🔬 Ciencia y naturaleza Física y máquinas

¿Cuáles son las escalas de medición?

En la investigación y la ciencia

Respuesta corta

Para responder a este interrogante de manera rigurosa, no basta con asignar números o etiquetas al azar. La medición requiere un marco conceptual estructurado que determine qué tipo de operaciones matemáticas y lógicas son legítimas realizar sobre los datos obtenidos.

En pocas palabras

  • En el lenguaje cotidiano, solemos asociar el término "medir" con el uso de instrumentos físicos precisos: una regla para medir longitudes, una balanza para calcular pesos o un termómetro para registrar temperaturas.
  • Antes de sumergirnos en el análisis detallado de la escala nominal y ordinal, es vital establecer el puente conceptual entre los tipos de variables y las escalas en las que se miden.
  • La escala nominal es el nivel más elemental y menos cuantitativo de medición.
  • Cuando la investigación requiere ir más allá de la mera clasificación y nos exige establecer un orden de jerarquía, grado, preferencia o intensidad entre las categorías, ascendemos a la escala ordinal.
  • Hasta aquí, hemos explorado el sustrato conceptual de la medición y desglosado las dos primeras escalas: la nominal (basada en la identidad y clasificación categórica pura) y la ordinal (basada en la jerarquía y el orden secuencial).
¿Cuáles son las escalas de medición?
En este artículo
  1. El puente entre el mundo empírico y el rigor analítico
  2. ¿Qué significa "medir" en la metodología científica?
  3. Variables Cualitativas vs. Cuantitativas: El punto de partida
  4. La escala nominal: categorías sin jerarquía
  5. La Escala Ordinal: El poder del orden y la jerarquía
  6. Conexión con la Parte 2

El puente entre el mundo empírico y el rigor analítico

Para responder a este interrogante de manera rigurosa, no basta con asignar números o etiquetas al azar. La medición requiere un marco conceptual estructurado que determine qué tipo de operaciones matemáticas y lógicas son legítimas realizar sobre los datos obtenidos. Este marco se fundamenta en las escalas de medición, un concepto clásico pero eternamente vigente en la metodología de la investigación.

Popularizadas y formalizadas en el ámbito estadístico y científico por el psicobiólogo S. S. Stevens en su influyente artículo de 1946 titulado "On the Theory of Scales of Measurement", estas escalas definen las reglas bajo las cuales los números y símbolos se asignan a los objetos, eventos o atributos de los sujetos de estudio.

Comprender las escalas de medición no es meramente un ejercicio de taxonomía teórica; es un requisito indispensable para:

  1. Evitar errores metodológicos graves (como calcular promedios en variables donde carece de sentido matemático).

  2. Seleccionar las pruebas estadísticas adecuadas (paramétricas vs. no paramétricas).

  3. Garantizar la validez y la fiabilidad de las conclusiones científicas que extraigamos de cualquier conjunto de datos.

¿Qué significa "medir" en la metodología científica?

En el lenguaje cotidiano, solemos asociar el término "medir" con el uso de instrumentos físicos precisos: una regla para medir longitudes, una balanza para calcular pesos o un termómetro para registrar temperaturas. Sin embargo, en el contexto de la investigación científica y la metodología cuantitativa o mixta, el concepto es considerablemente más amplio y abstracto.

Definición formal de medición

La medición se define como el proceso mediante el cual se asignan números o símbolos a las características, atributos o propiedades de objetos, personas, eventos o fenómenos, de acuerdo con reglas preestablecidas y lógicamente consistentes.

Es fundamental comprender que no medimos los objetos en su totalidad, sino las variables o propiedades específicas de estos. Por ejemplo, cuando estudiamos a un grupo de estudiantes universitarios, no "medimos" al estudiante como entidad biológica completa; medimos su rendimiento académico, su nivel socioeconómico, su tiempo de reacción ante un estímulo o su género.

Propiedades matemáticas básicas de las escalas

Para entender por qué las escalas de medición se estructuran de una forma jerárquica, debemos observar las tres propiedades matemáticas fundamentales que pueden (o no) poseer los datos:

  1. Equivalencia (o Identidad): Implica la capacidad de determinar si dos observaciones son iguales (idénticas) o diferentes. Si asignamos el número 1 a los hombres y el 2 a las mujeres, estamos utilizando la propiedad de equivalencia: todos los individuos dentro de la categoría 1 comparten una característica común que los diferencia de la categoría 2.

