• Author / Uploaded
• pamela bórquez

• Categories
• Muestreo (Estadística)
• Investigación social
• Toma de decisiones
• Justificación
• Probabilidad

Citation preview

¿A cuántos y a quiénes preguntar?

1

2

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

3

¿A cuántos y a quiénes preguntar?

Una aproximación al muestreo cuantitativo y cualitativo en investigación social y educacional Dagoberto Salinas Avilés

4

© Dagoberto Salinas Avilés, 2010 Inscripción N° 189.321 ISBN 978-956-17-0457-2 Tirada: 500 ejemplares Derechos Reservados Ediciones Universitarias de Valparaíso Pontificia Universidad Católica de Valparaíso Calle 12 de Febrero 187, Valparaíso Teléfono: 227 3087 – Fax: 227 3429 E.mail: [email protected] www.euv.cl Diseño Gráfico: Guido Olivares S. Asistente de Diseño: Mauricio Guerra P. Asistente de Diagramación: Alejandra Larraín R. Corrección de Pruebas: Osvaldo Oliva P. Impresos Libra, Valparaíso HECHO EN CHILE

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

5

“En gran medida, la credibilidad de los hallazgos de toda investigación social y educacional depende de la representatividad de los informantes”.

El autor

6

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

7

Prólogo El progreso de la ciencia se apoya necesariamente en la investigación empírica, y el motor que lo pone en marcha es el método científico. Con sus diferentes variantes y adaptaciones a ámbitos del saber específicos, los métodos de investigación se asocian con la dimensión dinámica de la ciencia, gracias a la cual el conocimiento científico se incrementa constantemente. Desarrollar una investigación implica adoptar una serie de decisiones metodológicas, que el investigador debe abordar a veces en la fase preparatoria de planificación y a veces durante la ejecución de su proceso indagador. En cualquiera de los dos casos, una de las decisiones presentes en toda investigación empírica se concreta en la selección o muestreo de las unidades de estudio, es decir, de los elementos, casos, individuos, que actuarán como fuente de datos para fundamentar las respuestas que el investigador pretende dar a los problemas planteados. En el campo de las ciencias sociales, el objeto de estudio suelen ser fenómenos y situaciones en las que participan las personas. Y en consecuencia, éstas son en la mayoría de las ocasiones tomadas como fuente de información, siendo objeto de formas diversas de interrogación, como ocurre cuando los sujetos son encuestados o entrevistados siguiendo cualquiera de los procedimientos desarrollados con la finalidad de reco-

8

Dagoberto Salinas Avilés

ger datos. Para llevar a cabo tareas de este tipo, una de las decisiones metodológicas que el investigador social habrá de tomar es precisamente la que supone responder al interrogante ¿a cuántos y a quiénes preguntar?. Y esta decisión resulta crucial en todo proceso de investigación, pues un error en la misma supondrá la imposibilidad de recoger los datos adecuados para responder al problema de investigación. El modo de responder a la pregunta sobre a cuántos y a quiénes queda satisfactoriamente explicado a lo largo de las páginas del presente texto. Su autor, Dagoberto Salinas, ha sabido condensar en él la información fundamental para comprender la naturaleza del muestreo, aportando pautas para la realización práctica del mismo. Fruto de una larga trayectoria docente en el campo de los métodos de investigación social, el texto adopta un enfoque pedagógico con el fin de hacer accesible al lector los conceptos y procedimientos básicos para la selección de muestras. Sin abandonar el rigor necesario, los contenidos del documento suponen una aproximación a los procesos de muestreo al alcance de estudiantes y de investigadores sociales que deseen contar con una visión clara y sistematizada de las operaciones implicadas en la elección de muestras de sujetos. Un aspecto que debe destacarse es el enfoque integrador que el profesor Salinas ha sabido dar al tema tratado. La coexistencia de enfoques de investigación cuantitativos y cualitativos, que se han desarrollado paralelamente a lo largo de décadas, ha dado lugar a manuales y textos que frecuentemente han abordado las cuestiones metodológicas desde una perspectiva única, optando por el positivismo o la fenomenología como trasfondo filosófico válido en el que apoyar los intentos de conocer y comprender la realidad social. El resultado ha sido la visión limitada sobre las metodologías de investigación, soslayando que la realidad social puede ser analizada en diferentes dimensiones, que los problemas plan-

¿A cuántos y a quiénes preguntar?

9

teados se pueden prestar a distintos acercamientos y que, en definitiva, el uso de diferentes vías posibilita un mejor conocimiento de los múltiples aspectos que encierra toda realidad. Frente a los posicionamientos que implícitamente apoyan la incompatibilidad entre los diferentes programas de investigación social, en este texto se han presentado y se ha apostado por la utilización conjunta de procedimientos de selección cuantitativos y cualitativos, asumiendo así las posibilidades de triangulación, complementariedad o combinación metodológica en los diseños de investigación. Por todo lo anterior, el presente texto puede considerarse un acierto desde el punto de vista científico y didáctico, y cabe esperar que de buen seguro sus páginas constituyan una buena referencia para afrontar las decisiones que todo investigador social debe tomar de cara al desarrollo de su proceso de investigación.

Javier Gil Flores Doctor en Filosofía y Ciencias de la Educación Académico de la Universidad de Sevilla (España) Sevilla, 5 de junio de 2009

10

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

11

Índice Palabras iniciales ...................................................................

15

Capítulo I: Las muestras y la selección de los sujetos en un proceso de invetigación .............................................................

19

¿Por qué es necesario trabajar con muestras? .......................

21

¿Por qué es importante preocuparse por obtener una buena muestra y qué significa esto?. ............

21

Pero, en definitiva: ¿Qué es una buena muestra? ...................

28

¿Qué pasos previos se deben seguir para la definición y selección de la muestra?.......................................

30

Capítulo II: Los diseños de muestreo en un proceso de investigación ....

35

¿Qué diseños de muestreos hay? ...........................................

37

Diseños de muestreo probabilístico .........................................

38

Diseños de muestreo no probabilístico ....................................

54

12

Dagoberto Salinas Avilés

Capítulo III: Las muestras cuantitativas y el tamaño de las mismas .........

65

Tamaño de una muestra cuantitativa ....................................

67

Capítulo IV: El muestreo y la perspectiva cualitativa ...................................

87

La aproximación cualitativa ..................................................

89

Capítulo V: Las posibilidades de integración de los muestreos cuantitativos y cualitativos.........................................................

99

¿Se pueden combinar los diferentes tipos de muestreos cuantitativos y cualitativos? .................................

101

Palabras finales ......................................................................

109

Bibliografía ...................................................................................

113

¿A cuántos y a quiénes preguntar?

13

Palabras Iniciales

14

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

15

Palabras iniciales “Hay varias maneras de construir muestras, y la pregunta que tiene que responder el investigador es qué representa realmente la muestra para su estudio”. Padua, J. (1979:22). Desde hace ya unos años que sentí la necesidad de poder comunicar de manera más sistemática aquello que pretendo entregar en mis clases tanto de investigación como de estadística social, a riesgo de caer en ese lema que reza: dime qué publicas y te diré quién eres. El texto que a continuación revisarán pretende aportar a la comprensión de la etapa metodológica correspondiente a la selección de los informantes en el marco de un proceso de investigación social. Lo precedente no pretende desconocer las decisiones de muestreo que también pueden darse en una investigación, respecto de la selección de situaciones, acontecimientos, lugares, momentos y fenómenos a estudiar. De esta manera, este libro está dirigido principalmente a estudiantes de Ciencias Sociales y de Educación, quienes en su ejercicio profesional, utilizarán la herramienta de muestreo, para asegurarse que la calidad de la evidencia obtenida respalde sus juicios, conclusiones y/o

16

Dagoberto Salinas Avilés

decisiones, tanto en sus diagnósticos, planificaciones, evaluaciones o estudios en general. Su estructura está conformada en base a una serie de interrogantes que aspiran a iluminar el entendimiento y toma de decisiones referidas a la elección de la estrategia de muestreo, resolviendo convenientemente tanto el cuánto como el quiénes en la selección de los sujetos en el marco de un estudio, investigación social o evaluación. Lamentablemente, no son pocos los errores que se cometen en esta fase metodológica, poniendo en serio riesgo el análisis de los hallazgos de las investigaciones. Frecuentemente, la mirada respecto de la selección de los sujetos resulta parcial y arbitraria, no dando respuesta a las exigencias del diseño mismo de la investigación. Lo precedente, en un escenario de desconocimiento y descalificación de los tipos de muestreo cuantitativos o cualitativos, según sea el lado en el cual se atrinchere el investigador. Por otro lado, este documento, presenta una mirada complementaria e integradora de los diversos tipos de muestreo, destacando su pertinencia, así como también reconociendo sus potencialidades y límites. Lo anterior exigió sin embargo una acción previa de distinción acerca de las particularidades, tanto de los muestreos cuantitativos como cualitativos. Esta acción no obstante, implicó inicialmente mirar la temática desde un ángulo, para luego hacerlo desde el otro, lo que posibilitó en definitiva ampliar el campo visual del muestreo. Con todo, se espera que este esfuerzo de diferenciación no se constituya en un obstáculo para visualizar las posibilidades de integración de los métodos de muestreo. Finalmente, deseo expresar mi reconocimiento a los académicos: Sres. David Cademartori Rosso y Pedro Santander Molina de la Pontifi-

¿A cuántos y a quiénes preguntar?

17

cia Universidad Católica de Valparaíso (Chile) y Sr. Javier Gil Flores de la Universidad de Sevilla (España), por su mirada crítica y constructiva, durante la elaboración de este texto. A todos ellos, vaya mi genuino agradecimiento.

El autor

18

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

19

Capítulo I Las muestras y la selección de los sujetos en un proceso de investigación

20

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

21

¿Por qué es necesario trabajar con muestras? En ocasiones es necesario seleccionar una muestra o subconjunto de la población, debido a que no podemos, por falta de tiempo o recursos, abarcar el colectivo completo, como sería tal vez nuestra intención inicial e ideal. Dada esta situación, nos vemos enfrentados a la necesidad de obtener una buena muestra de la población. Esta pretensión es igualmente válida tanto para investigaciones cuantitativas como cualitativas. De la naturaleza de estas últimas, dependerán las decisiones que se adopten en torno a la estrategia de muestreo a desplegar. Lo precedente nos lleva a formularnos la siguiente interrogante.

¿Por qué es importante preocuparse por obtener una buena muestra y qué significa esto? El desarrollo de una investigación que involucra la consulta a sujetos, desde una perspectiva metodológica implica responder a una serie de interrogantes y adoptar las consiguientes decisiones frente a las mismas, tales como qué investigar, con qué propósito y cuándo y cómo preguntar, entre otras. En este plano, trabajar con una muestra implica acceder a una parte o sub-conjunto de la población para poder sacar conclusiones respecto

22

Dagoberto Salinas Avilés

de esta última. De la naturaleza de esta “parte” dependerá lo que podemos proyectar hacia la población. Mientras en los cuantitativos el interés se centrará en la prueba de hipótesis y en la estimación de parámetros (características de la población) a partir del trabajo con los estadígrafos (características de la muestra), para los cualitativos, la principal preocupación radicará en cómo profundizar acerca de las particularidades de la población. Al respecto, podríamos afirmar que en parte el dilema se centra entre la homogeneidad y la heterogeneidad. Con la convicción de que en la rigurosidad de la respuesta a cada una de estas preguntas se juega la calidad de la investigación, deseo detenerme en el estudio de la selección de los informantes, tanto para quienes adoptan de entrada una posición cuantitativa o cualitativa, los cuales se corresponden a modos diversos de enfocar el diseño metodológico en un estudio empírico, y se adscriben a diferentes paradigmas de investigación. En este contexto, en los estudios cuantitativos, el muestreo se caracteriza fundamentalmente por recurrir a muestras de gran tamaño, y frecuentemente con la pretensión de generalización de sus hallazgos. En cambio, en estudios de carácter cualitativo, el muestreo adopta más bien la forma de una selección de casos o informantes, y en donde el tamaño de las muestras es reducido, persiguiendo una representatividad estructural, en tanto persigue dejar representadas las diferentes posiciones y/o puntos de vista del colectivo. Abordar el tema del muestreo implica inicialmente reconocer que este tópico metodológico se constituye en una moneda de dos caras, en una de ellas visualizamos la necesidad de determinar la forma de selección de las personas (quiénes) y en la otra identificamos la decisión referida al tamaño de la muestra a consultar en el estudio (cuántos).

¿A cuántos y a quiénes preguntar?

23

Es en este contexto en donde reconocemos que tan importante como definir aquello que se consultará a los sujetos informantes en el proceso mismo de investigación, es resolver a cuántos y a quiénes preguntar, siendo este un tema que se debe resolver, ya sea, desde la perspectiva cuantitativa o cualitativa. Lo precedente, se pretende ilustrar en la siguiente Figura 1.

¿A cuántos?

POBLACIÓN MUESTRA

¿A quiénes?

