Hipótesis, universo y decisiones de muestreo

Objetivo didáctico

Introducción

En L2 construiste un problema y delimitaste un objeto provisional. Ahora aparece una decisión que suele resolverse de manera mecánica en los protocolos: escribir una hipótesis porque existe un apartado llamado “hipótesis”, definir una población porque el formato la solicita y escoger una muestra según una cifra convencional. Ese orden invierte la lógica del diseño.

Las hipótesis, variables, unidades de análisis y estrategias de muestreo cumplen funciones diferentes según la pregunta. Creswell y Creswell (2023) distinguen preguntas cualitativas abiertas de preguntas e hipótesis cuantitativas orientadas a relaciones entre variables. Esto no significa que la investigación cualitativa esté obligada a carecer de anticipaciones teóricas; significa que no toda anticipación debe transformarse en una hipótesis estadística.

El mismo principio gobierna el muestreo. En diseños probabilísticos, la selección busca sostener una determinada forma de inferencia hacia una población bajo procedimientos conocidos. En investigación cualitativa es frecuente seleccionar deliberadamente casos capaces de aportar información sustantiva acerca del fenómeno. Palinkas et al. (2015) describen el muestreo intencional como una estrategia para identificar casos informativamente ricos y subrayan que su lógica debe derivarse de los objetivos y preguntas.

Por tanto, esta lección no preguntará primero “¿cuántos participantes necesitas?”. Preguntará: ¿quién o qué puede aportar la evidencia necesaria, qué diferencias entre casos importan analíticamente y qué tipo de conclusión deseas sostener?

Desarrollo del tema

Hipótesis: pertinente cuando la pregunta exige contrastarla

Una hipótesis es una proposición anticipada acerca de una relación que puede someterse a contraste mediante un diseño adecuado. En investigación cuantitativa puede vincular variables, anticipar diferencias entre grupos o establecer relaciones esperadas. Su utilidad depende de que los conceptos estén operacionalizados y de que el diseño permita evaluar la evidencia a favor o en contra de esa relación.

La prueba de hipótesis no consiste en buscar ejemplos que confirmen una expectativa. En estadística inferencial implica formular hipótesis, establecer criterios de decisión y valorar si los datos observados resultan compatibles con determinados supuestos. Este razonamiento será retomado cuando la asignatura aborde diseños cuantitativos. Aquí interesa comprender que una hipótesis formal genera exigencias concretas de medición, comparación, muestreo y análisis.

En investigación cualitativa, en cambio, muchas preguntas se formulan para comprender significados, procesos, experiencias o configuraciones y no requieren una hipótesis estadística previa. Pueden existir proposiciones orientadoras, conceptos sensibilizadores, expectativas teóricas o supuestos de trabajo, pero deben permanecer disponibles para revisión. Imponer una hipótesis causal a un estudio exploratorio puede convertir la indagación en una búsqueda de confirmación.

La decisión no depende entonces de una dicotomía simplista —“cuantitativo lleva hipótesis, cualitativo no”—, sino de la función que la formulación anticipada cumple en el diseño. La pregunta central debe gobernar esa decisión.

Decisión de evaluación: revisa tu pregunta central de L2 y decide entre tres posibilidades: hipótesis formal, proposición orientadora revisable o ninguna formulación anticipada adicional. Justifica la elección explicando qué exigencias metodológicas introduce y qué riesgo produciría elegir otra opción.

Variables, conceptos y categorías no cumplen la misma función

El programa de la asignatura incluye identificación de variables, pero esta operación debe ubicarse dentro de la lógica del diseño. Una variable representa una característica que puede adoptar valores diferentes y cuya definición debe permitir observarla o medirla de forma consistente. Las hipótesis cuantitativas suelen relacionar variables independientes, dependientes, predictoras, de resultado o de control.

En una investigación cualitativa, muchos objetos no se organizan inicialmente como relaciones entre variables. Pueden construirse mediante conceptos, procesos, experiencias, prácticas o categorías analíticas. “Autonomía”, por ejemplo, podría convertirse en una variable mediante una operacionalización concreta; también podría investigarse como significado negociado dentro de una relación tutorial. No es la palabra la que decide su estatuto, sino la función que cumple.

Confundir estos niveles genera dos errores opuestos. El primero consiste en convertir todo concepto en variable porque el protocolo contiene una tabla de operacionalización. El segundo consiste en suponer que una investigación cualitativa puede utilizar conceptos sin precisar qué significan. En ambos casos falta una decisión argumentada.

Para el anteproyecto, lo importante será indicar qué elementos requieren medición, cuáles operan como conceptos interpretativos y cuáles aún funcionan como nociones provisionales que deberán refinarse mediante el marco teórico y el trabajo de campo.

