Pregunta, hipótesis y estado del arte
La pregunta de investigación
Delimita el problema: qué se quiere averiguar, sobre qué población y en qué condiciones. Buena pregunta es específica, relevante y, sobre todo, respondible.
Criterios de una buena pregunta
- Específica: acota el alcance.
- Factible: se puede responder con datos y métodos disponibles.
- Relevante: importa responderla.
La hipótesis
Una afirmación tentativa y contrastable que se pondrá a prueba. No es una corazonada: es una proposición que los datos podrán apoyar o refutar.
Contrastabilidad y refutabilidad
Una hipótesis científica debe poder demostrarse falsa. Si ningún resultado la incomodaría, no es una hipótesis, es una creencia.
Variables operativizadas
- Definir cómo se medirá cada concepto.
- Pasar de lo abstracto a lo observable.
- Sin operación no hay medición posible.
El estado del arte
Revisar sistemáticamente qué se ha investigado antes: teorías, métodos, hallazgos y vacíos. Evita duplicar y localiza la aportación propia.
Revisión de literatura rigurosa
- Buscar con criterio y fuentes de calidad.
- Sintetizar, no enumerar resúmenes.
- Identificar las lagunas que justifican el trabajo.
Citar con honestidad
Atribuir ideas correctamente es la base de la integridad académica. Copiar sin citar es plagio; descontextualizar fuentes, también deshonesto.
Del vacío a la contribución
La pregunta buena nace de una laguna concreta del conocimiento. Situarla en el estado del arte muestra qué se añade de nuevo.
Hipótesis nula y alternativa
En la práctica estadística se formula una nula de «no efecto» contra la que se busca evidencia, ligando la hipótesis de investigación con el test que la evalúa.
Error típico: la pregunta imposible
- Demasiado amplia: nadie puede responderla.
- Demasiado obvia: no aporta nada.
- Demasiado vaga: no se puede operacionalizar.
Errores frecuentes
- Plantear una pregunta demasiado amplia o vaga para poder responderla.
- Formular una hipótesis inmune a la evidencia, que ningún dato podría refutar.
- Ignorar el estado del arte y reinventar lo que ya se sabía.
Ejemplo resuelto: acotar «mejorar la IA»
«Mejorar la inteligencia artificial» no es una pregunta investigable: no dice qué, sobre quién ni cómo medirlo. El investigador la acota: ¿reducir la tasa de falsos positivos de un modelo de detección de fraude disminuye las disputas de clientes? Ahora hay población, variables operacionalizadas y una hipótesis contrastable.
- delimitar el problema en una pregunta específica y relevante
- revisar el estado del arte para situar el vacío
- proponer una hipótesis que los datos puedan refutar
- operacionalizar cada concepto en una medición
- ligar la hipótesis con el test estadístico que la evalúa
¿Para qué sirve en la realidad?
Un proyecto de datos o de investigación fracasa más por una pregunta mal formulada que por un mal modelo: definir qué se quiere saber, afirmar algo refutable y saber qué ya se sabe ahorra esfuerzo, orienta el análisis y da base honesta a cualquier conclusión.
Una hipótesis científica debe ser ante todo:
Operacionalizar una variable consiste en definir cómo se medirá en la práctica.
Fundamentos
Toca una tarjeta para ver la respuesta.
Ordena el arranque de una investigación:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
HipótesisProposición contrastable que la investigación pone a prueba.
Une cada pieza del arranque de la investigación con su papel:
Fundamentos
- Pregunta, hipótesis y estado del arte
- Pregunta
- específica
- específica
- factible
- Pregunta
- relevante
- contrastable
- revisar literatura
- citar con honestidad
OperacionalizaciónDefinir cómo se medirá un concepto abstracto en la práctica.
Tu compañero propone «mejorar la inteligencia artificial». Explícale por qué no es una pregunta de investigación y cómo la acotarías en una contrastable.
Tu texto se guarda sólo en este dispositivo.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.