Sampling Strategies in Qualitative Research

Estrategias de muestreo en investigación cualitativa

Tim Rapley

En pocas palabras, el muestreo realmente importa. Importa en relación con una variedad de
temas, durante toda la trayectoria del proceso analítico, desde las preguntas iniciales sobre
un fenómeno hasta la presentación de su trabajo. Dado que las afirmaciones que los
investigadores cualitativos quieren hacer se basan rutinariamente en trabajar de cerca con
un número relativamente pequeño de personas, interacciones, situaciones o espacios, es
fundamental que se elijan por buenas razones analíticas. Sobre todo, el muestreo nunca
debe ser producto de decisiones ad hoc o dejarse únicamente al azar. Tiene que ser
reflexivo y riguroso.

Hay algunos buenos debates sobre la gama de cuestiones conceptuales clave sobre el
muestreo (ver, por ejemplo, Guba, 1981; Mitchell, 1983; Ward Schofield, 1993;
Sandelowski, 1995; Williams, 2002; Gobo, 2004) junto con algunos útiles, fáciles de usar,
introducciones a consideraciones más prácticas (ver, por ejemplo, Patton, 2002; Charmaz,
2006). En este capítulo, quiero explorar el muestreo a través de una narrativa diferente, que
utiliza un solo caso para demostrar una variedad de problemas que enfrentan los
investigadores en relación con el muestreo. Voy a ofrecer una descripción razonablemente
detallada, aunque lamentablemente demasiado breve, de un proyecto de investigación que
emprendí, para explorar algunos de los problemas pragmáticos y teóricos que puede
enfrentar. Inicialmente, exploraré temas de muestreo antes de ingresar al campo, tanto en
relación con la redacción de propuestas como con las formas de conocimiento que pueden
informar sus ideas. Luego exploraré la evolución de las prácticas de muestreo a lo largo de
la vida del proyecto, desde rondas exploratorias de muestreo hasta aquellas más enfocadas
en el desarrollo conceptual, siempre destacando la relación iterativa entre muestreo y
análisis. Finalmente, me referiré al muestreo en relación con la presentación de datos.
Entrelazados a lo largo de esta cuenta, habrá algunas descripciones generales tradicionales
de los debates clave y las cuestiones de procedimiento que debe tener en cuenta. Sin
embargo, primero, presentaré el proyecto de investigación.
Nota: Géneros de muestreo y la pregunta de generalización

El muestreo se puede dividir de diferentes maneras. En un nivel básico, con la excepción

del muestreo de la población total, a menudo verá la división entre el muestreo aleatorio de
una población representativa y el muestreo no aleatorio. Claramente, para muchos
investigadores más cuantitativos, el muestreo no aleatorio es el enfoque de segunda opción,
ya que crea posibles problemas de "sesgo". Sin embargo, en la investigación cualitativa, el
recurso central a través del cual se toman las decisiones de muestreo es centrarse en
personas, situaciones o sitios específicos porque ofrecen una perspectiva específica,
"sesgada" o "rica en información" (Patton, 2002). Independientemente del enfoque, el
muestreo requiere un conocimiento previo del fenómeno. El conocimiento es esencial para
establecer qué tan "típica" es su muestra del fenómeno, además de comprender la
diversidad potencial, o variación, dentro del fenómeno. Cuanto mayor sea la varianza,
mayor será la muestra requerida.

Dentro de un trabajo más cuantitativo, cuando se trabaja con una muestra aleatoria, debe
poder clasificar la población para generar una muestra representativa aleatoria o por cuotas.
Eso supone varias cosas. En el trabajo de encuesta, debe tener suficiente información a
priori para informar el diseño de la muestra. Rutinariamente, trabajaría con algún tipo de
proxy para los temas que le interesan, a menudo en función de los datos sociodemográficos.
En trabajos más experimentales, como ensayos controlados aleatorios, se realiza una
investigación previa para establecer la variación en el fenómeno, según lo documentado por
alguna medida de resultado, para realizar cálculos del tamaño de la muestra para detectar
diferencias significativas. Sin embargo, rutinariamente dentro de la investigación,
especialmente en las ciencias sociales, el enfoque está en temas, como acciones,
interacciones, identidades, eventos, donde no tenemos suficiente conocimiento de la
distribución de fenómenos para informar adecuadamente los problemas de muestreo.

