COHERENCIA ENTRE EL DISEÑO DE INVESTIGACION Y LAS TECNICAS ESTADISTICAS UTILIZADAS
Estadística y gestión de datos en las tesis universitarias: claves para una investigación científica de calidad
Por Gilberto Francis Germán Valdez
En toda investigación científica existe un momento decisivo: convertir los datos recolectados en información capaz de responder las preguntas que dieron origen al estudio. Para lograrlo no basta con aplicar una fórmula, elaborar una tabla o presentar algunos porcentajes. Es necesario seleccionar procedimientos estadísticos adecuados, organizar correctamente los datos, trabajar con muestras coherentes y utilizar herramientas que permitan analizar la información con precisión.
Esta realidad adquiere todavía mayor importancia en los estudios de posgrado, donde se espera que los trabajos académicos cumplan elevados niveles de rigor metodológico.
Precisamente a partir de esta preocupación surge una investigación orientada a evaluar los procedimientos estadísticos y la gestión de datos utilizados en tesis con enfoques cuantitativo y mixto de la Maestría en Metodología de la Investigación de la Universidad Autónoma de Santo Domingo (UASD), correspondientes al período 2018-2022. El proyecto reconoce que el dominio de las herramientas estadísticas resulta determinante para interpretar correctamente los datos y sustentar científicamente las conclusiones de una investigación.
La estadística no comienza cuando terminamos de aplicar la encuesta
Existe una idea equivocada bastante frecuente: pensar que la estadística empieza después de recolectar los datos.
En realidad, las decisiones estadísticas aparecen prácticamente desde el inicio de una investigación.
Cuando el investigador define una población, determina una muestra, selecciona las variables, diseña un instrumento o establece la forma en que analizará los resultados, ya está tomando decisiones relacionadas con la estadística.
Por eso, un error cometido durante las primeras etapas puede trasladarse hasta las conclusiones.
Por ejemplo, podemos tener una encuesta muy bien redactada, pero si la muestra fue seleccionada incorrectamente, los resultados podrían no representar adecuadamente a la población estudiada.
También podríamos calcular correctamente porcentajes y promedios, pero si los datos fueron registrados de manera incorrecta, las conclusiones seguirían siendo cuestionables.
¿Dónde aparecen los errores?
La investigación parte de una revisión preliminar de tesis depositadas en la Biblioteca Pedro Mir de la Universidad Autónoma de Santo Domingo. Durante ese proceso fueron observadas dificultades vinculadas con la selección, aplicación e interpretación de procedimientos estadísticos.
Entre los problemas señalados se encuentran inconsistencias en la organización de los datos, errores en la aplicación de fórmulas estadísticas, dificultades relacionadas con la selección de las muestras y utilización limitada de programas especializados para el análisis de información.
Estos problemas no deben interpretarse simplemente como equivocaciones matemáticas.
En realidad, pueden afectar todo el proceso investigativo.
Si se determina incorrectamente el tamaño de la muestra, si se utiliza una técnica estadística que no corresponde con los objetivos del estudio o si los datos no son depurados antes de analizarlos, la investigación puede terminar ofreciendo conclusiones que no reflejen adecuadamente la realidad estudiada.
El problema de la muestra
Uno de los aspectos más importantes de una investigación cuantitativa es determinar adecuadamente quiénes participarán en el estudio.
La muestra debe guardar relación con las características de la población y con los propósitos de la investigación.
Sin embargo, elegir una muestra no consiste únicamente en insertar determinados valores dentro de una fórmula.
El investigador debe comprender conceptos como población, nivel de confianza, margen de error, proporción esperada, representatividad y tipo de muestreo.
Una investigación puede utilizar correctamente una fórmula matemática y, aun así, presentar problemas metodológicos si el procedimiento utilizado para seleccionar a los participantes no garantiza una representación adecuada.
Por eso es importante diferenciar dos preguntas:
¿Cuántas personas necesito estudiar?
y
¿Cómo voy a seleccionar esas personas?
La primera se relaciona con el tamaño de la muestra.
La segunda corresponde al procedimiento de muestreo.
Ambas decisiones son fundamentales.
El propio proyecto se propone determinar cuáles criterios estadísticos utilizan los maestrantes para seleccionar las muestras de sus tesis.
Una fórmula correcta también puede utilizarse incorrectamente
Otro aspecto importante se encuentra en la aplicación de fórmulas estadísticas.
No basta con disponer de una ecuación. Es necesario comprender qué representa cada elemento y bajo qué condiciones debe utilizarse.
Un pequeño error al sustituir los valores puede alterar considerablemente el resultado final.
