MAESTRA EN DOCENCIA

ASIGNATURA

SEMINARIO DE ELABORACIN DE TESIS

ANTOLOGA

ANLISIS DE DATOS

COMPILADOR CABRERA GMEZ DANIEL

SANTA ANA, SONORA

DICIEMBRE DEL 2005

PRESENTACIN La presente antologa es una respuesta a las demandas de los estudiantes universitarios con la finalidad de mejorar constantemente su status acadmico. El producto que emerja del trabajo de sta, ser con el fin de avanzar hacia la construccin del producto final de la investigacin. El propsito de la Antologa de Anlisis de Datos es proporcionar a los docentes inscritos en el tercer gado de maestra en educacin, un conjunto de lecturas que apoyen su preparacin profesional, en relacin con la elaboracin de su tesis de grado. La antologa de Anlisis de Datos est dividida en cinco bloques: I.- Anlisis de contenido y categorizacin. II.- Interpretacin y teorizacin. III.- Anexo 2. (Ejemplificacin de anlisis) IV.- Anlisis de los datos. (Descriptivo) V.- El anlisis cualitativo de datos. La antologa de Anlisis de Datos tiene como objetivos principales: Que el alumno elabore el plan de trabajo de su investigacin a travs de un diseo bsico con los elementos fundamentales para la realizacin de su tesis. Desarrollar habilidades en el participante para que disee un procedimiento que le permita hacer su tesis sobre bases prcticas y principios de aplicabilidad inmediata en un tiempo mnimo y con rigurosa cientificidad. ACTIVIDADES DE APRENDIZAJE.

El curso se desarrollar siguiendo diferentes tcnicas como: exposicin individual y por equipos, lluvia de ideas y diversos talleres en los que se tratarn tpicos relacionados con los temas.

NDICE

ANLISIS DE CONTENIDO Y CATEGORIZACIN 1. Categorizacin de los contenidos. 2. Procedimiento prctico para la categorizacin. 3. Proceso mental de anlisis de los contenidos. INTERPRETACIN Y TEORIZACIN 1. Niveles descriptivos. 2. De los Datos a la teora. 3. Proceso mental generador de la teora. 4. Tcnicas para construir teoras?. 5. Utilizacin de teoras ya existentes. 6. Generacin de teoras originales. 7. Uso de analogas, metforas y modelos. 8. Diagramacin de las estructuras emergentes. 9. Puntos clave en la estructura de teoras. 10.Evaluacin de las Teoras formuladas. 11.Criterios para evaluar teoras. ANEXO 2 1. 2. 3. 4. 5. Aplicacin de la metodologa etnogrfica en educacin. Entrevistas. Teorizacin. Estructuras particulares. Sntesis conceptual.

ANLISIS DE LOS DATOS 1. Qu anlisis pueden efectuarse en los datos? 2. Estadstica descriptiva para cada variable. Frecuencias Medidas de tendencia central Medidas de la variabilidad

EL ANLISIS CUALITATIVO DE DATOS 1. 2. 3. 4. 5. 6. Introduccin. Conceptualizacin y caracterizacin del anlisis cualitativo. Perspectivas y objetivos del anlisis cualitativo. Procedimientos y tcnicas en el anlisis cualitativo. Tcticas para extraer y contrastar conclusiones. Programas informticos para el anlisis cualitativo.

MARTNEZ, M. Miguel. La investigacin cualitativa etnogrfica en educacin: manual terico-prctico. Con Anlisis de contenidos y categorizacin pp. 69-81.

