las
288
conclusiones derivadas de lo hecho y obtenido en las investigaciones, así
como a la comunicación de todo ello. Como en capítulos previos, tales
competencias están expresadas tanto para guiar la lectura e identificación de
conclusiones y comunicaciones ya logradas como para decidir y obtener las
propias.
289
Al igual que el resto de competencias de la investigación científica, también
las conclusiones y la comunicación de las investigaciones han de ser
sometidas a los requisitos de validez, en términos de sus tres propiedades.
12.1. Evaluar y procurar la validez de las conclusiones
Las competencias que se detallan en este apartado son presentadas respecto a

las conclusiones sobre la validez del estudio, a los resultados obtenidos y a su
conexión con la literatura revisada (ver figura 12.1). Todas ellas pueden
aplicarse en cualquier situación de investigación, independientemente de su
carácter más planificado o más exploratorio.
A) Considere o procure la validez de las conclusiones planteadas acerca de la

validez de la investigación
Ha de revisarse si esas conclusiones son ajustadas a lo que exige la validez

en los diferentes elementos y competencias de la investigación.
Ejemplos. Se estaría incumpliendo el ajuste de estas conclusiones cuando

se tuviera en cuenta tan solo la evaluación de la validez en la recogida de
datos pero no en su análisis, o viceversa. Debe evitarse concluir
indebidamente sobre cómo los resultados responden al objeto de estudio a
pesar de haber obtenido una fiabilidad muy baja en los datos.
También debe analizarse si son precisas cada una de las conclusiones

sobre validez, si posibilitan la replicación que supondría que ante una misma
290
investiga ción distintos profesionales conocedores del tema investigado
llegaran a conclusiones similares sobre su validez.
Ejemplo. No sería preciso considerar a la validez obtenida como

"intermedia" sin especificar mayor detalle.
Asimismo, deben analizarse posibles solapamientos en las conclusiones

sobre la validez del estudio tanto en su conjunto como en cada una de sus
fases.
Ejemplos. Se confundirían conclusiones si no se diferenciaran las referidas

a la validez en el análisis de datos y en la recogida de datos, o no se
distinguieran problemas de validez en el tratamiento de datos y en su
interpretación.
B) Considere o procure la validez de las conclusiones acerca de si los

resultados responden y cómo al objeto de estudio de referencia
En la medida en que pueda defenderse una suficiente validez en la

sucesivas fases de la investigación, ha de revisarse si la respuesta obtenida
con la investigación es precisa, ajustada y no se confunde con alguna otra.
Será precisa en la medida en que pueda ser entendida con claridad y por
tanto replicable en el sentido de que, ante los mismos resultados, otras
personas con la formación adecuada puedan llegar a las mismas conclusiones.
Ejemplos. Las conclusiones deben señalar con precisión a qué objeto de

estudio y contexto se refiere, así como la estructura y el tipo de valores que
consideran.
Recuérdese en todo caso que las replicaciones no siempre dan los mismos
resultados exactamente, lo que supone que hay excepciones a los resultados
que se encuentran. Por tanto, debe evitarse caer en el error de rechazar unos
resultados claros y válidamente obtenidos por ponderar más de lo debido las
excepciones que presenten.
291
Ejemplos. No es profesional rechazar la abundante literatura que avala la
considerable relación entre tabaco y cáncer sobre la base de conocer algunas
personas que fumando abundantemente viven hasta una avanzada edad.
Las conclusiones serán ajustadas también en la medida en que se afirme

sobre el objeto de estudio y contexto planteados lo que los resultados
permitan y solo ello. Si se concluye más de lo que permiten los resultados y
el contexto en el que han sido encontrados, se estará cometiendo un sesgo por
exceso, una sobregeneralización o generalización excesiva.
Ejemplos. Se estaría haciendo así al afirmar en un determinado estudio que

"la cafeína tiene efecto sobre la memoria" sin matizar que los resultados
encontrados sobre la relación entre cafeína y memoria han sido obtenidos
solo en una muestra de sujetos, con unos determinados valores de cafeína,
con una determinada prueba para medir la memoria, y en determinadas
circunstancias de medio e investigativas, todo lo cual no puede considerarse
representativo de poblaciones mucho más amplias y menos aún de la
población universal como parece indicar la expresión arriba señalada.
Las conclusiones sobre cómo se ha respondido con la investigación al

objeto de estudio tampoco deberán referirse a menos aspectos de los debidos.
Si así lo hacen, implicarán sesgos por defecto, ya sean positivos o negativos
según que los resultados primados indebidamente sean los favorables o los
desfavorables a lo que se pretende o sostiene.
Ejemplos. Considere por ejemplo un experimento longitudinal realizado

con 30 sujetos, en 18 de los cuales los resultados apoyan la hipótesis
planteada, no sucediendo así en los 12 restantes. Cualquier conclusión que se
fije en exclusiva en los casos positivos o negativos, restando importancia al
resto, estaría sesgando las conclusiones, que deberían incluir y tener en
cuenta a ambos.
292
Figura 12.1. Validez de las conclusiones de la investigación.
Por su parte, las conclusiones sobre las respuestas dadas al objeto de

estudio con la investigación estarán diferenciadas en la medida que no se
solapen con las de otro tipo.
Ejemplos. Se estaría cometiendo una confusión cuando las conclusiones
293
sobre cómo los resultados responden al objeto de estudio no se diferenciaran
de las referidas a cómo responden a otro concepto distinto del objeto de
estudio.
C) Considere o procure la validez de las conclusiones sobre la conexión entre

lo encontrado y la literatura revisada
Debe revisarse también si las conclusiones referidas a la conexión entre

resultados y estado de la literatura son precisas, ajustadas a esos dos
elementos y no se confunden con alguna otra.
Ejemplos. Han de evitarse imprecisiones que dificulten la replicabilidad de

las conclusiones sobre la mencionada conexión, generalizaciones excesivas,
sesgos y confusiones de ellas.
12.2. Evaluar y procurar la validez de la comunicación
Al ser parte fundamental de la actividad científica, también la comunicación

de lo investigado debe ajustarse a las propiedades de validez.
Cuando se trata de un informe propio, la atención a su validez debe

prestarse antes, durante y después de su elaboración, atendiendo en esos tres
momentos a su precisión, ajuste y diferenciación. Antes de elaborarlo,
especialmente si no se tiene suficiente práctica en esta competencia, es
aconsejable hacer algún esquema organizador del contenido a informar,
anotando ideas que no deben dejar de expresarse. Mientras que se escribe,
debe tratarse de cumplir con las tres propiedades de validez. Y una vez
elaborada la primera versión, debe revisarse varias veces con la misma
finalidad.
Las competencias que siguen orientan sobre cómo plantear y evaluar la

validez de las comunicaciones cualquiera que sea su formato y población a la
que vayan dirigidas. Por tanto, son útiles para quien confeccione la
comunicación y para quien la lea o escuche (ver figura 12.2).
294
A) Identifique o procure el ajuste de la comunicación a lo hecho y obtenido
en la investigación de la que se informa
Ese ajuste a lo hecho, analizado y concluido supone expresar todo ello sin
que falte la descripción de todo lo relevante ni se incluyan aspectos que no lo
sean. Cualquiera que sea el formato o foro de presentación o publicación, las
comunicaciones han de contener la información suficiente y adecuada sobre
qué se ha hecho, cómo y con qué resultados y conclusiones.
Ejemplos. Una comunicación oral con tiempo máximo de unos diez

minutos, como es habitual en congresos y otras reuniones profesionales,
obligará a seleccionar la información a presentar, reduciéndola respecto a la
que se tendría en un informe escrito a someter a una revista para su
publicación como artículo. Sin embargo, esa reducción no debe ser óbice para
presentar una muestra suficientemente representativa de objetivos, recogida y
análisis de datos, más conclusiones.
El ajuste de la comunicación se consigue a través de cada una de sus

partes.
Ejemplos. El título debe reflejar el tema, el resumen ha de recoger lo

hecho y encontrado, y el contenido de cada apartado debe corresponderse con
su objetivo.
Y recuerde que el ajuste no solo implica que aparezca todo lo relevante,

sino que no sobre nada de lo que se exprese.
Ejemplos. A veces se tiende a incluir tablas y gráficos que no suponen

ayuda adicional a los textos verbales. En Conclusiones y en el resto de
apartados pueden aparecer digresiones o comentarios irrelevantes, que se
apartan del tema en estudio.
Al ajuste de la comunicación colabora también la coherencia o conexión

entre sus distintas partes, aspecto importante de la comunicación al deber
constituir un todo conjuntado y bien integrado, y no una mera suma de
295
apartados sin suficiente conexión.
Ejemplos. El problema y objetivo deben estar conectados con las razones

para estudiarlo, el método con el problema y objetivo, las distintas partes del
método entre sí, los resultados con este, y las conclusiones con dichos
resultados y objetivos.
B) Considere o procure la precisión de todo lo expuesto en las

comunicaciones de lo investigado
Esa precisión debe estar presente en cada uno de los elementos de la

