🗓️ Semana 06
El proceso de respuesta · Operacionalización y escalas
Encuestas Sociales para Contextos Diversos
viernes 25 de septiembre de 2026
La respuesta no es un dato que se recoge
Qué cuenta como trabajo
Una pregunta aparentemente simple:
“¿Trabajó usted la semana pasada?”
La respuesta depende de qué entienda cada persona por “trabajar”, y de cuánto trabajo le parezca suficiente para decir que sí:
- ¿cuenta cocinar para la familia, o cuidar a un padre enfermo?
- ¿ayudar sin sueldo en el negocio familiar?
- ¿basta con un par de horas, o tiene que ser una jornada?
Dos personas con la misma semana pueden responder “sí” y “no”, y ninguna está mintiendo.
Cómo resuelve esa ambigüedad un cuestionario real
Así abre la secuencia con que la Casen clasifica a los ocupados:
“La semana pasada, ¿trabajó al menos una hora, sin considerar los quehaceres del hogar?”
Cuestionario Casen 2024, módulo Trabajo, pregunta o1.
Cada cláusula es una decisión de medición:
- un umbral: “al menos una hora”;
- una ventana: “la semana pasada”;
- una exclusión explícita: los quehaceres del hogar no cuentan.
El plan de hoy
La respuesta rara vez está guardada en la cabeza del respondente esperando ser recogida. En mayor o menor grado según la pregunta, se construye en el momento, con la pregunta como materia prima.
Las semanas 3 a 5 resolvieron a quién le preguntamos: la columna de representación del TSE. Desde hoy entramos en la de medición, qué pasa cuando preguntamos, por dos trayectos y en este orden:
- el del respondente, de la pregunta a la respuesta;
- el del diseño, del concepto a la pregunta.
El modelo del proceso de respuesta
El proceso de respuesta en cuatro etapas
Los modelos que sistematiza Groves distinguen cuatro grupos de procesos, más uno que ocurre antes de la entrevista:
Recorreremos cada etapa: qué hace el respondente en ella, y después qué sale mal.
Una pregunta de ejemplo
Usaremos el mismo ítem que usa Groves, de la encuesta estadounidense de consumo de drogas (NSDUH):
“Ahora piense en los últimos 12 meses, desde [FECHA] hasta hoy. Queremos saber cuántos días usó algún tranquilizante recetado que no le hubieran recetado a usted, o que haya tomado solo por la experiencia o la sensación que produce.”
Exige las cuatro cosas a la vez: entender una definición larga, recordar episodios poco memorables, construir un número y decidir cuánto declarar sobre una conducta estigmatizada.
Dos advertencias: las etapas no son una secuencia rígida, y los respondentes con frecuencia se saltan alguna o la ejecutan a medias (satisficing).
Etapa 1. Comprensión
Qué hace el respondente: prestar atención a la pregunta y a sus instrucciones, asignarle un significado y deducir qué información se le está pidiendo.
En el ítem del ejemplo tiene que resolver, entre otras cosas:
- qué es exactamente un “tranquilizante recetado”;
- qué significa “que no le hubieran recetado a usted”: ¿un remedio de un familiar?, ¿uno propio pero vencido?;
- qué cuenta como “cuántos días”: ¿días distintos, o veces?
En modos autoadministrados se agrega una tarea más: interpretar la navegación, es decir, qué pregunta viene después y qué hacer con las instrucciones.
Etapa 2. Recuperación
Qué hace el respondente: traer desde la memoria de largo plazo la información relevante, a partir de las pistas que le da la propia pregunta.
Las pistas están escritas en el enunciado, aunque no lo parezca:
- el período de referencia (“los últimos 12 meses, desde [FECHA]”) acota qué buscar;
- los términos con que se nombra el evento activan o no el recuerdo;
- los ejemplos que a veces incluye la pregunta funcionan como llaves de acceso.
Por eso una pregunta bien escrita no solo es clara: también está diseñada para gatillar el recuerdo correcto.
Etapa 3. Estimación y juicio
Qué hace el respondente: combinar y completar lo que recuperó. Casi nadie tiene la cifra lista, así que hay que construirla.