El significado y valor de una palabra se encuentra en las dems. FERDINAND DE SAUSSURE

5

Este captulo y el siguiente tienen por finalidad describir las etapas y procesos que permitirn la emergencia de la posible estructura terica, implcita en el material recopilado en las entrevistas, grabaciones, notas de campo, etctera. CATEGORIZACIN DE LOS CONTENIDOS Como hemos sealado, la categorizacin, el anlisis y la interpretacin de los contenidos no son actividades mentales separables. Nuestra mente salta velozmente de uno a otro proceso tratando de hallarle un sentido a las cosas que examina; se adelanta y vuelve atrs con gran agilidad para ubicar a cada elemento en un contexto y para modificar ese contexto o fondo de acuerdo con el sentido que va encontrando en los elementos. Esta dialctica entre la figura y el fondo es continua y permanente; sin embargo, como constituyen actividades mentales diferentes, conviene que ilustremos cada una de ellas por separado, de acuerdo con la prioridad temporal de la actividad en que ponen el nfasis. Partiendo del hecho de que el material primario o protocolar (anotaciones de campo, grabaciones, filmaciones, transcripciones de las entrevistas, etc.; proto-collon era la primera hoja encolada o pegada en un documento antiguo) sea lo ms completo y detallado posible, el paso de la categorizacin o clasificacin exige una condicin previa: el esfuerzo de sumergirse mentalmente, del modo ms intenso posible, en la realidad ah expresada. En otras palabras, el investigador revisar los relatos escritos y oir las grabaciones de los protocolos repetidamente, primero, con la actitud de revivir la realidad en su situacin concreta y, despus, con la actitud de reflexionar acerca de la situacin vivida para comprender lo que pasa. Cada nueva revisin del material escrito, audicin de los dilogos o visin de las escenas filmadas nos permitir captar aspectos o realidades nuevos, detalles, acentos o matices no vistos con anterioridad o no valorados suficientemente y que, ahora, quiz con otro enfoque o contexto, son determinantes y parecen cambiar o enriquecer el significado. En la prctica, en cada revisin del material disponible es til ir haciendo anotaciones marginales, subrayando los nombres, verbos, adjetivos, adverbios o expresiones ms significativos y que tienen mayor poder descriptivo, poniendo smbolos pictogrficos, nemnicos o numricos, elaborando esquemas de

interpretacin posible, diseando y rediseando los conceptos de manera constante. En este primer momento es necesaria una gran tolerancia a la ambigedad y contradiccin (que, quiz, sean slo aparentes), una gran resistencia a la necesidad de dar sentido a todo con rapidez, y una gran oposicin a la precipitacin por conceptualizar, categorizar o codificar las cosas de acuerdo con los esquemas ya familiares. Hay que alejar todo lo que no emerja de la descripcin protocolar; de otra manera, no veremos ms de lo que ya sabemos y no haremos ms que reafirmamos en nuestras viejas ideas y aun en nuestros propios prejuicios. Esta es una propedutica fenomenolgica indispensable en toda investigacin que adopte el paradigma epistemolgico que describimos en los primeros captulos y, esencialmente, consiste en una disciplina mental que nos facilite ver todo lo que hay y nada ms que eso. El objetivo bsico de esta inmersin mental en el material primario (protocolar) recogido es realizar una visin de conjunto que asegure un buen proceso de la categorizacin. Como ya sealamos en el captulo cuatro, desde el comienzo mismo de la recoleccin de los datos y de toda informacin, ha comenzado el proceso de la categorizacin, como tambin, aunque en menor escala, el del anlisis e interpretacin terica; sin embargo, es ahora cuando se focaliza en forma prevalente y central. La categorizacin hecha hasta aqu puede haber consistido en poner marginalmente algunos rtulos de categoras y algunas propiedades o atributos de estas categoras, como tambin en hacer diferentes tipos de anotaciones o memorandos referidos a algunos aspectos de las grabaciones. Ahora se trata de categorizar o clasificar las partes en relacin con el todo, de describir categoras o clases significativas, de ir constantemente diseando y rediseando, integrando y reintegrando el todo y las partes, a medida que se revisa el material y va emergiendo el significado de cada sector, evento, hecho o dato. Desde luego, es muy lgico y natural que en las primeras aproximaciones predomine cierta confusin. Es probable que se viva la misma situacin que vive el detective cuando, inicialmente, se encuentra solo con un montn de datos y un crimen consumado. Nada le parece relacionarse con nada ni tener sentido alguno. Pero poco a poco van apareciendo los nexos y relaciones de los datos (de tiempo, de lugar, etc.) que lo ponen sobre pistas firmes, stas generan hiptesis explicativas y, finalmente, conducen al esclarecimiento de la trama oculta.