Figura 1. Interrogantes que plantea el muestreo

24

Dagoberto Salinas Avilés

De entrada, me parece que la temática del muestreo se presenta habitualmente como una materia árida y mecánica, de la cual habitualmente se le identifica desde su aproximación cuantitativa. En este escenario, no son pocos quienes desde el arranque se alejan de esta aproximación; ya sea, por una visión reduccionista de lo cuantitativo, por insuficiente comprensión y manejo de sus procedimientos o simplemente por una visión paradigmática erróneamente ideologizada. Mientras los primeros podrían reparar en la paradoja de lo cuantitativo, en cuanto a que la dificultad radica en su complejidad comprensiva; es decir, en la dimensión cualitativa del mismo, los segundos podrían advertir que en la actualidad cada vez son menos quienes abogan por la exclusividad de los métodos en relación a los paradigmas epistemológicos. En este mismo escenario están quienes desde una postura ligeramente reflexionada desarrollan procedimientos poco rigurosos en donde el valor del dato pierde sentido, traicionando el rigor propio de estos métodos. Al respecto, valga la siguiente cita: “A veces veo una receta que exige una taza de esto, unas cucharadas de aquello, una pizca de lo de aquí, cuatro o cinco rodajas de lo de allá, un par de no sé qué de tamaño mediano y condimentación al gusto. No es esta vaguedad lo objetable, sino la aritmética que se deduce de ella. Al final de la receta, en letra cursiva, se dice que la receta en cuestión da, por ejemplo, para cuatro raciones, con 761 calorías, 428 miligramos de sodio y 22,6 gramos de grasa cada una. Estas cantidades son demasiado exactas para lo que se cuece. El 1 de 761 es ridículo y casi diría que el 6 también” Allen, J. (2005:226). Del mismo modo, lamentablemente, el concepto de aleatoriedad o azar ha llevado a equívocos a muchos investigadores, al asociarse con

¿A cuántos y a quiénes preguntar?

25

lo casual, lo accidental y lo carente de objetivo y dirección. Nada más alejado de la realidad, de hecho los procedimientos orientados a conseguir el azar, requieren de mucha atención de parte de los investigadores. En realidad, como plantea Kerlinger, F. (1991), la aleatoriedad está asociada más bien a la imposibilidad de predicción individual de cierto tipo de eventos. Por otro lado, a menudo se afirma erróneamente de manera taxativa que los muestreos no probabilístico involucran siempre a pocas personas. Por el contrario, si el estudio es de carácter cuantitativo y se asume esta modalidad de muestreo no probabilística, el tamaño de la muestra siempre es grande. En contra de lo anterior, considérese por ejemplo un examen hematológico en donde a pesar de que teóricamente basta con una sola persona a la cual se le extrae una pequeña muestra de sangre, esto basta para estimar la cantidad y/o razón de leucocitos, eritrocitos, hemoglobina y plaquetas, entre otros componentes. En este caso, se trató sólo de un único sujeto; no obstante, la unidad de análisis corresponde a cada uno de los componentes señalados previamente, los cuales sí constituyen una muestra representativa de la población de éstos. En consecuencia, tengo la impresión de que generalmente, ninguna de las aproximaciones se lleva a cabo en forma rigurosa. Más bien, la mayoría de las veces se opera y luego se justifica, tal como lo grafica Allen, J. (2005) en aquel viejo cuento de un agricultor aficionado a la caza que tenía la pared del granero acribillada por impactos de bala, todos en el centro de sendos círculos dibujados con tiza. Cuando le preguntaron cómo había adquirido aquella puntería, el agricultor confesó que primero disparaba y a continuación dibujaba el círculo. Del mismo modo, están quienes exaltando el valor del número fraccionado como representación de la exactitud, llevan al lector a una per-

26

Dagoberto Salinas Avilés

cepción errónea. Al respecto, valga la referencia al cuento en que se narra la situación de dos militares que custodiaban un regimiento, advierten que a lo lejos se aproximan tropas enemigas, el capitán ordena a su sargento que se acerque a estos hasta estimar la cantidad de efectivos que lo constituían. Cuando el sargento había caminado un par de pasos fuera de la base militar, da media vuelta y regresa ante su superior, señalándole: son como 501 mi capitán, frente a lo cual este último maravillado por la aparente exactitud de la estimación, le dice: lo felicito hombre, le ha bastado caminar unos pocos metros para estimar con gran precisión el número de efectivos enemigos, tiene que decirme cómo lo hizo, frente a lo cual el sargento le señala: muy fácil mi capitán, observé que viene uno adelante y como quinientos atrás. Con todo, la explicitación de las ventajas del muestreo bien realizado, a menudo se reducen a señalar el ahorro de tiempo y de recursos; sin embargo, coincido con quienes como Cochran, W. (1972), González, M. (1997) y Cea, M.ª (2004) resaltan además la mayor precisión que se puede lograr en contraposición en trabajar con toda la población, dado que puede prestarse mayor atención a la recolección de los datos, elevando así la calidad de éstos. Lo precedente, atendiendo a que cuando el volumen de trabajo es reducido, es posible emplear personal capacitado al cual se le puede someter a entrenamiento intensivo, y atendiendo a que en estas condiciones es factible realizar una supervisión cuidadosa del trabajo de campo y del procesamiento de los resultados, una muestra, en realidad, puede producir resultados más exactos que la enumeración completa (Cochran, W.;1972). Seleccionar una muestra dista lejos de constituirse en un asunto trivial, de hecho desde una perspectiva probabilística, lograr el azar paradojalmente no es un asunto espontáneo y por otro lado, desde una

¿A cuántos y a quiénes preguntar?

27

perspectiva no probabilística, la ausencia de criterios de selección puede llevarnos en la fase de análisis de los datos a interpretaciones sesgadas1, entre otras cosas afectados por la disposición a emitir juicios a partir de lo primero que vemos o pasa por nuestra cabeza (Allen, J.; 2005). De hecho, respecto de esto último, puede estar presente el sesgo de selección; ya que, es muy posible que una persona tienda a juntarse con otras que piensan como ella, aun cuando este pensamiento sea muy minoritario en la población. Frente a esto último, hay quienes plantean que el uso del azar evita la discreción del investigador en la selección de los sujetos y por tanto evita el sesgo de selección (Del Pino, G. y otros; 1989). En este contexto, para Pulido, A. (1984), debe ponerse atención al momento de analizar los resultados en una investigación a los errores de muestreo pues, pueden explicar las posibles diferencias entre las respuestas de los sujetos. Desgraciadamente, al momento de evaluar una investigación, habitualmente en lo relativo al muestreo, sólo se considera la perspectiva cuantitativa. Este es el caso por ejemplo de Sierra, R. (1999) quien con relación a la evaluación de una tesis o de un trabajo de investigación, en referencia a la muestra señala lo siguiente: “Se identificarán, en su caso, la muestra utilizada, su representatividad y adecuación respecto a la población de la que se ha obtenido y los posibles sesgos derivados del procedimiento de selección empleado y del error derivado de su tamaño” Sierra, R. (1999:469).

En tanto, se produce un sesgo (bias en su traducción al inglés) o disimilitud entre la muestra y la población de la que fue extraída. 1

28

Dagoberto Salinas Avilés

Asimismo, debemos tener presente que quienes acceden a los resultados de las investigaciones, tienen derecho a conocer cómo fueron conducidos los estudios, asunto que la mayoría de las veces no se cumple (Ngulube, P.; 2005).

Pero, en definitiva: ¿Qué es una buena muestra? Lo que interesa entonces no es acceder a cualquier muestra, sino a una buena muestra. Queda formulada entonces la interrogante acerca de ¿qué es una buena muestra?. En principio nos quedaremos con que una buena muestra es aquella muestra representativa. Esto último adquirirá una acepción diferente, atendiendo a la pretensión cuantitativa o cualitativa de la misma, tal como se advierte en las líneas siguientes. Desde una perspectiva cuantitativa, diremos que una muestra representativa es un subconjunto que tiene las mismas características generales que la población y que cuando no cumple con esta condición se dice que es sesgada. En este plano, se afirma que sólo si la muestra es representativa, puede ser generalizable (León, O. y Montero, I. 1993). En cambio, desde el enfoque cualitativo una buena muestra correspondería a aquella que es capaz de representar los diversos puntos de vista de la población en función de diferentes características de los sujetos (por ejemplo: sexo, edad, posición social, etc.), mediante una suerte de representatividad estructural. Para que lo precedente se concrete, es decir, si la intención es generalizar, es de cardinal importancia la elección de un diseño de muestreo apropiado. En este sentido, si se persigue la generalización, lo más indicado son los muestreos probabilísticos, en donde la posibilidad de selección de los sujetos es igual para todos, o al menos, ésta es conocida.

¿A cuántos y a quiénes preguntar?

29

En cambio, si esta no es la pretensión, se podrá optar por un diseño de muestreo no probabilístico (Black, J., Champion, D.; 1976). Con todo, los criterios a tener en cuenta de parte del investigador para determinar un tipo de diseño de muestreo probabilístico (McMillan, J. y Schumacher, S.; 2005) y (Black, J., Champion, D.; 1976) son los siguientes: a) Los recursos con que cuenta (costo: dinero, tiempo, equipo colaborador). El costo propuesto del proyecto de investigación, frecuentemente requiere que el investigador haga cosas que no alcanzan al ideal que tenía considerado. b) La información de que se dispone acerca de la población y a la cual se pretende acceder. c) El tamaño de la población. A pesar de que hay quienes (Black, J., Champion, D.; 1976) señalan que si la población a estudiar es relativamente pequeña, es decir, menos de 500 elementos, el investigador puede decidir no tomar una muestra, sino más bien estudiar la población total, reconociendo que no hay una guía precisa para diferenciar entre una población grande o pequeña. Al respecto, considero que la percepción del tamaño de la muestra se relaciona también con el tema en estudio y con las características de la técnica y/o instrumentos recolectores de datos, ya que por ejemplo, a mayor estructuración del instrumento, habrá una mayor posibilidad de administrarlo a una muestra mayor. d) La accesibilidad de los elementos. Al respecto podemos señalar los contactos, posición en la organización, familiaridad y experiencia en organizaciones similares. e) La necesidad de generalizar. ¿Cuán importante es generalizar

30

Dagoberto Salinas Avilés

los hallazgos de su muestra a la población en general?,y f) Por sobre todo la pertinencia entre el tipo de diseño, naturaleza del fenómeno a investigar y propósitos del estudio. Igualmente, para Ander-Egg, E.(1995), las cualidades de una buena muestra, en este caso en su modalidad cuantitativa, están asociadas con su representatividad en relación con la reproducción de las características de la población, tamaño con respecto a la proporción del colectivo y error muestral dentro de los márgenes aceptados. A lo anterior, conviene agregar la sugerencia de Chao, L. (1980), quien sostiene que para evaluar un diseño de muestreo, deberá tenerse en cuenta su fiabilidad (referida a la precisión del muestreo) y su efectividad (referida al costo del mismo). De este modo, a decir de este autor, un diseño se considera efectivo cuando se obtiene el mismo grado de fiabilidad al menor costo posible. Asimismo, puestos en el dilema de elegir qué es más importante si la representatividad de la muestra relacionada con el conocimiento de las características del fenómeno en estudio, o el tamaño de la misma, Fox, D. (1981), no duda en optar por la primera: “…ningún dato tiene más firmeza que la que tenga la representatividad de la muestra de la que se han obtenido, por muy grande que ésta sea” Fox, D. (1981:401).

¿Qué pasos previos se deben seguir para la definición y selección de la muestra? En primer lugar, se debe delimitar el universo e identificar la(s) unidad(es) de análisis. Respecto de lo primero, cabe hacer notar el carácter recursivo del universo o población; ya que esta última puede ser considerada población o muestra, dependiendo del punto de referencia

¿A cuántos y a quiénes preguntar?

31

desde el cual nos situemos. Así por ejemplo el conjunto de estudiantes de Trabajo Social de una Universidad determinada, puede considerarse como población, si nuestro interés se agota en esa Unidad Académica, o por el contrario, considerar que esta es una muestra, si nuestro interés de generalización se proyecta a toda la población de estudiantes de Trabajo Social de la región o del país. En este plano, coincidimos con Sudman (1983), en Cea, M.ª(2004) y Ngulube, P. ( 2005), en que lamentablemente los investigadores frecuentemente olvidan explicitar la población que desean estudiar o asumen que esta corresponde a la muestra seleccionada. En un estudio realizado por Ngulube, P. (2005), se constató que 61 Tesis que utilizaron estrategias cuantitativas de investigación, sólo 29 (47,54%), definieron con claridad la población y explicaron cómo se determinó la misma. En definitiva, esta delimitación está establecida principalmente por la temática y los objetivos de la investigación. En este plano, se deben explicitar las unidades que la componen (hogares, viviendas, colegios, universidades, individuos, etc.), las características sociodemográficas esenciales que la diferencien de otras poblaciones (sexo, edad, estado civil, etc.) y su ubicación en el espacio y en el tiempo. Un ejemplo de delimitación de una población podría ser la siguiente: Población de 1200 hogares de estrato socio-económico medio ubicados en los cerros de la comuna de Valparaíso en la primavera de 2009. Indudablemente que toda explicitación será bienvenida, por ejemplo si se trata de casas y/o departamentos, dependiendo de los objetivos de la investigación y los recursos con que se cuente, entre otros aspectos. En este plano, García, M., Ibáñez, J. y Alvira, F. (1994:367) señalan que: “Para que realmente se pueda iniciar con garantía el proceso de

32

Dagoberto Salinas Avilés

muestreo es necesario acotar el universo y conocer las unidades que lo componen. Acotar el universo significa concretar perfectamente la población que va a ser objeto de estudio”. Al respecto no siempre coincide la población con la fuente de información, por ejemplo si se consulta a los jefes de hogar en representación del mismo, la población son los hogares, no los individuos. Autores como Fox, D. (1981), realizan una detallada distinción conceptual en lo que denominan el ciclo de muestreo, el cual comienza con la determinación del universo pertinente para el estudio del problema de investigación, y después determina la parte de este a la que se tiene acceso (población). A continuación, decide el tamaño muestral, seleccionando e invitando a los sujetos pertinentes (muestra invitada), de lo que resulta la muestra aceptante, de la totalidad o parte de esta se deriva a continuación la muestra productora de datos, necesaria para el análisis de los datos y posterior establecimiento de la generalización y de conclusiones. En este último punto Black, J. y Champion, D. (1976) coinciden con Fox, D. (1981), en la distinción entre muestra ideal y la muestra real efectiva, en donde el investigador debe esforzarse por ser consistente con su esquema metodológico. Sin embargo, el investigador también debe comprender las alternativas en su estrategia, atendiendo a las circunstancias sobre las que tiene poco o ningún control. Esta es una razón, por la que algunos prefieren considerar los métodos de investigación y sus aplicaciones más como un arte que como una serie de pasos mecánicos en una fórmula. Con todo, normalmente hay diferencias entre lo que teóricamente habríamos de hacer en el muestreo y lo que en la práctica se acaba realizando. En este sentido, podrían haber diferencias entre el tamaño de la muestra ideal, la muestra invitada (generalmente mayor, para asegurar

¿A cuántos y a quiénes preguntar?