comunicación, reduciendo la posibilidad de interpretaciones ambiguas o
indebidas por parte de quien lo lea, y permitiendo la reproductibilidad de
todos sus elementos a quien esté interesado. Es algo fundamental para una
adecuada transmisión de lo que se desea comunicar y compartir con la
comunidad profesional científica.
Ejemplos. La precisión en los diferentes subapartados de método es

especialmente importante para facilitar la replicación al ocuparse de cómo se
hizo el estudio. Si el título expresa con claridad la estructura y contenido del
objetivo estudiado, ayuda a quien lo lea a decidir si le interesa o no pasar a
leer el resumen y el informe al completo.
Al elaborar el informe ha de tenerse en cuenta que quien lo lea no ha

participado en la investigación y por tanto debe ser informado conveniente y
claramente de todos los aspectos de la misma. Por ello una buena medida al
redactar es ponerse en el lugar de esas personas para hacerles entender lo
hecho y concluido. Con tal fin, las normas o estándares existentes para esa
elaboración son una buena ayuda.
Ejemplos. Un uso inadecuado o incompleto de las normas para referir cada

tipo de documento utilizado puede ocasionar que una referencia incluida en la
lista correspondiente no pueda ser identificada como libro, capítulo, artículo
de revista u otro formato, lo que dificulta su localización y consulta.
296
C) Considere o procure la diferenciación entre los elementos de la
comunicación de lo investigado
En la exposición de lo hecho y obtenido han de evitarse confusiones o

solapamientos entre los distintos componentes del informe. Deben evitarse
repeticiones de un mismo contenido en distintos apartados, así como mezclar
contenidos de unos y otros.
Ejemplos. Ocurriría por ejemplo si se expusieran contenidos del apartado

de Materiales o Instrumentos en Procedimiento o viceversa, o de
Conclusiones en Resultados.
D) Considere o ponga a prueba la validez de la comunicación con pruebas de

concordancia
Son diversas las pruebas de concordancia que pueden y suelen realizarse

en la elaboración de un informe. Una de ellas consiste en que quien lo
confecciona haga sucesivas lecturas de la versión lograda en cada momento.
Eso ayuda a corregir posibles errores, logrando una versión más correcta.
Espaciar en el tiempo dichas lecturas dificultará también que el recuerdo de
lo leído en la ocasión previa obstaculice percibir nuevas deficiencias a
subsanar. Se trata pues de pruebas de concordancia intrajuez, de los juicios de
una persona con lo escrito por ella hasta entonces.
Otra prueba es la que pueden aportar personas expertas en la materia que

hagan una lectura crítica del original, ya sea en calidad de colegas a quienes
se les pide esa colaboración, o como revisores anónimos a quienes las
editoriales y consejos de redacción consultan para aceptar o no los informes
que se les propone publicar. Se trata por tanto de pruebas de concordancia
interjueces.
297
Figura 12.2. Validez de la comunicación de la investigación.
Sobre las evaluaciones y críticas que pueden recibir los informes, deben
tenerse en cuenta algunos puntos como los siguientes. No existe el trabajo
perfecto y por tanto todos son mejorables en uno o más de sus aspectos. Por
298
ello, conviene recibir las críticas con serenidad, tanto si son positivas como si
son negativas. De las primeras deben sacarse, además de la satisfacción por
ellas, sugerencias con las que mejorar el informe o aspectos a retener para
futuros informes. Las negativas no deberían producir reacciones emocionales
que a nada práctico conducen; es conveniente considerar pausadamente
dichas críticas, desde el supuesto que buena parte de ellas serán razonables, y
por tanto aprovechables para mejorar lo hecho.
Para la persona que lea un informe en el que tenga interés y en cuya

elaboración no haya participado también son recomendables varias lecturas, y
más aún en la medida en que aún no se tenga suficiente experiencia en dicha
tarea. Esas sucesivas lecturas ayudan a entender adecuadamente el informe
tanto a nivel global como particular de los detalles del trabajo más relevantes,
combinando por tanto lecturas analíticas y sintéticas.
El presente capítulo muestra competencias en forma de procedimientos para

identificar y procurar validez en la obtención de conclusiones y en la
redacción de informes que comuniquen lo hecho y hallado en la
correspondiente investigación. Todo ello en términos de las tres propiedades
de validez y de las dimensiones relevantes en cada caso. Por eso, recuerde
que todo juicio sobre validez de alguno de los aspectos en particular debe
especificar qué elemento y propiedad están siendo considerados, y respecto a
qué referente
El cuadro 12.1 recoge un listado de aspectos en los que comprobar las tres
propiedades en las diferentes tareas de investigación, recogidas en términos
de lo expresado en los apartados del correspondiente informe. Sirve así como
resumen de lo expuesto hasta aquí sobre la tareas de investigación o trabajo
profesional y sobre su expresión en los informes. A ello habrá que añadir la
consideración de los aspectos éticos en cada una de las tareas, lo que es
tratado en el siguiente capítulo.
Cuadro 12.1. Lista de comprobación de requisitos de validez en los diferentes
299
apartados de un informe
300
Todos esos juicios deben ser emitidos en términos de grados más que en
los cualitativos dicotómicos de Sí o No, ya que son posibles no solo los dos
valores extremos de completa y nula validez.
Cuando se considere insuficiente la validez de algunos de los elementos

considerados existen tres alternativas posibles y no incompatibles entre sí:
mantener lo hecho informando de los fallos cometidos, aprovechar lo hecho
como estudio exploratorio mediante el que obtener nuevas posibilidades a
investigar, y realizar una nueva investigación corrigiendo fallos detectados en
lo realizado.
301
302
El Diccionario de la Real Academia Española de la Lengua define "ética"
como "conjunto de normas morales que rigen la conducta humana", aunque
podría decir que "deberían regirla", ya que no siempre lo hacen. A su vez,
"moral" aparece definido como "perteneciente o relativo a las acciones o
caracteres de las personas, desde el punto de vista de la bondad o malicia".
En consecuencia, la ética en el trabajo científico puede entenderse referida a
lo que debe y no debe hacerse en él en función de la bondad y maldad que
implique. En tal sentido, este capítulo señala la necesidad de que el trabajo
profesional o investigaciones cumplan con los estándares y criterios éticos
que la comunidad científica actual se otorga e impone a sí misma.
Aunque esos criterios pueden derivarse de fuentes diversas, sean

filosóficas, políticas, religiosas o de cualquier otro tipo, en lo que sigue son
entendidos como aplicaciones de las propiedades de validez científica. Si la
validez es el criterio valorativo y guía del trabajo correcto de la ciencia,
también puede servir de guía para hacerlo adecuadamente en el sentido ético.
El referente que da sentido a considerar la ética de la investigación en

términos de validez está integrado por los sujetos y medios estudiados,
incluyendo en éstos ámbitos amplios como los grupos y entornos a los que
pertenezcan los sujetos, el medio ambiente y la sociedad en general,
incluyendo la propia comunidad científica. Tales elementos son, por tanto, de
los tres tipos de contenidos considerados en el presente texto desde el
capítulo 1: sujetos, medio e investigativos.
En todo caso, la ética se refiere a "lo que debe ser" más que a "lo que es".
Por eso, el referente de la ética de la investigación no es siempre la realidad
303
existente para los sujetos y medios señalados, sino la deseable. La meta debe
ser el mayor bienestar a que pueda aspirarse para todos ellos, la felicidad de
los sujetos en convivencia mutuamente fructífera con su medio.
Por eso, la ética de las investigaciones se traduce no solo en evitar daños a

los elementos mencionados, sino en procurar beneficiarlos en la mayor
medida y de la manera más equilibrada posible. Ello supone tanto el respeto
hacia todos esos ámbitos y miembros, sin causarles daños o perjuicios, como
la promoción del bien común.
Cuando la situación deseable no es posible al completo, lo que se busca es

un equilibro dinámico que suponga el mayor beneficio con el menor
perjuicio. En este texto se entiende que para ello debe utilizarse en general el
criterio de los propios beneficiados siempre y cuando no entren en conflicto
con los de otros, es decir, cuando el beneficio de los sujetos y su medio no
supongan el perjuicio de otros o al menos no de mayor nivel.
Lo que supone beneficio o perjuicio no siempre es entendido de la misma

manera. Por eso cuando se dan situaciones de conflicto o dudas, las
instituciones públicas nacionales e internacionales, científicas en primera
instancia y políticas en último término, pueden convertirse y de hecho se
convierten en árbitros de los dilemas. Ese arbitraje se hace normalmente de
acuerdo a los principios vigentes en la sociedad ❑el Zeitgeist o espíritu de la
época❑ en los que en todo caso no debe olvidarse que suelen prevalecer los
intereses de los grupos dominantes.
Al derivarlos de la noción de validez, los aspectos éticos podrían haber

sido expuestos en esta obra en los diferentes capítulos dedicados a dicho
criterio. No se ha hecho así para destacar la temática en un capítulo específico
como el presente, explicitando no solo las posibilidades de incumplimientos
graves de las normas éticas, sino también las de aquellos otros que pudieran
pasar inadvertidos por su carácter o grado menor.
En definitiva, este capítulo muestra competencias apropiadas tanto para

