Investigación Descriptiva — Diseño de Investigación Descriptiva
- Propuesto por
- Francis Galton, Karl Pearson (early empirical tradition); formalized in social science by Fred Kerlinger
- Año
- Late 19th century; formalized in social/behavioral sciences ~1960s–1980s
- Tipo
- Non-experimental quantitative research design
- Familia
- Survey / observational design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
La investigación descriptiva es un diseño cuantitativo no experimental que documenta sistemáticamente las características, frecuencias o distribuciones de variables en una población definida en un momento dado.
Responde a preguntas de tipo '¿qué es?' —quién, qué, cuándo, dónde y cuánto— sin manipular variables ni extraer conclusiones causales. Es uno de los diseños de investigación más utilizados en las ciencias sociales, del comportamiento, de la salud y de la educación.
La intuición detrás del método
Piense en un censo: no manipula nada; simplemente pregunta '¿Quién vive aquí, qué edad tienen, a qué se dedican?'. La investigación descriptiva funciona exactamente con el mismo espíritu. Usted identifica una población o fenómeno, selecciona una muestra representativa, mide las variables de interés utilizando instrumentos como encuestas u observaciones estructuradas, y luego resume los resultados con medias, frecuencias y porcentajes. El objetivo es un retrato preciso y sistemático del estado actual de las cosas, no una explicación de por qué las cosas son como son. Una vez que existe ese retrato, estudios analíticos o experimentales futuros pueden basarse en él.
Historia
La descripción sistemática de poblaciones tiene raíces antiguas, desde los censos romanos hasta el análisis de las actas de mortalidad de Londres de John Graunt en 1662. En las ciencias sociales, el diseño se formalizó a medida que los investigadores en sociología, psicología y educación comenzaron a utilizar cuestionarios estructurados y teoría de muestreo a finales del siglo XIX y principios del XX. Fred N. Kerlinger, en su influyente Foundations of Behavioral Research (1973, 1986), dio al diseño un tratamiento canónico dentro de las ciencias del comportamiento. A finales del siglo XX, las encuestas descriptivas se habían convertido en la base de la epidemiología de la salud pública, la investigación educativa y la evaluación de políticas en todo el mundo.
Cuándo usarlo
Utilice la investigación descriptiva cuando el objetivo sea documentar el estado actual, la prevalencia o la distribución de una o más variables en una población, y cuando no se necesite una afirmación causal. Es el diseño de elección para evaluaciones de necesidades, estudios de referencia, estudios de prevalencia epidemiológica, investigación de mercado e informes de estado de evaluación de programas. Es apropiado en cualquier etapa de un programa de investigación, pero es particularmente valioso cuando existen pocos datos previos sobre un fenómeno. No utilice la investigación descriptiva cuando el objetivo sea probar si una variable causa otra (utilice diseños experimentales o cuasi-experimentales), comprender por qué existen los patrones (utilice diseños explicativos o cualitativos), o cuando la muestra es demasiado pequeña o no representativa para respaldar incluso las estimaciones de frecuencia.
Limitaciones y consideraciones
- No puede establecer causalidad: ni siquiera las asociaciones fuertes entre las variables descritas implican que una cause la otra.
- Las instantáneas transversales pueden no reflejar las características estables de la población si el fenómeno fluctúa con el tiempo.
- Los datos de autoinforme (encuestas) son susceptibles a sesgos de respuesta, efectos de deseabilidad social y errores de recuerdo.
- El diseño produce amplitud en lugar de profundidad; no puede explicar los mecanismos o significados detrás de los patrones que documenta.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Responde directamente a preguntas prácticas de 'cuántos' y 'qué proporción' que informan sobre políticas y asignación de recursos.
- Relativamente eficiente de realizar: instrumentos estandarizados y muestras grandes son factibles dentro de presupuestos y plazos realistas.
- Proporciona una línea de base documentada contra la cual se pueden comparar mediciones o intervenciones futuras.
- Ampliamente generalizable cuando se utiliza muestreo probabilístico: los hallazgos pueden representar a la población objetivo dentro de un margen de error calculable.
- Éticamente sencilla: no se retiene ningún tratamiento, ningún grupo es manipulado experimentalmente.
Aplicaciones
- Encuestas de prevalencia de salud pública que miden la proporción de una población con una condición dada, comportamiento de riesgo o estado de vacunación.
- Evaluaciones de necesidades educativas que documentan los niveles de rendimiento estudiantil, la carga de trabajo docente o la disponibilidad de recursos en las escuelas.
- Encuestas organizacionales que perfilan la satisfacción, el compromiso o la carga de trabajo percibida por los empleados antes de diseñar una intervención.
- Investigación de mercado que establece las preferencias del consumidor, el conocimiento del producto o las características demográficas de un público objetivo.
- Estudios de referencia de evaluación de programas que capturan el estado previo a la intervención de los resultados clave para que se pueda medir el cambio posterior.
- Estudios epidemiológicos que documentan la distribución de los factores de riesgo entre subgrupos demográficos para identificar objetivos prioritarios de intervención.
Cómo funciona
Cómo funciona
Formule una pregunta de investigación enfocada que especifique qué se necesita describir, en quién y durante qué período de tiempo. Identifique las variables clave (p. ej., características demográficas, actitudes, tasas de prevalencia) y la población objetivo. Una pregunta definida con precisión evita la expansión del alcance y guía todas las decisiones posteriores sobre muestreo y medición.
