Introducción a la metodología científica

Tema desarrollado para preparar el primer ejercicio de conocimientos de la Escala Ejecutiva (Inspector/a) de la Policía Nacional. La información es orientativa y está verificada a la fecha de actualización; el contenido evaluable lo fija el temario del anexo II de tu convocatoria (Resolución de 31 de julio de 2025, BOE-A-2025-16611). Es un tema con presencia acreditada en convocatorias oficiales: la clasificación de las variables cualitativas y cuantitativas, el método que se emplea cuando las variables son constructos hipotéticos y la definición del método experimental han caído literalmente, y más de una vez.

Índice

• 1. Ciencia y conocimiento científico
  • 1.1. Las clases de conocimiento
  • 1.2. Los caracteres del conocimiento científico
  • 1.3. La clasificación de las ciencias
• 2. El método científico
  • 2.1. Concepto y caracteres
  • 2.2. Las etapas
  • 2.3. Inducción, deducción e hipotético-deductivo
  • 2.4. Popper, Kuhn y Lakatos
  • 2.5. Una nota histórica
  • 2.6. El informe científico y la replicación
• 3. Los conceptos de trabajo
  • 3.1. La variable y sus clases
  • 3.2. Constructos hipotéticos y operacionalización
  • 3.3. Las escalas de medida
  • 3.4. Población, muestra y muestreo
  • 3.5. La hipótesis, la ley y la teoría
  • 3.6. Fiabilidad y validez
  • 3.7. Cómo se estima la fiabilidad
  • 3.8. Las clases de validez y sus amenazas
• 4. El método experimental
• 5. El método correlacional
• 6. Otros métodos y diseños
• 7. Estudios de laboratorio y estudios de campo
  • 7.1. El laboratorio
  • 7.2. El campo
  • 7.3. La reactividad: Hawthorne y el experimentador
• 8. La ética de la investigación
• 9. Los errores que arruinan una conclusión
• 10. Aplicación al trabajo policial
• Ideas fuerza

1. Ciencia y conocimiento científico

1.1. Las clases de conocimiento

No todo lo que sabemos lo sabemos del mismo modo. Se distinguen habitualmente cuatro clases de conocimiento. El vulgar u ordinario procede de la experiencia cotidiana y del sentido común: es acrítico, asistemático, no comprobado y se transmite por tradición; sirve para vivir, pero no explica por qué las cosas ocurren. El científico es metódico, verificable y busca las causas y las leyes que rigen los hechos. El filosófico se ocupa de cuestiones que no admiten contrastación empírica —el ser, el conocer, el deber— y opera por análisis racional. Y el religioso o revelado descansa en la fe y en la autoridad de una revelación, no en la prueba.

La ciencia no nace enfrentada al conocimiento vulgar sino a partir de él: parte de las mismas observaciones, pero las somete a control. Su rasgo distintivo no es acertar más a menudo, sino poder equivocarse de forma reconocible: la ciencia se define por disponer de un procedimiento que permite descubrir el error propio.

1.2. Los caracteres del conocimiento científico

La enumeración clásica es la de Mario Bunge, que describe el conocimiento científico como:

• Fáctico: parte de los hechos y a ellos vuelve para contrastarse.
• Trascendente a los hechos: no se queda en el dato, va más allá de las apariencias y produce hechos nuevos.
• Analítico: descompone los problemas en sus elementos para entender el mecanismo.
• Especializado: la división del trabajo científico produce disciplinas cada vez más finas.
• Claro y preciso: define sus términos y mide en lugar de estimar de oído.
• Comunicable: se expresa de forma que otros puedan entenderlo y repetirlo; lo que no se comunica no es ciencia.
• Verificable: se somete a contrastación empírica. Este es el criterio central.
• Metódico y sistemático: no procede al azar, y sus enunciados forman un sistema, no una lista.
• General y legal: busca pautas y leyes, no la anécdota singular.
• Explicativo y predictivo: responde al porqué y permite anticipar lo que ocurrirá.
• Abierto: ningún resultado es definitivo; todo puede revisarse a la luz de pruebas nuevas.
• Útil: su conocimiento es aplicable, aunque la aplicación no sea su fin inmediato.

Ese carácter abierto merece subrayarse porque en el examen aparece formulado por otro lado: el conocimiento científico es provisional y autocorrectivo, de modo que el nuevo conocimiento invalida al anterior cuando lo contradice. Una teoría no se conserva por respeto a quien la formuló: se sustituye en cuanto los datos la desmienten.

Dato de examen: a la pregunta escueta «el método experimental:», la opción que da por buena el examen oficial es precisamente «el nuevo conocimiento invalida al anterior». Las otras dos —que tenga por objeto plantear teorías globales, o que no presente semejanzas con otros métodos científicos— son falsas: el método experimental persigue leyes concretas, no grandes teorías, y comparte con los demás métodos científicos la lógica de la contrastación.

1.3. La clasificación de las ciencias

La división más manejada separa las ciencias formales de las fácticas:

	Formales	Fácticas o empíricas
Objeto	Entes ideales: números, formas, relaciones lógicas	Hechos y procesos del mundo real
Método	Demostración deductiva	Observación y experimentación
Criterio de verdad	Coherencia interna del sistema	Correspondencia con los hechos
Resultado	Verdad necesaria dentro del sistema	Conocimiento probable y revisable
Ejemplos	Lógica y matemáticas	Física, química, biología, psicología, sociología

Las fácticas se subdividen a su vez en naturales —física, química, biología— y sociales o humanas —psicología, sociología, economía, derecho, criminología—. La diferencia entre unas y otras no está en el método, que es el mismo, sino en la dificultad de aplicarlo: en lo social el objeto de estudio es consciente de que se le estudia y reacciona, las variables son innumerables y muchas veces la experimentación no es posible ni éticamente admisible.

2. El método científico

2.1. Concepto y caracteres

El método científico es el procedimiento regular, explícito y repetible con el que se plantean problemas y se ponen a prueba las respuestas propuestas. No es un recetario que garantice descubrimientos: es un conjunto de reglas de control que permiten distinguir una conjetura sostenida por pruebas de otra que solo está bien contada.

