Fundamentos de la Investigación Científica: Conocimiento y Metodología

Tema I. Introducción: Conocimiento, Ciencia y Método Científico

El Conocimiento

¿Cómo y a partir de qué se genera el conocimiento? El conocimiento se genera a partir de la experiencia propia y lo transmitido por otros, tanto de modo oral como escrito. A lo largo de la historia de la humanidad, el conocimiento se ha ido acumulando a partir de soluciones encontradas para problemas planteados y por la curiosidad inherente al ser humano y su impulso a la exploración. Cuando no encontramos respuestas en nosotros mismos, recurrimos a otros. Como especie, tenemos la ventaja de aprender de la experiencia de otros. Así, en nuestra vida cotidiana usamos nuestro conocimiento para resolver nuestros problemas. Cuando no encontramos respuestas en nosotros mismos, recurrimos a otros. Como especie, tenemos la ventaja de aprender de la experiencia de otros. Los otros pueden ser amigos, familiares, profesionales, expertos, etcétera.

El conocimiento adquirido sobre la naturaleza y sobre nosotros mismos se acumula, organiza y transmite de modos diferentes. Así, tenemos el sentido común, la magia, la religión y la ciencia. Cada uno de estos tipos de conocimiento tiene sus reglas y sus ámbitos de aplicación.

El Conocimiento Científico

El conocimiento científico es un subconjunto del conocimiento. Se caracteriza por sus objetivos y sus métodos, es decir, por los modos en que se genera el conocimiento.

El objetivo último del conocimiento científico es establecer leyes de la mayor generalidad posible. Aspira a ser universal. Es más difícil alcanzar este objetivo en las ciencias sobre el hombre (ciencias sociales) que en las ciencias sobre la naturaleza (ciencias naturales). Sin embargo, esto no es del todo cierto. Por ejemplo, las leyes de la mecánica universal de Newton fueron formuladas como universales. Sin embargo, Einstein puso de manifiesto lo relativo de esa teoría (ver León y Montero, 2003, capítulo 1). En este sentido, existen debates actualmente entre los filósofos de la ciencia.

El conocimiento científico es más fiable y más válido que otros tipos de conocimiento, pero su adquisición es más lenta. Hay territorios a los que la ciencia aún no ha llegado. Por otro lado, su progreso depende del conocimiento ya adquirido y de la tecnología disponible. Además, existen enfoques alternativos, y existe un debate cuantitativo-cualitativo en metodología que cuestiona la superioridad del método científico.

El acceso al conocimiento científico está limitado a aquellos que conocen la metodología. Por otra parte, la acumulación de conocimiento científico es tal que lleva a especialización en parcelas cada vez más pequeñas.

El Método Científico

El modo en el que se genera el conocimiento científico es el método científico. Su principal característica es la replicabilidad, al servicio del consenso dentro de la comunidad científica.

Según de qué modo se alcance la replicabilidad, el método científico ofrece diversas variantes: inductivo, deductivo e hipotético-deductivo.

• En el método inductivo la experiencia es el punto de partida: Observación → Generalización → Ley.
• En el método deductivo se parte de la ley general, a la que se llega por la razón, y de ella se deducen consecuencias lógicas aplicables a la realidad. Ejemplo de la tabla periódica (sabemos que existen elementos que aún no se han observado). La matemática es la disciplina por excelencia que usa el método deductivo.
• En el método hipotético-deductivo se hace uso de las dos estrategias. Independientemente de dónde empiece el proceso, el investigador va de los datos a la teoría y de la teoría a los datos. Por ejemplo, desde una teoría se deduce una consecuencia contrastable en la realidad, se realizan observaciones y se determina si corroboran lo predicho por la teoría. Si no hay teoría previa, el proceso puede comenzar con la observación, que llevaría a una generalización en forma de ley, que otras observaciones podrían corroborar (o no) hasta constituir una teoría. Ejemplo: Procesos de aprendizaje → Leyes de aprendizaje (generalización amplia) → Observaciones en humanos con corroboración → Extensión de ámbitos de aplicabilidad = búsqueda de universalidad.

En la ciencia, lo más importante no es que un dato sea verdadero o no, sino que sea verificable o no.

Actualmente, las ciencias del comportamiento adquieren el conocimiento mayoritariamente por el método hipotético-deductivo, aunque algunas áreas o sistemas teóricos hagan mayor uso de la inducción o de la deducción. Existe una confusión en psicología estimulada por el debate de las tres últimas décadas en cuanto a los métodos cuantitativos y los cualitativos. Aunque los métodos cualitativos suelen ser marcadamente inductivos, no lo son de forma exclusiva. Del mismo modo, los cuantitativos no son asimilables a la deducción. Por lo tanto, para calificar el método, los dos ejes de clasificación (inductivo/deductivo y cualitativo/cuantitativo) son independientes.