Decisión de evaluación: selecciona tres conceptos centrales de tu problema. Para cada uno indica si funcionará provisionalmente como variable, categoría analítica, concepto sensibilizador u objeto de definición teórica. No permitas que el formato del protocolo tome esa decisión por ti.

Universo, población, muestra y unidad de análisis

Hablar de “la población” puede ocultar varias decisiones diferentes. En términos generales, el universo o población de referencia designa el conjunto respecto del cual una investigación delimita potenciales casos, participantes, eventos, documentos u otras unidades pertinentes. La muestra es el subconjunto efectivamente seleccionado bajo determinados criterios.

Sin embargo, las personas reclutadas no siempre coinciden con la unidad de análisis. Un estudio puede entrevistar docentes pero analizar episodios de toma de decisión; observar aulas pero estudiar patrones de interacción; recopilar documentos de varias instituciones pero analizar políticas de evaluación. Esta distinción evita formular el objeto simplemente como “los estudiantes” o “los maestros”.

Robinson (2014) propone, para investigación cualitativa basada en entrevistas, explicitar primero el universo muestral mediante criterios de inclusión y exclusión, después razonar el tamaño, elegir la estrategia de muestreo y finalmente establecer cómo se localizarán los participantes. Esta secuencia muestra que la selección no comienza con el número.

Los criterios de inclusión deben derivarse del fenómeno. En el caso prospectivo de alertas predictivas, no basta con estudiar en un plantel participante: para responder una pregunta acerca de cómo se interpreta una alerta dentro de la tutoría, sería razonable exigir experiencia directa con esa alerta o con las decisiones que genera.

Decisión de evaluación: redacta cuatro frases distintas: “mi población o universo de referencia es…”, “son elegibles quienes…”, “seleccionaré casos que…”, y “la unidad que analizaré será…”. Si las cuatro respuestas son idénticas, revisa si estás confundiendo participantes con objeto analítico.

Probabilístico y no probabilístico: dos lógicas de inferencia

En el muestreo probabilístico, las unidades tienen probabilidades conocidas de selección bajo un procedimiento definido. Entre sus variantes se encuentran el muestreo aleatorio simple, sistemático, estratificado y por conglomerados. Su elección resulta central cuando se pretende realizar determinada inferencia estadística hacia una población.

El muestreo no probabilístico reúne estrategias diferentes y no debe tratarse como una categoría metodológicamente homogénea. Incluye conveniencia, cuotas, bola de nieve y diversas formas de selección intencional. Lo decisivo es la razón por la que un caso entra al estudio.

La conveniencia selecciona principalmente por accesibilidad. Puede ser inevitable bajo restricciones reales, pero su limitación debe declararse. El muestreo intencional o deliberado selecciona casos porque poseen características o experiencia relevantes para el propósito analítico. Palinkas et al. (2015) destacan estrategias como criterio, máxima variación, casos extremos, casos típicos y casos confirmatorios o discrepantes.

Un error frecuente consiste en afirmar que toda muestra no probabilística carece de lógica o que toda muestra probabilística es automáticamente superior. Cada una sostiene inferencias distintas. La elección debe juzgarse por su adecuación a la pregunta.

Tabla 1: Qué pregunta resuelve cada lógica de selección.

Nota: síntesis didáctica elaborada a partir de Cohen et al. (2018), Robinson (2014) y Palinkas et al. (2015).

Decisión de evaluación: elige una estrategia de selección para tu proyecto y construye un argumento en tres partes: qué casos necesitas, por qué esos casos pueden responder la pregunta y qué tipo de inferencia no podrás hacer a partir de esa muestra.

¿Cuántos casos son suficientes?

La pregunta por el tamaño de la muestra no admite una cifra universal en investigación cualitativa. El número depende del propósito del estudio, de la diversidad relevante entre casos, de la riqueza del material producido, del diseño y de la estrategia de análisis. Por ello, trasladar automáticamente reglas de poder estadístico a entrevistas cualitativas —o repetir que “doce entrevistas son suficientes”— carece de fundamento general.

El concepto de saturación se ha utilizado para justificar el cierre de la producción de datos, pero no posee un significado único. Puede referirse a que dejan de aparecer códigos nuevos, a que las categorías están suficientemente desarrolladas o, en teoría fundamentada, a una relación específica entre muestreo y construcción teórica. Utilizar “hasta saturar” sin definir qué deberá observarse no constituye un plan de muestreo.

Malterud, Siersma y Guassora (2016) proponen el concepto de poder informativo —information power—: cuanto mayor sea la información relevante que la muestra aporta respecto del objetivo, menor puede ser la cantidad necesaria de participantes. La valoración considera el alcance del objetivo, especificidad de la muestra, uso de teoría establecida, calidad del diálogo y estrategia analítica.

La consecuencia para el anteproyecto es importante. Puedes establecer un rango operativo inicial para planear recursos y acceso, pero el número debe permanecer justificado y revisable. La decisión final necesita explicar por qué el conjunto producido fue suficiente para sostener el análisis realizado.

