South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
mixed designs. In addition, some findings are discussed in  
relation to the epistemic nature of designs that were not  
previously classified by methodologists. This proposal aims to  
provide researchers with a clear and structured guide to  
identify more specific strategies in the development of their  
research. By understanding the characteristics and scope of  
each design, researchers will be able to select the most  
appropriate approach.  
Nueva organización de los diseños de  
investigación  
New organization of research designs  
Patricio Cabrera-Tenecela1  
1
Key words: research design, qualitative, quantitative,  
mixed  
Universidad de Salamanca, Campus Miguel de Unamuno.  
Edificio FES Avda. Francisco Tomás y Valiente, s/n.,  
Salamanca, España.  
INTRODUCCIÓN  
Correspondencia: pcabrera08@usal.es  
Hasta ahora, los manuales de investigación suelen  
abordar el enfoque de investigación y sus alcances antes de  
adentrarse en los diseños de investigación. Sin embargo, ¿qué  
sucedería si se diera prioridad a los diseños de investigación,  
comenzando por los más simples y avanzando hacia los más  
complejos? Esta propuesta busca explorar una nueva  
perspectiva en la presentación de la información, colocando a  
los diseños de investigación en el centro de atención desde el  
principio.  
Todas las culturas se han preocupado por encontrar  
métodos que permitan conocerse a sí mismas y al mundo  
exterior. En un principio, estos procedimientos dependían de  
las supersticiones, así como del desarrollo de la técnica, pero  
desde hace medio siglo, Farrington (1984) recogió las ideas de  
Aristóteles para recalcar que la búsqueda de conocimiento no  
se limita a una religión, un idioma o un pueblo en particular,  
sino a intereses cognitivos comunes que incluso van más allá  
de las utilidades prácticas. Conocer para alimentar la  
curiosidad es la característica más importante de la ciencia y  
del científico de todos los tiempos y lugares.  
En la búsqueda del conocimiento, los científicos se han  
inventado métodos de observación y experimentación que las  
comunidades científicas avalan o rechazan por varias razones.  
Por lo general, los métodos científicos avalados se  
retroalimentan continuamente y, en raras ocasiones, se  
producen revoluciones que desechan los conocimientos  
acumulados anteriormente pues como sostiene Bunge (1983),  
regularmente armoniza con el grueso de los conocimientos  
previos.  
Recepción: 1 de marzo de 2023 - Aceptación: 14 de junio de 2023 -  
Publicación: 14 de junio de 2023  
RESUMEN  
Identificar un diseño de investigación es uno de los  
problemas más comunes al plantear un proyecto científico. En  
esta propuesta metodológica, se parte de los manuales más  
citados en metodología de la investigación para extraer,  
completar y reorganizar los diseños de investigación. Los  
libros de Bryman (2016), Cohen et al. (2017) y Hernández  
Sampieri et al. (2014) son los más citados en los últimos ocho  
años y ocupan los primeros puestos de relevancia en Google  
Académico. Con base en ellos y en las recomendaciones de la  
última edición del Manual APA, se propone una síntesis de los  
diseños de investigación agrupados en 12 unidades  
comenzando por los más flexibles (cualitativos) y avanzando  
hacia los menos flexibles (cuantitativos) hasta en ocho niveles,  
para luego abordar las particularidades de otros diseños  
incluyendo a los mixtos. Además, se discuten algunos  
hallazgos en relación con la naturaleza epistémica de los  
diseños que anteriormente no fueron clasificados por los  
metodólogos. Esta propuesta proporciona a los investigadores  
una guía clara y estructurada para identificar estrategias más  
específicas al desarrollar su investigación. Al comprender las  
características y el alcance de cada diseño, los investigadores  
podrán seleccionar el enfoque más apropiado.  
Palabras clave: diseño de investigación, cualitativo,  
cuantitativo, mixto  
En el siglo XIX se diseñaron maneras de investigar de  
forma sistemática para determinar cómo se comportan los  
individuos y la sociedad (Raynaud, 2022). Sin embargo, como  
reacción al positivismo, surgieron autores como Dilthey  
ABSTRACT  
Identifying a research design is one of the most common  
problems when planning a scientific project. In this  
methodological proposal, we start from the most cited manuals  
in research methodology to extract, complete and reorganize  
research designs. The books by Bryman (2016), Cohen et al.  
(
2000) que sostuvieron que existen aspectos humanos y  
culturales que no se logran explicar sino a lo mucho  
interpretar. Al cobijo de teorías filosóficas como el idealismo,  
la fenomenología, el existencialismo, el constructivismo  
social, el estructuralismo, el psicoanálisis, el interaccionismo  
(
2017) and Hernández Sampieri et al. (2014) are the most cited  
in the last eight years and occupy the first positions of  
relevance in Google Scholar. Based on them and on the  
recommendations of the latest edition of the APA Manual, a  
synthesis of research designs grouped in 12 units is proposed,  
starting with the most flexible (qualitative) and moving  
towards the less flexible (quantitative) up to eight levels, and  
then addressing the particularities of other designs, including  
simbólico  
y la posmodernidad, surgieron diseños de  
investigación inductivos como la hermenéutica, la etnografía,  
la fenomenología, la narrativa, el análisis crítico del discurso,  
la investigación acción, entre otras, intentando comprender la  
perspectiva, tanto de los participantes del estudio (emic) como  
de los investigadores (etic) (Páramo Reales et al., 2020). Esta  
perspectiva generó una división muy marcada, pues defienden  
https://doi.org/10.5281/zenodo.8050508  
37  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
la tesis de que las ciencias sociales y humanas requieren de un  
método propio, radicalmente diferente al de las ciencias  
naturales. Por ello, la fiabilidad y validez de los diseños  
cualitativos se agota en un proceso de triangulación entre  
diversas fuentes de información o categorías de estudio. Muy  
pocos investigadores de esta línea se han cuestionado la  
validez de emplear técnicas tan subjetivas en las que resulta  
imposible controlar el sesgo del investigador y la veracidad de  
los resultados (Rose y Johnson, 2020). Pese a que autores  
como Weber han realizado grandes generalizaciones y han  
impulsado la investigación interpretativa, bajo la perspectiva  
filosófica que los alberga, sus hallazgos particulares suelen no  
ser generalizables.  
Por el contrario, el método hipotético-deductivo que se  
emplea en las ciencias naturales mantuvo su curso con la  
preocupación por identificar e intentar explicar la realidad con  
técnicas que intentan controlar el sesgo del investigador.  
Muchos investigadores de las ciencias sociales se han  
mantenido en esta línea. Las teorías filosóficas que cobijan a  
este tipo de investigación son el positivismo, el realismo, el  
materialismo, el empirismo, el emergentismo, así como el  
sistemismo. No obstante, Bunge (2005) sostiene que, a pesar  
de que cada científico tiene sus creencias en el ámbito  
personal, cuando hace ciencia tiende a hacer un pacto con el  
epistemológico, los métodos mixtos, en la práctica, están  
conquistando un lugar cada vez más común en las ciencias  
sociales y las ciencias de la salud .  
1
Dependiendo de los enfoques señalados anteriormente,  
las posibilidades de investigación pueden ser flexibles o poco  
maleables. Sin embargo, en una investigación concreta, el  
discurso epistémico es superfluo, ya que lo realmente  
importante es explicar el método que se va a seguir o se ha  
seguido en la investigación. Por ello, al diseñar una  
investigación, es necesario identificar diseños de investigación  
específicos para evitar grandes sorpresas al ejecutar un  
proyecto. Por ejemplo, existen diseños que van desde la  
construcción de herramientas (Carretero-Dios, 2007; Gómez y  
Dorati, 2017), la descripción observacional o la creación de  
experimentos (Campbell y Stanley, 2015; Cárdenas Castro,  
2009), hasta el empleo de la investigación cualitativa  
(Hernández Sampieri et al., 2014), y a menudo se combinan  
estos diseños (Creswell, 2013). Un diseño de investigación  
presenta de forma ordenada las estrategias empleadas a lo  
largo de una investigación.  
Según Kirshenblatt-Gimblett (2006), al elegir un diseño  
de investigación se selecciona una guía general para integrar  
de manera lógica y coherente distintos componentes de un  
estudio, a fin de garantizar que se aborde eficazmente el  
problema de investigación. Este rumbo incluye un plan de  
recopilación, medición y análisis de datos. Por su parte,  
Creswell y Creswell ((2017) explican que se utiliza una  
colección de procedimientos y técnicas para recopilar y  
analizar las variables especificadas en la pregunta de  
investigación. Bajo este concepto, se describe el tipo de  
estudio, el problema de investigación, las hipótesis, las  
variables independientes y dependientes, los métodos de  
recolección de datos y el plan de análisis estadístico. Según  
Hernández Sampieri et al. (2014), un diseño de investigación  
se define como "…un plan o estrategia concebida para obtener  
la información que se desea con el fin de responder al  
planteamiento del problema…" (p. 128). Un diseño de  
investigación, además de especificar el camino, facilita la  
replicabilidad del proyecto para hacer frente al problema de  
investigación en otros lugares y momentos.  
realismo  
y el materialismo, de forma consciente o  
inconsciente, pues los principios de estas filosofías facilitan la  
investigación en ciencias naturales y sociales. En este caso, los  
diseños de investigación son dos: observacional  
o
experimental (Campbell y Stanley, 2015). En ambos casos,  
existen diseños de investigación que están sujetos a ciertas  
reglas como la validez, confiabilidad, aleatorización de las  
muestras, la replicabilidad, entre otras, que demandan  
conocimientos especializados para evitar la deshonestidad  
estadística (Abril y Abril, 2021). Autores funcionalistas como  
Durkheim, con base en estas reglas de juego consideraron que  
los hallazgos de este tipo de investigación son susceptibles de  
generalización.  
Frente a las disputas que existen entre el enfoque  
cuantitativo y el cualitativo, ha surgido una tercera vía llevada  
de la mano del pragmatismo: los métodos mixtos. "La base  
filosófica del pragmatismo permite  
y
orienta  
a
los  
Casi todos los proyectos que adoptan el método  
hipotético-deductivo seleccionan los diseños de forma previa  
a la investigación, por lo que sus investigaciones nuevas, en la  
práctica, están orientadas principalmente por la teoría y/o la  
imaginación de nuevas hipótesis (Bunge, 2005). En ocasiones,  
cuando se enfrentan a los datos de la realidad, los científicos  
noveles se ven obligados a replanificar sus investigaciones. La  
“replanificación” no necesariamente significa “volver a  
planificar”, sino más bien hacer ajustes en el diseño original.  
A más de un investigador le ha ocurrido que tiene que  
reconsiderar la muestra o los instrumentos de medición. Ahora  
bien, si no existe la intención fraudulenta de ofrecer algo y  
luego entregar otra cosa, esto debe considerarse un proceso  
compatible con el falibilismo científico cuando no es posible  
encontrar un estado del arte avanzado debido a la originalidad  
investigadores de métodos mixtos a utilizar diversos enfoques  
para responder a cuestiones de investigación que no pueden  
abordarse con un único método" (Doyle et al., 2009, p. 175).  
Sin embargo, no se puede dar por sentado que el debate  
anterior haya sido superado por esta vía, pues la falta de  
concordancia entre la teoría y la realidad no supone un  
problema para un tipo de investigación que, en principio, no  
se deja guiar por la teoría. Otra posibilidad es considerar que  
los métodos mixtos forman parte de los estudios  
interpretativos, ya que en ellos se tolera el error y el sesgo que  
la investigación cuantitativa trata de controlar. No obstante,  
autores como Bryman (2016) proponen estrategias incrustadas  
inversas, pues según él, es posible un diseño cualitativo dentro  
de un estudio cuantitativo transversal. Sea cual sea el trasfondo  
1
(
2012), quien sosꢀene que no hay grandes diferencias entre invesꢀgación  
A propósito del parecido entre diseños de invesꢀgación en ciencias sociales  
epidemiológica y ciencias sociales a la hora de desarrollar invesꢀgación  
cuanꢀtaꢀva.  
y ciencias de la salud, al menos existe una propuesta desarrollada por Supo  
https://doi.org/10.5281/zenodo.8050508  
38  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
de la investigación. En otros casos, el abordaje de problemas  
nuevos supone la adaptación creativa y crítica de los diseños  
de investigación existentes. Después de todo, los métodos de  
las ciencias sociales, al igual que los de las ciencias naturales,  
radican en ensayar posibles soluciones para sus problemas  
supone asumir el rigor de procedimientos que han sido  
probados por otros científicos para evitar la improvisación.  
