¡Descarga Investigación en Ciencias Sociales: Métodos y Técnicas de Muestreo - Prof. Rospir y más Apuntes en PDF de Periodismo solo en Docsity!
OPINIÓN PÚBLICA
TEMA 10: METODOLOGÍA DE LOS SONDEOS DE OPINIÓN
JUSTIFICACIÓN
Debemos diferenciar entre la encuesta, que es la técnica de investigación en sí misma, y el sondeo, que es la medición de las opiniones y suelen tener que ver con temas políticos. En España utilizamos ambos conceptos por igual, sin embargo, en otros países las diferencias son mucho más marcados. En el mundo anglosajón tenemos la survey y el poll, mientras que en el mundo francófono se distingue entre enquête y sondage.
¿Por qué las encuestas de opinión, la opinión pública y el periodismo están vinculados? En los medios las noticias que más aparecen son las encuestas. Cada vez estamos más acostumbrados a encontrar información de tipo numérica. Sin embargo, tanto la audiencia como los periodistas, no siempre saben manejarlas, por eso surge el periodismo de precisión, una forma de formar a los periodistas en las técnicas de las Ciencias Sociales; y una de esas técnicas son las encuestas de opinión.
Debemos tener una serie de mecanismos para hacer una interpretación de las encuestas, porque muchas veces siguen caminos diferentes a los que deberían tener las encuestas. Las encuestas son una técnica de observación, de conocimiento, que sirven para explorar, pero en muchas ocasiones las encuestas son equiparadas con el resultado de una votación o conllevan la creencia de que suponen la delegación del poder, incluso imponen una línea de conducta, cuando no es así. Tenemos que saber interpretarlas y transmitirlas para poder facilitar información comprensible, alejada de intoxicaciones y posibles manipulaciones, contribuyendo a la creación de un espacio público transparente. P. Meyer con Periodismo de precisión fue la persona más relevante dentro del periodismo de precisión. En Norteamérica los medios cuentan con un departamento de periodismo de precisión, en donde trabajan expertos, sociólogos y periodistas, a los que se les hacen las consultas pertinentes.
ORÍGENES
La búsqueda de información ha existido desde siempre, los poderosos han querido siempre saber la opinión del pueblo. El precedente de las encuestas tal y como las conocemos en la actualidad lo encontramos en Inglaterra a finales del siglo XIX, a través de la puesta en práctica de los Social Survey (estudios de pobreza), que intentan obtener información sobre la situación de pobreza y evitar posibles protestas o amenazas políticas para el fin de la época victoriana. Todo esto se hizo mediante una serie de investigaciones.
En Londres, C. Booth tardó siete años en realizar su trabajo, en el que reunía una amplia colección de detalles sobre la pobreza en Londres. Contaba con visitadores, que era miembros de los consejos escolares de los distritos que iban casa por casa recogiendo la información. Luego los informadores narraban lo recogido a Booth, por lo que trabajó con información de segunda mano. Tampoco utilizó los avances estadísticos conocidos en ese momento.
En York, B. Seebohm hizo otro estudio empleando entrevistas al detalle, es decir, las personas eran entrevistadas directamente en sus casas por miembros de su equipo de investigación. Se acotó el universo seleccionando los hogares que no tenían servicio interno. Tuvieron muchos problemas para determinar el nivel de ingresos de estas familias, por lo que se replanteó esta cuestión para obtener algún dato, utilizando preguntas amortiguadoras.
A finales del siglo XIX este tipo de investigaciones llegaron a EEUU con el nombre de Settlement House (agencias para la asistencia al bienestar de los barrios más desfavorecidos), que permiten mejorar las condiciones sociales de los barrios a través de los datos obtenidos. Una de estas investigaciones, por ejemplo, fue la de Dubois sobre la calidad de vida de los negros.