El Método Científico en las Ciencias del Comportamiento

En un intento por definir el método científico, nos encontramos en la literatura científica con conceptos que, en ocasiones, se utilizan indistintamente, tales como método, metodología, estrategia y técnica, cuando en realidad no son sinónimos. Esta confusión conceptual resalta la necesidad de comenzar con algunas clarificaciones terminológicas.

El método científico se puede definir como un modelo general de investigación científica (Arnau, 2001b) que, mediante un conjunto de operaciones ordenadas, pretende obtener observaciones sistemáticas y controladas, para ser posteriormente cuantificadas y medidas, permitiendo lograr un conocimiento objetivo acerca del fenómeno de estudio (García y Alvarado, 2000). Dependiendo de la finalidad que se pretenda alcanzar en el estudio, se planificará una forma de actuación concreta, que dará lugar a aplicaciones específicas del método científico, es decir, a los diversos procedimientos o estrategias de investigación.

En función del objetivo que se proponga el investigador, la estrategia o método puede ser experimental, cuando manipula las condiciones antecedentes que provocan el fenómeno objeto de estudio, o no-experimental, cuando no manipula dichas condiciones (Blanca, 2000; Rosel, 1986). A su vez, las estrategias presentan unos procedimientos particulares de recogida de datos que son las técnicas. De acuerdo con el objetivo propuesto en la investigación y con el grado de control que se pueda llevar a cabo, se utilizará una estrategia determinada y una técnica específica de recogida de datos.

El método científico es un modelo general de investigación, aplicable a cualquier disciplina y estructurado en una serie de niveles jerarquizados formalmente que, a su vez, están integrados por una serie de estadios secuenciales (Arnau, 1987, 1990).

Pasos del Método Científico

1. Planteamiento del problema, con objeto de definirlo y delimitarlo a partir de una búsqueda exhaustiva de la bibliografía existente en el tema de estudio.
2. Formulación de la hipótesis, en función del modelo teórico al que se adscriba.
3. Elaboración del plan de investigación o diseño de recogida de datos, con objeto de especificar el plan general a seguir en la recogida de los datos en función del número de variables implicadas, tipo de situación, número de grupos de sujetos, asignación de los sujetos a los grupos, existencia de medidas previas, etcétera.
4. Recogida de datos, siguiendo el plan propuesto en el estudio, con objeto de someter a prueba la hipótesis.
5. Análisis de datos y decisión acerca de la hipótesis: mediante el análisis estadístico de los datos se puede aceptar o rechazar la hipótesis formulada, siempre con un cierto grado de probabilidad.
6. Discusión de los resultados y obtención de conclusiones: si los datos apoyan la teoría, entonces se aumenta la confianza depositada en la misma. En caso contrario, se deben formular nuevas hipótesis que nos permitan clarificar las contradicciones o incoherencias encontradas.
7. Elaboración de un informe científico, cuya finalidad es dar a conocer los resultados obtenidos en la investigación desarrollada.

Niveles del Método Científico

Los pasos descritos anteriormente se agrupan en tres niveles:

• Nivel Teórico-Conceptual
• Nivel Técnico-Metodológico
• Nivel Estadístico-Analítico

Figura 1. Niveles y estadios del proceso de investigación científica (Arnau, 1989)

Nivel Teórico-Conceptual

Toda investigación científica surge a partir de una situación problemática (Ato, 1991; Box, Hunter y Hunter, 1978; Kerlinger, 1975), que condiciona la metodología y las técnicas que se vayan a utilizar en la búsqueda de su solución. Ahora bien, un problema se puede considerar científico solo si es resoluble, es decir, si se puede formular una hipótesis como intento de solución del mismo y si dicha hipótesis se puede comprobar empíricamente, con un determinado grado de probabilidad, con los medios metodológicos, técnicos, humanos, etcétera, necesarios para ello. Un problema puede identificarse a partir de nuevos descubrimientos científicos, de la existencia de un vacío en el conocimiento, de hallazgos fortuitos (el denominado serendipity), de comprobación de teorías, de resultados incoherentes o contradictorios, etcétera.

En la primera fase, de carácter teórico-conceptual, se establecen las representaciones abstractas de los fenómenos reales. Estas representaciones son al principio meras hipótesis tentativas que, a medida que van siendo validadas, generan unas redes de carácter conceptual cada vez más complejas a las que llamamos teorías o modelos.