Cuando no se muestrea la población total, el muestreo aleatorio se basa en muestras

grandes y trata de minimizar los errores de muestreo. A continuación, puede comenzar a
reclamar representantes estadísticos. Como señala Gobo:
 No hay evidencia de que los supuestos de muestreo subyacentes a las ciencias
naturales (es decir, que los casos son intercambiables porque son iguales y están
distribuidos al azar en la población) funcionen bien en las ciencias sociales. Por el
contrario, en la sociedad casi nada es aleatorio, existen desigualdades sociales que
afectan la posición de las personas en la población. (2004: 441; cursiva en el
original).

Entonces, a pesar de los problemas de comprender adecuadamente la distribución de un

fenómeno para informar el diseño y el tamaño de la muestra, no se puede asumir una
distribución aleatoria.

Ahora, la lógica detrás de esto es que una muestra representativa, e idealmente aleatoria,
significará que los hallazgos son generalizables (en un sentido estadístico). Como destaca
Gobo (2004), con demasiada frecuencia estos dos términos se usan indistintamente, sin
reflexionar sobre lo que los separa.

La representatividad se conecta con las preguntas sobre la muestra, mientras que la

generalización se conecta con las preguntas relacionadas con los hallazgos. Trabajar con
una muestra representativa no conduce automáticamente a hallazgos generalizables; entre
estos dos problemas hay posibles "errores de medición", conectados con una amplia gama
de problemas prácticos. De manera relacionada, trabajar con una muestra no representativa
no significa que pueda asumir automáticamente que la generalización no es posible. Por
ejemplo, el trabajo dentro de la tradición del análisis de la conversación ha demostrado
repetidamente prácticas interactivas, como la organización de preferencias, que se utilizan
de forma rutinaria en una amplia variedad de dominios de la conversación cotidiana e
institucional. De esta manera, los hallazgos tienen generalizabilidad teórica (ver Maxwell y
Chmiel, Capítulo 37, este volumen).

Nota: enfoques cualitativos de la generalización

Recientemente, la investigación cualitativa ha ganado popularidad y ha cambiado de

enfoque más allá de documentar lo único y particular, en parte debido a la financiación de
fuentes orientadas a la evaluación y las políticas. En este contexto, las consideraciones
sobre el muestreo, junto con un considerable debate y discusión, se han vuelto más
centrales (Ward Schofield, 1993). Como señala Dingwall:

El estudio de caso único, concebido y ejecutado en un magnífico aislamiento, no

tiene cabida en las ciencias sociales modernas y es poco más que un valor
anecdótico para un responsable de la formulación de políticas que trata de
comprender cómo funciona una organización. (1992: 171)

En este contexto, en parte como una reacción contra el posicionamiento de la investigación

cualitativa como menos vital y relevante dada su negativa a realizar muestreos aleatorios
con grandes números, debido a una asimetría fundamental en los objetivos (por ejemplo,
Lincoln y Guba, 1985) y la incapacidad en la práctica en términos, tiempo dado, recursos y
financiación (p. ej., Hammersley, 1992): han surgido interpretaciones alternativas. Varios
autores han argumentado, con diversos grados de éxito, que la investigación cualitativa está
delimitada por diferentes órdenes epistemológicos y ontológicos. Como tal, han surgido
alternativas, por ejemplo:

para el naturalista, entonces, el concepto análogo a la generalización (o validez

externa) es la transferibilidad, que depende en sí misma del grado de similitud
(adecuación) entre dos contextos. El naturalista no intenta formar generalizaciones
que se mantengan en todos los tiempos y en todos los lugares, sino formar hipótesis
de trabajo que pueden transferirse de un contexto a otro dependiendo del grado de
"ajuste" entre los contextos. (Guba, 1981: 81)