Esta situación se torna aún más inevitable cuando los estudios  
biológicos aplicados a las ciencias de la salud tienen muy bien  
delimitados sus diseños de investigación y les resulta fácil  
orientar a estudiantes, maestrantes o doctorandos a la hora de  
realizar una investigación, mientras que, en las ciencias  
sociales, los metodólogos todavía discuten si se deben o no  
aplicar diseños de investigación en los campos cualitativos o  
mixtos.  
Como hemos visto, estas discusiones son muy  
productivas en el campo epistemológico. Sin embargo, en el  
ámbito práctico de la investigación, resultan una carga, ya que  
a menudo los investigadores jóvenes están preocupados por  
definir la tipología, el enfoque, el nivel y el tipo de  
investigación, cuando podrían ofrecer una mayor precisión al  
señalar un diseño de investigación. Un diseño de investigación  
se deriva de un enfoque y precisa de un alcance. El enfoque de  
investigación puede ser cuantitativo, cualitativo o mixto. El  
diseño de investigación es un plan de estrategias  
metodológicas reconocidas por la comunidad científica para  
enfrentar problemas de investigación. Mientras que, el alcance  
de una investigación puede ser amplio o estrecho, dependiendo  
de los objetivos y las limitaciones que tenga el investigador.  
Identificar un diseño de investigación se torna mucho  
más importante si se considera que uno de los sistemas más  
prestigiosos de escritura y redacción, como es el APA (  
American Psychological Association, 2019), en sus principios  
de redacción académica y publicación señala esta tipología  
(
Popper et al., 2008). En tal sentido, evitar planificar o  
replanificar puede suponer intentonas de forzar la realidad  
para que se ajuste a la teoría, es decir, una falta de actitud  
crítica por parte del investigador. De esta manera, si un  
investigador creía posible que se puede hacer un estudio  
explicativo y solo alcanzó a hacer un estudio relacional, o si  
pretendía realizar un experimento, pero no logró un control  
adecuado y terminó haciendo un cuasiexperimento, su  
honestidad debe traducirse en identificar el nuevo diseño de  
investigación. No se puede decir lo mismo de quienes adoptan  
el método inductivo e interpretativo, pues en su caso no se  
guían por la teoría sino por hechos particulares que van dando  
forma a modos de interpretar la realidad (Bunge, 2005). En  
cuyo caso, los diseños constituyen referentes menos rígidos,  
pero no por ello se debe descartar la posibilidad de disponer  
de diseños que orienten al investigador.  
Para comprender el punto de vista anterior, es preciso  
analizar dos situaciones: 1) En ocasiones, diseños de  
investigación como el instrumental pueden contribuir a la  
investigación cualitativa de quienes buscan formular  
preguntas atendiendo a la fiabilidad y validez psicométrica. 2)  
Otros diseños, como el análisis de sentimientos, antaño  
exclusivos de la hermenéutica, han sido extrapolados al campo  
del análisis de datos para estudiar la opinión pública de  
millones de usuarios que se expresan en redes sociales, lo que  
ha dado paso a diseños de investigación cuantitativos que se  
expondrán más adelante.  
para artículos  
y ponencias: cuantitativos, cualitativos  
(incluidos los estudios de caso), mixtos, replicación,  
metaanálisis, revisión de literatura, teóricos, metodológicos,  
ponencias de estudiantes, disertación y tesis, otros (reportes,  
comentarios, cartas, resúmenes, ensayos, etc.).  
Cuando el diseño es cuantitativo o mixto, el propio APA  
sostiene que se debe identificar el diseño de investigación. Sin  
embargo, ¿acaso los ocho restantes en los que el manual exige  
transparencia metodológica no constituyen diseños con  
posibilidades de delimitación en sí mismos?  
En la práctica, parece ser que los diseños de investigación  
pueden desarrollar estrategias mucho más conciliadoras que  
los antagonismos teóricos o filosóficos.  
Un problema recurrente que enfrentan los científicos  
nuevos es la escasez de soluciones unificadoras que faciliten  
la comprensión y la toma de decisiones metodológicas frente  
a problemas de investigación. En este sentido, la ventaja de  
demarcar la investigación en un diseño de investigación  
Tabla 1  
Fuentes de metodología de investigación más relevantes en inglés y castellano según Google Académico  
Castellano  
Relevancia  
English  
Autor  
Citas  
875  
1960  
363  
105  
78  
958  
87  
6757  
252  
146279  
Author  
Quotations  
1209  
109  
1
2
3
4
5
6
7
8
9
Pimienta-PrietoyDelaOrden(2017)  
Quezada Lucio (2021)  
Oberti y Bacci (2018)  
Villanueva Couhg (2022)  
Toscano (2018)  
AriasGonzálesyCovinosGallardo(2021)  
Balboa Barreiro (2018)  
Bisquerra Alzina et al. (2019)  
Luciano (2020)  
Wan, 2022)  
Stokes y Wall (2017)  
Harris et al. (2019)  
Patten (2017)  
Bryman (2016)  
Marvasti (2018)  
Lankoski et al. (2015)  
Walliman (2021)  
Busetto et al. (2020)  
Cohen et al. (2017)  
73  
2918  
73772  
71  
168  
3109  
622  
10  
Hernández Sampieri et al., (2014)  
80593  
Nota. En el caso de Hernández Sampieri, aunque existen registros en internet de que hay una edición del 2016, la sexta edición confirmada es del 2014, se decide  
conservarla dada la relevancia de las citas de esta fuente en castellano. La cantidad de citas no necesariamente refleja la calidad del trabajo, es por ello por lo que se  
requiere analizar con cautela este indicador, pero sin perder de vista al criterio de relevancia que ofrece el motor de búsqueda.  
https://doi.org/10.5281/zenodo.8050508  
39  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
Una revisión de los libros más citados sobre  
metodología de investigación" en Google Académico  
reconocidos, ya que, como se verá en la propuesta, no siempre  
se declaran como tales.  
"
Con base en lo expuesto, el presente estudio se propone  
organizar los diseños de investigación atendiendo al criterio de  
la flexibilidad en el uso de reglas metodológicas de  
investigación partiendo de los más flexibles (cualitativos)  
hasta los menos flexibles (cuantitativos), pero añadiendo otros  
diseños que, por su naturaleza, resultan difíciles de  
catalogarlos en este orden.  
muestra el impacto que tienen algunas fuentes tanto en inglés  
como en castellano. En la tabla 1 se resume el autor, la  
relevancia según el algoritmo de Google y la cantidad de citas.  
Por su relevancia, se seleccionan aquellos que se encuentran  
en los primeros 10 puestos, es decir, en la primera página, a  
partir del año 2015. Se realizó la búsqueda con todas las  
palabras en castellano: "metodología de la investigación" y, en  
inglés: "research methods". Estos dos términos son  
equivalentes en el sentido de que su traducción exacta genera  
un desequilibrio en la cantidad de citas.  
METODOLOGÍA  
Es importante notar que en la primera página que arroja  
el motor de búsqueda se encuentran textos como capítulos de  
libros, un sílabo de un curso universitario, un artículo  
científico y diapositivas. En todos los demás casos, se  
encuentran libros. De hecho, son los libros los que tienen  
mayor cantidad de citas. En castellano, se destacan el texto de  
Quezada Lucio (2021), que ocupa el tercer puesto; Bisquerra  
Alzina et al. (2019), que ocupan la octava posición; y  
Hernández Sampieri et al. (2014), que se encuentran en la  
décima posición. Sin embargo, si se considera la cantidad de  
citas, las posiciones serían al revés, siendo extremadamente  
más alto el texto de Hernández Sampieri et al. con respecto a  
todos los demás. En inglés, los tres libros más citados son el  
de Walliman (2021), que ocupa la octava posición; el de  
Bryman (2016), que se encuentra en la quinta posición; y el de  
Cohen et al. (2017), que se encuentra en la décima posición.  
En este caso, los textos de Bryman y Cohen et al. tienen una  
cantidad de citas más o menos cercanas, pero son muy  
superiores a las de Walliman.  
Estos libros presentan algunas diferencias que podrían  
generar confusión en los investigadores al ofrecer el nombre  
de un diseño de investigación. Bryman destaca  
exclusivamente los diseños observacionales y experimentales  
como diseños de investigación, al mismo tiempo que explica  
el funcionamiento del enfoque cualitativo y menciona técnicas  
como la etnografía, entrevistas, análisis de documentos  
virtuales y grupos focales. Cohen et al., de manera similar,  
mencionan los diseños previamente mencionados, pero  
también incluyen la revisión sistemática y el metaanálisis  
como diseños de investigación, y hacen referencia a los  
diseños netnográficos. Hernández-Sampieri et al., por su parte,  
identifican los diseños de investigación cuantitativos  
mencionados anteriormente, pero también indican diseños  
cualitativos y varios diseños mixtos. Sin embargo, este autor  
no señala los diseños teóricos, ni de revisiones, ni tampoco la  
ciencia de datos. Resulta arriesgado hablar de un diseño  
histórico, ya que todavía existe un debate sobre si pertenece al  
enfoque cualitativo, cuantitativo o mixto, pero Cohen apunta  
las estrategias para su empleo. En contraposición, ninguno de  
El presente artículo tiene como objetivo identificar  
diseños de investigación comunes para facilitar la toma de  
decisiones cuando los investigadores se enfrentan a problemas  
de la realidad. El diseño metodológico se describe, discute y  
organiza de forma didáctica para que el lector pueda juzgar su  
pertinencia.  
En lugar de dividir la ciencia en investigación  
cuantitativa y cualitativa o proponer el uso holístico de  
métodos mixtos, se presentan diseños de investigación con  
propiedades relevantes que los caracterizan y que se pueden  
emplear indistintamente del enfoque.  
La mayoría de los diseños se recogen de las fuentes  
referenciadas en la introducción (Bryman, 2016; Cohen et al.,  
2
017; Hernández Sampieri et al., 2014), así como de otros  
diseños de investigación que existen en la literatura.  
La propuesta metodológica se divide en 12 unidades de  
estudio. Comienza con diseños de investigación altamente  
flexibles, como el diseño cualitativo (1) y la ciencia de datos  
(2), los cuales son más inductivos en su enfoque.  
Acontinuación, se presentan los diseños más apegados al  
ámbito de las publicaciones científicas en los que se incluyen  
a los diseños teóricos (3) y bibliográficos (4). Luego se  
encuentran los diseños metodológicos (5) e instrumentales (6)  
que proponen sendas o herramientas para la investigación.  
Después se abordan los diseños cuantitativos  
propiamente, a saber, aquellos que son observacionales (7) y  
los que son experimentales (8). Antes de finalizar la propuesta,  
se realiza una precisión sobre dos tipos de diseños que resultan  
difíciles de clasificar: los diseños históricos (10) y los estudios  
de casos (11). Por último, se vuelve a una perspectiva flexible  
con los diseños mixtos (12).  
Esta propuesta metodológica busca proporcionar a los  
investigadores una variedad de diseños de investigación para  
abordar problemas de la realidad, permitiéndoles seleccionar  
aquellos que se ajusten mejor a sus necesidades y objetivos de  
investigación.  
PROPUESTA  
En este apartado se presenta la propuesta siguiendo el  
orden planteado en la metodología, se realiza una descripción  
de diseño por diseño señalando cuando se debe emplear cada  
uno. La enumeración de los diseños de investigación, en lugar  
de ordenarse según los tres enfoques de investigación  
(cuantitativo, cualitativo y mixto), propone una alternativa de  
empezar con la investigación cualitativa flexible para ir  
incrementando paulatinamente reglas y condiciones que exige  
el enfoque cuantitativo y, solo después de enlistan diseños  
mixtos.  
los libros citados identifica  
a los diseños teóricos,  
metodológicos, instrumentales y epidemiológicos (aunque  
este último es de esperar pues tiene literatura especializada).  
En estas fuentes, los diseños cuantitativos siempre se  
presentan antes que los cualitativos. Frente a ello, es necesario  
desarrollar una organización que resuelva los diseños  
partiendo desde los más flexibles hasta los menos flexibles, en  
un orden ascendente de control y complejidad. Es importante  
tener en cuenta que estas fuentes identifican directa o  
indirectamente los diseños de investigación que deben ser  
1. Cualitativos: Se trata de un grupo general que incluye  
diversos enfoques cualitativos de investigación.  
https://doi.org/10.5281/zenodo.8050508  
40  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
2
.
