Guía de protocolo de investigación

Guía para la elaboración de protocolos de investigación

Fragmento del artículo

Con base en la experiencia personal como académico universitario, he tenido la oportunidad de percatarme en varias ocasiones que tanto los estudiantes de licenciaturao posgrado que deben desarrollar un trabajo de investigación, como quien se inicia en este quehacer, se encuentran ante la incertidumbre de cómo abordar el protocolo del estudio que pretenden realizar. Esta situación, por lo general, provoca cierta ansiedad que tiende a desviar la atención requerida hacia el trabajo mismo, retrasando en gran medida el avance de las investigaciones correspondientes.

En el caso de las entidades educativas, por lo general se requiere información respecto a los proyectos de investigación que los miembros de las mismas pretendan realizar, a fin de que las autoridades que correspondan la analicen y, en su caso, otorguen la aprobación a su desarrollo. Para ello, por lo general se cuenta con formatos diseñados para recabar dicha información. Sin embargo, en muchas ocasiones estos formatos no especifican -o lo hacen de manera muy escueta- la forma en que cada apartado debe ser comprendido y desarrollado.

Paso 8. Recolección de los datos cuantitativos

Una vez que seleccionamos el diseño de investigación apropiado y la muestra adecuada, de acuerdo con nuestro problema de estudio e hipótesis, la siguiente etapa consiste en recolectar los datos pertinentes sobre las variables de estudio. Recolectar los datos implica elaborar un plan detallado de procedimientos que nos conduzcan a reunir datos con un propósito específico. Este plan incluye determinar:

¿Cuáles son las fuentes de donde se obtendrán los datos?	Los datos se producirán de observaciones, van a ser proporcionados por personas, o se encuentran en documentos, archivos, bases de datos, etcétera.
¿En dónde se localizan tales fuentes?	Regularmente en la muestra seleccionada, pero es indispensable definir con precisión.
¿A través de qué medio o método vamos a recolectar los datos?	Esta fase implica elegir uno o varios medios y definir los procedimientos que utilizaremos en la recolección de los datos. El método o métodos deben ser confiables, válidos y objetivos.
Una vez recolectados,	¿De qué forma vamos a prepararlos para que puedan analizarse y respondamos al planteamiento del problema?

Ejemplo de plan para la obtención de datos.

 

Paso 7. Selección de la muestra

Para seleccionar una muestra, lo primero es definir nuestra unidad de análisis o unidad experimental —personas, plantas, animales, objetos, etc.— El “que o quiénes van a ser medidos”, depende de precisar claramente el problema a investigar y los objetivos de la investigación. Estas acciones nos llevarán al siguiente  paso, que es el de delimitar una población.

¿Cómo se delimita una población?

Una vez que se ha definido cuál será nuestra unidad experimental o de análisis, se procede a delimitar la población que va a ser estudiada y sobre la cual se pretende generalizar los resultados. Así, una población es el conjunto de todos los casos que concuerdan con una serie de especificaciones (Selítiz, 1974). La muestra suele ser definida como un subgrupo de la población (Sudman, 1976). Para seleccionar la muestra deben delimitarse las características de la población. Muchos investigadores no describen lo suficiente las características de la población o asumen que la muestra representa automáticamente a la población.

¿Cómo seleccionar la muestra?

Hasta este momento hemos visto que se tiene que definir cuál será la unidad de análisis y cuáles son las características de la población. En este inciso hablaremos de la muestra o mejor dicho de los tipos de muestra que existen, a fin de poder elegir la más conveniente para un estudio.

La muestra es, en esencia, un subgrupo de la población. Digamos que es un subconjunto de elementos que pertenecen a ese conjunto definido en sus características al que llamamos población. Con frecuencia leemos y oímos hablar de “muestra representativa”, ‘muestra al azar “ “muestra aleatoria” como si con los simples términos se pudiera dar más seriedad a los resultados. En realidad, pocas veces se puede medir a toda la población, por lo que obtenemos o seleccionamos una muestra y se pretende —desde luego— que este subconjunto sea un reflejo fiel del conjunto de la población. Todas las muestras deben ser representativas, por tanto el uso de este término es por demás inútil. Los términos al azar y aleatorio denotan un tipo de procedimiento mecánico relacionado con la probabilidad y con la selección de elementos, pero no logra esclarecer tampoco el tipo de muestra y el procedimiento de muestreo. Hablemos entonces de esto en los próximos incisos.