identificar las normas éticas en las investigaciones propias o ajenas ya
304
realizadas, como para tenerlas en cuenta en las que se necesiten o deseen
realizar.
13.1. Ética en las competencias científicas
Las competencias éticas que aparecen a continuación son el resultado de

estructurar, en términos de las propiedades de precisión, diferenciación y
ajuste, las normas éticas para la ciencia en general y las ciencias sociales y de
la salud en particular, consultadas en las siguientes fuentes: Colegio Oficial
de Psicólogos de España (1993), Del Río-Sánchez (2005), International
Sociological Association (2001), Organización Médica Colegial de España
(2011) y UNESCO (s.£b).
Se presentan en tres grupos, referidos a los objetivos de las

investigaciones, a las recogidas de datos, y a su aprovechamiento para
obtener resultados y comunicar lo hecho y logrado.
A) Identifique o decida la ética de los objetivos de investigación
Los objetos de estudio que se aborden en los trabajos de la ciencia, las

preguntas que se planteen, han de procurar el beneficio de las personas y su
medio en forma de conocimientos y procedimientos que resulten provechosos
a corto, medio o largo plazo. Además, ha de evitarse cualquiera que implique
consecuencias dañinas o mal uso de los resultados que pudieran obtenerse.
Los objetivos deben procurar el respeto a la dignidad y derechos de las
personas o animales, así como el respeto al medio ambiente.
Ello supone ajuste a lo que debe ser el referente de todo trabajo de la

ciencia, debiendo favorecerse con expresiones precisas que no dejen ningún
género de duda de la calidad ética de dichos objetivos, a la vez que no puedan
confundirse con otros que no lo sean y queden enmascarados.
El contexto en el que se planteen los objetivos también debe ser tenido en

cuenta en la medida que pueda ser proclive a la aparición de problemas
éticos.
305
Ejemplos. Así sucede con poblaciones de sujetos, llamadas cautivas, que
por su posición con respecto a quien investiga pueden sentirse sin la libertad
necesaria para declinar, si así lo desearan, la petición de participar en un
estudio. Así puede ocurrir con los estudiantes a los que su profesor solicite
ser sujetos de una investigación que esté llevando a cabo, o en mayor medida
en prisiones si se estudia a internos, en hospitales si se estudia a personas
ingresadas, en la calle para los "sin techo", y en general todo contexto de
personas en situaciones de vulnerabilidad física o psicológica.
B) Identifique o procure la ética de los desarrollos de las investigaciones o

actuaciones profesionales
Asumido el carácter ético de los objetivos planteados, también su abordaje

ha de poseerlo. Los procedimientos para la recogida y el análisis de datos han
de favorecer el bienestar de los sujetos participantes en el estudio, y deben
respetar la dignidad y los derechos de las personas o animales y el medio
ambiente. Deben ajustarse a ello de manera precisa y bien diferenciada de
procedimientos con otros intereses.
Ejemplos. Las investigaciones pueden suponer beneficios físicos y de

salud como atención odontológica o acceso a anticonceptivos, y psicológicos
como oportunidad de mejoras educativas, retribución económica o incluso la
satisfacción personal por colaborar en un estudio de temas con interés social.
Aporten o no algún beneficio a los participantes y a su medio, lo que en

ningún caso deben hacer las investigaciones es someterlos a situaciones
incómodas, estresantes y mucho menos aún dañinas, sean momentáneas o
duraderas. La con secución de unos objetivos supuestamente beneficiosos de
las investigaciones no debe ser a costa de producir daños físicos o
psicológicos a personas, animales o a su medio.
Ejemplos. Serían daños físicos alteraciones cardiovasculares que pudieran

producir determinados estímulos o sustancias que se aplicaran a los sujetos.
Daños psicológicos serían ansiedad y disminución de la autoestima, u otros
de tipo social como estigmatizaciones que pudieran recibir los sujetos por
306
parte de su grupo como consecuencia de su comportamiento en determinados
estudios.
Tampoco es ético todo aquel comportamiento de quien investiga que

suponga situarse en una posición de superioridad respecto a los sujetos o
participantes, y que conduzca al quebranto de la dignidad y derechos de
estos.
Ejemplos. No es ético invadir la intimidad y privacidad de los

participantes obteniendo datos de ellos sin su consentimiento, sin informarles
de qué se está haciendo, engañándolos o forzando de alguna manera su
participación, violando en definitiva su derecho a decidir.
Los sujetos han de participar por propia voluntad manifestada

explícitamente por escrito, o con el consentimiento expreso de los
correspondientes tutores cuando así corresponda, tras habérseles informado
de manera precisa y exhaustiva de los objetivos del estudio, de si existe algún
patrocinador del mismo, del procedimiento a seguir, de problemas, riesgos y
molestias que pudieran derivarse del estudio, y del uso que se pretende dar a
los datos y resultados que se obtengan. Además, las personas que acepten
participar deben ser informadas de su derecho a renunciar a dicha
participación y abandonar en cualquier momento el estudio si este les causa
algún perjuicio o molestia, o si lo desean por cualquier otro motivo.
Durante el estudio y una vez concluido, quienes investigan deben ser

localizables por parte de quienes participen en él, y contestar a cualquier
pregunta referida a dicho trabajo, así como permitir el acceso a sus propios
datos. Para el resto de personas, esos datos han de ser confidenciales en todo
momento, tanto en su custodia como en su obtención y aprovechamiento, más
especialmente si cabe cuando se trate de información sobre aspectos íntimos
o especialmente sensibles.
En la obtención de datos debe garantizarse el anonimato cuando sea

posible, como ocurre en cuestionarios escritos, o la confidencialidad en la
custodia y uso de registros de observaciones y entrevistas. El anonimato y la
307
confidencialidad son modos de evitar daños psicológicos y sociales que se
derivarían de la pérdida de la intimidad o privacidad. En la guarda y custodia,
la confidencialidad se logra mediante el uso de códigos, claves y sistemas
seguros de protección de archivos. Asimismo, y salvo consentimiento
expreso de los implicados y porque pueda ser necesario para algún fin
determinado y razonable, la publicación de esos datos debe impedir que
pueda identificarse a sujetos concretos a partir de dichos datos, algo
especialmente posible cuando se estudien grupos reducidos o bien conocidos
en determinados contextos. También de todo ello deben ser informados los
participantes.
Aparecen dilemas especiales en aquellas investigaciones que podrían

llamarse encubiertas, aquellas que por la temática en estudio o por el método
a utilizar se realizarían sin conocimiento ni consentimiento previo de los
participantes. Así ocurre con los estudios naturalistas y experimentos de
campo. Todos los casos, especialmente los recién comentados, han de
someterse a juicios de comités éticos existentes en diversas instancias como
universidades, colegios profesionales u organismos estatales. En todo caso,
esa petición de asesoramiento y autorización no exculpa de responsabilidad a
quienes lleven a cabo la investigación, ni les suprime la obligación de
informar a los participantes o a sus tutores una vez finalizado el estudio,
aceptando las consecuencias que unos u otros decidieran adoptar.
C) Identifique o procure la ética en la obtención de conclusiones y en las

comunicaciones de las investigaciones o actuaciones profesionales
En la obtención de conclusiones y en la comunicación oral o escrita de lo

investigado ha de tenerse especial cuidado en no tergiversar lo hecho y
obtenido, ya sea intencionalmente o por descuido, ya sea por decisión propia
o por inducción de algún agente externo o patrocinador que pueda estar
interesado en que aparezcan unos determinados resultados. Por ello debe
ponerse especial cuidado en no sesgar los resultados al interpretarlos de
manera que sostengan a la hipótesis planteada o a determinadas conclusiones.
Debe evitarse prestar más atención a los resultados favorables que a los
desfavorables. Y debe evitarse generalizar más allá de lo que permiten las
308
circunstancias y límites del estudio.
Igualmente debe evitarse expresar las conclusiones y el resto de la

investigación de manera imprecisa o ambigua con el fin de que parezca que
se dice lo que no permiten decir lo hecho y obtenido. Tampoco deben
utilizarse expresiones que den pie a la confusión o falta de diferenciación
entre afirmaciones correctas y otras que no lo son.
Ejemplos. Ello puede ocurrir no solo con los textos verbales. Los gráficos
pueden manipularse, por ejemplo en sus escalas, para que aparezcan efectos
más importantes de los encontrados en realidad. Es una de las múltiples
formas de engaño que pueden llevarse a cabo con la Estadística, tal como
mostró hace muchos años Huff (1958/2011) en una obra de considerable
éxito desde su primera edición.
Si las prácticas no éticas referidas hasta aquí pueden calificarse de

manipulación condenable de los datos recogidos, otra a evitar es la invención
o fabricación de datos no obtenidos. Por ello y para mostrar si hiciera falta
que no se ha cometido tal engaño, deben custodiarse los datos brutos de cada
investigación. Ello incluye la veracidad en los contenidos que se dicen
tomados de trabajos previos, que por tanto deben ser citados.
Otra práctica antiética es el plagio de ideas de otras personas haciéndolas