  2. Orden: Implica la capacidad de establecer una relación jerárquica de mayor a menor, o de superior a inferior (relación de "mayor que" o "menor que"). Por ejemplo, saber que un valor es superior a otro, aunque no sepamos exactamente cuánto es la diferencia numérica exacta.

  3. Distancia (o Igualdad de intervalos): Implica que las unidades de medida a lo largo de la escala son uniformes y constantes, de modo que la diferencia numérica entre el punto A y el punto B tiene el mismo significado cuantitativo que la diferencia entre el punto C y el punto D.

  4. Origen real o Absoluto (Cero absoluto): Implica la existencia de un punto cero genuino que representa la ausencia total de la propiedad que se está midiendo.

Dependiendo de qué combinación de estas cuatro propiedades posea una escala de medición, nos encontraremos ante uno de los cuatro niveles clásicos propuestos por Stevens: Nominal, Ordinal, De Intervalo y De Razón.

Variables Cualitativas vs. Cuantitativas: El punto de partida

Antes de sumergirnos en el análisis detallado de la escala nominal y ordinal, es vital establecer el puente conceptual entre los tipos de variables y las escalas en las que se miden. En investigación, las variables se dividen principalmente en dos grandes bloques:

  • Variables Cualitativas (o Categóricas): Expresan cualidades, atributos, categorías o características no numéricas. No admiten operaciones aritméticas directas en su estado original. Se miden típicamente mediante escalas nominal u ordinal.

  • Variables Cuantitativas (o Numéricas): Expresan cantidades medibles donde los números tienen un significado matemático directo. Se sub dividen en discretas (valores enteros) y continuas (valores con decimales infinitos teóricos). Se miden mediante escalas de intervalo o de razón.

A continuación, examinaremos en detalle las dos escalas cualitativas que forman la base de la medición categórica.

La escala nominal: categorías sin jerarquía

La escala nominal es el nivel más elemental y menos cuantitativo de medición. Su nombre proviene de "nombre" (nomen en latín), ya que su función primordial consiste en clasificar los objetos, eventos o sujetos en categorías mutuamente excluyentes y colectivamente exhaustivas, asignándoles nombres, etiquetas o códigos numéricos que sirven puramente como identificadores.

Características esenciales de la escala nominal

  • Mutuamente excluyentes: Cada elemento observado debe encajar en una, y solo una, de las categorías establecidas. No puede haber ambigüedad sobre dónde ubicar una observación.

  • Colectivamente exhaustivas: El conjunto de categorías debe cubrir todas las posibilidades reales del fenómeno estudiado. Siempre debe existir una categoría residual o "otros" si es estrictamente necesario, aunque lo ideal es el diseño preciso.

  • Ausencia de orden o jerarquía: Los números o etiquetas utilizados no guardan ninguna relación de magnitud, orden, superioridad o inferioridad. Si asignamos el código "1" a los solteros y "2" a los casados, el 2 no es "mayor", "mejor" o "superior" al 1; son simplemente etiquetas nominales intercambiables.

Propiedades matemáticas aplicables

En una escala nominal, la única relación matemática válida es la equivalencia (igualdad o diferencia). Podemos determinar si dos sujetos pertenecen a la misma categoría (A=BA = BA=B) o a categorías distintas (A≠BA eq BA=B). Las operaciones aritméticas como la suma, la resta, la multiplicación o la división carecen por completo de sentido. No tiene sentido calcular un promedio aritmético de números de teléfono, códigos postales o géneros.

Ejemplos prácticos en la investigación científica y social

  1. Género o Sexo biológico: Categorías como Femenino, Masculino o No binario. (A menudo codificadas digitalmente como 1, 2 y 3, pero los números son meros sustitutos de palabras).

  2. Estado civil: Soltero/a, Casado/a, Divorciado/a, Viudo/a, Unión libre.

  3. Diagnóstico médico preliminar (Clasificación de patologías discretas): Por ejemplo, el tipo de virus gripal detectado (Tipo A, Tipo B, Tipo C).