Todas estas investigaciones no fueron suficientes para llegar a las encuestas tal y como las entendemos ahora, que llegaron en 1936. Se tenían que dar tres cosas:
- Los avances teóricos de los estadísticos europeos sobre el muestreo, resultado de la discusión que se llevaba desde finales del siglo XIX. La figura del estadístico, sobre todo el del gobierno, tuvo un papel relevante. Adquiere un gran reconocimiento, que se ve en la creación del Instituto Nacional de Estadística. A estos desarrollos también contribuyeron una serie de congresos celebrados desde 1890 (Berna 1895, San Petersburgo 1897, Budapest 1901, Berlín 1903 y Roma 1925). En estos congresos se presentaron los avances sobre aspectos relacionados con la estadística. Destaca Kiaer, que presentó su propuesta del muestreo representativo. A medida que se celebraron los congresos la discusión se centró en el muestreo aleatorio y en el muestreo intencionado. Más tarde otro estadístico entró en escena, Neymar, que estuvo en contra del muestreo intencionado y se centró en el muestreo estratificado. La ciudad que fue el epicentro de todas estas novedades sobre la estadística fue Londres, ya que estos estudios se llevaron a cabo en la London School Economic y en la Universuty Collage, en donde se encontraban Kart Pearson, su hijo, Ergon Pearson, y Fisher, creador de las tablas de números aleatorios.
- La nueva concepción sobre el carácter de las Ciencias Sociales y los métodos de investigación iniciados en la Escuela de Chicago y en la Universidad de Columbia. Todas estas
Cherington, que fue socio de E. Roper, uno de los autores de las encuestas modernas de opinión junto a Gallup (ambos llevaron a cabo estudios del mercado, ya que tenían empresas) y A. Crossley (que en 1929 realizó las primeras mediciones de audiencias de radio). Todos estos estudios se recogieron en el Journal of Marketing (1936) de la American Marketing Association.
Hasta este momento se estaban trabajando con encuestas (surveys). En 1935 la Enciclopedia de las Ciencias Sociales Británica pidió a Bauer que hiciera la entrada sobre la opinión pública. Él no recogió en el texto ninguna referencia a otras entradas ni a los sondeos (polls); sin embargo, en la entrada sobre los sondeos se acude a la aportación de C. Robinson, encargado de definir los votos de paja (strew vote).
Podemos concluir que el origen de las encuestas modernas es triple: académico (sociología, psicología y estadística), profesional (estudios del mercado) y de las demandas acuciantes por la Gran Depresión y la política del New Deal.
Votos de paja
C. Robinson escribió un libro sobre la historia de los votos de paja. Los votos de paja son la puerta que abre a las encuestas modernas. Definió los votos de paja como un escrutinio no oficial de un distrito electoral que determina la división del sentimiento popular sobre temas públicos o sobre candidatos a cargos públicos.
Los strew vote nacen del interés por conocer la opinión de la gente sobre asuntos políticos. Nacen en Norteamérica. En Europa se hacía de otra manera, mediante la petición del voto por parte de los candidatos puerta por puerta, lo que les permitía conocer la intención de voto.
Los votos de paja son un instrumento vinculado con la práctica periodística. Al principio no tuvieron esta relación (por ejemplo, los militares, al pasar revista, solicitaban la intención de voto), no fue hasta 1824 cuando se vinculan al periodismo. Fue el periódico Harrisburg Pennsylvania el primero en publicarlos, al anunciar la victoria de Jackson sobre Adams, cosa que no sucedió. Otra publicación que también publicó votos de paja por la misma fecha fue el Raleigh Start. El Boston Globe, en 1833, también utiliza esta técnica, enviando a sus reporteros a cubrir los resultados por las ciudades.