Ciencia de datos: Se enumeran diferentes enfoques de  
análisis de datos que se utilizan en la investigación, como  
la netnografía, el análisis de sentimientos, la  
bibliometría, el big data y otros.  
Teóricos: Diseños de investigación basados en la  
construcción o desarrollo de teorías.  
Bibliográficos: Diseños de investigación que se centran  
en la revisión y análisis de fuentes bibliográficas.  
Diseño metodológico: Diseños de investigación que  
implican la aplicación de una metodología específica  
para abordar un problema o pregunta de investigación.  
Instrumental: Diseños de investigación que hacen uso de  
instrumentos o herramientas específicas para recopilar  
datos.  
Observacional: Diseños de investigación en los que el  
investigador observa y registra los fenómenos tal como  
se presentan en su entorno natural.  
Experimental: Diseños de investigación en los que se  
manipulan variables para establecer relaciones causales.  
Epidemiológicos: Diseños de investigación utilizados en  
el campo de la epidemiología para estudiar la  
distribución y los determinantes de las enfermedades en  
una población.  
10. Históricos: Diseños de investigación que se centran en el  
estudio de eventos pasados y su influencia en el presente.  
11. Caso: Diseños de investigación que se centran en el  
estudio de casos individuales o específicos.  
3
4
5
.
.
.
12. Mixtos: Diseños de investigación que combinan  
elementos cualitativos y cuantitativos en su enfoque.  
Esta nueva organización, según el criterio y experiencia  
del autor, facilita la comprensión y la identificación de los  
diferentes diseños en la propuesta metodológica. Al respecto,  
en lugar de centrarse en una definición teórica que se puede  
ampliar en los libros de metodología expuestos en la tabla 1,  
se identifica al diseño o grupo de diseños en función de la  
necesidad que tiene el investigador para adherirse a un diseño  
de investigación ya desarrollado. Para cada caso se menciona  
un ejemplo que permite ilustrar procesos realizados por  
investigadores de varios lugares del mundo para resolver sus  
problemas de investigación en concreto, o a la combinación de  
éstos. En la figura 1 se ilustra el contenido de cada uno de los  
grupos de diseños de investigación.  
6
7
.
.
8
9
.
.
Figura 1.  
Resumen de la propuesta de organización de los diseños de investigación agrupados según su flexibilidad  
2
Ciencia de  
datos  
5 Diseño  
metodológico  
6
1
Cualitativos  
3 Teóricos  
4 Bibliográficos  
Instrumental  
•
Etnográfico,  
• Netnografía, análisis • Teórico, Filosófico  
• Revisión tradicional,  
Revisión sistemática o  
sistematizada,  
• Revisión de  
• Fiabilidad y  
propuestas existentes o concordancia, Análisis  
nuevas de  
Factorial  
Fenomenológico,  
de sentimientos,  
Teoría fundamentada, bibliometría, big data,  
Narrativo,  
Hermenéutico,  
Investigación-acción  
minería de textos,  
otros  
Metaanálisis  
investigación  
Confirmatorio,  
Análisis factorial  
Exploratorio, Análisis  
de invarianza  
Otros diseños  
7
Observacional  
8 Experimental  
9 Epidemiológicos  
10 Históricos  
11 Caso  
12 Mixtos  
•
Transversal  
• Preexperimentalpreprueba • Cohorte, Casos y  
controles, Diseño  
• Histórico,  
Arqueológico,  
• Diseño de caso, caso  
de estudio, o estudio de Secuenciales  
caso  
• Concurrentes,  
descriptivo, Relacional ypospruebadeunsolo  
o correlacional,  
Explicativos o  
causales, Longitudinal solamedición,  
de tendencia,  
Longitudinal de panel  
grupo,Preexperimental  
estudiodecasoconuna  
ecológico, Prevalencia, Documental  
Incidencia  
Cuasiexperimentalde  
muestraseparadaen  
prepruebayposprueba,  
Cuasiexperimentalde  
seriescronológicasoseries  
detiempo,Experimentalde  
dosgruposindependientes,  
ExperimentalSolomon  
Nota. El orden de lo más flexible a lo menos flexible únicamente atiende hasta el punto 8. Los diseños epidemiológicos señalados no se insertan en los otros diseños  
señalados en esta propuesta, mientras que los ensayos clínicos y ensayos comunitarios se los puede reconocer dentro de los diseños experimentales. Por otro lado,  
no se han clasificado como diseños a las replicaciones, reportes, comentarios, cartas, resúmenes de libros o ensayos debido a la naturaleza personalizada que puede  
ofrecer cada autor.  
1
. Diseños cualitativos: Cuando se asume que la  
desvelar lo que los individuos sienten y piensan sobre una  
experiencia en particular (Hernández Sampieri et al., 2014).  
Son muy útiles para comprender a quienes han atravesado  
procesos dolorosos como una catástrofe natural, una  
enfermedad o la pérdida inesperada de alguien (Palacios-Ceña  
y Corral Liria, 2010). La teoría fundamentada es otro diseño  
cualitativo ampliamente utilizado para analizar las  
interacciones sociales, para lo cual identifica patrones que se  
entrelazan produciendo categorías, lo que conduce a sintetizar  
una información o a generar una nueva teoría (Charmaz,  
2014). Por ejemplo, el estudio realizado por Barandiarán  
Irastorza et al. (2022) que muestra que, a partir de realizar  
realidad social no se puede explicar de forma numérica ni  
lógica, sino únicamente interpretar significados individuales,  
se emplea un diseño cualitativo. Si el propósito es comprender  
las particularidades de pequeños grupos teniendo en cuenta su  
contexto cultural, lingüístico, religioso, de origen, etc., se  
utiliza el diseño etnográfico. Por ejemplo, en un estudio sobre  
los desajustes entre las percepciones familiares y docentes  
sobre la implicación parental, en el autor (Alonso Carmona,  
2
021) va contando los puntos de vista citando declaraciones  
relevantes, prestando especial atención a la cultura de los  
implicados. Por su parte, el diseño fenomenológico intenta  
https://doi.org/10.5281/zenodo.8050508  
41  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
preguntas a políticos, funcionarios y organizaciones de un  
programa propone algunas ideas clave para explicar aquello  
que mueve a confiar en la gobernanza colaborativa en una  
comunidad. Otro diseño cualitativo muy empleado es el  
narrativo, en este caso son las historias de vida y la memoria  
de los participantes las que dan cuenta de circunstancias que  
permiten comprender mejor un período. Por ejemplo, el  
estudio sobre las violaciones de derechos humanos de un  
operativo militar a través de la narración de las víctimas  
transformación se realiza con las técnicas de reconocimiento  
de patrones mediante codificación (similares al diseño de  
teoría fundamentada) que pueden ser replicados por las  
computadoras mediante inteligencia artificial (Bryant y  
Charmaz, 2019). Cuando un investigador quiere comprender  
el comportamiento de la interacción en las redes sociales en  
Internet, el contenido de páginas web, entrevistas en línea o  
blogs, obtenidos a través de las interfaces de programación con  
aplicaciones (API), puede recurrir a un diseño netnográfico  
cuyo nombre es un acrónimo de “net” con “etnografía”  
(
Mantilla Millán et al., 2022). Un diseño empleado para  
interpretar textos e imágenes es el hermenéutico, por ejemplo,  
Tomaylla Quispe y Gutiérrez Aguilar (2023) en su estudio  
interpretaron los cuadernos personales de la artista Nereida  
Apaza señalando algunos aspectos característicos de una  
década. Finalmente, el diseño de investigación-acción no sólo  
intenta comprender una realidad por curiosidad científica, sino  
que, además de ello, asume un rol activo para transformar una  
realidad, de este modo, al evaluar un proceso el investigador  
también está considerando su accionar como parte de un grupo  
(
Jeacle, 2021). Por ejemplo, dos investigadoras se propusieron  
analizar la inseguridad en algunas ciudades mexicanas a través  
de lo que se publicó en la prensa digital entre el año 2010 y el  
año 2019 recogiendo ciertos términos predominantes en las  
notas periodísticas (Soto-Canales y Padilla-Herrera, 2023).  
Otro ejemplo interesante es el realizado por Ceron et al. (2016)  
quienes han realizado pronósticos electorales ex ante con un  
nivel de error no muy alejado de las encuestas de tendencia  
electoral, para lo cual emplean el análisis de sentimiento, la  
minería de texto, el big data, el aprendizaje automático  
supervisado y el uso de algoritmos para identificar patrones y  
tendencias en cientos de miles de microblogs publicados en  
Twitter. Cuando se quiere saber qué es lo que más se consume  
en términos bibliográficos es posible aplicar un diseño  
bibliométrico. Este es el caso de un estudio realizado por Xu  
et al. (2021) quien estudió 1.044 documentos publicados en  
Web of Science, pero como resulta casi imposible la tarea de  
leerlos a todos, se sirve de la inteligencia artificial para  
identificar las características más destacadas de la literatura  
sobre la iniciativa empresarial y las crisis durante 36 años. La  
ciencia de datos puede ser de gran utilidad para estudiar los  
más diversos comportamientos como el mercado, la biología,  
la psicología, el lenguaje, la sociología, entre otras. Los  
tamaños de muestra en estos casos no tienen límites, sin  
embargo, los diseños dependen de las estrategias empleadas  
para recopilar información, pues una vez que se dispone de  
datos estructurados, el análisis se realiza con apego a las reglas  
estadísticas. En efecto, cuando las bases de datos son  
estructuradas muchos investigadores prefieren declarar que  
han empleado el diseño del big data que, aparte de la variedad,  
velocidad y veracidad, finalmente se sujeta al análisis  
estadístico.  
(
Bryman, 2016). Por ejemplo, un grupo de investigadoras en  
el Sur de la India evaluó el estado nutricional de cinco familias  
y descubrió que la mayoría de las mujeres sufrían de anemia.  
Para abordar este problema, las investigadoras se involucraron  
con las familias y les enseñaron técnicas de cultivo orgánico y  
preparación de alimentos para encontrar soluciones prácticas.  
Este enfoque implicó realizar modificaciones en las  
actividades cotidianas de las familias y fue documentado por  
Aparna Meenakshi et al. (2019). Por otro lado, dada la  
flexibilidad del método interpretativo, no es de extrañar que  
algunos estudios cualitativos imiten  
a
los estudios  
cuantitativos en ciertas estrategias. Por ejemplo, un estudio  
realizado a 25 escritores argentinos para comparar sus  
percepciones comerciales a lo largo de 20 años, en el que, el  
autor (Rimoldi, 2019), en lugar de emplear un diseño con un  
nombre ya conocido, decide emplear el nombre de estudio  
longitudinal que es muy común entre los estudios  
cuantitativos. Existen otros diseños de investigación de los que  
no se desarrollan ejemplos como el semiótico y el análisis  
crítico del discurso que también forman parte del enfoque  
cualitativo.  
En la elección del tamaño de muestra en los diseños de  
investigación cualitativos, no se puede determinar un valor  
preciso, ya que depende de los objetivos de la investigación, a  
menos que se desee controlar el error. No obstante, se sugiere  
utilizar la saturación teórica como una guía para saber cuándo  
detenerse, es decir, cuando los participantes ya no aportan  
información nueva sobre el problema. Esto permite tomar  
decisiones informadas sobre el tamaño de muestra en función  
de la exhaustividad teórica en lugar de criterios estadísticos.  
3
. Diseños teóricos: Cuando no existen principios  
generales que expliquen los fenómenos o cuando se requiere  
una reflexión y ajuste de los principios existentes. Borsboom  
et al. (2004) propusieron una metodología interesante para la  
construcción de teorías. Aunque la designación como un  
diseño específico es propuesta del autor, es posible incluir en  
este diseño los enfoques filosóficos, ya que ambos se centran  
en el análisis de postulados fundamentales de una teoría.  