Seleccione una muestra de la población objetivo utilizando una estrategia probabilística (aleatoria, estratificada, por conglomerados) o intencionada, dependiendo de si el objetivo es la generalización a nivel poblacional o la descripción en profundidad de un grupo específico. El tamaño de la muestra debe ser lo suficientemente grande como para producir estimaciones estables; los cálculos de potencia o las reglas generales establecidas para las estadísticas elegidas (p. ej., n ≥ 30 por subgrupo) guían esta decisión.
Recopile datos utilizando instrumentos estandarizados: cuestionarios estructurados, escalas de calificación, protocolos de observación sistemática o registros de archivo. La estandarización garantiza que cada participante sea medido de la misma manera, haciendo que las puntuaciones individuales sean directamente comparables. La prueba piloto del instrumento para verificar su claridad y fiabilidad antes de su implementación completa reduce el error de medición.
Analice los datos con estadísticas descriptivas: frecuencias, porcentajes, medias, medianas, desviaciones estándar e intervalos de confianza. Cuando la muestra se extrajo utilizando métodos probabilísticos, estas estadísticas pueden ir acompañadas de estimaciones del margen de error. Las tablas cruzadas y las representaciones gráficas (gráficos de barras, histogramas) comunican las distribuciones entre subgrupos.
Presente los hallazgos de manera que respondan directamente a la pregunta de investigación, utilizando tablas y figuras para transmitir distribuciones en lugar de extensos bloques de texto. Indique claramente las limitaciones, especialmente la incapacidad de inferir causalidad, y discuta cómo el perfil descriptivo se compara con estimaciones previas o expectativas teóricas. Concluya con recomendaciones específicas para la investigación analítica o experimental que los hallazgos motiven.
Errores comunes
- Confundir descripción con explicación: informar que dos variables coexisten en los datos descriptivos e implicar una historia causal es un error común y grave; los hallazgos descriptivos motivan hipótesis causales pero no las prueban.
- Utilizar una muestra de conveniencia pero generalizar como si se hubiera utilizado una muestra probabilística: los hallazgos de una muestra en línea autoseleccionada no pueden extrapolarse a la población en general sin las advertencias apropiadas.
- Subestimar el sesgo de no respuesta: si una parte sustancial de los individuos muestreados no responde, los que responden pueden diferir sistemáticamente de los que no responden, distorsionando el retrato.
- Recopilar demasiadas variables 'por si acaso' sin una pregunta de investigación clara: esto aumenta la longitud del instrumento, la carga del encuestado y produce un informe extenso que no responde bien a ninguna pregunta.
- Informar solo medias ignorando la variabilidad: una puntuación media dice poco sin su desviación estándar o intervalo de confianza; siempre informe la dispersión junto con la tendencia central.
Preguntas frecuentes
¿Es la investigación descriptiva siempre cuantitativa?
No. El término 'descriptivo' se utiliza tanto en la investigación cuantitativa como en la cualitativa. En el trabajo cualitativo, un enfoque descriptivo (p. ej., fenomenología descriptiva, descripción densa en etnografía) documenta experiencias o entornos en forma narrativa. Esta ficha se centra en la investigación descriptiva en su forma cuantitativa, basada en encuestas, que produce resúmenes numéricos de variables en una población definida.
¿Cuál es la diferencia entre investigación descriptiva y correlacional?
Ambas son no experimentales, pero difieren en su propósito. La investigación descriptiva caracteriza la distribución de una o más variables (cuántos, cuánto, qué proporción). La investigación correlacional va un paso más allá al examinar la relación estadística entre dos o más variables (¿tiende X a aumentar a medida que aumenta Y?). Un estudio descriptivo puede informar solo medias y frecuencias; un estudio correlacional informa coeficientes como r de Pearson o rho de Spearman.
¿Puedo extraer conclusiones causales de un estudio descriptivo?
No. La investigación descriptiva documenta asociaciones y distribuciones, pero no controla los factores de confusión ni asigna aleatoriamente a los participantes a las condiciones. Cualquier lenguaje causal ('X causa Y') es injustificado y constituye un error lógico. Los hallazgos descriptivos deben presentarse como observaciones empíricas que motiven hipótesis causales a ser probadas en diseños experimentales o cuasi-experimentales.
¿Qué tan grande debe ser la muestra?
Depende de la precisión requerida para las estimaciones clave y la variabilidad de la población. Para proporciones, una regla general comúnmente citada es n = 384 para un margen de error de ±5% con un 95% de confianza en una población grande. Para comparaciones de subgrupos, a menudo se recomiendan al menos 30 por subgrupo. Utilice un análisis formal de potencia o precisión (p. ej., para el margen de error) antes de la recopilación de datos en lugar de recurrir a la conveniencia.
¿Qué software se utiliza comúnmente para el análisis de investigación descriptiva?
SPSS y R son las opciones más comunes en las ciencias sociales y de la salud para calcular frecuencias, medias, desviaciones estándar y tablas cruzadas. Stata es ampliamente utilizado en economía y epidemiología. Para la recopilación de encuestas en línea, Qualtrics o SurveyMonkey exportan directamente a estas plataformas. Excel es adecuado para tablas de frecuencia simples, pero carece del rigor estadístico necesario para estimaciones ponderadas o comparaciones de subgrupos en encuestas grandes.
Métodos relacionados
Fuentes
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage.
ISBN: 978-1452226101Copiado.Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.
ISBN: 978-0030417498Copiado.