Con el paso del tiempo las strew vote se fueron generalizando. Había distintas modalidades: la publicación emitía una papeleta que rellenaba el lector y enviaba a la publicación; enviar por correo papeletas solicitando las preferencias; solicitar la respuesta
personalmente (personal convass) yendo a los domicilios con esas papeletas, las cuales eran marcadas por el encuestado, introducidas en un sobre cerrado y metidas en una urna, ya que el anonimato era muy importante; haciendo los sondeos por cuotas, perfeccionando así las técnicas,…
En el siglo XX el New York Herald, entre 1912 y 1916, realizó en 35 estados votos de paja. En 1928 pronosticó la victoria de Hoover, y acertó. También empezó a utilizar esta técnica la revista The Literary Digest, realizando grandes votos de paja cada periodo electoral hasta
- Acertó en 1920 (Harding, republicano), 1924 (Coolidge, republicano), 1928 (Hoover, republicano) y 1932 (Roosevelt, demócrata). Falló en 1936 (dijeron que ganaría Landon, republicano, pero fue reelegido Roosevelt, demócrata). ¿Por qué acertó y falló? Acertó porque sus universo eran sus lectores, que eran republicanos, su muestra son personas que responden a un único perfil (abonados al teléfono, con coche, gente con poder adquisitivo). En 1932 también acertó porque durante el mandato de Hoover tuvo lugar la Gran Depresión, tras relajarse el malestar los republicanos volvieron a apostar por su candidato, por eso dijeron en 1936 que ganaría Landon.
TEORÍA DEL MUESTREO ESTADÍSTICO
En 1936 entran en escena A. Crossley, E. Roper y Gallup. A. Crossley fue el primero en realizar medición de audiencias de radio en 1929. Gallup estudió periodismo y economía, fue docente en universidades y fundó el American Institut Public Opinion. Muchas empresas requirieron sus servicios para conocer los gustos de los consumidores norteamericanos. Creó la Gallup Poll , donde se desarrollaron los más prestigiosos sondeos de EEUU; y la columna periodística American Speeks , donde publicó los resultados de sus trabajos. El ámbito de sus investigaciones y de las de E. Roper fue la investigación de los mercados. E. Roper tenía un almacén de joyería en Iowa en 1920 que no tuvo éxito, lo que le permitió entrar en contacto con las técnicas de investigación del mercado. En 1933 creó una de las primeras empresas de mercado junto a Cherington. Dicha empresa se encargó de dirigir entre 1935 y 1950 la encuesta de Fortune , una de las más prestigiosas porque fue de las primeras en utilizar las técnicas del muestreo científico. Fundó también el Centro de Investigación de la Opinión Pública en 1946. El Roper Center es el más grande del mundo, en donde se recogen, sobre todo, datos de mesas electorales.
En 1936 los tres pusieron en práctica el método de encuestas que conocían y predijeron que en las elecciones presidenciales de ese año ganaría Roosevelt. Entrevistan a una muestra de unas 4.000-5. personas con derecho a voto. No hacen selección probabilística, siendo muy criticados por ello; utilizan cuotas, en función de la edad, género, lugar de residencia; y en función de este perfil salen a la
La ley de los grandes número dice que si se selecciona una parte del objeto de estudio correctamente, en proporción adecuada, los resultados obtenidos en esa parte del universo pueden ser transferidos al resto del universo, siempre con una diferencia, unos límites de error que se pueden calcular matemáticamente en cada caso.
Para que esta ley se cumpla se deben dar tres condiciones en la masa numérica examinada: que se trate de un fenómeno de masas, de un fenómeno normal y que la selección de los componentes sea aleatoria.
Fenómeno de masas:
Existen dos tipos de fenómenos de masas: el perfecto y el imperfecto. El perfecto es el que está compuesto por más de 100.000 unidades, mientras que el imperfecto es que está formado por 100. unidades o menos. Esta división nos permite establecer una línea divisoria entre los dos tipos de universo que se manejan y que son muy importantes a la hora de establecer la muestra que se va a necesitar para la investigación.
Cuando se trate de un fenómeno de masas perfecto estaremos ante un universo infinito, mientras que cuando hablemos de un fenómeno de masas imperfecto, nos encontraremos ante un universo finito. Por ejemplo, un universo infinito lo encontraremos en encuestas sobre intención de voto, mientras que un universo finito aparecerá en encuestas sobre intención de voto de los universitarios de periodismo de la UCM.
En los universos infinitos no se necesita saber el volumen del universo para el cálculo de la muestra, mientras que si nos encontramos ante universos finitos sí necesitaremos conocer el volumen exacto del universo para el cálculo de la muestra.
Fenómeno normal:
Un fenómeno es normal cuando todos los componentes del colectivo tienen, a priori, las mismas posibilidades de encontrarse clasificados en cualquiera de la gama de valores o categorías en las que, también en teoría, se supone, el fenómeno es distribuible.