Siguiendo a Dilthey (vase Martnez, M., 1996, pgs. 189-193), podramos establecer tres condiciones para comprender mejor el significado que tienen las expresiones de la vida de otras personas: a) Es necesario familiarizarse con los procesos mentales mediante los cuales se vive y se expresa el significado; esto constituye la vida cotidiana de todo ser humano, pero el investigador debe ser ms riguroso, sistemtico y crtico en ello. b) Se necesita un conocimiento particular del contexto concreto en que tiene lugar una expresin: una palabra se entiende en el contexto de una frase, una accin humana en el contexto de su situacin, etctera. c) Es necesario conocer tambin los sistemas sociales y culturales que proveen el significado de la mayora de las expresiones de la vida: para entender una frase hay que conocer la lengua; para comprender el comportamiento de una persona hay que conocer su formacin y medio cultural, etctera. Por su parte, Allport (1973), un eminente estudioso de la personalidad, nos seala varias ideas excelentes para la comprensin de las expresiones de la vida de otras personas. Este autor considera la personalidad como un sistema y un producto complejo formado por la dotacin biolgica, la modelacin cultural, el estilo cognoscitivo y el tanteo espiritual. Para comprender a otra persona tenemos que entender su sistema neuropsquico. Todos los mtodos de la psicologa y otras ciencias nos ayudan a ello, ya que nos proporcionan datos que hacer se complementan entre s y en la personalidad como sistema, donde un mtodo de estudio sirve para corregir a otro. En nuestra comprensin asociamos detalles y realizamos inferencias: stos son elementos constituyentes del proceso total de comprensin; pero nunca percibimos un gesto o una accin en s mismos, los percibimos como partes de una estructura ms compleja, como un patrn o red de relaciones que est all fuera, que tiene sobre nuestra cognicin un efecto ms directo que el atribuible a la inferencia y a la empata, y que no puede deducirse ni reconstituirse a partir de un conjunto de datos. Por esto, la ley o la regularidad psicolgica no resulta de la frecuencia en una masa de poblacin ni de la uniformidad, sino de la necesidad interna. De esta manera, percibimos a la personalidad del otro como un patrn o estructura o sistema que emerge como una metfora nueva y que est all, en esa persona. Lo que percibimos al comprender, y que da sentido a todo, es su sistema nico de intenciones, y el foco de la comprensin es su constelacin de valores. Los valores personales son, a su vez, la fuerza dominante en la vida y, toda la actividad de una persona se orienta a la realizacin de estos valores. Por consiguiente, la comprensin del valor-orientacin del otro equivale a comprender su filosofa de la vida.