Sus caracteres son la objetividad —los resultados no dependen de quién los obtiene—, la replicabilidad —otro investigador que repita el procedimiento debe llegar a lo mismo—, el carácter fáctico, el carácter autocorrectivo, la sistematicidad y su condición general: es único en lo esencial para todas las ciencias fácticas, y lo que cambia de una disciplina a otra son las técnicas concretas. Conviene tener clara esa distinción, que se pregunta: el método es la estrategia general; la técnica es la herramienta concreta —la entrevista, el cuestionario, el cronómetro, el test—; y la metodología es el estudio de los métodos.

2.2. Las etapas

El desarrollo típico de una investigación recorre estos pasos:

1. Observación de un hecho o detección de una laguna en lo que se sabe.
2. Planteamiento del problema, formulado como una pregunta precisa y respondible.
3. Revisión de lo ya investigado, para no repetir lo hecho ni ignorar lo sabido.
4. Formulación de la hipótesis: una respuesta tentativa, enunciada de modo que pueda resultar falsa.
5. Deducción de consecuencias contrastables: si la hipótesis fuera cierta, ¿qué debería observarse?
6. Contrastación: experimento, observación sistemática o análisis de datos.
7. Análisis de los resultados, normalmente con herramientas estadísticas.
8. Conclusiones: la hipótesis queda provisionalmente sostenida o queda refutada.
9. Comunicación de lo hallado, que expone el trabajo a la crítica y permite su réplica.

La última etapa no es un trámite: un resultado que no se publica con detalle suficiente para ser repetido no ha entrado todavía en la ciencia.

2.3. Inducción, deducción e hipotético-deductivo

La inducción va de lo particular a lo general: de muchos casos observados se salta a un enunciado universal. Es la vía que reivindicó Francis Bacon y tiene un límite lógico conocido como problema de la inducción, planteado por Hume: por muchos cisnes blancos que se vean, no queda probado que todos lo sean. La deducción va de lo general a lo particular y conserva la verdad —si las premisas son ciertas, la conclusión lo es—, pero no añade información nueva sobre el mundo; es la vía de Descartes y el modo de proceder de las ciencias formales.

La ciencia fáctica moderna combina ambas en el método hipotético-deductivo, que es el procedimiento estándar: se parte de la observación, se formula por inducción o por intuición una hipótesis, se deducen de ella consecuencias observables y se contrastan con los hechos. Si las consecuencias no se cumplen, la hipótesis se rechaza; si se cumplen, queda corroborada —no demostrada— y sigue en pie hasta que aparezca una prueba en contra.

2.4. Popper, Kuhn y Lakatos

Karl Popper aportó la idea más influyente sobre qué separa la ciencia de lo que no lo es. Su criterio de demarcación no es la verificabilidad sino la falsabilidad: una teoría es científica si es posible imaginar un hecho que, de producirse, la refutaría. De ahí su asimetría lógica: ningún número de observaciones favorables demuestra una ley universal, pero una sola observación en contra la refuta. Las teorías, por tanto, no se verifican; se corroboran provisionalmente mientras resisten los intentos de falsarlas. Y las que se blindan para no poder fallar nunca —las que explican cualquier resultado— no son fuertes: son irrefutables, que en su análisis es un defecto y no una virtud.

Thomas Kuhn describió cómo cambia la ciencia realmente. En su análisis, la mayor parte del tiempo se hace ciencia normal dentro de un paradigma compartido —un conjunto de supuestos, problemas legítimos y modos de resolverlos— que no se cuestiona, sino que se aplica para resolver rompecabezas. La acumulación de anomalías que el paradigma no explica provoca una crisis, y esta desemboca en una revolución científica: el paradigma es sustituido por otro inconmensurable con el anterior, porque cambia incluso el significado de los términos. Frente a Popper, Kuhn sostiene que una anomalía aislada no derriba nada: hace falta un candidato mejor.

Imre Lakatos propuso una vía intermedia con sus programas de investigación: cada programa tiene un núcleo firme que no se somete a refutación y un cinturón protector de hipótesis auxiliares que se van ajustando. Un programa es progresivo si predice hechos nuevos que después se confirman, y degenerativo si solo produce excusas retrospectivas para salvar el núcleo. Paul Feyerabend, en el extremo opuesto, defendió que no existe un método único y que el progreso ha venido a menudo de saltarse las reglas.

2.5. Una nota histórica

El método no se inventó de una vez. Aristóteles ya describió el doble movimiento de la inducción y la deducción, pero el método experimental moderno arranca con Galileo, en el siglo XVII, y su procedimiento resolutivo-compositivo: descomponer el fenómeno en sus elementos medibles, formular una hipótesis matemática y volver a componerlo para comprobarla, aceptando que el experimento trabaja con situaciones idealizadas que en la naturaleza nunca se dan puras. Es la primera vez que la medida se pone por encima de la autoridad del texto.

Francis Bacon, en el Novum Organum (1620), formuló la vía inductiva y advirtió de los ídolos que deforman el conocimiento —los de la tribu, propios de la especie; los de la caverna, de cada individuo; los del foro, nacidos del lenguaje; y los del teatro, heredados de las doctrinas—, que son un catálogo temprano de lo que hoy llamamos sesgos. Descartes, en el Discurso del método (1637), propuso la vía contraria, la deductiva, con sus cuatro reglas: evidencia, análisis, síntesis y enumeración o revisión completa. Newton añadió sus reglas del filosofar y la exigencia de no multiplicar las causas sin necesidad.

En el siglo XIX, Claude Bernard, en su Introducción al estudio de la medicina experimental (1865), fijó para las ciencias de la vida el ciclo observación → hipótesis → experimento y la idea de que el experimentador debe dudar de su propia hipótesis. Auguste Comte llevó el positivismo al estudio de la sociedad, y ya en el siglo XX el Círculo de Viena defendió que solo tiene sentido lo verificable empíricamente —el verificacionismo—, que es justamente la posición que Popper vino a corregir sustituyendo la verificación por la falsación.