Tipos de muestra

Básicamente categorizamos a las muestras en dos grandes ramas: las muestras no probabilísticas y las muestras probabilísticas. En estas últimas todos los elementos de la población tienen la misma posibilidad de ser escogidos. Esto se obtiene definiendo las características de la población, el tamaño de la muestra y a través de una selección aleatoria y/o mecánica de las unidades de análisis. Imagínense el procedimiento para obtener el número premiado en un sorteo de lotería. Este número se va formando en el momento del sorteo, a partir de las bolitas (con un dígito) que se van sacando después de revolverlas mecánicamente hasta formar el número, de manera que todos los números tienen la misma probabilidad de ser elegidos.

En las muestras no probabilísticas, la elección de los elementos no depende de la probabilidad, sino de causas relacionadas con las características del investigador o del que hace la muestra. Aquí el procedimiento no es mecánico, ni en base a fórmulas de probabilidad, sino que depende del proceso de toma de decisiones de una persona o grupo de personas, .y desde luego, las muestras seleccionadas por decisiones subjetivas tienden a estar sesgadas. El elegir entre una muestra probabilística o una no probabilística, depende —sí, otra vez— de los objetivos del estudio, del esquema de investigación y de la contribución que se piensa hacer con dicho estudio.

¿Cómo se hace una muestra probabilística?

Resumiremos diciendo que la elección entre la muestra probabilística y una no probabilística se determina con base en los objetivos del estudio, el esquema de la investigación y el alcance de sus contribuciones. Las muestras probabilísticas tienen muchas ventajas, quizás la principal es que puede medirse el tamaño de error en nuestras predicciones. Puede decirse incluso que el principal objetivo en el diseño de una muestra probabilística es el de reducir al mínimo este error al que se le llama error estándar (Kish, 1965).

Las muestras probabilísticas son esenciales en los diseños de investigación en donde se pretende hacer estimaciones de variables en la población, estas variables se miden con instrumentos de medición y se analizan con pruebas estadísticas para el análisis de datos en donde se presupone que la muestra es probabilística, donde todos los elementos de la población tienen una misma probabilidad de ser elegidos. Los elementos muestrales tendrán valores muy parecidos a los de la población, de manera que las mediciones en el subconjunto, nos darán estimados precisos del conjunto mayor. Que tan preciso son dichos estimados depende del error en el muestreo, el que se puede calcular, pues hay errores que dependen de la medición y estos errores no pueden ser calculados matemáticamente.

Para una muestra probabilística necesitamos principalmente dos cosas: determinar el tamaño de la muestra (n) y seleccionar los elementos muestrales, de manera que todos tengan la misma posibilidad de ser elegidos. Para lo primero, se utiliza una Para lo segundo, necesitamos de un marco de selección adecuado y de un procedimiento que permita la aleatoriedad.

Muestra probabilística estratificada

Lo que aquí se hace es dividir a la población en subpoblaciones o estratos y. se selecciona una muestra para cada estrato. La estratificación aumenta la precisión de la muestra e implica el uso deliberado de diferentes tamaños de muestra para cada estrato, a fin de lograr reducir la varianza de cada unidad de la media muestral (Kish, 1965).

¿Cómo se lleva a cabo el procedimiento de selección?

Las unidades de análisis o los elementos muestrales se eligen siempre aleatoriamente para asegurarnos que cada elemento tenga la misma probabilidad de ser elegidos. Pueden usarse 3 procedimientos de selección:

Tómbola

Muy simple y no muy rápido, consiste en numerar todos los elementos muestrales del 1.. al n. Hacer unas fichas, una por cada elemento, revolverlas en una caja, e ir sacando n fichas, según el tamaño de la muestra. Los números elegidos —al azar— conformarán la muestra.

Números random o números aleatorios

El uso de números random no significa la selección azarosa o fortuita, sino la utilización de una tabla de números que implica un mecanismo de probabilidad muy bien diseñado. Los números random de la Corporación Rand, fueron generados con una especie de ruleta electrónica. Existe una tabla de un millón de dígitos, publicada por esta corporación; partes de dicha tabla se encuentran en los apéndices de muchos libros de estadística.

¿Cómo son las muestras no probabilísticas?