Evidentemente, en el proceso de categorizacin nuestra comprensin va captando la personalidad slo por partes o por sectores, pero el proceso es el mismo, y se debern tener muy presentes estas ideas de Allport. Al principio, el significado es sentido slo en forma implcita. Luego se va haciendo explcito con la aparicin de smbolos verbales (categoras) en nuestra conciencia. El contenido verbal de la vivencia es el concepto, el cual, sin embargo, no agota los significados potenciales que estn presentes en la gran riqueza de la vivencia. Los conceptos verbales, en cierto modo, cristalizan o condensan el contenido de la vivencia; por esto, siempre lo reducen, lo abrevian, lo limitan. El lenguaje dice Merleau-Ponty-- siempre media nuestro encuentro con el mundo, aun cuando el texto parezca ser el espejo ms transparente de aquello a que se refiere, es ms, sobre todo en ese momento. No debemos confundir nunca un mapa con el territorio que representa. Por esto, ese rico contenido siempre podr ser reconceptualizado y representado con especificaciones nuevas, sin fin, como un mapa siempre podr ser matizado con nuevos detalles. Todo smbolo verbal o categora aspira a representar a su referente, pero no hay smbolo que sea capaz de describir todos los rasgos del referente; en consecuencia, est obligado a omitir uno o varios de ellos. Por eso, todo smbolo es abstracto en sus representaciones de la naturaleza, pierde algo (o mucho) de ella y no es estrictamente adecuado o representativo. A los griegos, por ejemplo, les impresion la coraza o caparazn que tenan algunos animales, y los llamaron quelonios (acorazados); los mismos animales impresionaron a los romanos por sus patas torcidas y, as, los llamaron tortugas (patituertos). El positivismo clsico pasaba por alto este carcter simblico y limitante del lenguaje cientfico y supona que la ciencia proporcionaba una descripcin literal o estructural de un mundo objetivo, que sus conceptos eran unas rplicas exactas y completas de la naturaleza. Hoy nos referimos a este modo de ver las cosas como a un realismo ingenuo. PROCEDIMIENTO PRCTICO PARA LA CATEGORIZACIN La forma ms concreta y prctica de hacer la categorizacin es transcribir las entrevistas, grabaciones y descripciones en los dos tercios derechos de las pginas, dejando el tercio izquierdo para la categorizacin, recategorizacin y anotaciones especiales (vanse fig. 5.1 y el ejemplo en el Anexo 2). Conviene numerar las pginas y las lneas del texto, para su fcil manejo posterior, y se parar o marcar adecuadamente mediante algn smbolo los textos de los diferentes interlocutores.

Figura 5.1. Proceso de categorizacin. En el desarrollo de este trabajo, en general, pueden darse dos situaciones bastante diferentes: la que se presenta cuando hay mucho tiempo y facilidades para recabar la informacin como, por ejemplo, si el investigador est en un contacto directo, permanente y prolongado con las fuentes de informacin; y aquella en que tiene un tiempo limitado y debe recabar toda la informacin posible en ese lapso. El primero de los casos es ms ventajoso y permite ceirse ms estrictamente a las pautas del enfoque etnogrfico autntico. En esta situacin sera aconsejable seguir el mtodo de comparacin que sugieren Glaser y Strauss (1967). Dicho mtodo es un procedimiento analtico y sistemtico general para manipular los datos y construcciones lgicas derivadas de los datos, a lo largo del proceso de investigacin. Esta estrategia combina la generacin inductiva de categoras con una comparacin simultnea de todos los incidentes sociales observados. Es decir, a medida que un fenmeno social o incidente se registra y clasifica, asignndole una categora o clase, tambin se compara con los ya clasificados con la misma categora. Luego, gradualmente, el proceso va cambiando: en lugar de comparar un incidente con los otros, se van comparando los incidentes con las propiedades de las categoras. As, el descubrimiento de las relaciones, o la generacin de hiptesis, comienzan con el anlisis de las observaciones iniciales, se someten a un continuo refinamiento a lo largo de la recoleccin de los datos y el proceso de anlisis, y realimentan continuamente el proceso de categorizacin. Como los nuevos eventos son comparados continuamente con los anteriores, se pueden descubrir nuevas dimensiones tipolgicas como tambin nuevas relaciones.

