Escala Likert en el TFG: Ejemplos, Análisis y Diseño Cuasiexperimental con Variables Dependientes e Independientes
Si tu TFG o tesis incluye una encuesta, casi con certeza vas a usar una escala Likert. Es el instrumento de medición más empleado en ciencias sociales, psicología, educación y administración de empresas — y también el más malutilizado. El error más frecuente no está en el diseño del cuestionario, sino en no entender qué tipo de dato genera la escala Likert, qué análisis estadístico corresponde y cómo se articula con las variables dependientes e independientes de un diseño cuasiexperimental. Esta guía lo explica todo con ejemplos que puedes adaptar directamente a tu trabajo.
Ya seas estudiante de Psicología, Ciencias de la Educación, ADE, Sociología o cualquier grado que trabaje con datos de percepción y actitud, los conceptos aquí explicados son imprescindibles para que tu metodología sea sólida y tu tribunal no tenga nada que objetar.
Qué es la escala Likert y cómo funciona
La escala Likert debe su nombre al psicólogo e investigador estadounidense Rensis Likert, quien la desarrolló en 1932 para medir actitudes. Su principio es simple: se presenta al encuestado una afirmación y se le pide que indique su grado de acuerdo o desacuerdo en una escala de varios niveles.
A diferencia de las preguntas cerradas de sí/no, la escala Likert captura la intensidad de la opinión, lo que la convierte en una herramienta mucho más rica para medir actitudes, percepciones y satisfacción.
Características fundamentales
- Genera datos ordinales, no de intervalo (aunque existe debate estadístico sobre este punto). Esto tiene implicaciones directas sobre los análisis que puedes realizar.
- La afirmación es el ítem; la respuesta es la puntuación. El conjunto de ítems forma la escala.
- Los ítems deben tener dirección consistente o incluir ítems inversos para evitar el sesgo de aquiescencia (tendencia a responder “de acuerdo” independientemente del contenido).
- Requiere análisis de fiabilidad antes de usarla: el coeficiente alpha de Cronbach debe ser igual o superior a 0,70 para que la escala sea considerada fiable.
Tipos de escala: 5, 7 y 10 puntos
| Tipo | Opciones | Cuándo usarla | Ventajas |
|---|---|---|---|
| 5 puntos | 1-2-3-4-5 | Mayoría de TFGs y TFMs | Sencilla, menor fatiga del encuestado |
| 7 puntos | 1-2-3-4-5-6-7 | Investigaciones psicométricas o cuando se busca mayor sensibilidad | Mayor varianza, más matices |
| 10 puntos | 1-10 | Estudios de satisfacción o NPS adaptados | Intuitiva para el encuestado |
La escala de 5 puntos es la recomendada para la mayoría de TFGs. Es suficientemente sensible, fácil de comprender por los encuestados y bien establecida en la literatura metodológica. La escala de 7 puntos se justifica cuando el constructo que mides es especialmente complejo o cuando la diferenciación fina es teóricamente relevante.
¿Con o sin punto central?
El punto central de la escala de 5 puntos (valor 3, “ni de acuerdo ni en desacuerdo”) es objeto de debate. Algunos investigadores lo eliminan forzando a los encuestados a posicionarse. En el ámbito universitario español, la convención es mantenerlo: refleja la neutralidad real y evita respuestas forzadas que reducen la validez.
Ejemplo completo de cuestionario Likert para TFG
El siguiente es un ejemplo de escala Likert de 5 puntos aplicada a un TFG de Ciencias de la Educación sobre el uso de la IA en el aula universitaria:
Instrucciones: Indique su grado de acuerdo con cada afirmación marcando el número correspondiente: 1 = Totalmente en desacuerdo / 2 = En desacuerdo / 3 = Ni de acuerdo ni en desacuerdo / 4 = De acuerdo / 5 = Totalmente de acuerdo.
| Ítem | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1. El uso de herramientas de IA mejora mi rendimiento académico | ○ | ○ | ○ | ○ | ○ |
| 2. Me siento seguro/a usando IA para tareas académicas | ○ | ○ | ○ | ○ | ○ |
| 3. Mi institución proporciona formación adecuada sobre el uso ético de la IA (ítem inverso) | ○ | ○ | ○ | ○ | ○ |
| 4. Usar IA en trabajos académicos sin citarla me parece éticamente incorrecto | ○ | ○ | ○ | ○ | ○ |
| 5. Prefiero usar IA como apoyo que como sustituto de mi propio razonamiento | ○ | ○ | ○ | ○ | ○ |
Nota sobre el ítem 3: al ser un ítem inverso (una afirmación negativa sobre la institución), su puntuación debe invertirse antes del análisis (5 pasa a ser 1, 4 a 2, etc.) para que toda la escala apunte en la misma dirección.