33

el tamaño previsto) y la muestra aceptante. Por lo anterior, en la aplicación de encuestas por ejemplo, generalmente se recurre a la reposición de los casos que no han aceptado participar, estando previsto que se cuente con otros sujetos (suplentes) para incorporarse en la muestra si fuera necesario. En concreto, por ejemplo: si se establece una muestra ideal de tamaño 250, probablemente se invite a 280, para asegurar el cumplimiento de lo requerido. Asimismo, se debe tener presente que incluso en poblaciones pequeñas puede que responda sólo una muestra. De igual modo, debemos establecer un plan de muestreo (Black, J., Champion, D.; 1976), el cual especificará: (a) cómo serán seleccionados los elementos de la población y (b) cuántos elementos serán seleccionados. Lo precedente, sin embargo, adquiere un mayor grado de flexibilidad desde la perspectiva de los muestreos cualitativos, en los cuales a decir de Flick, U. (2004), la estructura de la muestra se puede definir de antemano y completarse recogiendo datos, o se puede desarrollar y diferenciar más paso a paso durante la selección la recolección de los datos y su análisis e interpretación. La decisión por alguno de los caminos señalados, en términos de definir por adelantado la muestra o desarrollarla gradualmente, estaría en gran medida determinada por los propósitos de la investigación, así como también, por el grado de generalización que se persigue.

34

Dagoberto Salinas Avilés

Aplicación Responda las siguientes interrogantes: 1. ¿Por qué es importante acotar la población e identificar las unidades que lo componen? 2. ¿Por qué no siempre coincide la población con la fuente de información? Señale un par de casos. 3. ¿A qué se debe que puedan haber diferencias entre la muestra ideal y la muestra real efectiva?

¿A cuántos y a quiénes preguntar?

35

Capítulo II Los diseños de muestreo en un proceso de investigación

36

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

37

¿Qué diseños de muestreos hay? El plan de muestreo se operacionaliza en parte en un diseño que da cuenta de la forma en que serán seleccionados los elementos de la población. Como veremos más adelante, la elección del tipo de diseño a adoptar se encontrará influído por los propósitos del estudio, cracterísticas de la población y pretensión de la perspectiva cuantitativa o cualitativa de muestreo adoptada. De acuerdo al criterio de selección de los elementos que integran la muestra se distinguen los diseños de muestreos probabilístico y los no probabilístico. Se presentan a continuación los principales diseños en el Cuadro 1.

38

Dagoberto Salinas Avilés

Cuadro 1. Diseños de muestreo Probabilísticos Muestreo aleatorio simple (Simple Random Sampling2)

No probabilísticos Muestreo sistemático (Systematic Sampling)

Muestreo estratificado proporcional: Muestreo por cuota (The Quota (Proportionate Stratified Random Sample) Sampling) Muestreo estratificado no proporcional (Disproportionate Stratified Random Sampling)

Muestras Accidentales (Accidental Samples)

Muestreo por conglomerado - de racimo (Area or Cluster Sampling)

Muestreo intencionado (Judgmental or Purposive Sampling)

Muestreo Polietápico (Multistage Sampling)

Muestreo de Bola de Nieve (Snowball Sampling) Muestreo por saturación (Saturation Sampling)

Diseños de muestreo probabilístico Este diseño de muestreo es utilizado exclusivamente en el muestreo cuantitativo, el cual como se señalara previamente persigue la generalización de los resultados obtenidos en una muestra aleatoria hacia la población en su conjunto, con el propósito de estimar los parámetros de esta última y/o probar estadísticamente las hipótesis formuladas. Lo precedente se ilustra en la Figura 2, que se presenta a continuación.

Se presentan los nombres de los diferentes tipos de diseños en inglés, para facilitar su búsqueda bibliográfica o en Internet. 2

¿A cuántos y a quiénes preguntar?

39

Parámetros .Ej. M (media poblacional)

POBLACIÓN Estimación

MUESTRA

Estadígrafos. Ej.

(media muestral)

Figura 2. Aspiración de inferencia del muestreo cuantitativo

En el muestreo probabilístico, los sujetos se extraen a partir de una población más amplia de manera que se conoce la probabilidad de selección de cada miembro de la población, aunque las probabilidades no son necesariamente iguales (McMillan, J. y Schumacher, S.; 2005). Su principal objetivo consiste en estimar parámetros de la población, tales como la media o el total, en función de la información contenida en una muestra (Scheaffer, R. y otros; 2007:10). Con todo, según Cea, Mª A. (2001) el muestreo probabilístico se adecua a investigaciones en las cuales en sus propósitos está la estimación de parámetros y/o la comprobación de hipótesis estadísticas (test de significatividad o significancia). Idealmente, para trabajar con un muestreo probabilístico (Probability

40

Dagoberto Salinas Avilés

Sampling Plans) se requiere que el investigador satisfaga las siguientes condiciones: a) El tamaño de la población (N) del cual se obtendrá la muestra debe ser conocido. b) El tamaño de la muestra (n) deseada debe ser especificado. c) Cada elemento o grupo de elementos debe tener la misma oportunidad de ser incluido en la muestra; o al menos, señala González, M. (1997) que la probabilidad sea conocida para cada caso. Black, J., Champion, D. (1976) reconocen sin embargo la dificultad de cumplir con estas condiciones desde una perspectiva práctica, principalmente la primera y la tercera de ellas. Una de las principales muestras probabilísticas son las muestras aleatorias, en las que cada sujeto de la población o de subgrupos de ella tengan las mismas posibilidades que otros miembros del mismo grupo de ser elegidos. El muestreo aleatorio impide el sesgo, ya que hay una alta probabilidad de que todas las características de la población estén representadas en la muestra (McMillan, J. y Schumacher, S.; 2005). El tema es entonces, cómo diseñar un muestreo aleatorio. Al respecto, Black, J., Champion, D. (1976) sugieren que antes de seleccionar una muestra se consideren las siguientes preguntas: a) ¿Cuál es el tamaño de la población (N)? b) ¿Cuál es el tamaño de la muestra deseada (n)? c) ¿Es posible enumerar la población, asignando a cada elemento un número, o el investigador está interesado en seleccionar un racimo de elementos o un vecindario o área geográfica específica?

¿A cuántos y a quiénes preguntar?

41

d) ¿Quiere estratificar la muestra de alguna manera, de acuerdo a características como sexo, edad, raza, estrato socioeconómico, entre otras? Los procedimientos para obtener una muestra aleatoria son principalmente: ●

●

Tómbola, pecera o bolsa (The Fishbowl Draw): es el método más simple y popular; sin embargo, por su escasa sofisticación es criticado por algunos. Tablas de números aleatorios 3 (The table of random numbers): ideal para obtener muestras de poblaciones pequeñas, pues con colectivos grandes el proceso se vuelve tedioso. Disponibles en la mayoría de los textos de estadística y en Internet. Ver Tabla 1. Supóngase por ejemplo que un investigador tiene una población de 120 sujetos y desea seleccionar 40. En primer lugar, asigna un número a cada sujeto comenzando por el 01 hasta el 120 de la población. A continuación, selecciona al azar un punto de partida en la tabla de números aleatorios. En seguida, lee los números de tres dígitos, moviéndose por las columnas o por las filas. De esta manera, el investigador continúa seleccionado cuarenta números de tres dígitos entre 001 y el 120. Es así como, si el investigador elige comenzar por la cifra ubicada en la octava fila primera columna (04684), comenzará por el 2

Los números aleatorios (random number, en su traducción al inglés) son generados a partir de fenómenos naturales o físico-químicos. En tanto que los números generados por software simulan a estos últimos. Para ello emplean una serie de algoritmos que siguen una fórmula determinada y que comienzan por un valor o semilla, obteniendo una secuencia de valores, configurando ciclos. Por lo anterior, si bien estos números generados computacionalmente, se les considera pseudoaleatorios, operan como aleatorios para los efectos de muestreo. 3

42

Dagoberto Salinas Avilés

número 046, para luego continuar con la fila número treinta de la primera columna (05182), seleccionando el número 051 y así sucesivamente. ●

Programas de números aleatorios: recomendado especialmente para poblaciones extremadamente grandes. Actualmente se puede acceder a ellos con mucha facilidad a través de software de dominio público (shareware) a través de Internet, ver por ejemplo el programa Random Number Generator Pro. Version 1.66 (ver Cuadro 2 disponible en http://www.descargarlo.com/10875-descargar-gratis-Random_Number_Generator. html) y el programa STATS® (ver Cuadro 3) proporcionado por Hernández; R., Fernández, C. y Baptista, P. (2003), que entre sus opciones, permite generar números aleatorios.

¿A cuántos y a quiénes preguntar?

43

Tabla 1: Parte de una Tabla de Números aleatorios 4 2

60187 92235 12179 96758 81941

61616 65438 71549 03754 00413

01429 43635 35520 49321 92880

07970 33491 18410 87936 14720

05517 76225 09560 05413 15730

52925 22874 49352 46398 62752

24104 32949 18799 59110 49866

78607 53458 62691 89617 59884

54766 33228 64569 45552 96847

81929 45994 63562 09502 00547

64989 68244 67390 08042 51754

70598 39277 83020 64503 71767

35083 39795 04684 95281 61761

25609 55189 48679 22927 72165

52866 63958 83415 92719 93396

05053 00523 37955 81129 24129

40544 68412 65891 38087 57458

02404 40072 01837 75798 02172

82240 22616 83777 34156 99906

24555 88596 80313 26179 48923

18246 25564 00016 64881 58897

99256 80705 44514 64855 10583

35920 60824 36851 04107 55176

54700 26050 82946 77566 42035

89158 87659 61290 22969 88341

23935 49248 29451 39863 53728

85897 75616 81591 79240 54030

17489 55824 71628 69571 57746

96832 70556 69040 06134 38350

74511 60477 24177 07533 59710

10503 49051 00937 11463 07233

38772 95471 14660 67761 02859

75055 54228 43365 19585 18183

60701 45660 81714 32654 29955

49418 34622 26704 46391 37665

22027 53346 07688 25845 51931

76125 57259 78566 98613 24818

84080 72786 78103 40645 22024

57750 58410 72208 38460 90561

44663 09819 95789 72468 66690

65413 21147 90762 57198 10909

52483 35495 58178 12609 24874

16579 36026 98995 59809 00407

28744 04003 29343 56698 39525

59485 53607 25884 64823 45822

29756 73773 64372 42148 06386

10142 59021 91624 33746 39067

65481 21844 00007 65625 91438

16756 58026 92318 79913 47849

20883 16213 78135 64612 82163

99623 45300 77401 46873 92766

18549 99666 05432 29419 91118

48874 30045 80591 94288 43332

79505 33612 01808 43852 00205

07836 71236 06575 96845 73493

64706 32466 19772 07705 31010

86492 14378 18409 56612 64403

43209 77303 62345 49021 60476

66736 53584 48777 59375 71086

02764 82449 52879 54988 11561

90076 02165 81526 06032 05182 73514

46499 00222 44197 02737 43106

99961 79531 77082 31736 08667

04640 88275 39869 33836 06729

65348 32814 27952 03687 58118

62136 05581 63894 16198 52900

60955 57854 62859 33692 85188

20674 07131 07997 08045 47180

37175 98399 02961 81293 91082

12953 27174 70235 55733 06920

96211 34986 33056 22027 67812

62571 46169 80383 89783 15950

36110 71217 57006 95292 48691

24001 95137 16244 58789 87224

54241 10393 07391 28952 02908

04768 81874 18143 25140 36236

77200 95444 32847 79045 26872

26255 03204 65513 74550 28073

01273 25117 77654 88692 94726

91475 44843 36712 88266 00038

07766 51911 12892 43953 69420

54361 28472 35158 78395 73307

65684 85182 93372 69281

33036 54274 64770 88963 66496

Fuente: http://mx.geocities.com/fracosta11/estadisticas/tablarnd.html revisada el 5/5/09. 4

44

Dagoberto Salinas Avilés

Cuadro 2. Programa Random Number Generator Pro

¿A cuántos y a quiénes preguntar?