2.6. El informe científico y la replicación

El resultado se comunica con una estructura convencional, conocida por sus siglas IMRyD: introducción —qué se sabe, qué laguna hay y qué se pregunta—, método —qué se hizo, con detalle bastante para que otro pueda repetirlo—, resultados —qué salió, sin interpretarlo— y discusión —qué significa, qué límites tiene y qué queda por hacer—. Antes de publicarse, el trabajo pasa por la revisión por pares: otros especialistas, en principio anónimos, juzgan si el diseño sostiene las conclusiones.

La prueba de fuego posterior es la replicación, que puede ser directa —repetir el estudio tal cual— o conceptual —comprobar la misma hipótesis por otro camino—. Desde hace años se habla de una crisis de replicación: una proporción alta de resultados publicados en ciencias sociales y biomédicas no vuelve a salir cuando se repite el estudio. Las causas señaladas son las muestras pequeñas y la escasa potencia, el sesgo de publicación —solo se publica lo que «sale», de modo que los resultados negativos desaparecen del registro—, el p-hacking —probar análisis hasta que uno da significativo— y el HARKing, esto es, presentar como hipótesis previa lo que en realidad se formuló después de ver los datos.

Los remedios en marcha son el preregistro del diseño y del plan de análisis antes de recoger un solo dato, los informes registrados, la publicación de los datos brutos, las replicaciones sistemáticas y los metaanálisis. Todo ello tiene traducción directa en la evaluación de programas policiales: un programa que «funcionó» en un estudio pequeño y nunca se ha vuelto a probar no es todavía una política pública.

3. Los conceptos de trabajo

3.1. La variable y sus clases

Una variable es cualquier característica que puede tomar valores distintos en distintos sujetos, momentos o situaciones. Lo que no varía es una constante. Toda la metodología consiste en averiguar cómo se relacionan unas variables con otras.

Por su papel en la investigación se distinguen:

• Variable independiente (VI): la que el investigador manipula o selecciona; es la supuesta causa.
• Variable dependiente (VD): la que se mide; es el supuesto efecto, y de ahí su nombre: sus valores dependen de la anterior.
• Variables extrañas o contaminadoras: todas las demás que pueden influir sobre la VD y que hay que controlar. Cuando una de ellas varía sistemáticamente junto con la VI se convierte en una variable de confusión, y entonces ya no se sabe a cuál de las dos atribuir el efecto.
• Variable moderadora: la que altera la intensidad o el sentido de la relación entre VI y VD (un tratamiento que funciona en jóvenes y no en mayores).
• Variable mediadora: la que explica el mecanismo por el que la VI produce la VD, situándose entre ambas.

Por su naturaleza, y esta es la clasificación más preguntada, las variables se dividen en:

Tipo	Se subdividen en	Ejemplos
Cualitativas o categóricas (expresan cualidades, no cantidades)	Dicotómicas (dos categorías) y politómicas (más de dos)	Sexo o haber sido o no víctima de un delito, frente a estado civil o tipo de delito
Cuantitativas (expresan cantidad y se pueden contar o medir)	Discretas (valores aislados, sin puntos intermedios) y continuas (admiten infinitos valores intermedios)	Número de detenciones o de hijos, frente a peso, tiempo de reacción o temperatura

Dato de examen: esta tabla ha caído dos veces con la misma redacción. Las cualitativas pueden ser dicotómicas o politómicas —y no «enteras o decimales» ni «formales o informales»—; las cuantitativas pueden ser discretas y continuas, y no «dicotómicas o politómicas», que es justamente la división de las otras. Es una pregunta que se regala si se tiene el cuadro memorizado y se falla si se confunden las dos filas.

3.2. Constructos hipotéticos y operacionalización

Un constructo hipotético es una variable que no se observa directamente y que se postula para explicar comportamientos observables: la inteligencia, la ansiedad, la motivación, la actitud, la personalidad, el prejuicio. Nadie ha visto nunca la inteligencia; se ven conductas de las que se infiere. Por eso los constructos plantean dos problemas propios: hay que definirlos operativamente y no se pueden manipular a voluntad.

La definición operacional consiste en precisar las operaciones concretas mediante las cuales se va a medir el constructo: «ansiedad» pasa a ser «la puntuación obtenida en tal cuestionario» o «la frecuencia cardiaca en tal situación». Sin ese paso no hay investigación posible, porque cada cual estaría midiendo una cosa distinta. Su riesgo evidente es que la definición empobrezca el concepto o mida otra cosa.

Y aquí está la consecuencia metodológica decisiva: como los constructos hipotéticos no admiten manipulación experimental —no se puede asignar al azar a una persona un nivel de inteligencia o de personalidad—, el método que procede cuando se trabaja con ellos es el correlacional, que mide la relación entre variables tal como se presentan.

Dato de examen: «cuando las variables son constructos hipotéticos, el método que se emplea es el…»: la respuesta oficial es correlacional. Ni experimental —imposible manipular el constructo— ni «empírico», que no designa un método concreto sino el carácter de toda ciencia fáctica.

3.3. Las escalas de medida

Medir es asignar números a las propiedades de los objetos según una regla. La clasificación clásica, debida a Stevens, distingue cuatro escalas de menor a mayor potencia, y cada una permite operaciones que la anterior no permite:

Escala	Qué permite	Ejemplo
Nominal	Solo clasificar: igualdad y diferencia. Los números son etiquetas.	Tipo de delito; número de dorsal
Ordinal	Clasificar y ordenar, pero las distancias entre posiciones no son iguales.	Escala de gravedad leve/grave/muy grave; puesto en una oposición
De intervalo	Ordenar con distancias iguales, pero el cero es arbitrario.	Temperatura en grados centígrados; puntuación de un test
De razón	Todo lo anterior más un cero absoluto, lo que permite decir «el doble».	Peso, tiempo, número de detenciones

La regla práctica es que el cero arbitrario impide las proporciones: veinte grados centígrados no son «el doble de calor» que diez, mientras que veinte kilos sí son el doble que diez.

