Actualidad de la investigación de mercados online

Muestreo no probabilístico: muestreo por bola de nieve

Escrito por Carlos Ochoa el 30 de junio 2015

Finalizamos con este post nuestra serie dedicada a técnicas de muestro. Hoy vamos a hablar de una técnica conocida como bola de nieve (snowball sampling).

El muestreo por bola de nieve es una técnica de muestreo no probabilística en la que los individuos seleccionados para ser estudiados reclutan a nuevos participantes entre sus conocidos. El nombre de “bola de nieve” proviene justamente de esta idea: del mismo modo que una bola de nieve al rodar por una ladera se va haciendo más y más grande, esta técnica permite que el tamaño de la muestra vaya creciendo a medida que los individuos seleccionados invitan a participar a sus conocidos.

 

bola-nieve-muestreo

 

La bola de nieve se usa con frecuencia para acceder a poblaciones de baja incidencia y a individuos de difícil acceso por parte del investigador. En estudios en los que se quiere estudiar un colectivo muy específico (por ejemplo, personas aficionadas a la filatelia o coleccionismo de sellos), puede resultar mucho más efectivo obtener una muestra a través de conocidos y amigos de los propios coleccionistas, que mediante una selección puramente aleatoria, en la que una gran cantidad de individuos candidatos a participar serían descartados. Supuestamente, es muy probable que un coleccionista de sellos conozca a otros coleccionistas de sellos, lo que hace de esta técnica una forma efectiva de muestrear un colectivo que de otra manera resultaría de difícil acceso para el investigador.

Leer el artículo completo »

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Muestreo Trackback | Comentarios (1)

Estadísticas y realidades

Escrito por Carlos Ochoa el 18 de junio 2015

Así se titula el artículo de opinión que escribió en El País hace unas semanas Alfredo Pérez Rubalcaba, antiguo vicepresidente de España bajo el mandato de José Luís Rodríguez Zapatero.

Aunque sea por motivos de interés personal o partidistas, no deja de ser una buena noticia que alguien que ha estado vinculado a la política al máximo nivel haga una reflexión sobre cómo se interpretan las estadísticas, no sólo desde el propio ámbito político sino desde muchos medios de comunicación.

 

rubalcaba-estadisticas

 

En este artículo en cuestión, Rubalcaba cuestiona la relevancia que se suele dar a pequeñas variaciones en los resultados de una encuesta, cuando estas variaciones a menudo están por debajo del margen de error definido por el tamaño de la muestra empleado. Lo resume con la siguiente frase:

“Siempre me ha sorprendido lo minucioso de esos análisis que encuentran sesudas razones para justificar lo injustificable, a saber: que una subida o una bajada de un punto de uno u otro partido es consecuencia directa de una declaración política, de un error, o de cualquier otro hecho concreto. Un punto de subida o de caída en una encuesta cuyo margen de error, ese que figura en la ficha técnica que casi nadie se lee, suele estar en el entorno de un ±2%. Es decir, un punto, que no es estadísticamente representativo. ”

 

El informe PISA

Rubalcaba utiliza esta introducción al tema para abordar el uso que se da a los estudios estadísticos que evaluan la calidad de la enseñanza en diversos países de la Unión Europea: el célebre informe PISA (Programme for International Student Assessment).

Se trata de un estudio que se realiza en todos los países de la Unión para obtener una medida estandarizada de los conocimientos que adquieren los estudiantes de los diferentes países miembros al cumplir los 15 años. Este informe permite juzgar sobre una base supuestamente justa – por ser la misma para todos los países – las bondades y las carencias de cada sistema educativo.

Según valora el ex-político español, con buen criterio, es habitual el uso poco informado de los resultados de este informe. El análisis que suele hacerse se parece más al de los resultados de una liga de fútbol que al de un informe estadístico serio: se ignora persistentemente el concepto de margen de confianza, por lo que se emiten juicios sin base estadística de forma irresponsable y, porque no decirlo, sensacionalista.

Por ejemplo, se ha escrito que los alumnos españoles tienen resultados inferiores a la de la mayoría de los países de la Unión Europea. Eso no es cierto. La puntuación de los alumnos españoles fue de 484 frente a la media de 489. La diferencia no es estadísticamente representativa.

