¿Qué datos sociodemográficos debo preguntar en mi TFG?
¿Qué datos sociodemográficos debo preguntar en mi TFG?
Estás preparando la encuesta de tu TFG.
Ya tienes:
las escalas;
las preguntas principales;
los objetivos;
las variables.
Y entonces llegas al bloque que aparece en prácticamente cualquier formulario:
datos sociodemográficos.
Edad.
Género.
Estudios.
Trabajo.
Estado civil.
Ingresos.
Ciudad.
Número de hijos.
Nacionalidad.
Pero aparece una duda:
¿tengo que preguntarlo todo?
La respuesta es:
no.
Uno de los errores más habituales al preparar una encuesta para un TFG consiste en añadir preguntas:
“por si después sirven.”
El estudiante pregunta:
edad;
sexo;
ciudad;
código postal;
estado civil;
hijos;
profesión;
salario;
nacionalidad;
tipo de vivienda;
religión;
y muchas otras variables.
Después termina el TFG y utiliza únicamente:
edad y situación laboral.
Todo lo demás se recogió innecesariamente.
La regla debería funcionar al revés:
primero decides qué información necesitas.
Después preguntas únicamente:
lo necesario para describir la muestra o responder a tus objetivos.
Este principio coincide además con la idea de minimización de datos recogida en el RGPD: cuando se procesan datos personales, estos deben ser adecuados, pertinentes y limitados a aquello necesario para la finalidad prevista.
Vamos a ver cómo diseñar correctamente esta parte de una encuesta.
¿Qué son los datos sociodemográficos?
Son variables utilizadas para describir determinadas características de las personas que forman parte de una investigación.
Por ejemplo:
edad;
nivel de estudios;
situación laboral;
curso académico;
ocupación;
años de experiencia;
zona de residencia.
Permiten responder a una pregunta básica:
¿quiénes forman parte de mi muestra?
Imagina que escribes:
Participaron 180 personas.
Sabemos cuántas.
Pero no sabemos:
qué edad tienen;
si son estudiantes o trabajadores;
qué características resultan relevantes para entender el estudio.
Añadir variables sociodemográficas permite describir mejor la muestra.
Pero también pueden utilizarse en los análisis
No siempre sirven únicamente para:
describir.
Supongamos tu objetivo:
Analizar si existen diferencias en satisfacción laboral según modalidad de trabajo.
Necesitas preguntar:
modalidad laboral.
Otro objetivo:
Analizar la relación entre experiencia profesional y aceptación de la inteligencia artificial.
Necesitas conocer:
años de experiencia.
Otro:
Comparar estudiantes de primero y cuarto curso.
Necesitas:
curso.
En estos casos la variable no es solo descriptiva.
Forma parte directamente de:
tu análisis.
La primera pregunta antes de añadir cualquier variable
Para cada dato que quieras solicitar pregúntate:
¿qué voy a hacer con esta información?
Si tienes una respuesta clara:
perfecto.
Si respondes:
“No sé, pero igual luego me viene bien.”
probablemente deberías reconsiderarla.
Por ejemplo:
quieres preguntar:
estado civil.
Pregunta:
¿aparece en tus objetivos?
¿lo utilizarás para describir la muestra?
¿lo utilizarás para comparar grupos?
¿existe literatura que indique que es importante?
Si las respuestas son:
no;
no;
no;
no,
¿para qué lo necesitas?
Menos preguntas puede significar mejor encuesta
Añadir variables innecesarias genera varios problemas.
El cuestionario:
se alarga.
El participante:
se cansa.
Aumenta:
el abandono.
Puedes recopilar:
información sensible innecesaria.
También complicas:
la base de datos.
Y puedes terminar realizando:
comparaciones sin una hipótesis real
simplemente porque dispones de las variables.
Por tanto:
más datos no significa mejor investigación.
¿Qué variables sociodemográficas son habituales?
Dependerá del TFG.
Entre las más frecuentes aparecen:
edad;
género o sexo, cuando resulte relevante;
nivel educativo;
curso académico;
situación laboral;
profesión;
puesto;
años de experiencia;
modalidad de trabajo;
país o zona de residencia;
ingresos, cuando estén justificados;
composición familiar, cuando esté relacionada con la investigación.
No existe un paquete obligatorio.
No necesitas preguntar:
todas.
1. Edad
Es probablemente una de las variables más utilizadas.
Pero incluso aquí necesitas decidir:
cómo preguntar.
Puedes utilizar:
Opción A
¿Cuál es tu edad?
Respuesta numérica:
___ años.
Opción B
Indica tu grupo de edad:
18-24.
25-34.
35-44.
45-54.
55 o más.
¿Cuál es mejor?
Depende del análisis.
Edad exacta suele conservar más información
Si preguntas:
edad en años,
obtienes un valor:
Después puedes:
calcular media;
mediana;
mínimo;
máximo;
crear grupos si realmente los necesitas.
En cambio, si preguntas desde el principio:
18-25.