Decisión de evaluación: no escribas todavía “entrevistaré a N participantes” como si N resolviera el problema. Redacta primero una justificación de suficiencia utilizando propósito, especificidad, diversidad necesaria, teoría, calidad prevista de la interacción y análisis. Después establece un rango operativo susceptible de revisión.

Conclusión

Hipótesis y muestreo no son apartados administrativos del protocolo. Son decisiones que revelan qué entiende el investigador por evidencia y qué clase de inferencia pretende producir. Una hipótesis formal es pertinente cuando existe una relación que el diseño puede contrastar; una pregunta cualitativa abierta puede requerir, en cambio, proposiciones revisables o simplemente conceptos que orienten sin clausurar.

De forma equivalente, el universo y la muestra no se definen por conveniencia terminológica. Deben especificarse las unidades potenciales, los criterios que vuelven elegible un caso y la relación entre participantes y unidad de análisis. Seleccionar “a docentes” o “a estudiantes” no constituye todavía una estrategia de muestreo.

La distinción entre probabilístico y no probabilístico debe juzgarse por la lógica de inferencia que cada uno permite. El muestreo intencional puede ser altamente riguroso cuando sus criterios se derivan del problema; la selección aleatoria puede ser inadecuada cuando la pregunta necesita participantes con experiencia específica del fenómeno.

Por último, la suficiencia cualitativa no puede defenderse mediante una cifra mágica. Deberá argumentarse en relación con la información que los casos aportan al objetivo y con las exigencias del análisis. En L4 estas decisiones se conectarán con la construcción del marco teórico: será necesario determinar qué conceptos y debates permiten mirar el objeto sin convertir la revisión de literatura en una colección de antecedentes.

Actividad de aprendizaje autónoma

Construye el Avance 3 · Decisiones iniciales de diseño. Recupera el problema, pregunta y objeto provisional de L2. Tu producto deberá demostrar que la formulación anticipada y el muestreo se derivan de ese problema, y no de requisitos administrativos o preferencias personales.

1. Decide la función de la hipótesis. Indica si tu estudio requiere hipótesis formal, proposición orientadora u otra formulación revisable, o si trabajará exclusivamente con preguntas. Justifica por qué.
2. Identifica conceptos y variables. Señala qué elementos de tu problema funcionarían como variables, categorías, conceptos sensibilizadores o nociones todavía abiertas. No fuerces equivalencias.
3. Delimita universo o población de referencia. Define el conjunto de casos potenciales pertinente para el fenómeno y el contexto.
4. Establece criterios de elegibilidad. Formula criterios de inclusión y exclusión vinculados con experiencia, posición o características necesarias para responder la pregunta.
5. Distingue participantes y unidad de análisis. Explica quién proporcionará información y qué proceso, experiencia, interacción, documento, evento o configuración será efectivamente analizado.
6. Compara estrategias de muestreo. Valora al menos una alternativa probabilística y dos no probabilísticas. Explica por qué seleccionas una y qué tipo de inferencia sacrificas al descartar las demás.
7. Diseña la variación interna. Si procede, define qué diferencias entre casos deben estar presentes para fortalecer el análisis: roles, contextos, trayectorias, experiencias, resultados u otras.
8. Justifica suficiencia. Formula un rango operativo inicial y explica cómo será revisado mediante criterios de poder informativo, saturación metodológicamente pertinente u otro criterio coherente con el diseño.
9. Declara viabilidad. Identifica barreras previsibles de acceso, ética, disponibilidad y reclutamiento que podrían obligarte a modificar la estrategia.

Producto propuesto: decisión metodológica argumentada de aproximadamente 900 a 1,200 palabras, acompañada de una matriz sintética de selección. La extensión es una decisión didáctica y no sustituye los criterios de calidad.

Matriz del Avance 3: relación entre pregunta, formulación anticipada y muestreo.

Referencias bibliográficas

• Cohen, L., Manion, L., & Morrison, K. (2018). Research methods in education (8th ed.). Routledge.
• Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE.
• Creswell, J. W., & Poth, C. N. (2024). Qualitative inquiry and research design: Choosing among five approaches (5th ed.). SAGE.
• Malterud, K., Siersma, V. D., & Guassora, A. D. (2016). Sample size in qualitative interview studies: Guided by information power. Qualitative Health Research, 26(13), 1753–1760.
• Palinkas, L. A., Horwitz, S. M., Green, C. A., Wisdom, J. P., Duan, N., & Hoagwood, K. (2015). Purposeful sampling for qualitative data collection and analysis in mixed method implementation research. Administration and Policy in Mental Health and Mental Health Services Research, 42, 533–544.
• Robinson, O. C. (2014). Sampling in interview-based qualitative research: A theoretical and practical guide. Qualitative Research in Psychology, 11(1), 25–41.