Criterios de selección muestral en educación

Los criterios de selección muestral en educación deben definirse a partir de los objetivos del estudio, las características de la población, el tipo de datos, los recursos disponibles y las exigencias éticas. La elección puede orientarse hacia un muestreo probabilístico cuando se pretende generalizar resultados, o hacia un muestreo no probabilístico cuando se busca comprender con profundidad un fenómeno específico o trabajar con poblaciones de difícil acceso.

La calidad de los hallazgos depende directamente de la calidad de la muestra. Una selección de muestra inadecuada puede desviar los resultados y llevarnos a conclusiones erróneas. Para que las conclusiones acerca de una población sean fiables y se puedan tomar como válidas, la muestra de elementos a estudiar debe ser lo más representativa posible de la población.

Qué es el muestreo en investigación educativa

El muestreo es un proceso crítico en investigación educativa, pues determina la validez externa de los hallazgos y su capacidad para generalizarse a contextos más amplios (Cohen et al., 2018). El muestreo es un conjunto de técnicas estadísticas que implican el análisis y la obtención de conclusiones acerca de un determinado tema de un subgrupo o subconjunto pequeño de elementos (muestra) para extrapolarlas o inferirlas a todo el conjunto de elementos de interés (población).

Al realizar la investigación, casi nunca es posible estudiar a toda la población que te interesa. Cuando el tamaño de la población es muy grande, resulta poco práctico -tanto en términos económicos como logísticos- recopilar datos de cada uno de sus miembros. El muestreo ofrece una solución viable al permitir trabajar con un grupo reducido pero significativo.

Esto supone que las conclusiones obtenidas de la muestra las consideraremos válidas o aceptables para toda la población, es decir, las generalizaremos a todo el conjunto de elementos. La clave está en obtener una muestra representativa: que sus características cuantitativas y cualitativas (como la edad promedio, el nivel medio de ingresos, la proporción de géneros, entre otras) sean equivalentes -o extremadamente próximas- a las de la población original.

El muestreo no es un procedimiento neutral: decisiones como el tamaño de la muestra, el método de selección o la representatividad afectan directamente la calidad de la evidencia generada (Creswell & Poth, 2018). Para estudiantes de doctorado, seleccionar una técnica de muestreo adecuada implica equilibrar rigor metodológico, recursos disponibles y objetivos específicos del estudio.

Población, muestra y unidad de análisis

La población se define como el conjunto completo de individuos o elementos que cumplen con los criterios de inclusión de un estudio (Fraenkel et al., 2019). En educación, puede tratarse de:

• Estudiantes de un grado específico (ej.: 3.er año de primaria en Caracas).
• Docentes de una región (ej.: profesores de matemáticas en el estado Zulia).
• Escuelas con características particulares (ej.: instituciones bilingües).

La muestra, en cambio, es un subconjunto representativo de esa población, seleccionado mediante técnicas que minimicen el sesgo de selección (Creswell & Poth, 2018). Una muestra es un subconjunto de la población que está siendo estudiada. Representa la mayor población y se utiliza para sacar conclusiones de esa población.

La unidad de análisis -el elemento individual sobre el que se recogen datos- puede ser un estudiante, un aula o incluso un documento (ej.: planes de estudio). Es fundamental diferenciar entre sujetos a estudio (quiénes va a ser medidos) y unidad muestral (conglomerado a través del cual se logra acceder a los sujetos a estudio).

Población blanco, población accesible y criterios de elegibilidad

La población accesible es el conjunto de sujetos que pertenecen a la población blanco, que están disponibles para la investigación. La representatividad de una muestra, permite extrapolar y por ende generalizar los resultados observados en ésta, a la población accesible; y a partir de ésta, a la población blanco.

Una muestra será representativa o no; sólo si fue seleccionada al azar, es decir, que todos los sujetos de la población blanco y accesible, tuvieron la misma posibilidad de ser seleccionados en esta muestra y por ende ser incluidos en el estudio (técnica de muestreo probabilístico); y por otro lado, que el número de sujetos seleccionados representen numéricamente a la población que le dio origen respecto de la distribución de la variable en estudio en la población, es decir, la estimación o cálculo del tamaño de la muestra.

Para ello, es fundamental, entre otras cosas definir los criterios de inclusión (características clínicas, demográficas, temporales y geográficas de los sujetos que componen la población a estudio) y de exclusión (características de los sujetos que pueden interferir con la calidad de los datos o la interpretación de los resultados).