26-35.
36-45,
has perdido para siempre:
la edad exacta.
No podrás diferenciar:
18
de:
Por eso, si no existe una razón de privacidad o diseño para agruparla desde el principio:
la edad numérica puede aportar mayor flexibilidad.
Pero no pidas fecha de nacimiento si solo necesitas edad
Quieres:
edad.
Y preguntas:
día;
mes;
año de nacimiento.
¿Realmente necesitas tanta precisión?
Muchas veces:
no.
La fecha completa puede aumentar:
la capacidad de identificar a una persona.
Si basta con:
edad en años,
pregunta:
edad.
Este es un buen ejemplo de:
minimización de datos.
La Comisión Europea señala que deben recogerse únicamente los datos necesarios para alcanzar el propósito previsto.
¿Cuándo utilizar grupos de edad?
Puede tener sentido cuando:
la edad exacta no resulta necesaria;
quieres reducir precisión identificativa;
la teoría trabaja con categorías previamente definidas;
el análisis necesita grupos concretos.
Pero los grupos deben tener:
una justificación.
No hagas:
18-20.
21-35.
36-72.
sin saber por qué.
Evita intervalos que se solapen
Incorrecto:
18-25.
25-35.
35-45.
¿Dónde entra una persona de:
25?
En ambos.
Mejor:
18-24.
25-34.
35-44.
O cualquier división que corresponda a:
tu estudio.
2. Sexo y género
Aquí conviene ser especialmente preciso.
No utilices automáticamente:
“sexo”
y:
“género”
como si fueran exactamente la misma variable.
Pregúntate:
¿qué característica necesitas realmente para tu investigación?
Si tu pregunta necesita:
sexo registrado/asignado,
formula esa variable de forma acorde.
Si necesitas:
identidad de género,
pregunta por:
identidad de género.
No recojas ambas:
si únicamente necesitas una.
La literatura actual sobre diseño de encuestas insiste precisamente en definir qué dimensión de identidad se pretende medir antes de formular las categorías de respuesta.
Ejemplo de pregunta sobre género
Puedes formular:
¿Cómo describes tu género?
Y ofrecer categorías apropiadas al contexto de tu investigación.
Por ejemplo:
Mujer.
Hombre.
Otra identidad / otra opción.
Prefiero no responder.
Dependiendo del proyecto también puede resultar apropiada:
una respuesta abierta.
Lo importante es:
no introducir categorías innecesariamente complejas
ni:
forzar una clasificación que no necesitas.
“Otro” necesita cuidado
Una opción simplemente llamada:
Otro
puede resultar poco informativa.
En determinados diseños puede ser preferible:
Otra opción: ______
Esto permite a la persona:
especificar si quiere.
Investigaciones metodológicas recientes han analizado precisamente la utilidad de ofrecer respuestas abiertas complementarias en preguntas de identidad.
¿Tengo que preguntar sexo o género siempre?
No.
Ejemplo:
TFG sobre:
experiencia de usuario de una aplicación.
Tus objetivos no incluyen:
diferencias relacionadas con sexo o género.
La literatura utilizada tampoco lo considera:
una variable relevante.
Quizá no necesitas:
preguntarlo.
No incluyas una variable únicamente porque:
“todas las encuestas lo hacen.”
3. Nivel educativo
Puede ser relevante en investigaciones sobre:
empleo;
consumo;
educación;
tecnología;
salud;
actitudes.
Pero las categorías tienen que adaptarse:
a tu población.
Ejemplo
Si encuestas población adulta general:
Sin estudios.
Educación Primaria.
Educación Secundaria.
Bachillerato / FP.
Estudios universitarios.
Posgrado.
Otra categoría cuando corresponda.
Pero si todos los participantes son:
estudiantes universitarios,
esa pregunta quizá aporta muy poco.
Todos responderán:
una categoría semejante.
Tal vez te interese más:
titulación y curso.
No copies categorías de una encuesta extranjera automáticamente
Los sistemas educativos:
no son iguales.
Una clasificación pensada para:
Estados Unidos
puede no encajar bien con:
España.
Adapta la pregunta al:
contexto real.
4. Curso académico
Muy útil cuando estudias:
estudiantes.
Ejemplo:
1.º.
2.º.
3.º.
4.º.
5.º o superior cuando corresponda.
Pero comprueba:
la duración real de la titulación.
No pongas:
4.º como máximo
si estudias una carrera de:
cinco o seis cursos.
Otra opción
Puedes preguntar:
¿Cuántos créditos tienes superados?
Eso puede aportar una medida más precisa del avance académico.
Pero también:
complica la respuesta.
Elige la variable que:
realmente responda a tus objetivos.
5. Titulación
Si tu encuesta incluye:
varias carreras,
puede resultar fundamental.
Ejemplo:
Psicología.
ADE.
Derecho.
Educación.
Ingeniería.
Otros.
Pero evita crear:
40 categorías
si tu muestra es:
N = 100.
