Matriz de Consistencia: Cómo Completarla Paso a Paso con Plantilla Descargable 2026
La matriz de consistencia es un cuadro resumen que muestra de un vistazo que todos los componentes de tu investigación tienen coherencia lógica: el problema, los objetivos, las hipótesis, las variables y la metodología están alineados entre sí. Es especialmente exigida en universidades peruanas (UNMSM, PUCP, UNI, URP), aunque también la piden en varias facultades de México, Colombia y Ecuador.
El problema con la mayoría de tutoriales sobre este tema es que muestran el cuadro final pero no explican cómo llenarlo celda por celda. En este artículo hacemos exactamente eso: empezamos con las bases y terminamos con dos ejemplos completos (uno cuantitativo y uno cualitativo) más una plantilla lista para adaptar. Si quieres la versión completa con ejemplos por disciplina, visita también nuestra guía de la matriz de consistencia con ejemplos por disciplina.
¿Qué es la matriz de consistencia y para qué sirve?
La matriz de consistencia es un instrumento metodológico de verificación: su única función es demostrar que tu investigación tiene coherencia interna. En términos simples: si la investigadora «viaja» de la columna del problema a la columna de los objetivos, a las hipótesis, a las variables y finalmente a la metodología, en cada paso la lógica debe fluir sin contradicciones.
Es especialmente útil porque obliga al investigador a confrontar su diseño antes de recolectar datos. Muchos errores metodológicos —objetivos que no responden al problema, hipótesis que no se pueden contrastar con el instrumento elegido— se detectan al construir la matriz.
La matriz de consistencia no reemplaza el marco teórico ni la operacionalización de variables. Es un documento auxiliar que complementa al protocolo de investigación completo y que generalmente se incluye como anexo de la tesis o como parte del capítulo de metodología.
Las columnas de la matriz: explicación de cada una
El formato más completo y exigido en universidades peruanas (especialmente UNMSM y URP) tiene entre 8 y 10 columnas. Aquí explicamos cada una:
| Columna | Qué debe contener | Nivel |
|---|---|---|
| Problema | El problema general (pregunta) y los problemas específicos | General + específicos |
| Objetivo | El objetivo general y los objetivos específicos (deben corresponder 1:1 con los problemas) | General + específicos |
| Hipótesis | La hipótesis general y las hipótesis específicas (en investigaciones descriptivas simples, puede ser «no aplica») | General + específicas |
| Variable independiente (VI) | Nombre de la VI con sus dimensiones e indicadores principales | Variable + dimensiones |
| Variable dependiente (VD) | Nombre de la VD con sus dimensiones e indicadores principales | Variable + dimensiones |
| Metodología | Tipo de investigación (básica/aplicada), nivel (descriptivo, correlacional, explicativo) y diseño (no experimental transversal, experimental, etc.) | Tipo + nivel + diseño |
| Población y muestra | Número de elementos de la población y de la muestra con el procedimiento de muestreo | N y n |
| Técnica e instrumento | La técnica (encuesta, entrevista, análisis documental) y el instrumento específico (cuestionario, guía de entrevista, ficha) | Técnica + instrumento |
Cómo llenar cada celda: guía paso a paso
La clave para llenar la matriz correctamente es el principio de correspondencia vertical: cada fila debe ser «leíble» de izquierda a derecha sin contradicciones. En la fila del problema general, el objetivo general debe dar respuesta a ese problema; la hipótesis general debe ser la afirmación que propones como respuesta tentativa al problema; y la metodología debe ser capaz de comprobar esa hipótesis.
Paso 1: Empieza por el problema
Escribe el problema general como pregunta: «¿Cuál es la relación entre [VI] y [VD] en [población] de [lugar], [año]?» Luego escribe 2-3 problemas específicos que desagregan el general. Ejemplo:
- General: «¿Cuál es la relación entre el uso de redes sociales y el rendimiento académico en estudiantes del primer año de la Facultad de Ciencias Contables de la UNMSM, Lima, 2025?»
- Específico 1: «¿Cuál es el nivel de uso de redes sociales en los estudiantes de la muestra?»
- Específico 2: «¿Cuál es el nivel de rendimiento académico en los estudiantes de la muestra?»
- Específico 3: «¿Existe relación significativa entre la frecuencia de uso de redes sociales y el promedio de calificaciones?»
Paso 2: Redacta los objetivos con los mismos verbos que el problema
Cada problema tiene su objetivo espejo. El problema «¿Cuál es la relación…?» se convierte en el objetivo «Determinar la relación…». Los problemas específicos se convierten en objetivos específicos. El verbo debe cambiar de interrogativo a infinitivo activo.
Paso 3: Formula las hipótesis para los problemas relacionales o causales
Si tu problema es descriptivo simple («¿cuál es el nivel de…?»), no necesitas hipótesis. Si es correlacional o explicativo, la hipótesis debe ser contrastable: «Existe relación positiva y significativa entre [VI] y [VD] en [población] (p < 0.05).»