Además, en ambos casos se puede prescindir de la evidencia  
empírica. El diseño teórico no contiene reglas estrictas pues  
muchas veces se reviste de estilos ensayísticos, pero lo que no  
pueden faltar son las aserciones escritas en formas de  
razonamientos que, en el mejor de los casos, se pueden  
identificar como proposiciones axiomáticas, o simplemente  
como hipótesis, proposiciones teóricas o inferencias lógicas de  
una o varias disciplinas. El diseño teórico formula conceptos  
relevantes que explican cómo funciona la realidad. Por  
2
. Ciencia de datos: Cuando se trabaja desde una  
perspectiva interdisciplinaria en la que se combinan las  
ciencias de la computación con la estadística, no sólo para  
analizar la información sino también para recopilarla, se  
emplea la ciencia de datos. Este es un campo en auge del que  
existe escasa filosofía y teorización, sin embargo, se pueden  
identificar algunas particularidades que podrían dar lugar a  
diseños de investigación específicos. Por ejemplo, cuando una  
base de datos cualitativa es muy grande, es imposible  
interpretar cada uno de los datos recogidos (entrevistas, textos,  
imágenes, datos de red, datos multimedia), por lo que se torna  
inevitable transformarlos en datos cuantitativos. Esta  
https://doi.org/10.5281/zenodo.8050508  
42  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
ejemplo, la teoría cognitiva, la teoría feminista, la teoría de la  
evolución, el modelo estándar de la física de partículas, la  
microeconómica neoclásica, etc. Los principios de estas  
teorías guían la investigación y su validez dependerá de su  
compatibilidad con la evidencia empírica, por lo tanto,  
propuestas de esta naturaleza resultan fundamentales para  
orientar la metodología hipotética-deductiva que ideará  
maneras de poner a prueba hipótesis (Bunge, 2005). Las  
evidencias contrarias pueden generar ajustes en la teoría o  
producir su desacreditación. Si bien es cierto que los diseños  
teóricos se utilizan para desarrollar teorías que expliquen la  
realidad, no todos los diseños teóricos formulan conceptos  
relevantes que pueden verificarse de forma empírica. Algunos  
pueden estar más enfocados en la elaboración de modelos  
matemáticos o lógicos dentro de una ciencia formal que no son  
compatibles con la verificación.  
Los diseños de investigación guían la forma en que se puede  
obtener o procesar información de manera efectiva. Existen  
diseños metodológicos tan abiertos como el presente caso, así  
como diseños muy específicos que muestran paso a paso la  
manera cómo descargar información de lasAPI de Twitter para  
procesarla mediante algoritmos en el lenguaje de  
programación R para finalmente ofrecer una ruta para realizar  
pronósticos electorales ex ante sin encuestas (Ceron et al.,  
2016). Otro ejemplo de diseño metodológico podría ser el  
generar un nuevo software para seleccionar muestras de  
estudio atendiendo al poder estadístico de las pruebas que se  
van a emplear para contrastar hipótesis (Faul et al., 2007).  
Cuando no se sabe con precisión cómo proceder es importante  
revisar un diseño metodológico antes de comprometerse con  
los objetivos de una investigación.  
2
6. Diseños instrumentales : Cuando los instrumentos de  
4
. Diseños bibliográficos: Cuando existe una abundante  
observación existentes son insuficientes se crean o se adaptan  
artefactos, pruebas, cuestionarios, fichas de observación, etc.  
con el diseño instrumental (Carretero-Dios, 2007). Este se  
emplea tanto en procesos mecánicos como comportamentales  
en seres vivos (incluyendo al humano). En el caso mecánico  
aplicado a la salud oral, por ejemplo, tanto un ingeniero como  
un investigador sanitario pueden probar si es que un escáner  
3D goza de fiabilidad, concordancia, precisión y validez antes  
de emplearlo en sus mediciones intraorales, muestra de ello es  
el estudio de Soto-Álvarez et al. (2020). Otro ejemplo, dos  
psicólogos (Cosentino y Castro Solano, 2017), en lugar de  
centrarse en aspectos patológicos quiere enfocarse en aspectos  
emocionalmente positivos de los seres humanos para lo cual  
han credo un instrumento nuevo, el Inventario de los Cinco  
Altos, cuyo constructo ha sido validado mediante análisis  
factorial confirmatorio (AFC) y consistencia interna. Pero no  
sólo se construyen herramientas, sino también se adecúan. Por  
ejemplo, una adaptación de un instrumento para evaluar la  
metacognición en un contexto cultural diferente al  
producción científica que necesita ser sintetizada para extraer  
las conclusiones más generales se emplean diseños  
bibliográficos. El diseño bibliográfico no se realiza mediante  
evidencia empírica directa, sino que sus unidades de análisis  
son las publicaciones científicas (Petticrew y Roberts, 2008).  
Si es que la forma de realizar esta revisión no es metódica ni  
se la puede transparentar se considera una revisión tradicional  
(
o revisión no sistemática). Pero si se identifica de manera  
fiable estableciendo un marco temporal, criterios de inclusión  
y exclusión, y una búsqueda sistemática utilizando cadenas o  
fórmulas y se realiza evaluaciones de la información recabada,  
se puede decir que se trata de una revisión sistemática o  
sistematizada (Codina, 2018). Por ejemplo, en el artículo  
'
Revisión bibliográfica de sistemas de control para gestión de  
micro-redes de energía' de Sampietro Saquicela y Pico-  
Valencia (2018) o el realizado sobre los estudios del pronóstico  
electoral a través del big data (Cabrera-Tenecela, 2021) o a  
través de encuestas (Andrade-Bayona, 2021). Generalmente  
las revisiones sistemáticas se limitan a describir esta  
información, sin embargo, cuando la muestra es considerable,  
se puede emplear técnicas estadísticas más avanzadas para  
explicar lo que puede estar ocurriendo con respecto a una  
teoría. A este tipo de diseño ya no se lo conoce simplemente  
como revisión sistemática, sino como metaanálisis (en  
ocasiones se emplean ambos términos) (Codina, 2018). Por  
ejemplo: Efecto de la dieta cetogénica baja en calorías sobre  
la composición corporal en adultos con sobrepeso y obesidad:  
revisión sistemática y metaanálisis (Díaz Muñoz et al., 2021).  
Nótese la similitud de este diseño con el diseño bibliométrico  
que se describió en la ciencia de datos.  
originalmente planteado (Zhunio-Falcones  
y
Cabrera-  
Tenecela, 2022). Asimismo, otro ejemplo, es la  
reconfiguración y creación de una versión breve de una  
herramienta para medir la ética en el trabajo que originalmente  
era extensa (Zúñiga et al., 2022). Los estadísticos suelen  
clasificar al AFC entre los diseños explicativos, sin embargo,  
el fin último de los diseños instrumentales no es explicar las  
causas de las cosas sino asegurar la calidad de las medidas. En  
estos casos es recomendable tener muestras por lo menos de  
200 datos o al menos 10 observaciones por cada pregunta  
(ítem) para facilitar el ajuste de los modelos (Hair et al., 2010).  
Cuando se trabaja con variables ordinales o categóricas, a  
menudo existen problemas de normalidad multivariante por lo  
que existen técnicas de estimación como la máxima  
verosimilitud robusta (MLR), mínimos cuadrados no  
ponderados (ULS), mínimos cuadrados diagonalmente  
ponderados (DWLS), entre otros, que utilizan correlaciones  
policóricas y están disponibles en plataformas libres como R  
o Python. Toda vez que, en lugar de emplear alfa de Cronbach  
se puede usar omega de McDonald para verificar la  
5
. Diseños metodológicos: Cuando los métodos  
existentes resultan insuficientes o cuando se han descubierto  
nuevos procedimientos para abordar un problema de  
investigación, se emplean los diseños metodológicos que se  
los puede encontrar como diseño metodológico innovador o  
diseño de investigación con nuevos métodos. Estos diseños  
implican un enfoque sistemático y organizado para recopilar  
información y analizar los datos recolectados (Ezzy, 2002).  
2
No hay que confundir al diseño instrumental de validación y confiabilidad,  
como es el presente caso, con las variables instrumentales que sirven para  
solucionar problemas de endogeneidad.  
https://doi.org/10.5281/zenodo.8050508  
43  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
concordancia interna. Las posibilidades de este diseño son  
amplias pues, además de validar en una población, pueden  
realizar evaluaciones de invarianza factorial para verificar si  
el instrumento no tiene sesgo en algún subgrupo, así como,  
puede comparar con otros instrumentos para probar la validez  
concurrente o discriminante. Si el estudio es muy nuevo,  
conviene empezar diseñando un buen instrumento mediante  
un análisis factorial exploratorio (AFC) del que se hablará en  
uno de los diseños observacionales.  
característica de los diseños observacionales exploratorios,  
descriptivos y relacionales: en sus objetivos últimos emplean  
variables independientes pues no se ocupan de medir la  
dependencia o causalidad de una variable sobre otra. Ahora  
bien, a menudo se encuentran estudios que manifiestan que su  
diseño es relacional cuando incurren en causalidad, lo cual,  
como se verá más adelante, puede ocurrir por modestia, temor  
o desconocimiento de los diseños explicativos.  
Cuando los investigadores intentan modelar la  
dependencia a partir de una o más variables independientes se  
habla de diseños explicativos o causales (erróneamente  
clasificados como correlacional-causal). Estos diseños por lo  
regular hacen uso de regresiones lineales, ordinales o  
logísticas para establecer el nivel de explicación que de las  
variables independientes con respecto a las dependientes.  
Existe una gran variedad de modelos estadísticos al respecto  
7
. Diseños observacionales: Cuando se quiere conocer  
el comportamiento sin manipular la realidad se emplea el  
diseño observacional conocido también como no experimental  
(
Campbell y Stanley, 2015). Si es que se realiza el  
levantamiento de la información por una sola ocasión, se  
conoce al diseño como transversal, en este caso pueden  
especificarse los diseños como exploratorios, descriptivos,  
relacionales y explicativos. Si el problema es nuevo y existe  
escaso estado del arte (o el investigador no está de acuerdo con  
las medidas empleadas en el estado del arte), es menester  
desarrollar un diseño exploratorio. Por ejemplo, un  
investigador quería medir el aprendizaje combinado en la  
enseñanza superior, pero las variables a evaluar no estaban  
claras. Inventó un instrumento y lo puso a prueba en un grupo  
de 413 profesores. Además, realizó un análisis factorial  
exploratorio (Anthony Jr., 2022). Los diseños exploratorios no  
deben concebirse por su nivel de dificultad pues demandan de  
mucha creatividad para comprender el problema e idear  
soluciones sin disponer información suficiente, por tal razón,  
la exploración se puede realizar con modelos estadísticos  
descriptivos simples hasta modelos analíticos complejos. El  
diseño transversal descriptivo es uno de los diseños más  
empleados para presentar sus resultados en porcentajes,  
medidas de tendencia central y variabilidad sin establecer  
relaciones probabilísticas entre las variables. Un ejemplo  
puede ser la descripción patológica hecha por un grupo de  
investigadores a los testículos de 11 casos mortales del Covid-  
como  
las  
regresiones  
multivariadas,  
regresiones  
multivariantes, análisis multinivel, análisis factorial  
confirmatorios, entre otros. Uno de los más útiles es el empleo  
del modelo de ecuaciones estructurales (SEM) que permite  
modelar información compleja. Un buen ejemplo puede ser el  
estudio de Kakemam et al., (2022) quienes determinaron cómo  
la profesionalidad y el pensamiento sistémico explica la  
competencia en seguridad de 358 enfermeros que atienden a  
pacientes iraníes. Si bien es cierto en su diseño ellos señalan  
con modestia que su diseño es una encuesta transversal (que  
sería una parte del diseño), estadísticamente no pueden evitar  
escribir el nivel explicativo de su modelo en términos de  
regresión. Un ejemplo opuesto al anterior, en el que emplean  
sin reparo el nombre del diseño explicativo, es más lo hacen  
combinándolo con el exploratorio, es el realizado por  
Rajbhandari et al. (2022) quienes expusieron la relación de  
algunas variables, entre ellas, la mano de obra calificada, con  
respecto a la innovación tecnológica, mediada por la  
intervención gubernamental, en 287 industrias de Nepal. Una  
reflexión importante antes de cerrar este apartado es que, a  
pesar de que algunos filósofos de la ciencia, como Pearl  
(2012), consideran que los métodos observaciones sirven para  
modelar la causalidad, como es el caso de quien señala que un  
modelo SEM infiere las relaciones causales subyacentes (y no  
solamente correlaciones), la mayoría de investigadores evita  
emplear el nombre del diseño explicativo o causal pues son  
conscientes de que el nivel de control de un diseño  
observacional no siempre es suficiente para ofrecer una  
explicación concluyente, más aun tratándose de niveles  
predictivos bajos, habituales en las ciencias sociales. Por ello,  
a menudo los científicos sociales manifiestan que su estudio es  
1
9 (Duarte-Neto et al., 2022). Otro ejemplo es la descripción  
de las infecciones tracto genitales en un grupo de mujeres que  
asistió a consulta obstétrica (Loachamin, 2023). Las muestras  
de este diseño pueden ser tan pequeñas como el ejemplo  
anterior hasta ser tan grandes como los resultados de un censo  
nacional. Cuando el investigador dispone de una muestra  
aceptable (con un poder estadístico de al menos el 80%), se  
pueden establecer hipótesis relacionales. Para llevar a cabo  
este proceso, se emplea un diseño relacional, también  
conocido como diseño correlacional. Es importante destacar  
que el término "relacional" se refiere a la conexión o  
asociación entre variables, y no debe confundirse con el  
coeficiente de correlación, que es una medida específica de  
relación entre dos variables. Dentro del diseño relacional,  
término que el autor prefiere emplear, se pueden utilizar  
diversas técnicas estadísticas de prueba para realizar  
comparaciones entre grupos y analizar la asociación entre  
variables (la correlación es apenas una de ellas). Un ejemplo  
de este diseño es el empleado por Kuru Alici y Ozturk Copur  
relacional  
o
correlacional, no obstante, cuando los  
investigadores buscan demostrar la causalidad, pueden  
agregar un mayor control mediante los diseños longitudinales.  
