Poner números junto a una respuesta no significa que hayas medido mejor el fenómeno.
Una escala es pertinente cuando sus categorías representan la operación que necesita realizar el participante y producen datos compatibles con el constructo, el nivel de medición y el análisis previsto. Cuando esa lógica no existe, los números solo ocultan una decisión metodológica débil.
🧠 ¿Cinco opciones significan Likert?
Una estudiante quiere conocer cuántas veces los doctorandos recibieron retroalimentación durante el último mes y propone estas opciones: nunca, una vez, dos veces, tres veces, cuatro veces o más. Un compañero le dice que, como existen varias categorías ordenadas, se trata de una escala de Likert. ¿Qué análisis es más adecuado?
Objetivo didáctico
🎯 Al terminar esta sesión
Diseñarás y justificarás las formas de respuesta de tu instrumento cuantitativo mediante decisiones explícitas sobre nivel de medición, escalamiento y codificación prevista, diferenciando entre escalas tipo Likert, diferencial semántico, formatos bipolares y escalamiento acumulativo; si tu ruta es cualitativa, justificarás por qué la evidencia requerida no debe transformarse artificialmente en una escala.
La meta no es utilizar todos los tipos de escala revisados en esta sesión. Hacerlo sería metodológicamente incoherente. La meta es poder argumentar por qué una forma de respuesta corresponde con determinado componente de tu instrumento y por qué las demás no son necesarias.
Al finalizar producirás una Ficha de decisiones de respuesta y medición v1. Este documento se integrará posteriormente con el libro de códigos o con la matriz cualitativa equivalente.
Introducción
En L4 construiste un banco inicial de preguntas e ítems y describiste qué evidencia debería producir cada componente. Ahora debes decidir cómo responderá el participante y qué significado metodológico tendrán esas respuestas.
Esta decisión parece sencilla cuando se limita a elegir entre opciones como “totalmente de acuerdo” o “nunca”. En realidad, determina qué operaciones podrán realizarse después con los datos. El nivel de medición, la estructura de las categorías y la manera en que se codifiquen condicionan la interpretación.
Stevens (1946) formuló la conocida distinción entre escalas nominales, ordinales, de intervalo y de razón. Esta clasificación sigue siendo útil como punto de partida, aunque las decisiones analíticas contemporáneas requieren examinar también el modelo de medición, la distribución de los datos y los supuestos del análisis.
Por ello, la regla de L5 será: no selecciones la escala antes de definir qué operación quieres registrar. Primero se decide qué diferencia debe expresar la respuesta; después se determina qué categorías permiten expresarla de manera defendible.
Desarrollo del tema
Primero decide qué diferencia representan tus respuestas
El nivel nominal permite clasificar observaciones en categorías distintas sin establecer un orden intrínseco. Un código numérico asignado a una modalidad funciona como etiqueta: que una categoría sea “2” no significa que posea el doble de aquello representado por la categoría “1”.
El nivel ordinal incorpora orden. Una respuesta puede situarse por encima o por debajo de otra según determinada propiedad, pero el orden no demuestra automáticamente que las distancias entre categorías sean equivalentes. Esta precisión es especialmente importante en preguntas con categorías ordenadas.
Los niveles de intervalo y razón exigen propiedades adicionales. En intervalo, las diferencias entre valores tienen interpretación consistente, pero el cero no representa necesariamente ausencia absoluta de la propiedad. En razón existe, además, un cero con significado de ausencia respecto de la magnitud representada. No todas las variables de investigación educativa alcanzan estos niveles simplemente porque se codifiquen mediante números.
Por ello, el nivel de medición debe justificarse desde la relación entre variable, operación empírica y significado de los valores. La codificación es posterior: asignar “1” a una categoría y “2” a otra no modifica las propiedades lógicas de la variable.
🔍 ¿Qué propiedad tienen realmente los datos?
Clasifica los ejemplos construidos según la propiedad fundamental de sus valores.
Aplicación a tu tesis: selecciona tres variables o preguntas cuantitativas de tu banco. Antes de escribir códigos numéricos, explica qué propiedad poseen sus respuestas: solo clasificación, orden, diferencias interpretables o razón. Después comprueba si el análisis que imaginas requiere propiedades que tus datos todavía no poseen.
