En corto: un sesgo es un error sistemático —empuja tus resultados siempre para el mismo lado— y por eso no se arregla sumando casos. Entra en las cuatro etapas del trabajo: al revisar la literatura, al armar la muestra, al medir y al analizar. Lo que se espera de una tesina no es que no tenga sesgos, sino que los identifiques, los acotes donde puedas y los declares donde no.
Hay una escena que se repite en todas las defensas. El estudiante presenta un trabajo prolijo, y alguien del jurado pregunta: «¿cómo llegaste a los participantes?». La respuesta es «lo difundí por los grupos de WhatsApp de mi camada», y en ese momento todo el mundo entiende algo que no está escrito en ninguna parte del texto: la muestra no representa lo que el título promete.
No es un error de cálculo. Es un sesgo, y los sesgos tienen una característica incómoda: son invisibles desde adentro del propio trabajo. Nadie diseña una investigación pensando «acá voy a introducir un sesgo». Se cuelan en decisiones que en el momento parecen prácticas y razonables.
Esta guía es el mapa completo: qué es exactamente un sesgo, dónde entra en cada etapa, qué se puede hacer con cada uno y —la parte que más rinde— cómo se escribe en el capítulo de limitaciones para que sume en lugar de restar.
Sesgo no es lo mismo que error
La distinción que ordena todo lo demás:
- Error aleatorio — el ruido. Unas mediciones quedan un poco arriba, otras un poco abajo, y en promedio se compensan. Se reduce midiendo mejor y sumando casos.
- Sesgo (error sistemático) — la desviación. Todas las mediciones se corren para el mismo lado. No se compensa nunca.
De ahí sale la consecuencia que más cuesta aceptar: una muestra más grande de la gente equivocada no mejora nada. Solo hace que la estimación sesgada tenga un intervalo de confianza más angosto, es decir, que estés más seguro de un número que está mal. Si una balanza pesa 300 gramos de más, pesar cien veces no arregla la balanza.
Es también la razón por la que el sesgo no es un problema estadístico sino un problema de diseño. No hay corrección posterior que reemplace haber pensado en él antes.
Etapa 1 — Al leer la literatura
Sesgo de confirmación
Buscás, leés y recordás preferentemente lo que respalda la idea con la que llegaste. En la práctica se manifiesta como un marco teórico en el que todos los antecedentes apuntan en la misma dirección — lo que casi nunca es cierto en un campo real.
Qué hacer: registrá tu estrategia de búsqueda antes de leer (bases, términos, criterios de inclusión y exclusión) y aplicala sin ajustarla sobre la marcha. Incluí deliberadamente al menos un antecedente que contradiga tu expectativa y discutilo; ese párrafo suele ser el mejor del capítulo.
Sesgo de publicación
Los estudios con resultados significativos se publican más que los que no encuentran nada. La literatura disponible, entonces, exagera sistemáticamente el tamaño de los efectos. No es algo que puedas corregir desde una tesina de grado, pero sí algo que podés nombrar cuando compares tu resultado modesto con los hallazgos publicados.
Etapa 2 — Al armar la muestra
Es la etapa que produce los sesgos más grandes y más difíciles de discutir en la defensa.
Sesgo de selección
El procedimiento con el que conseguiste los casos hace que ciertos perfiles tengan más chance de entrar. El muestreo por bola de nieve entre conocidos, el aviso publicado en un solo campus, la encuesta difundida por una red social concreta: todos producen muestras que se parecen demasiado entre sí.
Autoselección
Un caso particular y muy frecuente: contestan los que quieren contestar. En una encuesta sobre carga académica, los estudiantes más agobiados —o los más comprometidos— responden más. La variable que estudiás influye en quién aparece en tu base.
Sesgo de no respuesta
Distinto del anterior: acá el problema es quién se cayó. Si el 60 % no contestó y esos ausentes difieren sistemáticamente de los que sí, tu estimación se corre. Reportá siempre la tasa de respuesta, y si podés, compará alguna característica básica —sexo, año de cursada, facultad— entre respondentes y población total.
