EL DISEÑO METODOLÓGICO A PARTIR DE LOS OBJETIVOS DE INVESTIGACIÓN Por: María Nuncia Medina Suárez1 Escuela Colombiana de Ingeniería “Julio Garavito” Centro de Investigaciones para el Desarrollo CAYE SAS E-mail: Maria_nuncia@hotmail.com
RESUMEN
Un investigador en cualquier área del conocimiento, puede identificar perfectamente la información que quiere obtener (problema de investigación), formula sus objetivos de investigación, hace una revisión bibliográfica pero, si quiere generar información primaria, tiene dificultad al hacer un diseño metodológico que garantice la calidad de dicha información. Este método conduce a un diseño coherente especificando tres aspectos: la medida, el análisis de los datos y los recursos necesarios. Proceso de medida: se parte del estado actual del conocimiento, las características de la población objetivo y la calidad de la información que se quiere generar. Se definen las variables e indicadores, se selecciona o diseña el instrumento de medida y se obtiene la muestra acorde con el diseño muestral (aleatorio o no) y recursos disponibles. Proceso de análisis: se diseña la base donde se introducirán los datos resultantes de la medición según las variables definidas, características del instrumento (estructura y codificación), software,
métodos
estadísticos de análisis y la forma de presentar los resultados del estudio (información primaria). Cronograma: se establece el tiempo y presupuesto según la duración, recursos necesarios y secuencia de ejecución de cada actividad.
1. INTRODUCCIÓN
La investigación es un proceso sistemático que se realiza con el fin de obtener información que permita ampliar el conocimiento que se tiene de la realidad. El método usado para generar conocimiento es diferente según sean ciencias formales o ciencias 1
Física y especialista en estadística de la Universidad Nacional de Colombia, especialista en evaluación social de proyectos de la Universidad de Los Andes (Bogotá) y doctora por la Universidad Politécnica de Cataluña (BarcelonaEspaña) en estadística e investigación operativa. Autora del libro “La investigación aplicada a proyectos”. Experiencia docente en pregrado y posgrado en varias universidades, asesora en formulación de investigaciones y proyectos de inversión. Profesora asociada de la Escuela Colombiana de Ingeniería. Directora del Centro de Investigaciones para el Desarrollo CAYÉ SAS.
1
fácticas. Las ciencias formales son aquellas cuyo objeto de conocimiento es abstracto y se representa mediante símbolos como la lógica y la matemática, mientras que las ciencias fácticas se basan en la observación e interpretación de los fenómenos reales como las ciencias naturales o sociales [Sabino,1996]. Para las ciencias fácticas, dada su naturaleza, al margen de las particularidades de cada una, se usa el método científico para la generación de conocimiento científico y, para que éste se diferencie de otros tipos, como el conocimiento artístico o el
religioso, debe cumplir con tres
características importantes: objetividad, inteligibilidad y dialéctica [Wagensberg, 1998]. Aunque cada disciplina científica tiene especificidades respecto a la forma como aplique el método científico en la generación de conocimiento, el modelo que se muestra en la figura 1 describe una metodología de aplicación general basada en la coherencia entre todas las fases del proceso y las actividades que las conforman.
Figura 1. Modelo de Investigación [Medina, 2000]
2
El proceso de investigación consta de cuatro fases: fase lógica, fase metodológica, fase técnica y fase de contrastación [Medina, 2000]. La fase lógica constituye una parte fundamental de la formulación de la investigación por cuanto responde preguntas esenciales para precisarla: ¿Qué información falta y se pretende obtener al hacer la investigación?, ¿Qué conocimiento hay disponible respecto al tema? ¿Cómo se puede obtener la información que se necesita?. Las respuestas a estas preguntas corresponden al problema de investigación, el marco teórico y los objetivos de investigación, respectivamente. Todos estos elementos deben estar muy bien definidos y articulados entre sí de forma coherente, para proceder al diseño de la investigación: fase metodológica. En la fase metodológica se diseña el proceso para ejecutar la investigación cuando se quiere generar información primaria a partir de la medición de las unidades de observación. La fase técnica es la ejecución del diseño metodológico y la fase de contrastación es la fase donde se precisa el nuevo conocimiento a partir de los resultados obtenidos del análisis de datos en el contexto de la situación motivo de estudio.
El diseño metodológico guarda una relación estrecha con los objetivos de investigación, por tal motivo, es importante revisar si éstos están adecuadamente formulados.