  4. Afiliación política o partidaria: Partido Liberal, Partido Conservador, Independiente, etc.

  5. Procedencia geográfica o nacionalidad: Argentino/a, Español/a, Mexicano/a, Japonés/a.

Tratamiento estadístico adecuado para datos nominales

Dado que los datos nominales son de naturaleza puramente cualitativa, las herramientas estadísticas que se pueden aplicar son limitadas pero potentes para resumir distribuciones:

  • Frecuencias absolutas y relativas: Conteo de cuántos casos caen en cada categoría y qué porcentaje representan del total.

  • Moda: La medida de tendencia central por excelencia para este nivel, que indica cuál es la categoría más repetida o frecuente.

  • Pruebas de asociación no paramétricas: Como la Chi-cuadrada de independencia (χ2\chi^2χ2) y coeficientes de contingencia (como la V de Cramer), que permiten evaluar si existe relación estadística entre dos variables nominales.

La Escala Ordinal: El poder del orden y la jerarquía

Cuando la investigación requiere ir más allá de la mera clasificación y nos exige establecer un orden de jerarquía, grado, preferencia o intensidad entre las categorías, ascendemos a la escala ordinal.

En la escala ordinal, las observaciones no solo se clasifican en categorías mutuamente excluyentes, sino que estas categorías se pueden ordenar de manera lógica y secuencial de menor a mayor, de peor a mejor, o de menor intensidad a mayor intensidad.

Características esenciales de la escala ordinal

  • Conserva todas las propiedades de la escala nominal (clasificación y equivalencia).

  • Añade la propiedad de orden (relación de asimetría y transitividad: si A es mayor que B, y B es mayor que C, entonces A es mayor que C).

  • La limitación fundamental: Las distancias numéricas o intervalos entre las categorías no son necesariamente iguales ni cuantificables. Sabemos que una categoría es superior a otra, pero no podemos afirmar matemáticamente que la distancia entre el nivel 1 y el nivel 2 sea exactamente igual a la distancia entre el nivel 2 y el nivel 3.

Ejemplos clásicos y cotidianos

  1. Nivel de satisfacción del cliente: Opciones en una encuesta tipo Likert como Muy insatisfecho, Insatisfecho, Neutral, Satisfecho, Muy satisfecho. Sabemos claramente que "Muy satisfecho" representa un grado mayor de satisfacción que "Satisfecho", y este a su vez supera al "Neutral". Sin embargo, la distancia psicológica o numérica entre "Neutral" y "Satisfecho" no tiene por qué ser idéntica a la distancia entre "Satisfecho" y "Muy satisfecho".

  2. Clasificación en una competencia deportiva: El podio de una carrera de atletismo (1er lugar, 2do lugar, 3er lugar). Sabemos quién llegó antes (orden temporal y de rendimiento), pero los intervalos de tiempo exactos entre el 1º y el 2º puesto pueden ser abismales en comparación con los milisegundos que separan al 2º del 3º.

  3. Nivel socioeconómico categórico: Bajo, Medio-Bajo, Medio-Alto, Alto.

  4. Estadio de desarrollo o gravedad de una enfermedad clínica: Por ejemplo, la clasificación de tumores o estadios de hipertensión (Leve, Moderado, Severo).

  5. Grados de instrucción educativa completada: Sin estudios, Primaria, Secundaria, Universitaria, Posgrado.

Tratamiento estadístico adecuado para datos ordinales

Al poseer una estructura jerárquica, el abanico de herramientas estadísticas se amplía considerablemente en comparación con la escala nominal:

  • Frecuencias, porcentajes y proporciones acumuladas: Muy útiles para ver qué porcentaje de la muestra se acumula por debajo o por encima de cierto nivel jerárquico.

  • Medidas de tendencia central: Además de la moda, en los datos ordinales se puede calcular legítimamente la mediana (el valor central que divide la distribución ordenada de datos en dos mitades iguales). Nota metodológica: Calcular la media aritmética en datos puramente ordinales es técnicamente un abuso estadístico, aunque en la práctica de las ciencias sociales a menudo se asignan números enteros consecutivos (1, 2, 3, 4, 5) a escalas Likert para calcular medias ponderadas (un procedimiento ampliamente debatido pero habitual).