45

Cuadro 3. Programa Stats

A partir de lo anterior, podemos identificar los siguientes tipos de muestreos probabilístico:

Muestreo aleatorio simple (Simple Random Sampling): Este tipo de muestreo se basa en el azar y consiste en enumerar a cada elemento de la población y seleccionar a los pertenecientes a la muestra a partir de los procedimientos ya descritos, como por ejemplo: tabla de números aleatorios o a través de algún software específico. En este caso, todos los sujetos de la población tienen la misma probabilidad o posibilidad de resultar seleccionados en la muestra. A pesar de su nombre, su simplicidad no se encuentra eximida de trabajo, pues para poblaciones grandes, enumerar a todos sus elementos puede resultar una tarea ardua. Por lo anterior, generalmente se utiliza con poblaciones pequeñas.

46

Dagoberto Salinas Avilés

Se considera la base en la que se sustentan todos los diseños muestrales probabilísticos, aunque para algunos entre ellos Vivanco, M. (en Canales, M., 2006) éste no se constituiría en una estrategia o diseño muestral en sí mismo.

Ventajas: ●

●

●

●

●

Todos los elementos de la población tienen una probabilidad igual e independiente de ser incluidos en la muestra. Sirve como base para ser combinado con otros métodos de muestreo. De hecho, el resto de los diseños de muestreos probabilístico incorporan este procedimiento. Es el más fácil de entender y aplicar, debido a las menores exigencias de selección requeridas en este diseño. El investigador no necesita conocer la verdadera composición de la población. Es relativamente fácil calcular su error muestral.

Desventajas: ●

●

●

No aprovecha el conocimiento que tiene el investigador acerca de la población. No garantiza que los elementos existentes en menor cuantía en la población sean incluidos en la muestra. Presenta un mayor error muestral que el muestreo estratificado, basado en la heterogeneidad del diseño muestral.

¿A cuántos y a quiénes preguntar?

47

Muestreo estratificado proporcional: (Proportionate Stratified Random Sampling) Cuando el investigador tenga algún conocimiento acerca de la población (distribución por sexo, edad, etc.), puede desear utilizar un muestreo de este tipo, identificando subconjuntos o estratos de la población, claramente diferenciados. Un ejemplo de esto último pudiera ser en el caso de un investigador que desee realizar un estudio al interior de diferentes establecimientos educacionales de la comuna, el considerar como criterio de estratificación a su financiamiento, tal como se expresa en la siguiente figura:

Establecimientos educacionales de la comuna

Municipalizados

Subvencionados

Figura 3. Ejemplo de estratificación

Particulares

48

Dagoberto Salinas Avilés

A su vez, la selección de los elementos se lleva a cabo con posterioridad al establecimiento de los diversos estratos y asignación de cada elemento al estrato que pertenece. De igual manera, en cada estrato se realiza la selección mediante un muestreo aleatorio simple. De este modo, este tipo de muestreo pretende conseguir representatividad en función de determinadas características, cuya distribución en la población deseamos asegurar que esté reflejada también en la muestra. En este caso, el procedimiento de distribución de los elementos entre los estratos (afijación), contempla que el tamaño de cada estrato de la muestra sea proporcional al tamaño del estrato en la población.

Ventajas: ●

Mejora la representatividad de la muestra, permitiendo que aquellos elementos de poca cuantía en la población, sean incluidos en la muestra. Esto último lo hace superar al muestreo aleatorio simple.

●

Presenta menor error muestral que el muestreo aleatorio simple.

●

Considera el peso de cada estrato en la población total, de acuerdo a su frecuencia en esta.

●

Permite comparaciones fáciles entre los diferentes estratos.

Desventajas: ●

Es más difícil de obtener ya que exige que el investigador tenga conocimiento acerca de algunas características de la composición de la población.

¿A cuántos y a quiénes preguntar?

●

49

Involucra mayor tiempo para obtener los elementos de cada estrato.

●

●

Exige prolijidad en la clasificación de los elementos en los distintos estratos. Muestreo estratificado no proporcional (Disproportionate Stratified Random Sampling).

Este muestreo es muy similar al muestreo estratificado proporcional, salvo que esta vez los estratos no necesariamente se distribuyen de acuerdo al peso que tienen en la población. En este caso, cada estrato aporta el mismo número de sujetos a la muestra (con afijación constante), lo que favorece la comparación de grupos. En definitiva, un investigador enfrentado a la desición de optar por un muestreo estratificado proporcional o por uno no proporcional, en buena parte su elección se verá influída por las características de la población y propósitos del estudio.

Muestreo por conglomerado - de racimo (area or cluster sampling) Tiene su origen en la agricultura y consiste en elegir una unidad mayor o conglomerado el cual está compuesto por un grupo de elementos, que represente a la población. Considérese por ejemplo la extracción de un racimo mayor en una parra de uvas. En ciencias sociales se ha utilizado este diseño para investigaciones de carácter demográficas y ecológicas, basados en el diseño de encuestas. Este tipo de muestreo es aplicable cuando en la población preexiste un agrupamiento natural de los individuos, que no es fruto de la distinción establecida por el investigador. Esto lo diferencia del muestreo estratificado, en el que el investigador establece distinciones en función

50

Dagoberto Salinas Avilés

de alguna característica, sin que ello implique un agrupamiento físico de los sujetos. La selección de los elementos se lleva a cabo una vez que se han establecidos los conglomerados y asignado cada elemento a su conglomerado de pertenencia. Supóngase por ejemplo que un investigador desea realizar un estudio con estudiantes de educación media o secundaria en una comuna determinada, este podría proceder de la siguiente manera, tal como lo ilustra la figura que se presenta a continuación:

Establecimientos educacionales de la comuna

Establecimiento 1

Establecimiento 2

Establecimiento 3

Establecimiento ...

Figura 4. Ejemplo de muestreo por conglomerado

Establecimiento n

¿A cuántos y a quiénes preguntar?

51

Ventajas: ●

●

●

Es más fácil de aplicar en poblaciones o áreas geográficas grandes. Es de menor costo comparado con otros diseños de muestreo. Es flexible; ya que admite diferentes diseños o formas de muestreo en diversas etapas del mismo.

Desventajas: ●

Hay un mayor error muestral.

Muestreos polietápicos La realización de la selección se lleva a cabo en varias etapas o pasos, de tal manera que se van eligiendo de modo progresivo unidades muestrales de menor tamaño. Por ejemplo, supóngase que elegimos aleatoriamente establecimientos educacionales, para después dentro de cada establecimiento elegir tres cursos, y finalmente elegir al azar 10 estudiantes de cada curso. En el caso de los muestreos por conglomerados ya señalados, se puede dar una variante polietápica, estableciendo un procedimiento en el cual se lleven a cabo submuestreos en distintos conglomerados y en etapas sucesivas. Del mismo modo, en lo referido a los muestreos estratificados, se podrían desarrollar procedimientos de submuestreos progresivos, atendiendo a los diversos niveles de estratificación. Lo precedente se pretende ilustrar en la siguiente figura:

52

Dagoberto Salinas Avilés

Establecimientos educacionales de la comuna

Establecimiento 1

1ª Año

2ª Año

Establecimiento 2

3ª Año

Establecimiento ... n

4ª Año

Estudiantes

Figura 5. Ejemplo de muestreo polietápico

¿A cuántos y a quiénes preguntar?

53

Aplicación Responda las siguientes interrogantes: 1. ¿Qué papel juega el azar en los diseños probabilísticos? 2. ¿Por qué los muestreos cuantitativos privilegian los diseños probabilísticos?

54

Dagoberto Salinas Avilés

Diseños de muestreo no probabilístico Diseño de muestras no probabilísticas La utilización de este tipo de diseños puede darse tanto en muestreos cuantitativos como cualitativos. En el caso de los primeros, su implementación tiene lugar cuando los diseños probabilístico no resultan apropiados o son de difícil aplicación. Su propósito es formarse una impresión gruesa acerca de la población. Es difícil determinar el error muestral y por tanto sus posibilidades de generalización a la población (Black, J., Champion, D.; 1976). Para los autores señalados precedentemente, el muestreo no probabilístico (Nonprobability Sampling Plans) no está diseñado para realizar inferencias. Sin embargo, para González, M. (1997), este tipo de muestreo permite hacer inferencias lógicas. Con todo, según Cea, Mª A. (2001) el muestreo no probabilístico se adecua a diseños de investigación en los cuales su propósito es exploratorio, hay un interés más en profundizar que en la representatividad estadística de los datos y/o que las poblaciones objeto de estudio son de difícil registro o localización (poblaciones marginales), por ejemplo: inmigrantes ilegales, delincuentes, drogadictos, etc. A su vez, para Goetz, J. & LeCompte, M. (1988) el muestreo probabilístico puede no resultar apropiado y por tanto es aconsejable optar por un diseño no probabilístico cuando: ●

Aún no se han determinado todas las características de la población mayor.

●

Los límites del grupo no son naturales.

●

La generalización no es un objetivo importante.

¿A cuántos y a quiénes preguntar?

●

55

Sólo algunos o un subconjunto de características son relevantes para responder al problema de investigación.

●

●

Los investigadores no tienen acceso a la totalidad de la población. Se pretende describir un fenómeno poco conocido.

Si bien es cierto, hasta aquí se ha mencionado el término generalización en su acepción estadística, vale decir, en su aspiración a la estimación de parámetros y pruebas de hipótesis, para Higginbottom, G. (2004), el concepto de muestreo no probabilístico para la generalización se forma mediante el concepto de generalización empírica, el cual se basa en la noción de muestreo intencionado en orden a establecer lo típico de los contextos (escenarios) o grupos. Del mismo modo, considera que la credibilidad de los estudios cualitativos se puede mejorar mediante la explicación de los procesos y pasos usados en el muestreo y estableciendo generalización empírica de los hallazgos.

Principales Muestreos no probabilístico Se presentan a continuación los diseños de muestreos más utilizados en la actualidad.

Muestreo sistemático (Systematic Sampling) Este tipo de muestreo tiene ciertas características de aleatoriedad y al mismo tiempo posee características de no probabilístico. Obtiene una colección de elementos de cada enésimo número de personas desde una lista predeterminada de ellas. Supóngase que se desea seleccionar una muestra del 20% a partir de una población de 1000 sujetos. Primero se elige al azar un número del uno al veinte. Si sale elegido el 10, se seleccionará cada veinteavo número de la lista 10, 30, 50, 70, etc., lo cual pretende representarse en la siguiente figura:

56

Dagoberto Salinas Avilés

1º_____10º_____30º_____50º_____70º . . . . . .____________1000º

Figura 6. Ejemplo de muestreo sistemático

Este tipo de muestreo exige que la lista se encuentre ordenada en base a alguna característica.

Ventajas: ●

Es fácil de usar.

●

Es rápido de usar.

Desventajas: ●

●

Para Blalock (1972) en Black, J., Champion, D. (1976), cuando las listas son alfabéticas, se puede dar un sesgo de sobre o sub-representación de ciertos grupos étnicos. Apellidos que comiencen con Mc pueden estar sobre-representados, mientras ciertos nombres orientales serán sistemáticamente excluidos o sub-representados. En nuestro caso, pudiera suceder con los apellidos que comiencen con G (González), A (Atan), etc. Porque cada elemento no tiene la misma probabilidad de ser incluido, no se considera una muestra aleatoria.

Lo precedente, dado que ignora a todas las personas entre cada enésimo número de elementos. Porque excluye a ciertos elementos desde la muestra resultante no es considerada un muestreo probabilístico. No

¿A cuántos y a quiénes preguntar?

57

obstante, hay autores que lo consideran entre los muestreos probabilístico (McMillan, J. y Schumacher, S.; 2005), dado que al inicio de la selección opera el azar.

El muestreo por cuota (The Quota Sample) En este tipo de muestreo el investigador obtiene un número deseado de elementos, seleccionado aquellos más accesibles y aquellos que poseen ciertas características que le interesan. De esta manera, el investigador decide qué características importan, el tamaño de cada cuota y el número de cuotas que comprende la muestra. Es así como, el investigador identifica diferentes perfiles entre los principales grupos de la población y, posteriormente, se selecciona a los sujetos, de manera no aleatoria, para representar a cada grupo (McMillan., J, y Schumacher, S.; 2005).

Ventajas: ●

●

●

Menos costoso que la mayoría de los otros diseños tanto probabilísticos como no probabilísticos. Se puede ajustar convenientemente a estudios exploratorios. Resultan convenientes cuando se buscan resultados rápidos y globales. Puede garantizar la inclusión de ciertos tipos de gente en la muestra.

Desventajas: ●

Los elementos más accesibles, no son necesariamente los típicos.

58

Dagoberto Salinas Avilés

●

●

Al no ser probabilístico no es generalizable estadísticamente, pues no se sabe si la población es como la muestra obtenida. Puede operar un sesgo de clasificación de los elementos, al no considerar las variables más importantes a tener en cuenta.

Muestras Accidentales (Accidental Samples) Este tipo de muestreo es semejante al muestreo por cuotas, pero esta vez el investigador no pone atención en incluir personas que posean ciertas características sino más bien, está guiado por la conveniencia y la economía.

Ventaja: Conveniencia y economía.