2. LOS OBJETIVOS DE INVESTIGACIÓN
2.1 ¿Qué es un objetivo?
Un objetivo [Medina, 2007] es la descripción concisa de la forma como se llegará a la situación deseada, en el caso de una investigación, a la obtención de información que se convertirá en conocimiento al analizarla en el contexto de la realidad.
2.2 ¿Qué elementos conforman un objetivo?
En la figura 2, se muestra un esquema de los elementos que deben estar explícita o implícitamente en el objetivo.
3
SITUACIÓN ACTUAL (Hay vacíos de conocimiento)
¿Cómo se logra?
SITUACIÓN FUTURA (Se genera el conocimiento)
OBJETIVO DE INVESTIGACIÓN
Acciones Medios
Resultados
Figura 2. Formulación del objetivo de investigación
Acciones: son las actividades o procesos a realizar y se plantean, generalmente, con un verbo en infinitivo que denote una actividad cuya culminación sea susceptible de verificar. Medios: corresponde a los instrumentos y recursos con los cuales se podrán realizar las acciones para lograr el resultado esperado. Hace referencia además, a las características del entorno en que debe ser ejecutada la investigación que en algunos casos implica una delimitación espacial, temporal o de cualquier otra índole. Resultado: es lo que se obtiene al ejecutar las acciones planteadas, se refiere a la información concreta que se requiere obtener, para confrontarla posteriormente con la realidad y convertirla en conocimiento generado.
No pueden confundirse los objetivos con los aportes de la investigación en usos posteriores; lo se haga con los resultados de la investigación no son “responsabilidad directa” del investigador.
Es decir, que los objetivos de investigación no pueden
involucrar acciones posteriores o alcances mayores a la generación de conocimiento. Sin embargo, dado que la decisión de realizar una investigación aplicada obedece a una
4
necesidad específica de tener conocimiento disponible para tomar decisiones, estas razones constituyen la justificación de la investigación.
2.3 ¿Qué características debe cumplir un objetivo?
Para evaluar si el objetivo está bien formulado, se tienen en cuenta las siguientes características: Alcanzable: en el marco real de ejecución de la investigación, si es posible llevarlo a cabo con los recursos humanos y tecnológicos disponibles, el tiempo y los resultados esperados. Esta característica determina implícitamente el alcance de la investigación. Susceptible de medir: la formulación debe hacerse de tal manera que facilite verificar y confirmar que el objetivo se haya ejecutado, con base en indicadores que permitan cuantificar su finalización. Esta condición se logra al establecer una coherencia entre las acciones a realizar y los resultados esperados. Preciso: todos los lectores deben entender exactamente los elementos acciones, medios y resultados. Un objetivo ambiguo está mal planteado y se presta para que cada quien lo interprete a su manera. Claro: debe redactarse de manera sencilla, que se pueda entender fácilmente. El lenguaje usado debe ser común, evitando términos sofisticados. Se recomienda no sacrificar claridad por “elegancia”.
2.4 Objetivos generales y específicos
Es muy frecuente en una investigación hablar de objetivos generales y objetivos específicos, para denotar objetivos globales y objetivos componentes. Objetivo General: hace referencia al proceso global y a los resultados globales de la investigación. Objetivo Específico: se refiere a subprocesos y a resultados parciales. La suma de todos los objetivos específicos debe reproducir el objetivo general. Su importancia radica en permitir fraccionar el “todo” en sus componentes, para facilitar su comprensión y la planeación detallada de las actividades.
5
3.
DISEÑO METODOLÓGICO
Es la descripción detallada de cada proceso teniendo en cuenta los insumos requeridos, las actividades que lo conforman y los resultados que produce. La figura 3, muestra el procedimiento que permite enlazar los objetivos de investigación con el diseño metodológico o metodología para la obtención de información primaria, esto es, la forma cómo se miden las variables en cada unidad de observación y se obtienen los resultados mediante el procesamiento estadístico de los datos.
Una variable es una característica que diferencia a los elementos de la población y que puede ser medida. Puede ser de naturaleza discreta si sus valores son unas pocas categorías mutuamente excluyentes o, continua si puede tomar muchos valores que al analizarlos conjuntamente parecen estar tan cercanos que se asemeja a un continuo.
