Diplomado especialista en Investigación Científica: Metodología y Estrategia

Objetivos Generales

Comprender las cualidades y las características inherentes de la investigación...

• Variable independiente. Se considera cualquier variable manipulada por el investigador, bien directamente o por medio de selección para determinar su efecto en la VD.
• Variable dependiente. Se considera cualquier aspecto de la conducta medido por el experimentador para evaluar los efectos de la variable independiente manipulada. Es cualquier aspecto de la conducta que interesa estudiar al investigador –por ejemplo, atención, número de palabras recordadas–. Normalmente en psicología los parámetros de la VD son la exactitud de la respuesta, la latencia, la velocidad, la frecuencia, etc. Como ejemplo de la diferenciación entre VD y VI, se puede poner una investigación sobre coches en donde la variable dependiente sería la variable consumo y como variables independientes serían las variables motor, CV y peso.
• Validez interna. Probabilidad con la que se puede asegurar que el cambio de la VD es debido única y exclusivamente a la manipulación de la VI. La validez interna de un estudio es necesaria para poder establecer una relación causal, que habría que comprobar o evaluar previamente. La posible amenaza contra la validez interna se sitúa en alguno de estos hechos:
  • Maduración.
  • Pruebas.
  • Historia.
  • Selección.
  • Mortalidad experimental.
  • Instrumentación.
  • Situación experimental.
  • Regresión estadística.
  • Interferencia de tratamientos múltiples.
• Validez externa. Grado en que los resultados son generalizables a otras situaciones fuera del contexto experimental. Amenazas que invalidarían la validez externa son:
  • Efecto Hawthorne.
  • Efecto de novedad.
  • Interacción entre historia y efectos del tratamiento.
  • Efectos del experimentador.
  • Efectos de la medición.
  • Sensibilidad pretest.
  • Interacción entre VI y sesgo de selección.
  • Interacción entre VI y situación.
  • Interferencia de tratamientos múltiples.

Retomando el ejemplo anterior de la investigación en coches, un ejemplo de validez interna, es la correcta manipulación de las VI como motor, CV y peso, para obtener una variación de la VD Consumo proporcional a la variación de la primera. Como ejemplo de validez externa, es la generalización de los resultados de la manipulación de las VI para obtener unos resultados en la VD, tanto en un circuito cerrado de pruebas para coches, como en una carretera común.

• Fiabilidad (precisión):
  • Sensibilidad. Nos indica la capacidad de nuestro estimador para dar como casos positivos los casos realmente positivos (ej. enfermos); proporción de enfermos correctamente identificados, es decir, la sensibilidad caracteriza la capacidad de la prueba para detectar la enfermedad en sujetos enfermos.
  • Especificidad. Nos indica la capacidad de nuestro estimador para dar como casos negativos los casos realmente negativos (ej. sanos); proporción de sanos correctamente identificados, es decir, la especificidad caracteriza la capacidad de la prueba para detectar la ausencia de la enfermedad en sujetos sanos. Como ejemplo tenemos la determinación bioquímica o screening bioquímico que se realiza a las gestantes en la semana 10 o 15.
• Significación estadística o nivel de significación (α). Grado con el que podemos asegurar estadísticamente que dos sucesos sean diferentes. Se corresponde con la probabilidad con la que podemos hacer esta afirmación, y con lo que en los estudios estadísticos llamamos p. Los valores oscilarán entre 1 y 0. En multitud de ocasiones nos encontramos p < 0,05, probabilidad que tenemos de confundirnos desde el punto de vista estadístico cuando ofrecemos un resultado, que sería < 5%.
• Nivel de confianza (1 − α). Representa la probabilidad de que el valor del estadístico construido en el test esté fuera de la región crítica o de rechazo; los más frecuentes son 0,95 o 0,99. A veces tanto el nivel de significación como el nivel de confianza vienen dados en %.
• Datos cuantitativos. Información numérica, trabajada normalmente con procedimientos estadísticos para describir, medir o relacionar fenómenos.
• Datos cualitativos. Información no numérica, para conocer un fenómeno en profundidad.

Entender las técnicas para construir muestras...

La muestra se considera el subconjunto de unidades que pertenecen a una población determinada, en la que obtendremos los datos y, el muestreo es el proceso de escoger la parte de la población que la represente, para constituir la muestra de estudio.

Para la obtención de la muestra con la que se va a realizar la investigación, se debe utilizar alguna de las siguientes estrategias, dependiendo del tipo de población y del tipo de investigación a realizar:

• Muestreo no probabilístico. La muestra que se obtiene es una muestra sesgada, pero en la mayoría de las investigaciones, por criterios de comodidad, economía, escasez de recursos, es la técnica usada habitualmente.
• Muestreo por conveniencia (accidental, incidental...). Formado por los elementos que el investigador encuentra a disposición en un momento o circunstancia determinada. Como ejemplo está las encuestas en la calle, en donde se encuentran en un momento determinado (de casualidad) investigador y, elemento o persona a investigar, y no tiene por qué repetirse de nuevo.
• Muestreo por efecto acumulativo o de red. Variante del anterior, donde los sujetos son seleccionados por indicación directa o en cascada.
• Muestreo por cuotas. Se identifican estratos de la población y mediante un muestreo de conveniencia se obtienen los elementos de cada estrato, conservando, si es conocida, la proporción según la población.
• Muestreo intencional (crítico). El investigador selecciona los casos o sujetos a incluir (por conocimiento o criterios específicos del propio investigador, por ejemplo, grupos de expertos).
• Muestreo teórico (en investigaciones cualitativas). Variante del anterior, dirigido a profundizar en determinados sujetos para describir la naturaleza completa del fenómeno (por representatividad temática y ser mejores informantes).
• Proporcionalidad. Se trata de mantener en la muestra las mismas proporciones de sujetos que existen en la población dentro de cada estrato. La mejor muestra que podría obtenerse sería mediante la combinación de estas tres técnicas: La muestra proporcional –estratificada– aleatoria, que será explicado a continuación.
• Estratificación. División de la población en estratos mutuamente excluyentes con base en una o más características relevantes (por ejemplo, hombres y mujeres).
• Aleatorización. Proceso de obtención aleatoria de elementos de la población de tal modo que cada uno de los elementos de dicha población tiene la misma probabilidad de ser escogido para conformar la muestra. Si se cumple esta condición se obtiene el denominado muestreo probabilístico o aleatorio.
• Muestreo sistemático. Antes de seleccionar se determina la amplitud del intervalo de la muestra y este dato marca la distancia entre elementos que se han de seleccionar de la población (ej. Seleccionar a 1 de cada 7 participantes de un listado de una UAF o cupo médico).

Objetivos Específicos

Conocer los tipos de razonamiento...

• Razonamiento deductivo. Discurre de un pensamiento o un hecho general a uno particular. En este tipo de razonamiento se infiere una conclusión a partir de una o diversas premisas. Por ejemplo, si se afirma que todos los árboles poseen un tronco y hojas, y este melocotonero es un árbol, debemos concluir que este melocotonero debe tener un tronco y hojas. En las investigaciones de carácter deductivo, su finalidad es recoger, organizar, resumir y analizar los datos proporcionados por una experiencia. Solo se ocupa de describir y analizar un grupo dado, sin sacar conclusiones sobre un grupo mayor.
• Razonamiento inductivo. En el lado opuesto tenemos el pensamiento inductivo en donde se parte de un pensamiento particular para llegar a una conclusión general, al establecer la forma de llegar a conclusiones válidas para todo el grupo (población) partiendo de una información incompleta (muestra). En este caso se parte de la suposición de que si un hecho es cierto en ocasiones, también lo será en momentos parecidos aunque no se hayan observado. El paradigma de la inducción nos lo encontramos en las encuestas, de las que se consiguen las respuestas facilitadas por una muestra o fracción de la población total, nos permitimos extrapolar conclusiones acerca de toda una población. Como ejemplo más claro está en las encuestas sociológicas, donde se extrapola el resultado de la muestra a toda la población. Podemos encontrarnos dos tipos de operaciones inductivas, la predicción y la causalidad (nos induce en ocasiones a error).

Aprender los conceptos básicos de epidemiología de efecto (RR, RAR, OR, RRR, NNt, NNH...)

Para interpretar los resultados de estudios cuantitativos tendremos que conocer qué medida de análisis se utiliza en cada tipo de diseño.

• Medidas de frecuencia:
  • Incidencia. Número absoluto de personas nuevas que han sufrido el suceso estudiado en una población, dentro de un tiempo determinado o tras ser manipulados dentro del estudio.
  • Prevalencia. Porcentaje de individuos que han sufrido el efecto respecto al total de la población.
• Medidas de asociación. Sirven para evidenciar la relación entre los dos conjuntos diferenciados entre sí, siendo el primero el grupo afectado a una intervención del investigador (GI) y el segundo el conjunto sin exposición o de control (GC). La finalidad de estas medidas es juzgar el peso de la relación entre un factor de protección o riesgo. Los resultados al estudiar magnitudes iguales, serían relativos.
  • Riesgo Relativo (RR). Fracción del riesgo en el grupo de intervención (o expuesto) y el riesgo en el grupo control (o no expuesto). RR = 1 ⇒ sin diferencia entre los grupos estudiados; RR < 1 ⇒ la consecuencia estudiada beneficia al GI; RR > 1 ⇒ la consecuencia estaría a favor del GC. El RR es el porcentaje de que un evento sea posible en el GI con respecto a la posibilidad de que ocurra en el GC. RR = ri/rc.
  • Reducción Absoluta del Riesgo (RAR). Diferencia entre el riesgo en GC y en GI. RAR = rc-ri.
  • Número Necesario a Tratar (NNT). Individuos necesarios para que se produzca el efecto estudiado, después de haberse realizado una intervención. NNT = 1/RAR.
  • Reducción Relativa del Riesgo (RRR). RRR = 1-RR.
  • Odds Ratio (OR). Es la fracción entre probabilidad de que se produzca un efecto en el GI con respecto al GC. Una OR = 1 ⇒ falta de efecto; OR > 1 ⇒ consecuencia negativa; OR < 1 ⇒ consecuencia beneficiosa.