Groves muestra tres respondentes que llegan a tres respuestas por caminos distintos:
- uno enumera los episodios que recuerda y los suma;
- otro razona por tasa: “más o menos una vez al mes, así que 12”;
- otro traduce una impresión vaga: “unas pocas veces, digamos 5”.
En preguntas de actitud la tarea es equivalente: formar una valoración con las consideraciones que la pregunta trajo a la mente.
Etapa 4. Reporte
Qué hace el respondente: seleccionar y comunicar la respuesta. Dos tareas distintas se esconden ahí:
- Ajustar el juicio al formato que la pregunta exige: elegir una de las categorías ofrecidas, decidir un número, ubicarse en una escala.
- Editar la respuesta antes de decirla: por coherencia con lo que ya respondió, por lo que le parece aceptable declarar, o por lo que cree que el entrevistador espera.
En el ítem del ejemplo, la segunda tarea pesa: se trata de una conducta estigmatizada y hay alguien escuchando.
Antes de todo: la codificación
Hay un quinto proceso, y ocurre antes de la encuesta: la codificación, es decir, la formación del recuerdo cuando la persona vive el evento.
Vivir algo no implica registrarlo. Un estudio clásico comparó reportes de alimentación en encuesta contra diarios detallados de los mismos respondentes: la coincidencia era tan pobre que el autor concluyó que los reportes eran, en buena parte, conjeturas sobre lo que probablemente comieron.
Ninguna pregunta, por bien escrita que esté, puede extraer información que nunca se codificó. Cuando el diseño sospecha que ese es el caso, la solución no es mejor redacción: es otro instrumento, como un diario, un registro que el hogar ya lleve o una medición directa.
El diseñador no controla la codificación, pero sí puede diseñar a favor de ella: preguntar en los términos en que la gente realmente vivió y nombró la experiencia.
Fuentes de error en cada etapa
Comprensión: interpretaciones múltiples
Pedirle a respondentes que expliquen qué entendieron por los términos de preguntas reales revela interpretaciones distintas incluso para palabras cotidianas.
- “hijos”: ¿cuentan los de su pareja?, ¿los que ya no viven con usted? “ingreso”: ¿líquido o bruto?, ¿solo el sueldo, o también bonos y arriendos?
- Términos vagos (“frecuentemente”, “servicios de salud”) y técnicos sin definir: el diseñador sobreestima el vocabulario compartido.
- Complejidad excesiva: tantas instrucciones que el respondente no retiene todos los requisitos.
- Presuposiciones: la pregunta asume algo que para el respondente no es cierto.
- Inferencias sobre la intención: se contesta a lo que la pregunta parece querer saber.
Y casi nadie pide aclaración: en estudios sobre un tema inventado, hasta un 40% igual dio su opinión (Bishop, Oldendick y Tuchfarber, 1986).
Recuperación: el olvido
El hallazgo más robusto de más de un siglo de investigación sobre memoria: el olvido crece con el tiempo transcurrido, rápido al principio y más lento después.
Recuperación: otras fallas de la memoria
El olvido por paso del tiempo no es la única falla:
- Memoria genérica: los eventos similares se funden. La visita específica al consultorio se vuelve “una visita típica”; cuantos más eventos parecidos, más difícil recordar uno en particular.
- Desajuste de términos: si la pregunta nombra el evento distinto de como el respondente lo codificó, no gatilla el recuerdo. Quien no piensa su copa de vino como “bebida alcohólica” no la reporta.
- Reconstrucción: los vacíos se rellenan con “lo que suele pasar”, o proyectando el presente hacia atrás y suponiendo que la conducta fue estable.
Las tres empujan en direcciones distintas, y ninguna es un error del respondente: son propiedades de cómo funciona la memoria.
Recuperación: el telescoping
Los eventos no solo se olvidan: también se corren en el tiempo. Típicamente hacia el presente, de modo que se reportan eventos ocurridos antes del período preguntado.
En el estudio clásico del tema, cerca del 40% de los trabajos de reparación del hogar reportados estaban mal reportados por telescoping.