OBJETIVOS DE INVESTIGACIÓN Acciones
Resultados
DISEÑO DEL PROCESO DE MEDIDA
Medios
DISEÑO DEL PROCESO DE ANÁLISIS
RECURSOS Selección del instrumento de medida
Selección de la muestra
Diseño del operativo de medida
Cálculo del tamaño de muestra Definición de variables e indicadores
Información disponible
Diseño del formato para presentar la información
Selección de la herramienta de análisis
Selección del método de análisis
Selección del diseño muestral
Calidad de la información
Caracterización de la población
Diseño de la base de datos
Figura 3. Esquema del proceso de diseño metodológico a partir de los objetivos de investigación.
6
Identificar las variables a medir requiere tener presente cuál es la información que se quiere obtener plasmada como resultado en los objetivos de investigación. definición de las variables se hace conceptual y operacionalmente.
La
La definición
conceptual es el significado de la variable en el marco de la investigación, mientras que la definición operacional es la forma como se van a asignar los valores y depende del tipo de variable. Si la variable es discreta se establecen las categorías, pero si la variable es continua se debe establecer la unidad de medida y en algunos casos, el rango de valores que puede tomar [Medina, 2007].
Un dato es el valor asociado con la medida de la variable en una unidad de observación y puede ser un valor numérico o una cualidad. La información es el resultado de procesar estadísticamente un conjunto de datos, por esta razón se asocia con la “síntesis” del comportamiento de todos los elementos observados. La generación de información primaria requiere que los datos sean obtenidos para cumplir con los objetivos de la investigación. Si se utilizan datos existentes que fueron generados con fines diferentes a la presente investigación, el resultado de procesarlos es información secundaria.
El proceso de generación de información primaria tiene dos etapas importantes que son complementarias e indivisibles, pero para una mejor comprensión se tratan por separado: el diseño del proceso de medida para obtener los datos primarios a partir de las unidades de observación y el diseño del proceso de análisis de los datos obtenidos en la medición.
3.1 Diseño del proceso de medición
Es la secuencia de actividades que se deben realizar para generar datos mediante la medida de las variables definidas en las unidades de observación. Corresponde a la parte izquierda del diagrama de la figura 3 leyendo las actividades de abajo hacia arriba. La complejidad del diseño depende de la información disponible (información secundaria) y la calidad de la información que se quiere obtener (información primaria).
7
3.3.1
Insumos para el diseño
El tipo de investigación a realizar [Hernández, et. al. 1998], depende de la información secundaria disponible de estudios previos sobre el tema de interés: Investigación exploratoria, se plantea cuando no se ha hecho ninguna investigación anterior y busca verificar la existencia de algunas variables. Investigación descriptiva, cuando se tienen los resultados de una investigación exploratoria y se quiere comprobar el comportamiento de las variables. Se pueden formular hipótesis para estimar parámetros. Investigación correlacional, cuando se tienen resultados de investigaciones de carácter descriptivo y ahora el interés es establecer si existe relación entre variables. Investigación causal, cuando se tiene información respecto a la existencia de las variables, pero ahora interesa establecer relaciones de causa y efecto entre ellas, por esto se requiere controlar otras variables para ver de forma más nítida el efecto. Esta tipo de investigación es lo que se conoce como diseños experimentales [Montgomery, 2003] y tiene muchas variantes y aplicaciones como los ensayos clínicos [ Fleiss,1986].
Una vez se tenga claro qué tipo de investigación se realizará y la población de interés, se determina la forma cómo se seleccionan las unidades de observación. Si es posible hacer censo al medir a todos los elementos de la población o, si por razones de carácter práctico como reducción de costos, es necesario seleccionar una muestra.
3.3.2 Determinación de las características de la información resultante
La calidad de la información que se genera con la investigación se puede asociar con la capacidad para hacer una fiel interpretación de la realidad que se está estudiando. Para garantizar la calidad es necesario identificar adecuadamente las variables, seleccionar una muestra representativa cuando no sea posible hacer censo y realizar la medición rigurosamente. Aunque se pueden definir muchas variables continuas y discretas, es necesario establecer de manera precisa cuál es la variable principal, porque esta variable es usada para hacer el cálculo del tamaño muestral. En muchos casos por diversas razones no es posible seleccionar una muestra aleatoria de la población, por lo tanto, se pueden hacer análisis estadísticos pero no se puede hacer inferencia estadística para generalizar los resultados a la población. 8
Si no es posible medir a todos los elementos de la población, seleccionar una muestra representativa (aleatoria) implica que debe obedecer a unas reglas de probabilidad de selección propias de cada uno de los diseños muestrales. La selección del diseño muestral depende de las características de la población y de la disponibilidad de un listado donde estén consignadas al menos la identificación y localización de todos los elementos [Anderson, 2003]. Si se tiene una población más o menos homogénea respecto a la variable principal del estudio, se utiliza un muestreo aleatorio simple. Si la población no es homogénea pero es posible agrupar sus elementos en subconjuntos de elementos parecidos entre sí (estratos), se hace un muestreo estratificado. En caso de que no se tenga disponible un listado o que la población esté muy dispersa geográficamente, el diseño más utilizado es el muestreo por conglomerados, porque se divide la población en grupos de elementos que estén cercanos entre sí (conglomerados) y seleccionar con un muestreo aleatorio simple algunos de esos conglomerados. Hay muchos otros diseños muestrales que pueden funcionar bien dependiendo del parámetro que se quiera estimar y características de la población como variabilidad y tamaño [Lohr, 2000].