Likert: medir actitud no equivale a colocar cinco opciones
Rensis Likert (1932) desarrolló una técnica para la medición de actitudes mediante conjuntos de afirmaciones ante las cuales los participantes expresaban grados ordenados de aceptación o rechazo. Una precisión importante para esta asignatura es distinguir entre un ítem tipo Likert y una escala compuesta por varios ítems.
Un ítem aislado con categorías que van de “totalmente en desacuerdo” a “totalmente de acuerdo” produce una respuesta ordinal respecto de una afirmación. Cuando diversos ítems se diseñan para representar un mismo constructo y posteriormente se combinan conforme a reglas justificadas, se construye una puntuación compuesta cuya interpretación requiere evidencia adicional sobre el funcionamiento conjunto de los reactivos.
También debe evitarse utilizar acuerdo cuando la tarea real es otra. Si necesitas conocer frecuencia, pregunta por frecuencia; si necesitas confianza percibida, construye una respuesta correspondiente a confianza; si quieres conocer importancia, las categorías deben representar importancia. Utilizar “de acuerdo / en desacuerdo” para cualquier contenido puede exigir al participante una operación distinta de la que la variable necesita.
Sullivan y Artino (2013) recuerdan que existe discusión sobre el tratamiento estadístico de datos derivados de escalas tipo Likert. Para L5, la consecuencia práctica es clara: el análisis previsto debe justificarse; no se deduce únicamente de que las categorías tengan números asignados.
💡 Pregunta antes de elegir anclajes
¿Quieres que la persona exprese acuerdo con una afirmación, reporte frecuencia, valore intensidad, indique importancia o estime confianza? Esas tareas no son equivalentes.
🛠 Diseña primero la tarea de respuesta
Selecciona qué necesitas registrar y observa cómo cambia la lógica de las categorías.
Aplicación a tu tesis: elige un reactivo de L4 y sustituye temporalmente sus opciones por tres formatos distintos: acuerdo, frecuencia e importancia. Observa cómo cambia la pregunta que realmente estarías haciendo. Conserva únicamente el formato cuya operación corresponda con el indicador.
Diferencial semántico y escalas bipolares: el significado está en los extremos
Osgood, Suci y Tannenbaum (1957) desarrollaron el diferencial semántico para estudiar el significado connotativo mediante escalas cuyos extremos se expresan a través de adjetivos opuestos. El participante sitúa un concepto o referente entre ambos polos.
Por ejemplo, si el objeto evaluado fuera una experiencia de acompañamiento, podrían plantearse pares bipolares solo cuando los adjetivos representan dimensiones semánticas pertinentes y claramente opuestas. No basta con elegir dos palabras diferentes y colocarlas a cada lado de una línea.
Conviene distinguir el diferencial semántico de una escala bipolar en sentido general. Muchos formatos pueden representar un continuo entre dos extremos, pero el diferencial semántico tiene una tradición metodológica específica vinculada con pares de adjetivos bipolares y la valoración del significado.
Otra decisión importante es evitar polos conceptualmente desiguales. Si un extremo representa una cualidad concreta y el otro simplemente su ausencia, quizá no exista bipolaridad genuina. La pertinencia del par debe justificarse respecto del objeto evaluado y del marco conceptual.
↔ Laboratorio bipolar
Explora los pares y decide si ofrecen extremos conceptualmente defendibles para una escala bipolar.
Aplicación a tu tesis: si contemplas utilizar un diferencial semántico, escribe tres pares de adjetivos y para cada uno explica qué dimensión representa y por qué los términos pueden tratarse como polos opuestos. Elimina cualquier par que solo parezca contrastante por su redacción.
Escalograma de Guttman: cuando la respuesta implica acumulación
El escalamiento de Guttman parte de una lógica distinta a la de una batería convencional de afirmaciones. Los componentes se organizan de modo que representan posiciones ordenables por intensidad, dificultad o exigencia y se examina si las respuestas se aproximan a un patrón acumulativo (Guttman, 1944).
En el patrón ideal, una persona que acepta o supera un componente situado en un nivel más exigente también debería aceptar o superar los componentes anteriores. Por ejemplo, si una escala describiera niveles crecientes de compromiso con una actividad, aceptar el nivel más exigente implicaría coherencia con los niveles inferiores.
