Diseña encuestas que enamoren: Aprende cómo (Ecuador)

1. Preguntas cerradas con escala Likert — Para preguntas cerradas con escala Likert, usa afirmaciones donde el encuestado indique su nivel de acuerdo. Ejemplo: 'El alojamiento en Galápagos cumple con mis expectativas' con opciones: 1=Totalmente en desacuerdo, 2=En desacuerdo, 3=Neutral, 4=De acuerdo, 5=Totalmente de acuerdo. Esto permite cuantificar respuestas cualitativas.
2. Pregunta abierta estratégica — Las preguntas abiertas son útiles para explorar respuestas no anticipadas. Ejemplo: 'Si pudieras cambiar una sola cosa del viaje a Galápagos, ¿qué sería?' Esta pregunta revela insights sobre insatisfacciones específicas que las preguntas cerradas no captarían.
3. Pregunta sobre precio — Incluir una pregunta sobre el precio promedio por noche permite correlacionar satisfacción con poder adquisitivo. Esto es crucial para segmentar estrategias de marketing: turistas con presupuestos altos pueden tener expectativas diferentes a los mochileros.
   $$p_{noche}=\frac{\text{Total gastado en alojamiento}}{\text{Número de noches}}$$
4. Evitar sesgo de cortesía — Para evitar el sesgo de cortesía (respuestas positivas por educación), usa preguntas indirectas o escalas equilibradas. Ejemplo: '¿Qué tan satisfecho está con la limpieza de las playas?' en vez de '¿Le gustó Galápagos?'. También puedes incluir una pregunta de control: '¿Recomendaría este destino a un amigo?'

→ Cuestionario con 3 preguntas Likert (ej: 'El alojamiento cumple expectativas'), 1 pregunta abierta ('Cambiaría...'), 1 pregunta sobre precio promedio, y estrategias para evitar sesgo de cortesía como preguntas indirectas.

1. Traducción de pregunta clave — La pregunta '¿Cuántos años tiene su hijo en la escuela?' se traduce al kichwa como '¿Imashina watakunapi yachachishka churi kashka?'. 'Imashina' (cómo), 'watakunapi' (en años), 'yachachishka' (estudiado), 'churi' (hijo). Es crucial usar el término 'yachachishka' en vez de 'yachana' (aprender) porque enfatiza la acción de estar estudiando activamente.
2. Equivalencia de 'rendimiento académico' — La traducción literal 'allin yachay' (buen aprendizaje) pierde matices. En kichwa, conceptos como 'calificaciones' o 'asistencia' requieren perífrasis. Por ejemplo: '¿Allin yachayta chaskishka kashpa?' (¿Ha recibido buen aprendizaje?). Es mejor usar 'yachay manda' (logros educativos) para cubrir rendimiento y asistencia.
3. Validación de traducción — Para validar, usa el método de retrotraducción: traduce el cuestionario al kichwa, luego pide a otro traductor que lo vuelva a traducir al español. Compara ambas versiones con el original. También realiza pruebas piloto con 5-10 personas de la comunidad para identificar términos ambiguos.
4. Sesgo cultural en autoridad familiar — En comunidades indígenas, la autoridad familiar no siempre recae en el padre. Preguntar '¿Quién toma las decisiones sobre la educación de sus hijos?' en vez de '¿El padre autoriza...?' evita sesgos de género y jerarquía. El kichwa tiene términos como 'pakta rurana' (tomar decisiones juntos) que reflejan mejor la realidad comunitaria.

→ Traducción validada al kichwa con equivalencia semántica, estrategias de retrotraducción y pilotaje, y preguntas culturalmente sensibles sobre autoridad familiar.

1. Cálculo de tasa de respuesta — La tasa de respuesta según AAPOR (RR1) se calcula como: respuestas completas dividido entre el total de encuestados menos los que no pudieron ser contactados. En este caso: 1 200 / (2 000 - 300) = 1 200 / 1 700 ≈ 0.7059 o 70.6%. Una tasa del 70% es aceptable pero no excelente para encuestas telefónicas.
   $$RR1=\frac{\text{Respuestas completas}}{\text{Total - No contactados}}=\frac{1200}{2000-300}=0.7059$$
2. Tipo de sesgo — El sesgo principal es el de no respuesta (non-response bias), donde las personas que no responden pueden tener características diferentes a las que sí responden. Por ejemplo, podrían tener empleos informales, ser más jóvenes o tener menos educación. Esto lleva a subestimar problemas como el desempleo juvenil.
3. Estrategia para reducir sesgo — Para reducir el sesgo de no respuesta, usa recordatorios múltiples (3-4 intentos por encuestado), ofrece incentivos (ej: 5 USD por encuesta completada), y adapta los horarios de contacto (tardes y fines de semana para jóvenes). También puedes usar métodos mixtos: encuestas telefónicas para quienes no responden al correo electrónico.
4. Impacto de abandonos en jóvenes — Si el 60% de los 100 abandonos (60 personas) son jóvenes 18-25 años, y asumimos que este grupo tiene características distintas (ej: mayor movilidad laboral), la muestra subrepresentaría sus opiniones. Esto podría llevar a subestimar el desempleo juvenil o sobreestimar la satisfacción laboral en Quito.
   $$p_{subrepresentaci\acute{o}n}=\frac{60}{2000}=0.03\text{ o }3\%$$