Variables dependientes e independientes: definición y ejemplos
La distinción entre variable dependiente e independiente es uno de los conceptos más evaluados en la metodología de un TFG. Confundirlos o no tenerlos bien definidos antes de recoger datos es un error que el tribunal detectará inmediatamente.
Variable independiente (VI)
Es la variable que el investigador manipula o que se considera predictora. Es la causa potencial o el factor que influye. En estudios experimentales y cuasiexperimentales, el investigador la controla; en estudios correlacionales, simplemente la mide.
Ejemplos de variables independientes en TFGs:
- Uso de una herramienta de IA (grupo experimental) vs. metodología tradicional (grupo control)
- Género del encuestado
- Número de horas de formación recibidas
- Tipo de titulación (ciencias vs. humanidades)
- Semestre en que se encuentra el estudiante
Variable dependiente (VD)
Es la variable que se mide como resultado o efecto. Depende de los cambios en la variable independiente. En estudios con escala Likert, la puntuación media de la escala suele ser la variable dependiente.
Ejemplos de variables dependientes en TFGs:
- Actitud hacia el uso de IA (medida con escala Likert de 5 puntos)
- Nota obtenida en el examen final (tras la intervención)
- Nivel de satisfacción con el servicio universitario
- Intención de uso de la plataforma digital
- Nivel de ansiedad ante la evaluación (medido con GAD-7 u escala propia)
Variables de control o covariables
Son variables que podrían influir en la VD y que el investigador controla estadísticamente o en el diseño. Por ejemplo: nivel previo de conocimiento de informática (covariate) cuando se estudia el efecto de una herramienta digital sobre el rendimiento.
Diseño cuasiexperimental: qué es y cuándo aplicarlo
El diseño cuasiexperimental es uno de los más utilizados en TFGs de educación, psicología y ciencias de la salud. Se parece al diseño experimental clásico (tiene grupo experimental y grupo control, y mide antes y después), pero con una diferencia crucial: los participantes no se asignan aleatoriamente a los grupos.
Por qué no siempre es posible la aleatorización
En contextos educativos, no es posible (ni ético) reorganizar aleatoriamente las clases de un colegio. Se trabaja con grupos naturales ya formados: dos aulas del mismo curso, por ejemplo. Un aula recibe la intervención (grupo experimental) y la otra no (grupo control). Eso es exactamente un diseño cuasiexperimental.
Estructura del diseño cuasiexperimental con escala Likert
| Fase | Grupo experimental | Grupo control |
|---|---|---|
| Pretest | Aplicación de escala Likert (mide VD inicial) | Aplicación de escala Likert (mide VD inicial) |
| Intervención | Recibe la intervención (VI manipulada) | No recibe la intervención (condición habitual) |
| Postest | Segunda aplicación de la escala Likert | Segunda aplicación de la escala Likert |
| Análisis | Comparación de cambios pretest-postest entre grupos (prueba de Mann-Whitney o ANCOVA) | |
Limitaciones del diseño cuasiexperimental que debes mencionar en tu TFG
- Sesgo de selección: los grupos pueden diferir en características previas no controladas.
- Amenaza a la validez interna: al no haber aleatorización, no se puede descartar completamente que factores ajenos expliquen los cambios observados.
- Historia y maduración: eventos externos durante el período de intervención pueden afectar los resultados.
Incluir estas limitaciones en tu TFG no debilita el trabajo — lo enriquece. Demuestra que comprendes los alcances y las restricciones de tu metodología.
Análisis estadístico de datos Likert: qué pruebas usar
La elección de la prueba estadística correcta para datos Likert es un punto donde muchos TFGs fallan. El debate en la literatura sobre si los datos Likert son ordinales o de intervalo continúa, pero la posición más prudente y segura para un TFG es tratarlos como datos ordinales y usar pruebas no paramétricas.
Pruebas estadísticas recomendadas
| Objetivo del análisis | Prueba recomendada | Software |
|---|---|---|
| Comparar dos grupos independientes | Mann-Whitney U | SPSS, R, JASP |
| Comparar más de dos grupos | Kruskal-Wallis | SPSS, R, JASP |
| Comparar medidas repetidas (pretest-postest) | Wilcoxon de los rangos con signo | SPSS, R |
| Medir correlación entre dos variables ordinales | Rho de Spearman | SPSS, R, Excel |
| Fiabilidad de la escala | Alpha de Cronbach (≥ 0,70) | SPSS, R, JASP |
Si tienes una muestra grande (n > 30 por grupo) y distribucion de puntuaciones aproximadamente normal, puedes justificar el uso de pruebas paramétricas (t de Student, ANOVA) citando el teorema del límite central. En ese caso, documenta en la metodología del TFG que comprobaste los supuestos de normalidad con la prueba de Shapiro-Wilk o Kolmogorov-Smirnov.