Neter y Waksberg (1964), que variaron a la vez el largo del período de referencia (1, 3 o 6 meses) y si la entrevista estaba anclada a la anterior.
Como el telescoping agrega eventos y el olvido los quita, el sesgo neto de una pregunta depende de cuál de los dos domine: no es predecible solo mirando la redacción.
Qué hace el diseño contra las fallas de memoria
- Más y mejores pistas de recuerdo dentro de la pregunta: ejemplos de la categoría, nombres alternativos del evento.
- Períodos de referencia ajustados a la memorabilidad del evento: un año para hospitalizaciones, semanas para consultas de rutina.
- Calendario de historia de vida: se registran primero hitos personales (mudanzas, empleos, nacimientos) y esos hitos sirven después como anclas para fechar y recordar lo demás.
- Consulta de registros: pedirle al respondente que revise boletas, recetas o cartolas antes de responder.
Contra el telescoping: anclar la entrevista en la anterior
En encuestas panel existe un procedimiento específico, que en inglés se llama bounding:
Antes de preguntar por el período nuevo, el entrevistador le lee al respondente el resumen de lo que declaró en la ronda anterior. Solo se cuentan los eventos posteriores a esa entrevista.
La ronda anterior funciona como un piso: el respondente reconoce lo que ya contó y no vuelve a contarlo.
Es el procedimiento estándar de la encuesta de victimización estadounidense (NCVS), que entrevista a los mismos hogares cada seis meses. Su costo es evidente: requiere un panel, así que no está disponible para una encuesta transversal.
Estimación: tres estrategias, tres errores
Ante “¿cuántas veces…?”, casi nadie tiene una cuenta llevada. Las tres estrategias que vimos fallan de manera distinta:
- Recordar y contar. Funciona con pocos eventos. Con muchos, omite (olvido) y agrega (telescoping) a la vez, y los respondentes tienden a abandonarla a medida que los eventos se acumulan.
- Estimar por tasa. Tiende a sobreestimar cuando la conducta es irregular, porque toma un período representativo y lo proyecta.
- Traducir una impresión. La más frágil, y la más sensible a lo que la pregunta le sugiera al respondente.
Regla de lectura para el proyecto: ante una distribución de frecuencias reportadas, pregúntense qué estrategia de estimación indujo la pregunta. Es una hipótesis, no un diagnóstico: cuantificarla exige la evidencia de la próxima clase.
Juicio: las actitudes también se construyen
Podría pensarse que las actitudes son distintas, pero el proceso es análogo:
La mayoría de las personas no tiene opiniones preformadas esperando ser recuperadas. Construyen el juicio en el momento, con las consideraciones que la pregunta y el contexto les traen a la mente.
Algunos tienen una posición clara (quien sigue el mercado financiero responderá sin esfuerzo una pregunta sobre la economía del próximo año). La mayoría tiene una impresión vaga, o arma la respuesta en ese instante, sea desde valores generales o desde creencias específicas.
Juicio: la formulación y el contexto mueven
Dos preguntas de los años cincuenta sobre la guerra de Corea:
“¿Cree que Estados Unidos cometió un error al decidir defender Corea, o no?” (Gallup)
“¿Cree que Estados Unidos hizo bien o mal en enviar tropas para detener la invasión comunista de Corea del Sur?” (NORC)
La segunda mostró más apoyo. En experimentos posteriores, agregar “para detener una toma comunista” subió el apoyo en torno a 15 puntos (Schuman y Presser, 1981).
El contexto también mueve: una pregunta de felicidad general se responde distinto si viene después de una sobre la satisfacción con la pareja.
Por eso, comparar en el tiempo requiere preguntar igual, y leer una cifra de opinión requiere leer la pregunta textual y las que la acompañan.
Reporte: redondeo, escalas y orden
- Números abiertos: los respondentes redondean. Las respuestas se apilan en múltiplos de cinco, y los porcentajes en 0, 50 y 100.