Criterios de inclusión

Los criterios de inclusión corresponden a aquellas características clínicas, demográficas, temporales y geográficas de los sujetos que componen la población en estudio. En investigación educativa pueden referirse al grado escolar, la edad, el tipo de institución, la ubicación geográfica, la experiencia docente o la participación en un programa determinado.

Criterios de exclusión

Los criterios de exclusión corresponden a las características de los sujetos que pueden interferir con la calidad de los datos o la interpretación de los resultados. Estos criterios deben establecerse antes de seleccionar la muestra y aplicarse de forma coherente a todos los participantes.

Representatividad, validez externa y errores de muestreo

La validez externa depende de que la muestra refleje adecuadamente la población. La representatividad de una muestra permite extrapolar y por ende generalizar los resultados observados en ésta, a la población accesible y de ésta a la población general.

Una muestra se considera representativa de la población blanco, cuando la distribución y valor de las diversas variables se pueden reproducir con márgenes de error calculables. Entonces, el muestreo tiene por objetivo estudiar las relaciones existentes entre la distribución de una variable en la población blanco y la distribución de ésta variable en la muestra a estudio.

• Sesgo de no respuesta: cuando ciertos grupos (ej.: docentes con mayor carga laboral) no participan en encuestas.
• Efecto de agrupamiento: en muestreo por grupos (ej.: escuelas), donde las unidades dentro de un conglomerado pueden ser más similares entre sí que con unidades de otros conglomerados (Kish, 1965).
• Generalización inadecuada: extrapolar resultados de una muestra no probabilística a una población amplia (Patton, 2015).
• Sesgo de autoselección: los participantes voluntarios no son representativos.
• Conglomerados no representativos: las escuelas seleccionadas no reflejan la diversidad de la población.

Clasificación general de las técnicas de muestreo

En la investigación existen dos técnicas principales de muestreo: las que están basadas en la probabilidad y las que no. Una muestra puede ser obtenida de dos tipos: probabilística y no probabilística.

Las técnicas de muestreo probabilísticas permiten conocer la probabilidad que cada individuo a estudio tiene de ser incluido en la muestra a través de una selección al azar. En cambio, en las técnicas de muestreo de tipo no probabilísticas, la selección de los sujetos a estudio dependerá de ciertas características, criterios, etc. que él (los) investigador (es) considere (n) en ese momento.

Muestreo probabilístico

Estas técnicas garantizan que cada miembro de la población tenga una probabilidad conocida de ser seleccionado, lo que permite estimar errores y generalizar resultados (Fraenkel et al., 2019). El muestreo probabilístico es una técnica en la cual las muestras son recogidas mediante un proceso que le brinda a todos los individuos de la población la misma oportunidad de ser seleccionados.

Muchos consideran que este es metodológicamente el enfoque más riguroso para el muestreo, ya que elimina los sesgos sociales que podrían moldear la muestra de investigación. Este grupo de técnicas de muestreo son las más fiables y representativas de la población al realizarse la selección de los elementos de la muestra de manera aleatoria.

Muestreo aleatorio simple

Todos los elementos de la población tienen la misma probabilidad de ser seleccionados. El muestreo aleatorio simple es el método de muestreo básico utilizado en métodos estadísticos y cálculos.

Para recopilar una muestra aleatoria simple, a cada unidad de la población objetivo se le asigna un número. Luego se genera un conjunto de números aleatorios y las unidades que tienen esos números son incluidas en la muestra.

Cuando se estudia a las personas, está técnica funciona mejor con una población homogénea, que no sean muy diferentes en edad, raza, escolaridad o clase, ya que con una población heterogénea se corre el riesgo de crear una muestra sesgada si no se toman en cuenta las diferencias demográficas.

Su aplicación educativa resulta adecuada para la evaluación de programas educativos con listas completas de participantes. Su principal ventaja es la alta representatividad, aunque es difícil de implementar en poblaciones grandes.

Muestreo sistemático

Se enumeran todos los elementos de la población, luego se elige el primer elemento de la muestra de manera aleatoria y los siguientes de manera periódica. El muestreo sistemático es aquel en el que los elementos de la población se ponen en una lista y luego cada enésimo elemento de la lista se selecciona sistemáticamente para su inclusión en la muestra.