El tamaño de muestra depende del nivel de confianza que se quiera para hacer la estimación de los valores poblacionales, del error máximo que se esté dispuesto a cometer o error muestral y de la heterogeneidad de los elementos de la población.
3.1.3. Subproductos para el proceso
Los resultados tangibles del diseño del proceso de medida son el instrumento de medida, el listado de los elementos que conforman la muestra y la logística del operativo de medida.
El instrumento de medida es el patrón usado para asignar valores a las variables, es decir, producir los datos. Puede ser de diversos tipos: un dispositivo mecánico o digital del cual se obtiene directamente el valor de una variable como un cronómetro o un termómetro; un cuestionario que recoge las respuestas de una persona cuando se realiza una entrevista personal, por teléfono o por correo electrónico; una lista de chequeo donde un observador consigna sus apreciaciones respecto a las unidades de observación 9
por ejemplo un psiquiatra valorando comportamiento de un paciente o un experto en logística analizando un proceso productivo.
La selección del instrumento de medición se hace según el criterio de precisión [Baird,1995]. Es fácil comprender que si la medida se hace con un equipo que de automáticamente el dato correspondiente, habrá mayor precisión que si la medida de las variables se hace mediante un cuestionario.
Cuando los cuestionarios no están
estandarizados se deben verificar su validez y confiabilidad, de la misma forma que se calibraría un aparato para evitar errores de apreciación. Cuando se diseña un nuevo cuestionario, la tabla de las variables definidas facilita esta labor, porque se diseñan las preguntas adecuadamente para que las respuestas sean los valores definidos para cada variable. El orden de las preguntas debe ayudar a su compresión a quien responde y además, facilita el proceso de análisis de datos.
El listado de los elementos que conforman la muestra aleatoria no puede ser modificado posteriormente y la medida de cada una de las unidades de observación que la componen, determina la logística del operativo de medida.
3.2 Diseño del proceso de análisis de datos
En esta etapa se diseña el proceso para transformar los datos en información, se parte del diseño de la base de datos que facilite el análisis con los métodos y software seleccionados para sintetizar los resultados de manera que sea clara la información primaria obtenida con la investigación. 3.2.1 Diseño de la base de datos
Es la tabla donde se colocarán los datos codificados, de manera que permita hacer un control de calidad para detectar inconsistencias y además, facilite la exportación a un programa para el análisis estadístico. Se puede hacer en una hoja Excel donde cada fila es un registro asociado con un elemento de la muestra y en las columnas se incluyen las variables. Si las variables se han definido bien, la construcción de esta tabla será
10
relativamente sencilla porque de antemano se puede saber el rango de valores de las variables continuas y, para las variables discretas, se tienen las categorías codificadas con valores numéricos que las identificarán en la base de datos.
3.2.2 Selección del método y herramienta para el análisis
Las herramientas disponibles para el procesamiento estadístico de los datos son variadas, desde una hoja Excel hasta programas estadísticos como SPSS [Pérez,2005], Minitab, R, SPAD, SAS, etc., cada uno tiene particularidades pero todos permiten hacer los análisis estadísticos más comunes. En cuanto al método de análisis también hay variedad, pero es indispensable seleccionar aquel que corresponda según los objetivos planteados, pues se puede obtener información diferente a partir del mismo conjunto de datos.