Podrías terminar con:
un participante por titulación.
Agrupar titulaciones
Puede tener sentido trabajar con:
áreas.
Por ejemplo:
Ciencias Sociales.
Salud.
Ingeniería.
Humanidades.
Pero únicamente si:
la agrupación tiene sentido para tus objetivos.
No agrupes después únicamente para conseguir:
p < .05.
6. Situación laboral
Puede ser especialmente útil cuando estudias:
adultos;
universitarios;
empleabilidad;
estrés;
teletrabajo.
Ejemplo:
Trabajo a tiempo completo.
Trabajo a tiempo parcial.
Autónomo/a.
Actualmente no trabajo.
Otra situación.
Pero piensa:
¿qué necesitas diferenciar?
Si solo te interesa trabajar vs no trabajar
Quizá basta:
Sí.
No.
No necesitas crear:
ocho categorías.
Si el tipo de empleo importa
Entonces necesitas más detalle.
Por ejemplo:
asalariado;
autónomo;
temporal;
indefinido.
La pregunta debe responder:
al análisis futuro.
7. Profesión
Pregunta abierta:
¿Cuál es tu profesión?
Puede generar:
decenas de respuestas diferentes.
“Profesor.”
“Docente.”
“Maestro.”
“Profesor secundaria.”
“Educador.”
Después tendrás que:
codificarlas.
Si necesitas grupos profesionales:
puede ser mejor preparar:
categorías previamente definidas.
Pero si la diversidad profesional es central:
una pregunta abierta puede conservar más detalle.
Pregunta abierta vs cerrada
Abierta
Mayor precisión.
Más difícil de analizar.
Cerrada
Más sencilla de codificar.
Puede obligar a clasificaciones demasiado amplias.
No existe una respuesta universal.
8. Puesto de trabajo
En investigaciones organizacionales puede ser más informativo que:
profesión.
Por ejemplo:
Dirección.
Mando intermedio.
Personal técnico.
Administración.
Atención al cliente.
Operaciones.
Permite comparar:
niveles o funciones.
Pero vigila:
la identificación.
Ejemplo de riesgo
Empresa pequeña.
Solo existe:
una directora financiera
de:
57 años.
Si preguntas:
edad exacta;
género;
puesto exacto;
departamento,
aunque no preguntes:
nombre,
puede resultar obvio quién es.
Esto se denomina riesgo de:
reidentificación por combinación de variables.
Por eso anonimizar una encuesta no consiste únicamente en:
eliminar nombre y apellidos.
“No pregunto el nombre, por tanto es anónimo”
No necesariamente.
Imagina:
Municipio:
X.
Profesión:
Alcalde.
Edad:
Género:
hombre.
Quizá solo existe:
una persona
con esa combinación.
Los datos pueden seguir permitiendo:
identificación indirecta.
Cuanto más pequeña sea la población:
más cuidado necesitas.
9. Años de experiencia
Muy útil en investigaciones profesionales.
Puedes preguntar:
¿Cuántos años de experiencia profesional tienes en el sector?
Respuesta numérica:
___.
Ventaja:
conservas:
toda la información.
O utilizar intervalos
Menos de 1 año.
1-5.
6-10.
11-20.
Más de 20.
Puede resultar más fácil.
Pero otra vez:
pierdes precisión.
Años en la empresa y años en el sector son diferentes
Una persona puede llevar:
2 años en su empresa
y:
15 años en el sector.
Define:
qué necesitas.
10. Modalidad laboral
Muy relevante actualmente en estudios de:
teletrabajo;
satisfacción;
productividad;
bienestar.
Ejemplo:
Presencial.
Híbrida.
Completamente remota.
Pero cuidado:
una persona puede trabajar:
cuatro días presencial
y:
uno remoto.
Otra:
uno presencial
y:
cuatro remotos.
Ambas:
“híbridas.”
Si el grado de teletrabajo importa:
quizá necesites preguntar:
días de teletrabajo por semana.
La categoría debe representar tu teoría
No preguntes solo:
“¿teletrabajas?”
si después quieres analizar:
intensidad de teletrabajo.
Pregunta:
la variable que necesitas.
11. Ingresos
Puede ser una pregunta:
sensible.
Antes de incluirla:
pregúntate si realmente necesitas:
el dato.
Si tu TFG analiza:
decisiones de consumo;
desigualdad;
satisfacción salarial;
puede tener sentido.
Si estudias:
uso de una aplicación universitaria,
quizá no.
Ingresos exactos o intervalos
Pedir:
¿Cuánto ganas exactamente al año?
puede generar:
rechazo.
Una alternativa:
rangos.
Por ejemplo:
Menos de X.
X-Y.
Y-Z.
Más de Z.
Prefiero no responder.
Pew explica que en sus encuestas utiliza intervalos para determinados datos económicos con el objetivo de reducir la carga de respuesta frente a solicitar una cifra exacta.
Pero los rangos deben adaptarse al contexto
No copies:
rangos estadounidenses
en una encuesta española.
