• INICIO
  • Portafolio
  • Bitácoras
  • CONTACTO
Some text
Some text
Clic aquí

Hipótesis de Investigación

Posted on 4 Nov a las 4:06 am
No hay comentarios

Bitácora 10 · Jose Ávila

Nivel literal

2.1 ¿De dónde nacen las hipótesis?

Según Hernández Sampieri et al. (2014), las hipótesis nacen del planteamiento del problema y de la revisión de la literatura. Están amarradas a los objetivos y a las preguntas de investigación: son la respuesta tentativa a esas preguntas. Pueden derivarse del postulado de una teoría, de generalizaciones empíricas que dejan otros estudios o de antecedentes que sugieren una relación aunque no exista una teoría completa detrás.

También pueden surgir de la observación, la experiencia o la intuición del investigador, pero no se quedan ahí: tienen que apoyarse en conocimiento previo y poder someterse a prueba. Por eso no todos los estudios las formulan. Los exploratorios no las plantean; los descriptivos solo cuando pronostican un dato; los correlacionales y explicativos sí.

2.2 ¿Qué es una hipótesis nula, alternativa y estadística?

La hipótesis nula (Ho) es el reverso de la hipótesis de investigación: niega o refuta la relación que esta propone. Si la de investigación dice que dos variables se relacionan, la nula dice que no.

La hipótesis alternativa (Ha) ofrece otra explicación distinta de la de investigación y de la nula. Solo se formula cuando de verdad existen otras posibilidades. Por ejemplo, si la de investigación dice “esta silla es roja” y la nula “esta silla no es roja”, una alternativa sería “esta silla es azul”.

La hipótesis estadística es la traducción de las hipótesis de investigación, nula y alternativa a símbolos estadísticos. Solo se usa cuando los datos son cuantitativos (números, porcentajes, promedios). Hay tres clases: de estimación (un valor), de correlación (por ejemplo, Ho: r = 0) y de diferencia de medias u otros valores (por ejemplo, Ho: μ1 = μ2).

2.3 ¿Cuál es el papel de la hipótesis en el enfoque cuantitativo y en el cualitativo?

En el enfoque cuantitativo la hipótesis es la guía del estudio. Se formula antes de recolectar los datos, a partir del marco teórico, y define qué se va a medir y qué se espera encontrar. Después se somete a prueba: los datos la apoyan o no la apoyan. Es un camino deductivo, que va de la teoría al dato.

En el enfoque cualitativo la hipótesis cumple otro papel. Normalmente no se plantea antes de entrar al campo: va surgiendo durante la investigación, se ajusta a medida que llegan nuevos datos y muchas veces es un resultado del estudio y no su punto de partida. Es un camino inductivo, que va del dato a la teoría, como ocurre en la teoría fundamentada.

2.4 Ocho tipos de hipótesis

Tipo Qué es Ejemplo
Descriptiva Pronostica un valor o dato de una variable. El tiempo diario de uso de redes sociales de los estudiantes de primer semestre estará entre 4 y 5 horas.
Correlacional Plantea que dos o más variables se relacionan, y puede decir en qué dirección, pero no afirma causa. A mayor tiempo diario en redes sociales, menos horas de sueño en estudiantes universitarios.
De diferencia de grupos Afirma que dos o más grupos difieren en una variable; puede decir o no cuál está por encima. Los estudiantes que trabajan dedican menos horas a la lectura académica que los que solo estudian.
Causal bivariada Plantea una relación de causa y efecto entre una variable independiente y una dependiente. La exposición a noticias falsas sobre un candidato disminuye la confianza en él.
Causal multivariada Relaciona varias independientes con una dependiente, una independiente con varias dependientes, o varias con varias. La credibilidad del influenciador y la frecuencia del anuncio determinan la intención de compra.
Nula (Ho) Niega la relación que propone la hipótesis de investigación. No existe relación entre el tiempo en redes sociales y las horas de sueño.
Alternativa (Ha) Ofrece una explicación distinta de la de investigación y de la nula. Hi: el 60 % prefiere clases presenciales. Ha: más del 60 % las prefiere.
Estadística Expresa las anteriores en símbolos estadísticos. Hi: r ≠ 0; Ho: r = 0 (correlación entre redes y sueño).

Nivel inferencial

3.1 ¿Qué tipo de hipótesis es?

“La motivación intrínseca hacia el trabajo de ejecutivos de grandes empresas industriales influye en su productividad y en su ascenso dentro de la organización.”

Es una hipótesis de investigación causal multivariada, del subtipo en que una variable independiente afecta a varias dependientes.