Siempre es complejo explicar al gran público los conceptos relacionados con la representatividad estadística y el margen de error, pero es una obligación de políticos y medios de comunicación hacer un uso responsable de los mismos. De lo contrario, podemos acabar en el absurdo de hacer estudios estadísticos con muestras ridículamente pequeñas y darles la misma credibilidad que estudios escrupulosamente diseñados por profesionales del sector.

http://elpais.com/m/elpais/2015/05/01/opinion/1430498824_555103.html

Confundir el qué y el cómo

Otro apunte interesante del artículo anteriormente mencionado va más allá del puro problema estadístico. Es un fenómeno que llega a producirse en algunos ámbitos y que podríamos definir como “confudir el qué y el cómo”.

Este fenómeno sucede cuando un dato se estudia mediante un mecanismo periódico fiable y costoso, empleado para tomar grandes decisiones. Sin duda, el informe PISA cumple este requisito. En estas circunstancias, el estudio estadístico pasa a ser tan popular y decisivo, que podemos caer en la tentación de pensar que el objetivo es mejorar los resultados del estudio en sí mismo y no la realidad que el estudio trata de observar.

Según Rubalcaba, el uso que se da al informe PISA está siendo tan exorbitante que algunas autoridades educativas han llegado a la conclusión de que la mejor manera de obtener buenos resultados en el informe PISA es enseñar a los alumnos a aprobar el tipo de cuestionario que se emplea para obtener los datos del informe.

Al hacer esto, pervertimos el fundamento del propio estudio. Entrenamos a los alumnos para completar una herramienta de medición (una encuesta, en el fondo) como si fuese un objetivo en sí mismo. Es una técnica que no es nueva: es habitual que academias de inglés y autoescuelas, en lugar de enseñar un idioma o cómo conducir, se concentren en enseñar estrategias para resolver los cuestionarios habituales para obtener una certificación de idiomas o el carnet de conducir.

 

Los profesionales de la investigación de mercados no debemos olvidar la importancia que tienen las herramientas de medida (como la encuesta) en el objetivo de reflejar de la forma más fiable posible la realidad que pretendemos observar. ¡No enseñemos a nuestros encuestados a “aprobar” cuestionarios!

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: estadisticas Trackback | No hay comentarios

Over-fitting: el enemigo de las buenas predicciones

Escrito por Carlos Ochoa el 15 de junio 2015

Nate Silver , en La señal y el ruido, habla de las dificultades que afrontamos cuando tratamos de hacer buenas predicciones. Siguiendo la metáfora del título de su libro, la principal de ellas es confundir señal con ruido: desarrollamos un modelo predictivo y tratamos de ajustarlo a los datos que tenemos, pero, en el afán de afinar el modelo al máximo, acabamos ajustando el modelo a las imperfecciones de los datos que tenemos, empeorando nuestra capacidad predictiva.

Este fenómeno se conoce como over-fitting o sobreajuste. Un modelo predictivo debe capturar la esencia del fenómeno que describe, nada más. Christopher M. Bishop, en su libro Pattern Recognition and Machine Learning (Springer, 2006) nos ofrece un gran ejemplo de este problema, con un enfoque muy matemático (¡avisados estáis!).

¿Qué es un modelo?

modelo-datos

Leer el artículo completo »

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Investigacion de Mercados Trackback | No hay comentarios

Muestreo no probabilístico: muestreo por cuotas

Escrito por Carlos Ochoa el 12 de junio 2015

Llegamos al fin, en nuestra serie de posts dedicada al muestreo, al método estrella entre los muestreos no probabilísticos: el muestreo por cuotas. Esta técnica es la que suele usarse en investigación online a través de paneles. Podemos ver el muestreo por cuotas como la versión no probabilística del muestreo estratificado. Consta de tres fases:

 

1. Segmentación

En primer lugar, dividimos la población objeto de estudio en grupos de forma exahustiva (todos los individuos están en un grupo) y mutuamente exclusiva (un individuo sólo puede estar en un grupo), de forma similar a la división en estratos empleada en el muestreo estratificado. Normalmente esta segmentación se hace empleando alguna variable sociodemográfica como sexo, edad, región o clase social.

