Elegir un diseño no consiste en escoger una etiqueta metodológica: consiste en decidir qué comparación, temporalidad y evidencia harán defendible una inferencia.
La pregunta de L2 entra ahora en una arquitectura de investigación. El diseño que elijas deberá explicar qué observarás, cuándo, con qué contraste y qué tipo de afirmación podrás sostener sin prometer más de lo que tus datos permiten.
🧭 Antes de comenzar
Tu pregunta busca comprender si una secuencia de retroalimentación digital modifica decisiones de revisión en un grupo pequeño durante ocho semanas. ¿Qué criterio debería decidir primero el diseño?
Objetivo didáctico
Construirás una decisión de diseño metodológico provisional para la pregunta consolidada en L2. Compararás diseños alternativos, explicitarás temporalidad, unidad de análisis, estrategia de contraste y alcance inferencial, y justificarás por qué una arquitectura concreta produce evidencia más adecuada que otras para tu problema. El producto será la primera parte de la Etapa B del protocolo.
Introducción
Una pregunta de investigación no determina automáticamente un diseño, pero sí impone restricciones. Si deseas estimar cambio asociado con una intervención, necesitas alguna lógica temporal y de contraste. Si deseas explicar cómo se construye una práctica, necesitas preservar contexto y secuencia. Si quieres integrar patrones y significados, no basta con recolectar dos tipos de datos: debes especificar cómo se conectarán para producir una inferencia conjunta.
La literatura reciente en tecnología educativa muestra por qué esta explicitación importa. Heinrich (2024) identifica debilidades de reporte y fundamentación en investigaciones cualitativas y mixtas del campo. Ketsman, Droog y Qazi (2025) encuentran que los estudios mixtos siguen siendo minoritarios y que el diseño central no siempre se nombra con precisión. Dayo, Said Metwaly y Van Den Noortgate (2024) muestran un problema complementario en diseños experimentales de caso único: su uso puede ser riguroso, pero con frecuencia se justifica de manera insuficiente.
💡 Diseño de investigación
Arquitectura que organiza unidades, temporalidad, comparación, producción de evidencia y lógica de inferencia para responder una pregunta bajo límites explícitos.
Decisión de arranque: escribe debajo de tu pregunta de L2 una frase que empiece con «Para responderla necesito observar…». No nombres todavía un diseño. Describe la evidencia y el contraste que razonablemente necesitarías.
Desarrollo del tema
Diseño no es sinónimo de método ni de técnica
En investigación educativa es frecuente usar indistintamente diseño, método y técnica. Esa imprecisión oculta decisiones. El diseño organiza la lógica del estudio; los métodos especifican cómo se producirá y analizará evidencia; las técnicas son operaciones concretas como entrevistar, observar, aplicar una escala o extraer registros de plataforma.
Una entrevista puede aparecer en un estudio de caso, un diseño longitudinal cualitativo o un diseño mixto. Una prueba puede utilizarse en un experimento, un cuasi-experimento o un estudio observacional. Por tanto, el instrumento no identifica por sí mismo la arquitectura de inferencia.
Heinrich (2024) insiste en que la calidad metodológica exige describir con claridad el enfoque y las decisiones que sostienen el estudio. En el campo digital, donde es fácil empezar por los datos disponibles, esta distinción evita convertir una plataforma o una técnica en sustituto del razonamiento metodológico.
Aplicación: toma tres técnicas que imaginas usar y escribe para cada una qué decisión de diseño tendría que existir antes para que produzca evidencia pertinente.
Comparador · La misma pregunta bajo diseños distintos
Cambia de diseño y observa qué evidencia gana fuerza y qué inferencia queda fuera de alcance.
Cinco decisiones que estructuran la arquitectura
Un diseño puede compararse mediante cinco decisiones: unidad, tiempo, contraste, evidencia e inferencia. La unidad define sobre qué se harán afirmaciones. El tiempo determina si el fenómeno se observará como estado, trayectoria o secuencia. El contraste establece contra qué se interpretará lo observado. La evidencia especifica qué registros pueden representar el constructo. La inferencia declara hasta dónde puede llegar la conclusión.