3.4. Población, muestra y muestreo

La población es el conjunto completo de elementos sobre los que se quiere concluir; la muestra es el subconjunto efectivamente estudiado. Se trabaja con muestras porque estudiar la población entera suele ser imposible, y el problema pasa a ser si lo hallado en la muestra puede generalizarse: eso es la representatividad.

Los muestreos probabilísticos —aquellos en los que cada elemento tiene una probabilidad conocida de ser elegido— son los únicos que permiten calcular el error: el aleatorio simple, el sistemático (se elige uno de cada k), el estratificado (se divide la población en estratos y se muestrea dentro de cada uno, lo que asegura presencia de los grupos pequeños) y el por conglomerados (se eligen grupos enteros ya formados, como aulas o comisarías). Los no probabilísticos —por conveniencia, por cuotas, intencional o en bola de nieve— son más baratos y a veces la única vía para llegar a poblaciones ocultas, pero no autorizan a generalizar con un margen de error calculado.

Dos precisiones que se preguntan: el tamaño de la muestra influye en la precisión, pero una muestra grande mal elegida es peor que una pequeña bien elegida, porque el sesgo no se corrige aumentando el número; y la aleatoriedad no significa desorden ni «como salga», sino un procedimiento en el que el azar controla la selección.

3.5. La hipótesis, la ley y la teoría

Una hipótesis es un enunciado que propone una relación entre variables y que debe reunir tres condiciones: ser contrastable empíricamente, estar fundamentada en el conocimiento previo y ser clara y precisa. En el contraste estadístico se formulan siempre dos: la hipótesis nula, que afirma que no hay relación o diferencia, y la alternativa, que es la del investigador. Lo que se somete a prueba es la nula, y el resultado solo puede ser rechazarla o no rechazarla; nunca «demostrarla». De ahí los dos errores posibles: el error de tipo I consiste en rechazar una hipótesis nula que era cierta —afirmar un efecto que no existe—, y el error de tipo II, en no rechazar una nula falsa —no detectar un efecto que sí existe—.

Una ley es una regularidad confirmada y expresable en términos generales; una teoría es un sistema de enunciados que explica un conjunto de hechos y del que se deducen leyes e hipótesis; un modelo es una representación simplificada de la realidad que permite trabajar con ella. Conviene deshacer un equívoco corriente: en el lenguaje científico «teoría» no significa conjetura sin pruebas, sino todo lo contrario, la forma más elaborada de conocimiento establecido.

3.6. Fiabilidad y validez

Todo instrumento de medida se juzga por dos propiedades distintas que suelen confundirse. La fiabilidad es la consistencia de la medida: que repetida en las mismas condiciones dé el mismo resultado. La validez es que mida lo que dice medir. Son independientes en un sentido y no en otro: una báscula descalibrada que siempre marca dos kilos de más es fiable pero no válida, mientras que un instrumento no fiable nunca puede ser válido, porque si sus resultados bailan no está midiendo nada estable.

De la validez interesan sobre todo dos variantes que enfrentan a los dos grandes tipos de estudio. La validez interna es el grado en que se puede afirmar que la relación observada se debe a la variable manipulada y no a otra cosa: la da el control. La validez externa es el grado en que los resultados se pueden generalizar a otras personas, lugares y momentos, y una de sus formas es la validez ecológica, es decir, hasta qué punto la situación de estudio se parece a la situación real. La tensión entre ambas recorre todo el tema: cuanto más se controla, menos natural es la situación.

3.7. Cómo se estima la fiabilidad

La fiabilidad no se declara: se calcula, y hay varios procedimientos según qué clase de consistencia interese demostrar.

Procedimiento	En qué consiste	Qué demuestra
Test-retest	Se aplica el mismo instrumento a los mismos sujetos en dos momentos y se correlacionan las dos medidas.	Estabilidad temporal. Su riesgo es el efecto del recuerdo y de la práctica.
Formas paralelas	Dos versiones equivalentes del instrumento aplicadas a los mismos sujetos.	Equivalencia entre versiones; esquiva el efecto del recuerdo.
Dos mitades	Se parte el test en dos mitades y se correlacionan, corrigiendo después con la fórmula de Spearman-Brown.	Consistencia interna con una sola aplicación.
Consistencia interna	Coeficiente alfa de Cronbach sobre el conjunto de los ítems.	Que todos los ítems midan lo mismo.
Entre observadores	Dos codificadores independientes registran lo mismo y se mide su acuerdo (kappa de Cohen).	Fiabilidad interjueces: la que importa en la observación sistemática.

Dato de examen: el método test-retest se emplea para determinar la fiabilidad, y no la validez ni la sensibilidad. Ha caído con esas tres opciones.

Los manuales hispanoamericanos —y alguna convocatoria— llaman a esta propiedad confiabilidad, definiéndola como el grado en que la aplicación repetida del instrumento al mismo sujeto produce iguales resultados. Con métodos cuantitativos, el tamaño de la muestra guarda relación directamente proporcional con la confiabilidad que se pretenda: cuanta más se exige, mayor tiene que ser la muestra. Conviene retener esa formulación tal cual, porque así se ha preguntado.

Las características de los instrumentos de medida —validez, fiabilidad, sensibilidad y especificidad— se desarrollan en el tema siguiente; aquí interesan en cuanto condicionan el valor de cualquier resultado.

3.8. Las clases de validez y sus amenazas

Bajo el nombre de validez se agrupan varias cosas distintas:

• De contenido: los ítems representan bien el dominio que se dice medir, sin dejar fuera partes importantes.
• De criterio: el instrumento se compara con un criterio externo. Es concurrente si ambos se miden a la vez, y predictiva si el criterio es futuro —el caso de una prueba de selección que pretende anticipar el rendimiento—.
• De constructo: el instrumento mide el constructo teórico que dice medir. Se apoya en la validez convergente —correlaciona con medidas del mismo constructo— y en la discriminante, que exige que no correlacione con las de constructos distintos.
• Aparente o facial: parece medir lo que dice. No es garantía de nada, pero influye en la aceptación de la prueba por quien la responde.