2. Fijamos el tamaño de las cuotas

A continuación, fijamos el objetivo de individuos a encuestar para cada uno de estos grupos. Normalmente definiremos estos objetivos de forma proporcional al tamaño del grupo en la población. Por ejemplo, si hemos definido unos segmentos por sexo en una población en la que hay un 60% de mujeres y un 40% de hombres, y queremos obtener una muestra de 1.000 personas, definiremos un objetivo de 600 mujeres y 400 hombres. Estos objetivos se conocen como cuotas. En este ejemplo, tendríamos una cuota por sexo de 600 mujeres y 400 hombres. En ocasiones se definen cuotas no proporcionales a la población, por ejemplo para poder profundizar en el análisis de un grupo específico.

Leer el artículo completo »

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Muestreo Trackback | Comentarios (5)

La importancia de entender una probabilidad condicionada

Escrito por Carlos Ochoa el 9 de junio 2015

Siempre me ha llamado la atención el bajo nivel de conocimiento estadístico de la población general. No estoy hablando de hacer regresiones o calcular coeficientes de correlación, hablo de nociones básicas. De hecho, esta carencia de conocimiento estadístico puede extenderse a todo lo que se relaciona con las matemáticas. Al respecto, recomiendo la lectura de El hombre anumérico, de John Allen Paulos, libro en el que el autor describe este analfabetismo matemático muy extendido en la sociedad.

Paulos-matematicas

 

La probabilidad: ese concepto tan mal entendido

Leer el artículo completo »

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Formación Trackback | No hay comentarios

GRIT Report 2015

Escrito por Silvia Viñuales el 4 de junio 2015

grit-2015

 

Han pasado tan sólo unos días desde que salió a la luz la nueva edición del popular Grit Research Industry Report de Greenbook, un vistazo en profundidad sobre la actualidad de nuestro sector.

En esta publicación se presentan los resultados correspondientes a los dos primeros trimestres del 2015, haciendo especial hincapié en el día a día de un investigador de mercados: se analizan las herramientas de trabajo más usadas por los profesionales así como las oportunidades y retos a los que se enfrentan.

Por supuesto, y como viene siendo habitual, el estudio repasa el top de compañías más innovadoras, los métodos y tecnologías más usadas por los principales players y los resultados financieros durante estos primeros meses del año.

A continuación os dejamos con algunas de las claves del report en formato infografía, esperando que resulten de utilidad:

 

1. Distribución de tareas del investigador

 

daily-day-researcher

 

De este gráfico extraemos las áreas de trabajo donde un investigador pone más esfuerzo en su día a día. Observamos que el perfil es generalista, no especializado, y que labores como el análisis, interpretación y muestra de resultados son los que más tiempo ocupan tanto a clientes finales como a proveedores de campo.

Después, son las llamadas, reuniones y el planning de estudios, junto con el desarrollo conceptual de los mismos, las principales ocupaciones del investigador. No se aprecian diferencias muy acusadas entre los dos perfiles estudiados (cliente y proveedor).

 

2. Adopción de nuevos métodos emergentes

 

methods-research

 

En plena era mobile, las encuestas multidispositivo y las comunidades online ganan peso frente a los métodos tradicionales. El índice de adopción es ya muy alto, especialmente para los proveedores, como se puede observar en las primeras barras del gráfico.

Por su parte, los clientes ponen el foco en el análisis del Big Data y el buzz de las redes sociales para tratar de entender el comportamiento de su público y lanzar nuevas estrategias acordes con el nuevo perfil de consumidor online.

 

3. Adopción de nuevas habilidades

 

skills-researcher

 

El mercado está en constante cambio por lo cual nuestras habilidades como investigadores han de adaptarse a las nuevas demandas y enriquecerse en conocimientos constantemente. De nuevo, la comprensión del  Big Data y el análisis de información obtenida a través de las comunidades sociales, son los conocimientos más demandados en el sector.

Además, se requiere flexibilidad, capacidad analítica y comprensiva, visión mobile y adaptabilidad a los new media.

 

4. Top #10 proveedores innovadores

 

innovation-research

 

Nos centramos ahora en los proveedores de campo. El Top 10 sigue encabezado por Brainjuicer por cuarto año consecutivo, mientras que otros líderes como Vision Critical (2º) o Nielsen (3º) sufren ligeros cambios de posición respecto al año anterior. Llama la atención el creciente número de startups en la lista: hasta 6 compañías con menos de 3 años en el mercado entran en el top 50.

