Análisis de Datos TFG con IA: Métodos Aprobados por Universidades 2026

El análisis de datos del TFG es la fase que transforma la recogida de información en conocimiento académico. Es también, según los propios estudiantes, la etapa que genera más inseguridad: ¿qué método es el correcto? ¿qué software debo usar? ¿puedo apoyarme en herramientas de IA sin que eso invalide mis resultados? En 2026, las universidades españolas han empezado a articular respuestas claras a estas preguntas en sus guías de TFG y reglamentos de integridad académica.

Esta guía detalla los métodos de análisis de datos más utilizados en TFGs universitarios españoles, su compatibilidad con herramientas de IA y los criterios de aceptabilidad que aplican los tribunales. Para ver métodos análogos aplicados en el contexto portugués, consulta el artículo sobre métodos análogos para análise de dados de tese.

Análisis cuantitativo: métodos y software

El análisis cuantitativo parte de datos numéricos y aplica procedimientos estadísticos para describir, explorar o confirmar hipótesis. La elección de la prueba estadística depende del nivel de medida de las variables, el tamaño de la muestra, la distribución de los datos y el tipo de pregunta de investigación.

Estadística descriptiva

Es el punto de partida obligatorio de cualquier análisis cuantitativo. Incluye medidas de tendencia central (media, mediana, moda), medidas de dispersión (desviación típica, rango) y distribución de frecuencias. Debe presentarse siempre antes de cualquier análisis inferencial.

Software: SPSS, R, Excel (para análisis básicos), Python (pandas, seaborn).

IA aplicada: ChatGPT y Tesify pueden ayudarte a interpretar los outputs de SPSS explicando en lenguaje comprensible qué significa cada estadístico. Sin embargo, la elección de qué variables describir y cómo presentar los resultados es decisión del investigador.

Correlaciones

Miden la relación entre dos variables. Las más comunes en TFGs son: la correlación de Pearson (variables continuas normalmente distribuidas) y la correlación de Spearman (variables ordinales o distribución no normal). Interpretar correctamente el coeficiente de correlación — distinguiendo su magnitud de su significación estadística — es uno de los errores más frecuentes.

Regresión

Permite predecir el valor de una variable dependiente a partir de una o más variables independientes. La regresión lineal simple y múltiple son las más accesibles para un TFG de grado. La regresión logística se usa cuando la variable dependiente es dicotómica.

Pruebas de diferencia entre grupos

La t de Student (dos grupos), el ANOVA (tres o más grupos) y sus equivalentes no paramétricos (U de Mann-Whitney, Kruskal-Wallis) permiten comparar si existen diferencias significativas entre grupos de la muestra.

Análisis factorial

Útil cuando se trabaja con escalas psicométricas para identificar las dimensiones subyacentes a un conjunto de ítems. Requiere una muestra mínima orientativa de 5-10 casos por ítem.

Análisis cualitativo: codificación y categorización

El análisis cualitativo transforma datos textuales, visuales o verbales en interpretaciones significativas. Los dos enfoques más frecuentes en TFGs españoles son el análisis temático y el análisis de contenido.

Análisis temático

Desarrollado por Braun y Clarke (2006), es el método cualitativo más extendido en ciencias sociales y educación. Su proceso consta de seis fases: familiarización, codificación inicial, búsqueda de temas, revisión de temas, definición y producción del informe. Es flexible y adaptable a distintos marcos teóricos.

IA aplicada: Atlas.ti AI puede sugerir códigos iniciales a partir de la lectura automática de las transcripciones. Esta función es útil como punto de partida pero requiere revisión crítica: los códigos generados automáticamente tienden a ser superficiales y no capturan matices contextuales.

Análisis de contenido

Más estructurado que el análisis temático, parte de un sistema de categorías predefinidas o emergentes para analizar textos de forma sistemática. Es especialmente adecuado para corpus documentales (noticias, redes sociales, informes) o cuando se busca cuantificar la presencia de determinados elementos en el texto.

Análisis del discurso

Analiza el lenguaje como práctica social. Más complejo y apropiado para TFGs con sólida fundamentación teórica en lingüística, comunicación o ciencias políticas. Requiere un marco teórico claro (análisis crítico del discurso, teoría de la enunciación, etc.).

Grounded theory (teoría fundamentada)

Diseñada para generar teoría a partir de los datos, sin hipótesis previas. Es metodológicamente exigente y poco frecuente en TFGs de grado, pero sí aparece en TFMs y tesis doctorales.

