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
Ordena la construcción de un diseño válido:
Pregunta
Diseno
Muestra
Analizar
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 ### correlacional ### experimental ## Enfoques ### cuantitativo ### cualitativo ### mixto ## Muestra ### población ### muestreo ### representatividad ## Validez ### interna ### externa ### fiabilidad de la medida
Validez interna
Grado 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?