- Escalas: sesgo de positividad, evitación de los extremos, y efectos de las etiquetas numéricas. Una escala de −5 a +5 no rinde igual que una de 0 a 10 con las mismas etiquetas verbales.
- Orden de las categorías: los respondentes tienden a elegir la primera opción adecuada que consideran. Primacía cuando leen (modos visuales) y recencia cuando escuchan (modos auditivos). Volverá en la semana de modos.
- Errores de navegación, en autoadministrado: saltarse preguntas o responder las que no correspondían.
Reporte: el reporte motivado
Con temas sensibles (consumo de sustancias, ingresos, conductas estigmatizadas) el respondente ajusta la respuesta o calla.
- La deseabilidad social produce subreporte de lo indeseable y sobrerreporte de lo deseable. El voto es el ejemplo clásico: en cualquier elección, más gente declara haber votado de la que efectivamente votó.
- En preguntas de ingreso, la no respuesta de ítem alcanza niveles varias veces superiores a los de cualquier pregunta demográfica.
La táctica que la evidencia señala como más efectiva no es la redacción: es reducir la presencia del entrevistador. La autoadministración tiende a mejorar el reporte de lo sensible. Con matices, porque el modo óptimo varía según tema y contexto, y autoadministrar tiene sus propios costos. Es un resultado sobre modos, y lo desarrollaremos en la Unidad 4.
Criterios para escribir preguntas
Hechos: especificidad y vocabulario
De los problemas anteriores se derivan los criterios. Para preguntas conductuales y de hechos no sensibles:
- Especificidad: dejar explícito quién cubre la pregunta, qué conductas y qué período de referencia. “¿Cuándo sale usted de su casa al trabajo?” es incontestable; “durante la última semana, ¿a qué hora salió habitualmente…?” no lo es.
- Vocabulario universal: términos que prácticamente todos entienden. Si un término técnico es inevitable, definirlo justo antes de preguntar.
- Categorías completas y excluyentes: lo que no aparece como opción explícita se subreporta, y lo agrupado en “otros” también.
Hechos: ayudas a la memoria
- Pistas de recuerdo dentro de la pregunta, como ejemplos de la categoría.
- Recuerdo asistido: preguntar por subcategorías en vez de por el total.
- Períodos de referencia ajustados a la memorabilidad del evento.
- Anclaje a la ronda anterior en encuestas panel, contra el telescoping.
- Cuando ni la mejor pregunta puede con la memoria: diarios para eventos frecuentes y poco involucrantes, o calendarios de historia de vida para períodos largos.
Nótese que casi todos son decisiones de diseño del instrumento, no de redacción de la frase.
La ENUT: diseñar a favor del recuerdo
Un ejemplo chileno de esta lógica aplicada.
La ENUT no pregunta por una semana genérica. Le asigna a cada persona dos días de referencia concretos, uno de semana y uno de fin de semana.
Y antes de medir el uso del tiempo, contextualiza cada día con el respondente para activar el recuerdo:
- a qué hora se despertó;
- si almorzó y qué almorzó;
- si ocurrió algo fuera de su rutina.
Anclas de recuerdo primero; medición después.
Preguntas sensibles
Al problema de memoria se le suma el reporte motivado, y por eso varios criterios apuntan a ambos a la vez:
- preferir autoadministración para el módulo sensible;
- formato abierto antes que categorías, porque las categorías sugieren qué es “normal”;
- preguntas más largas y con vocabulario cotidiano;
- partir por “¿alguna vez…?” antes de llegar al período reciente;
- ubicar el ítem entre otros, para restarle prominencia.
Una advertencia: la redacción “comprensiva”, que da razones válidas para la conducta, ayuda menos de lo que se cree. Reduce el sesgo, pero no lo elimina.
Preguntas de actitud
Aquí el problema es el juicio construido en el momento:
- Objeto claro y una sola pregunta por ítem, sin preguntas dobles.
- Escalas de 5 a 7 puntos, todas etiquetadas, balanceadas, con punto medio salvo razón fuerte en contra.
- Preferir preguntas específicas del constructo por sobre baterías acuerdo/desacuerdo, que invitan a la aquiescencia.