Y en esta situación, dada la información adecuada sobre el contexto, le corresponde al

lector hacer las conexiones con otros contextos similares, para juzgar el "grado de "ajuste"".
Junto a la "transferibilidad" de Guba, tenemos conceptos como "generalización analítica"
(Yin, 1994), "generalización moderada" (Williams, 2002) y "generalizaciones empíricas"
(Hammersley, 1992), entre otros. Hammersley (1992) argumenta que es necesario
establecer que las personas o los entornos son, de alguna manera, "típicos" de la población
a la que se desea generalizar. Él sugiere establecer esto a través de la referencia a las
estadísticas publicadas, incorporando la investigación cualitativa dentro o junto con la
investigación de encuestas, o trabajando con múltiples casos, en términos de personas o
sitios, y explorar la varianza.
De esta manera, la generalización empírica es posible cuando el caso, o los casos, se
demuestran de alguna manera como representativos de la población. El caso solo puede
generalizarse a entornos definidos durante un período de tiempo definido y, para
Hammersley, le corresponde al autor definir estos otros contextos similares. Él contrasta
esto con lo que él llama 'inferencia teórica', inferencia a una clase de personas, situaciones o
sitios en cualquier entorno o tiempo. De esta manera, la adecuación de un caso es su
capacidad para generar teorías formales (con hipótesis, proposiciones teóricas, inferencias
lógicas o conexiones casuales) que pueden probarse y verificarse en un trabajo empírico
posterior en la misma clase de personas, situaciones o sitios (ver Mitchell , 1983, y
Silverman's, 1985, discusión de estas ideas). Como tal, los casos únicos atípicos o
particularmente interesantes serían lugares ideales para la muestra, ya que ofrecerían un
espacio rico para generar y probar principios teóricos (ver Maxwell y Chmiel, Capítulo 37,
este volumen).

Nota: Estrategias de muestreo intencional

Si observa la literatura sobre muestreo, pronto puede sentirse abrumado por la diversidad de
enfoques sobre los que escribe la gente. Así, por ejemplo, Sandelowski (1995) se refiere a
tres enfoques: variación máxima, variación fenoménica y variación teórica, todos descritos
como intencionales. Gobo (2004) se refiere a cuatro: intencional, de cuota, emblemático y
bola de nieve. Patton (2002) se refiere a 16 tipos diferentes, incluidos el caso crítico, el
intencional estratificado, la bola de nieve y la conveniencia, todos descritos nuevamente
bajo la etiqueta de intencional.

Personalmente, encuentro la lista de Patton muy útil para pensar. Te presenta 16 etiquetas
diferentes para trabajar, para pensar, y esto es increíblemente útil como una forma de
sensibilizar tu estrategia de muestreo. Te permite darte cuenta de que tienes opciones, que
deberías elegir y que esas elecciones pueden tener un impacto. Sin embargo, el problema no
es que haya podido muestrear inicialmente cinco "casos típicos" de referencia rápida, sino
que tiene cinco casos y ha pensado en qué tan típicos son, qué los conecta, qué los divide.
Como señala Sandelowski:
 Estas determinaciones nunca son absolutas; dependiendo del propósito, el marco
analítico y la fase de un análisis, cualquier caso puede ser un caso de y sobre más de
una cosa y, por lo tanto, puede (re)ubicarse analíticamente entre otros casos. (1996:
527)

Por lo tanto, es útil poder llamar a un caso "típico". Inicialmente, es posible que sepa por
alguna otra fuente, por ejemplo, datos estadísticos, el financiador, colegas o incluso otros
encuestados, que un sitio específico es "típico". Sin embargo, debe cuestionar esa posición:
puede ser "típica" en la forma en que otros han entendido el problema, pero su
investigación puede representar el fenómeno de una manera diferente.

