Saltar al contenido
Volver a los resultados

Saturación de datos en investigación cualitativa

Propuesto por
Barney Glaser and Anselm Strauss
Año
1967
Tipo
Concept
Familia
sampling-concept

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

La saturación de datos es un principio fundamental en la investigación cualitativa que describe el punto en el que la recolección de datos no produce nuevos temas, códigos o perspectivas; los datos adicionales se vuelven redundantes.

Introducida por Glaser y Strauss (1967) en su trabajo sobre teoría fundamentada, la saturación guía las decisiones sobre el tamaño de la muestra y cuándo dejar de reclutar participantes. La saturación no es un número fijo, sino un punto final dinámico determinado al examinar si los nuevos datos aportan información sustancialmente nueva. El concepto es central para las afirmaciones de rigor y suficiencia teórica en la investigación cualitativa, indicando que el investigador ha recopilado datos suficientes para comprender el fenómeno en profundidad.

La intuición detrás del método

La investigación cualitativa no se trata de contar cuántas personas estudió, sino de si ha recopilado datos suficientes para comprender profundamente el fenómeno. La saturación operacionaliza este principio: pregunta: '¿Cada nueva entrevista, grupo focal u observación aporta información significativamente nueva o estamos escuchando los mismos patrones repetidamente?'. Las primeras entrevistas suelen generar temas nuevos y ricos; a medida que continúa, los nuevos datos repiten cada vez más los temas existentes y aportan información mínima nueva. La saturación indica que ha logrado profundidad y amplitud de comprensión. Esto es diferente del poder estadístico (que busca representación) o la generalización (que busca estimaciones poblacionales). Más bien, la saturación indica que ha capturado la complejidad y la variación del fenómeno dentro de su muestra. Alcanzar la saturación es evidencia de que su análisis se basa en los datos y no es arbitrario.

Historia

Saturation was introduced by Glaser and Strauss (1967) as a key principle of grounded theory: theoretical sampling continues until new data no longer contribute new conceptual categories to the emerging theory. Strauss and Corbin (1998) operationalized saturation for practical use. Bowen (2008) and Guest et al. (2006) demonstrated that saturation in homogeneous samples often occurs at 12–20 interviews, challenging earlier assumptions that many more interviews are required. Contemporary discussions emphasize the importance of documenting saturation processes transparently and recognizing that saturation varies by research context, sample characteristics, and researcher skill. Recent work (Francis et al. 2010) has highlighted the distinction between thematic saturation (no new themes) and conceptual saturation (theory is fully developed), and has called for more precise terminology and documentation.

Cuándo usarlo

La saturación es el enfoque estándar para determinar el tamaño de la muestra en estudios cualitativos que utilizan análisis temático, análisis de contenido o teoría fundamentada. Se aplica a entrevistas, grupos focales, observaciones y análisis de documentos. Utilice el muestreo basado en saturación cuando el objetivo sea la comprensión exploratoria (generar teoría, comprender un fenómeno) en lugar de la prueba de hipótesis. Al combinar métodos cualitativos y cuantitativos, la saturación guía el tamaño de la muestra cualitativa independientemente de los cálculos de poder cuantitativo. Documente explícitamente la saturación en sus métodos para demostrar el rigor metodológico.

Limitaciones y consideraciones

  • Requires ongoing analysis during data collection (time-intensive) and iterative decision-making; not possible if data collection and analysis are separated.
  • Subjective determination; researchers may disagree on when saturation is reached or what constitutes a 'new' theme.
  • Saturation varies by population homogeneity, research question complexity, and researcher skill; no universal threshold.
  • Can lead to prolonged or uncertain data collection timelines if saturation criteria are vague.
  • May delay or prevent publication if saturation is claimed prematurely or if researchers continue beyond saturation uncertainly.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Provides principled, flexible approach to sample size determination; no need for a priori power calculations.
  • Grounds sample size in data itself; sample continues until theoretical adequacy is achieved rather than arbitrary cutoff.
  • Prevents both under-sampling (inadequate understanding) and over-sampling (unnecessary redundancy).
  • Encourages iterative, simultaneous data collection and analysis; allows emerging findings to guide further recruitment.
  • Strengthens rigor claims; saturation is recognized as evidence of methodological adequacy.

Aplicaciones

  • Exploratory qualitative research across disciplines: determining when sufficient interviews, focus groups, or observations have been conducted to understand a phenomenon.
  • Grounded theory studies: using theoretical sampling to continue data collection until the emerging theory is fully developed and saturated.
  • Qualitative health research: studies of patient experiences, barriers to care, or implementation of health interventions rely on saturation-based sampling.
  • Social science research: saturation guides sample sizes in studies of attitudes, behaviors, organizational cultures, or social phenomena.
  • Mixed-methods research: saturation determines the qualitative sample size independently of quantitative sample size requirements.

