Diseño de investigación

Compartir Imprimir Citar

El diseño de investigación se refiere a la estrategia general utilizada para llevar a cabo una investigación que define un plan lógico y sucinto para abordar las preguntas de investigación establecidas a través de la recopilación, interpretación, análisis y discusión de datos.

Las metodologías y métodos incorporados en el diseño de un estudio de investigación dependerán del punto de vista del investigador sobre sus creencias sobre la naturaleza del conocimiento (ver epistemología) y la realidad (ver ontología), a menudo moldeadas por las áreas disciplinarias a las que pertenece el investigador.

El diseño de un estudio define el tipo de estudio (descriptivo, correlacional, semiexperimental, experimental, de revisión, metaanalítico) y subtipo (p. ej., estudio de caso descriptivo-longitudinal), problema de investigación, hipótesis, variables independientes y dependientes, diseño experimental y, en su caso, métodos de recolección de datos y un plan de análisis estadístico. Un diseño de investigación es un marco que ha sido creado para encontrar respuestas a las preguntas de investigación.

Tipos y subtipos de diseño

Hay muchas maneras de clasificar los diseños de investigación. No obstante, la lista a continuación ofrece una serie de distinciones útiles entre posibles diseños de investigación. Un diseño de investigación es un arreglo de condiciones o colección.

A veces se hace una distinción entre diseños "fijos" y "flexibles". En algunos casos, estos tipos coinciden con diseños de investigación cuantitativos y cualitativos respectivamente, aunque este no tiene por qué ser el caso. En los diseños fijos, el diseño del estudio se fija antes de que tenga lugar la etapa principal de recopilación de datos. Los diseños fijos normalmente se basan en la teoría; de lo contrario, es imposible saber de antemano qué variables deben controlarse y medirse. A menudo, estas variables se miden cuantitativamente. Los diseños flexibles permiten una mayor libertad durante el proceso de recopilación de datos. Una razón para usar un diseño de investigación flexible puede ser que la variable de interés no se pueda medir cuantitativamente, como la cultura. En otros casos, la teoría puede no estar disponible antes de que se inicie la investigación.

Agrupamiento

La elección de cómo agrupar a los participantes depende de la hipótesis de investigación y de cómo se muestrean los participantes. En un estudio experimental típico, habrá al menos una condición "experimental" (p. ej., "tratamiento") y una condición de "control" ("sin tratamiento"), pero el método apropiado de agrupación puede depender de factores como la duración de la fase de medición y características de los participantes:

Investigación confirmatoria versus exploratoria

La investigación confirmatoria pone a prueba hipótesis a priori: predicciones de resultados que se realizan antes de que comience la fase de medición. Tales hipótesis a priori generalmente se derivan de una teoría o de los resultados de estudios previos. La ventaja de la investigación confirmatoria es que el resultado es más significativo, en el sentido de que es mucho más difícil afirmar que un determinado resultado es generalizable más allá del conjunto de datos. La razón de esto es que en la investigación confirmatoria, idealmente uno se esfuerza por reducir la probabilidad de informar falsamente un resultado coincidente como significativo. Esta probabilidad se conoce como nivel α o probabilidad de un error tipo I.

La investigación exploratoria, por otro lado, busca generar hipótesis a posteriori al examinar un conjunto de datos y buscar posibles relaciones entre variables. También es posible tener una idea sobre una relación entre variables pero no conocer la dirección y la fuerza de la relación. Si el investigador no tiene hipótesis específicas de antemano, el estudio es exploratorio respecto a las variables en cuestión (aunque puede ser confirmatorio para otras). La ventaja de la investigación exploratoria es que es más fácil hacer nuevos descubrimientos debido a las restricciones metodológicas menos estrictas. Aquí, el investigador no quiere perderse una relación potencialmente interesante y, por lo tanto, busca minimizar la probabilidad de rechazar una relación real.efecto o relación; esta probabilidad a veces se denomina β y el error asociado es de tipo II. En otras palabras, si el investigador simplemente quiere ver si algunas variables medidas podrían estar relacionadas, querrá aumentar las posibilidades de encontrar un resultado significativo al reducir el umbral de lo que se considera significativo.

A veces, un investigador puede realizar una investigación exploratoria pero informarla como si hubiera sido confirmatoria ("Hacer hipótesis después de que se conocen los resultados", HARKing: ver Hipótesis sugeridas por los datos); esta es una práctica de investigación cuestionable que bordea el fraude.