Estas decisiones están acopladas. Un estudio transversal puede describir asociaciones en un momento, pero no reconstruir por sí solo una trayectoria. Un diseño con medidas repetidas puede capturar cambio, pero seguirá necesitando una explicación del mecanismo. Un caso profundo puede mostrar cómo se configura una práctica, pero no convierte automáticamente esa explicación en una regularidad poblacional.
Dayo et al. (2024) muestran que los diseños experimentales de caso único aprovechan mediciones repetidas y fases para evaluar tecnología educativa dentro de unidades específicas. Su utilidad depende de que la secuencia temporal y el patrón de cambio sean parte de la lógica del estudio, no meros detalles operativos.
Aplicación: escribe las cinco decisiones para tu pregunta actual. Marca con «pendiente» lo que todavía no puedas justificar; no rellenes un diseño por costumbre.
Figura 3: Cuadro comparativo de familias de diseño aplicables a investigación en educación digital. Elaboración propia a partir de Dayo et al. (2024), Heinrich (2024), Peters y Fàbregues (2024) y Ketsman et al. (2025).
Diseños alternativos deben competir por adecuación, no por prestigio
Una decisión de diseño es más sólida cuando puede compararse con una alternativa plausible. El argumento «usaré estudio de caso porque mi problema es complejo» es demasiado genérico. Mejora cuando explica qué preserva el caso que un diseño comparativo perdería, o qué inferencia causal se renuncia explícitamente a sostener.
En tecnología educativa, la búsqueda de «qué funciona» ha favorecido diseños centrados en resultados agregados. Esa tradición puede ser pertinente cuando la pregunta realmente exige estimar efectos. Pero los problemas de práctica, apropiación, implementación o experiencia requieren con frecuencia diseños capaces de conservar contexto y mecanismos. Heinrich (2024) subraya la necesidad de investigación cualitativa auténtica para abordar desafíos complejos que no se reducen a medición de efectos.
Los métodos mixtos introducen otra posibilidad, pero solo cuando la integración responde una necesidad de la pregunta. Peters y Fàbregues (2024) advierten que la simple coexistencia de datos cualitativos y cuantitativos desaprovecha el potencial del diseño mixto; la contribución aparece cuando la integración produce una meta-inferencia.
Aplicación: elige dos diseños candidatos reales para tu pregunta. Escribe una ventaja y una renuncia epistemológica de cada uno. Descarta uno solo después de comparar qué inferencia ganaría y cuál perdería.
Revelador secuencial · Justificar un diseño
La justificación avanza por decisiones encadenadas. Si una falla, la etiqueta del diseño no la repara.
Validez y límites: diseñar también es declarar qué no podrás afirmar
La calidad de un diseño no se mide por eliminar toda limitación; se mide por anticipar amenazas relevantes y ajustar las afirmaciones a lo que el estudio puede sostener. En un cuasi-experimento, la selección previa puede competir con la explicación causal. En un estudio de caso, la transferencia depende de la semejanza de condiciones, no de una generalización estadística automática. En un diseño mixto, resultados divergentes deben interpretarse como información, no ocultarse.
Esta lógica es especialmente importante con datos digitales. Un volumen grande de registros no compensa un diseño débil. Miles de clics no crean un grupo de comparación, no resuelven confusión entre constructo e indicador y no justifican causalidad. El tamaño del conjunto de datos y la fuerza de la inferencia son dimensiones distintas.
Ketsman et al. (2025) y Peters y Fàbregues (2024) coinciden en que la especificidad metodológica importa porque la etiqueta «mixto» puede ocultar diseños muy diferentes. Dayo et al. (2024) muestran un problema similar en diseños de caso único cuando no se justifica por qué ese diseño es adecuado.
Aplicación: redacta dos límites de tu diseño candidato en forma de prohibición inferencial: «con este diseño no podré afirmar…». Si te resulta imposible escribirlos, probablemente aún no has delimitado la inferencia.
🧭 Control de comprensión
Un estudio compara dos grupos ya formados antes y después de una intervención digital. Los grupos difieren en experiencia previa. ¿Qué decisión de diseño es más importante para interpretar una diferencia posterior?
