Menú Cerrar

Diseños de investigación cuantitativa en educación: una guía completa

Diseños de investigación cuantitativa - destacada 3

El desarrollo de una investigación doctoral en ciencias de la educación exige definir, en sus etapas iniciales, el enfoque metodológico que orientará el estudio.

De manera general, los diseños de investigación se agrupan en dos grandes paradigmas: cuantitativo y cualitativo.

Dentro de la tradición cuantitativa, se distinguen ocho diseños principales: investigación experimental, cuasiexperimentos, encuestas y cuestionarios, estudios transversales, estudios longitudinales, investigación correlacional, comparación causal y metaanálisis.

En el presente artículo se analizan los fundamentos, alcances y limitaciones de cada uno de estos diseños mediante aplicaciones en el ámbito educativo, con el propósito de fundamentar la selección del método más pertinente según la naturaleza del problema y las preguntas de investigación.

Fundamentos de los Diseños de Investigación Cuantitativa

Los métodos cuantitativos comprenden la indagación empírica y sistemática de fenómenos observables mediante técnicas estadísticas, matemáticas o computacionales, cuyo propósito central consiste en contrastar hipótesis derivadas de la teoría (Creswell y Creswell, 2018).

En el campo educativo, este enfoque se operacionaliza mediante interrogantes orientadas a medir magnitudes, grados de incidencia o asociaciones entre variables, las cuales se responden a través de datos numéricos como calificaciones, puntajes de pruebas estandarizadas, frecuencias conductuales o escalas actitudinales.

La principal fortaleza de estos diseños radica en su capacidad para generar resultados replicables y generalizables a poblaciones amplias; no obstante, su alcance se ve limitado en cuanto a la comprensión profunda de los significados subjetivos inherentes a las experiencias educativas (Cohen et al., 2018).

Investigación Experimental

La investigación experimental consiste en la manipulación deliberada de una o más variables independientes para determinar su efecto causal sobre una o más variables dependientes, bajo condiciones de estricto control y mediante la asignación aleatoria de los participantes a los grupos de estudio (Campbell y Stanley, 1963; Shadish et al., 2002).

Dicha aleatorización constituye el rasgo distintivo del diseño, ya que permite asegurar, en términos probabilísticos, la equivalencia inicial de los grupos antes de aplicar la intervención.

En el ámbito educativo, este diseño puede ilustrarse mediante un estudio orientado a evaluar si la retroalimentación formativa inmediata en una plataforma digital —variable cuya incidencia sobre el aprendizaje ha sido ampliamente documentada (Hattie y Timperley, 2007)— incrementa el rendimiento en matemáticas. Para ello, se asignan aleatoriamente doce aulas de educación secundaria a dos condiciones (retroalimentación inmediata frente a retroalimentación diferida a las 48 horas) y se comparan las calificaciones posteriores.

Si se controlan adecuadamente las variables extrañas, las diferencias observadas pueden atribuirse causalmente a la intervención.

Aunque este método ofrece el mayor grado de validez interna, su aplicación en entornos escolares suele enfrentar restricciones éticas y logísticas que impiden la aleatorización pura, lo que justifica el recurso a los diseños cuasiexperimentales (Shadish et al., 2002).

Diseños Cuasiexperimentales

Los diseños cuasiexperimentales evalúan el impacto de una intervención sin recurrir a la asignación aleatoria de los sujetos; en su lugar, se trabaja con grupos intactos previamente conformados, tales como aulas o instituciones educativas existentes (Shadish et al., 2002).

Con el fin de mitigar las amenazas a la validez interna derivadas de la ausencia de aleatorización, el investigador incorpora grupos de comparación no equivalentes, mediciones pretest y postest, así como técnicas estadísticas de control (por ejemplo, el análisis de covarianza) para ajustar las diferencias iniciales (Campbell y Stanley, 1963).

Un ejemplo aplicado se observa cuando una entidad gubernamental implementa un programa de lectura temprana en las escuelas de una región determinada, mientras que las instituciones de una región vecina mantienen el currículo regular. El investigador evalúa el progreso lector en ambos grupos antes y después de la intervención, controlando estadísticamente el nivel socioeconómico.