Desventaja: ●

●

●

Limitado poder de generalización. Alto sesgo. No hay evidencia de muestra probabilística.

Muestreo intencionado (Judgmental or Purposive Sampling) En este tipo de muestreo también denominado muestreo de juicios, el investigador ejercita su juicio para incluir elementos que se presupone son típicos de una población sobre la cual busca información. Por lo anterior, es fundamental el conocimiento previo que posea el investigador acerca de las características de la población. Un ejemplo de lo anterior podría ser el caso de un investigador que interesado en estudiar el proceso de inserción de los estudiantes de primer

¿A cuántos y a quiénes preguntar?

59

año a la Universidad, levantara como uno de los criterios a considerar la variable o aspecto relativo a la procedencia de estos (de la región o fuera de ella). De este modo, podría el investigador seleccionar casos en los cuales los estudiantes provengan de la zona y otros en los cuales estos tengan su domicilio permanente fuera de esta.

Ventajas: ●

●

Su costo Garantiza la presencia de ciertos elementos para el diseño de la investigación.

Desventajas: ●

●

●

No hay manera de asegurar que la muestra es representativa en el sentido estadístico. Lo precedente, sin embargo, es resuelto desde la perspectiva cualitativa, mediante la justificación teórica y conceptual. El énfasis puesto por el investigador en acceder a elementos típicos, limita su generalización estadística. Lo señalado, al igual que en el punto precedente, desde una mirada cualitativa, lejos de ser un defecto, se constituye más bien en una virtud. Escaso poder inferencial.

Muestreo de Bola de Nieve (Snowball sampling) En este caso, el investigador accede a los sujetos de manera progresiva; es decir, de un sujeto a sus amigos, de cada uno de ellos a sus respectivos amigos y así sucesivamente, hasta converger a un patrón completo. Lo precedente, se pretende representar en la siguiente figura:

60

Dagoberto Salinas Avilés

1 persona 2 personas 4 personas 8 personas...

Figura 7. Representación gráfica del muestreo de bola de nieve

Esta técnica es básicamente sociométrica y requiere que el investigador elabore un perfil de una o más características concretas buscadas en los sujetos a seleccionar. De esta manera, la primera persona a seleccionar se encuentra de algún modo ya determinada. Este tipo de muestreo se le conoce también como muestreo en cascada o muestreo en cadena y es particularmente utilizado en situaciones en que los sujetos no componen un grupo naturalmente limitado y por tanto, se encuentran dispersos en otras poblaciones.

Ventajas: ●

●

Útil para estudiar organizaciones sociales pequeñas, normalmente de un tamaño no superior a 100. Puede develar patrones de comunicación, poder comunitario y toma de decisiones.

¿A cuántos y a quiénes preguntar?

61

Desventajas: ●

●

No permite utilizar métodos estadísticos probabilísticos. Cuando la muestra excede ciertos límites de tamaño, la técnica se hace impracticable. Imagínese establecer las relaciones entre 200 o más individuos.

Muestreo por saturación (Saturation Sampling) El muestreo por saturación no es realmente un muestreo ya que se define como la obtención de todos los elementos en una población dada que presentan características de interés para el investigador. Es de alto costo y no se sugiere para poblaciones de más de 1000 elementos. Junto a lo anterior, se pueden agregar otros tipos de muestreo, expresados por Patton, M. (1987) entre los que se cuentan: de casos extremos, de casos homogéneos, casos confirmatorios y casos disconformatorios, entre otros. Con todo, Trost, J. (1986) sugiere una técnica para conformar una muestra no probabilística con relación al análisis de los datos del estudio. Básicamente esta técnica consiste en seguir una serie de pasos: ●

●

●

Listar un número de variables independientes (aspectos o características de los sujetos), relevantes para los propósitos del estudio, basados en la teoría, la experiencia, observaciones o cualquier otro criterio importante para la investigación. Ej.: sexo, escolaridad, tipo de familia, etc. Eliminar de la lista aquellas variables o aspectos que son menos visibles (conocidos) y dejar aquellas más fáciles de usar. Decidir el formato en que estas variables o aspectos serán dico tomisadas o trico tomisadas y decidir dónde se fijará el límite de

62

Dagoberto Salinas Avilés

las categorías. Por ejemplo, decidir dónde establecer el límite entre viejo y joven en un estudio de familias. Combinar las variables o aspectos seleccionados en una tabla, cuidando que su número sea manejable y suficiente (30 a 40 celdas).

●

Reconocer aquellas variables o aspectos a los que se puede acceder de manera empírica.

●

Completar las celdas con los casos, objetos, o sujetos en orden a construir la muestra. Cada sujeto representará su celda o combinación de características. Una celda puede contener más de un sujeto y de esta manera dos o más sujetos pueden estar representados en la misma celda. La muestra no será representativa en un sentido estadístico, pero garantizará una variación de algunas de las variables independientes.

●

Por ejemplo en un estudio acerca de las relaciones entre los adolescentes y sus padres, puede construirse la siguiente matriz:

Cuadro 4. Ejemplo de muestra estratificada estadísticamente no representativa Tipo de familia

Familia de un padre (Monoparental)

Número de hijos Hogar

Uno Depto.

Ingresos familiares

Alto

Sexo del adolescente

F M F M

Bajo

Dos o más Casa

Alto F

Familia de dos padres (Biparental)

Bajo

Depto. Alto

Bajo

Uno

Casa Alto

Depto.

Dos o más Casa

Depto.

Casa

Bajo Alto Bajo Alto Bajo Alto Bajo Alto

Bajo

M F M F M F M F M F M F M F M F M F M F M F M F M F M

¿A cuántos y a quiénes preguntar?

63

Con todo, desde una perspectiva cuantitativa, las muestras no probabilística presentan como principal limitación su escasa representatividad de la población, lo que dificulta la generalización de los hallazgos del estudio. Asimismo, Cea, M.ª (2004) establece la siguiente comparación entre las ventajas y desventajas del muestreo no probabilístico, la cual como todo paralelo puede constituirse en una suerte de simplificación de aquello que se coteja. Véase a continuación el siguiente Cuadro 5: Cuadro 5. Ventajas e inconvenientes de los muestreos no probabilísticos. (Cea, M.ª; 2004) Ventajas ●

●

●

Inconvenientes

Simplicidad y economía del diseño muestral.

●

Fáciles de ejecutar.

●

No precisan de un listado de la población de estudio.

Imposibilidad de estimar el error típico o muestral. Dificultad en la generalización de los resultados de la investigación más allá de los casos analizados, por la introducción de sesgos en la elección de la muestra.

Finalmente, deseo advertir al lector, que atendiendo a que la perspectiva de análisis de los diseños debe necesariamente situarse a partir de un sólo punto a la vez. En este caso, hasta ahora, desde la mirada cuantitativa, muchas de las desventajas e inconvenientes señalados para los diferentes diseños de muestreo no probabilístico podrán ser rebatidos en tal condición, por el investigador cualitativo. Lo anterior, debido a que el defecto para uno (cuantitativo) podría ser la virtud para el otro (cualitativo).

64

Dagoberto Salinas Avilés

Aplicación Responda las siguientes interrogantes: 1. ¿Qué papel juega el criterio del investigador en los diseños no probabilísticos? 2. ¿Por qué los muestreos cualitativos privilegian los diseños no probabilísticos?

¿A cuántos y a quiénes preguntar?

65

Capítulo III Las muestras cuantitativas y el tamaño de las mismas

66

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

67

Tamaño de una muestra cuantitativa: El tamaño de la muestra cuantitativa corresponde a la cantidad mínima de sujetos o elementos necesarios para poder generalizar los resultados de la investigación hacia toda la población y/o estimar uno o varios parámetros (propiedades descriptivas de una población). Para lo anterior, se deben tener en cuenta una serie de consideraciones, las que se presentan a continuación. El tamaño de la muestra debe contemplar: ●

El tamaño de la población. De hecho, mientras mayor sea el tamaño de la población, más se justificará el trabajo con una muestra.

●

●

●

El tiempo y los recursos. A menor tiempo y recursos, se buscará un menor tamaño de muestra. El diseño de muestreo. Por ejemplo el muestreo estratificado requiere de un mayor tamaño muestral, dado el número de segmentaciones de la muestra. A este respecto, para Rodríguez, J. (1991) el muestreo estratificado es aquel que ofrece las mayores ganancias en precisión, disminuyendo considerablemente la varianza total. La diversidad de análisis de datos previstos. Por ejemplo si se piensa en un análisis bivariado con tablas de contingencia y

68

Dagoberto Salinas Avilés

análisis chi-cuadrado, se requiere de un tamaño de muestra mínimo. ●

●

●

La varianza o heterogeneidad poblacional. A mayor heterogeneidad, mayor exigencia de tamaño muestral. El margen de error máximo aceptable para la estimación de los parámetros poblacionales. A menor error, mayor tamaño muestral. El nivel de confianza de las estimaciones muestrales. A mayor nivel de confianza, mayor tamaño muestral.

A su vez, León, O. y Montero, I. (1993) añaden como factor para determinar el tamaño muestral al estadístico o estadígrafo con el que se está midiendo. En este plano, se puede afirmar que en gran medida, se selecciona el tamaño de la muestra cuantitativa en función del parámetro que deseamos estimar. Igualmente, junto con el efecto que tienen los recursos en este tema, y los factores ya descritos, lo que lleva muchas veces al investigador a trabajar con la muestra posible, más que la ideal, Black, J., Champion, D. (1976) llaman la atención con respecto a los objetivos del estudio como un factor crítico en la elección del tamaño de la muestra. Por otro lado, para Scheaffer, R. y otros (2007), normalmente, los datos que se observan en una muestra no reflejan de forma precisa los datos de la población de la que se seleccionó, incluso si el muestreo y la medición se realizan con extremo cuidado y precisión. Esta distancia o desviación entre la estimación que produce una muestra ideal respecto al valor verdadero de la población es el error de muestreo, el que se produce simplemente porque es una muestra y no un censo. Este error de muestreo (Sampling Error) tiene que ver con el grado en que las características de la muestra se asemejan con las características

¿A cuántos y a quiénes preguntar?

69

de la población (Black, J., Champion, D. (1976). Lo precedente se debe a que (Hernández, R., Fernández, C. y Baptista, P.; 2003) por muy perfecta que sea la muestra, como únicamente se analiza una parte de la población (y esa muestra tan sólo constituye una de todas las posibles muestras que pueden extraerse de la misma población), siempre habrá alguna divergencia entre las estimaciones muestrales y los correspondientes parámetros poblacionales Surge entonces la paradoja de muestreo (Kaplan, 1964 en Black, J., Champion, D.;1976): para que una muestra sea generalizable a la población, esta debe ser representativa de la misma y la única manera de estar seguros de esto es conociendo la distribución de la población y sus características, entonces no habría necesidad de muestreo. Para evaluar la representatividad de la muestra se considera el error de muestreo, el que considera la desviación estándar y el tamaño de la muestra. Behar, R. y Grima, P. (2004:66), resumen lo precedente en las siguientes líneas: “En resumen, siempre que en base a una muestra queramos conocer un rasgo de la población con un margen de error especificado, corremos un riesgo de equivocarnos, pero este riesgo se puede controlar, llevándolo al valor que convenga, utilizando el tamaño de la muestra adecuado. Otra cosa es que dispongamos del presupuesto y de los medios necesarios para tomar una muestra aleatoria del tamaño necesario.” Behar, R. y Grima, P. (2004:66). Con todo, en el entendido que la determinación del tamaño muestral, se relaciona con la estimación del parámetro que nos interesa y asumiendo una distribución normal de probabilidades, podemos establecer inicialmente, la siguiente expresión matemática (estadística) para su cálculo:

70

Dagoberto Salinas Avilés

d = (z)

En donde: d = Error o distancia entre el valor de la estimación y el verdadero valor del parámetro. Corresponde a la exactitud probabilística que se desea lograr. Z = Nivel de confianza = Estimación de la desviación estándar poblacional n = Tamaño de la muestra. Despejando para n:

n=

Específicamente, para la estimación de la media poblacional y consecuentemente, para la determinación de su tamaño muestral, procederemos de acuerdo a la siguiente fórmula:

n=

En donde: n= Tamaño de la muestra. z= Valor de la tabla normal estandarizada correspondiente al nivel de confianza deseado. A continuación, se presentan los niveles de confian-

¿A cuántos y a quiénes preguntar?

71

za más utilizados en investigación social, con su correspondencia con el valor de z. Tabla 2. Niveles de confianza y su correspondencia con los valores de z. Nivel de confianza

90%

95%

99%

Valores de z

1,64

1,96

2,58

s = Desviación típica de la población de donde se va a sacar la muestra. Dado que en la práctica es muy improbable conocer, en la mayoría de los casos se hace una estimación de esta a partir de muestras pilotos, y/o consideración de estudios previos o similares. d = Distancia de nuestra estimación con respecto a la media verdadera. Cuando se trata de poblaciones finitas (N conocido), la fórmula para determinar el tamaño muestral es la siguiente:

n=

En donde N equivale al tamaño de la población. Veamos a continuación, el siguiente ejemplo: Un investigador de una Universidad cuya población la constituyen 12.000 alumnos, desea hacer una estimación del tiempo promedio diario que destinan los estudiantes para repasar sus materias. El investigador desea un nivel de confianza del 99% y una estimación que esté a una

72

Dagoberto Salinas Avilés

distancia no superior a 1 minuto de la media verdadera. Una pequeña muestra piloto da una varianza de 25 minutos cuadrados. ¿Qué tamaño debe tener la muestra para realizar el estudio? Donde: n N Z

s d

= Tamaño de la muestra. = 12.000 alumnos. = 2,58 = 5 minutos. = 1 minuto.

n= n = 164,15 n = 165 Por lo tanto, el investigador deberá consultar a 165 estudiantes para realizar una estimación del tiempo promedio diario que éstos destinan para repasar sus materias, de acuerdo a las condiciones de nivel de confianza, error, variabilidad y tamaño de la población ya señaladas. En el caso de desconocerse el tamaño de la población para la situación anterior, el tamaño de la muestra (n) correspondería a:

n= n = 166,41 n = 167

¿A cuántos y a quiénes preguntar?