La validez interna tiene además un catálogo clásico de amenazas, descrito por Campbell y Stanley, que conviene reconocer porque son las explicaciones alternativas que un resultado debe descartar:

• Historia: sucesos ajenos al estudio ocurridos entre las dos medidas.
• Maduración: cambios internos del sujeto por el simple paso del tiempo —crecer, cansarse, aprender—.
• Administración de test: el hecho de haber hecho el pretest altera el postest.
• Instrumentación: cambia el instrumento, o cambia el criterio del observador a mitad del estudio.
• Regresión estadística: si los grupos se forman con los valores extremos, la segunda medida se acercará a la media por sí sola.
• Selección diferencial: los grupos no eran equivalentes de partida.
• Mortalidad experimental: los abandonos no se reparten por igual entre las condiciones.
• Interacción entre selección y maduración, cuando los grupos, además de distintos, evolucionan a ritmos distintos.

Las amenazas a la validez externa son otras: el efecto reactivo del pretest, la interacción entre la selección de los sujetos y el tratamiento, la artificialidad de la situación experimental y la interferencia de tratamientos múltiples aplicados a los mismos sujetos.

4. El método experimental

El método experimental es aquel en el que el investigador manipula deliberadamente una variable independiente, controla las variables extrañas y mide el efecto sobre la variable dependiente. Es el único que permite establecer relaciones de causa a efecto, y esa es toda su ventaja.

Descansa en tres requisitos que conviene retener juntos:

1. Manipulación de la variable independiente por el investigador, que decide qué recibe cada grupo.
2. Control de las variables extrañas, para que la única diferencia sistemática entre las condiciones sea la manipulada.
3. Aleatorización: la asignación al azar de los sujetos a los grupos, que reparte las diferencias individuales y evita que se acumulen en uno de ellos.

Su estructura mínima es la de un grupo experimental, que recibe el tratamiento, y un grupo de control, que no lo recibe y sirve de término de comparación. Sobre esa base se añaden refinamientos: el placebo, que hace creer al grupo de control que también recibe algo; el simple ciego, en el que el sujeto no sabe en qué condición está; el doble ciego, en el que tampoco lo sabe quien aplica el tratamiento o mide el resultado; el contrabalanceo del orden de las condiciones para neutralizar los efectos de la práctica y la fatiga; y la medición pretest-postest.

Los diseños se distinguen además por cómo se reparten los sujetos: en los intersujeto cada grupo pasa por una condición distinta, lo que evita el arrastre entre condiciones pero exige grupos equivalentes; en los intrasujeto o de medidas repetidas cada sujeto pasa por todas las condiciones y hace de control de sí mismo, lo que elimina las diferencias individuales pero introduce efectos de orden.

Campbell y Stanley ordenaron los diseños en tres familias que se preguntan con frecuencia. Los preexperimentales son los más débiles: el estudio de un solo grupo con medida posterior, o con pretest y postest pero sin grupo de control, de modo que cualquier explicación alternativa queda abierta. Los experimentales verdaderos exigen grupo de control y asignación aleatoria; el diseño de referencia es el de dos grupos con pretest y postest, y su variante de cuatro grupos de Solomon, que sirve precisamente para medir si el pretest ha contaminado el resultado. Los cuasiexperimentales conservan la comparación pero pierden la aleatorización.

Cuando se manipulan dos o más variables independientes a la vez se habla de diseño factorial. Su ventaja no es solo el ahorro: permite detectar la interacción, es decir, que el efecto de una variable dependa del nivel de la otra —un método de instrucción que funciona con los novatos y no con los veteranos—. Un efecto de interacción no se descubre estudiando las variables por separado, y de ahí que un resultado contradictorio entre dos investigaciones muchas veces sea una interacción no vista.

Cuando no cabe formar grupos, se recurre a los diseños de series temporales interrumpidas, en los que se toman muchas medidas antes y después de la intervención y se busca un cambio de nivel o de pendiente en el momento exacto en que esta se produjo; y a los diseños de caso único con línea base, del tipo A-B-A, en los que se mide sin tratamiento, se aplica el tratamiento y se retira para comprobar si el efecto desaparece con él.

Sus límites son igual de importantes que sus virtudes. Hay variables que no se pueden manipular, sea por imposibilidad —el sexo, la edad, la personalidad, haber sufrido un delito— o por razones éticas evidentes. La situación experimental es artificial, y cuanto más se controla más se aleja de la vida real. Y su objetivo es modesto por definición: no persigue construir grandes teorías globales, sino descubrir cómo se comportan determinados fenómenos para conocer sus tendencias o sus leyes y, con ese conocimiento, poder controlarlos.

Dato de examen: esa última frase es literalmente una pregunta oficial. Cuando el enunciado describe un método que «no tiene por objeto plantear grandes teorías globales, sino descubrir determinados comportamientos de los fenómenos naturales para conocer sus tendencias o leyes, a fin de mejorar el conocimiento de los mismos con objeto de poder controlarlos», la respuesta es método experimental, no correlacional ni deductivo.

5. El método correlacional

El método correlacional estudia la relación entre variables tal como se presentan, sin manipular ninguna. Se recurre a él cuando la manipulación es imposible, ilícita o indeseable, que es la situación normal en las ciencias sociales y, muy en particular, cuando se trabaja con constructos hipotéticos.

Su herramienta es el coeficiente de correlación, que resume en un número la relación entre dos variables. El de Pearson es el más usado y su valor oscila entre −1 y +1:

• Signo positivo: las dos variables aumentan juntas (a más horas de estudio, más nota).
• Signo negativo: cuando una sube la otra baja (a más consumo de alcohol, menos tiempo de reacción).
• Valor absoluto: la intensidad de la relación. Cerca de 1 la relación es fuerte; próxima a 0 significa ausencia de relación lineal, no ausencia de cualquier relación.

El signo indica el sentido y el valor absoluto la fuerza: una correlación de −0,80 es más fuerte que una de +0,30, aunque sea negativa. Es un error frecuente confundir ambas cosas.

