El diseño de la investigación se refiere a la estrategia general utilizada para responder las preguntas de la investigación . Un diseño de investigación normalmente describe las teorías y modelos subyacentes a un proyecto; la(s) pregunta(s) de investigación de un proyecto; una estrategia para recopilar datos e información; y una estrategia para producir respuestas a partir de los datos. [1] Un diseño de investigación sólido produce respuestas válidas a las preguntas de investigación, mientras que los diseños débiles producen respuestas poco confiables, imprecisas o irrelevantes. [1]
La incorporación en el diseño de un estudio de investigación dependerá del punto de vista del investigador sobre sus creencias en la naturaleza del conocimiento (ver epistemología ) y la realidad (ver ontología ), a menudo moldeadas por las áreas disciplinarias a las que pertenece el investigador. [2] [3]
El diseño de un estudio define el tipo de estudio (descriptivo, correlacional, semiexperimental, experimental, de revisión, metaanalítico) y subtipo (p. ej., estudio de caso descriptivo-longitudinal ), problema de investigación , hipótesis , variables independientes y dependientes . diseño experimental y, en su caso, métodos de recogida de datos y plan de análisis estadístico. [4] Un diseño de investigación es un marco que se ha creado para encontrar respuestas a preguntas de investigación .
Hay muchas formas de clasificar los diseños de investigación. No obstante, la siguiente lista ofrece una serie de distinciones útiles entre posibles diseños de investigación. Un diseño de investigación es un arreglo de condiciones o colección. [5]
A veces se hace una distinción entre diseños "fijos" y "flexibles". En algunos casos, estos tipos coinciden con diseños de investigación cuantitativos y cualitativos respectivamente, [6] aunque no tiene por qué ser así. En los diseños fijos, el diseño del estudio se fija antes de que tenga lugar la etapa principal de recopilación de datos. Los diseños fijos normalmente se basan en teoría; de lo contrario, es imposible saber de antemano qué variables deben controlarse y medirse. A menudo, estas variables se miden cuantitativamente. Los diseños flexibles permiten una mayor libertad durante el proceso de recopilación de datos. Una razón para utilizar un diseño de investigación flexible puede ser que la variable de interés no sea cuantitativamente mensurable, como la cultura. En otros casos, es posible que la teoría no esté disponible antes de comenzar la investigación.
La elección de cómo agrupar a los participantes depende de la hipótesis de la investigación y de cómo se muestrean los participantes . En un estudio experimental típico, habrá al menos una condición "experimental" (por ejemplo, "tratamiento") y una condición de "control" ("sin tratamiento"), pero el método apropiado de agrupación puede depender de factores como la duración. de la fase de medición y características de los participantes:
La investigación confirmatoria prueba hipótesis a priori : predicciones de resultados que se hacen antes de que comience la fase de medición. Estas hipótesis a priori suelen derivarse de una teoría o de los resultados de estudios previos. La ventaja de la investigación confirmatoria es que el resultado es más significativo, en el sentido de que es mucho más difícil afirmar que un determinado resultado es generalizable más allá del conjunto de datos. La razón de esto es que en la investigación confirmatoria lo ideal es esforzarse por reducir la probabilidad de informar falsamente que un resultado coincidente es significativo. Esta probabilidad se conoce como nivel α o probabilidad de error tipo I.
La investigación exploratoria , por otro lado, busca generar hipótesis a posteriori examinando un conjunto de datos y buscando relaciones potenciales entre variables. También es posible tener una idea sobre una relación entre variables pero carecer de conocimiento de la dirección y la fuerza de la relación. Si el investigador no tiene ninguna hipótesis concreta de antemano, el estudio es exploratorio respecto de las variables en cuestión (aunque podría ser confirmatorio para otras). La ventaja de la investigación exploratoria es que es más fácil hacer nuevos descubrimientos debido a restricciones metodológicas menos estrictas. Aquí, el investigador no quiere perderse una relación potencialmente interesante y por lo tanto pretende minimizar la probabilidad de rechazar un efecto o relación real ; esta probabilidad a veces se denomina β y el error asociado es de tipo II . En otras palabras, si el investigador simplemente quiere ver si algunas variables medidas podrían estar relacionadas, querría aumentar las posibilidades de encontrar un resultado significativo reduciendo el umbral de lo que se considera significativo .
