Muestreo y procesamiento de datos en la investigación: técnicas cualitativas y cuantitativas

Muestreo en la Investigación Cualitativa

Muestreo intencional

• Definición: Es una técnica utilizada para identificar y seleccionar casos ricos en información, permitiendo un uso efectivo de recursos limitados.

Muestreo para la Investigación Cuantitativa

¿Cómo determinar el tamaño de la muestra?

1. Seleccionar la población.
2. Seleccionar la técnica de muestreo.
3. Calcular el tamaño de la muestra.

Técnicas de muestreo

• Probabilística: Aleatorio, sistemático, estratificado y por conglomerados (cluster).
• No probabilística: Por conveniencia, por cuota y bola de nieve.

Probabilidad: Se define como la posibilidad de que suceda un evento. Su fórmula es: P(A) = Nº de casos favorables / Nº de casos totales.

Muestreo Probabilístico

• Todos los elementos de la población tienen una probabilidad calculable y positiva de ser elegidos.
• El número de respuestas es fundamental para la validez.
• Suele ser un proceso costoso.

Muestreo No Probabilístico

• Se basa en el juicio humano.
• Está sujeto a errores y puede ser subjetivo.

Tipos de Muestreo y sus Características

1. Muestreo aleatorio

• La muestra se selecciona de manera no sistemática (al azar).

2. Muestreo sistemático

• Método basado en un sistema preestablecido, por ejemplo, mediante el uso de intervalos.

Ventajas y desventajas del muestreo sistemático

• Ventajas:
  • Ausencia de sesgos.
  • Asegura la representatividad.
  • Es más eficiente.
• Desventajas:
  • Alta variación en la muestra.
  • Fórmulas de cálculo complicadas.
  • La generalización puede ser peligrosa.

3. Muestreo estratificado

• La población se divide en estratos y se toma una muestra de cada uno de ellos.

4. Muestreo por conglomerados (Cluster)

• La población se divide en grupos o clusters; se selecciona uno de ellos y de allí se extrae la muestra.

5. Muestreo por conveniencia

• La elección de la muestra queda a juicio del investigador. Consideración: Se asume que la población es homogénea.

Procesamiento de Datos Cualitativos

Técnicas de procesamiento cualitativo

• Análisis temático.
• Análisis de contenido.
• Análisis del discurso.
• Narrativa.
• Teoría fundamentada.

Pasos del procesamiento de contenido

1. Transcripción de datos: Traducir toda la información a un texto comprensible. Implica:
   • Leer buscando contenido y asegurar la calidad de los datos.
   • Separar lo esencial de lo no esencial.
   • Encontrar tendencias, tópicos emergentes y detalles contextuales (Santamaría, 2018).
2. Codificación: Categorizar y organizar datos según temas o patrones.
   • Paso 1: Etiquetar palabras, frases o párrafos para facilitar el estudio y la comparación.
   • Paso 2: Combinar datos por temas, categorías, palabras clave, conceptos o ideas.
   • Paso 3: Centrarse en los datos más relevantes.
3. Crear un libro de códigos.
4. Analizar las relaciones entre códigos y categorías.

Conceptos básicos de codificación

• Códigos: Etiquetas para identificar temas que describen un segmento de texto, imagen o artefacto. Se utilizan cuando un segmento es relevante según el planteamiento, la representatividad o el juicio del investigador.
• Categorías: Conceptualizaciones analíticas del investigador para organizar resultados relacionados con un fenómeno o experiencia humana.

¿Cómo codificar de manera efectiva?

1. Identificar si la investigación es inductiva o deductiva.
2. Crear una lista de códigos y sus significados (o desarrollarlos durante el estudio).
3. Asignar códigos a frases o párrafos.
4. Releer segmentos y códigos asignados para verificar o realizar ajustes.
5. Encontrar tendencias, conexiones y relaciones entre códigos.
6. Utilizar jerarquías: Código → Subcategorías → Categorías.

Nota: Se puede codificar por significados, comportamientos, estrategias, lugares, consecuencias, entre otros factores.

Procesamiento de Datos Cuantitativos

Distribución de frecuencias

• Es el conjunto de puntuaciones de una variable, ordenadas en sus respectivas categorías.

Medidas de Tendencia Central y Dispersión

• Media (promedio): Resultado de la suma de todos los valores dividida por la cantidad total de los mismos.
• Mediana: Es el valor medio de un conjunto de datos ordenados. Si la cantidad de datos es par, se obtiene mediante el promedio de los dos valores centrales. Ejemplo: 3, 4, 5, 6, 8 → Mediana = 5.
• Desviación estándar: Medida de variación o dispersión de un conjunto de valores numéricos. Ejemplo de interpretación: Un valor de "12" significa que los datos se encuentran dentro de una desviación estándar respecto a la media (en el rango de media - 12 y media + 12).

Correlación

• Medida estadística que indica el grado de relación lineal entre dos variables numéricas.