La presencia de una secuencia de preguntas “de menor a mayor” no crea automáticamente una escala de Guttman. Debe existir una razón teórica para esperar acumulación, y los patrones observados deben examinarse para determinar en qué medida corresponden con esa estructura.
Por ello, esta herramienta no debe utilizarse solo porque produce una secuencia visualmente ordenada. Es pertinente cuando el constructo admite una lógica jerárquica o acumulativa defendible.
🧩 El patrón acumulativo
Supón cuatro afirmaciones ordenadas de menor a mayor exigencia: A, B, C y D. Selecciona el patrón que se aproxima a una respuesta acumulativa ideal.
Aplicación a tu tesis: identifica si alguna variable de tu investigación posee realmente una propiedad acumulativa. Si no puedes explicar por qué alcanzar un nivel más exigente debería implicar los anteriores, no utilices Guttman únicamente porque forma parte del repertorio de escalas estudiadas.
Ruta cualitativa: justificar cuándo no corresponde medir
La presencia de escalas en el programa no significa que todo instrumento deba utilizarlas. Si una tesis cualitativa busca reconstruir cómo se vive un proceso, qué significado atribuyen los participantes a determinada experiencia o cómo se desarrolla una práctica en contexto, reducir la respuesta a una categoría numérica puede eliminar precisamente la evidencia necesaria.
Esto no significa que la investigación cualitativa carezca de estructura. La guía puede anticipar el eje de indagación, la pregunta principal, posibles sondeos, la clase de experiencia o práctica que interesa recuperar y la forma en que la información será registrada. Lo que cambia es que la estructura no pretende necesariamente representar el fenómeno mediante una puntuación.
También pueden existir preguntas cerradas de caracterización dentro de un estudio cualitativo sin que eso cambie el propósito central del diseño. Registrar, por ejemplo, determinado antecedente del participante puede cumplir una función contextual. Lo metodológicamente relevante es no confundir ese registro con la evidencia sustantiva mediante la cual se responderá la pregunta cualitativa.
La decisión doctoral consiste en poder argumentar por qué no escalar. “Mi investigación es cualitativa” es una explicación insuficiente si no se aclara qué evidencia necesita el estudio y por qué conservar su carácter narrativo, situacional, discursivo o documental es metodológicamente necesario.
🧭 ¿Escalar o conservar la experiencia?
Selecciona una necesidad de información y analiza qué se perdería si se redujera automáticamente a una escala.
Aplicación a tu tesis: si tu ruta es cualitativa, elige una pregunta principal de L4 e imagina que debes sustituirla por una escala de cinco categorías. Escribe qué información conservarías y qué información perderías. Utiliza esa comparación para justificar metodológicamente la forma de registro elegida.
Conclusión
Elegir una escala significa elegir una forma de representar empíricamente una diferencia. Por eso la decisión no comienza en el número de categorías ni en la apariencia del cuestionario. Comienza en el indicador y en la operación que necesita realizar quien responde.
Las categorías nominales clasifican; las ordinales incorporan orden; las estructuras de intervalo y razón exigen propiedades adicionales. Una codificación numérica facilita el tratamiento de datos, pero no modifica por sí misma esas propiedades. Del mismo modo, un ítem de acuerdo con cinco posiciones no se convierte automáticamente en una medición compleja de un constructo.
Likert, diferencial semántico y Guttman representan lógicas de escalamiento distintas. La primera trabaja con respuestas graduadas a afirmaciones dentro de una lógica de medición de actitudes; el diferencial semántico utiliza polos adjetivales para valorar significado; Guttman presupone acumulación entre posiciones ordenadas. La elección debe derivarse del constructo, no del repertorio de técnicas disponibles.
En la ruta cualitativa, la decisión puede ser precisamente conservar la evidencia sin transformarla en escala. Esa decisión también debe argumentarse: una narrativa, una observación o un documento se conservan porque su estructura aporta información necesaria para interpretar el fenómeno.
La siguiente sesión, L6. Libro de códigos y matriz cualitativa equivalente, convertirá estas decisiones en un esquema preparado para organizar los datos. En cuantitativo se explicitarán variables, valores y códigos; en cualitativo se construirá una matriz inicial que relacione eje, pregunta, evidencia, unidad de análisis y códigos preliminares.