Es decir, fenómeno normal será aquel en el que no se impida optar por alguna de las opciones disponibles en las que el fenómeno se pueda distribuir. Si se pone alguna limitación, el fenómeno no es normal. Por ejemplo, en encuestas sobre intención de voto, si se da a elegir entre los partidos más conocidos y aparece la opción de “otros”, nos encontramos ante un fenómeno normal; pero si en esta
misma encuesta sólo se nos da a elegir entre dos partidos, no nos encontraremos ante un fenómeno normal.
Selección de los componentes aleatorias:
Quiere decir que todos los miembros del universo han tenido la misma probabilidad o posibilidad de resultar elegidos para formar parte de la muestra objeto de la investigación.
A parte de estas tres condiciones, podrían añadirse otras dos para que la ley de los grandes números se cumpla: la fuerza centrípeta de la media de una masa y la proporcionalidad de distribución constante de la media de una masa normal.
La fuerza centrípeta de la media de una masa
Quiere decir que cuando se ha establecido la media aritmética de un conjunto amplio, si se añade un número más a dicho conjunto, no va a tener capacidad de modificar la media significativamente.
Por ejemplo, de una muestra de 20 personas de entre 15 y 20 años, hay 2 de 15 años, 1 de 16, 4 de 17, 5 de 18, 3 de 19 y 5 de 20. Nos sale una media de 18,05 años. Si añadimos una persona al conjunto con 105 años, la media si se altera, pasando a ser de 22,01 años.
Sin embargo, si tenemos una muestra de 101.000 personas de entre 15 y 20 años, en la que la media es de 16.97 años, si añadimos una persona de 200 años, la media pasa a ser de 16,98 años.
La proporcionalidad de distribución constante de la media de una masa normal
Significa que en una media de una masa suficientemente grande, las hipotéticas oscilaciones de cada unidad adicional tienden a distribuirse de forma aleatoria por encima y por debajo de la media.
Por ejemplo, si tenemos un 70% de bolas blancas y un 30% de bolas negras, al añadir una bola blanca más, se pasa al 70,29% de bolas blancas y al 29,97% de bolas negras; mientras que si añadimos una bola negra más, se pasa al 69,23% de bolas blancas y al 30,67% de bolas negras.
Conceptos implicados
El volumen exacto de la muestra se sabe conociendo los elementos implicados en el cálculo de la muestra (n): el universo (N), el error muestral (±e), el nivel de confianza (s) y la varianza poblacional (p y q).
Dentro de la campaña se encuentran recogidos todos aquellos que forman parte de la muestra (n). La campana no está cerrada por los casos aberrantes.
Se utilizan dos datos: la desviación típica (σ/s), distinta en cada investigación, y la puntuación típica (z), siempre ±1 (68% de la muestra), ±2 (95,5% de la muestra) o ±3 (99,7% de la muestra). A efectos estadísticos de las encuestas a la desviación típica (σ/s) se le aplican los valores estándar de la puntuación típica (z). Como queremos saber el porcentaje de casos para los que el error muestral (±e) será cierto, eliminamos el valor ±1, ya que deja muchos casos sin controlar. Trabajaremos siempre con un nivel de confianza (s) de ±2 o ±3, es decir, que el error será válido para el 95,5% y el 99,7%, respectivamente.
El nivel de confianza (s) y el error muestral (±e) no están relacionados, es decir, que podemos trabajar con un error muestral de ±0,5 y un nivel de confianza de 2s.
Por último, necesitamos saber la varianza poblacional (p/q), en donde p es lo que quiero saber y q el resto de posibilidades (por ejemplo, quiero saber el resultado que obtendrá el PSOE en las próximas elecciones generales [p], por lo que el resto de partidos que se presentan a las elecciones será q). Ambos, p y q, deben sumar 100.
Este dato es importante porque no es lo mismo trabajar con poblaciones homogéneas que con poblaciones heterogéneas. Con poblaciones homogéneas se utilizan muestras pequeñas, mientras que con poblaciones heterogéneas se utilizan muestras grandes. En las primeras se deduce enseguida que una opción destaca sobre el resto, hay una mayor proporcionalidad de un elemento respecto a otro; mientras que en las segundas esto no sucede.