  • Medidas de dispersión: El rango intercuartílico (RIC) y los percentiles.

  • Pruebas estadísticas no paramétricas: Coeficientes de correlación de rangos (como la rho de Spearman o la tau de Kendall) y pruebas de comparación de muestras como la U de Mann-Whitney o la Prueba de Kruskal-Wallis.

Conexión con la Parte 2

Hasta aquí, hemos explorado el sustrato conceptual de la medición y desglosado las dos primeras escalas: la nominal (basada en la identidad y clasificación categórica pura) y la ordinal (basada en la jerarquía y el orden secuencial). Ambas constituyen el pilar fundamental para el análisis de variables cualitativas en la investigación científica.

Sin embargo, cuando la ciencia requiere precisión matemática absoluta, operaciones aritméticas complejas y la capacidad de medir distancias exactas y puntos de partida reales, debemos adentrarnos en las escalas cuantitativas superiores.

  • La escala de intervalo (donde las distancias son iguales pero el cero es arbitrario, como en la temperatura Celsius).

  • La escala de razón (la cumbre de la medición científica, con cero absoluto y proporciones matemáticas reales, como el peso, la longitud o el tiempo absoluto).

  • Una tabla comparativa maestra que sintetiza todas las escalas, sus operaciones permitidas y sus pruebas estadísticas óptimas para guiar al investigador en su metodología.

Las escalas de medición en la investigación científica y estadística: Continuación y conclusión

Comprender estas primeras divisiones es crucial, pero el análisis estadístico y la investigación avanzada exigen adentrarse en los niveles de medición superiores, donde los números adquieren propiedades matemáticas plenas: las escalas de intervalo y de razón. A continuación, profundizaremos en estas dos últimas escalas, examinaremos las operaciones estadísticas permitidas en cada una, analizaremos los errores comunes en su elección y concluiremos con una síntesis práctica para investigadores.

Escala de Intervalo: Distancias iguales sin un cero absoluto

La escala de intervalo representa un avance significativo respecto a las escalas nominal y ordinal. En este nivel, no solo se clasifican y ordenan los datos, sino que la distancia numérica entre los intervalos es constante y conocida. Esto significa que las diferencias entre los valores de la escala tienen un significado real y cuantificable.

Características principales

  • Orden y jerarquía: Los valores siguen una secuencia lógica de mayor a menor (o viceversa).

  • Intervalos iguales: La diferencia entre 10 y 20 grados es exactamente la misma que entre 30 y 40 grados.

  • Cero arbitrario (relativo): El punto cero no indica la ausencia total de la propiedad medida; es simplemente un punto de referencia asignado de forma convencional.

Ejemplos clásicos

  1. Temperatura en grados Celsius (°C) o Fahrenheit (°F): El valor 0∘C0^\circ ext{C}0∘C no significa que no haya temperatura (ausencia de calor), sino que es el punto de congelación del agua a nivel del mar. Una temperatura de 40∘C40^\circ ext{C}40∘C no es «el doble de caliente» que 20∘C20^\circ ext{C}20∘C, ya que la escala no parte de un cero absoluto.

  2. El calendario (años o fechas): El año 0 no representa el inicio absoluto del tiempo en el universo, sino un punto de referencia histórico convencional.

  3. Puntuaciones en pruebas estandarizadas de inteligencia (CI) o escalas psicométricas Likert tratadas bajo ciertos enfoques: Un puntaje de 120 en CI no indica que una persona sea exactamente el doble de inteligente que alguien con 60.

Operaciones estadísticas permitidas

Al contar con intervalos estandarizados, en esta escala podemos aplicar operaciones de suma y resta. Es posible calcular medidas de tendencia central como la media aritmética, la mediana y la moda, así como medidas de dispersión como la desviación estándar y la varianza. Sin embargo, las multiplicaciones y divisiones carecen de sentido matemático estricto debido a la ausencia de un cero absoluto.