10

En sntesis, podramos decir que en el mtodo de comparacin constante el investigador simultneamente codifica y analiza los datos con el fin de desarrollar conceptos. Al comparar continuamente los incidentes especficos de los datos, el investigador refina estos conceptos, identifica sus propiedades, explora las relaciones de unos con otros y los va integrando en una teora coherente. Un mtodo similar adopta Daniel Bertaux (1993), con su Perspectiva biogrfica, o relatos de vida, donde se comienza por explorar a fondo un caso bien elegido estructurando toda la informacin, luego se integra a esa estructura la informacin de un segundo caso, un tercero, etc., hasta llegar a un punto de saturacin donde los nuevos casos no aaden prcticamente nada nuevo. Este enfoque es recomendable cuando el inters del investigador est centrado en la confirmacin de una hiptesis, la descripcin de una representacin social, etctera. En el segundo caso, cuando la informacin fue recabada ya en su totalidad y no se dispone de nuevos contactos con las fuentes, el procedimiento ms adecuado de categorizacin seguira estos pasos: 1. Transcribir detalladamente los contenidos de informacin protocolar (que tienen que haber sido revisados y completados antes de abandonar el campo) en los dos tercios derechos de las pginas, numerando las pginas y las lneas para facilitar despus las referencias, como se ilustra en la figura 5.1. 2. Dividir los contenidos en porciones o unidades temticas (prrafos o grupos de prrafos que expresan una idea o un concepto central). 3. Categorizar, es decir, clasificar, conceptualizar o codificar mediante un trmino o expresin que sea claro e inequvoco (categora descriptiva), el contenido o idea central de cada unidad temtica. Este trmino o expresin (o un nmero o cdigo que lo representa) se escribe en el tercio izquierdo de la pgina. Lofland (1971) sugiere, para los fenmenos sociales, seis categoras bsicas o componentes lgicos que abarcaran toda el rea: actos, actividades, significados, participacin, relacin y situaciones: Actos: accin en una situacin que es temporalmente breve, ocupando unos minutos o unas horas. Actividades: accin de mayor duracin das, semanas, meses que involucra a las personas en forma significativa. Significado: expresiones verbales de los participantes que definen y dirigen su accin. Participacin: compromisos que involucran plenamente a las personas en la situacin estudiada.

11

Relacin: interrelaciones simultneamente.

de

varias

personas

consideradas

Situaciones: la situacin total en estudio concebida como unidad de anlisis. Dentro de cada una de estas categoras habra que distinguir, adems, varios tipos bsicos (subcategoras), usando una tipologa. Otros autores sugieren, como categoras descriptivas, los conceptos bsicos tpicos, como clase social, ideologa, identidad, estatus, rol, atipia, estigma, patologa, socializacin, organizacin informal y otros. Cada investigador tiene que elaborar su propia lista, que contendr el mayor nmero posible de categoras descriptivas. A ttulo de ejemplo, sealamos que en una investigacin sobre la naturaleza de una comunidad religiosa, se generaron las siguientes categoras descriptivas: descripcin de la situacin, descripcin de los individuos, hbitos de alimentacin, tratamiento de extraos, conflictos internos, actividades proselitistas, expresiones de valores, consideraciones econmicas, conducta en la calle, proceso de conversin y patrones de liderazgo (Williamson y cols., 1982, pg. 205). El nmero de categoras empleadas puede fluctuar desde varias docenas hasta un centenar, dependiendo de la clase de investigacin. 4. Puesto que muchas categoras que tienen el mismo nombre no son idnticas, sino que tienen propiedades o atributos diferentes, se les asignarn subcategoras o propiedades descriptivas para mayor especificacin: pueden ser causas, condiciones, consecuencias, dimensiones, tipos, procesos, etc. El ncleo central de las propiedades tendr tambin por finalidad generar la definicin de cada categora. Un ejemplo de categoras y subcategoras o propiedades lo tenemos en los buenos ndices analticos o de contenidos que se presentan al final de los libros. El de esta obra se ha preparado con esos criterios. 5. Habr tambin categoras que se podrn integrar o agrupar en una categora ms amplia y comprehensiva, lo cual se har en este paso. Strauss y Corbin (1990) llaman a esto codificacin axial. Varias ramas menores de un rbol forman una mayor; varios conceptos pueden integrarse o subsumirse en uno ms comprehensivo. Este proceso es anlogo al del anlisis factorial o del cluster anlisis que se usan en estadstica. Su fin es reducir grandes cantidades de datos o categoras a un menor nmero de unidades analticas o familias ms fciles de manejar, como cuando en biologa se integran muchas especies en pocos gneros. A modo de ilustracin, examinemos el siguiente ejemplo: un investigador puede hallar que los alumnos de una escuela no quieren a los profesores que son muy engredos, que se las dan, que desconocen su
12