Conclusión
Diseñar una investigación significa convertir la pregunta en una arquitectura de decisiones. La unidad, el tiempo, el contraste, la evidencia y la inferencia deben poder leerse como una cadena: cada decisión hace posible una afirmación y, al mismo tiempo, excluye otras. Un diseño defendible no es el más complejo ni el más prestigioso; es el que produce la evidencia necesaria con límites explícitos.
La decisión de L3 todavía es provisional. En L4 se someterá a un segundo filtro: la ética. Una arquitectura metodológicamente elegante puede ser inaceptable si exige datos innecesarios, consentimiento débil, opacidad sobre usos secundarios o delegación irreflexiva de decisiones a sistemas de inteligencia artificial.
🔭 Para seguir aprendiendo
- Si eliminaras el diseño que hoy prefieres, ¿qué otra arquitectura podría responder tu pregunta y qué tipo de conocimiento produciría de manera distinta?
Actividad de aprendizaje autónoma
Etapa B · Parte 1 — Matriz de decisión de diseño. Retoma la pregunta consolidada de L2 y construye una comparación razonada entre al menos dos diseños candidatos. Esta actividad es la primera parte de la Etapa B, que se completa con L4 y representa 20 por ciento del proyecto.
De dónde vienes. Usa la pregunta principal, sus límites, la evidencia anticipada y los conceptos pendientes de L2. Si cambias la pregunta para hacer viable un diseño, registra exactamente qué cambiaste y por qué.
Qué decides. Selecciona un diseño candidato principal y justifica unidad, temporalidad, lógica de contraste, evidencia necesaria y alcance inferencial. Debes descartar al menos una alternativa plausible explicando qué ganaría y qué perdería frente a tu selección.
Qué documentas. Localiza al menos tres fuentes metodológicas o estudios del campo que permitan justificar las decisiones de diseño. Incluye DOI o URL en tu documento de trabajo. Si un sistema de inteligencia artificial te propone un diseño, registra la propuesta, qué aceptaste o rechazaste y con qué criterios verificaste su pertinencia.
- Recupera la pregunta consolidada de L2 y declara cualquier modificación.
- Define qué tipo de inferencia pretendes sostener y qué afirmación quedará fuera de alcance.
- Compara al menos dos diseños candidatos mediante unidad, tiempo, contraste, evidencia e inferencia.
- Selecciona el diseño principal y justifica por qué responde mejor a tu pregunta.
- Identifica al menos tres amenazas o limitaciones y explica cómo las gestionarás o declararás.
- Documenta las fuentes metodológicas utilizadas y la mediación crítica de sistemas consultados, cuando corresponda.
Planificador de la etapa
Organiza tus decisiones antes de redactar. El texto no se guarda fuera de tu navegador.
Evidencia de logro
Entrega una matriz de decisión de diseño y una justificación narrativa de aproximadamente 1,000 a 1,300 palabras, sin contar referencias. Debe mostrar la relación entre pregunta, unidad, temporalidad, contraste, evidencia, inferencia, diseño alternativo descartado y límites. Este documento se revisará en L4 para incorporar las salvaguardas éticas de la Etapa B.
¿Qué afirmación te gustaría hacer al final del estudio pero tu diseño actual no te permite defender honestamente?
Referencias bibliográficas
- Dayo, N., Said Metwaly, S., & Van Den Noortgate, W. (2024). Evaluating technology enhanced learning by using single-case experimental design: A systematic review. British Journal of Educational Technology, 55, 2457–2477. doi:10.1111/bjet.13468
- Heinrich, E. (2024). Revolutionising educational technology: The imperative for authentic qualitative research. Social Sciences & Humanities Open, 10, 101073. doi:10.1016/j.ssaho.2024.101073
- Ketsman, O., Droog, A., & Qazi, S. (2025). Mapping the prevalence of mixed methods research in educational technology journals. Computers & Education, 226, 105207. doi:10.1016/j.compedu.2024.105207
- Peters, M., & Fàbregues, S. (2024). Missed opportunities in mixed methods EdTech research? Visual joint display development as an analytical strategy for achieving integration in mixed methods studies. Educational Technology Research and Development, 72, 2477–2497. doi:10.1007/s11423-023-10234-z