Cómo escribir sobre métodos y resultados en un artículo de revista

Describiendo Metodología y Reportando Resultados en la Escritura Académica

Después de presentar su problema de investigación y situarlo en la literatura, los lectores necesitan dos cosas en rápida sucesión: un mapa confiable de cómo generó la evidencia (la metodología) y un relato claro de lo que encontró (los resultados). Este artículo le muestra cómo escribir ambas secciones para que editores, revisores e investigadores futuros puedan verificar y reutilizar su trabajo—sin tener que atravesar detalles innecesarios.

1) El propósito de la sección de metodología

Sus métodos deben hacer más que enumerar pasos; deben justificar por qué este diseño es apropiado para estas preguntas con estas limitaciones. Una buena sección de metodología responde cinco preguntas:

1. Diseño: ¿Qué enfoque general utilizó (experimental, cuasi-experimental, observacional, estudio de caso, etnografía, encuesta, métodos mixtos)?
2. Muestreo: ¿Quién/quiénes o qué fue estudiado? ¿Cómo se seleccionaron los casos? ¿Cuál fue el tamaño de la muestra y la justificación (potencia o saturación)?
3. Materiales e instrumentos: ¿Qué herramientas, measures o equipos usó y cómo fueron validados o calibrados?
4. Procedimientos: ¿Qué ocurrió exactamente, en qué orden y bajo qué condiciones?
5. Calidad y ética: ¿Cómo aseguró la validez/fiabilidad o credibilidad/confiabilidad, y qué aprobaciones y salvaguardas estaban en vigor?

2) Qué incluir (y dónde)

3) Redacción del diseño y justificación

Comience con un párrafo compacto que nombre el diseño y lo vincule a sus preguntas o hipótesis de investigación.

Frase modelo: “Usamos un diseño de cohorte prospectivo para estimar la asociación entre exposición X y resultado Y, elegido sobre un ensayo aleatorizado debido a restricciones éticas/logísticas, y mitigamos el confounding mediante ponderación por score de propensión.”

4) Muestreo y selección de casos

• Defina la población y el marco; dé los criterios de inclusión/exclusión.
• Explique el tamaño: para trabajo cuantitativo, informe supuestos de potencia (tamaño del efecto, alfa, potencia). Para trabajo cualitativo, explique cómo juzgó la saturación temática.
• Flujo: use un diagrama para mostrar abordados → elegibles → consentidos → analizados.

5) Materiales, instrumentos y medidas

• Nombre cada medida/herramienta y declare qué captura (constructo), cómo se puntúa y la confiabilidad/validez conocida.
• Para dispositivos/ensayos: informe modelo/versión, calendario de calibración y tolerancia/error.
• Para encuestas: indique las fuentes (ítems adaptados vs nuevos), pruebas piloto y traducción/retraducción si se usaron.

6) Procedimientos y controles

Describa la secuencia de eventos con precisión. Si se utilizó aleatorización, indique la unidad, el method (p. ej., bloqueado, estratificado) y la ocultación de la asignación. Si hubo enmascaramiento, aclare quién fue cegado y cómo se probó. Para diseños observacionales, especifique el manejo de confusores y datos faltantes. Para trabajo de laboratorio, documente réplicas, reglas de exclusión y controles ambientales.

7) Plan de análisis y supuestos

• Defina claramente los resultados primarios y secundarios.
• Indique los modelos usados (p. ej., efectos mixtos lineales, regresión logística, marco de codificación temática) y las suposiciones verificadas.
• Explique el control de multiplicidad si prueba múltiples hipótesis (p. ej., Holm-Bonferroni, FDR).
• Pre-especifique análisis de robustez/sensibilidad; reserve el trabajo exploratorio para la Discusión.

8) Validez, confiabilidad y mitigación de sesgos

Los revisores buscan estas señales:

• Validez interna: aleatorización/enmascaramiento, controles de equilibrio, controles de manipulación.
• Validez/confiabilidad de la medición: confiabilidad entre evaluadores, alfa de Cronbach, calibración de instrumentos.
• Validez externa: representatividad, límites contextuales, condiciones de frontera.
• Control de sesgos: preregistro, manejo de datos faltantes, controles de contaminación, reflexividad (cualitativa).