73

De este modo, el investigador debería consultar a 167 estudiantes. Así mismo, cuando se desea estimar proporciones poblacionales, la expresión es la siguiente: n=

En donde, p = Es la proporción de la población que presenta determinada característica de interés. En la práctica se hace una estimación de p a través de pruebas pilotos, estudios previos o estudios similares y si todo lo anterior no se puede realizar se establece un valor de 0,5 para p. Lo precedente, implica suponer el caso de máxima heterogeneidad posible, impidiendo de esta manera la obtención de una muestra inferior a la necesaria, independientemente del valor de la verdadera varianza poblacional. Dado que p + q = 1 Entonces q =1-p En definitiva, pq equivalen en las fórmulas anteriores a

.

Para el caso de poblaciones finitas:

Veamos a continuación los siguientes ejemplos: Un investigador social desea estudiar la proporción de jefes de hogar de una comuna determinada, que presentan una valoración positiva

74

Dagoberto Salinas Avilés

acerca de la implementación de un programa gubernamental. En esa comuna hay un total de 1.000 hogares. El investigador desea que su estimación esté a 0,05 de la proporción verdadera, con un intervalo de confianza de un 95%. En una muestra piloto de 30 hogares, el 40% de los entrevistados presentaron una valoración positiva del programa estudiado. Donde: n N Z p q d

= Tamaño de la muestra. = 1.000 hogares. = 1,96 = 0,4 = 0,6 = 0,05 (5%).

n= 269,63 n= 270 Por lo tanto, el investigador social deberá consultar a una muestra de 270 jefes de hogar, si desea estimar la proporción de los hogares en los cuales la valoración es positiva respecto de la implementación de un programa gubernamental. En el caso de desconocerse el tamaño de la población para la situación anterior, el tamaño de la muestra (n) correspondería a:

¿A cuántos y a quiénes preguntar?

75

n= n= 368,79 n= 369 En consecuencia, el investigador debería consultar a 369 jefes de hogar. Veamos a continuación un último ejemplo: Un Trabajador Social de una Municipalidad determinada, desea realizar un estudio acerca de la proporción de jefes de hogar que se encuentran cesantes en un cerro de la comuna. Para lo anterior, se sabe que el cerro se divide en tres sectores: 1º sector, 2º sector y 3º sector, con 100, 300 y 150 familias, respectivamente. El profesional desea que el valor de su estimación esté a 0,025 del valor verdadero, con un 95% de confianza. Investigadores que llevaron a cabo un estudio similar en otro cerro de la comuna, encontraron que el 20% de los jefes de hogar entrevistados estaban cesantes. Con todo, calcular el tamaño de la muestra. Donde: n N Z p q d

= Tamaño de la muestra. = 550 jefes de hogar. = 1,96 = 0,2 = 0,8 = 0,025 (2.5%).

76

Dagoberto Salinas Avilés

n= 352,97 n= 353 De este modo, podemos afirmar que el Trabajador Social deberá consultar a una muestra de 353 jefes de hogar, para dar cuenta acerca de la proporción de éstos que se encuentran cesantes en un cerro determinado de la comuna. Con todo, para quienes no deseen tener que lidiar con las fórmulas descritas, existen una serie de programas computacionales que facilitan la tarea de determinación del tamaño muestral. Entre estos, destaco el programa STATS® proporcionado por Hernández, R., Fernández, C. y Baptista, P. (2003), el cual solicita el tamaño de la población (N), recordando que sobre 99.999 casos da lo mismo cualquier tamaño del universo, nos solicita el porcentaje estimado de la población que reúne una determinada característica (en nuestro caso p q o ), el margen de error (nivel de significancia o d en nuestro caso), así como también nos pide el nivel de confianza (z).

¿A cuántos y a quiénes preguntar?

77

Cuadro 6. Programa Stats y cálculo del tamaño muestral

A continuación examinaremos el efecto en el tamaño de la muestra de los diferentes elementos contemplados en su cálculo, lo que nos permitirá apreciar la siguiente regla: a mayores exigencias a la muestra (mayor nivel de confianza y menor error muestral, entre otras), mayor será su tamaño.

78

Dagoberto Salinas Avilés

Tamaño del universo Tabla 3. Impacto del tamaño del universo:

Tamaño del Universo

Error Máximo Aceptable

Porcentaje Estimado de la Muestra

Nivel de Confianza

Tamaño de la Muestra

99.999

5%

50%

95%

383

50.000

5%

50%

95%

382

10.000

5%

50%

95%

370

1.000

5%

50%

95%

278

100

5%

50%

95%

80

Gráfico 1. Relación entre el tamaño de la población y el porcentaje de la Muestra

¿A cuántos y a quiénes preguntar?

79

Tal como se aprecia en la tabla y gráfico precedente, al aumentar el tamaño de la población, el tamaño de la muestra también aumenta (en términos absolutos). Sin embargo, nótese que sobre un determinado tamaño del colectivo, el tamaño de la muestra, prácticamente se mantiene sin diferencias significativas. Por lo anterior, el porcentaje de la población que se traduce en la muestra va decreciendo conforme aumenta el tamaño del colectivo. Lo precedente, siempre y cuando el resto de los factores incluidos en la fórmula, se mantengan constantes (error muestral, nivel confianza, etc.). En consecuencia se puede afirmar que no existe un aumento de la muestra proporcional al incremento del tamaño de la población.

Error muestral Tabla 4. Impacto del error máximo aceptable

Tamaño del universo

Porcentaje Error máximo estimado de la aceptable muestra

Nivel de confianza

Tamaño de la muestra

12.000

1%

50%

95%

5.335

12.000

2%

50%

95%

2.001

12.000

3%

50%

95%

980

12.000

4%

50%

95%

572

12.000

5%

50%

95%

373

12.000

10%

50%

95%

96

80

Dagoberto Salinas Avilés

Gráfico 2. Relación entre el Error Máximo Acpetable y el tamaño de la Muestra para una población de 12.000 personas

En el entendido que el error máximo aceptable es la exactitud probabilística que se desea lograr, se puede apreciar en la tabla y gráfico precedente, que con respecto al tamaño de la muestra, estos son inversamente proporcionales; es decir, a menor error, mayor tamaño de muestra. Esto último, resulta evidente, si se considera que al establecer una mayor exigencia a la muestra para la estimación, esta a su vez, nos pide un mayor tamaño.

¿A cuántos y a quiénes preguntar?

81

Porcentaje estimado de la muestra Tabla 5. Impacto del porcentaje estimado de la muestra. Porcentaje estimado de la muestra

Nivel de confianza

5%

5%

95%

73

5%

10%

95%

137

12.000

5%

20%

95%

241

12.000

5%

30%

95%

315

12.000

5%

40%

95%

358

12.000

5%

50%

95%

373

Tamaño del universo

Error máximo aceptable

12.000 12.000

Tamaño de la muestra

Gráfico 3. Relación entre el porcentaje estimado de la Muestra y el tamaño de la muesta para una población de 12.000 personas

82

Dagoberto Salinas Avilés

En el entendido que el nivel de porcentaje estimado es la mejor forma de determinar el porcentaje de la respuesta, es decir, la proporción de elementos de la población que reúnen una determinada característica (correspondiente a p, y q como su complemento y por tanto equivalente a 1-p). Por ejemplo, si está tratando de estimar el porcentaje de población de personas con ojos color miel (p) y este es fijado en 0,2 (20%), entonces q equivale a 1 - 0,2 (80%). Con todo, el nivel de porcentaje estimado da cuenta de la variabilidad de la población (varianza), en donde a mayor dispersión, las exigencias para el tamaño muestral aumentarán, tal como lo muestran las tablas y gráficos anteriores.

Nivel de confianza Tabla 6. Impacto del nivel de confianza

Tamaño del universo

Error máximo aceptable

Porcentaje estimado de la muestra

Nivel de confianza

Tamaño de la muestra

12.000

5%

50%

80%

165

12.000

5%

50%

90%

267

12.000

5%

50%

95%

373

12.000

5%

50%

99%

631

¿A cuántos y a quiénes preguntar?

83

Gráfico 4. Relación entre el Nivel de Confianza y el Tamaño de la Muestra para una población de 12.000 personas

En el entendido de que el nivel de confianza sirve para determinar el nivel de certeza deseado para los resultados, se puede apreciar en la tabla y gráfico anterior, que a mayor nivel de confianza, mayor será la exigencia del tamaño de la muestra. Habitualmente, suele provocarse una confusión en la relación entre el nivel de confianza y el error muestral, pensando erróneamente que una mayor confianza implica un menor error; sin embargo, nótese por el contrario en la Tabla 7 y Gráfico 5, como para un tamaño muestral fijo, el aumento en el nivel de confianza implica necesariamente un aumento en el error muestral.

84

Dagoberto Salinas Avilés

Tabla 7. Relación entre el nivel de confianza y el error muestral Tamaño del universo

Tamaño de la muestra

Porcentaje estimado de la muestra

Nivel de confianza

Error máximo aceptable

12.000

200

50%

80%

4,5

12.000

200

50%

90%

5,8

12.000

200

50%

95%

6,9

12.000

200

50%

99%

9,1

Gráfico 5. Relación entre el Nivel de Confianza y el Error Muestral para una población de 12.000 personas.

¿A cuántos y a quiénes preguntar?

85

Con todo, coincidimos con Vivanco, M. (en Canales, M., 2006) quien señala que el cálculo del tamaño muestral presenta una dimensión técnica y otra imprecisa que dice relación con la experiencia, capacidad e intuición del muestrista. Lo precedente, en el reconocimiento de que en este proceso interfieren restricciones de carácter subjetivo (establecimiento del error máximo admisible y nivel de confianza) y objetivos (recursos económicos, heterogeneidad de la población y procedimientos de análisis a utilizar, entre otros). En consecuencia, para la fijación del tamaño muestral real, frecuentemente el investigador comienza determinando el tamaño de la muestra en consideración a los recursos de que dispone, para posteriormente calcular estadísticamente el tamaño de la muestra, atendiendo a la variable de interés en el estudio. Del balance entre ambos tamaños muestrales, el investigador tomará una decisión, ya sea de aumentar los recursos, disminuir la exactitud, disminuir la certeza, o de una combinación de estas medidas.

86

Dagoberto Salinas Avilés

Aplicación Responda las siguientes interrogantes: 1. ¿Por qué puede afectar la representatividad de las muestras cuantitativas el tamaño de las mismas? 2. ¿Qué importancia tiene al momento de comunicar los resultados de un estudio cuantitativo, informar acerca de las características o restricciones del tamaño de la muestra utilizada?

¿A cuántos y a quiénes preguntar?

87

Capítulo IV El muestreo y la perspectiva cualitativa

88

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

89

La aproximación cualitativa Desde un enfoque cualitativo, el muestreo adopta más bien la forma de una selección de casos o informantes. Como tal, implementa diseños de muestreo no probabilístico. Al respecto hay quienes sostienen que dada la singularidad de la lógica cualitativa (Mella, O.; 2003), sería un error remitirse a modelos probabilísticos. Lo anterior, a pesar de que en este plano Asún, R. (en Canales, M.; 2006), afirma que si bien en teoría no habrían impedimentos en utilizar los diseños probabilísticos de muestreo, la gran cantidad de sujetos requeridos en estos procedimientos dificultaría en gran medida el registro y análisis cualitativo de los datos. Para Rodríguez, G. y otros (1999) la selección de los informantes en una investigación cualitativa, no se basa –como en otros enfoques de investigación– en el supuesto de que todos los miembros de una población dada tienen el mismo valor como fuentes de información y, por tanto, la elección de alguno de ellos es mera cuestión de azar. Los informantes considerados en una investigación cualitativa se eligen porque cumplen ciertos requisitos que, en el mismo contexto o en la misma población, no cumplen otros miembros del grupo o comunidad. Lo que se cuestiona por tanto es la idea misma de población, de grupo indiferenciado de personas con unas características definitorias comunes. De hecho para Valles, M.(2003) es importante tener en cuenta al

90

Dagoberto Salinas Avilés

momento de seleccionar a los sujetos los criterios de heterogeneidad o diversidad y accesibilidad de los mismos. Por lo precedente, desde la aproximación cualitativa, se supone una selección deliberada e intencional. Las personas no se seleccionan al azar para completar una muestra de tamaño n, se eligen uno a uno de acuerdo con el grado en que se ajustan a los criterios o atributos establecidos por el investigador. Incluso, en algunos estudios se elige a una sola persona o institución como caso. En consecuencia, salvo en el último caso (caso único), la selección de informantes adquiere un carácter dinámico, es decir, el proceso de selección continúa a lo largo de toda la investigación, operando en más de una etapa del estudio. Por lo mencionado, no se trata de un proceso prefijado como en la aproximación cuantitativa, respondiendo a los requerimientos que se generan con el acceso al campo del investigador. Se puede afirmar más bien, que el muestreo se desarrolla de manera progresiva, comenzando por un muestreo inicial que se va reconsiderando a cada paso y a cada dato relevante emergente que así nos lo sugiere (Tójar, J.; 2006). Rodríguez, G. y otros (1999), resumen adecuadamente esta situación: “La selección de informantes puede definirse, por tanto, como una tarea continuada en la que se ponen en juego diferentes estrategias conducentes a determinar cuáles son las personas o grupos que, en cada momento del trabajo de campo, pueden aportar la información más relevante a los propósitos de la investigación”. Rodríguez, G. y otros (1999:136). Asimismo, para McMillan, J. y Schumacher, S. (2005), la selección de los sujetos en el caso de las entrevistas en profundidad por ejemplo,

¿A cuántos y a quiénes preguntar?