Cuando el criterio de distribución de los sujetos a estudio en una serie es tal, que los más similares tienden a estar más cercanos, este tipo de muestreo suele ser más preciso que el aleatorio simple, debido a que recorre la población de forma más uniforme. De este modo, se seleccionará cada hésimo caso (Arias-Gómez et al.).

Para garantizar que no haya ningún sesgo humano en este método, el investigador debe seleccionar aleatoriamente al primer individuo. Esto es técnicamente llamado una muestra sistemática con un inicio aleatorio.

En educación puede utilizarse en encuestas a estudiantes con matrículas numeradas. Es sencillo de aplicar, pero existe riesgo de patrones cíclicos en la lista. Pueden darse casos en los que en la población haya ciclos o periodicidades y que al utilizar este método haya una elevada homogeneidad en la muestra y que, por lo tanto, esta no sea representativa de la población.

Muestreo estratificado

La población se divide en estratos y se muestrea cada estrato. El muestreo estratificado es una técnica de muestreo en la que el investigador divide a toda la población objetivo en diferentes subgrupos o estratos, y luego selecciona aleatoriamente a los sujetos finales de los diferentes estratos de forma proporcional.

Se agrupan los elementos de la población en grupos o estratos en función de características esenciales de interés para el estudio a realizar (homogeneidad) y se seleccionan los elementos de la muestra de cada uno de los estratos de manera aleatoria. La base de la estratificación se basa en variable como edad, sexo, nivel socioeconómico, etc.

El número de elementos de la muestra pertenecientes a cada estrato es proporcional al número de elementos de cada uno de ellos con respecto a la población total. La asignación proporcional significa que el tamaño de la muestra de cada estrato es proporcional al tamaño del estrato que le dio origen, respecto a la población total.

También es posible utilizar una asignación óptima, en la que el tamaño de la muestra de cada estrato son definidos por quien hace el muestreo (Bai et al., 2013). Se consigue aumentar la representatividad de la muestra y son más fiables, aunque se requiere información previa para estratificar.

Este tipo de muestreo se utiliza cuando el investigador quiere resaltar subgrupos específicos dentro de una población. En educación resulta apropiado para estudios sobre equidad educativa donde variables como género o etnia son relevantes.

Muestreo por conglomerados

En vez de seleccionar los elementos de la muestra directamente, lo que se escoge son de manera aleatoria algunos de estos grupos o conglomerados. El muestreo por conglomerados puede ser utilizado cuando es imposible o impráctico elaborar una lista exhaustiva de los elementos que constituyen a la población objetivo.

Las poblaciones están formadas generalmente por determinados grupos o conglomerados, por ejemplo, un ayuntamiento está integrado por pueblos. En educación, los conglomerados pueden ser escuelas, aulas, distritos o regiones.

Consiste en elegir de forma aleatoria ciertos barrios o conglomerados dentro de una región, ciudad, comuna, etc., para luego elegir unidades más pequeñas como cuadras, calles, etc. y finalmente otras más pequeñas, como escuelas, consultorios, hogares (una vez elegido esta unidad, se aplica el instrumento de medición a todos sus integrantes).

Si se desea realizar un estudio de prevalencia o una encuesta en habitantes de una localidad, el muestreo aleatorio simple es complejo y de alto costo, ya que estudiar una muestra de tamaño “n”, supone enviar encuestadores a “x” puntos diferentes de la misma; de tal forma que en cada uno de estos puntos, sólo se aplicará una encuesta (Hund et al., 2015). Por ello, es que en este tipo de casos se sugiere aplicar muestreo por conglomerados, pues son más económicos y eficientes.

Su aplicación educativa es frecuente en investigaciones a gran escala, como PISA y TERCE. Es viable para poblaciones dispersas, aunque ofrece menor precisión que el aleatorio simple.

Comparación de los principales métodos probabilísticos

Muestreo no probabilístico

Estas técnicas no garantizan que todos los individuos tengan la misma probabilidad de ser seleccionados, pero son útiles cuando el acceso a la población es limitado o se busca profundidad sobre representatividad (Patton, 2015).

Son técnicas de muestreo donde se eligen determinados criterios que no están basados en la equiprobabilidad para la selección de los elementos de la muestra. Estos métodos de muestreo son menos fiables que los aleatorios o probabilísticos, porque su nivel de representatividad de la población es menor.