La advertencia central del método es que la correlación no implica causalidad. Que dos variables varíen juntas admite al menos cuatro explicaciones: que A cause B; que B cause A —el problema de la direccionalidad—; que una tercera variable cause las dos, en cuyo caso la correlación es espuria; o que se trate de una coincidencia. El ejemplo de manual es la correlación entre el número de policías de una ciudad y su número de delitos: no es que la policía cause delincuencia, sino que ambas cosas dependen del tamaño de la población.

Conviene retener la definición completa que maneja el examen: el método correlacional tiene por cometido hallar explicaciones mediante el estudio de las relaciones entre variables en marcos naturales, sin que exista manipulación de dichas variables. Dos rasgos, no uno: las variables no se tocan y además se observan donde se dan, lo que emparenta este método con los estudios de campo del apartado siguiente. Decir solo que «no manipula» se queda corto, y decir que «se enmarca en la metodología experimental» o que «las variables son manipulables» es directamente falso.

La relación se representa gráficamente en un diagrama de dispersión, donde cada sujeto es un punto: cuanto más se aproximan los puntos a una recta, mayor es la correlación. Y el coeficiente admite una lectura muy útil elevándolo al cuadrado: el coeficiente de determinación (r²) expresa la proporción de varianza compartida. Una correlación de 0,50, que parece alta, solo explica el 25 % de la variabilidad; es el antídoto contra el entusiasmo que producen los coeficientes medianos.

El coeficiente que procede depende de la escala de medida de las variables: Pearson para dos cuantitativas con relación lineal, Spearman —de rangos— cuando son ordinales o la relación no es lineal, y los coeficientes de contingencia o phi para variables nominales. Usar Pearson sobre datos ordinales es uno de los errores técnicos más repetidos.

De la correlación nace además la regresión, que es su uso predictivo: conocida la relación, se estima el valor de una variable a partir de la otra, con un margen de error que el propio modelo cuantifica. Y para lidiar con las terceras variables existe la correlación parcial, que mide la relación entre dos variables manteniendo constante una tercera; si al controlarla la correlación se desvanece, era espuria.

Con todo, el método correlacional no es un experimento fallido: es la herramienta adecuada para describir relaciones, para predecir —si dos variables correlacionan se puede estimar una a partir de la otra aunque no se sepa por qué— y para generar hipótesis que después se contrasten. Y en muchos ámbitos, incluida la criminología, es la única disponible.

6. Otros métodos y diseños

Junto a los dos anteriores se manejan habitualmente:

• Método descriptivo u observacional: registra sistemáticamente la conducta tal como ocurre, sin intervenir. Puede ser observación no participante o participante, cuando el investigador se integra en el grupo estudiado. Exige categorías de registro definidas de antemano y su problema propio es la reactividad: quien se sabe observado cambia.
• Método cuasiexperimental: hay manipulación o comparación entre condiciones, pero no hay asignación aleatoria porque los grupos vienen dados (dos comisarías, dos barrios, dos promociones). Permite conclusiones razonables sobre causa, pero más débiles, porque los grupos pueden diferir de partida.
• Método ex post facto: se estudia un efecto ya producido y se buscan hacia atrás sus posibles causas. Es lo habitual cuando se investiga un fenómeno que no se puede provocar.
• Encuesta: recogida sistemática de información mediante cuestionario sobre una muestra. Es la técnica reina en ciencias sociales y se estudia con detalle en el tema siguiente.
• Estudio de caso: análisis en profundidad de un único sujeto, grupo o suceso. Aporta riqueza y genera hipótesis, pero no permite generalizar.
• Metaanálisis: síntesis estadística de los resultados de muchos estudios previos sobre la misma cuestión, que arroja una conclusión más sólida que la de cualquiera de ellos por separado.

La observación sistemática merece una precisión, porque es la técnica que más se degrada cuando se improvisa. Exige un sistema de categorías definido de antemano que sea exhaustivo —toda conducta observable cabe en alguna— y mutuamente excluyente —ninguna cabe en dos—; un procedimiento de muestreo, que puede ser de tiempo (se registra lo que ocurre en intervalos fijos) o de sucesos (se registra cada vez que aparece la conducta); un soporte de registro; y una comprobación de la fiabilidad entre observadores. Además se distingue entre observación directa e indirecta —sobre huellas o documentos—, estructurada y no estructurada, y participante o no participante. Sin categorías previas, dos observadores registran cosas distintas y el estudio no mide nada.

Por su dimensión temporal, los estudios son transversales cuando se toman los datos en un solo momento —son rápidos y baratos, pero confunden el efecto de la edad con el de la generación— y longitudinales cuando se sigue a los mismos sujetos a lo largo del tiempo, que es lo que permite ver el desarrollo y establecer el orden temporal, a costa de años de trabajo y de la pérdida de participantes por el camino.

7. Estudios de laboratorio y estudios de campo

7.1. El laboratorio

El estudio de laboratorio se realiza en un entorno creado y controlado por el investigador, donde se pueden aislar las variables, medir con precisión y programar las condiciones. Sus ventajas son un control máximo de las variables extrañas y, por tanto, una validez interna alta; la posibilidad de manipular con exactitud la variable independiente; el uso de instrumental de medida preciso; y una replicabilidad que permite a otros repetir el estudio en las mismas condiciones.

Sus inconvenientes son el reverso exacto: la artificialidad de la situación, que puede provocar conductas que no se darían fuera; la consiguiente baja validez ecológica y las dudas sobre la generalización; la reactividad del sujeto, que sabe que está siendo estudiado; y unas muestras a menudo pequeñas y poco representativas.

7.2. El campo

El estudio de campo se realiza en el medio natural donde el fenómeno ocurre: la calle, el centro escolar, la comisaría, el estadio. Su gran ventaja es la validez ecológica: lo que se observa es la conducta real en su contexto real, con muestras más variadas y menos reactividad si la observación es discreta. Su precio es la pérdida de control —hay innumerables variables extrañas actuando a la vez—, la mayor dificultad de medida, el coste en tiempo y la dificultad de replicar exactamente la situación.