Esto ocurre, por ejemplo, cuando se calcula el tamaño de una muestra y se introducen incorrectamente el nivel de confianza, el margen de error o las proporciones correspondientes.
Por esa razón, una de las finalidades específicas del estudio consiste precisamente en identificar las fórmulas estadísticas utilizadas y los errores más comunes que aparecen durante su aplicación.
Esta revisión puede tener una utilidad práctica muy importante porque permitiría transformar errores frecuentes en experiencias de aprendizaje para futuros investigadores.
Gestionar datos es mucho más que almacenarlos
Cuando hablamos de gestión de datos no nos referimos simplemente a guardar respuestas en una computadora.
Los datos deben ser organizados, codificados, depurados, revisados y preparados antes del análisis.
Supongamos que una investigación aplica 300 cuestionarios.
Antes de calcular cualquier porcentaje, es necesario comprobar aspectos como:
cuestionarios incompletos;
respuestas duplicadas;
valores fuera de los rangos permitidos;
errores de digitación;
categorías codificadas incorrectamente;
datos ausentes;
inconsistencias entre variables.
Si estos problemas no son identificados previamente, el software puede realizar los cálculos perfectamente y, aun así, producir resultados equivocados.
El programa estadístico procesa la información que recibe. No puede determinar automáticamente si el investigador introdujo datos incorrectos o utilizó una variable de manera inadecuada.
Por tanto, la calidad del análisis depende primero de la calidad de los datos.
Excel, SPSS, R, Stata y otras herramientas
Otro componente de la investigación consiste en analizar cuáles programas utilizan los maestrantes para procesar y presentar sus datos.
En la actualidad existen múltiples alternativas.
Excel resulta accesible y útil para organizar información, generar tablas, trabajar con frecuencias y desarrollar determinados análisis descriptivos.
SPSS es ampliamente utilizado en ciencias sociales, educación, psicología y ciencias de la salud porque permite trabajar mediante una interfaz relativamente amigable.
R ofrece grandes posibilidades para análisis estadísticos avanzados y visualización de datos.
Stata se utiliza con frecuencia en economía, epidemiología y ciencias sociales.
También Python se ha convertido en una herramienta de gran utilidad para la manipulación y análisis de grandes conjuntos de datos.
Sin embargo, el software por sí solo no garantiza una investigación rigurosa.
La pregunta verdaderamente importante no es:
¿Qué programa utilizaste?
Sino:
¿Por qué utilizaste ese procedimiento estadístico y qué relación tiene con tus objetivos, variables y diseño metodológico?
El estudio presta especial atención justamente al software utilizado y a la adecuación de los procedimientos estadísticos según los enfoques metodológicos de cada tesis.
El error de llenar una tesis de porcentajes
En numerosas investigaciones descriptivas es común encontrar tablas acompañadas únicamente por porcentajes.
Por ejemplo:
45 % respondió “sí”, 35 % respondió “no” y 20 % respondió “a veces”.
Eso puede ser correcto desde el punto de vista matemático.
Pero todavía falta algo fundamental:
¿Qué significan esos resultados?
La estadística no debería convertirse simplemente en una acumulación de tablas.
Cada resultado debe analizarse en relación con:
los objetivos de investigación;
las variables;
las preguntas formuladas;
los antecedentes;
las teorías que sustentan el estudio;
y el contexto donde ocurre el fenómeno.
Un porcentaje adquiere significado científico cuando permite explicar o comprender algo relacionado con el problema investigado.
No todos los estudios necesitan estadísticas complejas
También existe el problema contrario: utilizar procedimientos estadísticos avanzados simplemente para que la investigación parezca más científica.
No necesariamente.
La complejidad estadística debe depender de la naturaleza del problema.
En una investigación descriptiva podría ser suficiente utilizar frecuencias, porcentajes, medias u otras medidas descriptivas.
Pero cuando el objetivo consiste en establecer relaciones, diferencias o asociaciones entre variables, puede ser necesario utilizar procedimientos inferenciales.
El principio fundamental debería ser:
utilizar la técnica estadística que responda correctamente a la pregunta de investigación, no la técnica más complicada disponible.
La coherencia metodológica
Uno de los problemas de mayor importancia identificado en el proyecto es la posible falta de correspondencia entre los objetivos, el diseño metodológico y las técnicas estadísticas utilizadas.
La investigación científica debe funcionar como un sistema.
El problema determina las preguntas.
Las preguntas orientan los objetivos.
Los objetivos ayudan a determinar las variables y el tipo de información requerida.
Las variables condicionan los instrumentos.
Y, finalmente, la naturaleza de los datos determina las técnicas de análisis.