Se utilizan cuando no es posible la realización de los otros debido a restricciones principalmente de coste o cuando se está realizando una exploración inicial y se quiere obtener cierto grado de representatividad. Aunque seleccionar algunos de estos métodos podría resultar en datos sesgados o en una capacidad limitada para hacer conclusiones generales basadas en los hallazgos, también existen algunas situaciones en las que seleccionar este tipo de técnica de muestreo es la mejor opción para cierta pregunta de investigación o para una etapa de la investigación.

Muestreo por conveniencia

Se eligen individuos accesibles. El muestreo por conveniencia permite seleccionar aquellos casos accesibles que acepten ser incluidos. Esto, fundamentado en la conveniente accesibilidad y proximidad de los sujetos para el investigador.

Es muy útil para estudios piloto o exploratorios con recursos limitados. Este método puede resultar útil si el tiempo y los recursos son limitados de tal forma que la investigación no sería posible de otra manera.

Por esta razón, un muestreo de conveniencia está entre los tipos de muestreo que comúnmente se utilizan en las fases iniciales o fase piloto de la investigación, antes de que se lance un proyecto de investigación más grande. Sin embargo, el investigador no podrá utilizar los resultados de una muestra de conveniencia para generalizar una población más amplia.

Su principal ventaja es que resulta rápido y económico, pero presenta alto sesgo y baja generalización. En educación, puede consistir en trabajar con estudiantes de un curso específico o con docentes de una institución accesible.

Muestreo intencional, deliberado, crítico o por criterio

Se seleccionan casos que cumplen características clave. El muestreo deliberado, crítico o por juicio es aquel que se selecciona con base en el conocimiento de una población o propósito del estudio.

El muestreo intencional permite seleccionar casos característicos de una población limitando la muestra sólo a estos casos. Se utiliza en escenarios en las que la población es muy variable y consiguientemente la muestra es muy pequeña.

En investigación educativa puede emplearse para estudiar docentes innovadores, escuelas exitosas o instituciones con programas específicos. Su principal ventaja es la profundidad en casos relevantes, aunque existe subjetividad en la selección.

Muestreo de bola de nieve o cadena

Los participantes iniciales recomiendan a otros. Se seleccionan unos determinados elementos de la población y estos están en contacto o relacionados con otros elementos que se van agregando a la muestra hasta completar su tamaño.

Es adecuado utilizar un muestreo bola de nieve cuando los miembros de una población son difíciles de localizar, como las personas sin hogar, trabajadores migrantes o inmigrantes indocumentados. En educación puede ser útil para estudiar educadores indígenas u otros grupos profesionales con redes de acceso limitadas.

Esta técnica es útil cuando se estudia un tema sensible en el que la gente podría no hablar abiertamente, o si hablar sobre los temas investigados podría poner en peligro su seguridad. Una recomendación de un amigo o conocido de que el investigador es confiable funciona para aumentar el tamaño de la muestra.

Su ventaja es que permite acceder a redes ocultas o poblaciones difíciles de localizar, pero presenta sesgo hacia las redes sociales existentes. En este tipo de muestreo, es necesario asegurar que los participantes no sean coaccionados.

Muestreo por cuotas

Se fijan cuotas para subgrupos. El muestreo por cuotas es aquel en la que las unidades son seleccionadas en una muestra partiendo de las características predeterminadas, de modo que la muestra total tenga la misma distribución de características que se supone que existen en la población que está siendo estudiada.

Es necesario conocer a fondo la población objeto del estudio para seleccionar las variables o características adecuadas. En educación puede utilizarse en encuestas donde se busca equilibrio en variables demográficas.

El muestreo por cuotas es más representativo que la conveniencia, pero no es aleatorio y mantiene riesgo de sesgo. Es similar al estratificado, pero la selección final de los individuos no es aleatoria.

Muestreo accidental o consecutivo

Se fundamenta en reclutar casos hasta que se completa el número de sujetos necesario para completar el tamaño de muestra deseado. Estos, se eligen de manera casual, de tal modo que quienes realizan el estudio eligen un lugar, a partir del cual reclutan los sujetos a estudio de la población que accidentalmente se encuentren a su disposición.

Es similar al muestreo por conveniencia, excepto que intenta incluir a todos los sujetos accesibles como parte de la muestra. En educación puede aplicarse cuando se incorporan consecutivamente los estudiantes, docentes o familias que cumplen los criterios de elegibilidad hasta alcanzar el número previsto.

