Muestreo de bolas de nieve

1. Elaborar un programa de participación (sujeto a cambios, pero orientativo).
2. Contacta con las partes interesadas y solicita sus datos de contacto.
3. Establece contactos y pídeles que participen.
4. Pueden surgir grupos comunitarios que aborden problemáticas específicas y que puedan incluirse en el programa de participación.
5. Si es necesario, continúa ampliando tu red de contactos para conseguir más partes interesadas.
6. Garantice la diversidad de contactos ampliando el perfil de las personas que participan en la actividad de bola de nieve.

Es probable que los participantes conozcan a otras personas que compartan las características que los hacen elegibles para su inclusión en el estudio. ^{[ 10 ]}

El muestreo en cadena es bastante adecuado cuando los miembros de una población están ocultos y son difíciles de localizar (por ejemplo, muestras de personas sin hogar o consumidores de drogas ilegales) y estos miembros están estrechamente conectados (por ejemplo, crimen organizado , comparten intereses similares, participan en los mismos grupos que son relevantes para el proyecto en cuestión). ^{[ 10 ]}

1. Localizar poblaciones ocultas : Es posible que los encuestadores incluyan en la encuesta a personas que no habrían conocido de otra manera, pero que podrían haberlo hecho mediante el uso de redes sociales.
2. Localización de personas de una población específica : No existen listas ni otras fuentes obvias para localizar a los miembros de la población (por ejemplo, personas sin hogar, consumidores de drogas ilegales). Los investigadores utilizan el contacto y la comunicación previos con los sujetos, lo que les permite obtener acceso y cooperación de nuevos sujetos. La clave para obtener acceso y documentar la cooperación de los sujetos es la confianza. Esto se logra cuando los investigadores actúan de buena fe y establecen una buena relación de trabajo con los sujetos.
3. Metodología : Dado que los sujetos se utilizan para localizar la población oculta, el investigador invierte menos dinero y tiempo en el muestreo. El método de muestreo de bola de nieve no requiere una planificación compleja y el personal necesario es considerablemente menor en comparación con otros métodos de muestreo . ^{[ 14 ]}

El muestreo en bola de nieve puede utilizarse tanto en metodologías de investigación alternativas como complementarias. Como metodología alternativa, cuando no se pueden emplear otros métodos de investigación debido a circunstancias difíciles y cuando el muestreo aleatorio no es posible. Como metodología complementaria con otros métodos de investigación para mejorar la calidad y la eficiencia de la investigación y minimizar el sesgo de muestreo, como en el caso del muestreo por cuotas . ^{[ 12 ] [ 15 ]}

1. Sesgo comunitario : Los primeros participantes tendrán un fuerte impacto en la muestra. El muestreo en cadena es impreciso y puede producir resultados variados e inexactos. El método depende en gran medida de la habilidad de la persona que realiza el muestreo y de su capacidad para establecer redes verticales y encontrar una muestra adecuada. Para tener éxito, se requieren contactos previos dentro de las áreas objetivo y la capacidad de mantener el flujo de información en todo el grupo objetivo. ^{[ 16 ]}
2. No aleatorio : El muestreo de bola de nieve contraviene muchos de los supuestos que sustentan las nociones convencionales de selección aleatoria y representatividad. ^{[ 17 ]} Sin embargo, los sistemas sociales escapan a la capacidad de los investigadores para reclutar aleatoriamente. El muestreo de bola de nieve es inevitable en los sistemas sociales.
3. Tamaño de la población de muestreo desconocido : No hay forma de conocer el tamaño total de la población general. ^{[ 10 ]}
4. Anclaje : Otra desventaja del muestreo en cadena es la falta de certeza sobre si la muestra representa con precisión a la población objetivo. Al seleccionar solo a unas pocas personas, no siempre refleja las tendencias reales dentro del grupo de resultados. Identificar a la persona adecuada para realizar el muestreo, así como localizar a los objetivos correctos, es un proceso laborioso, por lo que los beneficios apenas compensan los costos.
5. Falta de control sobre el método de muestreo : a medida que los sujetos localizan la población oculta, la investigación tiene muy poco control sobre el método de muestreo, que pasa a depender principalmente de los sujetos originales y posteriores, quienes pueden agregar a la muestra conocida utilizando un método que está fuera del control del investigador.