Pensar y categorizar sus estrategias de muestreo no siempre ocurre prospectivamente o en

diferentes rondas de muestreo. Por ejemplo, Draucker et al. (2007), después de un volante
de reclutamiento inicial, descubrieron que tenían 110 llamadas de personas interesadas en
participar en su estudio. Dada la naturaleza del enfoque del estudio, las experiencias de
violencia sexual de las personas, sintieron que tenían que entrevistar a los 43 que
cumplieron con los criterios más temprano que tarde. Llevaron a cabo una ronda inicial de
codificación de 43 entrevistas y desarrollaron códigos y conceptos iniciales. En lugar de
realizar más entrevistas, volvieron a explorar su propio conjunto de datos, buscando dentro
de este, inicialmente, casos "intensos", realizando así una forma de muestreo de intensidad.
El muestreo de intensidad se refiere a “ejemplos excelentes o ricos del fenómeno de interés,
pero no casos muy inusuales” (Patton, 2002: 234). Revisaron nuevamente su conjunto de
datos a través de varios enfoques de muestreo y, en un área, cuando realizaban un
"muestreo de casos extremos o desviados", volvieron a entrevistar a uno de los
participantes.

En algunos sentidos, la realidad es mucho más simple que pensar en cuál de las 16 etiquetas
de Patton encaja. Es suficiente tomar decisiones buenas, analíticas y reflexivas. Las malas
decisiones de muestreo, aquellas impulsadas por la falta de acceso, respuesta,
conocimiento, tiempo o recursos, pueden conducir a un muestreo impulsado por el
oportunismo o la conveniencia. Las consideraciones pragmáticas, especialmente en relación
con el acceso a sitios institucionales, situaciones o personas de difícil acceso, tienen su
lugar (ver Hammersley y Atkinson, 1995). Sin embargo, como Murphy et al. Nótese que
“el muestreo oportunista será visto como el método de último recurso en todo lo que no sea
la investigación más exploratoria” (1998: 93). Centralmente, ser capaz de describir su
muestreo como algo estratégico ofrece una mayor confianza en su trabajo. Hay una retórica
de la experiencia que está incrustada en tal trabajo. Pero esto va más allá de la pura retórica.
Se trata de hacer un buen análisis.

Nota: casos ricos en información

Para el éxito del muestreo intencional es fundamental centrarse en trabajar con lo que
Patton describe como "casos ricos en información" (2002: 230). Estos son los casos:

del cual se puede aprender mucho sobre temas de importancia central para el
propósito de la investigación, de ahí el término muestreo intencional. (Ibíd.; cursiva
en el original)

Ahora, un caso puede abarcar desde un individuo, un grupo hasta una organización (y más
allá). Sin embargo, un caso no es un objeto que ocurre naturalmente, es una construcción de
un investigador, un producto de lo que Ragin (1992) llama "envoltura". Centralmente, a
través de la carcasa, está intentando obtener información sobre algún aspecto de un
fenómeno en particular. Como señalan Miles y Huberman, aunque en relación con casos
complejos:

está tomando muestras de personas para obtener las características de los entornos,
eventos y procesos. Conceptualmente, las personas mismas son secundarias (1994:
33)

Esto puede sonar bastante duro y más allá de los límites de los llamados a la investigación
cualitativa para hacer cosas como dar a otros acceso a las 'voces' o 'experiencias vividas' de
las personas. Pero siempre solo estamos dando acceso a algún aspecto de esa experiencia
vivida o contexto organizacional. Y si asumimos que explorar un fenómeno específico es
fundamental para nuestra investigación, debemos pensar en qué constituye el enfoque de
nuestro caso.
¿Cuáles son las unidades de muestreo (o combinación de unidades) que deben guiar su
muestreo? En lugar de centrarnos únicamente en las unidades sociodemográficas clásicas,
como la edad, el origen étnico, etc., debemos pensar en más unidades sociales, relacionales
y conceptuales. Por ejemplo, podríamos considerar estructurar nuestro muestreo para
centrarnos en otros temas:

•• Acciones: actos, procesos, comportamientos, intenciones y motivaciones específicos.

•• Interacciones: actividades, formatos, consecuencias y resultados.

•• Identidades: roles, tipos, categorías.

•• Eventos: situaciones, rituales, ceremonias, órdenes temporales o trayectorias.

•• Entornos y espacios: ubicaciones espaciales (o conceptuales), organizaciones, entornos.

•• Objetos: dispositivos, artefactos, textos electrónicos y en papel.