Paso 4: Completa las columnas de variables
Toma los nombres y dimensiones de tu tabla de operacionalización de variables y resúmelos aquí. No repitas toda la tabla; menciona las 2-3 dimensiones principales de cada variable.
Paso 5: Define la metodología
Usa la nomenclatura estándar del enfoque predominante en tu país. En Perú, es común usar la clasificación de Sánchez Carlessi: tipo básica/aplicada, nivel descriptivo/correlacional/explicativo/predictivo, diseño no experimental transversal o longitudinal. En México se prefiere la clasificación de Hernández Sampieri.
Paso 6: Especifica población, muestra e instrumento
Escribe el número total de la población (N = X) y el tamaño de la muestra con el método de cálculo (fórmula de Cochran, muestreo intencional, etc.). Nombra la técnica y el instrumento. Para ampliar el cálculo del tamaño de muestra, consulta nuestra guía de muestra y población en investigación.
Ejemplo completo cuantitativo — UNMSM / UNAM
Investigación: «Relación entre uso de redes sociales y rendimiento académico en estudiantes de la Facultad de Ciencias Contables, UNMSM, Lima, 2025.»
| Problema | Objetivo | Hipótesis | VI | VD | Metodología | Muestra | Instrumento |
|---|---|---|---|---|---|---|---|
| General: ¿Qué relación existe entre el uso de redes sociales y el rendimiento académico en los estudiantes del 1er año de CC.CC., UNMSM, 2025? | General: Determinar la relación entre el uso de redes sociales y el rendimiento académico en los estudiantes del 1er año de CC.CC., UNMSM, 2025. | General: Existe relación negativa y significativa entre el uso frecuente de redes sociales y el rendimiento académico (p < 0.05). | Uso de redes sociales Dimensiones: – Frecuencia de uso – Propósito (académico vs. ocio) – Plataforma preferida |
Rendimiento académico Dimensiones: – Promedio semestral – % de materias aprobadas – Asistencia |
Tipo: Básica Nivel: Correlacional Diseño: No experimental, transversal |
N = 450 estudiantes n = 207 (Cochran, e=5%, z=1.96) Muestreo: aleatorio estratificado |
Técnica: Encuesta Instrumento: Cuestionario de 28 ítems (Likert 1-5) Validez: Juicio de expertos (V-Aiken=0.83) Confiabilidad: α=0.87 |
| Esp. 1: ¿Cuál es el nivel de uso de redes sociales de los estudiantes? | Esp. 1: Describir el nivel de uso de redes sociales de los estudiantes. | Esp. 1: El nivel de uso de redes sociales es alto en el 60% de los estudiantes. | Dimensión: Frecuencia de uso Indicadores: Horas/día, días/semana |
No aplica directamente | Estadísticos descriptivos: frecuencias, medias | Misma muestra | Secciones A y B del cuestionario (ítems 1-10) |
| Esp. 2: ¿Cuál es el rendimiento académico de los estudiantes según el sistema institucional? | Esp. 2: Identificar el rendimiento académico de los estudiantes según promedios institucionales. | Esp. 2: El rendimiento académico es medio-bajo en la mayoría de los estudiantes con alto uso de redes. | No aplica directamente | Dimensión: Promedio semestral Indicadores: Promedio de notas, % materias aprobadas |
Estadísticos descriptivos; datos institucionales | Misma muestra | Registro académico institucional UNMSM |
| Esp. 3: ¿Existe relación significativa entre el tiempo de uso de redes sociales y el promedio de calificaciones? | Esp. 3: Establecer la relación entre el tiempo de uso de redes sociales y el promedio de calificaciones. | Esp. 3: Existe correlación negativa significativa entre el tiempo de uso de redes sociales y el promedio (r < -0.3, p < 0.05). | Indicadores: Horas/día en redes, ítems 1-3 | Indicadores: Promedio semestral (registro institucional) | Correlación de Pearson / Spearman | Misma muestra | Cuestionario + registro UNMSM |
Ejemplo completo cualitativo — Universidad Nacional de Colombia
Investigación: «Experiencias de discriminación étnica en estudiantes indígenas de la Universidad Nacional de Colombia, sede Bogotá, 2025.»