Las muestras no probabilísticas, las cuales llamamos también muestras dirigidas suponen un procedimiento de selección informal y un poco arbitrario. Aún así estas se utilizan en muchas investigaciones y a partir de ellas se hacen inferencias sobre la población. Es como si juzgásemos el sabor de un cargamento de limones, solamente probando alguno, como si para “muestra bastase un botón”. La muestra dirigida selecciona sujetos “típicos” con la vaga esperanza de que serán casos representativos de una población determinada. La verdad es que las muestras dirigidas tienen muchas desventajas. La primera es que, al no ser probabilísticas, no podemos calcular con precisión el error estándar, es decir, no podemos calcular con qué nivel de confianza hacemos una estimación. Esto es un grave inconveniente si consideramos que la estadística inferencial se basa en teoría de la probabilidad, por lo que pruebas estadísticas (X², correlación, regresión, etc.), en muestras no probabilísticas tienen un valor limitado y relativo a la muestra en sí, mas no a la población. Es decir, los datos no pueden generalizarse a una población, que no se consideró ni en sus parámetros, ni en sus elementos para obtener la muestra. Recordemos que, en las muestras de este tipo, la elección de los sujetos no depende de que todos tienen la misma probabilidad de ser elegidos, sino de la decisión de un investigador o grupo de encuestadores.

La ventaja de una muestra no probabilística es su utilidad para un determinado diseño de estudio, que requiere no tanto de una “representatividad de elementos de una población, sino de una cuidadosa y controlada elección de sujetos con ciertas características especificadas previamente en el planteamiento del problema.

Paso 6. Elección del diseño apropiado para la investigación

DISEÑO DE INVESTIGACIÓN

El Término diseño se refiere al plan o estrategia que se desarrolla para obtener la información que se desea. En el enfoque cuantitativo el investigador utiliza el o los diseños para analizar la certeza de las hipótesis formuladas en un contexto particular o para aportar evidencias respecto de los lineamientos de la investigación (si es que no se tiene hipótesis).

En la investigación se disponen de distintas clases de diseños preconcebidos y se debe elegir uno o varios entre las alternativas existentes, o desarrollar nuestra propia estrategia. Si el diseño está concebido cuidadosamente, el producto final de un estudio (sus resultados) tendrá mayores posibilidades de éxito para generar conocimientos.

Dentro del enfoque cuantitativo, la calidad de una investigación está relacionada con el grado en que se aplique el diseño tal como fue preconcebido (particularmente en el caso de los experimentos). Desde luego, en cualquier tipo de investigación el diseño se debe ajustar ante posibles contingencias o cambios en la situación.

DISEÑOS EXPERIMENTALES

Experimentos

El término experimento se refiere a “elegir o realizar una acción” y después observar las consecuencias. Hablamos de “experimentar” cuando mezclamos sustancias químicas y vemos la reacción provocada. Es decir, la esencia de esta concepción de experimento es que requiere la manipulación intencional de una acción para analizar sus posibles resultados.

Una definición con un sentido más científico, se refiere a un estudio en el que se manipulan intencionalmente una o más variables independientes (supuestas causas-antecedentes), para analizar las consecuencias que la manipulación tiene sobre una o más variables dependientes (supuestos efectos-consecuentes), dentro de una situación de control para el investigador.

Los experimentos manipulan tratamientos, estímulos, influencias o intervenciones (denominadas variables independientes) para observar sus efectos en otras variables (las dependientes) en una situación de control. Es decir, los diseños experimentales se utilizan cuando el investigador pretende establecer el posible efecto de una causa que se manipula. Pero para establecer influencias, se deben cubrir varios requisitos:

Requisitos de un experimento

1.       Manipulación intencional de una o más variables independientes
La variable independiente resulta de interés para el investigador, ya que hipotéticamente será una de las causas que producen el efecto supuesto. Para obtener respuesta de esta supuesta relación causal, el investigador manipula la variable independiente  (hacer variar o asignar distintos valores a la variable independiente) y observa si la dependiente varía o no.
Grados de manipulación de la variable independiente	Puede realizarse en dos o más grados: ·         Presencia-ausencia. Un grupo se expone a la presencia de la variable independiente (grupo experimental) y el otro no (grupo de control o testigo). Posteriormente los dos grupos se comparan para saber si el grupo expuesto a la variable independiente difiere del grupo que no fue expuesto. En general, en un experimento puede afirmarse: si en ambos grupos todo fue “igual” menos a la exposición a la variable independiente, es muy razonable pensar que las diferencias entre los grupos se deban a la presencia-ausencia de tal variable. ·         Más de dos grados. Variación o manipulación de la variable independiente en cantidades o grados; en este caso se tiene la ventaja de que no sólo se puede determinar si la presencia de la variable independiente o tratamiento experimental tiene un efecto, sino también si distintos niveles de la variable independiente producen diferentes efectos (si la magnitud del efecto Y depende de la intensidad del estímulo X1, X2, X3, etc.). ·         Modalidades de manipulación. Consiste en exponer a los grupos experimentales a diferentes modalidades de la variable independiente, pero sin que esto implique cantidad. También puede hacerse una combinación de cantidades y modalidades