Explorar el fenómeno es clave, no poder decir 'Observé X número de hombres y X número

de mujeres'. De manera relacionada, el muestreo dentro del caso también puede ser
importante, especialmente en relación con más estudios etnográficos. Entonces, por
ejemplo, al explorar la sala de niños en un hospital, inicialmente puede optar por centrarse
en los médicos jóvenes. Con el tiempo, puede cambiar su enfoque a otros actores en el
escenario, dicen los padres. Puede probar un entorno relacionado, esos espacios donde
primero ocurren las discusiones sobre derivar a los niños a la sala, como el departamento de
accidentes y emergencias o la clínica de día para niños. O puede probar debates sobre cómo
cambiar la medicación de un niño y desea observar debates similares en una variedad de
contextos (p. ej., con y sin la presencia de los padres, en la sala y en las clínicas) o en una
variedad de momentos (p. ej., día, noche, fin de semana). De esta manera, el muestreo está
impulsado por cuestiones analíticas emergentes.

Nota: Teoría y Muestreo

A pesar de la variedad de cosas escritas sobre la relación entre la teoría y el muestreo,

parece haber dos enfoques principales para usar la teoría para informar el muestreo.
Primero, siguiendo la tradición del muestreo teórico en la teoría fundamentada (en
cualquier versión, véase, por ejemplo, Glaser y Strauss, 1967; Glaser, 1978; Strauss y
Corbin, 1990), después de una ronda inicial de muestreo (impulsada por ideas a priori) para
generar ideas, su próxima elección de persona, sitio o situación está impulsada por la
necesidad de desarrollar y elaborar sus ideas conceptuales emergentes. En términos de
teoría fundamentada, realiza un muestreo teórico para ayudar a desarrollar códigos y
categorías, comprender la variación en un proceso, saturar las propiedades de las categorías
e integrarlas. De esta forma, sus decisiones de muestreo son emergentes, progresivas e
inductivas. Tu tarea es elegir ingeniosamente el siguiente caso para avanzar en el desarrollo
de tus ideas conceptuales emergentes. El enfoque aquí no es demostrar la generalizabilidad
empírica, en términos de elegir casos que puedan mostrar a otros que usted ha buscado
variación para representar a la población de alguna manera. El enfoque está en desarrollar
la forma, la solidez, de sus categorías emergentes y teoría sustantiva. De esta forma, la
demostración de adecuación se entiende en la transportabilidad de las ideas teóricas.

En segundo lugar, existe otra tradición, una que recibe menos atención, pero que es
potencialmente igualmente útil considerar. Aquí es donde las decisiones de muestreo
iniciales y, a menudo, posteriores están impulsadas por ideas teóricas a priori. Esto puede
tomar múltiples formas. En tales circunstancias, puede estar explorando, probando y
refinando las ideas de una teoría existente. Silverman señala que:

en un estudio de caso, el analista selecciona casos solo porque [sic] cree que exhiben algún
principio teórico general. La pretensión de validez de su relato depende enteramente de
demostrar que las características que presenta en el caso no son representativas de la
población sino de este principio general. (1985: 113)

Así, por ejemplo, Silverman (1984) realizó algunas observaciones en una clínica médica
privada. Quería probar las ideas teóricas de Strong (1983) sobre los rituales de interacción
entre médicos y pacientes. El trabajo de Strong se basó en extensas observaciones en
clínicas médicas públicas, principalmente en el NHS del Reino Unido, por lo que una
clínica privada ofreció un excelente espacio para probar y refinar la teoría de Strong.
Notará que, en este ejemplo, como en otros (ver Murphy et al., 1998), esto a menudo se
enfoca en la investigación etnográfica donde la elección del sitio es clave. Dada la falta de
recursos, el uso de más de unos pocos sitios es raro. Por lo tanto, muy buenas razones
teóricas para muestrear un caso particular pueden ser centrales en la formulación de
reclamos. Por supuesto, debe elegir una teoría que sea razonablemente reconocida. Tal
teoría a priori también puede ayudar a respaldar la selección de personas, situaciones,
tiempos o lugares específicos dentro de un caso.