Acorde con la forma de seleccionar las unidades de observación, para conocer parámetros o comportamiento de una variable (distribución de probabilidad) o modelar relaciones entre variables [Gujarati,2004], se puede hacer un análisis exploratorio o un análisis inferencial. Si los datos provienen de toda la población (censo) se calculan directamente los valores reales, pero sí, pero si son datos son de una muestra no aleatoria el análisis se hace sobre los valores obtenidos aclarando que no se puede generalizar a la población. Se aplican métodos inferenciales (estimación puntual, estimación por intervalos de confianza y pruebas de hipótesis) sólo cuando se ha seleccionado una muestra aleatoria usando algún diseño muestral.
Los métodos dependen de la naturaleza de las variables, pero tanto para variables continuas como discretas, se puede realizar un análisis univariado con cada variable por separado o, un análisis multivariado para analizar simultáneamente varias variables y establecer relaciones entre ellas [Peña,2002].
En el caso de variables continuas se puede hacer un análisis univariado para saber si se ajustan a distribuciones de probabilidad como la normal, medidas de tendencia central (media, moda, mediana) y medidas de dispersión (rango, desviación estándar, varianza, coeficiente de variación, percentiles), y un análisis multivariado para establecer modelos
11
como regresión lineal [Draper, 1998], series temporales o
modelos factoriales
[Escofier,1992].
Para cada variable discreta se puede hacer comparación de proporciones y ajuste a distribuciones de probabilidad y análisis multivariados como tablas de contingencia, análisis de correspondencias múltiples o métodos de clasificación. También se pueden tener modelos mixtos que relacionan variables continuas y discretas como el análisis de varianza, análisis de covarianza y regresión logística.
3.2.3
Presentación de resultados
Hay investigaciones en las cuales la publicación de sus resultados están estandarizados como CONSORT para ensayos clínicos con grupos paralelos [Altaman, et.al. 2001] o STROBE para estudios observacionales [von Elm, et.al. 2005], que constituyen en sí mismas guías para presentar la información resultante. Sin embargo, en la mayoría de casos, es necesario diseñar la forma adecuada de sintetizar los resultados obtenidos con el propósito de que sean comprensibles. No es conveniente que el resultado final del proceso quede diluido entre cálculos o se usen representaciones que confundan al lector. Se recomienda desde el comienzo diseñar las tablas resumen de estadísticos y los gráficos que los acompañarán y el orden en el cual aparecerán en el informe [Medina,2007].
4. BIBLIOGRAFÍA
1. Altman, D., Schulz,K., Moher, D., Egger, M., Davidoff, F. Elbourne,D. Gøtzche, P. and Lang, T. (2001) The revised CONSORT statement for reporting randomized trials: explanation and elaboration, Annals of Internal Medicine 124(8), 663-694. 2. Anderson, DR. (2003) Estadística para administración y economía. Thompson. 3. Baird, D. (1995) Experimentation: An introduction to measurement theory and experimental design. Prentice Hall. 4. Draper, NR. (1998) Applied regression analysis. John Wiley. 12
5. Escofier, B. y Pagès, J. (1992) Análisis factoriales simples y múltiples: objetivos, métodos e interpretación. Universidad del País Vasco. 6. Fleiss, J. (1986) The Design and analysis of clinical experiments. John Wiley. 7. Gujarati, DN. (2004) Econometría. Mc Graw Hill. 8. Hernández, R; Fernández, C y Baptista, P. (1998)
Metodología de la
investigación. Mc Graw Hill. 9. Lohr, SL. (2000) Muestreo: diseño y análisis. Thompson. 10. Medina, MN. A propósito de algo llamado investigación. Revista Escuela Colombiana de Ingeniería. Año 10, No 40. Octubre-diciembre 2000, pp40-45. 11. Medina, MN. (2007) La investigación aplicada a proyectos. Vol 1: Identificación del proyecto y formulación de la Investigación. Ántropos. 12. Montgomery, D. (2003) Diseño de experimentos. Limusa. 13. Peña, D. (2002) Análisis de datos multivariantes. Mc Graw Hill. 14. Pérez, C (2005) Métodos estadísticos avanzados con SPSS. Thompson. 15. Sabino, C. (1996) El proceso de investigación. Editorial Panamericana. 16. Von Elm, E., Altman, D., Egger, M., Pocock,S.,
Gotszche,P. and
Vandenbroucke, J. (2007), The strengthening the reporting of observational studies in epidemiology (STROBE) statement: guidelines for reporting observational studies. Annals of Internal Medicine 147, 573-577. 17. Wagensberg, J. (1998) Ideas para la imaginación impura. 53 Reflexiones en su propia sustancia. Metatemas,5 4 Libros para pensar la ciencia. Tusquets Editores. Barcelona.
13