La investigación correlacional tiene como propósito medir el grado de asociación entre dos o más variables, sin manipularlas y sin afirmar que una es causa de la otra. Es un nivel intermedio entre lo descriptivo y lo explicativo, muy usado en tesis de ciencias sociales, salud e ingeniería.
El coeficiente de correlación
El estadístico más usado es el coeficiente de correlación de Pearson (para variables cuantitativas con distribución normal) o Spearman (para variables ordinales o no normales). Su valor oscila entre -1 y +1:
- Cercano a +1: correlación positiva fuerte — ambas variables aumentan juntas.
- Cercano a -1: correlación negativa fuerte — cuando una sube, la otra baja.
- Cercano a 0: correlación débil o inexistente.
El error más común: confundir correlación con causalidad
Encontrar una correlación significativa entre el consumo de cafeína y la productividad académica no prueba que la cafeína cause mayor productividad. Podría haber una tercera variable (por ejemplo, las horas de sueño) explicando ambas. Este es, sin duda, el error metodológico más señalado en observaciones de jurado sobre este tipo de estudios.
Ejemplo aplicado
Un estudio correlacional típico podría plantear: "Relación entre el uso de plataformas virtuales de aprendizaje y el rendimiento académico en estudiantes de ingeniería." El investigador mide ambas variables tal como ocurren naturalmente, calcula el coeficiente de correlación y reporta la fuerza y dirección de la asociación — sin afirmar causalidad.
Cuándo elegir este nivel
Es adecuado cuando ya existe suficiente literatura descriptiva sobre las variables individuales, pero aún no se sabe si están relacionadas entre sí, o cuando manipular experimentalmente las variables no es ético o factible (por ejemplo, no se puede "asignar" aleatoriamente el nivel de estrés a un grupo de personas).