Define intervalos:
razonables para tu población
y:
tu pregunta.
Ingreso individual o del hogar
No es lo mismo.
Pregunta:
Ingresos mensuales.
¿De quién?
¿Participante?
¿Familia?
¿Hogar?
Define:
la unidad.
12. Lugar de residencia
Puede ser:
país;
comunidad autónoma;
provincia;
municipio.
¿Cuál necesitas?
Si tu objetivo únicamente compara:
España vs extranjero,
no necesitas:
código postal.
Si estudias:
diferencias autonómicas,
necesitas:
comunidad.
Si estudias:
barrios,
quizá necesitas mayor precisión.
Pero:
mayor precisión geográfica
también puede aumentar:
riesgo de identificación.
Evita recopilar ubicación exacta sin necesidad
No preguntes:
dirección completa.
Calle.
Número.
Código postal.
si:
no vas a utilizarlo.
El principio de minimización de datos precisamente exige limitar la recogida a aquello necesario para el propósito previsto.
13. Nacionalidad y país de residencia no son lo mismo
Una persona puede tener:
nacionalidad italiana
y vivir en:
España.
Si te interesa:
contexto cultural de residencia,
quizá necesitas:
país de residencia.
Si te interesa:
nacionalidad,
pregunta:
nacionalidad.
No utilices ambas variables:
como sinónimos.
País de nacimiento también es diferente
Puedes tener:
nacionalidad española;
nacimiento en Colombia;
residencia en España.
Tres conceptos.
Define:
cuál responde a tu investigación.
14. Estado civil
Puede resultar relevante en estudios sobre:
conciliación;
familia;
bienestar;
consumo;
determinadas variables sociales.
Pero en muchos TFG:
no sirve para nada.
No lo añadas por costumbre.
15. Número de hijos o personas dependientes
Puede ser muy relevante en:
conciliación laboral;
teletrabajo;
cuidados;
calidad de vida.
Pero si investigas:
satisfacción con una plataforma educativa,
probablemente no.
La lógica debe ser siempre la misma
Objetivo → información necesaria → pregunta.
No:
pregunta → quizá encuentre algo.
Datos especialmente sensibles
Algunas variables requieren un cuidado mucho mayor.
El RGPD otorga protección específica a determinadas categorías de datos, entre ellas información relacionada con origen racial o étnico, religión, salud, datos genéticos o biométricos, vida sexual u orientación sexual, entre otras categorías contempladas por su artículo 9.
Esto no significa que:
nunca puedan investigarse.
Significa que su tratamiento puede requerir:
condiciones y salvaguardas específicas.
Si tu TFG necesita este tipo de información:
no improvises el formulario.
Comprueba antes:
el protocolo de tu universidad;
tutor;
comité correspondiente cuando proceda;
responsable o delegado de protección de datos si es necesario.
No preguntes datos sensibles “para caracterizar mejor”
Ejemplo:
TFG sobre:
satisfacción con una cafetería universitaria.
Preguntas:
religión.
orientación sexual.
salud mental.
¿Por qué?
Si no existe una razón clara:
no recopiles esos datos.
“Prefiero no responder”
Puede resultar especialmente útil en preguntas:
sensibles;
personales;
económicas.
Ejemplo:
Ingresos del hogar:
Menos de 1.500 €.
1.500-2.499 €.
2.500-3.499 €.
3.500 € o más.
Prefiero no responder.
Permite que una persona participe:
sin verse obligada a revelar información que no desea comunicar.
¿Debo incluir “prefiero no responder” en todas las preguntas?
No necesariamente.
Edad puede ser:
un criterio indispensable de inclusión.
Por ejemplo:
solo pueden participar mayores de:
18 años.
En ese caso necesitas:
verificar el criterio.
La estructura depende de:
la función de la variable.
Los datos de inclusión deben preguntarse pronto
Ejemplo:
Solo pueden participar:
estudiantes universitarios mayores de 18 años.
Puedes comenzar:
¿Tienes 18 años o más?
¿Actualmente eres estudiante universitario?
Si responde:
No,
el formulario puede:
finalizar.
Aquí esas preguntas sirven para:
filtrado.
¿Dónde colocar el resto de preguntas sociodemográficas?
Muchas veces tiene sentido colocarlas:
al final.
Pew Research Center recomienda normalmente no comenzar una encuesta con preguntas como ingresos, educación o edad salvo que sean necesarias para determinar elegibilidad o dirigir el cuestionario.
¿Por qué?
Al principio quieres:
facilitar la entrada;
captar interés;
reducir abandono.
Una sucesión inicial de preguntas personales puede resultar:
poco atractiva.
Un orden posible
Primero:
información y consentimiento/procedimiento correspondiente.
Después:
criterios de inclusión.
Después:
preguntas principales.
Y finalmente:
variables sociodemográficas.
No es una regla universal.
Pero suele resultar:
razonable.