pasar como propias al no citar las fuentes. El plagio incluye tanto la copia
literal como el parafraseo o expresión de ideas tomados de otras personas a
las que se les cambia la redacción para exponer el mismo contenido. El plagio
es por tanto inducir a la confusión, no diferenciando entre la autoría real y la
falsificada u ocultada.
Por último es ético, ajustado a una buena práctica con la comunidad

científica, comunicar cualquier error no intencionado detectado tras la
publicación y que altere lo que ella trasmite. Debe ser rectificado
públicamente, con una difusión similar a la que tuvo el error.
Todas estas competencias, referidas a conclusiones y comunicación de lo
309
hecho y obtenido, deben ser la culminación de las desarrolladas de manera
ética en todas las fases anteriores de las investigaciones. En todas ellas,
quienes las realizan han de desempeñarse de la manera más competente
posible, con la formación adecuada y suficiente, tanto en lo sustantivo como
en lo metodológico, poniendo todo ello al servicio de la sociedad y la
comunidad científica, lo cual además les reportará legítimos beneficios
profesionales y personales.
Figura 13.1. Ética en el trabajo científico.
310
El presente capítulo ha mostrado competencias para identificar y procurar
comportamientos éticos en la investigación, en cada una de las fases de esta
(ver figura 13.1).
Todas ellas están expresadas en términos de las tres propiedades de validez

al entender la ética respecto a un referente conformado por la situación
deseable para los sujetos de los estudios y su medio, incluyendo en este
último a la sociedad y el medio ambiente en general, sin olvidar a la propia
comunidad científica como agente de los conocimientos y transformaciones
derivadas de sus investigaciones.
311
Las sucesivas partes de esta obra han mostrado las principales competencias
requeridas para plantear y responder preguntas con la mayor validez posible,
a la manera de la ciencia. Tales competencias han sido expuestas en forma de
guías a seguir, y en términos tanto de las dimensiones presentes en todo
concepto como de las tres propiedades constitutivas de validez. Además, han
sido consideradas para las situaciones más delimitadas o más abiertas en las
que se precise investigar, y en los niveles micros o macros adecuados a cada
ocasión.
Unidad del método de la ciencia y variedad de tipos de investigación
El proceso de plantear y responder preguntas con la mayor corrección posible

constituye cualquier práctica profesional del ámbito científico y ello a la vez
supone investigar. Por tanto, toda práctica profesional constituye una
investigación que ha de realizarse con la mayor validez posible, por lo que la
metodología de la ciencia va estrechamente unida al desarrollo de las
profesiones de tal tipo.
Así ocurre con actividades como las de diagnóstico de problemas,

tratamientos clínicos, cualquier tarea de emprendimiento como proyectos
para creación de empresas, planificaciones de actividades como las de
intervención comunitaria, evaluación de todo lo anterior, o la construcción y
depuración de instrumentos, entre otros muchos casos. Como otro ejemplo,
puede consultarse el monográfico sobre metodología al servicio del
psicólogo, que incluye el estado de la cuestión de doce temáticas relevantes
(Ponsoda, 2010).
La identificación entre actividad profesional e investigación se reafirma al

considerar la variedad de posibilidades del proceso de "preguntar-responder
de manera válida", derivadas de diversos criterios recogidos en los capítulos
de este libro y resumidos en la figura Ep. 1.
312
Figura Ep. 1. Tipos de investigación o actuación profesional.
Según el ámbito en que se desarrollan, hay investigaciones o actuaciones

profesionales de orientación nomotética, que se ocupan de temáticas
consideradas en términos que pretenden ser útiles para un amplio número de
313
contextos, mientras que otras son de tendencia idiográfica en el sentido de
desarrolladas en y para ámbitos o contextos específicos de la realidad.
En los dos tipos anteriores hay investigaciones o actuaciones profesionales

básicas, centradas sobre todo en la obtención de conocimientos, mientras que
otras son tecnológicas, interesadas fundamentalmente en el logro de cambios
en la realidad.
Según el tipo de evidencias que se recojan o consideren para responder a

las preguntas que se planteen, hay investigaciones o actuaciones
profesionales empíricas por estudiar directamente aspectos constitutivos de la
realidad, mientras que otras serían teórico-conceptuales si se ocupan de
elaboraciones o evidencias indirectas, incluyendo por tanto los estudios
históricos.
Según el grado de planificación o estructuración previa en las actuaciones

o investigaciones de una profesión científica, algunas de ellas parten de
objetivos suficientemente especificados, mientras que en otras no sucede así
por insuficiente desarrollo de la temática abordada. Las primeras pueden ser
planificadas en cada uno de sus pasos, mientras que las segundas,
denominadas exploratorias, van delimitando sus procedimientos y objetivos
mientras recogen y analizan datos obtenidos sin un plan previo
suficientemente estructurado. Esta distinción ha sido ligada en muchas
ocasiones a la dualidad cualitativa-cuantitativa en metodología, tanto a nivel
epistemológico como en lo referido a las recogidas y análisis de datos,
aunque como ya señalaban capítulos anteriores ambos tipos de
investigaciones se dan en una y otra metodología.
Es más, las posibilidades de investigaciones planificadas y exploratorias

no son estancas, pueden conectarse en el curso de las investigaciones, como
lo muestra la figura Ep.2. Como han venido señalando las sucesivas partes de
este texto, tener o no planteado un objeto de estudio conduce a tareas
planificadas o exploratorias, sean estas de recogida o análisis de datos. Lo
que ocurre es que el planteamiento de un objeto de estudio puede darse tanto
antes como después de cada una de esas tareas.
314
En resumen, puesto que los criterios señalados son compatibles entre sí,
permiten caracterizar cada investigación o actuación profesional según cada
uno de ellos, siendo posible encontrar en algunas las dos posibilidades
señaladas a efectos simplificadores. Así sucede, por ejemplo, con las
llamadas "investigaciones mixtas" compuestas de aspectos cualitativos y
cuantitativos.
Figura Ep.2. Conexiones entre investigaciones exploratorias y confirmatorias.
315
Unificación de la metodología cualitativa y metodología cuantitativa
Concebir así las cosas ayuda a una noción más integral del método de la
ciencia y sus potencialidades, abarcando sus diferentes concreciones. En este
sentido, los párrafos que siguen explicitan ideas subyacentes a la concepción
sobre el método científico desde la que se ha escrito este texto, situando a
este ante la disyuntiva que a veces se plantea en las ciencias sociales y de la
salud entre metodología cualitativa y metodología cuantitativa.
En primer lugar, en este texto se entiende que ambas metodologías fueron

y son productos de épocas determinadas, respuestas a determinados
problemas tomados en consideración en ciertos momentos.
La llamada metodología cuantitativa ha sido descrita a grandes trazos por

su énfasis mayoritario en el seguimiento de una serie de fases sucesivas y
bien establecidas, estructuradas a partir de objetivos correctamente
delimitados, y potenciadas por el uso de la Estadística y otras matemáticas,
todo ello realizado con el mayor rigor para el logro de conocimientos lo más
normativos y generales posibles. Esa concepción, culminada sobre todo en la
primera mitad del siglo xx, puede considerarse heredera de tradiciones
empiristas y positivistas de décadas previas, en las que la búsqueda de
objetividad y la fundamentación del conocimiento en evidencias y raciocinio
se consideraron necesarias para evitar la imprecisión y el oscurantismo.
Frente a algunos énfasis de esa posición, la denominada metodología

cualitativa subraya diferentes aspectos con diversos puntos comunes como
los siguientes: El hincapié en comprender lo idiosincrático de cada situación
antes o más que un interés por las explicaciones mediante leyes generales, la
concepción de la investigación como una interacción en permanente
desarrollo entre lo que se estudia y cómo se estudia, y también entre lo
estudiado y quien lo estudia, así como la implicación de las investigaciones
en el cambio o modificación de la realidad investigada.
A partir de los aspectos reseñados ha sido frecuente que ambas

metodologías hayan enfatizado sus diferencias, presentándose como
316
mutuamente excluyentes. Sin embargo, como se va abriendo paso cada vez
más, y aquí se defiende, seguir manteniendo esas diferencias como radicales
y mutuamente excluyentes no parece conveniente ni necesario dado que
existen razones para percibir y aprovechar una mutua complementariedad
entre ellas.
Esa complementariedad se nutre de las aportaciones más relevantes de

cada metodología en dos sentidos, el procedimental o técnico y el
epistemológico, referidos respectivamente a los modos de realizar y de
concebir el investigar.
Respecto a lo procedimental, y como muestra esta obra, los modos de

actuar más propios de cada metodología son útiles y adecuados para
determinadas situaciones y circunstancias. En el avance de la ciencia en
cualquiera de sus temáticas, en algunos momentos tiene más sentido centrarse
en lo particular e idiosincrático y en otros en lo general y normativo. De igual
manera, a veces es conveniente la exploración de lo poco conocido con
procedimientos lo más abiertos posible, y en otras debe primar la
confirmación de lo explícitamente planteado utilizando procedimientos
estructurados de antemano.
Respecto a lo epistemológico, sobre la concepción de la ciencia y su