A veces, un investigador puede realizar una investigación exploratoria pero informarla como si hubiera sido confirmatoria ('Hipótesis después de conocer los resultados', HARKing [7] ; consulte Hipótesis sugeridas por los datos ); Se trata de una práctica de investigación cuestionable que raya en el fraude.
Se puede hacer una distinción entre problemas de estado y problemas de proceso. Los problemas de estado tienen como objetivo responder cuál es el estado de un fenómeno en un momento dado, mientras que los problemas de proceso se ocupan del cambio de los fenómenos a lo largo del tiempo. Ejemplos de problemas de estado son el nivel de habilidades matemáticas de niños de dieciséis años, las habilidades informáticas de los ancianos, el nivel de depresión de una persona, etc. Ejemplos de problemas de proceso son el desarrollo de habilidades matemáticas desde la pubertad hasta la edad adulta, el cambio en las habilidades informáticas cuando las personas envejecen y cómo los síntomas de depresión cambian durante la terapia.
Los problemas de estado son más fáciles de medir que los problemas de proceso. Los problemas de estado sólo requieren una medición del fenómeno de interés, mientras que los problemas de proceso siempre requieren múltiples mediciones. Se necesitan diseños de investigación como mediciones repetidas y estudios longitudinales para abordar los problemas del proceso.
En un diseño experimental, el investigador intenta activamente cambiar la situación, las circunstancias o la experiencia de los participantes (manipulación), lo que puede conducir a un cambio en el comportamiento o los resultados de los participantes del estudio. El investigador asigna aleatoriamente a los participantes a diferentes condiciones, mide las variables de interés e intenta controlar las variables de confusión . Por lo tanto, los experimentos suelen ser muy fijos incluso antes de que comience la recopilación de datos .
En un buen diseño experimental , algunas cosas son de gran importancia. En primer lugar, es necesario pensar en la mejor manera de operacionalizar las variables que se medirán, así como qué métodos estadísticos serían los más apropiados para responder a la pregunta de investigación . Por lo tanto, el investigador debe considerar cuáles son las expectativas del estudio y cómo analizar los posibles resultados. Finalmente, en un diseño experimental, el investigador debe pensar en las limitaciones prácticas, incluida la disponibilidad de participantes, así como qué tan representativos son los participantes para la población objetivo. Es importante considerar cada uno de estos factores antes de comenzar el experimento. [8] Además, muchos investigadores emplean análisis de potencia antes de realizar un experimento, para determinar qué tan grande debe ser la muestra para encontrar un efecto de un tamaño determinado con un diseño determinado con la probabilidad deseada de hacer un Tipo I o Tipo II. error . El investigador tiene la ventaja de minimizar recursos en los diseños de investigación experimental.
Los diseños de investigación no experimentales no implican una manipulación de la situación, circunstancias o experiencia de los participantes. Los diseños de investigación no experimentales se pueden clasificar en términos generales en tres categorías. Primero, en los diseños relacionales se mide una variedad de variables. Estos diseños también se denominan estudios de correlación porque los datos de correlación se utilizan con mayor frecuencia en el análisis. Dado que la correlación no implica causalidad , dichos estudios simplemente identifican comovimientos de variables. Los diseños correlacionales son útiles para identificar la relación de una variable con otra y ver la frecuencia de coocurrencia en dos grupos naturales (ver Correlación y dependencia ). El segundo tipo es la investigación comparativa . Estos diseños comparan dos o más grupos en una o más variables, como el efecto del género en las calificaciones. El tercer tipo de investigación no experimental es el diseño longitudinal. Un diseño longitudinal examina variables como el desempeño exhibido por un grupo o grupos a lo largo del tiempo (ver Estudio longitudinal ).
Los estudios de casos famosos son, por ejemplo, las descripciones de los pacientes de Freud, que fueron analizados y descritos minuciosamente.
Bell (1999) afirma que "un enfoque de estudio de caso es particularmente apropiado para investigadores individuales porque brinda la oportunidad de estudiar un aspecto de un problema con cierta profundidad dentro de una escala de tiempo limitada". [9]
Este tipo de investigación está involucrada con un grupo, organización, cultura o comunidad. Normalmente el investigador comparte mucho tiempo con el grupo. [10]
La investigación de teoría fundamentada es un proceso de investigación sistemático que trabaja para desarrollar "un proceso, una acción o una interacción sobre un tema sustancial". [11]