Por último, dentro de los diseños observacionales se  
encuentra el diseño longitudinal. Este es similar a los  
anteriores, pero con una diferencia: existen varias mediciones  
a lo largo del tiempo a varias muestras a lo largo del tiempo, a  
diferentes grupos etarios o a la misma muestra por varias  
ocasiones. Cuando se quiere saber los cambios de una  
población trabajando con diversas muestras temporales, se  
emplea el diseño de tendencia. Por ejemplo, un estudio  
realizado en Brasil en cuatro momentos (olas) demostró que se  
(
2022) quienes midieron la ansiedad y el miedo al Covid-19  
en 234 estudiantes que cursaban la licenciatura en enfermería  
demostrando que estas dos variables estaban altamente  
correlacionadas. Hasta aquí conviene mencionar una  
https://doi.org/10.5281/zenodo.8050508  
44  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
asocia positivamente el miedo al crimen con el apoyo a las  
formas menos democráticas de gobierno (Pereira y de Andrade  
Dornelles, 2021). Cuando los estudios se realizan para conocer  
la evolución según la edad, se emplea el diseño de cohorte,  
evolución de grupo o longitudinal acelerado. Un ejemplo de  
ello es el realizado a 2.278 niños desde los 4 hasta los 14 años  
que comprobó que existe una relación significativa entre la  
participación deportiva con las competencia social  
estudio, en las cuales se pueden producir eventos naturales o  
artificiales que pueden afectar el comportamiento de las  
variables que están siendo evaluadas cada cierto tiempo  
(diario, mensual, trimestral, etc.). Un buen ejemplo es el  
estudio realizado por Chiatchoua et al. (2020) quien estudió  
algunos indicadores econométricos, entre ellos la intervención  
económica gubernamental, previos y posteriores al Covid-19  
en México, logró calcular el efecto de la pandemia en la  
economía así como proponer un pronóstico con el modelo  
ARIMA. El diseño de las series de tiempo es discutible si es  
que pertenece a los estudios longitudinales, sin embargo, como  
estudia el impacto que tienen ciertos eventos, regularmente se  
identifican como cuasiexperimentos. Aunque son menos  
habituales, existe un diseño cuasiexperimental de muestra  
separada en preprueba y posprueba que compara a un grupo  
que ha sido evaluado previamente pero no intervenido con uno  
que ha sido intervenido y evaluado solo posteriormente. Un  
estudio que se propone ser experimento puro, pero no logra  
cumplir con el control, puede ser reducido a cuasiexperimental  
o preexperimental.  
(
capacidades sociales), especialmente en la infancia tardía y  
adolescencia temprana (Bedard et al., 2020). Finalmente,  
cuando se evalúa a una misma muestra a lo largo del tiempo,  
en cambio, se denomina diseño de panel. Un ejemplo de este  
estudio es el realizado a 396 adolescentes filipinos a través de  
un modelo de ecuaciones estructurales de panel de tres olas,  
con lo cual los investigadores demostraron la asociación entre  
la valoración de la felicidad y el afecto positivo (Datu et al.,  
2
021). Los diseños longitudinales controlan mejor el error y el  
sesgo que los diseños transversales, sin embargo, suelen ser  
más costosos y demorados. Si bien es cierto los modelos  
empleados tienden a emplear estadística similar a los diseños  
explicativos, no tienen el conflicto en nombrarlo.  
Finalmente, cuando un investigador agrupa a las  
muestras de forma aleatoria para garantizar que los grupos  
evaluados sean equivalentes se opta por el experimento puro.  
En este caso el diseño experimental más usado es el diseño  
experimental de dos grupos independientes o también  
conocido como grupo control con pre y posprueba. Por  
ejemplo, un estudio que puso a prueba una vacuna para el  
Covid-19, para ello trabajó con 450 individuos, convalecientes  
de la enfermedad, que fueron asignados aleatoriamente a dos  
grupos, uno experimental (n=344) y uno de control (n=86) y  
se logró demostrar que la dosis aplicada reforzaba de forma  
segura la inmunidad natural preexistente (Ochoa-Azze et al.,  
2022). Otro ejemplo interesante fue aplicado a jugadores en  
línea para evaluar sus conductas al apostar en el fútbol o en  
juegos de ruleta en línea, a quienes se les entregó una dotación  
monetaria advirtiéndoles que lo que sobre sería para ellos. En  
este caso el grupo de intervención (n=254) recibió  
advertencias de colores sobre la seguridad del juego y el grupo  
de control (n=252) no recibió dichas advertencias. Sin  
embargo, no se logró probar el efecto protector del mensaje de  
juego más seguro (de Vries et al., 2022). En ocasiones cuando  
la intervención es de índole educativa y los estudiantes pueden  
predisponerse al recibir una preprueba, al diseño anterior se  
añaden dos grupos más (uno de intervención y uno de control)  
en los que no se aplica la preprueba, pero sí se conserva la  
posprueba en todos ellos, y se lo denomina diseño Solomon.  
Un ejemplo de este estudio fue desarrollado por Golaki et al.  
(2022) para poner a prueba la retención de conocimientos al  
emplear la clase invertida. Para ello se asignaron  
aleatoriamente cuatro grupos Solomon se administró la  
preprueba a un grupo de intervención y a un grupo de control,  
y luego los cuatro grupos recibieron una posprueba de  
seguimiento de retención de conocimientos. Los grupos  
intervenidos emplearon la clase invertida y los grupos de  
control la clase convencional, sin embargo, al evaluar los  
resultados después de dos meses de haber pasado el  
tratamiento y comparando los resultados con la preprueba, así  
como, con el control, no se comprobó el incremento  
significativo de la prueba. Existen otros diseños como el A-B-  
8
. Diseños experimentales: Cuando el investigador  
manipula intencionalmente las variables para controlar la  
validez interna y externa de sus resultados emplea el diseño  
experimental. Para Campbell y Stanley (2015) si el  
investigador sólo tiene un grupo de participantes en los que  
interviene el diseño se puede denominar preexperimental.  
Dentro de este diseño el más habitual es el preprueba y  
posprueba de un solo grupo. Por ejemplo, investigadores de  
un instituto de ciencias médicas pusieron a prueba un módulo  
de auto instrucción en la administración de fármacos por vía  
parental en 50 enfermeras logrando pasar de 64 (pre) a 88%  
(
posprueba) las prácticas adecuadas. También se consideran  
diseños preexperimentales a aquellos que aplican únicamente  
una posprueba, este sería el estudio de caso con una sola  
medición o la comparación con un grupo estático, en ambos  
casos, el control es mínimo pues no existe la preprueba por lo  
tanto resulta imposible evaluar las diferencias (Jaan et al.,  
2
022).  
Cuando se trabaja con grupos que estaban conformados  
previamente a la intervención del investigador, se realizan  
prepruebas y pospruebas, se incurre dentro del diseño  
cuasiexperimental. Uno de los diseños cuasi-experimentales  
más usados es cuando se emplea la preprueba y la posprueba  
en un grupo intervenido y en uno de control, al este se lo  
denomina diseño de muestra separada en preprueba y  
posprueba en grupos intactos, que también se los conoce  
como grupos de control no equivalentes (Cohen et al., 2017).  
Por ejemplo, en una universidad querían ofrecer una mejor  
mentoría a estudiantes cultural y lingüísticamente diversos,  
para lo cual diseñaron un programa semipresencial y  
compararon las competencias mentoras antes y después de la  
formación a un grupo intervenido de 49 estudiantes que  
recibieron la formación incluyendo un componente adicional  
y a uno no intervenido de 62 estudiantes que sólo recibieron la  
formación (Oikarainen et al., 2022). Otro diseño  
cuasiexperimental es el de las series cronológicas o series de  
tiempo que consiste en realizar observaciones en diferentes  
momentos a lo largo del tiempo a las mismas unidades de  
https://doi.org/10.5281/zenodo.8050508  
45  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
A-B que recopilan información de referencia, implementan el  
tratamiento y evaluar sus efectos, para después volver a  
evaluar el retorno a la situación de referencia al retirar el  
tratamiento y luego volver a aplicarlo para medir los cambios.  
Otro diseño encontrado es el factorial, pero se refiere más a la  
técnica estadística que puede emplearse indistintamente en  
varios diseños. Las muestras de los diseños experimentales  
suelen variar pues pueden pequeñas como grandes siendo  
recomendable identificar el poder estadístico de al menos un  
interpretación puede ser flexible y abierta según los principios  
de la hermenéutica, o puede ser rigurosa y lógica, incluso  
estadístico-inferencial, según el enfoque que adopte el  
historiador. Por ejemplo, la obra de Vásquez Ruiz (2014) es un  
estudio interpretativo que analiza el levantamiento ocurrido en  
1932 en El Salvador. Aunque se había difundido la leyenda  
negra de que los comunistas radicales eran los responsables, el  
autor revisa el aporte de otros grupos en esa rebelión  
antigubernamental. Otro ejemplo es el trabajo de Carretero  
Poblete y Samaniego Erazo (2017), que se basa en fuentes  
arqueológicas primarias para explicar las relaciones  
comerciales de la cultura Puruhá con la Cañari y la Costa a  
través del análisis cuidadoso de 2.198 piezas, incluyendo  
cerámicas, líticos y huesos pertenecientes a las fases finales  
del Formativo Tardío de la Sierra Centro ecuatoriana. Este  
estudio podría considerarse un diseño arqueológico. Otro  
diseño histórico es el documental, que implica el análisis de  
registros del pasado. Aunque estos diseños históricos no son  
muy conocidos, quienes se dedican a ellos coinciden en que se  
requiere una triangulación de diferentes fuentes y la  
comparación de perspectivas múltiples para aproximarse a la  
validez y la confiabilidad de los resultados.  
11. Diseños de caso: Cuando se quiere ofrecer un análisis  
detallado y exhaustivo de uno o algunos casos particulares con  
el objetivo de comprender un hecho, evento o problema  
específico se recurre al diseño de caso, caso de estudio, o  
estudio de caso (Cohen et al., 2017). Popov et al. (2019)  
hicieron un estudio de cuatro pacientes caninos en la  
recuperación de defectos óseos tras la resección de  
osteosarcomas, en su estudio ofrecen una revisión detallada  
del proceso empleado por ellos para concluir que todos los  
animales operados empezaron a utilizar activamente sus  
extremidades restauradas y mostraron buenos resultados  
funcionales. Según Yin (2017) los estudios de caso se parecen  
a los experimentales en tanto que sostienen cómo se hizo y por  
qué se hizo, a diferencia de los estudios observacionales en los  
que es difícil si no imposible responder. Si bien los estudios de  
caso suelen tener muestras pequeñas, esto se debe a su enfoque  
en profundidad y exhaustivo de un caso específico, lo que  
permite una comprensión detallada y contextualizada del  
hecho en estudio. A través de un análisis riguroso y  
sistemático, los estudios de caso buscan proporcionar  
evidencia sólida que, mediante estudios más amplios, pueda  
tornarse generalizable.  
8
0% para las pruebas estadística que se pretenden realizar.  