Este diseño representa la alternativa metodológica más viable cuando las condiciones institucionales o normativas impiden la distribución aleatoria de los participantes.

Encuestas y Cuestionarios

La investigación mediante encuestas recopila información de una muestra de participantes a través de instrumentos estructurados, con el objetivo de describir actitudes, percepciones, prácticas o características sociodemográficas de una población (Cohen et al., 2018).

El rigor metodológico de este enfoque depende fundamentalmente de dos criterios técnicos: las propiedades psicométricas del instrumento (validez y confiabilidad) y la representatividad estadística de la muestra (Fowler, 2014).

A modo de ilustración, un investigador puede administrar un cuestionario validado sobre bienestar docente a una muestra probabilística estratificada de 600 profesores de educación primaria, con el propósito de estimar la prevalencia del agotamiento profesional y sus factores asociados.

Los hallazgos obtenidos permiten inferir parámetros poblacionales con márgenes de error y niveles de confianza previamente establecidos.

Estudios Transversales

El diseño transversal recolecta y analiza datos de una población o de diversos subgrupos en un único momento temporal, proporcionando una medición sincrónica del fenómeno estudiado (Salkind, 2017).

En el contexto universitario, este enfoque se ejemplifica al comparar, durante un mismo semestre académico, las estrategias de aprendizaje empleadas por estudiantes de primer, tercer y quinto año de licenciatura.

Si bien este diseño resulta eficiente en términos de tiempo y recursos, presenta una limitación inherente: no permite discernir si las diferencias observadas entre cohortes obedecen al desarrollo madurativo, a efectos generacionales o a la trayectoria académica acumulada.

Dicha restricción metodológica se supera mediante los estudios longitudinales.

Estudios Longitudinales

Los estudios longitudinales implican el seguimiento y la medición repetida de los mismos participantes a lo largo de un período prolongado, con el propósito de analizar procesos de cambio, estabilidad y trayectorias evolutivas (Salkind, 2017; Singer y Willett, 2003).

A pesar de su elevado valor explicativo para modelar el desarrollo educativo, estos diseños conllevan desafíos operativos significativos, tales como la atrición o mortalidad experimental, los altos costos logísticos de seguimiento y la prolongada inversión temporal.

Un caso representativo consiste en dar seguimiento durante cuatro años a una cohorte de 300 estudiantes desde el primer grado de primaria, evaluando semestralmente su fluidez lectora y su motivación académica, con el fin de modelar la capacidad predictiva de la motivación inicial sobre las trayectorias de adquisición de la lectura.

Investigación Correlacional

La investigación correlacional examina el grado de relación entre dos o más variables sin ejercer manipulación experimental sobre ellas, cuantificando tanto la magnitud como la dirección de dicha asociación (Creswell y Creswell, 2018).

En la interpretación de estos diseños resulta imperativo observar el principio epistemológico fundamental de que la covariación estadística no constituye prueba de causalidad.

Por ejemplo, al analizar la relación entre las horas semanales destinadas al uso de redes sociales y el rendimiento académico en una muestra de 450 estudiantes de educación media superior, puede hallarse una correlación negativa moderada, patrón congruente con la evidencia empírica previa sobre el uso de plataformas sociales y el desempeño escolar (Junco, 2012).

Este resultado evidencia una asociación sistemática entre ambas variables, pero no autoriza a inferir una relación causa-efecto, dado que terceras variables no controladas (como el clima familiar o los hábitos de estudio) podrían mediar o explicar dicha covariación.

Investigación Causal-Comparativa (Ex Post Facto)

La investigación causal-comparativa —denominada también diseño ex post facto— contrasta dos o más grupos preexistentes con el fin de explorar posibles causas o consecuencias de las diferencias observadas entre ellos, cuando la variable independiente ya ha ocurrido de manera natural y no es susceptible de manipulación (Salkind, 2017).

En el ámbito escolar, un estudio de esta naturaleza puede comparar el desempeño en ciencias naturales entre estudiantes que cursaron educación preescolar y aquellos que no tuvieron dicha experiencia formativa. Dado que la condición de agrupación ocurrió con anterioridad y sin intervención del investigador, el diseño permite formular hipótesis explicativas plausibles, aunque posee una validez interna inferior a la del experimento puro debido a la posible incidencia de variables de confusión no equiparadas entre los grupos.