Además, en el estudio se analizan qué factores hacen de una compañía líder en innovación. Proveedores y clientes están de acuerdo: la metodología utilizada, la técnica, la diferenciación o la tecnología avanzada dan las claves que hacen destacar a una compañía realmente innovadora.

 

5. Top #10 clientes innovadores

 

innovative-clients

 

Respecto a los clientes finales, el mercado de 2015 se divide casi entre dos grandes: Procter & Gamble y un poco más lejos, Coca-Cola. A una distancia considerable queda Unilever, seguido de cerca por Google, en cuarta posición.

Algunos de los sectores que no aparecen en este ranking son, por ejemplo, la industria automovilística, financiera, farmacéutica o de medios. Si bien esto no es indicador de que no estén haciendo una investigación innovadora, no están tan ligados a la industria como los anteriormente nombrados.

 

6. Retos para la industria

 

challenges-research

 

Finalmente, hacemos un repaso de los mayores retos a enfrentar durante este año por los investigadores, como ya hicimos a comienzo de año en post anteriores de nuestro blog. El top #3 queda claramente dividido entre las siguientes preocupaciones:

 

Además, si quieres completar el análisis aquí mostrado, puedes descargarte o consultar online de forma gratuita el report en la web de Greenbook a través del siguiente link.

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Estudios | Infografías Trackback | No hay comentarios

Netquest en el E-Commerce Day de Chile

Escrito por Fernanda Monteiro el 2 de junio 2015

El  pasado 27 de mayo de 2015 se llevó a cabo el E-Commerce Day en Santiago de Chile. En su séptima edición local, el evento contó con la participación de 70 expositores nacionales e internacionales, más de 60 speakers, 20 conferencias, 12 talleres temáticos y más de 2500 asistentes en busca de nuevas tendencias y aprendizaje en torno a los desafíos del comercio electrónico. Puedes consultar el programa del evento en este enlace.

 

 

El equipo de Netquest asistió al evento y os resume los principales highlights del congreso. Haciendo un overview del mercado en los últimos 4 años, identificamos las siguientes palabras clave:

Las tendencias

Teniendo en cuenta la madurez del mercado online y su penetración,  Brayan Peralta (VISA) y George Lever (CCS) señalaron algunos factores que contribuyen a las principales actividades del sector. Hablaron de la Conectividad Financiera (medido en términos de poder adquisitivo y mecanismos de la compra), de dispositivos móviles, el acceso a la oferta de Internet y los procesos logísticos.

Estos pilares muestran cómo la experiencia de compra ha cambiado y de hecho, ya es más importante que la propia compra. Debido a la gran demanda de los consumidores, se precisa agilidad, seguridad, tecnología, y facilidad sin lugar a errores. Muchas empresas buscan oportunidades y alternativas para el desarrollo de nuevas herramientas que mejoren estos procesos dando lugar a una mayor especialización y generación de valor añadido.

El ecosistema digital

Todas las funciones del ciclo de compra deben estar integrados e interconectados para fluir naturalmente. Hablamos del gigante chino Alibaba con Michael Lee y vemos cómo su modelo se basa en la transparencia y la cercanía con sus consumidores.

Para Alibaba, su market place es un modelo de negocio que conecta a los consumidores, los proveedores y los grandes empresarios, medianos y pequeños. Para formar un ecosistema sólido de trabajo se basan en 5 pilares: B2B, B2C, los servicios, el pago y la plataforma logística. Estos pilares funcionan como empresas separadas, pero se complementan entre sí, protegiendo la participación de terceros y proporcionando un mejor control de la calidad de los servicios prestados.

E-shopping Experience

Daniel Güell (Paris.cl) afirma: “La compra no termina cuando el cliente sale de la tienda. Los consumidores buscan compromiso, quieren ser sorprendidos”. Ricardo Alonso (Falabella), Francisco (Ripley), Antón (Fan Machine) y Daniel Cardoso (Latam Airlines), apuestan por tres recomendaciones:

La vida es móvil

Carlos Müller (10:10) presentó la campaña #CompraSentado, celebrada en Chile para alentar a los residentes del país que confiar en este canal:

Imagen de previsualización de YouTube

En la campaña se anima a la sociedad chilena arealizar su primera compra en línea, reforzando sus principales beneficios, bajo las siglas SSS: “Simple, seguro y se sienta.”