Esta primera fase puede representarse diagramáticamente así: Problema → Hipótesis → Enunciados Empíricos → (Proceso General: Niveles Técnico-Metodológico y Estadístico-Analítico) → Discusión.

Al ser un nivel teórico, están implícitos el razonamiento inductivo y deductivo en el paso de un estadio a otro. Así, por ejemplo, las hipótesis surgen, vía inducción, a partir de la observación directa, de la acotación de un área experiencial, e incluso del intento de resolver un problema. Por otra parte, el razonamiento lógico que se aplica para derivar enunciados protocolares, o dicho de otro modo, consecuencias empíricamente contrastables, a partir de las hipótesis o teorías, es la deducción. En el estadio de discusión, la inducción vuelve a estar presente, al extraer consecuencias teóricamente interpretables a partir de los resultados de la experiencia.

En esta fase se realiza una revisión de la literatura relacionada con el fenómeno de estudio y la elaboración del marco teórico que permita articular la investigación de acuerdo con el conocimiento existente sobre el tema.

Nivel Técnico-Metodológico

En la segunda fase se vinculan los conceptos teóricos con la realidad empírica. Aquí damos contenido semántico o realidad objetiva a los esquemas conceptuales. Se caracteriza por dos actividades básicas: operativización de la hipótesis y diseño de la investigación (procedimiento para la obtención de datos relevantes a la hipótesis).

Esta primera fase puede representarse diagramáticamente así: Plan de Investigación → Estrategia de Recogida de Datos → No-Experimental/Experimental.

El plan de investigación puede definirse como un proceso de toma de decisiones que afecta a los aspectos más importantes de la operativización de la hipótesis:

• Variable Independiente (VI)
• Variables Extrañas (VE)
• Variable Dependiente (VD)
• Variable de Sujeto
• Variable de Procedimiento

En esta fase de carácter técnico-metodológico hay que resolver cuestiones prácticas que incluyen a veces el diseño de aparatos, instrumentos de medida, incluyendo tests y cuestionarios, sistemas de registro, etcétera, y otras cuestiones metodológicas, como por ejemplo, la selección de sujetos, es decir, si se va a usar una técnica de muestreo al azar o no.

Esta actividad inicial no es más que referenciar lo teórico a lo real mediante un proceso de reducción. La segunda actividad consiste en seleccionar una estrategia adecuada de recogida de datos, es decir, debemos seleccionar un diseño de investigación.

La dicotomía experimental/no-experimental es más bien un continuo lógico que va desde lo más estructurado y altamente controlado a lo menos. Entre esas dos categorías hay muchos diseños con grados variables de control. No todos los autores adoptan esta clasificación ni definen experimentalidad del mismo modo (ejemplo, Cattell, Dwyer). La estrategia correlacional y longitudinal, a pesar de recoger datos objetivos, proporcionan una demostración menos definitiva de las relaciones causales entre las variables. Así, según el grado de validez interna, tenemos el experimento verdadero, los estudios correlacionales y los estudios longitudinales. Snodgrass, Levy-Berger y Haydon (1985) contraponen el experimento verdadero a los estudios correlacionales u observacionales en función de los criterios de grupo control y manipulación de la variable independiente. Estos dos criterios constituyen un continuo por el que se desplazan los diferentes estudios e investigaciones que van de lo experimental a lo correlacional según se relajan estos criterios de grupo control y manipulación de la variable independiente.

Desde el punto de vista técnico-metodológico, para distinguir entre experimental y no-experimental hay que considerar la aleatorización, la manipulación y el control. Son procedimientos de control que neutralizan o eliminan los posibles efectos de variables que no estaban previstas en el plan inicial de la investigación, pero que pueden afectar a la relación entre la VI y la VD.

• La aleatorización se refiere tanto a la selección de las unidades de observación (o sujetos, en las ciencias del comportamiento) como a la asignación de los sujetos a los tratamientos o condiciones. En los casos de existir un solo sujeto, se requiere que las condiciones o tratamientos sean administrados al azar.
• La manipulación (de la VI) es el segundo requisito de todo experimento para la validación empírica de la relación causal. Eso implica que el investigador debe seleccionar deliberadamente los valores de la VI y crear las condiciones necesarias para la producción artificial de los mismos.
• El control (de las VE), expresión suprema de lo objetivamente válido, se refiere a la neutralización o eliminación de cualquier factor o variable que pueda alterar la relación investigada por nuestras hipótesis. En la investigación experimental, el control es especialmente importante porque se pretende rechazar mediante los datos hipótesis explicativas rivales o hipótesis alternativas causales capaces de explicar los mismos hechos. Solo mediante el control se puede garantizar la validez interna del experimento.

