Medir para comprender: los números cuentan historias
Los métodos cuantitativos en investigación educativa miden variables, prueban hipótesis con datos numéricos y buscan generalizar resultados a poblaciones más amplias. Se basan en el paradigma positivista: la realidad es objetiva y medible. Los instrumentos típicos son encuestas cerradas, pruebas estandarizadas, bases de datos institucionales. El análisis usa estadística: descriptiva (medias, desviaciones) e inferencial (correlaciones, pruebas de significancia).
Diseños cuantitativos
| Diseño | Qué hace | Ejemplo |
|---|---|---|
| Descriptivo | Mide variables sin manipular. Describe cómo están las cosas. | Encuesta nacional de satisfacción estudiantil |
| Correlacional | Identifica relaciones entre variables sin manipular. | ¿La motivación se correlaciona con el rendimiento? |
| Cuasi-experimental | Compara grupos con intervención, sin asignación aleatoria. | ¿El programa X mejora resultados vs. grupo sin programa? |
| Experimental | Manipula variables con asignación aleatoria. Causa-efecto. | Ensayo controlado aleatorizado: grupo tratamiento vs. control |
| Longitudinal | Mide las mismas variables en múltiples momentos. | Seguir una cohorte durante 4 años para ver evolución |
Muestreo: ¿a quién se investiga?
- Población: el conjunto total de personas que se quieren estudiar (ej: todos los estudiantes de secundaria de México).
- Muestra: un subconjunto representativo. No se puede estudiar a todos: se toma una muestra.
- Muestreo probabilístico: cada miembro tiene probabilidad conocida de ser seleccionado. Permite generalizar. (Aleatorio simple, estratificado, por conglomerados.)
- Muestreo no probabilístico: la selección no es aleatoria. No permite generalizar pero es práctico. (Por conveniencia, intencional, bola de nieve.)
- Tamaño de muestra: depende del nivel de confianza deseado, la variabilidad y el margen de error. Muestras más grandes = más precisión, pero más costo.
Un investigador quiere generalizar los resultados de una encuesta de satisfacción a todos los estudiantes de una universidad de 10,000 alumnos. Encuesta a 300 estudiantes seleccionados aleatoriamente. ¿Qué tipo de muestreo usó?
Análisis estadístico
[Dos tipos de estadística]
Esta actividad interactiva ('Comparacion de fuentes') requiere el motor completo de Lumbre. El contenido estatico se muestra arriba; para la experiencia interactiva, visita la version online de este objeto.
Relaciona cada diseño con su propósito:
¿Has usado datos cuantitativos en tu práctica? ¿Encuestas, calificaciones, estadísticas de deserción? ¿Cómo los analizaste? ¿Qué preguntas cuantitativas te gustaría investigar en tu contexto?
Pista
Los números no hablan solos: necesitan preguntas. Antes de recolectar datos, pregúntate: ¿qué quiero saber? ¿Qué variable medir? ¿A quién?Para dominar este tema
Lo esencial que debes saber
- Métodos cuantitativos: miden variables, prueban hipótesis, generalizan resultados.
- Diseños: descriptivo, correlacional, cuasi-experimental, experimental, longitudinal.
- Muestreo: probabilístico (generalizable) vs. no probabilístico (práctico).
- Estadística: descriptiva (resume) + inferencial (generaliza, prueba hipótesis).
- Coherencia: pregunta → diseño → muestra → instrumento → análisis.
Preguntas clave del tema
- ¿Qué miden los métodos cuantitativos y qué no pueden medir?
- ¿Qué diseños cuantitativos existen y cuándo usar cada uno?
- ¿Cómo se selecciona una muestra representativa?
- ¿Qué diferencia hay entre estadística descriptiva e inferencial?
Lo que debes poder hacer
- Seleccionar el diseño cuantitativo más pertinente para una pregunta.
- Diseñar un muestreo representativo.
- Interpretar resultados estadísticos básicos.
Verificación: Métodos cuantitativos
Se requiere 70% de aciertos para avanzar.
No confundir números con verdad
- ¿La correlación es o no causalidad?
Operacionalizar una variable
- Define el constructo teórico
En investigación cuantitativa, la «validez» de un instrumento se refiere a…
Un diseño experimental con grupo de control y asignación aleatoria es el que permite una inferencia causal más fuerte.
El muestreo da a cada unidad la misma probabilidad de selección y fundamenta la inferencia estadística hacia la población.