Una vez que tienes la pregunta, hay que elegir cómo vas a contestarla. Eso es el diseño: el plan que une la pregunta, los datos y el análisis. Este artículo repasa los diseños más habituales en educación, con ejemplos de un ciclo formativo, y explica cómo se cuida que las conclusiones merezcan confianza. Continúa Investigar en educación: la ciencia y su método.
2.1 Hipótesis, variables y muestra
Tres palabras que aparecen en cualquier diseño cuantitativo:
- Variable: algo que puede tomar valores distintos (la nota, las faltas, el tiempo de estudio, el método usado).
- Hipótesis: una respuesta provisional que se puede comprobar. «Los grupos que usan aula invertida obtienen una nota media más alta» es una hipótesis; «el aula invertida es buena» no lo es.
- Muestra: las personas o casos de los que realmente recoges datos. Rara vez es toda la población, y lo que concluyas solo vale para el grupo que se parezca a tu muestra.
En investigación cualitativa no se suele partir de una hipótesis cerrada, sino de una pregunta abierta, y la muestra se elige por lo que puede aportar (una persona que ha vivido la situación), no por ser representativa.
2.2 Diseños cuantitativos
Los manuales clasifican los diseños cuantitativos según cuánto control tiene quien investiga (Cohen et al., 2018; Creswell y Creswell, 2023).
| Diseño | Qué hace | Ejemplo en un ciclo | Qué permite decir |
|---|---|---|---|
| Descriptivo | Cuenta y resume lo que hay | Porcentaje de alumnado que abandona antes de la FCT | Cómo es la situación |
| Correlacional | Busca relación entre variables | ¿Faltar más se asocia con nota más baja en el módulo? | Que van juntas, no que una cause la otra |
| Cuasi-experimental | Compara grupos que ya existen tras un cambio | Grupo A con aula invertida y grupo B sin ella | Una pista de causa, con cautelas |
| Experimental | Asigna al azar a quién se aplica el cambio | Sortear qué alumnos usan una herramienta | La mejor base para hablar de causa |
- En un aula casi nunca se puede sortear quién recibe qué: los grupos ya vienen formados. Por eso lo habitual en un centro es el diseño cuasi-experimental, que obliga a preguntarse qué otras diferencias entre los grupos podrían explicar el resultado (Shadish et al., 2002).
- Correlación no es causa. Si el alumnado que más asiste saca mejor nota, puede ser por la asistencia, por la motivación que ya tenía, o por ambas.
- Un estudio de caso (un grupo, un módulo, un centro) describe a fondo una situación concreta. Puede usar números, palabras o ambos (Yin, 2018).
2.3 Diseños cualitativos
Aquí interesa comprender cómo viven y explican algo las personas. Los diseños más usados:
| Diseño | Idea central | Ejemplo en un ciclo |
|---|---|---|
| Estudio de caso | Analizar a fondo un caso con varias fuentes | Cómo un instituto organiza la FP dual con sus empresas |
| Etnografía | Observar durante tiempo un grupo en su contexto | Cómo se trabaja en el taller de un ciclo a lo largo de un trimestre |
| Fenomenología | Recoger la experiencia vivida de quien la ha tenido | Qué significó para alumnado de grado básico su primera estancia en una empresa |
| Teoría fundamentada | Construir una explicación a partir de los propios datos (Glaser y Strauss, 1967) | Entrevistar a tutores de empresa y ver qué categorías aparecen sobre «un buen aprendiz» |
| Investigación-acción | El profesorado cambia su práctica y la estudia en ciclos | Probar una nueva rúbrica, observar, ajustar y volver a probar |
Los datos son sobre todo palabras: entrevistas, observaciones, diarios, documentos. El análisis consiste en leerlos con cuidado, agruparlos en categorías y volver a ellos para comprobar que la interpretación se sostiene.
2.4 Diseños mixtos
Cuando una sola mirada no basta, se combinan. Creswell y Creswell (2023) describen tres formas básicas:
- Convergente: recoges números y palabras a la vez y contrastas si dicen lo mismo.
- Explicativo secuencial: primero números, después entrevistas para entender lo que los números muestran. Ejemplo: mides qué grupos abandonan más y luego entrevistas a quien se fue.
- Exploratorio secuencial: primero entrevistas para descubrir qué importa, después un cuestionario para medir cuánto se extiende.
Un diseño mixto da más información, pero cuesta más tiempo. Para un trabajo pequeño suele ser mejor hacer bien un solo enfoque.
2.5 Confianza en los resultados
Todo estudio debe poder responder a la pregunta «¿por qué me fío de esto?». Cada enfoque lo hace con sus propios criterios.
| Pregunta | En un estudio cuantitativo | En un estudio cualitativo (Lincoln y Guba, 1985) |
|---|---|---|
| ¿Mide o describe lo que dice? | Validez | Credibilidad |
| ¿Saldría lo mismo repitiéndolo? | Fiabilidad | Consistencia (que el proceso esté bien documentado) |
| ¿Sirve en otros contextos? | Generalización | Transferibilidad (que se describa tan bien el contexto que el lector decida si le aplica) |
Medidas prácticas que sirven en ambos:
- Triangular: contrastar varias fuentes o instrumentos sobre lo mismo.
- Pedir una segunda lectura a otra persona sobre tus categorías o tus cifras.
- Dejar rastro: guardar los datos y escribir cada decisión de análisis.
- Contar los límites sin esconderlos.
En resumen
- El diseño une pregunta, datos y análisis; se elige según lo que quieres saber.
- Los diseños cuantitativos van de describir a experimentar; en un aula lo habitual es el cuasi-experimental, con sus cautelas.
- Correlación no es causa.
- Los diseños cualitativos (caso, etnografía, fenomenología, teoría fundamentada, investigación-acción) buscan comprender.
- Un diseño mixto combina ambos, pero cuesta más; no hace falta para un trabajo pequeño.
- Cada enfoque tiene sus criterios de confianza: validez y fiabilidad, o credibilidad, consistencia y transferibilidad.
Referencias
Cohen, L., Manion, L., & Morrison, K. (2018). Research methods in education (8.ª ed.). Routledge.
Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6.ª ed.). SAGE.
Glaser, B. G., & Strauss, A. L. (1967). The discovery of grounded theory: Strategies for qualitative research. Aldine.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. SAGE.
Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.
Yin, R. K. (2018). Case study research and applications: Design and methods (6.ª ed.). SAGE.