Resumen de Características Propias de las Estrategias de Recogida de Datos Experimentales y No-Experimentales

No Experimentales	Experimentales
Hipótesis correlacionales	Hipótesis causales
No manipulación VI	Manipulación VI
No aleatorización	Aleatorización
Control ligero	Control riguroso
Diseño correlacional/observacional	Diseño experimental
Verificación covariación	Verificación concomitancia

Según Kenny (1979), son tres las condiciones que deben cumplirse en una investigación para que puedan inferirse relaciones de causalidad: precedencia en el tiempo, relación funcional entre las variables y no espuridad. La primera está garantizada en la investigación experimental, donde el investigador manipula las variables antecedentes. La segunda implica covariación entre los valores de la VI y la VD y es común a toda la investigación conductual. La espuridad excluye la posibilidad de que una tercera variable sea la causa de la variación tanto de la VI como de la VD. Con un control riguroso de las fuentes de variación extrañas queda eliminada la posibilidad de un factor causal común, lo cual es el rasgo más característico de la investigación experimental.

Nivel Estadístico-Analítico

Del último estadio del nivel anterior se obtiene una serie de registros o datos brutos en función de las respuestas de los sujetos (obtenidas a través de observaciones). El investigador necesita transformar estos datos brutos en datos científicos (susceptibles de tratamiento matemático-estadístico). Esta transformación se realiza por medio de los correspondientes sistemas de medida o escalas.

En la medida en que todo dato es portador de información, es muy importante hacer uso correcto de las escalas si no se quiere distorsionar la extracción de inferencias válidas. No siempre las escalas de medida más potentes (desde el punto de vista de la formalización axiomática) nos permiten un manejo más exacto de los números o cantidades. A veces, llevados por un deseo de cientificidad, más que medir características de respuestas de los sujetos, se miden aspectos físicos que nada tienen que ver con aquellas.

Una vez elaborados los datos, estos pueden representarse atendiendo a diferentes sistemas de reunión o sistematización, siendo las formas más frecuentes las tablas y los gráficos. Según el tipo de investigación, se realizarán análisis descriptivos, correlacionales o inferenciales.

Un segundo estadio a este nivel es el ajuste de modelos estadísticos, o en términos más usables, prueba de hipótesis estadísticas. Los modelos estadísticos, al igual que los modelos mecánicos, permiten predecir la variable de respuesta de un sistema de acuerdo a unas condiciones específicas de entrada. En otras palabras, un modelo estadístico es una ecuación matemática que relaciona a un conjunto de variables.

El modelo estadístico general, de carácter lineal, está compuesto de una o más variables de observación o variables aleatorias, una o más variables fijas (X) y un componente error (U), variable también aleatoria. Además tiene un conjunto de parámetros y valores constantes.

Y = f(X) + g(U)

Las funciones f y g pueden tomar parámetros conocidos o desconocidos. Si se considera esta ecuación como modelo general, toda observación es la suma de un componente fijo y uno aleatorio. Este modelo, y los que se derivan de él, parten de unos supuestos teóricos y suelen describir la forma en que se comportaría la VD en un sistema donde el azar haya tenido la posibilidad de intervenir. Por lo tanto, este sistema modela el comportamiento del azar.

Desde el punto de vista de la investigación experimental, los parámetros asociados a la parte fija son los que más interesan porque representan “la magnitud o efecto causal” de la VI. Por ello, el sentido último de la prueba de contraste de hipótesis consiste en buscar el nivel de significación de tales parámetros.

En teoría estadística se parte siempre del supuesto de no significación de los parámetros y es este supuesto la hipótesis que se somete a prueba. Si se verifica que los parámetros son significativos, se infiere que las variables de la parte fija del modelo intervienen activamente en los cambios observados en la VD.

Una vez que se ha ajustado un modelo a los datos, de acuerdo con la estructura del diseño, se procede a “la toma de decisiones estadísticas”. El resultado de todo análisis estadístico se resuelve con la aceptación o no de la hipótesis de nulidad (o modelo de comportamiento al azar). El modelo que recoge la hipótesis de nulidad asume la existencia de no relación entre las variables de la parte fija del modelo y la VD. De ahí se deriva la inutilidad de introducir ese componente en el modelo, que solo requiere el componente aleatorio. Hay que tener en cuenta que la parte fija se refiere a la VI o manipulada en investigación experimental.