Lo normal en una investigación es no saber el valor de p, precisamente el estudio se hace para saber esto, por tanto, se trata siempre con la peor situación (p = q, es decir, 50/50), que es donde se necesita una mayor muestra.
Ejemplos:
- N = ∞ 2s p/q = 50/50 ±e = ±3 n = 1.111 personas
Queremos aumentar a un nivel de confianza de 3s, pero debemos mantener la misma muestra (n). ¿Qué hacemos?
El error muestral (±e) debe aumentar, ya que a mayor error menor muestra, y a mayor muestra, menor error.
- N = ∞ 2s p/q = 50/50 ±e = ±3 n = 2.500 personas
Queremos aumentar a un nivel de confianza de 3s, pero debemos mantener la misma muestra (n). ¿Qué hacemos?
El error muestral (±e) debe bajar, ya que a mayor error menor muestra, y a mayor muestra, menor error.
- N = ∞ 2s p/q = 50/50 ±e = ±3 n = 1.111 personas
Queremos aumentar a un nivel de confianza de 3s, pero debemos mantener mismo error muestral (±e). ¿Qué hacemos?
Debemos aumentar la muestra (n), ya que al aumentar el nivel de confianza, el error muestral (±e) será cierto para un mayor porcentaje de casos.
- N = ∞ 2s p/q = 50/50 ±e = ±3 n = 1.111 personas
Queremos pasar a una varianza poblacional (p/q) de 90/10, pero debemos mantener mismo error muestral (±e). ¿Qué hacemos?
Debemos bajar la muestra (n), ya que con este cambio sabemos que se trata de una población homogénea, por lo que con una muestra más pequeña deduciremos enseguida que una opción destaca sobre el resto.
2ª fase: ¿Cómo debemos elegir las personas que forman parte de la muestra para que ésta represente bien al universo?
Ya sabemos a cuántas personas tenemos que entrevistas, ahora hay que elegirlas. Primero, antes de seleccionar a las personas, tenemos que saber cuál es el universo objeto de investigación, no si es finito o infinito, sino saber cómo es el universo; debemos acotar el universo. Una vez hayamos obtenido los resultados de nuestra investigación, sólo podremos aplicarlos al universo que hayamos acotado, por este motivo hay que acotar muy bien el universo (por ejemplo, si nuestro universo son los estudiantes de la U.C.M. solo podremos extrapolar los resultados a dichos estudiantes, no a los estudiantes del resto de universidades).
En segundo lugar, tenemos que contar con la base o el marco de la muestra, es decir, con el soporte donde están recogidos todos los miembros del universo objeto de la investigación (por ejemplo, en el caso de los estudiantes de la U.C.M., necesitamos la lista de dichos estudiantes). Después tenemos que establecer las diferencias que haya entre la base de la muestra y el universo. Con esto determinaremos el universo real, que equivale a la base de la muestra, y el universo hipotético, que serán aquellas unidades supuestamente existentes a las que se puede extrapolar los resultados obtenidos (por ejemplo, a los inmigrantes no recogidos en el censo).
Lo tercero que tendremos que hacer es determinar la relación entre la muestra y el universo. Se pueden dar dos tipos de relación: la relación cuantitativa y la relación cualitativa.
¿Qué combinaciones de números se seleccionan para extraer a las personas que formarán parte de la muestra? Tenemos que fijarnos en los dígitos del universo, y en función de esto se elige la combinación (por ejemplo, para un universo de 1.000 personas, sustituimos el 1.000 por el 000 y utilizamos una combinación de tres cifras). Se desecharán los números que estén repetidos y que sean superiores al universo.
Para el azar aleatorio simple, primero tenemos que calcular el coeficiente de elevación (por ejemplo, para un universo de 500 personas y una muestra de 25, el coeficiente de elevación será 20); segundo, numerar el universo de 1 a N; tercero, extraer al un miembro entre el dorsal 1 y el equivalente al coeficiente de elevación metiendo en un bombo las bolas correspondientes (en el ejemplo, metemos las del 1 al 20 y sale la bola 3) ; y cuarto, aplicaremos sistemáticamente el coeficiente de elevación (en el ejemplo 23, 43,… 483). Usamos el coeficiente de elevación porque es el número de veces que la muestra está dentro del universo, si utilizáramos un número mayor a este coeficiente podrían salir valores superiores al universo.