metodología, es fundamental el hincapié que la metodología cuantitativa pone
en la necesidad de validez como criterio central para admitir resultados y
conclusiones, algo que buena parte de la cualitativa acepta aunque introduzca
matices y diferencias que resaltan con distintas denominaciones (Ruiz-
Olabuénaga, 1996; Sandín, 2000), algunas ya señaladas en capítulos previos.
Así es posible identificar correspondencia de representatividad o validez
externa con credibilidad o veracidad, transferibilidad y aplicabilidad, y de
fiabilidad con dependencia de los datos respecto a determinados factores.
Otras veces se mencionan también la autenticidad y plausibilidad (Carpenter
y Hammel, 2000), en lo que podría entenderse como correspondencia
respectivamente a ajuste y fiabilidad. Esta también resulta identificable en
términos de confirmabilidad y estabilidad. Por el contrario, ningún término
parece señalar clara y específicamente la diferenciación o no solapamiento de
317
conceptos, aunque en algunas interpretaciones cabría pensar que el término
credibilidad es usado en ese sentido al asociarlo a validez interna (Sandía,
2000).
En cualquiera de los casos, el consenso y la comunicación pública entre

profesionales, así como sus conocimientos e intervenciones en la realidad,
han de estar basados en la validez de todos sus pasos, en las tres propiedades
aplicadas a todas las tareas de la ciencia como recogen las diferentes partes
de este texto, y que pueden encontrarse ya explicitadas por Descartes
(1637/2008). La primera condición para ubicarse en ciencia es aceptar la
posibilidad de incorrecciones o error en todo proceso de investigación, y en
consecuencia tratar de detectarlo, evitarlo y corregirlo. No hacerlo supone
situarse en terrenos diferentes que no deberían ser presentados con las
mismas pretensiones de cientificidad.
La búsqueda de la generalidad de los conocimientos y conclusiones es otro

aspecto importante aportado por la metodología cuantitativa y que, a pesar de
ser rechazada a veces como objetivo en la otra perspectiva, resulta difícil de
soslayar de manera completa. Es obvio que lo particular tiene un papel
fundamental en la actividad científica, pero no debe olvidarse que ello no
suele ser el objetivo en sí mismo, y que la generalización es consustancial
con la ciencia. Toda investigación, incluso las más idiosincrásicas, las más
centradas en objetos de estudio particulares, utilizan algún tipo de
generalización o abstracción de casos particulares, como sucede al
categorizar y percibir como semejantes diversas ocurrencias o hechos
puntuales. Por tanto, renunciar a generalizar a determinados niveles más
amplios que resulten accesibles supone obstaculizar la adquisición de
conocimientos e intervenciones de amplia aplicabilidad.
Por su parte, la metodología cualitativa ha realizado aportaciones de

interés a niveles epistemológicos, ya asumidas en cierta medida por la
metodología cuantitativa. Una de ellas es la asunción, expresada en este texto,
de que la recogida de datos siempre es subjetiva en el sentido de que se
percibe según los esquemas de quien la realiza y no como un ajuste
impersonal y aséptico a la realidad, por lo cual siempre resulta interpretada.
318
Precisamente por eso, la objetividad debe y puede ser entendida en ambas
metodologías como subjetividades compartidas, basadas en evidencias
comunicables y sobre las que se pueda coincidir.
Otro aspecto resaltado por la metodología cualitativa es que esos esquemas

de referencia no son únicamente del individuo que investiga sino que tienen
una dimensión social, cultural e ideológica. Esto lleva en muchos casos a
intervenir en los aspectos de la realidad con relevancia social, algo por otra
parte no ajeno a lo cuantitativo, como muestra la Historia de las ciencias y
tecnologías más desarrolladas. La reflexión acerca de implicaciones sociales,
personales, ideológicas, éticas y sobre la responsabilidad de quien investiga
es una reclamación cada vez más asumida por todas las orientaciones
metodológicas. La ética en la investigación de las ciencias sociales y de la
salud, entendida como respeto a las personas, animales y su medio, a quienes
debe beneficiarse y no dañar con las investigaciones está presente de manera
abundante en la ciencia actual. Así lo muestran los códigos deontológicos de
las profesiones científicas y las comisiones que deben evaluar y aprobar los
aspectos éticos de los proyectos de investigación.
Esta preocupación incluye también otro aspecto reclamado por la

metodología cualitativa, como es el reconocimiento del estatus de poder
poseído por la comunidad científica frente a la sociedad. Este reclamo es
asumido cada vez más por toda metodología, e incluso resulta apoyada por la
comunicabilidad que la ciencia reclama, ampliándolo a toda la sociedad para
someterse al juicio y control de ella. Los propios procedimientos que
practican las profesiones científicas contienen así los medios para que la
sociedad pueda protegerse de posibles abusos por parte de la comunidad
científica.
En definitiva y a la luz de lo expuesto, la complementariedad que se

propone y se practica entre metodologías, más que como una mera
conjunción de ellas puede entenderse como una integración para conformar
una única metodología científica más rica. Negar esta integración desde
cualquiera de las dos mencionadas metodologías y seguir considerando a
cada una irreconciliable con la otra supondría apartarse de la senda de otras
319
disciplinas que se desarrollan por integración y acomodación de aportaciones
previas. La parcelación en distintas metodologías supondría una solución ad
hoc, creada para casos que se quieren percibir diferentes, y que no sería sino
una salida en dirección contraria a la de sumar esfuerzos al desarrollo común
de la ciencia. En este sentido, y aunque las llamadas de atención sobre
excesos o limitaciones de una y otra metodología han sido exitosas y
convenientes, querer mantener a ambas en troncos diferentes de la ciencia
supone el riesgo de desgajarlas de esta. Así pues, más que una metodología
mixta como se reclama a veces, esta obra entiende más adecuada una
metodología unificada, síntesis integradora de las distintas aportaciones en la
línea aquí expuesta.
Esa complementariedad potenciadora señalada y posible evitaría enroques

en posiciones particularistas que limitarían las utilidades que el método de la
ciencia puede tener para la sociedad.
320
El método de la ciencia en las relaciones personales de la vida cotidiana
En las utilidades de la ciencia no sobrarían las que cualquier persona puede

aprovechar para su vida en general. Muchos de los principios y criterios aquí
expuestos sobre el método de la ciencia podrían ser beneficiosos si fueran
tenidos en cuenta y se aplicaran a muchas situaciones cotidianas, pues
favorecerían relaciones personales más sanas y emocionalmente adaptadas.
No se trata de actuar como profesionales en la vida ordinaria, pero sí tener en
cuenta algunos elementos de la ciencia.
Por ejemplo, en muchas ocasiones sería beneficioso utilizar y comunicar

conceptos lo más precisos posible, evitando malentendidos. Esa claridad
ayudaría a diferenciar entre ideas que se expongan y otras diferentes,
evitando confusiones. Sería conveniente también que los juicios sobre otras
personas y situaciones estuvieran basados en datos propios, constatados de
manera directa, evitando actuar "de oídas", por hipótesis emitidas por otros
sin haberlas constatado. En lugar de suponer cosas sobre otras personas, o de
interpretar los motivos que les llevan a actuar de una determinada manera,
deberían obtenerse datos directos sobre el tema, si es necesario preguntando
directamente a las implicadas. Y cuando fuera conveniente, sería útil algún
tipo de prueba de fiabilidad, como observar si lo que dicen que hacen es
coherente con lo que se puede ver que hacen, u observar la posible
consistencia de lo que hacen en distintas situaciones similares.
Asimismo, la toma en consideración de evidencias debería hacerse

evitando sesgos como fijar la atención solo en los casos que avalan las
propias ideas previas. Una consecuencia frecuente e indeseada de esos sesgos
es la sobregeneralización, juicios aplicados a un ámbito mucho mayor del que
capacita la muestra de casos tenida en cuenta. Calificar de una determinada
manera a las mujeres o a los hombres en general, o a las personas de una
determinada religión, nacionalidad o etnia, son ejemplos de esas
321
generalizaciones inadecuadas por excesivas e injustificadas.
No debería olvidarse tampoco que las evidencias y los juicios derivados de

ellas dependen del punto de vista desde el que hayan sido registrados. Por eso
no tienen mucho sentido discusiones sobre cuál de dos o más puntos de vista
es el verdadero de manera absoluta. Puesto que todos los interlocutores
pueden percibir adecuadamente las cosas según su respectivo punto de vista,
es preferible llegar a acuerdos o consensos en lugar de imponer un punto de
vista como el único correcto. Esos acuerdos resultan muy beneficiosos en los
ámbitos familiares, laborales, de pareja, políticos y sociales. Respetar otros
puntos de vista facilita evitar imposiciones y exigencias de quienes creen
estar en posesión de la única verdad.
Para valorar muchas conductas, opiniones y situaciones, las escalas

ordinales y politómicas suelen ser más útiles y adecuadas que las cualitativas
y dicotómicas. Muchas cosas de la vida cotidiana tienen grados y no son
simplemente ciertas o falsas. Cuando son evitables, las dicotomías suelen
llevar a exageraciones y extremos que no suelen favorecer las soluciones de
conflictos ni una percepción ajustada del mundo.
Y para terminar estas ilustraciones, recuérdese que en todas las actividades

humanas, incluidas las de mayores garantías como son las de la ciencia, la
posibilidad de error está siempre presente. Por tanto sería muy saludable que
cada quien admitiera para sí mismo y los demás esa posibilidad, y estuviera
dispuesto a corregir los cometidos. Entre otros beneficios, ello supondría
admitir críticas u opiniones de otras personas, facilitando el aprendizaje y
mejora aquellas que puedan considerarse razonables y fundamentadas.
322
Abad, F. J., Olea, J., Ponsoda, V. y García, C. (2011). Medición en ciencias
sociales y de la salud. Madrid: Síntesis.
American Psychological Association (2009). Publication manual of the

American Psychological Association (6.a ed.).Washington, DC: Autor.
(Versión en español, 2010. México, D.F.: El Manual Moderno).
Anguera, M. T. (1992). Metodología de la observación en las Ciencias

Humanas. Madrid. Cátedra.
Arnau, J. (2001). Diseños de series temporales: técnicas de análisis.