Conviene no confundir dos cosas: el experimento de campo sí manipula la variable independiente, pero lo hace en el medio natural —por ejemplo, reforzar la presencia policial en unas zonas asignadas al azar y no en otras—, y es la fórmula que mejor combina ambos mundos. El experimento natural, en cambio, no manipula nada: aprovecha un cambio producido por causas ajenas al investigador —una reforma legal, una huelga, una catástrofe— para comparar el antes y el después.

	Laboratorio	Campo
Control de variables	Alto	Bajo
Validez interna	Alta	Menor
Validez ecológica y externa	Baja	Alta
Precisión de la medida	Alta, con instrumental	Menor
Replicabilidad	Alta	Difícil
Reactividad del sujeto	Alta	Menor si la observación es discreta

La conclusión no es que uno sea mejor que otro, sino que responden a preguntas distintas y se complementan: el laboratorio establece que un efecto existe; el campo comprueba que ese efecto sigue existiendo donde importa.

7.3. La reactividad: Hawthorne y el experimentador

El efecto Hawthorne designa la alteración de la conducta por el mero hecho de saberse observado. Debe su nombre a los estudios realizados en la fábrica Hawthorne de la Western Electric, en los que la productividad aumentaba con cada cambio en las condiciones de trabajo —y también al deshacerlo—, lo que se atribuyó a la atención recibida más que a la iluminación o a las pausas. Es la razón por la que un dispositivo cualquiera «funciona» mientras se está evaluando.

El efecto del experimentador o efecto Rosenthal es la influencia involuntaria de las expectativas de quien investiga sobre los resultados que obtiene: se trata distinto, sin darse cuenta, a quien se espera que rinda mejor. Su versión escolar es el efecto Pigmalión o profecía autocumplida. El antídoto es el doble ciego.

Se añaden las características de demanda —el sujeto adivina qué se espera de él y colabora, o hace justamente lo contrario— y la deseabilidad social, que le lleva a responder lo que queda bien en lugar de lo que hace o piensa. Esta última arruina cuestionarios enteros sobre consumo de drogas, conducción temeraria o actitudes hacia grupos minoritarios, y se combate con el anonimato, con preguntas indirectas y con escalas de sinceridad.

8. La ética de la investigación

La investigación con personas está sujeta a límites que no son opcionales. Los principios asentados son el consentimiento informado —participar libremente, sabiendo en qué consiste el estudio y pudiendo abandonarlo en cualquier momento sin dar explicaciones—; la ausencia de daño físico o psicológico; la confidencialidad y el anonimato de los datos; y el derecho a la información sobre los resultados. Cuando el diseño exige engaño —porque decir la verdad destruiría el fenómeno estudiado— se admite solo si es imprescindible y siempre con un debriefing posterior en el que se explica el propósito real y se deshace cualquier malestar.

Los casos que fijaron estas reglas son conocidos y se preguntan: los experimentos de obediencia a la autoridad de Stanley Milgram, en los que los participantes creían administrar descargas eléctricas crecientes a otra persona, y el experimento de la prisión de Stanford de Philip Zimbardo, interrumpido antes de tiempo por la deriva de los participantes que hacían de guardianes. Ambos aportaron hallazgos de enorme influencia sobre la conducta en situación y ambos serían hoy inadmisibles tal como se hicieron. Por eso existen los comités de ética que aprueban los proyectos antes de ejecutarlos.

9. Los errores que arruinan una conclusión

Buena parte del valor práctico de este tema está en reconocer los fallos de razonamiento que convierten un dato correcto en una conclusión falsa:

• Sesgo de confirmación: buscar y valorar solo la información que apoya la hipótesis de partida, e ignorar la que la contradice. Es el más extendido y el más peligroso en una investigación policial.
• Confundir correlación con causa, ya visto, y su variante post hoc: si B ocurrió después de A, se atribuye a A.
• Regresión a la media: tras un valor extremo, la siguiente medida tiende a acercarse al promedio por puro azar. Si se interviene justo después de un pico de delitos, la bajada posterior se atribuirá a la intervención aunque no haya hecho nada.
• Muestra sesgada y sesgo de supervivencia: concluir sobre el total observando solo una parte no representativa, o solo los casos que «han llegado» hasta el investigador.
• Falacia ecológica: atribuir a los individuos lo que se ha observado en los grupos. Que un barrio tenga más delitos no dice nada de un vecino concreto.
• Cifra negra: en criminología, la diferencia entre los delitos cometidos y los conocidos por el sistema. Cualquier conclusión basada solo en estadísticas oficiales la arrastra, y por eso existen las encuestas de victimización.
• Pseudociencia: enunciados presentados como científicos que son infalsables, no se someten a revisión, no progresan y se apoyan en testimonios en lugar de en datos.

10. Aplicación al trabajo policial

Este tema no es un adorno académico para un Inspector: es el fundamento de tres cosas que hace a diario.

La primera es la investigación criminal, que reproduce el método científico casi paso por paso: de la observación de los hechos se pasa a la formulación de hipótesis sobre lo ocurrido y su autoría, de ellas se deducen consecuencias comprobables —dónde debería estar tal vestigio, qué debería decir tal registro— y se buscan las diligencias que las confirmen o las descarten. La lección de Popper es aquí operativa: una hipótesis de investigación vale por los datos que sería capaz de desmentirla, y el trabajo consiste tanto en buscar lo que la apoya como lo que la refuta. El sesgo de confirmación —fijar pronto un sospechoso y leer todo lo demás en esa clave— es la causa reconocida de errores graves, y el antídoto es exactamente el del método: hipótesis alternativas explícitas y contrastación deliberada.