Cómo presentar los resultados Likert en el TFG
Los resultados de una escala Likert se presentan mejor con una combinación de estadística descriptiva y gráficos. Nunca uses solo la media: para datos ordinales, la mediana y la distribución de frecuencias son más informativas.
Tabla de descriptivos recomendada
| Ítem | n | Mediana | Media | DT | % Acuerdo (4-5) |
|---|---|---|---|---|---|
| Ítem 1: La IA mejora mi rendimiento | 214 | 4 | 3,87 | 0,91 | 64,5 % |
| Ítem 2: Me siento seguro/a usando IA | 214 | 3 | 3,12 | 1,15 | 41,1 % |
Para la representación gráfica, el gráfico de barras apiladas divergentes (también llamado “diverging stacked bar chart”) es el más informativo para escalas Likert: muestra simultáneamente las frecuencias de desacuerdo, neutralidad y acuerdo para cada ítem.
Errores metodológicos más comunes con la escala Likert
- No verificar la fiabilidad: aplicar la escala sin calcular el alpha de Cronbach invalida la interpretación de los resultados ante el tribunal.
- No invertir los ítems negativos: olvidarse de recodificar los ítems inversos genera puntuaciones inconsistentes.
- Usar solo la media como estadístico: para datos ordinales, la mediana es más apropiada. Reporta ambas y justifica.
- Confundir variable de control con variable independiente: el género o la edad son variables de control cuando no son el foco del estudio, no variables independientes.
- No describir el proceso de validación del cuestionario: aunque el TFG no exige una validación de contenido exhaustiva, sí debes indicar si el instrumento es propio o adaptado de uno validado previamente.
- Escala con demasiados ítems: más de 20 ítems en una misma escala aumenta la fatiga y reduce la calidad de las respuestas. Para un TFG, entre 10 y 15 ítems es suficiente.
Preguntas frecuentes
¿La escala Likert genera datos cualitativos o cuantitativos?
La escala Likert genera datos cuantitativos ordinales. Las opciones de respuesta tienen un orden claro (de menor a mayor acuerdo), pero no se puede asumir que la distancia entre categorías es igual. Por eso se recomienda usar estadísticos de tendencia central como la mediana (no solo la media) y pruebas no paramétricas para el análisis inferencial.
¿Cuántos ítems debe tener una escala Likert en un TFG?
Para un TFG, entre 10 y 20 ítems por dimensión es el rango habitual. Menos de 5 ítems puede comprometer la fiabilidad (alpha de Cronbach bajo); más de 25 genera fatiga del encuestado. Si el cuestionario tiene varias dimensiones o constructos, el número total de ítems puede ser mayor, siempre que esté justificado teóricamente.
¿Qué diferencia hay entre diseño experimental y cuasiexperimental?
La diferencia fundamental es la asignación aleatoria de participantes a los grupos. En un diseño experimental verdadero, los participantes se asignan al azar a grupo experimental y grupo control, lo que permite controlar mejor las variables de confusión. En un diseño cuasiexperimental, se trabaja con grupos naturales ya formados (por ejemplo, dos clases de un colegio), sin asignación aleatoria. Esto limita la inferencia causal pero sigue siendo válido en contextos educativos y sociales donde la aleatorización no es posible.
¿Qué software puedo usar gratuitamente para analizar datos Likert?
JASP y R (con el paquete likert) son completamente gratuitos y ofrecen todas las pruebas necesarias para analizar datos Likert en un TFG. JASP tiene una interfaz gráfica similar a SPSS y es especialmente recomendable si no tienes experiencia en programación. Jamovi es otra alternativa gratuita con interfaz amigable. SPSS es de pago, pero muchas universidades españolas ofrecen licencias gratuitas a sus estudiantes.
¿Cómo cito la escala Likert original en APA 7?
Si usas un instrumento validado por otro autor, cítalo en la sección de metodología con la referencia APA completa: Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 1-55. Si usas un instrumento adaptado de un trabajo más reciente, cita ese trabajo. Si el instrumento es de elaboración propia, indícalo explícitamente y describe el proceso de construcción y validación.
Escribe la metodología de tu TFG sin errores
Tesify genera borradores de sección metodológica con las pruebas estadísticas correctas, la descripción del diseño de investigación y las limitaciones del estudio, todo adaptado a las normas APA 7 y al nivel universitario español.
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Leave a Reply