nombre; igualmente, manifiestan que se oponen a la excesiva rutina, regulacin y restriccin, y que, por otra parte, les gustan los profesores que tienen siempre una sonrisa, son amables, son razonables, son comprensivos, aun cuando sean exigentes en la enseanza y en la disciplina. En este caso, podramos integrar todos estos conceptos y expresarlos con una sola megacategora (rama mayor del rbol) diciendo que los estudiantes se oponen a lo que perciben como una actitud deshumanizante. En cierto modo, sta es una actividad terica y est anticipando el proceso de teorizacin, que se explica en el captulo siguiente. 6. A continuacin, se agruparn o asociarn las categoras de acuerdo con su naturaleza y contenido. Los procedimientos prctica que se van a usar, en este punto, dependen mucho de la imaginacin y capacidad de cada investigador: pueden ir desde un par de tijeras para recortar las categoras y apilarlas por ndices en carpetas individuales (en cuyo caso se utilizar una copia del trabajo ya categorizado y nunca el original), hasta el uso de complejos programas de computacin (base de datos, programas ad hoc para manipular, organizar y reducir datos cualitativos, programas para buscar datos cualitativos en videotapes y audiotapes, etc.) que ayudarn a realizar el trabajo mecnico, pero nunca sustituirn la intuicin interpretacin del investigador. Si la categorizacin ha sido realizada como se seala en el Anexo 2, para agrupar cada categora basta hacer la lista de las pginas y sectores de lneas correspondientes como, por ejemplo, pg. 80, lneas 6-18. Este mtodo tiene la ventaja de ser simple y rpido, y de no necesitar ms de una copia (ni siquiera de los se prrafos que caen en dos o ms categoras), pero la desventaja de no tener todo el material de una categora a la vista (a menos que se imprima), obligando a ir de una parte a otra para leerlo. Cada investigador elegir el que ms le agrade. Los materiales protocolares que se presentan a la cuantificacin es conveniente codificarlos o siglarlos tambin de tal manera que se les puedan aplicar tratamientos estadsticos o procedimientos computacionales. Las tcnicas estadsticas ms apropiadas para analizar datos cualitativos son relativamente simples, como la de ji-cuadrada, la prueba de dos colas de Mann-Whitney para el anlisis de datos categoriales y el anlisis de varianza de dos o tres vas. Tambin puede ser muy til, en ciertos contextos, el uso

*Hoy da existen unos 40 programas de computacin que manipulan, ordenan, organizan y hasta tratan de interpretar y teorizar con los datos cualitativos. Hay muchos muy buenos. Quiz, los ms aconsejables, para la mayora de los usuarios, son el ATLAS / ti (de Thomas Mhr, Universidad de Berln), el NUDIST (de Thomas Richards, Australia) y el KIT (de Carl Skou, Dinamarca). Tambin son muy buenas las ltimas versiones del ETHNOGRAPH, el QUALPRO, el HYPER-RESEARCH, el AQUAD y el HYPER-SOFT. Cada mes aparecen nuevos programas o nuevas versiones de los mismos. Las caractersticas, propiedades y usos de cada uno se pueden ver en Internet; igualmente, se puede copiar la Versin de demostracin (reducida), que tienen varios, y ver sus precios y direcciones para solicitarlos.