Sesgo del sobreviviente
El más traicionero en investigación educativa argentina. Si encuestás a estudiantes de quinto año sobre las causas del abandono, estás preguntándole justamente a los que no abandonaron. La respuesta que necesitás está afuera de tu muestra por construcción.
Qué hacer con los cuatro: describí el procedimiento de muestreo con total honestidad —«muestreo no probabilístico por conveniencia» es una frase correcta y defendible—, reportá tasas de respuesta y acotá explícitamente la población a la que generalizás. La lógica completa está en la guía de población y muestra.
Etapa 3 — Al medir
Deseabilidad social
La gente contesta lo que queda bien decir. Aparece con fuerza en preguntas sobre hábitos de estudio, consumo, discriminación, uso de inteligencia artificial o cualquier conducta con carga moral.
Qué hacer: garantizá anonimato real y decilo en la consigna, usá autoadministración en lugar de entrevista para los temas sensibles, y formulá las preguntas de manera que la respuesta incómoda no suene excepcional («¿con qué frecuencia te pasó…?» en lugar de «¿alguna vez hiciste…?»).
Aquiescencia
La tendencia a acordar con lo que se afirma, sin importar el contenido. Es el sesgo típico de las escalas tipo Likert y se controla incluyendo ítems formulados en sentido inverso. Cómo construirlos y cómo recodificarlos después está en la guía de diseño de escalas Likert.
Sesgo del entrevistador
Tu tono, tus repreguntas y hasta tus gestos orientan la respuesta. Se acota con una guía de pautas escrita, con el mismo orden de preguntas para todos y —si sos vos quien tiene una hipótesis— dejando registro de las intervenciones que hiciste fuera del guion.
Sesgo de recuerdo
Preguntar retrospectivamente produce errores que no son parejos: la gente recuerda mejor lo reciente y lo emocionalmente cargado. Si tenés que preguntar por el pasado, acotá la ventana temporal («en las últimas dos semanas») en lugar de dejarla abierta.
Efectos del instrumento
El orden de las preguntas, la cantidad de opciones y hasta la extensión del cuestionario modifican las respuestas. La redacción concreta de cada ítem está tratada paso a paso en cómo hacer un cuestionario de investigación; acá lo que importa es la decisión de diseño previa: pilotear siempre, aunque sean diez casos.
Etapa 4 — Al analizar y escribir
Selección de resultados (cherry picking)
Reportar los análisis que dieron y omitir los que no. La regla es simple: todo análisis planificado se informa, haya dado lo que sea. Si un resultado no significativo te incomoda, ese es exactamente el que hay que discutir.
HARKing
Del inglés Hypothesizing After the Results are Known: presentar como hipótesis previa algo que en realidad descubriste mirando los datos. Es difícil de detectar y es una falta de integridad, no una habilidad. Lo exploratorio se puede reportar; se reporta diciendo que es exploratorio.
Sesgo de interpretación
Leer una asociación como si fuera una causa. Es el más común de todos y el más fácil de evitar: se resuelve revisando los verbos del capítulo de conclusiones con la tabla que está en correlación no implica causalidad.
Confundir significación con importancia
Presentar un efecto minúsculo como hallazgo relevante porque cruzó el umbral estadístico. Se corrige reportando el tamaño del efecto junto a cada resultado, tal como se explica en la guía sobre el p-valor y la significancia estadística.
Tabla de referencia rápida
| Sesgo | Dónde entra | Cómo se acota |
|---|---|---|
| Confirmación | Revisión de literatura | Protocolo de búsqueda escrito antes de leer |
| Publicación | Antecedentes | Nombrarlo al comparar tu efecto con los publicados |
| Selección | Reclutamiento | Diversificar canales; describir el procedimiento real |
| Autoselección | Participación voluntaria | Comparar respondentes con la población de referencia |
| No respuesta | Trabajo de campo | Reportar tasa de respuesta; recordatorios |
| Sobreviviente | Definición del marco muestral | Incluir a los que salieron del sistema, o acotar la conclusión |
| Deseabilidad social | Instrumento | Anonimato real, autoadministración, redacción neutral |
| Aquiescencia | Escalas | Ítems inversos y recodificación |
| Entrevistador | Entrevistas | Guía de pautas, orden fijo, registro de intervenciones |
| Recuerdo | Preguntas retrospectivas | Ventana temporal corta y explícita |
| Cherry picking | Análisis | Reportar todos los análisis planificados |
| HARKing | Redacción | Separar confirmatorio de exploratorio |
Cómo se declara un sesgo en limitaciones
Acá está el valor práctico de todo lo anterior. Una limitación bien escrita tiene tres partes: se nombra el sesgo, se estima su dirección probable y se dice qué se hizo o qué haría falta.