La tecnología mobile es un objeto de necesidad social. De acuerdo a Google, el 91% de las personas consultan el teléfono mientras se realiza cualquier otra tarea. A través de esta realidad móvil, surge un nuevo concepto llamado los “momentos micro“: la necesidad inmediata para resolver un problema.

Por ejemplo, un individuo va a preparar una tortilla, abre la nevera para coger huevos y encuentra también un fajo de espinacas. Busca en su móvil cómo cocinar una tortilla de espinacas en su móvil. Y es que el Mobile es más que un canal de ventas, es una plataforma parte de la vida cotidiana, que permite que “el ahora”, la inmediatez y al accesibilidad ilimitada se conjugen.

 Omni Channel

Se trata del cruce de entornos físicos y virtuales (online y offline), con una perspectiva más evolucionada de múltiples canales, donde no importa a través de qué canal el consumidor comprará, sino la experiencia y la interacción con la marca.

Francisco Berroeta (Salcobrand), destaca que los canales pasan de la fragmentación a ser uno único, proporcionando una experiencia consistente. Por suparte, Cristobal Bello (Metriplica) comenta que los profesionales del mercado deben buscar canales y trabajo disponibles de manera coordinada y sinérgica, previsores de la integración logística, almacenamiento, distribución, servicio al cliente, base de datos y marketing.

Aunque se trata de un gran desafío que requiere en la práctica un alto nivel de complejidad, este cambio cultural y de comportamiento se traduce en una urgente necesidad de creación de reglas por parte de las empresas.

Conclusión

Analizando todos los consejos, ponencias y experiencias, resumimos que la posible clave del éxito sea trabajar con la organización, planificar con antelación, fijar objetivos claros, centrarse en el contenido de calidad y apostar por propuestas rompedoras y nuevas alternativas.

Hablamos también en términos de futuro  “¿Qué se espera en el comercio electrónico para el año 2016″. Si bien no podemos garantizar una previsión exacta, los expertos apuntan a una mayor concreción en avances tecnológicos, que clientes y organizaciones serán menos resistentes a las innovaciones y cambios, y un nuevo  foco para las empresas: observar al cliente y no tanto al dispositivo que utiliza.

El congreso, que nos resultó de gran utilidad al equipo de Netquest Chile, completa su contenido en los siguientes enlaces. ¡Nos vemos en la próxima cita con el comercio electrónico!

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Eventos Trackback | No hay comentarios

Muestreo no probabilístico: muestreo por conveniencia

Escrito por Carlos Ochoa el 29 de mayo 2015

Iniciamos con este post la segunda parte de nuestra serie dedicada a técnicas de muestreo. Esta segunda parte describirá las técnicas de muestreo no probabilístico.

Recordemos: hablamos de muestreo no probabilístico cuando no tenemos acceso a una lista completa de los individuos que forman la población (marco muestral) y, por lo tanto, no conocemos la probabilidad de que cada individuo sea seleccionado para la muestra.

La principal consecuencia de esta falta de información es que no podremos generalizar resultados con precisión estadística.

El muestreo por conveniencia

Es una técnica comúnmente usada. Consiste en seleccionar una muestra de la población por el hecho de que sea accesible. Es decir, los individuos empleados en la investigación se seleccionan porque están fácilmente disponibles, no porque hayan sido seleccionados mediante un criterio estadístico. Esta conveniencia, que se suele traducir en una gran facilidad operativa y en bajos costes de muestreo, tiene como consecuencia la imposibilidad de hacer afirmaciones generales con rigor estadístico sobre la población.

Por ejemplo, supongamos que queremos conocer la opinión de los estudiantes universitarios chilenos acerca de la política. Una muestra probabilística requeriría acceder a un censo del total de estudiantes de todas las universidades chilenas con el fin de seleccionar al azar un grupo de individuos y encuestarlos. Una muestra por conveniencia podría consistir en dirigirme a 3 universidades cercanas, simplemente porque están en la población en la que reside el encuestador, y encuestar a unos cuantos individuos que acepten participar al salir de las aulas por la mañana.

 

muestreo-no-probabilistico

 

Leer el artículo completo »

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Muestreo Trackback | Comentarios (3)

Webinar Investigación Observacional – La fragmentación digital

Escrito por Silvia Viñuales el 27 de mayo 2015

Ayer tuvimos la oportunidad de presentar el webinar “Medición observacional: La fragmentación digital”.