2,  Medir el efecto que la variable independiente tiene en la variable dependiente

Como en la variable dependiente se observa el efecto, la medición debe ser válida y confiable. Si no se puede asegurar que se midió de manera adecuada, los resultados no servirán y el experimento será una pérdida de tiempo. En la planificación del experimento se debe precisar cómo se van a manipular las variables independientes y cómo medir las dependientes.

3. Control o validez interna
Si en el experimento se observa que una o más variables independientes hacen variar a las dependientes, la variación de estas últimas se debe a la manipulación de las primeras y no a otros factores o causas; y si se observa que una o más independientes no tienen un efecto sobre las dependientes, se puede estar seguro de ello. Tener control significa saber qué está ocurriendo realmente con la relación entre las variables independientes y las dependientes (conocer la relación causal). Dicho de otra forma, lograr control en un experimento es contener la influencia de otras variables extrañas en las variables dependientes.
Control de la validez interna:	1.       Varios grupos de comparación: Es necesario que en un experimento se tengan varios grupos de comparación. En primer término, porque si nada más se tiene un grupo no es posible saber con certeza si influyeron las fuentes de invalidación interna o no. 2.       Equivalencia de los grupos: Los grupos deben ser similares en todo, menos en la manipulación de la o las variables independientes. El control implica que todo permanece constante, salvo tal manipulación o intervención. Esto asegura que las diferencias entre los grupos puedan atribuirse a ella y no a otros factores (por ejemplo las fuentes de invalidación interna). Los grupos deben ser equivalentes al iniciar y durante todo el desarrollo del experimento, en lo que respecta a la variable independiente. Asimismo, los instrumentos de medición deben ser iguales y aplicados de la misma manera. Equivalencia inicial: Implica que los grupos son similares entre sí al momento de iniciarse el experimento. La principal técnica para alcanzar esta equivalencia es la asignación aleatoria o al azar de los participantes a los grupos del experimento: Este método asegura probabilísticamente que dos o más grupos son equivalentes entre sí y ha demostrado que funciona para hacer equivalentes a grupos de participantes. Equivalencia durante el experimento: Durante el estudio los grupos deben mantenerse similares excepto en la manipulación de la variable independiente. Cuanto mayor sea la equivalencia durante su desarrollo, habrá mayor control y posibilidad de que, si observamos o no efectos, estemos seguros de que los hubo o no.
Validez externa	Se refiere a que tan generalizables son los resultados de un experimento a situaciones no experimentables, así como a otros participantes o poblaciones.

Contextos de los experimentos

Experimentos de Laboratorio	Experimentos de campo
Estudio de investigación en el que la varianza (efecto) de todas, o de casi todas, las posibles variables independientes que tienen influencia, sin pertenecer al problema de investigación inmediato, se muestran reducidas (reducido el efecto) al mínimo.	Estudio de investigación efectuado en una situación realista en la que una o más variables independientes son manipuladas por el investigador en condiciones tan cuidadosamente controladas como lo permite la situación.
La diferencia esencial entre ambos contextos es el “realismo” con que los experimentos se llevan a cabo. Los experimentos de laboratorio generalmente logran un control más riguroso  que los experimentos de campo, pero estos últimos suelen tener mayor validez externa. Ambos tipos de experimentos son deseables.

TIPOS DE DISEÑOS

En la literatura sobre investigación cuantitativa es posible encontrar diferentes clasificaciones de los diseños, aquí adoptaremos la clasificación en investigación experimental y no experimental:

Investigación experimental	Investigación no experimental
Preexperimentos	Diseños transversales
Experimentos “puros”	Diseños longitudinales
Cuasiexperimentos

                                                                                    

Preexperimentos: Diseño de un solo grupo cuyo grado de control es mínimo. Generalmente es útil como un primer acercamiento al problema de investigación en la realidad. Una modalidad en este tipo de experimentos es el estudio de caso con una sola medición, que consiste en administrar un estímulo o tratamiento a un grupo y después aplicar una medición de una o más variables para observar cual es el nivel del grupo en estas variables. En este experimento no hay manipulación de la variable independiente  (no hay varios niveles de ella, ni siquiera los niveles mínimos de presencia-ausencia). <tampoco hay una referencia previa de cuál era el nivel que tenía el grupo en la(s) variable(s) dependiente(s) antes del estímulo, ni existe grupo de comparación. 