Universitat de Barcelona.
Ato, M. (1995). Conceptos básicos. En M.T.Anguera, J.Arnau, M.Ato,

R.Martínez, J. Pascual y G.Vallejo (Eds.), Métodos de investigación en
Psicología (pp. 45-70). Madrid: Síntesis.
Ato, M. y Vallejo, G. (2011). Los efectos de terceras variables en la

investigación psicológica. Anales de Psicología, 27, 550-561
Balluerka, N. (1999). Planificación de la investigación: Validez del diseño.

Salamanca: Amarú.
Baluart.Net (2007). 18 tips para una genial presentación en Power Point.

Recuperado de http://www.baluart.net/articulo/ 18-tips-para-una-genial-
presentacion-power-point
Banks, M. (2001). Visual Methods in Social Research. London: Sage.
Baraldi, A. N. y Enders, C. K. (2010). An introduction to modem missing

data analyses. Journal of School Psychology, 48, 5-37. do¡:
10.1016/j.jsp.2009.10.001
323
Bejar, 1. 1. (2002). Generative testing: From conception to implementation.
En S.H.Irvine y P.C.Killonen (Eds.), Itero generation for test development
(pp. 199-217). Mahwah, NJ: LEA.
Bender, L. (2009). Test guestáltico visomotor: usos y aplicaciones clínicas.

Barcelona: Paidós Ibérica (orig. 1938).
Bertalanffy, L. von. (1993). Teoría general de los sistemas: fundamentos,

desarrollo, aplicaciones. México: Fondo de Cultura Económica (orig.
1968).
Blanco, A. (1993). Fiabilidad, precisión, validez y generalizabilidad de los

diseños observacionales. En M.T.Anguera (Ed.), Metodología
observacional en la investigación psicológica (pp.149-261). Barcelona:
PPU.
Botella, J. y Gambara, H. (2002). ¿Qué es el meta-análisis? Madrid: Siglo

XXI.
Botella, J., Suero, M. y Ximénez, C. (2012). Análisis de datos I.Madrid:

Pirámide.
Bull, P. (2001). State of the art: Nonverbal communication. The Psychologist,

14, 644647.
Camas, V. (2009). Nuevas perspectivas en la observación participante.

Madrid: Síntesis.
Campbell, D. T. y Fiske, D. W. (1959). Convergent and discriminant

validation by multitrait-multimethod matrix. Psychological Bulletin, 56,
81-105.
Campbell, D.T. y Stanley, J. C. (1973). Diseños experimentales y

cuasiexperinien tales en la investigación social. Buenos Aires: Amorrortu
(orig. 1966).
324
Carleos, C. y Corral, N. (2013). Paquetes estadísticos con licencia libre (1).
Revista electrónica de Metodología aplicada, 18, 12-37. Recuperado de
http://www.unioviedo.es/ reunido/index.php/Rema/article/view/9971/9687
Carmona, J. y Moreno, R. (1999). Structuring the domain of attitudes toward

statistics: a reanalysis of the Survey of Attitudes Toward Statistics. En
R.M.Schweizer (Ed.), Seventh International Facet Theory Conference (pp.
323-333). Berne: Universitát Berne.
Carpenter C. y Hammell K. W. (2000). Evaluating qualitative research. En

K.W.Hammell, C.Carpenter, 1. Dyck (Eds.), Using qualitative research: A
practical introduction for occupational and physical therapists (107-119).
Edinburgh: Churchill Livingstone.
Catena, A., Ramos, M. M. y Trujillo, H. M. (2003). Análisis multivariado.

Un manual para investigadores. Madrid: Biblioteca Nueva.
Cea, M. A. (2002). Análisis multivariable: Teoría y práctica en la

investigación social. Madrid: Síntesis.
Charmaz, K. (2005). Grounded theory in the 21st Century. En N.K.Denzin, y

Y.S.Lincoln, The Sage handbook of qualitative research (pp. 507-535).
Thousand Oaks, CA: Sage.
Citing sources (s. f.). En Duke University Libraries. Recuperado de

http://Iibrary.duke.edu/rescarch/citing/index.html
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational

and Psychological Measurement, 20, 37-46.
doi:10.1177/001316446002000104
Cohen, J. (1988). Statistical power analysis for the behavioral sciences.

Hillsdale, N.J.: Lawrence Erlbaum (orig. 1977).
Colegio Oficial de Psicólogos de España (s.f). Modelo de informe

psicológico forense. Recuperado de http: //www.cop.es/pdf/
325
Colegio Oficial de Psicólogos (1993). Código deontológico del Colegio de
Psicólogos. España. Recuperado de http://www.cop.es/cop/codigo.htm
Colegio Oficial de Psicólogos de España (2013). Guía del proceso de

evaluación (GAP) 1. Recuperado de http://www.cop.es/index .php?
page=guias-proceso
Cook, T. D. y Campbell, D. T. (1979). Quasi-Experimentation: Design and

Analysis for Field Settings. Chicago, 111; Rand McNally.
Cowan, S. y McLeod, L. (2004). Research methods: Discourse analysis.

Counselling & Psychotherapy Research Journal, 4, 102-120.
Cronbach, L. J. (1982). Designing evaluations of educational and social

programs. San Francisco: Jossey-Bass.
Csikszentmihalyi, M. (2011). Creatividad: El fluir y la psicología del

descubrimiento y la invención. Barcelona: Paidós (orig. 1996).
De Bono, E. (2011). El pensamiento lateral: manual de creatividad. Madrid:

Paidós. (orig. 1971).
Del Río-Sánchez, C. (2005). Guía de Ética profesional en Psicología Clínica.

Madrid: Pirámide.
Descartes, R. (2008). Discurso del método y meditaciones metafísicas.

Madrid: Tecnos (orig. 1637).
Dominowski, R. L. (1980). Research methods. Englewood Cliffs, N.J.:

Prentice-Hall.
E-Prime (Versión 2.0) [Programa informático] Psychology Software Tools,

Inc. Recuperado de http://www.pstnet.com/eprime.cfm
Elliott, R., Fischer, C. T. y Rennie, D. L. (1999). Evolving guidelines for

publication of qualitative research studies in psychology and related fields.
326
British Journal of Clinical Psychology, 38, 215-229.
Erlandson, D. A., Harris, E. L., Skipper, B. L. y Allen, S. D. (1993). Doing

naturalistic inquiry. London: Sage.
Escobar, M. (1999). Análisis gráfico-exploratorio. Madrid: La Muralla-

Hespérides.
Fauquet, J. (1998). Análisis exploratorio de datos. En J.Renom (Ed.),

Tratamiento informatizado de datos (pp. 9-40). Barcelona: Masson.
Fernández, P., Livacic, P. y Vallejo, G. (2007). Cómo elegir la mejor prueba

estadística para realizar un diseño de medidas repetidas. International
Journal of Clinical and Health Psychology, 7, 153-175.
Fielding, N. G. y Lee, R. M. (1998). Computer analysis and qualitative

research. Thousand Oaks, CA: Sage.
Fleiss, J. L. (1971). Measuring nominal scale agreement among many raters.

Psychological Bulletin, 76, 378-382. do¡: 10.1037/h0031619
Freixa, M., Salafranca, Ll. y Guárdia, J. (1992). Análisis exploratorio de

datos. Nuevas técnicas estadísticas. Barcelona: PPU.
Garriga, A. J., Lubin, P., Merino, J. M., Padilla, M., Recio, P. y Suárez, J. C.
(2009). Introducción al análisis de datos. Madrid: UNED.
Gee, J. P. (2005). An introduction to discourse analysis: Theory and method.