91

comienza con una descripción de las cualidades o perfil deseado de las personas que poseen conocimiento sobre el tema en cuestión. Para Gil, J. (2002) en este tipo de muestreo, la intención del investigador suele ser la de representar estructuralmente al grupo social que se estudia, de forma de que todas las situaciones o posiciones respecto de un tema estén presentes. Junto con encontrar las características ideales de los informantes, se suelen agregar rasgos adicionales que caracterizan a un buen informante, tales como poseer suficiente experiencia y conocimientos sobre el tema abordado en la investigación, sensibilidad para advertir y comprender lo que ocurre a su alrededor, habilidad para reflexionar y para expresarse con claridad y voluntad de cooperación para con el estudio. Con todo, este autor señala lo siguiente: La concurrencia de estos rasgos en un individuo es algo que el investigador puede llegar a constatar a través de su presencia en el campo, o a través del asesoramiento de otras personas que conocen la situación y pueden colaborar, señalando a los informantes más idóneos. Gil, J. (2002:17). No se debe perder de vista, sin embargo que todo lo anterior se lleva a cabo, teniendo siempre presente los objetivos de la investigación. Por otro lado, para McMillan, J. y Schumacher, S. (2005) una de las limitaciones del muestreo no probabilístico es que la generalización de los sujetos está limitada a las características de los sujetos. Otra limitación, es su sesgo, ya que, por ejemplo si se accede a sujetos voluntarios, según han demostrado Rosenthal y Rosnow (1975 en McMillan, J, y Schumacher, S. (2005)), estos difieren en muchos aspectos de los no voluntarios (niveles educacionales, clase social e inteligencia, entre otros).

92

Dagoberto Salinas Avilés

Con todo, para Goetz, J. & LeCompte, M. (1988), la selección y muestreo cualitativo se constituye en un proceso interactivo y abierto, en oposición al enfoque cuantitativo. “A lo largo de toda la investigación, se reexaminan los efectos de cada selección o muestreo a medida que se evidencian sus consecuencias” (Goetz, J. & LeCompte, M., 1988:85). La determinación del tamaño de la muestra es también un asunto que reviste importancia en los diseños de muestreo cualitativo. Sin embargo, la estrategia desplegada se caracteriza por su flexibilidad y no determinación a priori. Al respecto, Taylor, S. y Bogdan, R. (1996) realizan un interesante planteamiento. “Como la observación participante, las entrevistas cualitativas requieren un diseño flexible de la investigación. Ni el número ni el tipo de informantes se especifican de antemano. El investigador comienza con una idea general sobre las personas a las que entrevistará y el modo de encontrarlas, pero está dispuesto a cambiar de curso después de las entrevistas iniciales.” Taylor, S. y Bogdan, R. (1996:108). Por lo anterior, estos autores afirman que es difícil determinar a cuántas personas se debe entrevistar en un estudio cualitativo. Algunos investigadores en tanto tratan de entrevistar al mayor número posible de personas familiarizadas con un tema o acontecimiento. En el caso del muestreo teórico considerado como la principal técnica de selección en el muestreo cualitativo, que considera como referencia cardinal a la naturaleza del problema que va a ser investigado (Tójar, J.; 2006), opera en cambio el principio de saturación. Desde esta última, en tanto, se entrevista hasta que no se produce ninguna comprensión auténticamente nueva, habiéndose diversificado todas las perspectivas. De esta manera, el número de casos estudiados tiene poca importancia.

¿A cuántos y a quiénes preguntar?

93

Para Tuckett, A. (2004) en tanto, el muestreo en investigación cualitativa usualmente se lleva a cabo sin reglas fijas para el tamaño de estas y con tamaño pequeño con el propósito de estudiar en profundidad y detalle. En esta búsqueda de la riqueza del dato acerca de un fenómeno en particular, la muestra resulta intencionadamente más que aleatoriamente. En este contexto, el muestreo continúa hasta que el investigador no identifica datos redundantes (saturación de datos). En definitiva en la investigación cualitativa, lo que interesa no es la cantidad de datos sino más bien la riqueza de los mismos. En este sentido, lo que importa es no dejar fuera del estudio información relevante para el mismo. De este modo es posible afirmar que el tamaño de una muestra cualitativa está determinado más bien por una serie de consideraciones o dimensiones que por reglas fijas. Tales dimensiones se configuran a partir de los propósitos de la investigación, las características del fenómeno en estudio, el diseño de investigación, las técnicas recolectoras de datos, la disponibilidad de los sujetos y las necesidades establecidas por el tipo de análisis de los datos previsto, entre otras. En este plano, McMillan, J, y Schumacher, S. (2005: 411), señalan: “La mayoría de los investigadores cualitativos proponen un tamaño de muestra y, a continuación, siguen ampliando la muestra a medida que progresa el estudio”. En consecuencia, la muestra cualitativa persigue una representatividad que opera por la saturación de los contenidos del discurso de los sujetos que componen la muestra, pretendiendo en último término dar cuenta del discurso colectivo. Veamos a continuación un ejemplo de muestreo cualitativo: En un estudio desarrollado en dos Escuelas de Trabajo Social de Chile (V Región), el cual entre sus objetivos pretendía analizar

94

Dagoberto Salinas Avilés

los puntos de vista de profesores, directores y titulados acerca del empleo de los Exámenes de Grado en cuanto procedimiento de evaluación (Salinas, 2006), en lo que se refiere a la fase intensiva de la investigación esta asumió el carácter de estudio de casos, lo que implicó la utilización de técnicas cualitativas, exigiendo acotar el número de informantes. De este modo, respecto de la selección misma de los sujetos, se asumió un muestreo estructural, pretendiendo representar todas las situaciones y puntos de vista diferentes. Es así como, en lo que se refiere a los docentes se determinó una muestra a través de un procedimiento de selección basada en criterios, asumiendo la definición de diferentes perfiles que se correspondieron con sujetos-tipo, atendiendo a características propias de este actor. Lo anterior implicó que se llevó a cabo un procedimiento de selección de sujetos – tipos o selección de casos típico-ideal (García, Gil y Rodríguez, 1999), a través de un procedimiento intencional y deliberado, el cual requirió del desarrollo de un perfil de atributos esenciales entre los docentes. Las características requeridas para este actor fueron las siguientes: Tipo de Jornada laboral (Completa o Parcial), experiencia docente y sexo (Hombre o Mujer). Con relación a los estudiantes, al igual que con los docentes y titulados, se llevó a cabo un procedimiento de muestreo de sujetos tipo, con base al establecimiento de una serie de criterios o características. En tanto, las características requeridas para los estudiantes correspondieron a promoción (estudiantes de diversas promocio-

¿A cuántos y a quiénes preguntar?

95

nes de ingreso a la carrera, que se encontraran en el último año de la carrera), tutor (estudiantes tesistas de diferentes profesores guías) y sexo (Hombre o Mujer). Por último, en lo que respecta a los titulados, también se aplicó un muestreo de sujetos tipo y se consideraron los siguientes criterios: promoción de egreso (haber recibido el título a partir del año 2000 en adelante) y sexo (Hombre o Mujer). Finalmente, en lo que atañe a los directores, dado el reducido número de ese colectivo (2), se optó por acceder a la totalidad del mismo. Finalmente, con el ánimo de establecer una mirada sintética y diferenciada entre los muestreos cuantitativos y cualitativos, se presenta el siguiente Cuadro 7. No obstante, se advierte al lector que para el autor esta comparación reviste sólo una intencionalidad pedagógica; dado que, lejos está en este último, el interés por presentar una perspectiva aislada y separatista de los diferentes procedimientos de muestreo.

96

Dagoberto Salinas Avilés

Cuadro 7. Comparación entre el muestreo cuantitativo y el muestreo cualitativo Aspecto Tipo de muestreo

Muestreo cuantitativo

Muestreo cualitativo

Interés del muestreo

Estimación de parámetros y prueba de hipótesis estadísticas.

Profundización acerca de las particularidades del colectivo.

Justificación de la estrategia de muestreo

Fundamentalmente estadística.

Fundamentalmente teórica (conceptual).

Flexibilidad de la estrategia de muestreo

Escasa, con una estrategia prefijada.

Alta, con una estrategia progresiva, interactiva y abierta.

Representatividad

Estadística con pretensión de generalizar.

Persigue la ejemplaridad, en tanto lo especial de cada contexto y realidad; así como también, la representatividad estructural, incorporando diferentes visiones y puntos de vista del colectivo.

Selección de los sujetos

Idealmente (aunque no de manera exclusiva), recurriendo al azar.

Deliberado e intencional.

Tipo de diseño

Probabilístico y no probabilístico, aunque privilegia el primero.

Privilegia los diseños no probabilístico, aunque no se haya impedido de utilizar los diseños probabilístico.

Tamaño de la muestra

Generalmente, de gran tamaño.

Generalmente, de tamaño pequeño.

¿A cuántos y a quiénes preguntar?

Aplicación Responda a la siguientes interrogantes: 1. ¿Con qué criterios se resuelve el tema del tamaño de la muestra, desde la aproximación cualitativa? 2. ¿Qué papel juega la diversidad de la población, en la perspectiva de muestreo cualitativo?

97

98

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

99

Capítulo V

Las posibilidades de integración de los muestreos cuantitativos y cualitativos

100

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

101

¿Se pueden combinar los diferentes tipos de muestreos cuantitativos y cualitativos? Hecha entonces la revisión acerca de los diferentes tipos de muestreos cuantitativos y cualitativos, antes de intentar responder a la interrogante establecida en este apartado, me permito formular la siguiente pregunta previa: ¿Cuál de los diferentes tipos de muestreo es más apropiado? Para Flick, U. (2004), no hay decisión o estrategia de muestreo que sea correcta por sí misma, sino que su conveniencia está relacionada con las interrogantes acerca de: ¿qué casos son necesarios para responder a las preguntas del estudio, y cuántos?. Por lo anterior, me parece que antes de juzgar cada método como bueno o malo hay que responder las preguntas acerca de ¿cuál es el objetivo del investigador y el tipo de muestra requerida para satisfacer el propósito de investigación? En la comparación entre los muestreos cuantitativos, Marshall, M. (1996) señala que la elección de uno de estos debe descansar en los propósitos del estudio. En el caso de las muestras cualitativas estas tienden a ser pequeñas, lo que desde una perspectiva cuantitativa presentaría un considerable error de muestreo, haciendo inevitable la presencia de sesgo. Por otro

102

Dagoberto Salinas Avilés

lado, las muestras cuantitativas o aleatorias se basan en que las características de investigación están normalmente distribuidas. Respecto de esto último, no hay evidencia de que los valores, creencias y actitudes de las personas presenten una distribución normal, haciendo inapropiado el enfoque probabilístico. Por último, los sociólogos reconocen que la gente no es igualmente buena para observar, comprender e interpretar su propio comportamiento y el de los demás. Los investigadores cualitativos reconocen que hay informantes más ricos o mejores para proporcionar información al respecto. Elegir a alguien al azar para responder una pregunta cualitativa sería análogo a preguntarle a un transeúnte acerca de cómo reparar un auto averiado, en vez de acudir a un taller mecánico, lo cual resultaría más productivo. Hasta ahora tengo la impresión que la elección de los métodos de muestreo muchas veces se basa en la arbitrariedad y apego ideológicamente enfermizo a los diferentes paradigmas epistemológicos de investigación, creando una lucha artificial en donde debería existir una comunión. Esto último provoca que sin tener claro aún los propósitos del estudio, muchas veces el investigador ya ha determinado su opción acerca del método de muestreo, al igual de que quien no conoce aún el menú, ya ha escogido el tenedor como herramienta, sin saber si lo que llega a la mesa es sopa. En esta metáfora, tanto el tenedor como la cuchara y el cuchillo tienen un valor relativo dependiendo del menú, en qué ocasiones deberá utilizar uno, y en otras ocasiones, otro, o quizás se vea en la necesidad de utilizarlos de manera combinada. Que la decisión acerca de la elección de las diferentes estrategias de muestreo, sea entonces por convencimiento y no por incapacidad o ideología, atendiendo a los propósitos del estudio, naturaleza del fenó-

¿A cuántos y a quiénes preguntar?