| Pregunta de investigación | Objetivo | Categorías de análisis | Subcategorías | Metodología | Participantes | Instrumento |
|---|---|---|---|---|---|---|
| General: ¿Cómo vivencian la discriminación étnica los estudiantes indígenas de la UNAL Bogotá y qué estrategias desarrollan para afrontarla? | General: Comprender las experiencias de discriminación étnica de los estudiantes indígenas de la UNAL Bogotá y sus estrategias de afrontamiento. | 1. Experiencias de discriminación 2. Estrategias de afrontamiento 3. Rol de la institución |
1a. Discriminación directa 1b. Discriminación sutil 2a. Redes de apoyo comunitario 2b. Adaptación cultural 3a. Percepción de políticas institucionales |
Enfoque: Cualitativo Diseño: Fenomenológico Análisis: Temático (Braun y Clarke) |
N = 12 estudiantes indígenas Muestreo intencional por criterio: matrícula activa, autoreconocimiento étnico, mínimo 2 semestres cursados |
Técnica: Entrevista semiestructurada Instrumento: Guía de entrevista (3 bloques, 15 preguntas) Validez: Triangulación de investigadores |
Diferencias de la matriz según la universidad
| Universidad / País | ¿Es obligatoria? | Columnas que suele exigir | Ubicación en la tesis |
|---|---|---|---|
| UNMSM, UNI, URP (Perú) | Sí, obligatoria | Todas las 8 columnas | Capítulo I (Planteamiento) + Anexo |
| PUCP (Perú) | Recomendada para cuantitativa | Problema, objetivos, variables, metodología | Anexo metodológico |
| UNAM, IPN (México) | No obligatoria, pero aceptada | Problema, objetivos, hipótesis, metodología | Anexo o protocolo |
| ESPOL, UCE (Ecuador) | Variable según programa | Problema, objetivos, variables, instrumento | Cap. de Metodología o Anexo |
| U. Nacional (Colombia) | No estándar; algunos programas la exigen | Según guía del programa | Según guía del programa |
Errores frecuentes al completar la matriz
- Objetivos que no responden al problema: Si el problema pregunta «¿cuál es la relación?», el objetivo no puede ser «describir el fenómeno». Debe ser «determinar la relación».
- Hipótesis que no son contrastables: «Se cree que hay relación» no es una hipótesis científica. Debe ser falsificable: «Existe relación positiva y significativa entre X e Y (p < 0.05)».
- Variables e instrumentos inconsistentes: Si tu VD es «calidad de vida» medida con WHOQOL-BREF pero el instrumento de la matriz dice «cuestionario propio», hay una inconsistencia.
- Metodología que no puede responder el problema: Para un problema correlacional no puedes usar un diseño experimental. Para un problema cualitativo no puedes usar estadísticos de Pearson.
- Demasiados objetivos específicos para la muestra: Si tienes 6 objetivos específicos pero una muestra de 30 estudiantes, el análisis estadístico no tendrá potencia suficiente.
Para consolidar tu comprensión de la metodología completa, te recomendamos también revisar las guías de justificación del proyecto de investigación y de variables de investigación con ejemplos.
¿Quieres que la IA revise la coherencia de tu matriz?
Tesify analiza tu problema, objetivos, hipótesis y variables para detectar inconsistencias en tu diseño metodológico y sugerirte correcciones antes de presentarla a tu director de tesis.
Prueba Tesify gratis — sin tarjeta de crédito.
Preguntas frecuentes sobre la matriz de consistencia
¿La matriz de consistencia va en el cuerpo de la tesis o en los anexos?
Depende de la universidad. En la UNMSM y la URP del Perú, se coloca tanto en el Capítulo I como en los anexos. En la UNAM y otras universidades mexicanas, se incluye generalmente en los anexos o como parte del protocolo de investigación. Verifica siempre el reglamento o guía de tesis de tu facultad específica, ya que incluso dentro de la misma universidad puede variar según la carrera.
¿Se puede hacer una matriz de consistencia para investigación cualitativa?
Sí, aunque su estructura es diferente. En lugar de variables e hipótesis, la matriz cualitativa contiene categorías de análisis, subcategorías, preguntas de investigación correspondientes y el instrumento. No hay columna de hipótesis ni de análisis estadístico. Algunos autores peruanos como Ruiz Olabuénaga distinguen la «matriz de consistencia cualitativa», que incluye columnas de fenómeno de estudio, preguntas, categorías, subcategorías y técnicas de recogida de datos.
¿Cuántos problemas específicos debe tener la matriz?
En la práctica, entre 2 y 4 problemas específicos es lo más común en tesis de licenciatura y maestría. Cada problema específico genera un objetivo específico y, en estudios correlacionales o explicativos, una hipótesis específica. Más de 4 problemas específicos vuelve la investigación demasiado amplia para el alcance de una tesis de grado y dificulta obtener una muestra con potencia estadística suficiente para todos los análisis.
¿La justificación se incluye en la matriz de consistencia?
No en la versión estándar de la matriz. Algunas versiones expandidas incluyen una columna de «viabilidad» o «relevancia», pero la justificación completa es un texto narrativo que va en un apartado separado del Capítulo I, no en la tabla. La función de la matriz es verificar coherencia metodológica, no argumentar la pertinencia del estudio. Para eso está la justificación, que puedes consultar en nuestra guía de justificación del proyecto de investigación.
¿Puedo usar una herramienta de IA para construir mi matriz de consistencia?
Sí, pero con supervisión crítica. Las herramientas de IA pueden ayudarte a estructurar el cuadro, verificar que los verbos de los objetivos correspondan al nivel metodológico y detectar inconsistencias obvias. Sin embargo, el contenido sustantivo (el problema de investigación real, las variables específicas, la población) debe venir de tu propia revisión bibliográfica y del conocimiento de tu contexto de estudio. Usa la IA como un revisor, no como el autor de tu metodología.
Deja una respuesta