9) Visuales que realmente ayudan

Use visuales para comprimir la complejidad—nunca para decorar.

• Figuras: esquemas de aparatos; líneas de tiempo; DAGs; mapas temáticos. Las leyendas deben permitir que un lector entienda la figura sin el texto principal.
• Tablas: criterios de elegibilidad; definiciones de variables; estadísticas descriptivas; resúmenes de modelos. Evite duplicaciones: si está en una tabla, no repita números textualmente en el texto.

Reporte de Resultados

Los resultados deben ser una narrativa factual anclada en sus tablas/figuras, no una discusión de implicaciones (guarde eso para la siguiente sección). La estructura debe reflejar sus preguntas o hipótesis de investigación para que los lectores nunca se pregunten por qué está un párrafo.

10) Opciones de estructura para resultados

• Por pregunta/hipótesis de investigación: mejor para estudios confirmatorios. Cada subsección = una RQ/H, con el resultado primario primero.
• Cronológico: útil para series temporales, experimentos con fases o diseños longitudinales.
• Temático: típico en trabajo cualitativo; temas ordenados por relevancia o lógica conceptual.
• Por flujo de método: para métodos mixtos, separa resultados cuantitativos y cualitativos e intégralos en la Discusión.

11) Redacción de resultados cuantitativos

• Comienza con efectos, no con pruebas: reporta tamaño del efecto e incertidumbre (CI) antes de los valores p.
• Sé exacto: proporciona valores p exactos (p. ej., p = 0.013) a menos que la política de la revista indique lo contrario.
• Muestra la distribución: reporta medianas/IQR cuando haya sesgo; incluye N por grupo.
• Indica modelo y covariables una vez por análisis; evita repetir detalles técnicos.

Frase modelo: “Comparado con el control, la intervención aumentó la media de puntajes en pruebas en 6.2 puntos (95% CI 3.4–9.0; n=412; ajustado por línea base, edad, sitio); p = 0.001.”

12) Redacción de resultados cualitativos

• Nombra los temas claramente y vincúlalos a tus preguntas; proporciona una breve definición analítica para cada uno.
• Evidencia con citas o notas de campo: elige extractos vívidos y típicos; atribuye características anonimizadas del hablante cuando sea relevante.
• Muestra el patrón: indica prevalencia/variación sin convertir el trabajo cualitativo en pseudo-cuantificación.
• Rastro de auditoría: indica brevemente el enfoque de codificación, verificaciones entre codificadores y notas reflexivas; código completo en el apéndice.

13) Tablas y figuras: microconvenciones que impresionan a los revisores

• Refiérete a cada visual en el texto (“ver Fig. 2”) y dile a los lectores qué observar (“Fig. 2 muestra la ruptura brusca post-política”).
• Usa unidades, escalas de eje y abreviaturas consistentes en todas las figuras.
• Evita la sobreprecisión (p. ej., dos decimales a menos que la medición justifique más).
• Notas de modelo en notas al pie, definiciones de variables y ajustes por multiplicidad dentro de la tabla.

14) Robustez, sensibilidad y resultados negativos

La credibilidad aumenta cuando pruebas proactivamente la fragilidad.

• Robustez: especificaciones alternativas, anchos de banda, niveles de agrupamiento, priors o reglas de exclusión.
• Sensibilidad: diagnóstico de influencia, métodos para datos faltantes, definiciones alternativas de resultados.
• Resultados negativos/nulos: expresarlos claramente; enfatizar precisión (IC) y potencia en lugar de disculparse.

15) Errores comunes (y soluciones)

• Deriva metodológica: resultados incluyen métodos nuevos no descritos antes. Solución: mover detalles metodológicos a Métodos y hacer referencias cruzadas.
• Duplicación: repetir cada celda de la tabla en el texto. Solución: resumir el patrón; dirigir a los lectores a la tabla.
• Sobreinterpretación: implicar causalidad a partir de diseños descriptivos o débilmente identificados. Solución: calificar afirmaciones; trasladar especulación de mecanismos a la Discusión.
• Óptica de p-hacking: muchas pruebas sin control de multiplicidad. Solución: preespecificar y controlar FWER/FDR; marcar análisis exploratorios.
• Figuras opacas: ejes sin etiquetas, fuentes diminutas, colores ambiguos. Solución: rediseñar con ergonomía centrada en el lector.