- Lo general antes que lo específico, y para medir cambio, la misma pregunta cada vez.
Los criterios chocan entre sí: especificar bien el objeto puede volver la pregunta compleja, y el punto medio le da salida honesta al ambivalente y también al que no quiere pensar. Dejan la pregunta lista para probarse, no lista para aplicarse. Ese es el tema de la próxima clase.
Del concepto a la pregunta
La cadena de la operacionalización
Cambiemos de asiento: del respondente al equipo que diseña. Su tarea no es responder una pregunta, sino representar un concepto con preguntas.
Antes del primer eslabón están los objetivos y el plan de análisis: qué se quiere saber y qué se hará con el dato.
Dónde se juega la validez
Cada eslabón de esa cadena es una decisión discutible, y en ella se juega la validez de la medición que definimos en la semana 2.
Si los indicadores no representan bien el concepto, se termina midiendo con precisión otra cosa.
La validez no se “ve” en la cadena: se evalúa después, con evidencia. Pero cada eslabón mal resuelto la compromete de antemano, y además le impone tareas cognitivas al respondente:
- una dimensión mal definida se vuelve una pregunta incomprensible;
- un indicador que exige recordar lo irrecordable se vuelve una estimación por impresión;
- una escala mal elegida se vuelve un reporte forzado.
La operacionalización como traducción
Asún describe la misma cadena como una traducción: del lenguaje teórico del investigador al habla en que las personas pueden expresar el concepto.
La primera decisión es si la traducción es necesaria:
- Un concepto simple vive en el habla cotidiana con un significado compartido. Se pregunta directo: “¿cuántos años tiene?”.
- Un concepto complejo no existe en el habla de la población, o no como lo entiende el investigador. Nadie puede responder “¿cuán individuado está usted?”: hay que desagregarlo hasta llegar a dimensiones preguntables.
Un ejemplo chileno de la cadena
El caso que usa Asún: el Informe de Desarrollo Humano del PNUD (2002) midió la individuación con tres dimensiones:
- disposición a romper normas sociales;
- deberes morales percibidos;
- la biografía como decisión propia.
Cada dimensión se resolvió en preguntas concretas y el conjunto se combinó en un índice. Una de la primera dimensión:
“¿Está dispuesto a seguir adelante con una idea aunque vaya en contra de la opinión de sus padres?”
Los límites de toda operacionalización
Preguntar también produce. Plantearle grados de satisfacción a quien nunca se lo había preguntado no recoge una opinión: la cristaliza en ese momento. Por eso un cuestionario «produce información», no solo la recoge.
Toda operacionalización distorsiona. Implica, en palabras de Asún, «un grado de distorsión o mutilación del sentido teórico» del concepto. Nunca se mide el concepto completo, solo mejores o peores interpretaciones empíricas de él.
Reusar, adaptar o crear
Escribir una pregunta desde cero es solo una de tres estrategias, y no la primera que se considera:
- Reusar preguntas existentes. Los institutos y programas internacionales mantienen bancos de preguntas probadas: reusar da comparabilidad, y cuando la pregunta está validada hereda esa evidencia.
- Adaptar cuando el contexto lo exige: alterar deliberadamente contenido, formato o categorías para otra población, documentando cada cambio.
- Crear lo que no existe, con todo el proceso: insumos cualitativos para el vocabulario, redacción según los criterios, y pretesteo.
La letra chica: una escala validada en un contexto no queda validada para siempre ni para todas partes, y el reúso por comparabilidad puede perpetuar una medición deficiente. Mantener la serie tiene valor, pero no convierte en buena una pregunta mala.
Formatos y escalas
Abierta o cerrada
Abierta: evita el efecto de las categorías ofrecidas y conserva más información, pero exige codificación posterior, con su trabajo, sus criterios y su error de procesamiento.
Cerrada: estandariza y abarata el análisis, pero cuando usa categorías pierde información y esas categorías influyen en la respuesta.
Para las cerradas, tres requisitos: categorías exhaustivas, excluyentes, y decisiones explícitas sobre “no sabe” y rechazo.