En el webinar expusimos los métodos de recolección de datos existentes, la fragmentación digital, qué es un panel observacional y sus posibilidades, así como el potencial de la investigación observacional y las herramientas que Netquest ofrece en este campo.

Para todos aquellos que no pudisteis asistir os dejamos el vídeo de la sesión en este post. Además hemos resumido las preguntas que formulasteis para poderlas contestar en este mismo post:

 

Leer el artículo completo »

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Webinars Trackback | No hay comentarios

Los miopes son más inteligentes

Escrito por Carlos Ochoa el 25 de mayo 2015

Antes de empezar, debo confesarlo: soy miope. Espero que esto no distorsione mi mirada sobre este problema. Confiad en que así sea.

Hemos tocado este tema con anterioridad en este blog: cuando investigamos, es habitual confundir causalidad con correlación. Que dos sucesos aparezcan al mismo tiempo no implica que uno sea causa de otro. El problema que abordamos hoy es más interesante aún y tiene que ver con el la dirección de la causalidad.

¿Qué fue primero, el huevo o la gallina?

miopía-inteligencia

 

Este debate viene de la antigüedad. Frecuentemente se usa la metáfora del huevo y la gallina para describir eventos en los que es difícil discernir el orden en que suceden, porque en la práctica se encuentran enlazados de forma  inextricable. Aristóteles, Plutarco o Stephen Hawking se han enredado en algún momento a debatir sobre esta cuestión.

Curiosamente, la miopía y la inteligencia, pese a que parecen dos conceptos que nada tienen que ver, forman una relación viciosa de este tipo. Veamos cómo.

¿Qué causa la miopía?

Aunque la medicina – y la ciencia en general – ha hecho enormes progresos durante las últimas décadas, todavía no existe una teoría totalmente aceptada acerca de las causas de la miopía. Generalmente se barajan 3 posibles causas:

1. Causas genéticas: Es la hipótesis más aceptada. La propensión a la miopía de personas cuyos padres son miopes es alta. Parece ser que el globo ocular en estos individuos tiene ciertas proporciones características, que se transmiten de forma hereditaria.

2. Causas ambientales: Es una creencia popular que el hábito de mirar las cosas muy de cerca durante la infancia (“niño, ¡no te acerques tanto a la tele!”) puede producir miopía. Sin embargo, parece ser lo contrario: los niños que se acercan a la tele es porque ya empiezan a manifestar síntomas de miopía. Y aquí empezamos a liarnos con la causalidad.

Como principal argumento a favor de las causas ambientales, se suele hablar de un aumento generalizado de la incidencia de la miopía en la población mundial, culpando de ello a factores externos como los hábitos de lectura, las pantallas de TV, monitores, smartphones… Sin embargo, parece más probable que lo que haya aumentado sustancialmente sea la capacidad médica de detectar la miopía. En pleno siglo XXI se estima que más de la mitad de la población mundial morirá sin haber ido nunca al oftalmólogo, imaginad como era la situación hace 50 año o 100 años.

Por otra parte, también existen evidencias que indican que el ojo compensa el desenfoque causado por la miopía, por lo que ponerse gafas podría, de hecho, evitar esta corrección y agudizar la miopía. Eso nos llevaría a una situación en la que el propio diagnóstico colabora a extender el problema.

3. Combinación de causas: Algunos expertos defienden que tanto factores genéticos como ambientales influyen en la aparición de la miopía. Estos expertos aceptan la predisposición hereditaria, pero también aceptan que ciertos hábitos pueden determinar si la miopía aparece y en qué grado.

 

Alguna ventaja tenía que tener…

miope-inteligencia

 

Por lo tanto no está claro qué causa la miopía, aunque parece claro que cada vez hay más personas que la sufren. Sin embargo, parece que no todo son inconvenientes para los miopes. Según un estudio publicado por un grupo de investigadores daneses en los años 80, realizado con una muestra de 15.834 individuos, los miopes son más inteligentes que la media de la población. Estamos hablando de unos siete puntos de coeficiente intelectual por encima de los no miopes.

El dato anterior no es una hipótesis, una intuición… es un hecho, verificado estadísticamente y aceptado por la comunidad científica: los miopes son (somos) más inteligentes. Pero ¿por qué? ¿Qué diantres tiene que ver el tocino y la velocidad? Existen varias teorías al respecto, y dándole algunas vueltas, podríamos encontrar más.