La mejor defensa contra las debilidades es comenzar con un conjunto de informantes iniciales lo más diversos posible. ^{[ 10 ]} Los esfuerzos para mejorar la principal desventaja del muestreo de bola de nieve dieron como resultado el método de muestreo impulsado por los encuestados (RDS). ^{[ 18 ]} El RDS amplía el método de referencia ponderando la muestra para compensar la selección inicial no aleatoria , lo que puede conducir a la reducción de errores que ocurren en el muestreo por el método de referencia. ^{[ 14 ]}

• En poblaciones de difícil acceso y difícil participación, el muestreo en línea puede detectar mejor a los individuos de interés del investigador y permite ampliar el alcance geográfico de los estudios ^{[ 5 ].}
• Ofrece la posibilidad de aumentar la representatividad de los resultados ^{[ 5 ].}
• El muestreo virtual puede aumentar el número de respuestas en comparación con el muestreo tradicional de bola de nieve. Según Baltar (2012), quien utilizó Facebook para buscar participantes para su estudio y realizar la investigación, fue posible reducir el tiempo necesario para generar confianza entre el participante y el investigador. Los participantes eran más propensos a compartir su información personal porque el investigador también compartía información personal en su perfil de Facebook. Un mayor nivel de confianza contribuyó a una mayor tasa de respuesta ^{[ 5 ].}
• Menos costoso en relación con la técnica tradicional de muestreo de bolas de nieve ^{[ 5 ]}

• Aunque el método de muestreo virtual puede aumentar la representatividad de los resultados, la selección de la muestra está sesgada hacia las características de la población en línea, como el género, la edad, el nivel educativo, el nivel socioeconómico, etc. ^{[ 5 ]}
• La población objetivo podría no tener siempre acceso a Internet ^{[ 5 ].}

Se utilizó la técnica de muestreo virtual de bola de nieve para encontrar participantes para el estudio de un grupo minoritario: empresarios argentinos residentes en España. Aproximadamente el 60% de esta población tiene doble nacionalidad: española y argentina. Las estadísticas nacionales españolas los clasifican únicamente como ciudadanos europeos y tampoco existe información sobre el lugar de nacimiento vinculada a los perfiles de los empresarios en España. Por lo tanto, recurrir solo a las estadísticas nacionales imposibilitó la construcción de un marco muestral para esta investigación. El uso de redes virtuales en este ejemplo de población de difícil acceso aumentó el número de sujetos participantes y, en consecuencia, mejoró la representatividad de los resultados del estudio. ^{[ 5 ]}

Un nuevo enfoque para el estudio de poblaciones ocultas. Se utiliza eficazmente para evitar sesgos en el muestreo de bola de nieve. El muestreo impulsado por los encuestados (RDS) implica tanto una técnica de muestreo de campo como procedimientos de estimación personalizados que corrigen la presencia de homofilia en los atributos de la población. El método de muestreo impulsado por los encuestados emplea un sistema dual de incentivos estructurados para superar algunas de las deficiencias de dichas muestras. Al igual que otros métodos de referencia en cadena, el RDS asume que quienes mejor pueden acceder a los miembros de poblaciones ocultas son sus propios pares. ^{[ 22 ]}

El muestreo de bola de nieve para la valoración de pares es una variación del muestreo de bola de nieve, útil para investigar pequeñas poblaciones de opinión de expertos. Sus defensores ^{[ 23 ]} argumentan que tiene varias ventajas en relación con otras técnicas de bola de nieve:

1. Reduce el sesgo de selección inherente a las muestras iniciales de semillas para una bola de nieve al abogar por una fase de nominaciones que identifique objetivamente las semillas de contacto para la primera oleada;
2. Mediante el análisis de datos de red, proporciona una estimación del tamaño de la población, sin sesgos derivados de los límites poblacionales definidos por los investigadores;
3. Al informar la estimación del tamaño de la muestra en relación con la población, proporciona una medida de significancia relativa (en este contexto se pueden informar los datos de muestreo óptimo);
4. Mediante un análisis de redes de referencias, permite identificar grupos de expertos que pueden ser fundamentales para explicar las variaciones en su perfil de respuesta;
5. Permite una estrategia de nominaciones por referencias que, en ciertos casos, podría mejorar las tasas de respuesta, mientras que la estrategia de nominaciones actúa como una validación definitiva de la experiencia de los informantes y, por lo tanto, mejora la validez del contenido.