🔭 Para seguir aprendiendo
- ¿Cuántos reactivos de tu banco utilizan acuerdo aunque realmente preguntan por frecuencia, importancia o confianza?
- ¿Qué propiedad de tus respuestas te permite afirmar el nivel de medición que declaraste?
- ¿Alguna escala fue elegida porque aparece frecuentemente en tesis similares y no porque sea necesaria para tu constructo?
- Si tu ruta es cualitativa, ¿qué elemento fundamental de la evidencia desaparecería si obligaras al participante a seleccionar únicamente una categoría?
Actividad de aprendizaje autónoma
🛠 Actividad práctica · Ficha de decisiones de respuesta y medición v1
Propósito
Revisar el Banco inicial de componentes instrumentales de L4 y justificar la forma mediante la cual cada componente producirá información, evitando seleccionar escalas por costumbre o convertir artificialmente evidencia cualitativa en puntuaciones.
Instrucciones paso a paso:
- Recupera tu banco de L4. Trabaja únicamente con componentes marcados como conservar o revisar.
- Identifica la operación de respuesta. Para cada componente indica qué debe hacer la persona: clasificar, ordenar, reportar frecuencia, expresar acuerdo, valorar intensidad, situar un objeto entre polos, narrar, explicar, describir una práctica u otra operación pertinente.
- Si tu ruta es cuantitativa, define el formato de respuesta. Justifica si utilizarás categorías nominales, categorías ordinales, respuesta tipo Likert, diferencial semántico, formato bipolar, escalamiento acumulativo u otra forma compatible con la variable.
- Declara el nivel de medición. Explica qué propiedad de los datos permite clasificar cada variable como nominal, ordinal, de intervalo o de razón. No utilices el código numérico como única justificación.
- Anticipa la codificación. Indica cómo podrían representarse las respuestas en el futuro libro de códigos, sin construir todavía el libro completo.
- Si utilizas varios ítems para un mismo constructo, identifica la relación entre ellos. Explica por qué pertenecen al mismo constructo y evita asumir que compartir opciones de respuesta los convierte automáticamente en una escala válida.
- Si tu ruta es cualitativa, justifica la forma de registro. Indica qué tipo de evidencia debe conservarse y explica por qué reducirla a una escala alteraría o empobrecería la información requerida.
- Audita la congruencia. Marca cada decisión como sustentada, por revisar o incongruente.
- Corrige el banco. Modifica cualquier componente cuya forma de respuesta no corresponda con el indicador, eje o evidencia definida en L3 y L4.
🛠 Auditor de una decisión de respuesta
Trabaja con un componente real de tu instrumento. El resultado debe explicar por qué la forma de respuesta pertenece a tu diseño y no solo cómo se verá.
Ruta metodológica
📄 Evidencia de logro
La Ficha de decisiones de respuesta y medición v1 debe permitir identificar:
- qué operación debe realizar el participante en cada componente;
- qué forma de respuesta o registro se utilizará y por qué;
- qué nivel de medición corresponde a las variables cuantitativas;
- qué componentes utilizan escalamiento tipo Likert, diferencial semántico, bipolar o acumulativo y cuál es la razón metodológica;
- qué componentes no requieren una escala;
- qué codificación cuantitativa se anticipa para L6;
- qué evidencia cualitativa debe conservarse sin reducción artificial;
- qué decisiones de L4 deben corregirse antes de construir el esquema de codificación.
Si eliminaras los números y los colores de tus opciones de respuesta, ¿seguirías pudiendo explicar qué propiedad del fenómeno representa cada categoría y por qué esa diferencia es necesaria para responder tu tesis?
Referencias bibliográficas
- Guttman, L. (1944). A basis for scaling qualitative data. American Sociological Review, 9(2), 139–150. doi: 10.2307/2086306.
- Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 1–55.
- Osgood, C. E., Suci, G. J., & Tannenbaum, P. H. (1957). The measurement of meaning. University of Illinois Press.
- Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. doi: 10.1126/science.103.2684.677.
- Sullivan, G. M., & Artino, A. R., Jr. (2013). Analyzing and interpreting data from Likert-type scales. Journal of Graduate Medical Education, 5(4), 541–542. doi: 10.4300/JGME-5-4-18.