Diseño metodológico y validez
El diseño de investigación
La estrategia que vincula pregunta y datos: qué observar, a quién, cómo manipular o medir, y cómo analizar. Un buen diseño responde a la pregunta con la mínima ambigüedad.
Tipos de estudio
- Exploratorio: describe y genera hipótesis.
- Correlacional: mide asociaciones.
- Experimental: establece causalidad.
Cuantitativo, cualitativo, mixto
Números y estadística, palabras y significados, o ambos. La elección depende de la pregunta: unas piden medir, otras comprender.
Población y muestra
- Definir a quién se generaliza (población).
- Cómo se selecciona la muestra observable.
- Una muestra sesgada invalida todo lo demás.
Muestreo y representatividad
Aleatorio, estratificado, por conveniencia... Cada método tiene distinto riesgo de sesgo. La representatividad sostiene la validez externa.
Validez interna
¿El resultado se debe realmente a lo que se afirma? Amenazas: historia, maduración, deserción, instrumentación, confusión. Un diseño sólido las controla.
Validez externa
¿Se generaliza más allá de la muestra y el contexto del estudio? Condiciones artificiales o muestras raras la limitan.
Fiabilidad y validez de la medida
- Fiabilidad: ¿la medida es consistente al repetirla?
- Validez: ¿mide lo que pretende medir?
- Un instrumento puede ser fiable y no válido.
Controles y comparación
Incluir grupo de control o comparación es la defensa central contra explicaciones rivales del resultado.
Sesgos a vigilar
- De selección, de medición, de confirmación.
- De publicación: solo salen los resultados «positivos».
- Identificarlos permite mitigarlos con diseño.
Reproducibilidad del método
Documentar el procedimiento con detalle para que otro pueda repetir el estudio y comprobar las conclusiones. La ciencia es un acto social verificable.
El plan de análisis anticipado
Decidir de antemano cómo se analizarán los datos evita torturarlos hasta que confiesen algo (p-hacking). La preregistración disciplina la inferencia.
Errores frecuentes
- Creer que una muestra enorme corrige por sí sola un sesgo de selección.
- Medir con un instrumento fiable pero que no mide lo que pretende.
- Decidir el análisis después de ver los datos hasta que confiesen algo.
Ejemplo resuelto: 100.000 respuestas voluntarias
Un estudio con 100.000 respuestas voluntarias halla una fuerte preferencia por un producto. Pero quien se molesta en responder no representa a nadie: el sesgo de autoselección amenaza la validez interna y la muestra voluntaria la externa. El tamaño no salva un diseño mal planteado; toca recomparar con una muestra probabilística.
- alinear el diseño con la pregunta de investigación
- seleccionar una muestra representativa y no solo grande
- controlar las amenazas a la validez interna
- evaluar si el contexto permite generalizar
- preregistrar el plan de análisis para evitar el p-hacking
¿Para qué sirve en la realidad?
Validar conclusiones es el corazón de la investigación y del análisis serio: un diseño que controla amenazas y distingue fiabilidad de validez separa una recomendación creíble de una anécdota convincente pero engañosa.
La validez interna de un estudio se refiere a:
Una muestra grande elimina por sí sola el sesgo de selección.
Método
Toca una tarjeta para ver la respuesta.
Ordena la construcción de un diseño válido:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
Validez (estadística)Grado en que un estudio mide lo que afirma medir.
Une cada concepto metodológico con su definición:
Método
- Diseño metodológico y validez
- Diseños
- exploratorio
- exploratorio
- correlacional
- Diseños
- experimental
- cuantitativo
- población
- interna
Validez internaGrado en que un estudio establece correctamente una relación causal.
Tu estudio con 100.000 respuestas voluntarias halla una fuerte preferencia. ¿Qué amenaza de validez interna y externa señalas primero?
Tu texto se guarda sólo en este dispositivo.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.