Este tipo de diseños no es adecuado para establecer relaciones causales entre variables independientes y dependientes, son vulnerables en cuanto a la posibilidad de control y validez interna, algunos autores consideran que deben usarse sólo como ensayos de otros experimentos con mayor control. Pueden servir como estudios exploratorios pero sus resultados deben observarse con precaución, no es posible obtener conclusiones seguras.

Experimentos “puros”: reúnen los dos requisitos para lograr el control y validez interna: 1) grupos de comparación (manipulación de la variable independiente) y 2) equivalencia de los grupos. Estos diseños llegan a incluir una o más variables independientes y una o más dependientes. Pueden utilizar prepruebas y pospruebas para analizar la evolución de los grupos antes y después del tratamiento experimental.

Cuasiexperimentos. También manipulan deliberadamente, al menos una variable independiente, para observar su efecto y relación en una o más variables dependientes, sólo que difieren de los experimentos “puros” en el grado de seguridad o confiabilidad que pueda obtenerse sobre la equivalencia inicial de los grupos. Los sujetos no se asignan al azar ni por emparejamiento sino que dichos grupos ya están  formados antes del experimento: son grupos intactos (la razón por la que surgen y la manera como se formaron es independiente o aparte del experimento).

Paso 5. Formulación de Hipótesis

¿Qué son las hipótesis?

Son las guías para una investigación o estudio. Las hipótesis indican lo que tratamos de probar y se definen como explicaciones tentativas del fenómeno investigado. Se derivan de la teoría existente (Williams, 2003) y deben formularse a manera de proposiciones. Las hipótesis son el centro, la médula o el eje del método deductivo cuantitativo.

No todas las investigaciones cuantitativas plantean hipótesis, su planteamiento depende del alcance del estudio. Las investigaciones cuantitativas que formulan hipótesis son aquellas cuyo planteamiento define que su alcance será correlacional o explicativo, o las que tienen un alcance descriptivo, pero que intentan pronosticar una cifra o un hecho:

Alcance del estudio	Formulación de hipótesis
Exploratorio	No se formulan hipótesis
Descriptivo	Sólo se formulan hipótesis cuando se pronostica un hecho o dato
Correlacional	Se formulan hipótesis correlacionales
Explicativo	Se formulan hipótesis causales

Las hipótesis no necesariamente son verdaderas, pueden o no serlo, y pueden o no comprobarse con datos. Son explicaciones tentativas, no los hechos en sí. Al formularlas, el investigador no está totalmente seguro de que vayan a comprobarse.

En el ámbito de la investigación científica, las hipótesis son proposiciones tentativas acerca de las relaciones entre dos o más variables, y se apoyan en conocimientos organizados y sistematizados. Una vez que se prueba una hipótesis, ésta tiene un impacto en el conocimiento disponible, que puede modificarse y por consiguiente, pueden surgir nuevas hipótesis (Williams, 2003).

¿Qué características debe tener una hipótesis?

1. La hipótesis debe referirse a una situación “real”. Debe especificar lugar y tiempo, ya sea de manera explícita en el enunciado o por medio de explicaciones que acompañan a la hipótesis.
2.  Las variables o términos de la hipótesis deben ser comprensibles, precisos y lo más concretos posible.
3. La relación entre variables propuesta por una hipótesis debe ser clara y verosímil (lógica). Es indispensable que quede clara la forma en que se relacionan las variables y que esta relación no puede ser ilógica.
4. Las variables de la hipótesis deben ser observables y medibles, y tener referentes en la realidad. Las hipótesis científicas, al igual que los objetivos y las preguntas de investigación, no incluyen aspectos morales ni cuestiones que no podamos medir. 
5. Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas. Se refiere a que al formular una hipótesis, tenemos que analizar si existen técnicas o herramientas de investigación para verificarla, si es posible desarrollarlas y si se encuentran a nuestro alcance.