Es causal porque el verbo “influye” afirma que una variable produce un efecto en otras, no solo que se mueven juntas. Si dijera “se relaciona con”, sería correlacional.

Es multivariada porque tiene tres variables y no dos:

Papel Variable
Independiente (causa) Motivación intrínseca hacia el trabajo
Dependiente 1 (efecto) Productividad
Dependiente 2 (efecto) Ascenso dentro de la organización

La población a la que se refiere son los ejecutivos de grandes empresas industriales. Toda hipótesis causal supone una correlación previa, pero no al revés: que dos cosas se muevan juntas no prueba que una cause la otra.

La hipótesis no dice en qué dirección influye. Podría precisarse así: “a mayor motivación intrínseca, mayor productividad y más ascensos”. Su nula sería: “La motivación intrínseca hacia el trabajo de ejecutivos de grandes empresas industriales no influye en su productividad ni en su ascenso dentro de la organización”.

Nivel intertextual

Cada fila toma un experimento social disponible en YouTube y formula, a partir de él, una hipótesis del tipo indicado.

# Tipo de hipótesis Hipótesis formulada Experimento social (YouTube)
4.1 Descriptiva Menos del 1 % de los transeúntes de una estación de metro en hora pico se detendrá a escuchar a un violinista profesional que toca de incógnito. Joshua Bell, “Stop and Hear the Music” (The Washington Post)
4.2 Correlacional A mayor tiempo que un niño logra esperar antes de comerse el dulce, mayor será su rendimiento académico en la adolescencia. El test del malvavisco
4.3 De diferencia de grupos Las personas ayudan más a un hombre bien vestido que se cae en la calle que al mismo hombre vestido como habitante de calle. Does appearance change how people are treated? (Coby Persin)
4.4 Causal bivariada Las órdenes de una figura de autoridad hacen que las personas apliquen descargas que creen dolorosas a otra persona. Stanley Milgram: Obedience to Authority
4.5 Causal multivariada La presión de una mayoría unánime y la ausencia de un aliado aumentan la probabilidad de que una persona dé una respuesta que sabe incorrecta. Asch Conformity Experiment
4.6 Nula La presencia de otras personas que no reaccionan no cambia la probabilidad de que alguien reporte el humo que entra a la sala. The smoke filled room study
4.7 Alternativa Hi: los transeúntes intervienen menos cuando una mujer le roba a un hombre que cuando un hombre le roba a una mujer. Ho: no hay diferencia. Ha: la diferencia no depende de quién roba, sino de quién es la víctima. Girl vs Guy Pickpocket Experiment (Coby Persin)

En el caso del humo, los resultados de Latané y Darley (1968) rechazan la hipótesis nula: las personas solas reportaron el humo cerca del 75 % de las veces, y las acompañadas por dos personas pasivas, solo cerca del 10 %.

Una advertencia crítica: los videos de 4.3 y 4.7 son “experimentos” de YouTube, no estudios controlados. Pueden estar editados o actuados, así que sirven para formular hipótesis, no para probarlas. El de 4.7 además cambia dos cosas a la vez, el género de quien roba y el de la víctima, así que no permite saber cuál de las dos explica la diferencia.

Nivel analítico crítico propositivo

Hipótesis para la salida de campo

Mi salida de campo comparó dos establecimientos de trabajo sexual en Bogotá: uno en el sur (Primera de Mayo) y otro en el norte (calle 95). La hipótesis que formularía es de diferencia de grupos:

Hipótesis
Investigación (Hi) Las mujeres que trabajan en establecimientos de zonas de estrato alto de Bogotá tienen más autonomía económica y más posibilidad de escoger a sus clientes que las que trabajan en establecimientos de zonas de estrato bajo.
Nula (Ho) No hay diferencia en autonomía económica ni en posibilidad de escoger clientes entre las mujeres de los dos tipos de establecimiento.
Alternativa (Ha) La diferencia en autonomía no depende de la zona, sino del modelo de negocio del establecimiento: cobrar un porcentaje de la tarifa o cobrarle al cliente por usar el espacio.

La variable independiente es la zona del establecimiento. Las dependientes son la autonomía económica, medida como la parte de la tarifa que conserva la mujer, y la posibilidad de rechazar o escoger clientes.

Por qué no es una hipótesis causal

La formulo como diferencia de grupos y no como causal a propósito. En el campo vi una diferencia, pero no puedo decir que la zona la cause. Puede haber variables que intervienen: el modelo de negocio de cada casa, el tipo de cliente o la situación económica con la que cada mujer llega. Por eso la hipótesis alternativa propone una explicación rival: que lo decisivo sea cómo cobra el establecimiento y no dónde queda.