Escala de Razón (o Proporción): El cenit de la medición cuantitativa

La escala de razón es el nivel de medición más sofisticado y completo en estadística y metodología de investigación. Posee todas las propiedades de las escalas anteriores (categorización, orden e intervalos iguales), con una característica decisiva añadida: un cero absoluto o real.

Características principales

  • Cero absoluto: El valor cero indica la ausencia total de la característica que se está midiendo. Si algo mide 0 metros, no existe longitud; si se tienen 0 euros, no hay dinero.

  • Proporciones válidas: Gracias a la existencia del cero absoluto, las razones y proporciones matemáticas cobran pleno sentido. Un peso de 100 kg es exactamente el doble que un peso de 50 kg, y una persona de 2 metros de altura mide el doble que una de 1 metro.

Ejemplos comunes en ciencias

  • Medidas físicas: Longitud (metros, centímetros), masa/peso (kilogramos, gramos), tiempo (segundos, horas).

  • Variables económicas y demográficas: Ingresos mensuales (en moneda local), número de hijos, edad en años cumplidos, volumen de producción.

  • Tasas y frecuencias: Número de errores en un proceso, cantidad de visitas a un sitio web por día.

Operaciones estadísticas permitidas

En la escala de razón todas las operaciones matemáticas son válidas (suma, resta, multiplicación y división), así como todas las pruebas estadísticas paramétricas y no paramétricas (media geométrica, coeficiente de variación, pruebas t de Student, ANOVA, análisis de regresión avanzada, entre otras).

Tabla comparativa de las cuatro escalas de medición

Para consolidar los conceptos, la siguiente matriz resume las propiedades y capacidades analíticas de cada escala:

EscalaPropiedades principalesEjemplos típicosOperaciones estadísticas permitidas
NominalClasificación / Categorías sin ordenGénero, color de ojos, estado civilFrecuencia, moda, chi-cuadrada
OrdinalOrden / Jerarquía, distancias desigualesNivel educativo, satisfacción (Likert), posición en una carreraMediana, percentiles, pruebas no paramétricas
IntervaloIntervalos iguales, cero arbitrarioTemperatura (°C/°F), puntuaciones de CIMedia, desviación estándar, correlación de Pearson
RazónIntervalos iguales, cero absoluto realPeso, altura, ingresos económicos, tiempoTodas las operaciones matemáticas y estadísticas

Implicaciones metodológicas: ¿Por qué importa elegir la escala correcta?

Seleccionar de manera errónea el nivel de medición de una variable puede invalidar por completo los resultados de una investigación científica. Los errores más frecuentes en la práctica investigativa incluyen:

  1. Tratar datos ordinales como si fueran de intervalo: Es común asignar números a categorías ordinales (por ejemplo, 1=Malo1= ext{Malo}1=Malo, 2=Regular2= ext{Regular}2=Regular, 3=Bueno3= ext{Bueno}3=Bueno) y calcular la media aritmética. Estrictamente hablando, la distancia entre "Malo" y "Regular" no tiene por qué ser matemáticamente idéntica a la distancia entre "Regular" y "Buena", por lo que el uso de la media en escalas Likert puras es un tema de debate metodológico (aunque ampliamente tolerado en ciencias sociales bajo ciertos supuestos paramétricos robustos).

  2. Desperdiciar información cuantitativa: Agrupar variables de razón (como la edad exacta en años) en intervalos cerrados (como grupos etarios: 18-25, 26-35) reduce una escala de razón a una escala ordinal, lo que disminuye la potencia estadística de las pruebas posteriores.

Entonces, ¿qué hacer?

Las escalas de medición de Stevens no son meras abstracciones teóricas; actúan como el cimiento sobre el cual se construyen la recolección de datos, la elección de pruebas estadísticas y la validez de las conclusiones científicas.

Desde la simple etiqueta de una escala nominal hasta la precisión matemática de una escala de razón, cada nivel incrementa el rigor analítico y las posibilidades interpretativas del investigador. Comprender la naturaleza exacta de nuestras variables garantiza que los modelos estadísticos aplicados reflejen fielmente la realidad estudiada, evitando sesgos metodológicos y asegurando la replicabilidad y solidez del conocimiento generado.

Preguntas relacionadas

Más en «Física y máquinas»

Ver todas las preguntas de Física y máquinas →