Análisis mixto: integración de datos

En un diseño mixto, el análisis no es simplemente yuxtaponer resultados cuantitativos y cualitativos: implica una integración activa donde cada tipo de dato enriquece la interpretación del otro. Las estrategias de integración más comunes son:

• Triangulación convergente: los resultados cuantitativos y cualitativos se comparan para confirmar o contrastar hallazgos.
• Diseño explicativo secuencial: los datos cualitativos explican o profundizan en los resultados cuantitativos.
• Diseño exploratorio secuencial: los datos cualitativos se usan primero para construir o refinar el instrumento cuantitativo.

En 2026, herramientas de IA como Tesify pueden ayudar en la elaboración de matrices de triangulación y en la visualización de la convergencia entre hallazgos. La interpretación de las convergencias o divergencias entre datos es responsabilidad del investigador.

Rol de la IA en el análisis: qué está permitido

Software de análisis con IA: comparativa 2026

Para análisis cuantitativo

• SPSS (IBM): El estándar en universidades españolas para análisis estadístico. Incluye asistente de análisis con IA desde la versión 29. Licencias disponibles en la mayoría de universidades públicas.
• R con tidyverse: Gratuito y con una comunidad académica enormemente activa. La curva de aprendizaje es mayor pero el potencial analítico es superior.
• Python (pandas, scipy, statsmodels): Cada vez más presente en TFGs de ingeniería, economía y ciencia de datos. Requiere conocimientos de programación.

Para análisis cualitativo

• Atlas.ti (versión 24): Incorpora IA para codificación, análisis de sentimiento y detección de temas. La versión actual incluye integración con modelos de lenguaje para asistencia en la interpretación.
• NVivo (QSR): Similar a Atlas.ti, con funciones de IA para la organización de nodos y el análisis de corpus textuales. Muy extendido en ciencias de la salud y trabajo social.
• MAXQDA: Especialmente potente para diseños mixtos; combina análisis cuantitativo de frecuencias con codificación cualitativa.

Para análisis de texto y corpus

• Voyant Tools: Gratuito, en línea, ideal para análisis de frecuencias, redes de coocurrencia y mapas de términos en corpus textuales.
• LIWC (Linguistic Inquiry and Word Count): Analiza las dimensiones psicológicas y categorías lingüísticas de textos. Útil en psicología, comunicación y marketing.

Consulta nuestra guía de normas APA para TFG para saber cómo citar correctamente los softwares y herramientas IA utilizados en tu análisis.

Errores frecuentes que penalizan en el tribunal

1. Mezclar resultados y discusión: Los resultados presentan los datos; la discusión los interpreta. Son secciones distintas con funciones distintas.
2. Prueba estadística inadecuada: Aplicar un ANOVA con variables nominales o una correlación de Pearson con distribución no normal revela desconocimiento metodológico.
3. Muestra insuficiente sin justificación: Una muestra pequeña puede ser válida si está justificada; simplemente pequeña, sin más, es una limitación que el tribunal señalará.
4. Generalizar resultados cualitativos: En análisis cualitativo no se generaliza; se transfiere. Los hallazgos son válidos para el contexto estudiado, no para toda la población.
5. No reportar el coeficiente de fiabilidad: Si usas una escala psicométrica (Likert, por ejemplo), debes reportar el alfa de Cronbach.
6. Ausencia de declaración de uso de IA: Cada vez más tribunales solicitan explícitamente esta información; su ausencia puede levantar sospechas.

Para vincular tu análisis de datos con el marco teórico, visita nuestra guía sobre cómo elaborar el estado del arte de tu investigación.

Ejemplo aplicado: análisis de un TFG de Educación

TFG: «Percepción del profesorado universitario sobre el uso de IA en el aula» (UCM, 2026)

Datos: 12 entrevistas semiestructuradas a docentes de distintas facultades.

Proceso de análisis

1. Las entrevistas (duración media: 45 min) fueron grabadas con consentimiento informado y transcritas con Whisper (IA). Las transcripciones fueron revisadas y corregidas manualmente por el investigador.
2. Se importaron los 12 documentos a Atlas.ti 24. La función de IA sugirió 87 códigos iniciales, de los cuales el investigador seleccionó y refinó 34 como válidos, eliminando los redundantes o excesivamente generales.
3. A partir de los 34 códigos, el investigador construyó 5 temas principales mediante análisis temático inductivo: (1) aceptación institucional, (2) preocupaciones éticas, (3) impacto en el aprendizaje, (4) competencias digitales requeridas, (5) necesidades formativas.
4. Los temas fueron validados mediante revisión por pares (tutor) y triangulación con documentos institucionales de la UCM sobre uso de IA.
5. La sección de resultados presentó los temas con citas textuales ilustrativas de los participantes (anonimizados). La discusión los contrastó con la literatura revisada.

Declaración de uso de IA en el análisis

Preguntas frecuentes