Comparación de los principales métodos no probabilísticos

Técnicas específicas para la investigación educativa

Muestreo teórico

El muestreo teórico (Glaser & Strauss, 1967) se usa en grounded theory para seleccionar casos que enriquezcan el surgimiento de categorías teóricas. Su propósito no es representar estadísticamente una población, sino contribuir al desarrollo progresivo de conceptos y relaciones teóricas.

Un ejemplo consiste en estudiar escuelas con altos y bajos niveles de participación parental para contrastar patrones. La selección de nuevos casos se relaciona con las categorías que van emergiendo durante el análisis.

Muestreo por saturación

En estudios cualitativos, se recogen datos hasta que no emergen nuevas ideas. El muestreo por saturación es crítico en investigaciones sobre creencias docentes o cultura escolar.

La saturación también puede utilizarse en entrevistas a docentes, estudiantes, familias o directivos, siempre que el investigador documente cómo determinó que las nuevas entrevistas ya no aportaban categorías sustancialmente diferentes.

Muestreo por casos extremos o típicos

El muestreo por casos extremos o típicos (Flyvbjerg, 2006) consiste en seleccionar escuelas con resultados excepcionales, positivos o negativos, en pruebas estandarizadas para analizar factores asociados.

La selección de casos extremos permite profundizar en situaciones que pueden mostrar con claridad condiciones, prácticas o procesos relacionados con el fenómeno investigado, mientras que los casos típicos permiten estudiar situaciones consideradas habituales dentro del contexto analizado.

Criterios para seleccionar el tipo de muestreo

La decisión final siempre dependerá de tus objetivos de investigación, los recursos disponibles y la naturaleza de la población que deseas estudiar. No hay un método mejor que otro en términos absolutos, solo métodos más o menos adecuados para tu proyecto.

Objetivos de la investigación

• Generalización: muestreo probabilístico, por ejemplo, aleatorio estratificado.
• Profundidad: muestreo no probabilístico, por ejemplo, por criterio o teórico.
• Exploración inicial: muestreo por conveniencia, intencional o por criterio.
• Estudio de poblaciones difíciles de localizar: muestreo de bola de nieve.

Recursos y acceso a la población

• Presupuesto limitado: muestreo por conveniencia o bola de nieve.
• Acceso a bases de datos completas: muestreo aleatorio simple.
• Poblaciones geográficamente dispersas: muestreo por conglomerados.
• Listas ordenadas de participantes: muestreo sistemático.

Tipo de datos y enfoque metodológico

Los estudios cuantitativos requieren muestras grandes y representativas, como ocurre en las encuestas. Los estudios cualitativos priorizan la riqueza sobre la cantidad, como ocurre en las entrevistas a profundidad.

En los enfoques mixtos, pueden combinarse técnicas distintas en fases sucesivas. La fase cuantitativa puede utilizar muestreo probabilístico para identificar tendencias, mientras que la fase cualitativa puede utilizar muestreo teórico o intencional para profundizar en casos relevantes.

Heterogeneidad de la población

Cuando la población es homogénea, el muestreo aleatorio simple puede ser suficiente. Cuando existen subgrupos relevantes, el muestreo estratificado permite dividirlos en “estratos” y muestrear cada uno por separado, asegurando la representatividad de cada grupo.

Cuando no existe una lista completa de individuos, pero sí de escuelas, aulas o centros educativos, el muestreo por conglomerados puede facilitar el acceso a la población. Cuando la población es muy variable y la muestra es muy pequeña, puede ser necesario seleccionar casos característicos mediante un muestreo intencional.

Consideraciones éticas

• Consentimiento informado: en muestreo por bola de nieve, asegurar que los participantes no sean coaccionados.
• Representatividad: evitar excluir grupos vulnerables, por ejemplo, estudiantes con discapacidad.
• Transparencia: documentar los criterios de inclusión, exclusión y selección.
• Protección de participantes: extremar las precauciones cuando se estudien temas sensibles o poblaciones con riesgos específicos.

Tabla de decisión para elegir una técnica

Tamaño muestral y precisión de las estimaciones

La representatividad depende tanto de la forma de selección como del número de sujetos. El número de sujetos seleccionados debe representar numéricamente a la población que le dio origen respecto de la distribución de la variable en estudio en la población.

