Alcances, hipótesis y operacionalización

Alcances de la investigación según Sampieri

Según Hernández Sampieri y colaboradores, el alcance fija la frontera dentro de la cual tu pregunta de investigación tiene respuesta legítima. No es un capricho metodológico ni un rótulo decorativo: es el techo de lo que podrás afirmar cuando termines el estudio. Cada alcance corresponde a un nivel distinto de pretensión epistémica y, en consecuencia, exige un diseño, un muestreo y un plan de análisis a la medida del tipo de respuesta que buscas.

En la tradición cuantitativa se manejan cuatro alcances, ordenados de menor a mayor profundidad causal. Cada uno responde a una clase distinta de pregunta y, por tanto, exige un diseño a la medida. Elige tu alcance según tres criterios prácticos: cuánto se ha estudiado el fenómeno antes, qué tipo de variables tienes sobre la mesa, y qué grado de control causal te permite tu diseño real.

• Exploratorio. Cuando el fenómeno ha sido poco estudiado y todavía no tienes categorías firmes. Te interesa mapear, no medir con precisión. Suele usarse con muestras intencionales pequeñas y análisis cualitativo o descriptivo básico.
• Descriptivo. Cuando ya conoces las variables y quieres detallar cómo se distribuyen en una muestra concreta: frecuencias, medias, porcentajes, perfiles. Es el alcance más frecuente en tesis de pregrado y en estudios de diagnóstico institucional.
• Correlacional. Cuando sospechas que dos o más variables se mueven juntas, y quieres cuantificar dirección e intensidad de esa covariación con un coeficiente como Pearson, Spearman o chi cuadrado.
• Explicativo. Cuando la teoría y la evidencia previa te permiten plantear causas y efectos, y tu diseño te habilita para sostener esa lectura. Exige manipulación deliberada o un control estadístico riguroso.

El alcance se ata al objetivo general y, sobre todo, a la redacción final del reporte. Si dices que tu estudio es exploratorio, tu capítulo de resultados no puede prometer causalidad; si dices que es explicativo, necesitas un diseño que te permita sostener esa afirmación, y un cuestionario aplicado en un solo corte transversal no te lo va a permitir. La coherencia entre lo que declaras y lo que tu diseño te permite sostener es, en la práctica, la mitad de la evaluación metodológica, y la otra mitad la cubre el análisis que efectivamente realizaste con los datos recogidos.

Una decisión complementaria que pocas veces se discute en clase es la diferencia entre alcance metodológico y alcance disciplinar. El primero lo decides tú en el protocolo; el segundo te lo otorga la comunidad académica según cómo se haya estudiado el tema antes. Por ejemplo, un estudio sobre uso de redes sociales en universitarios puede tener alcance metodológico descriptivo, pero su alcance disciplinar sigue siendo exploratorio si en la región todavía hay muy pocos antecedentes. Declarar ambos con honestidad te protege de la lectura crítica y demuestra madurez en el diseño.

Hipótesis: cuatro formas que necesitas distinguir

Kerlinger trata la hipótesis como la guía del trabajo empírico: sin hipótesis explícita, el análisis se vuelve pesca con anzuelo. Una hipótesis bien armada nace de la teoría, se redacta como afirmación (no como pregunta) y predice una relación entre variables que el dato puede aceptar o rechazar. Sin hipótesis, la investigación cuantitativa pierde su motor interno y se convierte en una búsqueda de patrones sin compromiso teórico.

Cuando lees un artículo cuantitativo serio, vas a encontrar hasta cuatro formas de hipótesis que se relacionan entre sí como un sistema de capas, cada una con una función distinta dentro del contraste estadístico y de la defensa argumental del estudio:

1. Hipótesis de investigación (Hi). La afirmación que tú defiendes y quieres sostener con los datos. Por ejemplo: a mayor autoestima, menor ansiedad rasgo en adolescentes universitarios. Es la apuesta del estudio, la que redactas en tu protocolo y la que guias todo el análisis.
2. Hipótesis nula (H0). La afirmación de no efecto o de no diferencia: no existe relación entre autoestima y ansiedad rasgo. Es el punto de partida formal del contraste estadístico y la que se somete a prueba directa. Decidir H0 y rechazarla con evidencia suficiente es, técnicamente, lo que haces al calcular un valor p.
3. Hipótesis alternativa (Ha). Una versión competidora de Hi, distinta pero también plausible según la teoría o la literatura. Sirve para que tu estudio no quede atado a una sola apuesta, y para que tu defensa ante un tribunal no se debilite si la primera hipótesis cae.
4. Hipótesis direccional y no direccional. La direccional predice el sentido de la relación (positiva o negativa). La no direccional solo plantea que hay diferencia o asociación, sin señalar hacia dónde apunta. Esta decisión cambia el tipo de prueba y la lectura del valor p.

La distinción direccional es más importante de lo que parece a primera vista. Cuando tu hipótesis es direccional puedes usar pruebas estadísticas de una cola, que tienen mayor potencia para detectar el efecto en el sentido previsto; cuando es no direccional, la prueba se hace a dos colas y la potencia baja a igualdad de tamaño de muestra. Por eso, en tesis con muestras pequeñas, decidir el sentido de la hipótesis antes de recoger los datos no es un capricho estético: es una decisión con consecuencias sobre la sensibilidad del estudio.