Problemas de estado versus problemas de proceso

Se puede hacer una distinción entre problemas de estado y problemas de proceso. Los problemas de estado tienen como objetivo responder cuál es el estado de un fenómeno en un momento dado, mientras que los problemas de proceso se ocupan del cambio de los fenómenos a lo largo del tiempo. Ejemplos de problemas de estado son el nivel de habilidades matemáticas de niños de dieciséis años, las habilidades informáticas de los ancianos, el nivel de depresión de una persona, etc. Ejemplos de problemas de proceso son el desarrollo de habilidades matemáticas desde la pubertad hasta la edad adulta, el cambio en las habilidades informáticas cuando las personas envejecen y cómo cambian los síntomas de depresión durante la terapia.

Los problemas de estado son más fáciles de medir que los problemas de proceso. Los problemas de estado solo requieren una medición de los fenómenos de interés, mientras que los problemas de proceso siempre requieren múltiples mediciones. Se necesitan diseños de investigación como mediciones repetidas y estudios longitudinales para abordar los problemas del proceso.

Ejemplos de diseños fijos

Diseños de investigación experimental

En un diseño experimental, el investigador trata activamente de cambiar la situación, las circunstancias o la experiencia de los participantes (manipulación), lo que puede conducir a un cambio en el comportamiento o los resultados de los participantes del estudio. El investigador asigna aleatoriamente a los participantes a diferentes condiciones, mide las variables de interés y trata de controlar las variables de confusión. Por lo tanto, los experimentos suelen ser muy fijos incluso antes de que comience la recopilación de datos.

En un buen diseño experimental, algunas cosas son de gran importancia. En primer lugar, es necesario pensar en la mejor forma de operacionalizar las variables que se van a medir, así como qué métodos estadísticos serían los más adecuados para responder a la pregunta de investigación. Por lo tanto, el investigador debe considerar cuáles son las expectativas del estudio y cómo analizar los posibles resultados. Finalmente, en un diseño experimental, el investigador debe pensar en las limitaciones prácticas, incluida la disponibilidad de participantes y cuán representativos son los participantes para la población objetivo. Es importante considerar cada uno de estos factores antes de comenzar el experimento.Además, muchos investigadores emplean el análisis de potencia antes de realizar un experimento, para determinar qué tan grande debe ser la muestra para encontrar un efecto de un tamaño dado con un diseño dado con la probabilidad deseada de cometer un error de Tipo I o Tipo II. El investigador tiene la ventaja de minimizar los recursos en los diseños de investigación experimental.

Diseños de investigación no experimental

Los diseños de investigación no experimental no implican una manipulación de la situación, las circunstancias o la experiencia de los participantes. Los diseños de investigación no experimental se pueden clasificar en términos generales en tres categorías. Primero, en los diseños relacionales, se mide una gama de variables. Estos diseños también se denominan estudios de correlación porque los datos de correlación se utilizan con mayor frecuencia en el análisis. Dado que la correlación no implica causalidad, tales estudios simplemente identifican movimientos conjuntos de variables. Los diseños correlacionales son útiles para identificar la relación de una variable con otra y ver la frecuencia de coexistencia en dos grupos naturales (ver Correlación y dependencia). El segundo tipo es la investigación comparativa. Estos diseños comparan dos o más grupos en una o más variables, como el efecto del género en las calificaciones. El tercer tipo de investigación no experimental es un diseño longitudinal. Un diseño longitudinal examina variables como el desempeño exhibido por un grupo o grupos a lo largo del tiempo (ver Estudio longitudinal).

Ejemplos de diseños de investigación flexibles

Caso de estudio

Famosos estudios de casos son, por ejemplo, las descripciones de los pacientes de Freud, que fueron minuciosamente analizados y descritos.

Bell (1999) afirma que “un enfoque de estudio de caso es particularmente apropiado para investigadores individuales porque brinda la oportunidad de estudiar un aspecto de un problema con cierta profundidad dentro de una escala de tiempo limitada”.

Estudio etnográfico

Este tipo de investigación está involucrada con un grupo, organización, cultura o comunidad. Normalmente el investigador comparte mucho tiempo con el grupo.

Estudio de teoría fundamentada

La investigación de la teoría fundamentada es un proceso de investigación sistemático que trabaja para desarrollar "un proceso y una acción o una interacción sobre un tema sustantivo".