Que “no sabe” y el rechazo existan como registro es una obligación ética, porque nadie está obligado a responder, y también de calidad, porque forzar una respuesta que no existe fabrica datos.
Escalas de valoración
- 5 a 7 puntos, cada uno etiquetado verbalmente. Menos puntos pierden información que el respondente sí podía dar; más puntos exceden su capacidad de distinguir. Las etiquetas alinean la interpretación entre respondentes: sin ellas, el “4” de una persona no es el “4” de otra.
- Punto medio incluido por regla general, con el costo ya señalado.
- Unipolar o bipolar según el constructo: grados de una misma cosa (“nada… mucho”) o dos polos con punto neutro (“muy insatisfecho… muy satisfecho”). No son intercambiables.
- Balance: enunciado y categorías deben ofrecer ambos lados con igual peso.
¿Por qué sobreviven entonces las baterías acuerdo/desacuerdo, si el formato está desaconsejado? Porque una sola escala sirve para veinte afirmaciones. El precio es aquiescencia y menor validez.
¿Un ítem o varios?
Un ítem basta para atributos concretos y acotados: edad, tenencia de un bien, haber realizado una conducta específica.
Varios ítems se justifican para constructos latentes (actitudes, bienestar subjetivo, síntomas), donde ningún ítem individual captura el concepto y el conjunto reduce el error de cada uno.
El argumento clásico: cada fraseo específico sesga la respuesta en alguna dirección, y con varios ítems bien elegidos esos sesgos tienden a compensarse en el puntaje conjunto.
Ojo: más ítems no es automáticamente mejor medición. Es mejor solo si cada ítem aporta información del mismo constructo.
Índices y escalas
Se usan como sinónimos, pero no lo son. Ambos combinan varias respuestas en un puntaje; la diferencia está en qué respalda esa combinación.
Índice: el investigador decide qué componentes entran y cuánto pesa cada uno, y lo justifica con un argumento teórico. El IPM de pobreza multidimensional es un índice: sus carencias y ponderaciones son una decisión fundamentada, no el resultado de probar ítems.
Escala: además de la fórmula, sigue un procedimiento establecido que pone a prueba los ítems: se redactan muchos, se aplican, y se eliminan los que no se comportan como medidas del mismo constructo. La sumativa de Likert es el ejemplo clásico.
Toda escala es un índice, pero no todo índice es una escala: lo que las separa es si los ítems pasaron por una prueba empírica de depuración.
Reflectivo y formativo
En el reflectivo, la consistencia entre ítems (el alfa que verán reportado) es evidencia de confiabilidad. En el formativo no: las carencias del IPM pueden no correlacionar entre sí, y el índice no vale menos por eso.
Síntesis
Síntesis
- La respuesta se construye en cuatro etapas, y cada una deja su propio error. Antes de todas está la codificación: nada puede recuperar lo que nunca se almacenó.
- Los problemas son sistemáticos y conocidos: interpretaciones múltiples, olvido y telescoping, estrategias de estimación con errores distintos, juicios movidos por formulación y contexto, redondeos, orden y deseabilidad social.
- De ahí salen los criterios, que chocan entre sí y no garantizan nada: dejan la pregunta lista para probarse.
- Del lado del diseño, operacionalizar es traducir, y toda traducción distorsiona. Las buenas preguntas se reusan y adaptan antes que escribirse de cero, ninguna validación es permanente, y reflectivo no es formativo.
La Entrega 1 del proyecto vence hoy, viernes 25 de septiembre.
Próxima clase
- Bloque 1: métodos de pretesteo. Cómo se reúne evidencia, antes del terreno, de que una pregunta funciona: revisión de expertos, grupos focales, entrevistas cognitivas, pretest de campo, experimentos. Incluye cómo se aplicaron a encuestas chilenas reales (EANNA, ELPI).
- Bloque 2: taller aplicado. Evaluaremos preguntas reales de cuestionarios chilenos con una pauta profesional de revisión sistemática (QAS). Del taller sale la Tarea 2.
Las lecturas de la semana están en la página del curso.
Encuestas Sociales para Contextos Diversos