Metaanálisis

El metaanálisis constituye una metodología de síntesis cuantitativa que integra estadísticamente los resultados de múltiples estudios empíricos independientes, con el propósito de identificar tendencias globales y estimar con precisión el tamaño del efecto combinado de una intervención o relación entre variables (Borenstein et al., 2009; Lipsey y Wilson, 2001).

Este enfoque resulta particularmente pertinente cuando el estado del arte sobre un problema de investigación es amplio y presenta hallazgos heterogéneos o contradictorios.

A manera de ejemplo, una investigación doctoral puede sintetizar 45 estudios experimentales y cuasiexperimentales sobre el impacto del aprendizaje colaborativo mediado por tecnologías digitales en la comprensión lectora, estimando un tamaño del efecto global y analizando variables moderadoras tales como el nivel educativo, la duración de la intervención y la tipología de la herramienta utilizada.

Criterios de Selección del Diseño Metodológico

La selección del diseño de investigación no debe responder a preferencias subjetivas del investigador, sino a la coherencia epistemológica con el planteamiento del problema y las preguntas de investigación (Creswell y Creswell, 2018).

En función de los objetivos del estudio, se establecen los siguientes criterios de decisión:

  • Si el propósito es establecer relaciones de causalidad mediante intervención activa, corresponde un diseño experimental (con asignación aleatoria) o un diseño cuasiexperimental (con grupos intactos).
  • Si el fenómeno causal ya ha ocurrido y no admite manipulación directa, se opta por un diseño causal-comparativo (ex post facto).
  • Si se pretende describir actitudes, percepciones o características de una población, resulta pertinente el diseño de encuesta.
  • Si el interés se centra en analizar diferencias entre subgrupos en un momento temporal único, se emplea un estudio transversal.
  • Si se busca modelar procesos de cambio y desarrollo a través del tiempo, se requiere un estudio longitudinal.
  • Si la interrogante indaga el grado de asociación entre variables sin intervención, procede un diseño correlacional.
  • Si el objetivo consiste en integrar cuantitativamente la evidencia empírica acumulada en la literatura, se selecciona el metaanálisis.

 

En la práctica investigativa de nivel doctoral, estos diseños no operan de manera excluyente, sino complementaria: un estudio correlacional puede fundamentar hipótesis que posteriormente se contrasten mediante un cuasiexperimento, así como un metaanálisis puede evidenciar vacíos empíricos que demanden estudios longitudinales.

El dominio riguroso de la lógica interna de cada diseño —sus fortalezas, límites y amenazas a la validez— constituye una competencia metodológica esencial para garantizar la calidad científica de la tesis doctoral.

Si eres más de los contenidos visuales, por aquí te dejo con el vídeo de la 1ra. Parte de los diseños cuantitativos:

 

Referencias

Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). Introduction to meta-analysis. John Wiley & Sons.

Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally.

Cohen, L., Manion, L., & Morrison, K. (2018). Research methods in education (8.ª ed.). Routledge.

Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5.ª ed.). SAGE Publications.

Fowler, F. J., Jr. (2014). Survey research methods (5.ª ed.). SAGE Publications.

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487

Junco, R. (2012). Too much face and not enough books: The relationship between multiple indices of Facebook use and academic performance. Computers & Education, 58(4), 1381–1390. https://doi.org/10.1016/j.chb.2011.08.026

Lipsey, M. W., & Wilson, D. B. (2001). Practical meta-analysis. SAGE Publications.

Salkind, N. J. (2017). Exploring research (9.ª ed.). Pearson.

Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.

Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford University Press.

Please follow and like us:

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Tesis de Cero a 100, El Diseño 🧐No vas a querer perderte este curso online!

Hola Doctor...

Suena bien, ¿no? Podrás obtener tu título de Doctor o Magister más rápido con nuestro curso  de cinco estrellas Tesis de Cero a 100, El Diseño. Aprende todo lo que el supervisor debería haberte enseñado sobre la planificación de una tesis de doctorado o maestría. Ahora a precios reducidos. Únete a cientos de otros estudiantes y conviértete en un mejor investigador.