No preguntes el nombre si no lo necesitas
Para muchos TFG con encuestas:
nombre
y:
apellidos
no aportan absolutamente nada al análisis.
Si no necesitas identificar al participante:
no preguntarlos puede:
reducir riesgos.
¿Y si necesito contactar después?
Ejemplo:
sorteo.
segunda fase.
entrevista posterior.
Puedes valorar separar:
los datos de contacto
de:
las respuestas de investigación.
Por ejemplo:
Formulario A:
respuestas.
Formulario B:
correo de contacto.
De esta forma reduces:
la vinculación directa.
El procedimiento exacto debe adaptarse a:
las normas de tu universidad y protección de datos.
No uses DNI como identificador de participante
En la mayoría de encuestas académicas corrientes:
no necesitas:
DNI.
Puedes crear:
ID001.
ID002.
ID003.
Pero recuerda:
pseudonimizar
no significa automáticamente:
anonimizar.
Si existe una tabla que conecta:
ID001 → persona real,
todavía existe:
información que permite relacionar registros.
La combinación de datos puede identificar
Este punto es muy importante.
No necesitas:
nombre
para identificar a alguien.
Ejemplo:
Edad:
Puesto:
Director general.
Empresa:
Hotel X.
Municipio:
pequeño.
Probablemente existe:
una sola persona.
Si necesitas publicar una tabla:
no muestres combinaciones que permitan identificar:
participantes concretos.
Datos sociodemográficos en muestras pequeñas
Cuanto menor sea la muestra:
mayor cuidado.
Ejemplo:
6 entrevistados.
Tabla:
Código | Edad | Puesto | Empresa | Ciudad |
Puede resultar demasiado detallada.
Quizá sea mejor:
Código | Rango de edad | Área profesional | Experiencia |
Proteges mejor:
la identidad.
Describir no significa identificar
Necesitas suficiente información para que el lector entienda:
quién participó.
Pero no:
información innecesaria que permita saber:
quién es cada participante.
Busca un equilibrio.
¿Cómo formular una pregunta correctamente?
Una buena variable sociodemográfica debería ser:
clara;
concreta;
mutuamente interpretable;
fácil de responder.
Mal:
Edad:
Joven.
Adulto.
Mayor.
¿Qué significa:
joven?
Cada persona puede interpretarlo:
de forma distinta.
Mejor:
edad numérica
o:
rangos claramente definidos.
Las categorías deben ser exhaustivas cuando sea posible
Ejemplo:
Situación laboral:
Empleado.
Desempleado.
¿Dónde entra:
un autónomo?
¿Un jubilado?
¿Un estudiante que no busca empleo?
Las opciones deben adaptarse:
a la población.
Puedes incluir:
“otra situación”
cuando exista una posibilidad razonable de que las categorías principales no cubran todos los casos.
Y deben evitar solapamiento
Ingreso:
0-1.000.
1.000-2.000.
¿Dónde entra:
1.000?
Mejor:
Menos de 1.000.
1.000-1.999.
2.000-2.999.
Etc.
No hagas categorías demasiado detalladas con poca muestra
N = 80.
Profesión:
25 categorías.
Después:
muchas celdas con:
1;
2;
3 personas.
No podrás realizar:
comparaciones razonables.
Puedes diseñar desde el inicio categorías:
más amplias,
siempre que tengan:
sentido teórico.
Pero tampoco agrupes demasiado
Nivel educativo:
Bajo.
Alto.
¿Qué significa:
bajo?
Es muy poco transparente.
Mejor definir:
categorías concretas.
Después puedes agruparlas:
si el análisis y la teoría lo justifican.
Primero conserva información, después agrupa si es necesario
Siempre que privacidad y diseño lo permitan:
puede ser mejor preguntar:
edad exacta
y después crear:
rangos.
En cambio, si preguntas directamente:
rangos,
no puedes recuperar:
la edad.
Este principio es útil para:
edad;
experiencia;
horas de trabajo;
número de hijos.
Pero debe equilibrarse con:
privacidad y carga de respuesta.
Cómo codificar las variables en SPSS o Excel
Antes de recoger respuestas:
decide los códigos.
Ejemplo:
Variable:
MODALIDAD.
1 = Presencial.
2 = Híbrida.
3 = Remota.
Variable:
TRABAJA.
0 = No.
1 = Sí.
Variable:
EDAD.
Valor numérico real.
Código no significa cantidad
Si:
1 = Presencial.
2 = Híbrida.
3 = Remota.
No significa que:
Remota
sea tres veces:
Presencial.
Los números son:
etiquetas.
No calcules:
media de modalidad.
Ejemplo absurdo
Media de género:
1,47.
Eso no tiene:
interpretación sustantiva.
Las categorías codificadas con números siguen siendo:
categorías.
No variables continuas.
Define el nivel de medida
En SPSS:
Nominal.
Ordinal.
Escala.
Ejemplo:
Provincia:
Nominal.
Nivel educativo:
Ordinal, si existe un orden interpretable.