 

Durante la infancia somos especialmente vulnerables a la imagen que los demás se hacen de nosotros, hasta un punto que podemos llegar a adoptar el papel que la sociedad nos atribuye. No nos engañemos: que te pusiesen gafas de crío era un estigma indeleble, pasabas a ser diferente al resto y te predisponía a ser considerado un empollón. Llevar gafas tenía un cierto punto traumático.

Recuerdo perfectamente que con 13 años mis problemas de visión empezaban a ser considerables: no veía la pizarra de mitad del aula hacia atrás. Mi madre me obligó a ir al oculista, el cual me enfrentó el célebre póster con las letras de tamaño decreciente. En un intento de zafarme de ser un “cuatro ojos” traté de enumerar todas las letras que me requería el oculista de memoria. Como además de miope tampoco tengo memoria, fallé estrepitosamente, quedándome a medio camino entre lo que recordaba, lo que me parecía ver y lo que me inventé. Cuando acabé mi actuación, me giré y vi el rostro estupefacto del oftalmólogo y a mi madre llorando. Debió pensar que más que miope estaba totalmente ciego (¡o loco!).

Muchos expertos defienden que el diagnóstico de la miopía cuando somos niños altera nuestro comportamiento, a dos niveles. Por una parte, la capacidad intelectual no es sólo un don genético, es algo que se desarrolla especialmente en los primeros años de nuestra vida. Podría suceder que los niños miopes prefieran actividades que no requieran usar su visión a distancia, como la lectura o los juegos de construcción, actividades que estimulan la inteligencia, al mismo tiempo que evitan los deportes y otras actividades físicas que requieren mejor visión a larga distancia.

Por otra parte, también podría suceder que el “estigma de las gafas” propicie cierto aislamiento, una personalidad más introvertida que también favorezca actividades intelectuales. Dicho de otra forma: ponerte gafas te hace mejor estudiante y más inteligente.

Ambas explicaciones dan soporte a la teoría de que la miopía causa inteligencia. Sin embargo, no existen evidencias que corroboren estas argumentaciones: es extremadamente difícil hacer experimentos al respecto.

 

¿Y si fuese justo lo contrario? Podría suceder que los niños más inteligentes se sintiesen atraídos por actividades como la lectura y eso les produjese la miopía. Algunos datos darían soporte a esta teoría: en Europa, donde la escolarización está más generalizada, la miopía tiene mayor incidencia que en cualquier otro lugar del mundo. Algo parecido parece estar observándose en Asia a medida que se produce una escolarización masiva, un fenómeno que está recibiendo el calificativo de auténtica epidemia. Sin embargo, no es un hecho demostrado: ¿por qué justamente en Asia la miopía está teniendo más incidencia que en otras regiones más escolarizadas? Quizá están entrando en juego factores raciales.

Esta teoría estaría vinculada a la relación de la miopía con causas ambientales, algo que nunca se ha podido probar, a diferencia de las causas genéticas, que sí han podido acreditarse.

 

También podría ser que la miopía y la inteligencia sucedan al mismo tiempo, sin que una sea causa de la otra. Sabemos que tanto inteligencia como miopía tienen en parte un origen genético. Personas inteligentes suelen tener hijos inteligentes, lo mismo sucede con los miopes. Los genes causantes de una cosa podrían estar implicados en la otra. Dicho de otra forma: tanto inteligencia como miopía podrían tener una causa común que desconocemos.

 

Los peligros del análisis de datos

Este curioso fenómeno nos recuerda que debemos ser extremadamente cuidadosos cuando miramos los datos de un estudio de investigación. Un fichero de datos es un campo de minas en el que es muy fácil dar un mal paso. Las conclusiones precipitadas, basadas muchas veces en prejuicios y creencias a priori que damos por sentadas, nos pueden jugar malas pasadas. Esta capacidad de analizar con criterio estas cuestiones tan complejas marcan la diferencia entre un investigador y un gran investigador.

En cualquier momento en el que te enfrentes a un problema de este tipo, mantén la cabeza fría y recuerda: una correlación es algo simple de encontrar, una causalidad es algo mucho más serio.

Share on LinkedInTweet about this on TwitterShare on FacebookShare on Google+Email this to someone
Categoria: Estudios Trackback | Comentarios (1)