Si una de esas partes no guarda relación con las demás, la investigación pierde coherencia.
El documento destaca precisamente que la correspondencia entre objetivos, diseño metodológico y técnicas de análisis constituye una condición fundamental para garantizar la validez científica.
¿Qué ocurre cuando la estadística se utiliza incorrectamente?
Las consecuencias pueden ser importantes.
Una aplicación inadecuada de procedimientos estadísticos puede producir resultados sesgados, conclusiones débiles o interpretaciones que no están verdaderamente respaldadas por los datos.
El proyecto advierte que la falta de uniformidad en la gestión y análisis de la información puede afectar la credibilidad y validez de las investigaciones e incluso dificultar la interpretación y posterior reproducción de sus hallazgos.
Esto resulta particularmente importante porque una tesis no es solamente un requisito académico.
También forma parte de la producción científica de una universidad.
Otros investigadores pueden utilizar sus resultados, citar sus conclusiones o tomarlos como referencia para nuevos estudios.
Por eso la rigurosidad estadística posee una responsabilidad que trasciende al propio estudiante.
La formación estadística como competencia investigativa
Una de las principales reflexiones que se desprenden de este estudio es la necesidad de fortalecer las competencias estadísticas de quienes realizan investigaciones de posgrado.
Un investigador no necesita necesariamente convertirse en estadístico profesional.
Pero sí debe poseer conocimientos suficientes para comprender:
qué datos necesita;
cómo debe recolectarlos;
cómo seleccionar una muestra;
cómo organizar la información;
qué análisis corresponde realizar;
cómo interpretar los resultados;
y cuáles son las limitaciones de sus conclusiones.
También debe saber cuándo necesita recurrir a la asesoría de un especialista.
¿Cómo se estudiará esta problemática?
Desde el punto de vista metodológico, el proyecto plantea un enfoque mixto, con diseño no experimental, documental y transversal.
La revisión de las tesis constituye una fuente fundamental de información, utilizando una ficha estructurada para registrar los elementos encontrados. El procesamiento contempla análisis de contenido y estadística descriptiva para identificar patrones y tendencias en los procedimientos estadísticos utilizados.
Esta metodología permite observar las prácticas investigativas a partir de los propios documentos producidos por los maestrantes y no únicamente desde percepciones generales sobre las dificultades estadísticas.
¿Qué puede aportar una investigación de este tipo?
Uno de sus principales valores consiste en transformar la identificación de errores en propuestas concretas de mejora.
El proyecto contempla generar recomendaciones para fortalecer la formación estadística de los maestrantes, establecer lineamientos relacionados con la selección de muestras y aplicación de fórmulas y orientar sobre la utilización de programas especializados.
Además, plantea la posibilidad de crear un registro de errores frecuentes y buenas prácticas que sirva de referencia para futuros investigadores.
Esto podría contribuir a reducir errores repetitivos y fortalecer progresivamente la calidad de las investigaciones.
Hacia una cultura de investigación basada en datos
La importancia de este tema supera los límites de una asignatura de estadística.
Vivimos en una sociedad donde cada vez más decisiones dependen de los datos.
La educación, la economía, las políticas públicas, la salud y prácticamente todos los campos profesionales utilizan información cuantitativa para comprender problemas y tomar decisiones.
Por eso las universidades tienen la responsabilidad de formar investigadores capaces no solamente de recolectar información, sino también de analizarla críticamente.
Una correcta formación estadística contribuye a desarrollar investigadores capaces de distinguir entre una simple cifra y una verdadera evidencia.
Reflexión final
Realizar una investigación rigurosa requiere mucho más que llenar cuestionarios, elaborar tablas y calcular porcentajes.
La estadística constituye una parte esencial del razonamiento científico.
Una muestra mal seleccionada, una fórmula aplicada incorrectamente, datos sin depurar o una prueba estadística que no corresponde al objetivo pueden comprometer meses de trabajo investigativo.
Por esta razón, fortalecer la formación en procedimientos estadísticos y gestión de datos debe considerarse una prioridad en los programas universitarios dedicados a formar investigadores.
La tecnología continuará facilitando los cálculos. Los programas serán cada vez más rápidos e incluso la inteligencia artificial podrá colaborar en numerosos procesos analíticos.
Pero seguirá existiendo una responsabilidad que corresponde al investigador:
comprender qué está haciendo con los datos, por qué lo está haciendo y qué conclusiones realmente puede obtener a partir de ellos.
En investigación científica, los números no hablan por sí solos.
Necesitan un investigador capaz de formular buenas preguntas, aplicar procedimientos adecuados e interpretar responsablemente lo que los datos permiten afirmar.
Comentarios
Publicar un comentario