El tamaño muestral insuficiente puede deberse a la falta de cálculo previo. Una solución consiste en usar GPower o fórmulas basadas en el error tipo I/II (Cohen, 1988).

Para estimar la prevalencia de bullying en una población de 10,000 estudiantes con un margen de error del 5% y confianza del 95%, la fórmula de Cochran (1977) sugiere una muestra de 370 estudiantes:

n = Z² · p(1 − p) / E²

• Z = 1.96: valor z para 95% de confianza.
• p = 0.5: proporción esperada, máxima variabilidad.
• E = 0.05: margen de error.

La estimación o cálculo del tamaño de la muestra permite realizar inferencias, extrapolar o generalizar conclusiones a la población blanco con un alto grado de certeza. La elección del tamaño debe relacionarse con el diseño del estudio, el tipo de análisis, la variabilidad esperada y el margen de error aceptado.

Ejemplos de aplicación en educación

Estudio cuantitativo: muestreo aleatorio estratificado

Contexto: evaluación del impacto de un programa de formación docente en matemáticas en 200 escuelas de Caracas.

Método: estratificación de escuelas públicas y privadas, además del nivel socioeconómico alto, medio y bajo. Dentro de cada estrato, se eligen escuelas con probabilidad proporcional a su tamaño.

Unidad de análisis: docentes de matemáticas (n=400). Herramienta: Software R (paquete sampling) para calcular tamaños muestrales con un poder estadístico del 80% (Cohen, 1988).

En un estudio sobre deserción escolar en Venezuela, un muestreo estratificado por región y tipo de escuela (pública/privada) permitiría comparar tasas de abandono entre contextos socioeconómicos distintos (UNESCO, 2022).

Estudio cualitativo: muestreo intencional

Contexto: análisis de estrategias de inclusión en escuelas para estudiantes con autismo.

Método: selección de escuelas con programas de inclusión reconocidos y diversidad en recursos, tanto urbanas como rurales.

Selección: 10 escuelas, 5 con altos recursos y 5 con bajos recursos. Saturación: entrevistas hasta que no emerjan nuevas categorías, por ejemplo, “adaptaciones curriculares”.

Merriam & Tisdell (2016) destacan la importancia de documentar los criterios de selección para garantizar transparencia.

Enfoque mixto: combinación de técnicas

Contexto: investigación sobre factores asociados al rendimiento en lectura en 4.to grado.

Fase cuantitativa: muestreo por conglomerados, con selección aleatoria de 50 escuelas y posterior inclusión de todos los estudiantes de 4.to grado en esas escuelas.

Fase cualitativa: muestreo teórico para seleccionar 3 escuelas con resultados extremos, de alto y bajo rendimiento, y realizar observaciones de aula.

Estudio sobre aulas multigrado

Para analizar prácticas pedagógicas en aulas multigrado, un muestreo por criterio podría focalizarse en docentes con experiencia comprobada en este modelo, identificados mediante recomendaciones de supervisores educativos (Merriam & Tisdell, 2016).

Errores frecuentes y formas de evitarlos

Herramientas tecnológicas para el muestreo

El uso de herramientas tecnológicas facilita el cálculo del tamaño de la muestra, la selección aleatoria y el diseño de muestras complejas. Sin embargo, ninguna herramienta sustituye la definición conceptual de la población, la unidad de análisis, los criterios de inclusión y exclusión ni la justificación metodológica.

Documentación y transparencia metodológica

La elección del tipo de muestreo en investigación educativa debe ser un proceso deliberado y justificado, alineado con los objetivos del estudio y las características de la población. La tendencia actual hacia el uso de big data en educación, como el análisis de registros administrativos, no elimina la necesidad de un diseño muestral riguroso, sino que exige adaptar las técnicas tradicionales a nuevos contextos (Lazer et al., 2020).

Para estudiantes de doctorado, se recomienda documentar cada paso del proceso de muestreo en la tesis. También es conveniente pilotear la estrategia con una submuestra para ajustar criterios y consultar fuentes actualizadas, como las guías de la American Educational Research Association (AERA, 2018) sobre estándares éticos.

La sección metodológica debe describir la población blanco, la población accesible, la unidad de análisis, la unidad muestral, los criterios de inclusión y exclusión, el procedimiento de selección, el tamaño de la muestra, las posibles fuentes de sesgo y las limitaciones para generalizar los resultados.

tags: #criterios #seleccion #muestral #educacion