Cómo nació y cómo se podría probar

Esta hipótesis no existía antes de ir; nació de lo que encontré. Eso es lo que Hernández Sampieri et al. (2014) describen para el enfoque cualitativo: la hipótesis emerge durante el estudio. Antes de ir sí tenía una hipótesis implícita, que este trabajo se hace solo por necesidad, y el campo la corrigió: una de las mujeres de Lido venía de una familia sin necesidad económica y dijo que escogía con quién estar.

Con dos establecimientos y cuatro conversaciones, esta hipótesis no se puede probar; es una hipótesis de trabajo. Para ponerla a prueba propondría:

  1. Visitar varios establecimientos por zona, no uno.
  2. Medir la autonomía con datos concretos: qué porcentaje de la tarifa conserva la mujer, si fija su propio precio y si puede rechazar a un cliente.
  3. Registrar el modelo de negocio de cada casa, para separar el efecto de la zona del efecto de la forma de cobrar.
  4. Pedir consentimiento informado y garantizar el anonimato de cada mujer, porque en este campo la identidad es un riesgo.

Bitácora

Lo que más me hizo pensar esta semana fue una sospecha incómoda: casi siempre que creemos haber encontrado una causa, lo que encontramos son dos cosas que pasaron al mismo tiempo. Me di cuenta armando la tabla de hipótesis. En el video del carterista, cuando una mujer le roba a un hombre nadie interviene, y cuando un hombre le roba a una mujer varios corren a ayudar. La conclusión parece obvia hasta que uno nota que el video cambió dos cosas a la vez: quién roba y a quién le roban. Con eso no se puede saber cuál de las dos explica la reacción de la gente. Y lo peor es que mi salida de campo tiene el mismo problema. Angelos y Lido no se diferencian en una sola cosa, sino en todo al mismo tiempo: la zona, el precio, los clientes y la forma en que la casa cobra. Si digo que en el norte las mujeres tienen más autonomía “porque” están en el norte, estaría haciendo lo mismo que el video.

Eso es lo que el curso llama discernibilidad causal: la capacidad de separar, entre todas las diferencias que uno ve, cuál es la que produce el efecto. Y el mejor ejemplo de esa habilidad, aunque suene raro, es el experimento de Milgram.

En el nivel literal, el experimento es conocido. Entre 1961 y 1962, en la Universidad de Yale, Stanley Milgram reclutó hombres para un supuesto estudio sobre la memoria. Cada participante hacía de “maestro” y debía aplicarle descargas eléctricas cada vez más fuertes, de 15 a 450 voltios, a un “alumno” que en realidad era un actor y no recibía nada. Cuando el maestro dudaba, el experimentador le decía frases como “por favor, continúe”. En la primera versión, 26 de los 40 participantes, el 65 %, llegaron hasta el último interruptor (Milgram, 1963).

Lo que casi nunca se cuenta es lo que Milgram hizo después, y ahí está el nivel inferencial. No se quedó con el 65 %. Repitió el experimento cambiando una sola cosa cada vez. Cuando el alumno estaba en el mismo cuarto, la obediencia bajó al 40 %. Cuando el maestro tenía que forzar la mano del alumno sobre una placa, bajó al 30 %. Cuando el experimentador daba las órdenes por teléfono, cayó a cerca del 21 %. Cuando el estudio se hizo en una oficina comercial de Bridgeport y no en Yale, quedó cerca del 48 %. Y cuando el participante estaba con dos compañeros que se negaban a seguir, solo el 10 % obedeció hasta el final (Milgram, 1974). Cada variación aísla una variable, que es exactamente lo contrario del video del carterista. Gracias a eso, la frase “la autoridad causa obediencia” deja de ser una consigna y se vuelve algo más preciso: la obediencia depende de qué tan cerca está la autoridad y qué tan lejos está la víctima, y se rompe cuando aparece alguien que desobedece primero.

En el nivel intertextual, lo interesante es que ni siquiera Milgram se salva del pensamiento crítico. Haslam, Reicher y Birney (2014), en una versión adaptada del procedimiento, encontraron que la única frase que era una orden directa, “no tiene otra opción, debe continuar”, era justo la que hacía que la gente se detuviera. Las personas seguían cuando se les hablaba de la importancia del experimento para la ciencia, no cuando se les mandaba. Si eso es así, lo que Milgram midió no sería obediencia ciega, sino compromiso con una causa que la gente creía valiosa. Además, Gina Perry (2012), revisando los archivos originales, encontró que el experimentador se salía del guion y que muchos participantes dudaban de que las descargas fueran reales. Con el test del malvavisco pasa algo parecido. Durante años se dijo que esperar el segundo dulce predecía el éxito, pero cuando Watts, Duncan y Quan (2018) repitieron el estudio con una muestra más diversa, la relación se debilitó mucho al tener en cuenta el entorno familiar de cada niño. Lo que parecía un rasgo de carácter podía ser, en parte, una diferencia de condiciones.