. Diseños epidemiológicos: Cuando se quiere estudiar  
9
el comportamiento de la salud pública en una población se  
emplea el diseño epidemiológico. Puede utilizar diferentes  
diseños mencionados anteriormente para describir o analizar  
la realidad. Los diseños más comunes en epidemiología son el  
diseño de prevalencia y el diseño de incidencia, que permiten  
examinar la frecuencia de una enfermedad en una población  
en un momento dado o durante un período de tiempo  
determinado. Además, la epidemiología también emplea otros  
diseños específicos que no suelen ser utilizados en otros  
campos, los cuales son relevantes y merecen ser mencionados  
en este apartado. Si es que el investigador tiene acceso a  
información que resume el comportamiento de una o varias  
poblaciones (y no puede acceder directamente a los datos de  
los individuos) puede hacer uso del diseño ecológico (algunas  
veces también denominado de conglomerado) (Cataldo et al.,  
2
019). Por ejemplo, un investigador realizó un análisis de la  
mortalidad por Covid-19 en 30 países tomando los datos de la  
organización Our World in Data desde que apareció el primer  
caso hasta dos años después y demostró el impacto que había  
tenido la vacunación en la reducción de dicha mortalidad (L.  
M. Cabrera-Tenecela y Macancela-Sacoto, 2022). Cuando se  
tiene información directa de los individuos (sea esta  
retrospectiva o prospectiva) y se quiere comparar a los que  
presentan una enfermedad con aquellos que no la presentan se  
emplea el diseño de casos y controles. Este diseño emplea un  
tipo de estadística categórica para separar a quienes presentan  
ciertas condiciones de salud (con lo cual puede estudiarse el  
nivel de riesgo que suponen ciertas características) con  
quienes no presentan esas condiciones de salud. Por ejemplo,  
un estudio sobre los factores de riesgo para el embarazo  
infantil realizado en 180 adolescentes, demostró que quienes  
eran víctimas de violencia intrafamiliar tenían 6 veces más  
probabilidades de quedar embarazadas que aquellas que no  
habían sido víctimas (Castañeda Paredes y Santa-Cruz-  
Espinoza, 2021). Otro ejemplo puede ser la comparación de la  
producción de dopamina entre estudiantes consumidores de  
cannabis con estudiantes no consumidores de esta sustancia  
12. Diseños mixtos: Cuando el investigador considera  
que es insuficiente el método hipotético-deductivo o el método  
interpretativo y asume que en la combinación de los dos existe  
una mejor solución a su problema, entonces opta por el diseño  
mixto. Estos diseños tienen posibilidad de combinar todos los  
diseños que consideren pertinentes, pudiendo ser  
(
Acuff et al., 2023). Este tipo de estudios no se limitan a  
presentar los resultados de forma descriptiva, sino que se  
suelen emplear bioestadística para modelar la información  
exploratorios, descriptivos, relacionales  
o explicativos.  
haciendo uso de técnicas inferenciales bivariadas  
multivariadas.  
o
Analicemos un ejemplo. Un estudio relacionado con la  
adherencia al tratamiento antirretroviral en 86 mujeres con  
VIH empleó un método mixto cuantitativo y cualitativo. Este  
estudio partió de un diseño explicativo en el que contrastaron  
variables como la edad, nivel de estudios e ingresos  
económicos para explicar la adherencia al tratamiento. A  
continuación, emplearon el diseño fenomenológico  
(cualitativo), únicamente en mujeres que no se adherían al  
1
0. Diseños históricos: Cuando se busca investigar  
eventos pasados y escribir o reescribir la historia, se hace uso  
del diseño histórico, que se basa en el análisis de fuentes  
secundarias y documentos primarios (Bloch, 2018). Boch  
sugería que historiador debe involucrar otras disciplinas pero  
que la interpretación del historiador es fundamental. Esta  
https://doi.org/10.5281/zenodo.8050508  
46  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
tratamiento para saber por qué no se adherían. Si el  
investigador emplea un diseño para luego poder emplear el  
otro, como en el presente caso, el diseño es secuencial, es claro  
que el primer diseño es uno explicativo y el segundo es uno  
fenomenológico, en cuyo caso, el nombre que se suele dar es  
mixto explicativo secuencial. Veamos otro ejemplo en el que  
ningún método depende del otro para existir, es decir, la  
aplicación de un diseño u otro es independiente. En un distrito  
urbano pobre se combinaron varios métodos para fomentar la  
alfabetización sanitaria, empoderamiento, participación  
ciudadana y la colaboración intersectorial. Para ello, de Jong  
et al. (2019) ofrecieron evidencias con respecto a la aplicación  
de cuestionarios sobre alfabetización sanitaria, análisis  
documental y fotográfico, así como, entrevistas, para dar  
respuesta a cuatro preguntas de investigación. Como el diseño  
cualitativo funcionan de forma independiente, este diseño  
podría denominarse mixto de investigación-acción  
concurrente, mientras que otros autores preferirían  
denominarlo mixto transformativo concurrente, sin embargo,  
los autores del artículo citado han preferido denominarlo  
métodos mixtos guiados por la investigación-acción. También  
hay autores que denominarían al primer ejemplo CUAN-cual,  
debido a la importancia del método cuantitativo, mientras que  
al segundo lo denominarían CUAL-cuan debido, asimismo, a  
la importancia del método cualitativo. Sin embargo, frente a  
las amplísimas posibilidades de denominar un diseño, y a las  
opciones poco prácticas que ofrecen los metodólogos, es  
preferible señalar si el diseño es mixto secuencial o  
concurrente y luego, como en nuestro segundo ejemplo,  
mencionar los diseños empleados tradicionalmente pues así se  
ofrecería una mayor precisión al lector.  
desprendidas de dichas teorías son verosímiles, como diría  
Popper. Sin embargo, pese a que Bryman, Cohen et al. (2017)  
y Hernández-Sampieri et al. (2014) realizan sugerencias sobre  
cómo estructurar los marcos teóricos y los estados del arte, no  
reconocen que existen diseños de investigación de esta  
naturaleza, como sí se ha hecho en el presente caso. Este  
aspecto sí ha sido trabajado por Borsboom et al. (2004) quien  
sugiere el empleo de ciertas normas para diseñar teorías que  
orienten a la investigación y la práctica científica. Desde  
luego, la estructuración de las teorías es un problema  
ampliamente estudiado por la epistemología (Popper, 2008;  
Popper et al., 2008), una rama de la filosofía que discute la  
importancia de la estructuración de las teorías y cómo se  
relaciona con la adquisición de conocimiento científico.  
Los autores que han publicado las últimas obras más  
influyentes en metodología de la investigación, en términos de  
citas, no pueden ignorar la importante obra de Campbell y  
Stanley (1963), quienes publicaron diseños experimentales y  
cuasi experimentales en la investigación social. Estos autores  
presentan una serie de diseños de investigación que permiten  
establecer relaciones causales y abordan los desafíos de  
realizar experimentos en entornos no controlados. Los autores  
discuten conceptos clave, como la aleatorización, el control de  
variables extrañas y la validez interna y externa, que son  
fundamentales para establecer conclusiones confiables en la  
investigación empírica.  
Es interesante notar que en las obras más citadas no se  
mencionen ampliamente los diseños históricos. Aunque la  
historia y la arqueología son disciplinas que cuentan con  
métodos muy particulares, es cada vez más evidente que, a  
través de enfoques interdisciplinarios, estos deben ser  
considerados e incluidos en las clasificaciones de los diseños  
de investigación en ciencias en general. La investigación  
histórica proporciona una perspectiva única al estudio de  
eventos pasados y su influencia en el presente, lo que puede  
enriquecer y complementar otras formas de investigación. Es  
importante fomentar un diálogo y reconocimiento más amplio  
de los diseños históricos dentro de la comunidad científica  
para abarcar de manera más completa la diversidad de  
enfoques metodológicos en la investigación.  
DISCUSIÓN  
El enfoque cualitativo proporciona una base sólida para  
la organización de los diseños de investigación, ya que su  
flexibilidad permite una comprensión metodológica más  
accesible. A medida que se agregan restricciones y niveles de  
complejidad a los diseños, se puede apreciar un incremento  
gradual en el enfoque cuantitativo. Si bien es cierto que los  
diseños cualitativos requieren experiencia y formación  
disciplinaria (los diseños son minimalistas y flexibles y se van  
adaptando al contexto según Bisquerra Alzina et al., 2019), su  
capacidad para tomar decisiones de manera flexible es notable  
y contrasta con la rigidez inherente al enfoque cuantitativo. La  
adopción de esta organización inicial basada en el enfoque  
cualitativo mejora la comprensión general de los diseños de  
investigación, permitiendo un abordaje más efectivo de los  
aspectos metodológicos. Este orden no ha sido considerado  
por Hernández Sampieri ni por los demás metodólogos  
anteriormente citados.  
De estos diseños se han desprendido técnicas interesantes  
que hoy en día pueden ser trabajadas mediante ciencia de  
datos. Por otro lado, si bien es cierto que los diseños teóricos  
y filosóficos se caracterizan únicamente por declarar los  
principios que guían la investigación, y su validez depende de  
su compatibilidad con la evidencia empírica, los estudios  
bibliográficos son un canal para verificar si las hipótesis  
Por último, en lo que respecta a los diseños mixtos,  
Hernández-Sampieri resume las ideas de Creswell y Creswell  
(
2017) para mencionar ocho diseños de investigación. Sin  
embargo, al buscar ejemplos, no existe tal abundancia de  
diseños. La mayoría de los investigadores prefieren señalar si  
se trata de un diseño concurrente o secuencial. Frente a la gran  
confusión que puede suponer combinar diseños de  
investigación como los que han propuesto los investigadores  
señalados, para evitar etiquetas ambiguas o subjetivas, es  
preferible especificar si el diseño es secuencial o concurrente  
y, luego, mencionar qué diseños se destacan o combinan de  
forma equivalente. De todos modos, la elección del diseño  
mixto debe estar guiada por las necesidades específicas del  
estudio. Sea cual sea la designación utilizada, es esencial que  
los investigadores proporcionen una descripción clara y  
detallada de los métodos utilizados en el diseño mixto. Esto  
asegurará la transparencia metodológica y permitirá a los  
lectores evaluar la validez y confiabilidad de los resultados.  
https://doi.org/10.5281/zenodo.8050508  
47  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
Uno de los hallazgos más reveladores de este estudio es  
la tendencia de muchos investigadores a confundir las técnicas  
e instrumentos de recopilación de información o análisis con  
los propios diseños de investigación. Por ejemplo, se  
mencionan el diseño de cuestionario estructurado  
Asimismo, es importante destacar la necesidad de  
proporcionar una descripción clara de las técnicas utilizadas  
en cada diseño, evitando la confusión entre las herramientas y  
la estadística empleadas. Se debe reconocer que estas  
herramientas y métodos estadísticos están al servicio de los  
diseños de investigación, y no al revés.  
En definitiva, este estudio resalta la importancia de  
comprender y aplicar los diversos diseños de investigación  
disponibles, teniendo en cuenta sus características, alcances y  
limitaciones. Esta comprensión permitirá a los investigadores  
abordar de manera más efectiva sus preguntas de investigación  
y contribuir al avance del conocimiento en sus respectivas  
disciplinas.  
(
(
instrumento) o el diseño de análisis factorial confirmatorio  
técnica estadística) como si fueran diseños en sí mismos. En  
el contexto de los estudios de diseños metodológicos, es  
crucial abordar este aspecto, ya que de lo contrario cualquier  
recurso podría ser malinterpretado como un diseño de  
investigación. Para evitar esta confusión, es fundamental  
comprender que las herramientas y la estadística son  
herramientas que están al servicio de los diseños de  
investigación, y no al revés. Cada proyecto de investigación  
debe dejar claro el alcance y las limitaciones, destacando la  
importancia de utilizar las técnicas e instrumentos de manera  
adecuada dentro de un diseño de investigación sólido.  
Por último, es importante reiterar la importancia de  
organizar y clasificar los diseños de investigación, ya que, al  
momento de publicar, los editores de revistas, guiados por  
sistemas como APA o Vancouver, buscan tener la mayor  
claridad posible sobre el método que ha adoptado el  
investigador. En tal sentido, una metodología que no contenga  
diseños de investigación no haría más que reflexionar  
epistemológicamente sobre el enfoque adoptado o confundirlo  
con elementos logísticos de la investigación, como pueden ser  
las herramientas o técnicas de análisis de la información.  
Limitación. Este estudio ofrece una aproximación a los  
diseños de investigación, pero es importante destacar que no  
se pretende ser exhaustivo en su cobertura. Más bien, se  
presenta como una visión general de las fuentes metodológicas  
más consultadas, especialmente en las ciencias sociales. En el  
futuro, sería recomendable desarrollar una estructura  
interconectada de diseños de investigación, empleando un  
proceso de codificación más amplio que tenga en cuenta los  
propósitos específicos de cada uno, particularmente en lo que  
se refiere a las ciencias de la salud. De esta manera, se podrá  
lograr una comprensión más completa y profunda de los  
diferentes enfoques y diseños metodológicos utilizados en la  
investigación.  