Uno de los problemas que nos podemos encontrar con este tipo de azar es que la base de la muestra a la que acudamos esté clasificada de tal manera que pueda introducir algún sesgo (por ejemplo, en una base ordenada por 10 hombres, 10 mujeres, 10 hombres, 10 mujeres, … si saliera la bola 3 como en el ejemplo anterior, nuestra muestra serían solo hombres [23, 43,… 483]). Esto se soluciona desordenando esta clasificación.
Otro problema lo podremos encontrar cuando el coeficiente de elevación no sea un número entero. Esto se solucionará redondeando al alza o a la baja, según el decimal. Se aplica el coeficiente de elevación con todos los decimales y se redondea (decimal 5 al alza). Esto permite que se vaya compensando unas veces al alza y otras a la baja.
El azar aleatorio se puede aplicar de otras maneras como, por ejemplo, seleccionando dos letras al azar y eligiendo a las personas con esas letras en su nombre.
El sondeo por registros, por racismo, de varios grados o polietápico, de superficies, estratificado o rectificado utilizan mucho el azar probabilístico. Un tipo de sondeo que utiliza mucho el azar probabilístico es el muestreo por rutas aleatorias. Consiste en fijar a cada entrevistador un itinerario definido en todos sus detalles, indicándole en qué punto debe realizar cada entrevista. El distrito, la calle, la acera, el portal, el piso y la puerta deben ser fijados al azar. Si no se diseña en todo momento al azar será un falso sondeo probabilístico, convirtiéndose en un sondeo no probabilístico. Esto sucederá cuando el entrevistador haga lo que quiera, cuando no la
persona que tiene que hacer la entrevista no cuente con un sistema riguroso. Para evitar esto, el matemático Kish creó un procedimiento riguroso para que todo sea aleatorio y todo el mundo tenga las mismas posibilidades de formar parte de la muestra.
El azar no probabilístico es un producto de la casualidad, se da cuando interviene el criterio del entrevistador. Es una selección sin método, que no garantiza la representatividad y carece de fiabilidad en términos estadísticos, ya que no se puede controlar el margen de error. Es un tipo de azar en donde no tiene sentido usar la fórmula matemática. El sorteo por cuotas es el ejemplo más claro.
El sondeo por cuotas es un método muy fácil de poner en práctica, rápido y sencillo que nos ahorraría esfuerzos y dinero. Lo primero que hay que hacer es acotar el universo. Se saca el volumen de la muestra de las tablas para conocer el número de integrantes (por ejemplo, 3.000). Ahora tenemos que conocer la distribución real del universo según una serie de categorías que interesan para la investigación (por ejemplo, el género, los cortes de edad o tener o no tener carnet de conducir). Tras esto, se va a la base de la muestra y se recogen los porcentajes de distribución (por ejemplo, 45% hombres y 55% mujeres; <18 = 30%, 18-50 = 40%; >50 = 30%; sí carnet = 29%, no carnet = 71%). Conocidas las categorías, se combinan:
SÍ CARNET NO CARNET
HOMBRES MUJERES HOMBRES MUJERES
n 29% (870) 71% (2.130)
Sabidos los porcentajes, se aplican a la muestra (por ejemplo, en una muestra de 3.000 tendré que entrevistar a un 5% de hombre de entre 18 y 50 años con carnet de conducir, es decir, a 150). Los entrevistadores se distribuirán proporcionalmente estos números de personas (por ejemplo, si tengo 10 entrevistadores y una muestra de 3.000, cada uno entrevistará a 300 personas, por lo que cada uno
- Preguntas de hecho o de acción: Preguntas sobre datos concretos (edad, sexo,…) o sobre la realización en el pasado de algún tipo de acción (por ejemplo, ¿a quién voto en las pasadas elecciones?).