De ahí saco que el pensamiento crítico no es desconfiar de todo, sino preguntarse qué permiten decir realmente los datos. Un estudio clásico puede tener un hallazgo sólido y, al mismo tiempo, una interpretación que no aguanta revisión.

Hay otra habilidad que Milgram enseña, pero por el lado contrario: la ética. Diana Baumrind (1964) criticó el estudio por el sufrimiento de los participantes, que sudaban, temblaban y se reían de nervios mientras seguían apretando botones. Lo que le dio a Milgram su capacidad para discernir causas fue el engaño, y el engaño fue también su daño. Es la misma tensión que encontré cuando escribí sobre el sociodrama: la fuerza del método y su riesgo ético son la misma cosa. En mi salida de campo esa tensión también existe. Por eso las fotos van con las caras difuminadas y la hipótesis que propongo incluye consentimiento informado y anonimato.

En el nivel crítico y propositivo, lo que me llevo es una forma de corregir mi propia hipótesis. Si quiero saber si la autonomía de las mujeres depende de la zona o del modelo de negocio, tengo que hacer lo que hizo Milgram: comparar casas de la misma zona con formas de cobro distintas, y casas con la misma forma de cobro en zonas distintas. Mientras no lo haga, lo honesto es formularla como diferencia de grupos y no como causa, que es lo que hice. Además, el campo ya me corrigió una vez: yo creía que este trabajo se hacía solo por necesidad, y una mujer de Lido que venía de una familia ganadera me mostró lo contrario. Esa disposición a dejar que un caso me contradiga también es una habilidad de investigador.

Al final, creo que un buen investigador no es el que encuentra la causa más rápido, sino el que más tiempo aguanta las ganas de declararla. Milgram la encontró porque se negó a quedarse con su primer resultado, y sus críticos la discuten porque se negaron a quedarse con la interpretación de Milgram. Esa cadena de desconfianza ordenada, más que cualquier dato, es lo que hace avanzar la investigación.

Referencias

Baumrind, D. (1964). Some thoughts on ethics of research: After reading Milgram’s “Behavioral study of obedience”. American Psychologist, 19(6), 421–423.
Haslam, S. A., Reicher, S. D. y Birney, M. E. (2014). Nothing by mere authority: Evidence that in an experimental analogue of the Milgram paradigm participants are motivated not by orders but by appeals to science. Journal of Social Issues, 70(3), 473–488.
Hernández Sampieri, R., Fernández Collado, C. y Baptista Lucio, M. del P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education.
Latané, B. y Darley, J. M. (1968). Group inhibition of bystander intervention in emergencies. Journal of Personality and Social Psychology, 10(3), 215–221.
Milgram, S. (1963). Behavioral study of obedience. Journal of Abnormal and Social Psychology, 67(4), 371–378.
Milgram, S. (1974). Obedience to authority: An experimental view. Harper & Row.
Perry, G. (2012). Behind the shock machine: The untold story of the notorious Milgram psychology experiments. Scribe.
Watts, T. W., Duncan, G. J. y Quan, H. (2018). Revisiting the marshmallow test: A conceptual replication investigating links between early delay of gratification and later outcomes. Psychological Science, 29(7), 1159–1177.

Los enlaces a los videos de YouTube están en la tabla del nivel intertextual.

Volver a las bitácoras
Entrada anterior
Semana 9 Investigación Social
Entrada siguiente
Bitácora: paradigmas, datos cuantitativos y modelo VAK

Deja un comentario Cancelar respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Fill out this field
Fill out this field
Por favor, introduce una dirección de correo válida.
You need to agree with the terms to proceed

Otras semanas

  • Bitácora: rapport noviembre 11, 2026
  • Bitácora: paradigmas, datos cuantitativos y modelo VAK noviembre 11, 2026
  • Hipótesis de Investigación noviembre 4, 2026
  • Semana 9 Investigación Social septiembre 23, 2026
  • Semana 8 Investigación Social septiembre 16, 2026

CONTACTO

Bogotá, Colombia
contacto@avnotech.com

ENLACES

Inicio
Portafolio
Contacto

TIENDA

Ver Tienda
Mi Cuenta
Carrito

SIGUENOS

Instagram
TikTok

TODOS LOS DERECHOS RESERVADOS AVNO TECH  | 2026 | DISEÑO POR Jose Ávila y Gustavo Gomez

imunify-bot-check