13

del cluster anlisis, para reducir datos o categoras. En determinados casos, estos anlisis contribuyen una ayuda muy valiosa. El criterio bsico por seguir ser dictado siempre por la naturaleza del objeto o material de que se trate. 7. Si los datos y las categoras lo aconsejan, un despliegue de los mismos por medio de una matriz (columnas y lneas) revelar muchas relaciones o nexos. Esto es muy recomendable por ejemplo, cuando hay procesos en accin o variables temporales, como tambin para comparar o contraponer dos variables cualesquiera que se consideren importantes o, simplemente, para desplegar la informacin principal o bsica de un grupo de informantes. Las matrices permiten tener muchas cosas a la vista simultneamente y facilitan el descubrimiento de relaciones. 8. El paso siguiente nos introducir ya en la teorizacin. Teorizar es aplicar un mtodo formal y estructural para jugar con las ideas (vanse los tres pasos fundamentales del proceso en la figura 5.2). En este paso (teorizacin) la mente inicia un autntico juego con las categoras: percibe, contrasta, compara, agrega y ordena categoras o grupos de categoras y sus propiedades, establece nexos, enlaces o relaciones y especula. Cada una de estas actividades mentales es una rama menor de la siguiente. Esta actividad se tratar ms especficamente en el prximo captulo. La categorizacin o clasificacin de los contenidos y, ms todava, su estructuracin terica requieren, en general, mucha concentracin. No son tareas que se puedan realizar en retazos de tiempo, ya que se necesita una atencin especial que venza la inercia y la resistencia iniciales. Los primeros momentos de este tipo de trabajo estn siempre contaminados e influidos por muchas ideas extraas o ajenas al contenido que se va a trabajar. Por ello es preferible dedicarle espacios bastante largos, como una maana entera o, por lo menos, varias horas seguidas. Primero hay que calentar el agua, y slo despus comenzar el proceso de coccin.

14

Una buena categorizacin debe ser tal que exprese con diferentes categoras y precise con propiedades adecuadas lo ms valioso y rico de los contenidos protocolares, de tal manera que facilite, luego, el proceso de identificar estructuras y determinar su funcin (como se seala en el captulo siguiente), todo lo cual nos encamina con paso firme hacia el hallazgo de teoras o interpretaciones tericas slidas y bien fundamentadas en la informacin protocolar. PROCESO MENTAL DE ANLISIS DE LOS CONTENIDOS La toma de conciencia de la dinmica de este proceso ayudar a facilitar su actividad normal y efectiva, como tambin ayudar a demostrar al lector del trabajo cul fue el camino que el investigador sigui para llegar a sus resultados o conclusiones. La palabra anlisis, en su origen etimolgico, quiere decir separar o dividir las partes de un todo con el fin de entender los principios y elementos que lo componen. Pero cuando el todo es un sistema o una estructura, la divisin o separacin puede tambin destruir su naturaleza y llevarnos a no entender la nueva realidad emergente que lo hace tal. As, por ejemplo, nunca podramos conocer las propiedades del agua descomponiendo sus molculas en tomos de hidrgeno y oxgeno, ya que las propiedades de la molcula de agua aparecen slo al unirse dos tomos de hidrgeno con uno de oxgeno. Lo mismo sucedera con cualquier otro sistema o estructura, ya sea del campo natural como del rea social. Fue Descartes, como ya sealamos, quien, en su obra El discurso del mtodo, aconsej que para entender un problema, haba que fragmentarlo en tantos elementos simples y separados como fuera posible, aunque l peda para s la actitud contraria (vase cap. 2). Pero mucho tiempo antes Aristteles haba advertido que el todo era algo ms que la suma de sus partes. El enfoque de la filosofa analtica y positivista, con su nfasis en lo cuantitativo y siguiendo el consejo de Descartes, siempre le impidi ver ese algo ms, que en las ciencias humanas frecuentemente es mucho ms. La orientacin positivista ha aceptado sistemticamente el supuesto (falso) de que la realidad total se captara desmembrndola (anlisis desintegrador) en sus diferentes componentes fsicos. El ser humano es superior a los animales, no por la riqueza de Su informacin sensorial, ya que la mayora de los animales poseen una agudeza visual, auditiva, olfativa, etc., muy superior a la del hombre, sino por su capacidad de relacionar, interpretar y teorizar con esa informacin. La inteligencia humana tiene una propensin natural innata a buscar regularidades y la capacidad bsica de ordenar las cosas, segn sean semejantes o diferentes, de acuerdo con su naturaleza y caractersticas. Esta
15