Cómo funciona

Cómo funciona

1

Comience la recolección de datos con entrevistas iniciales, grupos focales u observaciones. Analice los datos simultáneamente con la recolección (análisis iterativo) en lugar de esperar hasta que se hayan recopilado todos los datos. Después de cada episodio de recolección de datos, codifique y analice los datos. A medida que surgen nuevos códigos y temas, anótelos. Continúe reclutando y recolectando datos. Con cada nuevo episodio de recolección de datos, pregunte: ¿Estos nuevos datos aportan temas o códigos sustancialmente nuevos, o encajan en categorías existentes? Rastree la frecuencia de los nuevos códigos: si los últimos 3-5 episodios de recolección de datos producen solo uno o dos códigos nuevos cada vez (o ninguno), la saturación se acerca. Algunos investigadores utilizan una cuadrícula de saturación: enumere los códigos y marque qué entrevistas/grupos contienen cada código. Cuando la cuadrícula se estabiliza (pocos códigos nuevos que aparecen en nuevos participantes), se alcanza la saturación. Documente su toma de decisiones: cuántos participantes reclutó, cuántos participantes adicionales se necesitaron antes de alcanzar la saturación y qué constituyó un tema 'nuevo' (elaboración menor vs. perspectiva sustancialmente diferente).

2

Operacionalice la saturación definiendo qué cuenta como un tema 'nuevo'. Un tema nuevo típicamente significa una perspectiva sustancialmente diferente no capturada previamente, no una elaboración menor o un matiz de los temas existentes. Cree un inventario temático: enumere todos los temas identificados y anote en qué entrevistas/grupos aparece cada uno. Cuando las nuevas entrevistas solo agregan detalles menores o elaboraciones a los temas existentes, la saturación se acerca. Genere tablas de saturación que muestren la frecuencia de códigos en los participantes: la tabla debe estabilizarse, con pocos códigos nuevos en los participantes posteriores. Algunos investigadores utilizan tasas de redundancia: calcule el porcentaje de contenido 'nuevo' en cada entrevista sucesiva. Cuando el contenido nuevo cae por debajo del 5-10% por entrevista, es probable que se alcance la saturación. Para muestras homogéneas (edad, experiencia, antecedentes similares), la saturación generalmente ocurre alrededor de 12-15 entrevistas; para muestras heterogéneas, pueden ser necesarias 20-30+ entrevistas. Reporte explícitamente cómo se evaluó la saturación y en qué punto se consideró alcanzada.

Errores comunes

  • Treating minor elaborations or contextual details as 'new' themes; inflating saturation criteria to justify stopping early.
  • Failing to analyze data during collection; waiting until all data are gathered makes saturation assessment difficult and reactive.
  • Not documenting the saturation process transparently; claiming saturation without showing the evidence (code frequency tables, saturation grids).
  • Assuming saturation in one subgroup applies to another; homogeneous samples reach saturation faster than diverse ones.
  • Continuing data collection far beyond saturation without justification; saturation does not require continued collection to verify or deepen findings, though some researchers do this intentionally.

Preguntas frecuentes

How many interviews do I need to reach saturation?

For homogeneous samples (similar demographics, experiences), saturation typically occurs at 12–20 interviews. For heterogeneous samples (diverse backgrounds, experiences), 20–30+ interviews may be needed. Pilot studies suggest that among relatively homogeneous samples, saturation often occurs by the 12th interview with little new information after that (Guest et al. 2006). Document your actual data and show when saturation was reached rather than assuming a fixed number.

What counts as a 'new' theme?

A new theme is a substantively different insight not previously identified—a new perspective, explanation, or experience. Minor elaborations or contextual details related to existing themes do not count as new themes. Example: if you've identified that patients fear side effects, a patient describing specific side effects is not a new theme; but a patient discussing how side effects affect relationships is a new theme.

Can I claim saturation if I've done only 8 interviews?

Yes, but rarely and with caveats. If your sample is highly homogeneous and the research question is narrow, saturation may occur at 8 interviews. However, this requires documentation: show your coding tables or saturation grids demonstrating that new codes stabilized by interview 8 and no new codes appeared in interviews 9+ (if you conducted them). Be transparent about the limitation: acknowledge that your sample is small and findings apply to your specific context.

Do I need to continue data collection after reaching saturation?

No. Once saturation is reached, continuing to collect data yields redundancy, not deeper insight. However, some researchers intentionally collect additional data to verify or deepen understanding. This is acceptable but should be explicitly stated as a choice, not presented as required for saturation.

How do I reconcile saturation with ethics and feasibility?

Saturation is flexible. If resources (time, funding, access) limit data collection before saturation is reached, report this as a limitation. You can claim 'preliminary saturation' or 'saturation within resource constraints.' Be transparent: 'We reached saturation in themes A and B but not in theme C due to limited access to participants with C experiences.'

Métodos relacionados

Fuentes

  1. Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine.

    ISBN: 978-0202302560
    Copiado.
  2. Strauss, A., & Corbin, J. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (2nd ed.). SAGE Publications.

    ISBN: 978-0803959393
    Copiado.
  3. Bowen, G. A. (2008). Naturalistic inquiry and saturation (S): Determining when enough is enough. Journal of Research in Education, 18(1), 137-152.

    Abrir referencia de la publicación
    Copiado.
  4. Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59-82.

    Abrir referencia DOI
    Copiado.