Page 189 - METODOLOGIA DE LA INVESTIGACION-Roberto Hernández Sampieri

158 Capítulo 7 Concepción o elección del diseño de investigación

De los ejemplos se desprende lo que se ha comentado anteriormente: que en ciertas ocasiones
sólo se pretende correlacionar categorías, variables, objetos o conceptos; pero en otras, se busca esta-
blecer relaciones causales. Debemos recordar que la causalidad implica correlación, pero no toda
correlación significa causalidad.
Estos diseños pueden ser sumamente complejos y abarcar diversas categorías, conceptos o variables.
Cuando establecen relaciones causales son explicativos. Su diferencia con los experimentos es la base
de la distinción entre experimentación y no experimentación. En los diseños transec-
Diseños transeccionales correlaciona- cionales correlacionales-causales, las causas y los efectos ya ocurrieron en la realidad
les-causales Describen relaciones entre (estaban dados y manifestados) o suceden durante el desarrollo del estudio, y quien
dos o más categorías, conceptos o investiga los observa y reporta. En cambio, en los diseños experimentales y cuasiexpe-
variables en un momento determinado,
ya sea en términos correlacionales, o en rimentales se provoca intencionalmente al menos una causa y se analizan sus efectos o
función de la relación causa-efecto. consecuencias.
En todo estudio, la posible causalidad la establece el investigador de acuerdo con
sus hipótesis, las cuales se fundamentan en la revisión de la literatura. En los experi-
mentos —como ya se ha insistido—, la causalidad va en el sentido del tratamiento o tratamientos
(variable o variables independientes) hacia el efecto o efectos (variable o variables dependientes). En
los estudios transeccionales correlacionales-causales, la causalidad ya existe, pero es el investigador
quien determina su dirección y establece cuál es la causa y cuál el efecto (o causas y efectos). Ya sabe-
mos que para establecer un nexo causal: a) la o las variables independientes deben anteceder en tiem-
po a la o las dependientes, aunque sea por milésimas de segundo (por ejemplo, en la relación entre “el
nivel de estudio de los padres” y “el interés por la lectura de los hijos”, es obvio que la primera variable
antecede a la segunda); y b) debe existir covariación entre la o las variables independientes y depen-
dientes; pero además: c) la causalidad tiene que ser verosímil (si decidimos que existe un vínculo
causal entre las variables “nutrición” y “rendimiento escolar”, resulta lógico que la primera es causa de
la segunda, pero no a la inversa).
Un diseño correlacional-causal puede limitarse a dos categorías, conceptos o variables, o inclu-
so abarcar modelos o estructuras tan complejas como lo muestra la figura 7.8 (donde cada letra en
recuadro representa una variable, un concepto, etcétera).

Figura 7.8 Ejemplo de una estructura de un diseño correlacional-causal complejo.

X Z T
1

Y 1

X W
2

Y 2

X 3 R

Asimismo, en ocasiones los diseños correlacionales-causales describen relaciones en uno o más
grupos o subgrupos y suelen describir primero las variables incluidas en la investigación, para luego
establecer las relaciones entre éstas (en primer lugar, son descriptivos de variables individuales, pero
luego van más allá de las descripciones y establecen relaciones).

www.elosopanda.com | jamespoetrodriguez.com