New York: Routledge.
Gil, J., García, E. y Rodríguez, G. (1998). El análisis de datos cualitativos. En

J.Renom (Ed.), Tratamiento informatizado de datos (pp. 41-68).
Barcelona: Masson.
Goodale, J. (2000). La entrevista. Madrid: Pirámide (orig. 1982).
327
Gutiérrez, G., Ortiz, J. A. y Piñeros, C. (2003). Observación del
Comportamiento mediante el uso de Software especializado. Avances en
medición, 1, 105-111.
Hammersley, M. y Atkinson, P. (2005). Etnografía. Métodos de

investigación. Barcelona: Paidós (orig. 1983).
Heaton, J. (2004). Reworking qualitative data. Thousand Oaks, CA: Sage
Hernández, A., Anguera, M. T. y Bermúdez, M. A. (2000). Software for

recording observational files. Behavior Research Methods, Instruments &
Computers, 32, 436-445.
Hodder, 1. (2005). The interpretation of documents and material culture. En

N.K.Denzin e Y.S.Lincoln (Eds.), Sage handbook of qualitative research
(pp. 703-715). Thousand Oaks, CA: Sage.
Hot Potatoes (Versión 6) [Software informático] Half Baked Software Inc.

Recuperado de http://hotpot.uvic.ca/index.php/
Huff, D. (2011). Cómo mentir con Estadísticas. Barcelona: Crítica (orig.

1958).
International Sociological Association (2001). Code of Ethics. Recuperado de

http://www.isasociology.org/about/isa ethics.htm
Johnson, R. B. y Onwuegbuzie, A. J. (2004). Mixed methods research: A

research paradigm whose time has come. Educacional Researcher, 33, 14-
26.
Kerlinger, F. N. (2001). Investigación del comportamiento. México:

MacGraw-Hill (orig. 1986).
Koppitz, E. M. (1989). El dibujo de la figura humana en los niños:

Evaluación psicológica. Buenos Aires: Guadalupe (orig. 1967).
328
Krippendorff, K. (1990). Metodología de análisis de contenido: Teoría y
práctica. Barcelona: Paidós (orig. 1980).
Kuhn, T. S. (1975). La estructura de las revoluciones científicas. Madrid:

Fondo de Cultura Económica (orig. 1962).
Landeta, J. (1999). El método Delphi. Una técnica de previsión para la

incertidumbre. Barcelona: Ariel.
Leech, N. L. y Onwuegbuzie, A. J. (2008). Qualitative Data Analysis: A

compendium of Techniques and a Framework for Selection for School
Psychology Research and Beyond. School Psychology Quarterly, 23, 587-
604. doi:10.1037/1045-3830.23.4.587
León, O. G. (2005). Cómo redactar textos científicos en Psicología y

Educación. La Coruña: Netbiblo.
León, O. G. y Montero, 1. (1999). Diseño de investigaciones. Madrid:

McGraw-Hill.
Lurueña, J. (s.f.). Temario Métodos de Creatividad. (Cap. 3). Recuperado de

http://xandler80.wordpress.com/ temario-mtodos-de-creatividad/
Manzano, V. (s.f.). RAD: Recursos para el análisis de datos. Recuperado de

http://grupo.us.es/recursos/RAD/
Manzano, V., Fazeli, H. y Pérez, F. J. (1999). Análisis de Datos en

Psicología. Madrid. Piramide.
Marchese, A. y Forradellas, J. (1997). Diccionario de retórica, crítica y

terminología literaria. Barcelona: Ariel.
Marín-Martínez, F., Sánchez-Meca, J., Huedo, T. y Fernández, 1. (2007).

Meta-análisis: ¿Dónde estamos y hacia dónde vamos? En A.Borges y
P.Prieto. (Eds.), Psicología y ciencias afines en los albores del siglo XXI
(Homenaje al Profesor Sánchez Bruno) (pp. 87-102). Granada: Grupo
329
Editorial Universitario.
Martínez, R. y Moreno, R. (s.f.) Fundamentos metodológicos en Psicología.

Recuperado http://asignatura.us.es/afunmet/ guia_y_material/fmaterial.php
Martínez, R., Moreno, R. y Muñiz, J. (2005). Construcción de ítems. En

J.Muñiz, A. M. Hidalgo, E.García-Cueto, R.Martínez y R.Moreno,
Análisis de los ítems (pp. 9-52). Madrid: La Muralla.
Martínez-Arias, R. (1995a). Psicometría: Teoría de los test psicológicos y

educativos. Madrid: Síntesis.
Martínez-Arias, R. (1995b). Metodología de encuestas. En M.T.Anguera,

J.Arnau, M. Ato, R.Martínez, J.Pascual y G.Vallejo, Métodos de
investigación en Psicología (pp. 385-510). Madrid: Síntesis.
Martínez-Arias, R. (1999). El análisis multivariante en la investigación

científica. Madrid: La Muralla-Hespérides.
Michalko, M. (2006). Thinker Toys. A handbook of creative thinking

techniques. Berkeley, CA: Ten Speed.
Miles, M. B. y Huberman A. M. (1994). Qualitative data analysis: An

expanded sourcebook. Thousand Oaks, CA: Sage.
Mill, J. S. (1974). The Collected Works of John Stuart Mill, Volume VII - A
System of Logic Ratiocinative and Inductive. University of Toronto Press
y London: Routledge and Kegan (orig. 1843). Recuperado de
oll.libertyfund.org/title/246
Miller, G. A. (1956). The magical number seven, plus or minus two: Some
limits on our capacity for processing information. Psychological Review,
63, 81-97.
Moreno, R.Prólogo (1988). En D.H.Barlow y M.Hersen, Diseños

experimentales de caso único (pp. 13 21). Barcelona: Martínez Roca.
330
Moreno, R. y Martínez, R. (2007). Aprendizaje autónomo. Desarrollo de una
definición. Acta Comportamentalia, 15, 51-62.
Moreno, R. y Martínez, R. (2008). Causality as validity: some implications

for the social sciences. Quality & Quantity, 42, 597-604.
Moreno, R., Martínez, R. J. y Chacón, S. (s.f.). DEFINE, un tutor para

delimitar conceptos. Recuperado http://departamento.us.es/dpsicoexp/
web_dep/define/index.htm
Moreno, R., Martínez, R. J. y Chacón, S. (2000). Fundamentos de

metodología científica en Psicología y ciencias afines. Madrid: Pirámide.
Moreno, R., Martínez, R. y Muñiz, J. (2006). New guidelines for developing

multiplechoice iteras. Methodology, 2, 65-72.
Muñiz, J. (2000). Teoría Clásica de los Tests. Madrid: Pirámide.
Muñoz, J. (2003). Análisis cualitativo de datos con ATLAS.ti. Recuperado de

http://www.ugr.es/-textinfor/documentos/manualatlas.pdf
Olsen, W. (2004). Triangulation in social research: Qualitative and

quantitative methods can really be mixed. Recuperado de
http://www.ccsr.ac.uk/staff/ Triangulation.pdf
Onwuegbuzie, A. J., Dickinson, W. B., Leech, N. L. y Zoran, A. G. (2009).

Toward more rigor in focus group research: A new frarnework for
colleting and analyzing focus group data. International Journal of
Qualitative Methods, 8, 1-21.
Organización Médica Colegial (2011). Código deontológico. Recuperado de

https://www.cgcom.es/ codigo_deontologico/index.html#/2/
Palmer, A. L. (1994). El análisis exploratorio de datos. Madrid: Eudema.
Pardo, A. y Ruiz, M. A. (2009). Gestión de datos con SPSS Statistics.
331
Madrid: Síntesis.
Pardo, A. y Ruiz, M. A. (2012). Análisis de datos en ciencias sociales y de la

salud IIL Madrid: Síntesis.
Pardo, A., Ruiz, M. A. y San Martín, R. (2009). Análisis de datos en ciencias

sociales y de la salud I.Madrid: Síntesis.
Pardo, A., y San Martín, R. (2010). Análisis de datos en ciencias sociales y

de la salud II. Madrid: Síntesis.
Patton, M. Q. (2002). Qualitative Research an Evaluation Methods. Thousand

Oaks, CA: Sage.
Peña, D. (2001). Fundamentos de estadística. Madrid: Alianza.
Peña. D. (2002). Análisis de datos multivariantes. Madrid: McGraw-Hill.
Perales, F. J. (2000). Resolución de problemas. Madrid: Síntesis.
Pezzullo, J. C. (2013). Web Pages that perforen statistical calculations!

Recuperado de http://statpages.org/
Ponsoda, V. (2010). Metodología al servicio del psicólogo [Sección

monográfica]. Papeles del Colegio, 31.
Punset, E. (2012). Una mochila para el Universo. Barcelona: Destino.
Ragin, C. C. (1987). The Comparative Method: Moving Beyond Qualitative

and Quantitative Strategies. Berkeley, CA: University of California Press.
Revuelta, J. y Ponsoda, V. (1999). Generación automática de ítems. En

J.Olea, V.Ponsoda y G.Prieto (Eds.), Tests informatizados. Fundamentos y
aplicaciones (pp. 227248). Madrid: Pirámide.
Reynolds, G. (s.f.). Presentation Zen. How to Design & Deliver Presentations

like a Pro. Recuperado de http://www.garrreynolds.com/Presentation/pdf/
332
presentation_tips.pdf
Ribes, E. (1990). Problemas conceptuales en el análisis del comportamiento

humano. México: Trillas.
Rosenthal, R. y Rosnow, R. L. (Eds.) (1969). Artifact in behavioral research.