Edad:
Escala.
Pero no confíes únicamente en:
la configuración del programa.
SPSS puede dejar:
“Escala”
en una variable categórica.
La herramienta no conoce:
tu teoría.
Crea un diccionario de variables
Muy recomendable.
Variable | Descripción | Tipo | Codificación |
EDAD | Edad en años | Numérica | Valor real |
CURSO | Curso universitario | Ordinal | 1-6 |
TRABAJA | Situación de empleo | Nominal | 0=No; 1=Sí |
MOD | Modalidad laboral | Nominal | 1=P; 2=H; 3=R |
Así, dos meses después:
sabrás qué significa:
MOD.
Cuidado con “99 = no responde”
Puedes utilizar:
99
si está fuera del rango válido.
Pero debes definirlo como:
missing.
Si no:
SPSS puede pensar que:
99
es una categoría o puntuación real.
Para una escala 1-5:
la media quedaría:
destrozada.
Mejor aún: utiliza valores perdidos explícitos
Si Google Forms deja:
la celda vacía,
puedes conservar:
missing.
No tienes obligación de convertir cada ausencia en:
Lo importante es:
documentar la decisión.
¿Cómo describo la muestra?
Después del análisis puedes escribir:
La muestra estuvo formada por 220 estudiantes, con una edad media de 23,4 años (DE = 4,2). El 61 % cursaba estudios de grado a tiempo completo y el 39 % compaginaba estudios y empleo.
No necesitas:
describir absolutamente todas las variables que preguntaste.
Presenta:
las relevantes.
Tabla sociodemográfica
Puede resultar muy útil.
Ejemplo:
Características de la muestra
Variable | Categoría/estadístico | Resultado |
Edad | M (DE) | 23,4 (4,2) |
Curso | 1.º | 24 % |
2.º | 26 % | |
3.º | 25 % | |
4.º | 25 % | |
Situación laboral | Trabaja | 39 % |
No trabaja | 61 % |
No necesitas:
cinco tablas distintas.
Frecuencia para categóricas
Utiliza:
n;
%.
Ejemplo:
Trabaja:
86 (39,1 %).
No trabaja:
134 (60,9 %).
Media para edad
Si la distribución es razonable:
M y DE.
Si está muy sesgada:
puede resultar útil:
mediana;
RIC.
No existe un único estadístico para:
todas las variables.
¿Tengo que comparar todos los datos sociodemográficos?
No.
Tienes:
10 variables demográficas.
No significa que debas hacer:
10 ANOVA;
20 chi-cuadrado;
40 correlaciones.
Solo analiza:
lo que responde a:
objetivos;
hipótesis;
preguntas justificadas.
Evita buscar diferencias “a ver qué sale”
Ejemplo:
No existía hipótesis sobre:
estado civil.
Pero haces:
17 pruebas
hasta encontrar:
p = .03.
Después construyes:
una explicación.
Eso aumenta:
el riesgo de resultados espurios.
La metodología debería dirigir:
los análisis.
Ejemplo de TFG de Psicología
Tema:
Uso problemático de redes y ansiedad en universitarios.
Variables sociodemográficas necesarias:
Edad.
Curso.
Situación laboral si la literatura la considera relevante.
Quizá género si existe una justificación analítica.
No necesariamente:
estado civil.
ingresos familiares.
código postal.
número de hermanos.
Ejemplo de ADE
Tema:
Teletrabajo y satisfacción laboral.
Podrías necesitar:
Edad.
Años de experiencia.
Sector.
Modalidad laboral.
Días de teletrabajo.
Nivel de responsabilidad.
Quizá:
tipo de contrato.
No necesariamente:
titulación de la pareja.
Ejemplo de Turismo
Tema:
Satisfacción del turista en un destino.
Podrías necesitar:
Edad.
País de residencia.
Tipo de viaje.
Número de visitas previas.
Tipo de alojamiento.
Pero observa:
“tipo de viaje”
y:
“número de visitas”
no son exactamente variables sociodemográficas.
Son:
variables de comportamiento/contexto.
No llames:
sociodemográfico
a todo el primer bloque de la encuesta.
Ejemplo de Educación
Tema:
Uso de IA entre docentes.
Podrías preguntar:
Edad.
Etapa educativa.
Años de experiencia docente.
Tipo de centro.
Área docente.
Formación previa en IA.
Esta última no es:
sociodemográfica estrictamente.
Pero puede formar parte del:
perfil profesional.
Ejemplo de entrevista cualitativa
No necesitas transformar todo en:
un formulario de 20 preguntas demográficas.
Puedes recoger únicamente variables útiles para:
contextualizar al participante.
Ejemplo:
P1.
Profesional de recepción.
6 años de experiencia.
Hotel urbano.
Ese perfil puede ser suficiente.
¿Cuántas preguntas sociodemográficas son demasiadas?
No existe:
una cifra universal.
La respuesta depende de:
tus objetivos.