La segunda es la evaluación de lo que funciona, o policía basada en la evidencia. Los ejemplos clásicos están en la literatura: el experimento de patrullaje preventivo de Kansas City, a comienzos de los años setenta, repartió zonas con patrullaje habitual, intensificado y suprimido y no encontró diferencias apreciables en la delincuencia registrada ni en la sensación de seguridad, lo que puso en cuestión una creencia asentada; años después, el experimento de puntos calientes de Minneapolis mostró que concentrar la presencia en los lugares donde se acumulan los hechos sí produce efecto. La diferencia entre creer que algo funciona y saberlo está en el diseño: grupos comparables, asignación al azar cuando es posible, medida antes y después y un grupo de control.

La tercera es la lectura crítica de datos: estadísticas de criminalidad, encuestas de percepción de seguridad, evaluaciones de programas. Saber que una bajada tras un máximo puede ser regresión a la media, que un aumento de denuncias puede reflejar más confianza en la policía en vez de más delitos, que la cifra negra deforma cualquier serie y que una muestra de conveniencia no autoriza a hablar de la ciudadanía es lo que separa a un mando que interpreta sus datos de otro al que los datos le interpretan a él.

Para juzgar cuánto vale una evaluación existe además una herramienta pensada justamente para esto: la escala de Maryland, propuesta por Sherman y su equipo en el informe Preventing Crime (1997), que gradúa el rigor metodológico en cinco niveles. El nivel 1 es la simple correlación entre un programa y una medida del delito en un momento dado; el 2 compara el antes y el después sin grupo de control; el 3 añade un grupo de comparación razonablemente equivalente; el 4 controla además otras variables relevantes; y el 5 es el ensayo con asignación aleatoria de las unidades a las condiciones. El criterio práctico que de ahí se sigue es que por debajo del nivel 3 no cabe afirmar que un programa funcione, por muy convincente que resulte el relato.

Toda evaluación seria distingue, por otra parte, entre la evaluación de proceso —si el programa se aplicó realmente como estaba diseñado, con qué intensidad y sobre quién— y la evaluación de resultado —si produjo el efecto buscado—. Confundirlas lleva a dar por fracasada una idea que en realidad nunca llegó a ejecutarse. Y hay que medir también los efectos no buscados: el desplazamiento del delito hacia otro lugar, otro momento, otro objetivo o otra modalidad, que convertiría en aparente un éxito local, y su reverso, la difusión de beneficios, por la que la mejora se extiende a zonas contiguas que no recibieron la intervención.

Ideas fuerza

• Conocimiento científico (Bunge): fáctico, trascendente, analítico, claro y preciso, comunicable, verificable, metódico, sistemático, general, legal, explicativo, predictivo, abierto y útil. Es provisional: el nuevo conocimiento invalida al anterior.
• Ciencias formales (lógica y matemáticas, método deductivo, verdad por coherencia) frente a fácticas (observación y experimento, verdad por correspondencia, conocimiento probable).
• Método = estrategia general · técnica = herramienta concreta · metodología = estudio de los métodos.
• Hipotético-deductivo: observación → hipótesis → deducción de consecuencias → contrastación. Las teorías se corroboran, no se demuestran.
• Popper: el criterio es la falsabilidad; ninguna observación favorable demuestra una ley, pero una sola en contra la refuta. Kuhn: ciencia normal, paradigma, anomalías, crisis y revolución. Lakatos: núcleo firme y cinturón protector; programas progresivos o degenerativos.
• Variables: independiente (se manipula, es la causa), dependiente (se mide, es el efecto) y extrañas (se controlan).
• 🚨 Cualitativas → dicotómicas o politómicas. Cuantitativas → discretas y continuas. Han caído las dos, con esas palabras.
• Constructo hipotético = variable no observable directamente (inteligencia, ansiedad, actitud). Como no se puede manipular, con constructos se usa el método correlacional.
• Escalas (Stevens): nominal (clasificar), ordinal (ordenar), de intervalo (distancias iguales, cero arbitrario) y de razón (cero absoluto: permite decir «el doble»).
• Experimental: manipulación + control + aleatorización. Es el único que prueba causa. No persigue grandes teorías globales, sino conocer las tendencias de los fenómenos para poder controlarlos.
• Correlacional: mide la relación sin manipular. Pearson entre −1 y +1; el signo da el sentido y el valor absoluto la fuerza. La correlación no implica causalidad (direccionalidad, tercera variable, correlación espuria).
• Fiabilidad = consistencia · validez = medir lo que se dice medir. Fiable sin ser válido es posible; válido sin ser fiable, no.
• Laboratorio: control y validez interna altos, validez ecológica baja. Campo: validez ecológica alta, control bajo. El experimento de campo manipula en el medio natural; el experimento natural no manipula nada.
• Reactividad: efecto Hawthorne (cambia la conducta por saberse observado) y efecto Rosenthal o del experimentador (las expectativas del investigador contaminan). Antídoto: doble ciego.
• Test-retest = fiabilidad (estabilidad temporal). Otras vías: formas paralelas, dos mitades con Spearman-Brown, alfa de Cronbach e interjueces. La confiabilidad es directamente proporcional al tamaño de muestra exigido.
• Validez: de contenido, de criterio (concurrente y predictiva), de constructo (convergente y discriminante) y aparente. Amenazas a la interna (Campbell y Stanley): historia, maduración, administración de test, instrumentación, regresión estadística, selección diferencial y mortalidad experimental.
• Correlacional, definición del examen: halla explicaciones estudiando relaciones entre variables en marcos naturales y sin manipularlas. r² = varianza compartida: un 0,50 explica solo el 25 %. Pearson (cuantitativas), Spearman (ordinales), phi o contingencia (nominales).
• Diseños: preexperimentales (sin control), experimentales verdaderos (control + aleatorización) y cuasiexperimentales. El factorial es el único que detecta la interacción.
• Escala de Maryland (Sherman, 1997): cinco niveles de rigor; por debajo del 3 —el del grupo de comparación— no cabe decir que un programa funcione. Evaluación de proceso ≠ de resultado; y hay que mirar el desplazamiento del delito y la difusión de beneficios.
• Errores tipo I (afirmar un efecto inexistente) y tipo II (no ver el que existe). Regresión a la media, falacia ecológica, cifra negra y sesgo de confirmación, que es el que más daño hace en una investigación criminal.