- Preguntas de intención u opinión: ¿Qué haría usted? O expresar una opinión.
- Preguntas de test o de conocimiento: Tienen una intención clara, comprobar la sinceridad del entrevistado.
- Según la función de la pregunta en el cuestionario:
- Preguntas filtro: En ocasiones, puede que haya que filtrar a los posibles entrevistados para conocer su perfil. Si pasan el filtro, se hace la encuesta y si no lo pasan, se busca otro entrevistado.
- Preguntas de control: Tienen que ver con las preguntas de test. Sirven para asegurar la veracidad de las respuestas de los encuestados, para asegurar el interés, la buena fe y la fiabilidad del entrevistado.
- Preguntas de introducción o rompehielo: Se hacen para iniciar el cuestionario y hacer que el entrevistado esté interesado en contestarlo. También se hacen para pasar de un tema a otro sin perder la confianza del que está respondiendo.
- Preguntas muelle o amortiguadoras: Abordan temas difíciles o escabrosos, pero están formuladas de tal manera que reducen esa brusquedad y rudeza.
Estos tipos de preguntas no son excluyentes, las preguntas según la naturaleza de la respuesta pueden ser abiertas o cerradas, las preguntas según la función de la pregunta en el cuestionario pueden ser de hecho o de acción, de intención u opinión, de test o de conocimiento, abiertas o cerradas,…
¿Cómo deben estar formuladas las preguntas?
Las preguntas deben ser sencillas y cortas, para que cuando se termine de leer el entrevistado la entienda y recuerde. Debe tratarse al entrevistado de usted, aunque el entrevistados debe sopesar qué es lo más conveniente, si usar el tú o el usted. Las preguntas no deben estar redactadas con un lenguaje vulgar ni demasiado culto, el lenguaje que debe usarse es el que cualquiera de nosotros utilizaría en una conversación con un extraño. El lenguaje debe adaptarse también a las características de nuestro universo. Incluir determinadas palabras puede, en ocasiones, crear desconfianza en el entrevistado. Hay que cuestionarse si incluir o no el apartado no sabe/no contesta.
¿Cuántas preguntas debe tener un cuestionario?
La amplitud de una encuesta no se juzga por el número de preguntas formuladas, sino por la duración de una entrevista en minutos. Noelle
Neumann afirmaba que un buen cuestionario es el que dura 30 minutos, pero eso hoy en día es una barbaridad.
Un cuestionario largo, con muchas preguntas, genera cansancio y aburrimiento, y hace que seamos pocos serios en las respuestas, aunque este tipo de cuestionarios se pueden hacer cuando van dirigidos a personas con un alto nivel cultural (por ejemplo, un cuestionario médico dirigido a un doctor).
Las preguntas que debe tener un cuestionario dependerá también de la complejidad del mismo: si son cuestionarios sencillos pueden tener más preguntas, mientras que si son complejos no es conveniente que sean muy largos.
¿Cómo debemos ordenar las preguntas?
Lo primero que tenemos que conseguir es una introducción apropiada. El cuestionario debe comenzar con una pregunta que no genere demasiados problemas.
Una vez hemos entrado en la dinámica, se introducen las preguntas importantes de la investigación. El paso de unas a otras debe ser fácil y razonable, ya que si es brusco generará desconfianza en el entrevistado y dejará de responder. Cuando estemos en las preguntas más complejas hay que determinar si se plantea una pregunta detrás de otra o si se introduce alguna pregunta almohadilla que relaje al entrevistado.
Para concluir el cuestionario se debe formular una conclusión adecuada en donde sean incluidas preguntas que permitan a entrevistado y entrevistado terminar la entrevista con una sensación más relajada.
¿Dónde colocamos las preguntas de clasificación del entrevistado, al principio o al final? Los teóricos dicen que al final, porque se ha creado una confianza entre el entrevistado y el entrevistador que hace que la gente no tenga problemas en responder a estas preguntas. Los entrevistadores, en cambio, hacen estas preguntas al principio, porque saben así si los entrevistados les van a contestar o no, determinando así si pasan a otro entrevistado o si continúan con la encuesta.