103

meno investigado y características de los sujetos, entre otros aspectos a considerar. En definitiva, la pregunta podría ser si podemos dejar la representatividad de la muestra al libre ejercicio del azar o a criterio sólo del investigador. Este desafío me parece que muchas veces se debe enfrentar a través de una mirada más flexible y abierta respecto de la complementariedad de los métodos asunto a que me referiré a partir del siguiente párrafo. Dado que a decir de González, M. (1997), no existe la técnica de investigación “todo terreno”, como tampoco el muestreo, sea éste probabilístico o no, se debe tener a la vista la naturaleza de la información requerida, al momento de tomar una decisión respecto de la estrategia a adoptar en materia de selección de los sujetos en un proceso de investigación. Coincido con Sandelowwski, M. (2000) en torno a que la complejidad de los fenómenos humanos exige diseños de investigación más completos para capturarlos. En este plano señala este autor que la combinación o mezcla de métodos de investigación se encuentran operacionalizados a nivel técnico, en el muestreo, y en la recolección y análisis de datos. Como tal, los métodos de investigación mezclados no se constituirían en mezclas de paradigmas; no obstante, los paradigmas son reflejados en las técnicas escogidas para combinar y en cómo y por qué los investigadores desean combinarlas. Del mismo modo estoy de acuerdo con Cook, T. y Reichardt, C. (1987) y Pérez, G. (1994), en su postura de integración de los métodos de investigación en el marco de la investigación evaluativa, lo que suscribo en particular a lo referido a los métodos de muestreo, relevando la importancia de la situación y de los propósitos mismos del estudio.

104

Dagoberto Salinas Avilés

Entre las ventajas potenciales que estos autores visualizan del empleo conjunto de los métodos cualitativos y cuantitativos relevan multiplicidad de propósitos, su complementación y la posibilidad de triangulación, o a decir de Ortí, A. (en Delgado, J.M. y Gutiérrez, J.; 1999) estableciendo una suerte de complementariedad por deficiencia. Para Pérez, G. (1994) ningún método está libre de prejuicios y sostiene que sólo nos podremos aproximar un poco más a la verdad a través del empleo de métodos y técnicas diferentes. Para Ruiz, J.I. (2003) en tanto, esta posibilidad de integración, mediante la triangulación, junto con enriquecer la investigación, establece un control de calidad de la misma, para conocer hasta qué punto el estudio ha logrado sus objetivos iniciales. Con todo considero que las posibilidades de integración entre los muestreos cualitativos y cuantitativos pueden darse en las siguientes modalidades: Tal como lo representa la Figura 8.

¿A cuántos y a quiénes preguntar?

105

M. Cuantitativo

Paralela

M. Cualitativo

Secuencial de origen cuantitativo

M. Cuantitativo

M. Cualitativo

Secuencial de origen cualitativo

M. Cualitativo

M. Cualitativo

Figura 8. Posibilidades de integración en el muestreo

106

Dagoberto Salinas Avilés

●

●

●

De forma paralela, es decir, aplicando simultáneamente ambos tipos de muestreo, generalmente satisfaciendo objetivos de investigación comunes o complementarios. De forma secuencial de origen cuantitativo, es decir, aplicando primero un diseño de muestreo cuantitativo, para luego proseguir con un diseño cualitativo, orientado normalmente a la consecución de objetivos progresivos. De forma secuencial de origen cualitativo, es decir, aplicando primero un diseño de muestreo cualitativo, para luego proseguir con un diseño cuantitativo, orientado normalmente a la consecución de objetivos progresivos.

Finalmente, está claro, sin embargo, para esta postura de integración de los diseños de muestreos, la presencia de obstáculos para el investigador como por ejemplo: su costo, alto tiempo y carencia de preparación suficiente en ambos tipos de métodos.

¿A cuántos y a quiénes preguntar?

107

Aplicación Identifique situaciones de investigación en donde sea factible llevar a cabo la integración de las estrategias de muestreo en las modalidades paralela y secuencial.

108

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

109

Palabras finales

110

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

111

Palabras finales Para esta parte del texto, deseo invitar a quienes deben tomar decisiones respecto de A cuántos y a quiénes preguntar, tener siempre presente que dada la relevancia de las respuestas a las interrogantes señaladas, que consideren ante todo la pertinencia y rigurosidad de la estrategia de muestreo a desplegar. Esta etapa metodológica del proceso de investigación, si no es tomada en serio, puede invalidar todos los esfuerzos realizados, restando toda credibilidad a los hallazgos del estudio. Por lo señalado, invito a los futuros(as) investigadores(as) a que no antepongan el método de muestreo al propósito del estudio, evitando de este modo toda mecanización irreflexiva del proceder metodológico. En este contexto, resulta de cardinal importancia que el investigador antes de tomar una decisión acerca de su estrategia de muestreo se formule al menos las siguientes preguntas: ●

¿Con qué recursos contamos?

●

¿Qué información manejamos acerca de la población?

●

¿Cuál es el tamaño de la población?

●

¿Cuán accesibles son los sujetos de investigación?

●

¿Qué precisión deseamos de la muestra?

112

Dagoberto Salinas Avilés

●

●

●

●

¿A qué costo de muestreo aspiramos? ¿Hay interés en el estudio por estimar parámetros y probar hipótesis estadísticas? ¿Hay interés en la investigación por profundizar acerca de las particularidades de la población? ¿Existe en el estudio la pretensión de generalizar los hallazgos?

De esta manera se estará contribuyendo significativamente a la credibilidad de los resultados de la investigación, eligiendo modos y procedimientos pertinentes para dar cuenta de la muestra en el estudio. Con todo, deseo enfatizar la importancia de que en esta etapa del proceso de investigación (referida al muestreo), se tomen desiciones fundamentadas, lo que contribuiría a otorgar y reconocer sentido al dato (cuantitativo o cualitativo) en el estudio.

¿A cuántos y a quiénes preguntar?

113

Bibliografía

114

Dagoberto Salinas Avilés

¿A cuántos y a quiénes preguntar?

115

Bibliografía Allen, J. (2005) Un matemático lee el periódico. Barcelona: Tusquets Editores. Ander-Egg, E. (1995) Técnicas de investigación social. Argentina: Editorial Lumen. Behar, R. y Grima, P. (2004) 55 respuestas a dudas típicas de estadística. Madrid: Díaz de Santos. Bernal, C. (2006) “Metodología de la investigación para administración, economía, humanidades y ciencias sociales”. Mexico: Pearson Educación. Black, J., Champion, D. (1976) “Methods and issues in social research”. New York: John Wiley & Sons, Inc. Borsotti, C. (2007) Temas de metodología de la investigación en ciencias sociales empíricas. Buenos Aires: Miño y Dávila Editores. Canales, M. (2006) Metodologías de investigación social. Introducción a los oficios. Santiago de Chile: Lom Ediciones. Cea, Mª (2001) Metodología cuantitativa: Estrategias y técnicas de investigación social. Madrid: Síntesis Cea, M.ª (2004) Métodos de encuesta. Teoría y práctica, errores y mejora. Madrid: Síntesis. Chao, L. (1980) Estadística para las ciencias administrativas. México: McGrawHill Cochran, W. (1972) Técnicas de muestreo. México: Compañía Editorial Continental, S. A.

116

Dagoberto Salinas Avilés

Collins, K., Onwuegbuzie, A., & Jiao, Q. (2006, May). Prevalence of Mixed-methods sampling Designs in Social Science Research. Evaluation & research in education, 19(2), 83-101. Cook, T. y Reichardt, C. (1987) Métodos cualitativos y cuantitativos en investigación evaluativa. Madrid: Morata. Daniel, W. (1995) Estadística con aplicaciones a las ciencias sociales y a la educación. Colombia: McGraw-Hill. Del Pino, G. y otros (1989) La estadística: comprendiendo un mundo con azar. Santiago: Colección Teleduc. Delgado, J.M. y Gutiérrez, J. (1999) Métodos y técnicas cualitativas de investigación en ciencias sociales. Madrid: Síntesis. Flick, U. (2004) Introducción a la investigación cualitativa. Madrid: Ediciones Morata. Fox, D. (1981) El proceso de investigación en educación. Pamplona: Ediciones Universidad de Navarra. García, M., Ibáñez, J. y Alvira, F. (1994) El análisis de la realidad social. Métodos y técnicas de investigación. Madrid: Alianza Editorial. Gil, J. (2002) Seminario sobre las técnicas de entrevista y observación. Granada. Goetz, J. & LeCompte, M. (1988) Etnografía y diseño cualitativo en investigación cualitativa. Madrid: Morata. Golombek, D. (2006) Demoliendo papers: La trastienda de las publicaciones científicas. Buenos Aires: Siglo XXI Editores Argentina S.A. González, M. (1997) Metodología de la investigación social. Técnicas de recolección de datos. Alicante: Editorial Aguaclara. Hernández; R., Fernández, C. y Baptista, P. (2003) Metodología de la investigación. México: McGraw-Hill. Higginbottom, G. (2004, September), Sampling issues in qualitative research. Nurse Researcher, 12(1), 7-19. Juárez, M., Gaitán, L. y Urosa, B. y Cabrera, P. (1993) Trabajo Social e Investigación: Temas y perspectivas. Madrid: Publicaciones de la Universidad Pontificia Comillas.

¿A cuántos y a quiénes preguntar?

117

Kerlinger, F. (1991) Investigación del comportamiento. México: McGraw-Hill. Kish, L. (1996) Diseño estadístico para la investigación. Madrid: Siglo Veintiuno de España Editores. León, O. y Montero, I. (1993) Diseño de investigaciones. Introducción a la lógica de la investigación en Psicología y Educación. Madrid: McGraw-Hill. Marshall, M. (1996). Sampling for qualitative research. Family Practice (13), 522-525 McMillan, J. y Schumacher, S. (2005) Investigación educativa. Madrid: Pearson. Mella, O. (2003) Metodología cualitativa en ciencias sociales y educación. Orientaciones teórico-metodológicas y técnicas de investigación. Santiago de Chile: Primus. Ngulube, P. (2005) Research procedures used by Master of Information Studies students at the University of Natal in the period 1982-2002 with special reference to their sampling techniques and survey response rates: A methodological discourse. The International Information & Library Review, 37, 127-143 Nuñez, A. (2006) Estadística básica para planificación. México: Siglo XXI Padua, J. (1979) Técnicas de investigación aplicadas a las ciencias sociales. México: Fondo de Cultura Económica. Pastén, F. (1991) La técnica cualitativa en Servicio Social. Su teoría y aplicación. Valparaíso: Ediciones Edeval, Universidad de Valparaíso, Chile. Pastén, F. (2000) Elaboración de diagnósticos sociales con la utilización de técnicas cualitativas de investigación. Valparaíso: Ediciones Edeval, Universidad de Valparaíso, Chile. Pastén, F. (2008) Metodología de la Investigación Social. Valparaíso: Ediciones Edeval, Universidad de Valparaíso, Chile. Patton, M. (1987) How to use qualitative methods in evaluation. Londres: Dage. Pérez, G. (1994) Investigación cualitativa. Retos e interrogantes. I Métodos. Madrid: La Muralla.

118

Dagoberto Salinas Avilés

Pulido, A. (1984) Estadística y técnicas de investigación social. Madrid: Ediciones Pirámide. Rodríguez, G. y otros (1999) Metodología de la investigación cualitativa. Málaga: Aljibe. Ritchey, F. (2008) Estadística para las Ciencias Sociales. México: McGrawHill. Rodríguez, J. (1991) Métodos de muestreo. Madrid: Centro de Investigaciones Sociológicas. Ruiz, J.I. (2003) Metodología de la investigación cualitativa. Bilbao: Universidad de Deusto. Salinas, D. (2006) “Estudio sobre los Exámenes de Grado como procedimiento de evaluación en Escuelas de Trabajo social pertenecientes a Universidades Públicas de Chile”. Tesis Doctoral. Facultad de Ciencias de la Educación, departamento de Didáctica. Universidad de Cádiz, España. Sandelowwski, M. (2000, January). Focus on Research Methods Combining Qualitative and Quantitative Sampling, Data Collection, and Analysis Techniques in Mixed-Method Studies. Research in Nursing & Health, 23, 246–255. Scheaffer, R. y otros (2007) Elementos de muestreo. Madrid: Thomson. Selltiz, C., Wrightsman, L. & Cook, S. (1980) Métodos de investigación en las relaciones sociales. Madrid: Rialp. Sierra, R. (1976) Técnicas de investigación social. Ejercicios y problemas. Madrid: Paraninfo. Sierra, R. (1999) Tesis Doctorales y trabajos de Investigación Científica. Madrid: Paraninfo. Spiegel, M. (1977) Probabilidad y Estadística. México: McGraw-Hill Taylor, S. y Bogdan, R. (1996) Introducción a los métodos cualitativos de investigación. Barcelona: Paidós. Tójar, J. (2006) Investigación cualitativa. Comprender y actuar. Madrid: La Muralla,

¿A cuántos y a quiénes preguntar?

119

Trost, J. (1986, Spring86). Statistically Nonrepresentative Stratified Sampling: A Sampling Technique for Qualitative Studies. Qualitative Sociology, 9(1), 54. Tuckett, A. (2004, September). Qualitative research sampling: the very real complexities. Nurse Researcher, 12(1), 47-61. Van Dalen, D. y Meyer, W. (1981) Manual de técnica de la investigación educacional. Barcelona: Paidós. Valles, M. (2003) Técnicas cualitativas de investigación social. Reflexión metodológica y práctica profesional. Madrid: Síntesis.

120

Dagoberto Salinas Avilés