Tipos de hipótesis

Tipos de hipótesis	Descripción
Investigación	Proposiciones tentativas sobre la o las posibles relaciones entre dos o más variables H1, H1, H2, H3, Hi	·         Descriptivas de un valor o dato pronosticado ·         Correlacionales ·         De diferencia de grupos ·         Causales
Nulas	Proposiciones que niegan o refutan la relación entre variables. H0
Alternativas	Son posibilidades diferentes o “alternas” ante las hipótesis de investigación y nula. Ha
Estadísticas	Representación de hipótesis anteriores por medio de símbolos estadísticos

Clasificación de las hipótesis de investigación

¿Qué es la prueba de hipótesis?

Las hipótesis del proceso cuantitativo se someten a prueba o escrutinio empírico para determinar si son apoyadas o refutadas, de acuerdo con lo que el investigador observa. De hecho, para esto se formulan en la tradición deductiva. No podemos probar que una hipótesis sea verdadera o falsa, sino argumentar que fue apoyada o no de acuerdo con ciertos datos obtenidos en una investigación particular. Desde el punto de vista técnico, no se acepta una hipótesis a través de un estudio, sino que se aporta evidencia en su favor o en su contra. Cuantas más investigaciones apoyen una hipótesis, más credibilidad tendrá; y, por supuesto, será válida para el contexto (lugar, tiempo y participantes u objetos) en que se comprobó, al menos lo es probabilísticamente.

Las hipótesis constituyen instrumentos muy poderosos para el avance del conocimiento, puesto que aunque sean formuladas por el ser humano, pueden ser sometidas a prueba y demostrarse como probablemente correctas o incorrectas, sin que interfieran los valores y las creencias del individuo.

¿Qué ocurre cuando no se aporta evidencia en favor de las hipótesis de investigación?

No siempre los datos apoyan las hipótesis. Pero el hecho de que éstos no aporten evidencia en favor de las hipótesis planteadas de ningún modo significa que la investigación carezca de utilidad. En la investigación el fin último es el conocimiento y, en este sentido, también los datos en contra de una hipótesis ofrecen entendimiento. Lo importante es analizar por qué no se aportó evidencia en favor de las hipótesis. La American Psychological Association señala, al mencionar la presentación de los descubrimientos en un reporte de investigación, lo siguiente: “mencione todos los resultados relevantes, incluyendo aquellos que contradigan las hipótesis”.

Paso 4. Alcance de la investigación

Paso 4. Definición del alcance de la investigación a realizar: exploratoria, descriptiva, correlacional o explicativa

Los estudios exploratorios sirven para preparar el terreno y por lo común anteceden a investigaciones con alcances descriptivos, correlacionales o explicativos. Los estudios descriptivos —por lo general— son la base de las investigaciones correlacionales, las cuales a su vez proporcionan información para llevar a cabo estudios explicativos que generan un sentido de entendimiento y son altamente estructurados. Las investigaciones que se realizan en un campo de conocimiento específico pueden incluir diferentes alcances en las distintas etapas de su desarrollo. Es posible que una investigación se inicie como exploratoria, después puede ser descriptiva y correlacional, y terminar como explicativa.

Alcance	Propósito de las investigaciones	Valor
Exploratorio	Se realiza cuando el objetivo es examinar un tema o problema de investigación poco estudiado, del cual se tienen muchas dudas o no se ha abordado antes.	Ayuda a familiarizarse con fenómenos desconocidos, obtener información para realizar una investigación más completa de un contexto particular, investigar nuevos problemas, identificar conceptos o variables promisorias, establecer prioridades para investigaciones futuras, o sugerir afirmaciones y postulados.
Descriptivo	Busca especificar las propiedades, las características y los perfiles de personas, grupos, comunidades, procesos, objetos o cualquier otro fenómeno que se someta a un análisis.	Es útil para mostrar con precisión los ángulos o dimensiones de un fenómeno, suceso, comunidad, contexto o situación.
Correlacional	Su finalidad es conocer la relación o grado de asociación que exista entre dos o más conceptos, categorías o variables en un  contexto en particular.	En cierta medida tiene un valor explicativo, aunque parcial, ya que el hecho de saber que dos conceptos o variables se relacionan aporta cierta información explicativa.
Explicativo	Está dirigido a responder por las causas de los eventos y fenómenos físicos o sociales. Se enfoca en explicar por qué ocurre un fenómeno y en qué condiciones se manifiesta, o por qué se relacionan dos o más variables.	Se encuentra más estructurado que las demás investigaciones (de hecho implica los propósitos de éstas); además de que proporciona un sentido de entendimiento del fenómeno a que hacen referencia