BIBLIOGRAFÍA  
Abril, J. C., & Abril, M. de las M. (2021). Cinco preguntas para  
precautelar la honestidad estadística en la sociedad actual.  
South American Research Journal, 1(1), 5-9.  
https://doi.org/10.5281/zenodo.4885414  
Acuff, S. F., Simon, N. W., & Murphy, J. G. (2023). Effort-related  
decision making and cannabis use among college students.  
Experimental and Clinical Psychopharmacology, 31, 228-  
2
37. https://doi.org/10.1037/pha0000544  
Alonso Carmona, C. (2021). Desajustes entre las percepciones  
familiares y docentes sobre la implicación parental. Un  
estudio etnográfico en la educación secundaria  
obligatoria. RECERCA. Revista de Pensament i Anàlisi,  
2
6(2), Article 2. https://doi.org/10.6035/recerca.5750  
Andrade-Bayona, C. (2021). Técnicas para la realización de  
pronósticos electorales más precisos. South American  
Research Journal, 1(2), 37-43.  
https://doi.org/10.5281/zenodo.6383377  
Anthony Jnr., B. (2022). An exploratory study on academic staff  
perception towards blended learning in higher education.  
Education and Information Technologies, 27(3), 3107-  
3
133. https://doi.org/10.1007/s10639-021-10705-x  
Aparna Meenakshi, K. g, Athira Krishnan, L., Gayathri, K. V., &  
Sithara Balan, V. (2019). Improving Food and Nutritional  
Security of Rural Women: Action Study. Indian Journal  
of Extension Education, 55(2), 97-100.  
Arias Gonzáles, J. L., & Covinos Gallardo, M. (2021). Diseño y  
metodología de la investigación. Enfoques Consulting  
TING EIRL. chrome-  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://gc.  
scalahed.com/recursos/files/r161r/w26022w/Arias_S2.pdf  
Association, A. P. (2019). Publication Manual of the American  
Psychological Association: 7th Edition, Official, 2020  
Copyright.  
CONCLUSIÓN  
En este artículo se han presentado diversos diseños de  
investigación agrupados en 12 categorías, mostrando la amplia  
gama de enfoques utilizados por los investigadores en ciencias  
sociales y ciencias de la salud. Estos diseños van más allá de  
la mera observación y experimentación, incluyendo también el  
estudio teórico, bibliográfico e instrumental.  
Una contribución original de esta propuesta es la  
organización didáctica de los diseños desde los más flexibles  
hasta los menos flexibles hasta el ocho niveles, un enfoque que  
no ha sido explorado anteriormente en la literatura  
metodológica. Es fundamental que los investigadores se  
familiaricen con estos diferentes diseños y comprendan sus  
aplicaciones y limitaciones. La elección del diseño apropiado  
es crucial para abordar de manera efectiva los problemas de  
investigación y obtener resultados válidos y confiables.  
Balboa Barreiro, V. (2018). Metodología de la Investigación.  
Servicio Gallego de Saúde. chrome-  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://xxi  
coruna.sergas.gal/DInnovacion/38/Curso%20metodolog%  
C3%ADa%203%20-  
%
20An%C3%A1lisis%20con%20SPSS.pdf  
Barandiarán Irastorza, X., Canel Crespo, M. J., & Bouckaert, G.  
(2022). ¿Qué mueve a confiar en la gobernanza  
colaborativa? Análisis de un programa gubernamental en  
el País Vasco. Revista española de ciencia política, 60,  
2
51-275.  
Bedard, C., Hanna, S., & Cairney, J. (2020). A Longitudinal Study  
of Sport Participation and Perceived Social Competence  
in Youth. Journal of Adolescent Health, 66(3), 352-359.  
https://doi.org/10.1016/j.jadohealth.2019.09.017  
Bisquerra Alzina, R., Dorio Alcaraz, I., Gómez Alonso, J., Latorre  
Beltrán, A., Martínez Olmo, F., Massot Lafón, I., Mateo  
Andrés, J., Sabariego Puig, M., Sans Martin, T., Torrado-  
https://doi.org/10.5281/zenodo.8050508  
48  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
Fonseca, M., & Vilá Baños, R. (2019). Metodología de la  
investigación educativa (Sexta). La Muralla.  
Bloch, M. (2018). Apología para la historia o el oficio del  
historiador.  
Borsboom, D., Mellenbergh, G. J., & van Heerden, J. (2004). The  
Concept of Validity. - PsycNET. Psychological Review,  
Five and Well-being. Frontiers in Psychology, 8.  
https://www.frontiersin.org/articles/10.3389/fpsyg.2017.0  
1250  
Creswell, J. (2013). Research Design Qualitative, Quantitative, And  
Mixed Method Approaches (Third). Sage.  
http://archive.org/details/JohnW.CreswellResearchDesign  
QualitativeQuantitativeAndMixedMethodApproachesSA  
GEPublications2013  
1
11(4).  
https://psycnet.apa.org/doiLanding?doi=10.1037%2F0033  
295X.111.4.1061  
-
Creswell, J. W., & Creswell, J. D. (2017). Research Design:  
Qualitative, Quantitative, and Mixed Methods  
Approaches. SAGE Publications.  
Bryant, A., & Charmaz, K. (2019). The SAGE Handbook of Current  
Developments in Grounded Theory. SAGE.  
Bryman, A. (2016). Social Research Methods. Oxford University  
Press.  
Datu, J. A. D., Bernardo, A. B. I., & Valdez, J. P. M. (2021). The  
Emotional Rewards of Valuing Happiness: A  
Bunge, M. (1983). Speculation: Wild and sound. New Ideas in  
Psychology, 1(1), 3-6. https://doi.org/10.1016/0732-  
Longitudinal Study Among Filipino Adolescents. Child  
Indicators Research, 14(5), 1769-1779.  
1
18X(83)90024-7  
https://doi.org/10.1007/s12187-021-09820-5  
Bunge, M. (2005). La ciencia, su método y su filosofía. Debolsillo.  
Busetto, L., Wick, W., & Gumbinger, C. (2020). How to use and  
assess qualitative research methods. Neurological  
Research and Practice, 2(1), 14.  
de Jong, M. A. J. G., Wagemakers, A., & Koelen, M. A. (2019).  
Study protocol: Evaluation of a community health  
promotion program in a socioeconomically deprived city  
district in the Netherlands using mixed methods and  
guided by action research. BMC Public Health, 19(1),  
Article 1. https://doi.org/10.1186/s12889-019-6389-x  
de Vries, H. J. C., de Laat, M., Jongen, V. W., Heijman, T., Wind,  
C. M., Boyd, A., de Korne-Elenbaas, J., van Dam, A. P.,  
Schim van der Loeff, M. F., Bruisten, S., Hoornenborg,  
E., Knol, M., Mathôt, R. A. A., & Prins, J. M. (2022).  
Efficacy of ertapenem, gentamicin, fosfomycin, and  
ceftriaxone for the treatment of anogenital gonorrhoea  
(NABOGO): A randomised, non-inferiority trial. The  
Lancet Infectious Diseases, 22(5), 706-717.  
https://doi.org/10.1186/s42466-020-00059-z  
Cabrera-Tenecela, L. M., & Macancela-Sacoto, G. M. (2022).  
Impacto de la vacunación en la reducción de la mortalidad  
diaria durante la pandemia covid-19. South American  
Research Journal, 2(1), 27-32.  
https://zenodo.org/record/6763486  
Cabrera-Tenecela, P. (2021). Revisión bibliográfica del pronóstico  
electoral a través del big data. South American Research  
Journal, 1(2), 27-35.  
https://doi.org/10.5281/zenodo.6383385  
Campbell, D. T., & Stanley, J. C. (2015). Experimental and Quasi-  
Experimental Designs for Research. Ravenio Books.  
Cárdenas Castro, M. (2009). Métodos de investigación social. En P.  
Salinas Meruane y M Cárdenas Castro. (Ed.), Métodos de  
investigación social (Segunda, pp. 83-98). Ediciones  
CIESPAL.  
Carretero Poblete, P. A., & Samaniego Erazo, W. M. (2017).  
Prospección arqueológica en el sitio Puruhá de Collay,  
Riobamba, Ecuador. Arqueología Iberoamericana, 9(33),  
https://doi.org/10.1016/S1473-3099(21)00625-3  
Díaz Muñoz, G. A., Castañeda-Gómez, A. M., Belalcázar  
Monsalve, M. P., Zambrano Salazar, J. P., Bautista  
Velandia, M. C., & Ballesteros Arbeláez, F. (2021).  
Efecto de la dieta cetogénica baja en calorías sobre la  
composición corporal en adultos con sobrepeso y  
obesidad: Revisión sistemática y metaanálisis. Revista de  
Nutrición Clínica y Metabolismo, 4(3).  
https://doi.org/10.35454/rncm.v4n3.273  
1
8-26.  
Doyle, L., Brady, A.-M., & Byrne, G. (2009). An overview of  
mixed methods research. Journal of Research in Nursing,  
14(2), 175-185.  
Carretero-Dios, H. (2007). Normas para el desarrollo y revisión de  
estudios instrumentales: Consideraciones sobre la  
selección de tests en la investigación psicológica.  
https://doi.org/10.1177/1744987108093962  
International Journal of Clinical and Health Psychology,  
Duarte-Neto, A. N., Teixeira, T. A., Caldini, E. G., Kanamura, C.  
T., Gomes-Gouvêa, M. S., dos Santos, A. B. G., Monteiro,  
R. A. A., Pinho, J. R. R., Mauad, T., da Silva, L. F. F.,  
Saldiva, P. H. N., Dolhnikoff, M., Leite, K. R. M., &  
Hallak, J. (2022). Testicular pathology in fatal COVID-  
19: A descriptive autopsy study. Andrology, 10(1), 13-23.  
https://doi.org/10.1111/andr.13073  
7
(3), 20.  
Castañeda Paredes, J., & Santa-Cruz-Espinoza, H. (2021). Factores  
de riesgo asociados al embarazo en adolescentes.  
Enfermería Global, 20(2), 109-128.  
https://doi.org/10.6018/eglobal.438711  
Cataldo, R., Arancibia, M., & Stojanova, J. (2019). Conceptos  
generales en bioestadística y epidemiología clínica:  
Estudios observacionales con diseños transversal y  
ecológico. Medwave, e7698-e7698.  
Ceron, A., Curini, L., & Iacus, S. M. (2016). Politics and Big Data:  
Nowcasting and Forecasting Elections with Social Media.  
Routledge.  
Charmaz, K. (2014). Constructing Grounded Theory. SAGE.  
Chiatchoua, C., Lozano, C., & Macías-Durán, J. (2020). Análisis de  
los efectos del COVID-19 en la economía mexicana.  
Revista del Centro de Investigación de la Universidad la  
Salle, 14(53), 265-290.  
Ezzy, D. (2002). Qualitative Analysis: Practice and Innovation.  
Allen & Unwin.  
Farrington, B. (1984). Ciencia y Filosofía en la Antigüedad. Ariel.  
Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007).  
G*Power 3: A flexible statistical power analysis program  
for the social, behavioral, and biomedical sciences.  
Behavior Research Methods, 39(2), 175-191.  
https://doi.org/10.3758/BF03193146  
Golaki, S. P., Kamali, F., Bagherzadeh, R., Hajinejad, F., &  
Vahedparast, H. (2022). The effect of Flipped Classroom  
through Near Peer Education (FC through NPE) on  
patient safety knowledge retention in nursing and  
midwifery students: A solomon four-group design. BMC  
Medical Education, 22(1), 112.  
https://doi.org/10.1186/s12909-022-03144-w  
Gómez, M. F., & Dorati, J. (2017). Diseños de investigación en  
Ciencias Sociales y Psicología.  
https://doi.org/10.26457/recein.v14i53.2683  
Codina, L. (2018). Revisiones bibliográficas sistematizadas:  
Procedimientos generales y Framework para ciencias  
humanas y sociales. Universitat Pompeu Fabra.  
http://repositori.upf.edu/handle/10230/34497  
Cohen, L., Manion, L., & Morrison, K. (2017). Research Methods  
in Education. Routledge.  
http://sedici.unlp.edu.ar/handle/10915/127169  
Hair, J., Back, W., Babby, B., & Anderson, R. (2010). Multivariate  
Data Analysis, 7th Edition (7th ed.). Pearson.  