Hay un orden práctico que ayuda a no equivocarse en la redacción. Primero fórmulas la pregunta de investigación en términos generales; luego la traduces a hipótesis de investigación (Hi), que ya predice dirección; en paralelo defines la hipótesis nula (H0) como su negación lógica; y si la literatura sostiene una explicación rival, agregas una hipótesis alternativa (Ha) que cubra esa lectura. Con esas cuatro piezas escritas antes del levantamiento de datos, el análisis estadístico deja de improvisarse y empieza a responder lo que el protocolo prometió.

Operacionalización: del constructo al reactivo

La operacionalización es el puente entre el lenguaje teórico y la hoja de respuestas. Sin ella, "ansiedad" sigue siendo una palabra elegante sin medición posible, y tu estudio se queda en especulación. Kerlinger insistía en que operacionalizar no es traducir mecánicamente: es decidir qué se observa, qué se descarta, y bajo qué escala cada comportamiento de la persona se convierte en un número con significado.

El camino sigue cuatro pasos encadenados, y cada paso depende del anterior. Saltarte uno rompe la cadena y vuelve inviable defender la validez del instrumento frente a un revisor o frente a un jurado. La secuencia no se invierte sin pérdida de coherencia conceptual.

1. Constructo. La idea teórica que quieres medir (ansiedad rasgo, autoestima, aprendizaje autorregulado). Se define con apoyo bibliográfico explícito, citando al menos un autor que sostenga la definición adoptada.
2. Dimensiones. Las caras medibles del constructo. Para ansiedad rasgo suele hablarse de preocupación, activación fisiológica y tensión cognitiva. Una buena operacionalización no se queda en una sola dimensión cuando la teoría reconoce varias.
3. Indicadores. Conductas o señales observables que dan cuenta de cada dimensión: frecuencia de preocupación, sudoración en exámenes, pensamientos catastrofistas. El indicador ya es observable, aunque todavía no sea un reactivo.
4. Ítems. Los reactivos del instrumento. Un ítem es un indicador convertido en frase que la persona puntúa en una escala tipo Likert, sí/no o de frecuencia. Cada ítem debe poder leerse como una forma de medir un indicador, y un indicador, una dimensión.

Una matriz de operacionalización típica se arma con seis columnas: variable, definición conceptual, definición operacional, dimensiones, indicadores e ítems, más la escala de medición. Esa matriz se vuelve el mapa que une teoría y datos, y también la prueba documental de que tu instrumento tiene coherencia conceptual. Cuando un revisor te pide justificar por qué elegiste tales ítems, esa matriz es tu primera defensa; sin ella, la validez de contenido queda en entredicho y la prueba piloto no demuestra lo que crees demostrar.

Un error frecuente de quienes se inician es confundir definición operacional con definición conceptual. La primera es teórica, cita autores y mantiene el nivel abstracto del constructo. La segunda traduce esa idea a comportamiento observable y a una escala concreta. Si tu matriz no tiene las dos columnas separadas, estás mezclando niveles de análisis y el instrumento termina midiendo lo que tú crees que mide, no lo que la matriz dice que mide. Esa diferencia es, en la práctica, la frontera entre un instrumento válido y uno apenas decoroso.

Cómo se atan alcance, hipótesis y operacionalización entre sí

Estas tres decisiones no viven aisladas: forman una cadena. El alcance fija el techo causal, la hipótesis traduce ese techo en una afirmación concreta, y la operacionalización convierte esa afirmación en reactivos medibles. Si una de las tres falla, las otras dos quedan cojas, por bien redactadas que parezcan. Esa dependencia explica por qué un mismo tema de investigación produce estudios con conclusiones muy distintas según cómo se haya atado la cadena.

Cuando arrancas un protocolo, conviene escribir las tres piezas en este orden. Primero declaras el alcance en el título y en el objetivo general. Después redactas la hipótesis de investigación atada a ese alcance: una tesis exploratoria no pide hipótesis causal, una tesis explicativa sí. Por último armas la matriz de operacionalización, cuidando que cada ítem refleje la variable que mencionaste en la hipótesis y no otra cercana pero distinta. La hipótesis es el puente entre el alcance y el reactivo, y por eso su redacción condiciona qué variable se mide y cómo.

Un error que cuesta caro en tesis de maestría es redactar la hipótesis después del análisis. Esa práctica rompe la lógica del estudio: si ya viste los datos, redactas una hipótesis que casualmente confirman lo que encontraste, y eso vicia la prueba. La hipótesis debe estar escrita, firmada por el director y registrada en el protocolo antes de levantar datos. Todo ajuste posterior se justifica con literatura nueva, no con el resultado observado.

Trampas que reaparecen en defensas y artículos

Hay tres errores recurrentes cuando se aplican ANOVA, cuando se arma un diccionario operacional o cuando se discute el diseño en un artículo. Vale la pena tenerlos escritos en una hoja aparte antes de la defensa, porque suelen aparecer en la primera pregunta del jurado.

Apuntes relacionados que conviene revisar a continuación

• Pruebas de hipótesis para una y dos medias — para revisar la lógica del contraste estadístico detrás de H0 y Ha.
• De la inquietud a la pregunta investigable — para afinar cómo se redacta la pregunta que antecede a la hipótesis.
• Diseños experimentales y cuasiexperimentales — para entender cuándo un alcance explicativo requiere manipulación y cuándo no.
• Fundamentos epistemológicos del paradigma cuantitativo — para situar alcance, hipótesis y operacionalización dentro del paradigma que los sostiene.

Autoevaluación: cuatro preguntas para chequear tu protocolo