New York: Academic Press.
Ruiz-Olabuénaga, J. 1. (1996). Metodología de la investigación cualitativa.

Bilbao. Universidad de Deusto.
Ryle, G. (1949). On the concept of mind. New York: Barnes & Noble.
Sánchez, J. J., Segovia, J. M. y Sánchez, P. (2012). Las encuestas en Internet.

En M. Arroyo e 1. Sádaba (coords.), Metodología de la investigación
social (79-108). Madrid: Síntesis.
Sandín, M. P. (2000). Criterios de validez en la investigación cualitativa: De

la objetividad a la solidaridad. Revista de Investigación Educativa, 18,
223-242.
Shadish, W. R., Cook, T. D., y Campbell, D. T. (2002). Experimental and

quasiexperimental designs for generalized causal inference. Boston:
Houghton Mifflin.
Shye, S. y Elizur, D. (1994). Introduction to Facet Theory: Content Design

and lntrinsic Data Analysis in Behavioral Research. London: Sage.
Solé, 1. (2007). La exposición pública del trabajo académico: del texto para
ser leído al texto oral. En M.Castelló (Ed.), Escribir y comunicarse en
contextos científicos y académicos. Conocimientos y estrategias (pp. 113-
136). Barcelona. Graó.
SuperLab (Versión 5) [Programa informático] Cedrus Corporation.

Recuperado de http://www.superlab.com/
333
Torres, T. y Gascó, M. (2012). Recupera tu creatividad: Ideas y sugerencias
para fomentar el espíritu crítico. Oviedo: Septem.
Trigo, E. (s.f.). Diseños y análisis de datos. Recuperado de

http://personal.us.es/ trigo/enlaces.htm
UNESCO (s.fa). Tesauro de la UNESCO. Recuperado de

http://databases.unesco.org/ thessp/
UNESCO (s.fb). Ethical Guidelines for International Comparative Social

Science Research. Recuperado de http://www.unesco.org/most/ethical.htm
Unificación de formatos bibliográficos (2010). Tesauros en línea.

Recuperado de http://www.unforbi.com.ar/herramientas/tesauros.html
Vallejo-Nágera, J. A. (2010). Aprender a hablar en público hoy: cómo

cautivar y convencer mediante la palabra. Barcelona: Planeta.
Valles, M. S. (1999). Técnicas cualitativas de investigación social. Madrid:

Síntesis.
Vera, M., Lorente, L. y Martínez, 1. M. (2012). Técnicas cualitativas en

recursos humanos. Madrid: Síntesis
Virués-Ortega, J. y Moreno, R. (2008). Guidelines for Clinical Case Reports

in Behavior Therapy. International Journal of Clinical and Health
Psychology, 8, 765-777.
Winsler, A. (2009). Still Talking to Ourselves after all These Years: A

Review of Current Research on Private Speech. En A.Winsler, Ch,
Fernyhough, e 1. Montero (Eds.), Private Speech, Executive Functioning
and the Development of Verbal Self-Regulation (pp. 3-41). Cambridge
University Press.
334
Índice
Introducción 12
1. Identificación de conceptos planteados 25
1.1.1. Ampliaciones 28
1.2. Identificar los tipos de contenidos 29
1.3. Identificar los tipos de estructuras 34
1.3.1. Ampliación: patrón de covariación 40
1.3.2. Otras ampliaciones 44
1.4. Identificar los tipos y números de valores 47
1.5. Identificar los modos de expresión 54
1.7. Identificar los códigos de expresión 59
1.7.1. Ampliación: sistemas de categorías y escalas 60
1.8. Recapitulación 66
2. Validez de los conceptos planteados 67
2.1. Evaluar la precisión de los conceptos 68
2.2. Evaluar la diferenciación de los conceptos 72
2.3. Evaluar el ajuste de los conceptos 76
2.4. Ampliaciones 82
2.4.2. Validez de las relaciones: causalidad 83
3. Planteamiento de nuevas preguntas y posibles respuestas 90
3.1. Plantear preguntas y respuestas a partir de la precisión
335
conceptual 92
3.1.1. Recursos ilustrativos de las competencias de
96
innovación referidas a precisión
3.2. Plantear nuevas preguntas y respuestas a partir de la
98
diferenciación conceptual
101
innovación referidas a diferenciación
3.3. Plantear preguntas y respuestas a partir del ajuste
103
conceptual
106
innovación referidas a ajuste
4. Recogida de datos 117
4.2. Identificar y decidir el diseño de la recogida de datos 119
4.3. Identificar y decidir el método de la recogida de datos 129
4.4. Identificar o decidir la técnica de la recogida de datos 134
5. Precisión en la recogida de datos 151
5.2. Evaluar y procurar la replicabilidad en la recogida de
156
datos
6. Ajuste en la recogida de datos 165
7. Diferenciación en la recogida de datos 182
8. Válidez en la recogida de datos 197
8.2. Conexiones entre las propiedades de validez 201
336
8.3. Validez en cada diseño, método y técnica de recogida 204
de datos
8.3.2. Denominaciones de validez según dimensiones 206
9. Análisis de datos 215
9.2. Identificar y decidir el tratamiento de los datos 220
337

Cómo Plantear y Responder Preguntas de Manera Científica

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

Cómo Plantear y Responder Preguntas de Manera Científica

Загружено:

Авторское право:

Доступные форматы

2

Metodología de las Ciencias del Comportamiento y de la Salud

Antonio Pardo Merino

Miguel Ángel Ruiz Díaz

PLANTEAMIENTO VÁLIDO DE PREGUNTAS Y POSIBLES

1. Identificación de conceptos planteados

1.1. Identificar las funciones de objeto de estudio y su contexto

1.2. Identificar los tipos de contenidos

1.3. Identificar los tipos de estructuras

1.3.1. Ampliación: patrón de covariación

1.3.2. Otras ampliaciones

1.4. Identificar los tipos y números de valores

1.5. Identificar los modos de expresión

1.6. Identificar los niveles de expresión

1.7.1. Ampliación: sistemas de categorías y escalas

2. Validez de los conceptos planteados

2.1. Evaluar la precisión de los conceptos

2.2. Evaluar la diferenciación de los conceptos

2.3. Evaluar el ajuste de los conceptos

2.4.1. Conexiones entre propiedades, y entre estas y las dimensiones

2.4.2. Validez de las relaciones: causalidad

3. Planteamiento de nuevas preguntas y posibles respuestas

3.1. Plantear preguntas y respuestas a partir de la precisión conceptual

3.1.1. Recursos ilustrativos de las competencias de innovación referidas a

3.2. Plantear nuevas preguntas y respuestas a partir de la diferenciación

3.2.1. Recursos ilustrativos de las competencias de innovación referidas a

3.3. Plantear preguntas y respuestas a partir del ajuste conceptual

3.3.1. Recursos ilustrativos de las competencias de innovación referidas a

3.4. Validez y dimensiones de conceptos en la heurística de la ciencia

RECOGIDA VÁLIDA DE DATOS

4.1. Identificar y decidir el carácter confirmatorio o exploratorio de la

4.2. Identificar y decidir el diseño de la recogida de datos

4.3. Identificar y decidir el método de la recogida de datos

4.4. Identificar o decidir la técnica de la recogida de datos

5. Precisión en la recogida de datos

5.1. Evaluar y procurar la precisión en la recogida de datos

5.2. Evaluar y procurar la replicabilidad en la recogida de datos

6. Ajuste en la recogida de datos

6.1. Evaluar y procurar el ajuste en la recogida de datos

7. Diferenciación en la recogida de datos

8. Válidez en la recogida de datos

8.1. Las propiedades de validez en la recogida de datos

8.2. Conexiones entre las propiedades de validez

8.3. Validez en cada diseño, método y técnica de recogida de datos

8.3.1. Influencias de los diferentes diseños y métodos sobre la validez de

8.3.2. Denominaciones de validez según dimensiones

ANÁLISIS VÁLIDO DE DATOS

9.1. Identificar y decidir el análisis en función de los datos obtenidos o a

9.2. Identificar y decidir el tratamiento de los datos

9.3. Identificar y decidir la interpretación de los datos

10. Validez del análisis de datos

10.1. Evaluar y procurar la validez de los datos analizados o a analizar

10.3. Evaluar y procurar la validez de las interpretaciones

CULMINACIÓN VÁLIDA DEL PROCESO INVESTIGADOR

11. Conclusiones y comunicación de lo investigado

11.1. Identificar y plantear conclusiones

11.2. Analizar y elaborar informes de investigación

12. Validez de conclusiones y de la comunicación de lo investigado

12.1. Evaluar y procurar la validez de las conclusiones

12.2. Evaluar y procurar la validez de la comunicación

13. Ética en el trabajo científico

13.1. Ética en las competencias científicas

El proceso de plantear y responder preguntas con la mayor corrección