Definido el nivel y el enfoque de tu investigación, queda una tercera decisión clave: el diseño, es decir, la estrategia concreta que seguirás para recolectar y analizar los datos. La primera gran bifurcación es entre diseños experimentales y no experimentales.
Diseño experimental
El investigador manipula deliberadamente una o más variables independientes, asigna aleatoriamente a los participantes a grupos (experimental y control), y controla las condiciones para observar el efecto sobre una variable dependiente. Es el diseño con mayor capacidad para establecer causalidad.
Ejemplo: Evaluar el efecto de un nuevo aditivo en la resistencia del concreto, fabricando probetas con y sin el aditivo bajo condiciones controladas de laboratorio.
Diseño cuasiexperimental
Similar al experimental, pero sin asignación aleatoria de los participantes a los grupos — se trabaja con grupos ya formados (por ejemplo, dos secciones de un mismo curso). Es muy común en investigación educativa, donde no es posible ni ético reasignar estudiantes aleatoriamente.
Diseño no experimental
El investigador observa los fenómenos tal como ocurren en su contexto natural, sin manipular variables. Se subdivide principalmente en:
- Transversal: los datos se recolectan en un único momento en el tiempo.
- Longitudinal: los datos se recolectan en distintos momentos, para observar cambios a lo largo del tiempo.
Ejemplo: Describir el nivel de satisfacción laboral de los trabajadores de una empresa mediante una encuesta aplicada en un solo momento (transversal).
¿Cuál elegir?
La decisión depende del nivel de tu investigación (una explicativa casi siempre requiere diseño experimental o cuasiexperimental), de consideraciones éticas (no todo se puede manipular), y de los recursos y tiempo disponibles. Un diseño experimental bien ejecutado suele ser más robusto, pero también más costoso y demandante en tiempo — algo que hay que sopesar realistamente frente al cronograma de una tesis.