Cosentino, A. C., & Castro Solano, A. (2017). The High Five:  
Associations of the Five Positive Factors with the Big  
https://doi.org/10.5281/zenodo.8050508  
49  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
https://www.pearson.com/us/higher-  
education/program/Hair-Multivariate-Data-Analysis-7th-  
Edition/PGM263675.html  
vaccine in COVID-19 convalescent participants: An open-  
label phase 2a and double-blind, randomised, placebo-  
controlled, phase 2b, seamless, clinical trial. The Lancet  
Respiratory Medicine, 10(8), 785-795.  
Harris, D. E., Holyfield, L., Jones, L., Ellis, R., & Neal, J. (2019).  
Research Methods. En D. E. Harris, L. Holyfield, L.  
Jones, R. Ellis, & J. Neal (Eds.), Spiritually and  
Developmentally Mature Leadership: Towards an  
Expanded Understanding of Leadership in the 21st  
Century (pp. 57-65). Springer International Publishing.  
https://doi.org/10.1007/978-3-030-11175-5_4  
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio,  
P. (2014). Metodologia de la Investigacion. McGraw-Hill.  
Jaan, Y., Bano, Z., Akhter, A., Bassen, S., Amad, I., Batool, S.,  
Mehraj, R., & Gul, A. (2022). Effectiveness of Self-  
Instructional Module on Knowledge and Practice of Staff  
Nurses regarding Parenteral Pediatric Drug  
https://doi.org/10.1016/S2213-2600(22)00100-X  
Oikarainen, A., Kaarlela, V., Heiskanen, M., Taam-Ukkonen, M.,  
Lehtimaja, I., Kärsämänoja, T., Tuomikoski, A.-M.,  
Kääriäinen, M., Tomietto, M., & Mikkonen, K. (2022).  
Educational intervention to support development of  
mentors’ competence in mentoring culturally and  
linguistically diverse nursing students: A quasi-  
experimental study. Nurse Education Today, 116, 105424.  
https://doi.org/10.1016/j.nedt.2022.105424  
Páramo Reales, D., Campo Sierra, S., & Maestre Matos, L. M.  
(2020). Métodos de investigación cualitativa.  
Fundamentos y aplicaciones. Editorial Unimagdalena.  
Patten, M. L. (2017). Understanding Research Methods: An  
Overview of the Essentials. Taylor & Francis.  
Administration at Sher-i-Kashmir Institute of Medical  
Sciences Soura, Srinagar, Kashmir. Trends in Nursing  
Administration and Education (2348-2141), 11(2).  
http://medicaljournalshouse.com/index.php/ADR-  
Nursing-Education/article/view/845  
Pearl, J. (2012). The Causal Foundations of Structural Equation  
Modeling. En R. H. Hoyle (Ed.), Handbook of Structural  
Equation Modeling, Second Edition (pp. 68-91). Guilford  
Press. chrome-  
Jeacle, I. (2021). Navigating netnography: A guide for the  
accounting researcher. Financial Accountability &  
Management, 37(1), 88-101.  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://ftp.  
cs.ucla.edu/pub/stat_ser/r370.pdf  
https://doi.org/10.1111/faam.12237  
Pereira, R., & de Andrade Dornelles, T. A. (2021). Posible  
asociación entre el apoyo a formas menos democráticas de  
gobierno y el miedo al delito: Investigación longitudinal  
en Brasil, periodos 1990-1998 y 2005-2014. Estudios  
Avanzados, 34, 15-25.  
Kakemam, E., Ghafari, M., Rouzbahani, M., Zahedi, H., & Roh, Y.  
S. (2022). The association of professionalism and systems  
thinking on patient safety competency: A structural  
equation model. Journal of Nursing Management, 30(3),  
8
17-826. https://doi.org/10.1111/jonm.13536  
Petticrew, M., & Roberts, H. (2008). Systematic Reviews in the  
Social Sciences: A Practical Guide. John Wiley & Sons.  
Pimienta-Prieto, J., & De la Orden, A. (2017). Metodología de la  
investigación. Pearson.  
Popov, V. V., Muller-Kamskii, G., Katz-Demyanetz, A.,  
Kovalevsky, A., Usov, S., Trofimcow, D., Dzhenzhera,  
G., & Koptyug, A. (2019). Additive manufacturing to  
veterinary practice: Recovery of bony defects after the  
osteosarcoma resection in canines. Biomedical  
Engineering Letters, 9(1), 97-108.  
Kirshenblatt-Gimblett, B. (2006). What Is Research Design? The  
Context of Design. New York University,.  
https://library.sacredheart.edu/c.php?g=29803&p=185902  
Kuru Alici, N., & Ozturk Copur, E. (2022). Anxiety and fear of  
COVID‐19 among nursing students during the COVID‐19  
pandemic: A descriptive correlation study. Perspectives in  
Psychiatric Care, 58(1), 141-148.  
https://doi.org/10.1111/ppc.12851  
Lankoski, P., Björk, S., & al, et. (2015). Game Research Methods:  
An Overview. Lulu.com.  
https://doi.org/10.1007/s13534-018-00092-7  
Loachamin, S. (2023). Síntomas de infecciones del tracto genital y  
función sexual en mujeres que acuden al Consultorio  
Obstétrico Integral de la Mujer de Quito, año 2022. South  
American Research Journal, 3(1), 5-16.  
Popper, K. R. (2008). La lógica de la investigación científica (V. S.  
de Zavala, Trad.). Tecnos.  
Popper, K. R., Rodgers, T. S., Dahrendorf, R., & Habermas, J.  
(2008). La lógica de las ciencias sociales (J. Muñoz,  
Trad.). Cologón.  
https://doi.org/10.5281/zenodo.7973859  
Luciano, C. (2020). Metodología de la investigación científica  
Quezada Lucio, N. (2021). Metodología de la investigación.  
Marcombo  
[Tesis de posgrado, Instituto Universitario de Ciencias de  
la Salud]. chrome-  
Rajbhandari, S., Devkota, N., Khanal, G., Mahato, S., & Paudel, U.  
R. (2022). Assessing the industrial readiness for adoption  
of industry 4.0 in Nepal: A structural equation model  
analysis. Heliyon, 8(2), e08919.  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://rep  
ositorio.barcelo.edu.ar/greenstone/collect/tesis/index/asso  
c/HASH015e/f5d8ef07/e44b267c.dir/TFI%20Luciano%2  
0
Carolina.pdf  
https://doi.org/10.1016/j.heliyon.2022.e08919  
Mantilla Millán, J. A. E., Ramírez Duarte, K. P., & Bohórquez  
Farfán, L. (2022). Narrativas de las víctimas sobre la  
Operación Berlín. Reflexión política, 24(49), 4.  
Marvasti, A. (2018). Research methods. En The Cambridge  
Handbook of Social Problems (Vol. 1, pp. 23-37).  
Cambridge University Press.  
https://doi.org/10.1017/9781108656184.003  
Oberti, A., & Bacci, C. (2018). Metodologíadelainvestigación.  
FAHCE.  
Raynaud, D. (2022). Sociology: Before the Origin. En The Future of  
Sociology. Routledge.  
Rimoldi, L. (2019). Estudio longitudinal de la representación social  
del teatro en una cohorte de 25 dramaturgos argentinos de  
entre 35 y 45 años. Moderna språk, 113(1), 242-262.  
Rose, J., & Johnson, C. W. (2020). Contextualizing reliability and  
validity in qualitative research: Toward more rigorous and  
trustworthy qualitative social science in leisure research.  
Journal of Leisure Research, 51(4), 432-451.  
Ochoa-Azze, R., Chang-Monteagudo, A., Climent-Ruiz, Y.,  
Macías-Abraham, C., Valenzuela-Silva, C., de los  
Ángeles García-García, M., Jerez-Barceló, Y., Triana-  
Marrero, Y., Ruiz-Villegas, L., Dairon Rodríguez-Prieto,  
L., Guerra-Chaviano, P. P., Sánchez-Ramírez, B.,  
Hernández-García, T., Orosa-Vázquez, I., Díaz-  
Hernández, M., Chiodo, F., Calcagno, A., Ghisetti, V.,  
Rodríguez-Acosta, M., … Verez-Bencomo, V. (2022).  
Safety and immunogenicity of the FINLAY-FR-1A  
https://doi.org/10.1080/00222216.2020.1722042  
Sampietro Saquicela, J. L., & Pico-Valencia, P. (2018). Revisión  
bibliográfica de sistemas de control para gestión de micro-  
redes de energía. Maskay, 8(2), 60-66.  
https://doi.org/10.24133/maskay.v8i2.971  
Soto-Álvarez, C., Fonseca, G. M., Viciano, J., Alemán, I., Rojas-  
Torres, J., Zúñiga, M. H., & López-Lázaro, S. (2020).  
Reliability, reproducibility and validity of the  
conventional buccolingual and mesiodistal measurements  
https://doi.org/10.5281/zenodo.8050508  
50  
South American Research Journal, 3(1), 37-51  
https://www.sa-rj.net/index.php/sarj/article/view/37  
on 3D dental digital models obtained from intra-oral 3D  
scanner. Archives of Oral Biology, 109, 104575.  
https://revistas.ues.edu.sv/index.php/humanidades/article/  
view/41  
https://doi.org/10.1016/j.archoralbio.2019.104575  
Soto-Canales, K., & Padilla-Herrera, D. K. (2023). Ciudad-No  
ciudad: Imaginarios urbanos contrapuestos. Caso  
Villanueva Couhg, F. J. (2022). Metodología de la investigación.  
Klik.  
Walliman, N. (2021). Research Methods: The Basics. Routledge.  
Wan, M. (2022). Research Methods. En M. Wan (Ed.), CSR Image  
Discursive Construction of Banks and the Effects on  
Capital Markets: Comparative Study of China and US  
(pp. 69-86). Springer Nature. https://doi.org/10.1007/978-  
981-19-6012-3_4  
Monterrey, México. Legado de Arquitectura y Diseño,  
1
8(33), 29-38.  
https://doi.org/10.36677/legado.v18i33.18264  
Stokes, P., & Wall, T. (2017). Research Methods. Bloomsbury  
Publishing.  
Supo, J. (2012). Seminarios de Investigacion Cientifica:  
Metodologia de La Investigacion Para Las Ciencias de La  
Salud: Dr Jose Supo: 9781477449042. Bioestadístico.  
https://www.bookdepository.com/Seminarios-de-  
Investigacion-Cientifica-Metodologia-de-La-  
Investigacion-Para-Las-Ciencias-de-La-Salud-Dr-Jose-  
Supo/9781477449042  
Xu, Z., Wang, X., Wang, X., & Skare, M. (2021). A comprehensive  
bibliometric analysis of entrepreneurship and crisis  
literature published from 1984 to 2020. Journal of  
Business Research, 135, 304-318.  
https://doi.org/10.1016/j.jbusres.2021.06.051  
Yin, D. R. K. (2017). Case Study Research and Applications:  
Design and Methods. SAGE.  
Tomaylla Quispe, Y. S., & Gutiérrez Aguilar, O. A. (2023).  
Síntomas culturales de la generación peruana de los 80 en  
los cuadernos de la artista Nereida Apaza, a la luz del  
método de interpretación de objetos de Erwin Panofsky.  
Revista Inclusiones, 58-70.  
Zhunio-Falcones, S. E., & Cabrera-Tenecela, P. (2022). Análisis  
factorial exploratorio y confirmatorio de la Escala de  
Intevención Docente Orientada a Promover la  
Metacognición en el Aula (EIDOPMA). South American  
Research Journal, 2(1), 33-41.  
Toscano, F. (2018). Metodología de la Investigación. U. Externado  
de Colombia.  
Vásquez Ruiz, R. (2014). Los sucesos de 1932: ¿Complot  
comunista, motín indígena o protesta subalterna?ꢀ: una  
revisión historiográfica. Revista Humanidades, 3.  
https://doi.org/10.5281/zenodo.6808830  
Zúñiga, C., Aguado, D., & Cabrera-Tenecela, P. (2022). Examining  
work ethic across Latam populations: Differences between  
Ecuadorian and Chilean workers. Journal of  
Globalization, Competitiveness and Governability, 16(3).  
https://doi.org/10.3232/GCG.2022.V16.N3.02  
https://doi.org/10.5281/zenodo.8050508  
51