Puede que necesites:
O:
La pregunta correcta no es:
“¿Cuántas pongo?”
Es:
“¿Puedo justificar cada una?”
Si puedes justificar:
12,
pueden tener sentido.
Si no puedes justificar:
4,
quizá incluso cuatro sean demasiadas.
La prueba de los cinco segundos
Para cada pregunta termina esta frase:
Necesito preguntar __________ porque __________.
Ejemplo:
Necesito preguntar la edad porque quiero describir la muestra y estudiar si se relaciona con la aceptación tecnológica.
Perfecto.
Otro:
Necesito preguntar código postal porque...
No sabes terminar.
Probablemente:
elimínalo.
¿Qué pasa si ya hice la encuesta y pregunté demasiadas cosas?
No pasa nada por tener variables adicionales.
Pero:
no necesitas utilizarlas todas.
Evita:
hacer análisis sin objetivo
solo porque:
tienes el dato.
Y protege correctamente:
la información recogida.
¿Y si olvidé preguntar una variable necesaria?
Este problema es más grave.
Objetivo:
Comparar satisfacción según modalidad laboral.
Pero nunca preguntaste:
modalidad.
No puedes:
inventarla.
Si todavía no has lanzado la encuesta:
corrige.
Si ya tienes una parte de respuestas:
habla con el tutor antes de modificar el formulario.
Si la recogida terminó:
quizá tengas que:
reformular el objetivo;
reconocer una limitación;
eliminar una comparación.
Por eso el bloque sociodemográfico se diseña antes de recoger
No al final.
Idealmente haces una tabla:
Objetivo | Variable necesaria | Pregunta |
Describir edad | Edad | ¿Cuál es tu edad? |
Comparar por curso | Curso | ¿Qué curso estudias? |
Analizar trabajo | Situación laboral | ¿Trabajas actualmente? |
Así garantizas:
coherencia.
Datos sociodemográficos y anonimato
Antes de lanzar la encuesta:
haz una segunda revisión.
Pregunta:
¿alguna combinación podría identificar a alguien?
Ejemplo:
empresa pequeña.
Preguntas:
departamento.
cargo.
edad.
sexo.
antigüedad exacta.
Puede resultar:
demasiado preciso.
Una solución puede ser:
agrupar ciertos datos.
Por ejemplo:
Edad:
30-39.
Experiencia:
5-10 años.
Área:
Dirección.
No siempre necesitas:
valores exactos.
Prioridad: utilidad frente a curiosidad
Una pregunta puede ser:
interesante.
Eso no significa que:
deba estar en tu encuesta.
Tu TFG no necesita conocer:
todo sobre el participante.
Necesita conocer:
lo suficiente para responder:
la investigación.
Errores frecuentes
Error 1. Preguntar todo “por si sirve”
Diseña desde los objetivos.
Error 2. Pedir fecha de nacimiento cuando solo necesitas edad
Recoge menos detalle cuando sea suficiente.
Error 3. Pedir nombre y apellidos sin necesidad
Puede incrementar innecesariamente el riesgo de identificación.
Error 4. Confundir nacionalidad con residencia
Son variables distintas.
Error 5. Confundir sexo y género
Define qué necesitas medir.
Error 6. Utilizar categorías solapadas
Una respuesta debe tener un lugar claro.
Error 7. Crear demasiadas categorías
Después no tendrás tamaño suficiente por grupo.
Error 8. Preguntar ingresos exactos sin necesidad
Los rangos pueden ser más adecuados en algunos diseños.
Error 9. Recoger datos sensibles sin justificación
Revisa protocolo y requisitos aplicables.
Error 10. Suponer que quitar el nombre convierte todo en anónimo
Las combinaciones pueden identificar.
Error 11. Codificar categorías y después calcular medias
Los números pueden ser únicamente etiquetas.
Error 12. Analizar todas las variables solo porque existen
Los análisis deben responder a preguntas.
Error 13. Colocar todas las preguntas personales al principio
Salvo filtros necesarios, puede resultar más adecuado situarlas posteriormente.
Error 14. No incluir una opción apropiada para respuestas delicadas
Valora “prefiero no responder” cuando tenga sentido.
Error 15. Cambiar categorías después de ver los resultados para conseguir significación
Las decisiones analíticas deben justificarse.
Checklist antes de lanzar tu encuesta
Comprueba:
Cada pregunta sociodemográfica tiene una finalidad.
Puedo relacionarla con descripción u objetivo.
No recopilo datos personales innecesarios.
He decidido si necesito valores exactos o intervalos.
Los intervalos no se solapan.
Las categorías cubren razonablemente a la población.
He definido claramente qué variable estoy midiendo.
No confundo sexo, género, nacionalidad o residencia.
He revisado las preguntas sensibles.
He comprobado el protocolo de mi universidad cuando corresponde.
No pido identificadores directos si no los necesito.
He considerado el riesgo de identificación indirecta.
Sé cómo codificaré cada respuesta.