El reclutamiento se realizó por convocatoria abierta en canales digitales de la propia facultad, lo que introduce un sesgo de autoselección: es plausible que hayan participado en mayor medida estudiantes con mayor involucramiento institucional, y en ese caso los niveles de satisfacción reportados estarían sobreestimados. Para acotarlo se diversificaron los canales de difusión y se comparó la distribución por año de cursada con la de la población total, sin diferencias apreciables. Un diseño con muestreo probabilístico permitiría descartar el sesgo por completo.
Comparalo con la versión que aparece en la mayoría de las tesinas: «una limitación del estudio es que la muestra fue no probabilística». Las dos dicen algo parecido; solo una demuestra que entendiste tu propio diseño.
Tres reglas para esta sección:
- Dirección, no solo existencia. Decí para qué lado creés que empuja el sesgo. Es lo que separa a alguien que leyó sobre sesgos de alguien que los pensó.
- Sin pedir disculpas. Las limitaciones se enuncian, no se lamentan. Nada de «lamentablemente» ni «desafortunadamente».
- Van en limitaciones, no en conclusiones. La conclusión afirma lo que los datos sostienen; las limitaciones explican hasta dónde llegan.
Qué NO es un sesgo
Confundir estas cosas con sesgos hace que la sección de limitaciones se llene de ruido:
- Una muestra chica. Es una cuestión de potencia estadística, no de sesgo. Un n bajo produce imprecisión, no desviación sistemática.
- Una delimitación deliberada. Estudiar solo una facultad es una decisión de alcance que declaraste al inicio, no un error.
- Un resultado que no confirma tu hipótesis. Eso es un hallazgo.
- Una limitación de recursos. No haber podido viajar a otra provincia acota el alcance; solo es sesgo si el criterio con el que quedaron afuera se relaciona con lo que estás midiendo.
Preguntas frecuentes
¿Declarar los sesgos debilita mi tesina?
Al contrario. El jurado ya los ve; lo que evalúa es si vos también. Lo que sí baja la nota es una conclusión que ignora un sesgo evidente.
¿Un sesgo se arregla con una muestra más grande?
No. Aumentar el n reduce el error aleatorio, no el sistemático. Si el mecanismo que produce el sesgo sigue actuando, más casos solo hacen que el resultado sesgado parezca más preciso.
¿Los diseños cualitativos también tienen sesgos?
Sí, aunque se nombran distinto. La reflexividad, la triangulación y la auditoría del proceso cumplen el papel que en lo cuantitativo cumplen los controles de diseño. Lo que no corresponde es aplicar el vocabulario de la representatividad estadística a una muestra intencional.
¿Cuántas limitaciones conviene poner?
Entre tres y cinco bien desarrolladas rinden mucho más que una lista de diez enunciadas al pasar. Priorizá las que efectivamente podrían cambiar la lectura de tus resultados.
El sesgo se piensa antes, se declara después
Ninguna tesina está libre de sesgos, y ningún jurado espera que lo esté. Lo que se evalúa es otra cosa: si sabés dónde están los tuyos, si hiciste algo razonable con los que se podían acotar y si tus conclusiones respetan esos límites. Un trabajo que hace las tres cosas se defiende solo.
Si estás en la etapa de escribir metodología, limitaciones y conclusiones y querés que las tres se sostengan entre sí, podés armar esos capítulos con Tesify: te acompaña en la redacción y te deja las referencias en APA 7. Tiene plan gratuito, así que podés probarlo con lo que ya escribiste.