→ Tasa de respuesta del 70.6%, sesgo de no respuesta por subrepresentación de jóvenes, estrategias de recordatorios y adaptación horaria, impacto del 3% en la muestra.

1. Afirmaciones para profesores — Tres afirmaciones efectivas: 1) 'Los profesores explican los conceptos con claridad', 2) 'Los profesores están disponibles para resolver dudas', 3) 'Los profesores usan ejemplos relevantes para la carrera'. Cada afirmación debe ser específica y medible para evitar respuestas genéricas como 'los profesores son buenos'.
2. Escala de 7 puntos vs 5 puntos — Una escala de 7 puntos (1=Totalmente en desacuerdo a 7=Totalmente de acuerdo) permite mayor discriminación entre respuestas. En contextos académicos donde las opiniones pueden ser matizadas (ej: 'parcialmente satisfecho'), una escala de 5 puntos puede forzar respuestas neutrales. Sin embargo, para estudiantes, escalas muy largas pueden ser confusas.
   $$Escal{a}_{7puntos}=\{\mathrm{1,2,3,4,5,6,7}\}Escal{a}_{5puntos}=\{\mathrm{1,2,3,4,5}\}$$
3. Problema de validez — La pregunta '¿Los profesores están actualizados?' tiene problemas de validez porque 'actualizados' es subjetivo. Un profesor puede estar actualizado en teoría pero no en metodologías pedagógicas. Es mejor preguntar: '¿Los profesores incorporan ejemplos recientes de su campo en clase?' con opciones de respuesta específicas.
4. Estrategia para fiabilidad — Para aumentar la fiabilidad, usa preguntas inversas (ej: 'Los profesores no explican con claridad') y repite afirmaciones con redacción diferente. También puedes calcular el coeficiente alpha de Cronbach para evaluar consistencia interna entre las 3 afirmaciones sobre profesores.
   $$\alpha =\frac{k}{k-1}(1-\frac{\sum {\sigma }_i^2}{{\sigma }_{total}^2})$$

→ Escala Likert de 5 puntos con 3 afirmaciones específicas por dimensión, análisis de validez en preguntas ambiguas, y estrategias de fiabilidad con preguntas inversas y alpha de Cronbach.

1. Sesgo de anclaje — La pregunta original tiene sesgo de anclaje: menciona 'papas fritas tradicionales' como referencia, lo que lleva a respuestas infladas. Los encuestados pueden pensar 'quiero pagar menos que el precio de las papas fritas' en vez de evaluar el valor real del producto. Este sesgo es común en preguntas que comparan productos.
2. Sesgo de deseabilidad social — Preguntar sobre disposición a pagar por un 'snack saludable' activa el sesgo de deseabilidad social. Los encuestados pueden exagerar su disposición a pagar para parecer más saludables o conscientes, aunque en la práctica no compren el producto. Esto sobreestima la demanda real.
3. Versión corregida — Una versión sin sesgos sería: '¿Cuál es el precio máximo que pagaría por un snack saludable de 30 gramos?' con opciones de respuesta en rangos (0-0.50 USD, 0.50-1.00 USD, 1.00-1.50 USD, etc.). Esto elimina la comparación con papas fritas y evita sugerir que 'saludable' es mejor.
4. Sesgo de encuesta online — Las encuestas online en Guayaquil tienen sesgo de selección: excluyen a personas sin acceso a internet (aprox. 30% de la población según INEC), que suelen ser adultos mayores o de bajos ingresos. Además, los usuarios de internet tienden a ser más jóvenes y con mayor educación, lo que no representa la diversidad socioeconómica de la ciudad.
   $$p_{excluidos}\approx 0.30\text{(estimación INEC)}$$

→ Pregunta corregida sin sesgo de anclaje ni deseabilidad social, y análisis del sesgo de selección en encuestas online.