16) Mini-plantillas que puedes adaptar

Métodos—diseño y muestra:
“Realizamos un ensayo aleatorizado por conglomerados en 24 escuelas (12 intervención, 12 control). La elegibilidad requirió [criteria]. Aleatorizamos con bloques de tamaño 4 estratificados por distrito; la asignación se ocultó mediante [method]. El análisis de potencia indicó n=… para detectar Δ=… con α=0.05 (80% de potencia).”

Métodos—plan de análisis:
“El resultado primario fue [measure]. Estimamos efectos por intención de tratar usando modelos lineales mixtos con interceptos aleatorios para escuela y efectos fijos para puntuación basal, grado y distrito. Evaluamos supuestos mediante diagnóstico de residuos y controlamos FDR al 5% para resultados secundarios.”

Resultados—resultado primario:
“Los estudiantes en escuelas de intervención obtuvieron una puntuación 6.2 puntos mayor que los controles (IC 95% 3.4–9.0; n=412; p = 0.001). Los efectos fueron consistentes en todos los grados (interacción p = 0.41). Véase Tabla 2 para coeficientes del modelo y Fig. 1 para medias ajustadas.”

Resultados—tema cualitativo:
“Tema A: Fricción de recursos. Los participantes describieron escaseces crónicas que limitaron la adopción ('Compartimos un dispositivo entre cuatro'—Profesor, zona rural). Los relatos vincularon la fricción a cuellos de botella en la programación más que a actitudes, alineándose con la asociación cuantitativa entre acceso a dispositivos y adopción (Tabla 3).”

17) Integración de métodos mixtos

Si usaste ambas vertientes cuantitativa y cualitativa, reporta cada una claramente, luego intégralas explícitamente.

• Usa un párrafo entrelazado en la Discusión: muestra convergencia, complementariedad o divergencia.
• Referencia cruzada: “El efecto cuantitativo en la adopción (Tabla 2) se explica por las barreras de programación reportadas (Tema A).”

18) Reproducibilidad y transparencia

• Availability statements: indica a los lectores dónde encontrar datos y código (o por qué el acceso está restringido) y bajo qué licencia.
• Versioning: cita las versiones del software y paquetes; incluye un sessionInfo() o archivo de entorno en tu repositorio.
• Readme: proporciona un script de reproducción paso a paso (por ejemplo, 00_clean → 01_analyze → 02_tables_figures).

19) Una lista de verificación concisa antes de la presentación

1. Diseño nombrado y justificado; métodos reproducibles a partir del texto + apéndice.
2. Muestreo, elegibilidad y n reportados; potencia/saturación abordadas.
3. Todos los instrumentos definidos con fiabilidad/validez; dispositivos calibrados.
4. Aleatorización/enmascaramiento y ocultación de asignación (si aplica) descritos.
5. Resultados primarios/secundarios declarados; plan de análisis y supuestos indicados.
6. Aprobaciones éticas y consentimiento incluidos; disponibilidad de datos/código declarada.
7. Tablas/figuras redactadas primero; las leyendas son independientes; no hay duplicación en el texto.
8. Los resultados cuantitativos incluyen tamaños del efecto, IC, valores p exactos; se maneja la multiplicidad.
9. Los resultados cualitativos incluyen temas nombrados, citas y transparencia en la codificación.
10. Robustez/sensibilidad y resultados negativos reportados sin disculpas.

Conclusión

Un artículo persuasivo hace que sea fácil confiar en lo que hiciste y ver lo que encontraste. Mantén los métodos simples pero completos, con justificaciones junto a los pasos. Deja que los resultados sigan la lógica de tus preguntas, expresadas mediante una narrativa sucinta y visuales honestos y bien elaborados. Si un colega pudiera repetir tu estudio a partir de tu texto y apéndices, y si tus resultados se leen como una respuesta clara en lugar de un suspenso, has alcanzado el estándar profesional que buscan los editores.