Sé qué valores se considerarán missing.
No voy a analizar variables que no responden a ninguna pregunta de investigación.
He realizado un piloto del formulario cuando corresponde.
Preguntas frecuentes
¿Qué son los datos sociodemográficos de un TFG?
Son variables que permiten describir determinadas características relevantes de los participantes, como edad, formación, situación laboral o experiencia profesional.
¿Qué datos sociodemográficos tengo que poner?
Únicamente aquellos necesarios para describir adecuadamente la muestra o responder a tus objetivos y análisis.
¿Tengo que preguntar edad?
No siempre, aunque es una variable frecuente. Inclúyela si resulta relevante para tu muestra o investigación.
¿Es mejor preguntar edad exacta o por rangos?
La edad exacta conserva más información; los rangos pueden reducir precisión y, en ciertos contextos, riesgo de identificación. La elección depende del estudio.
¿Tengo que preguntar género?
No automáticamente. Inclúyelo cuando sea relevante para describir o analizar tu muestra.
¿Sexo y género son la misma pregunta?
No necesariamente. Define qué característica necesitas medir y formula la pregunta de acuerdo con ella.
¿Puedo poner “prefiero no responder”?
Sí, puede resultar especialmente apropiado para determinadas preguntas personales o sensibles cuando no sean imprescindibles para la elegibilidad del estudio.
¿Tengo que preguntar estado civil?
Solo si tiene una utilidad clara.
¿Tengo que preguntar ingresos?
Únicamente cuando estén relacionados con tus objetivos o resulten necesarios para caracterizar la muestra. Puede resultar apropiado utilizar intervalos en lugar de cifras exactas.
¿Puedo preguntar profesión?
Sí, cuando resulte relevante. Decide si necesitas respuesta abierta o categorías predefinidas.
¿Tengo que preguntar nacionalidad?
No por defecto. País de residencia, nacionalidad y país de nacimiento son conceptos distintos.
¿Puedo preguntar código postal?
Solo si realmente necesitas ese nivel de localización. Una precisión geográfica innecesaria puede incrementar el riesgo de identificación.
¿Una encuesta sin nombre es anónima?
No necesariamente. Una combinación de variables puede permitir identificar indirectamente a una persona.
¿Puedo preguntar datos de salud o información especialmente sensible?
Existen categorías de datos especialmente protegidas por el RGPD. Si tu investigación las necesita, debes revisar antes el protocolo institucional, la base y salvaguardas aplicables y los requisitos éticos correspondientes.
¿Dónde pongo las preguntas sociodemográficas?
Frecuentemente se sitúan hacia el final, salvo variables necesarias para comprobar elegibilidad o dirigir el cuestionario.
¿Cómo presento después estos datos?
Las variables categóricas suelen describirse mediante frecuencias y porcentajes. Las cuantitativas pueden resumirse mediante media y desviación estándar o mediana y rango intercuartílico, según sus características.
¿Tengo que hacer análisis con todas?
No. Solo con aquellas que respondan a objetivos o análisis previamente justificados.
Ejemplo final: construir correctamente el bloque
Imagina este TFG:
Relación entre teletrabajo y satisfacción laboral en trabajadores del sector tecnológico.
Tu primera idea es preguntar:
Edad.
Género.
Nacionalidad.
Ciudad.
Código postal.
Estado civil.
Número de hijos.
Estudios.
Puesto.
Salario.
Antigüedad.
Empresa.
Modalidad.
Religión.
Tipo de vivienda.
Ahora paras.
Vuelves a:
los objetivos.
Necesitas:
Edad
Para caracterizar la muestra y controlarla en determinados análisis.
Modalidad laboral
Variable central:
presencial;
híbrida;
remota.
Días de teletrabajo
Permite medir intensidad.
Antigüedad
La literatura sugiere que puede relacionarse con satisfacción.
Nivel profesional
Puede ser relevante para controlar diferencias de responsabilidad.
Quizá:
género,
si existe una hipótesis o necesidad descriptiva justificada.
¿Necesitas religión?
No.
¿Código postal?
No.
¿Dirección?
No.
¿Nacionalidad?
Probablemente no.
¿Estado civil?
Solo si forma parte:
de tu planteamiento.
Tu bloque final puede quedarse en:
cinco o seis preguntas.
Y ser:
mucho mejor
que el formulario de quince.
La regla más importante
No construyas el bloque sociodemográfico preguntándote:
¿Qué cosas puedo saber sobre esta persona?
Pregúntate:
¿qué necesito saber para responder correctamente a mi TFG?
La diferencia parece pequeña.
Pero cambia completamente:
la encuesta.
Reduce:
preguntas innecesarias.
Protege mejor:
a los participantes.
Simplifica:
la base.
Y evita un problema muy frecuente:
terminar con decenas de variables que nunca deberían haber sido recogidas.
En metodología:
la información útil no es la máxima información posible.
Es:
la mínima información suficiente para responder bien a la pregunta de investigación.
Comentarios