actividad mental est en accin continuamente y puede sorprendernos con sus hallazgos hasta en el sueo mismo. Al reflexionar y tratar de descubrir la dinmica psicolgica de nuestra mente en el momento en que conoce algo, comprobaremos la importancia de una determinada condicin previa y la naturaleza del proceso en s mismo. La condicin previa es una inmersin lo ms completa posible en el campo fenomnico que se va a estudiar. Cuanto ms completa y duradera sea esta inmersin, cuanto ms se estime y aprecie el campo objeto de nuestro conocimiento, cuanto ms abierto se est a los detalles, matices y sutilezas del mismo, ms fcil ser la captacin de un nuevo conocimiento. Los psiclogos de la Gestalt han demostrado que cuando la mente humana contempla serena y atentamente un determinado fenmeno, en medio de esa quietud comienza como a jugar con sus elementos, y de golpe algo llega a la mente: puede ser una relacin, un ritmo, una estructura o una configuracin. El organismo humano, cuando obra libre y no defensivamente, es quiz el mejor instrumento cientfico que existe, y es capaz de sentir esta configuracin mucho antes de poderla formular de manera consciente (Rogers, 1968, pgs. 62-63). Kepler, Einstein y muchos otros grandes cientficos tenan gran confianza en esa captacin intuitiva. Por todo ello, al reflexionar y concentrarse en los contenidos de las entrevistas, grabaciones y descripciones de campo en esa contemplacin irn apareciendo en nuestra mente las categoras o las expresiones que mejor las describen y las propiedades o atributos ms adecuados para especificarlos. De esta forma, se lograr concluir apropiadamente el proceso de categorizacin que se inici en el mismo momento de comenzar la recoleccin de los datos. Ser til recordar que este proceso, eminentemente creador, de categorizacin-anlisis-interpretacin, necesita, para su buen funcionamiento, que se tengan presentes algunos consejos que se derivan del estudio de la naturaleza del proceso creativo: 1. No precipitarse. El cerebro humano no es una mquina a la que se aprieta un botn y listo!; es algo mucho ms va lioso que eso, porque puede crear algo nuevo, lo cual jams har una mquina; sin embargo, necesita cierto tiempo para relacionar las nuevas ideas con el gigantesco volumen de informacin de que dispone. Por ello, despus de un es fuerzo infructuoso (como sucede siempre en los primeros intentos de esclarecer un problema difcil), las cosas se dejan y se retoman en otra ocasin. La mente seguir trabajando en los intervalos de tiempo y, la prxima vez, todo ser ms fcil. 2. No dirigir y presionar el pensamiento en una sola direccin, ya que la solucin puede estar en otra parte; debido a ello, conviene permitir una gran fluctuacin mental.
16

3. La imaginacin debe estar en libertad de utilizar las analogas, metforas, comparaciones, smiles y hasta alegoras que crea tiles o convenientes: la moda cientfica de hoy llama modelos a todo esto. 4. Albergar una gran confianza en uno mismo y en la propia capacidad; esta confianza elimina ciertos constreimientos mentales que imposibilitan, en el nivel neurofisiolgico cerebral, el flujo de ideas y sus relaciones. Toda persona normal puede ser muy creativa, si se dan ciertas condiciones. 5. No asustarse ante algo que se opone a lo conocido, a lo sabido. Si se investiga, lgicamente se puede muy bien encontrar algo que rompa esquemas. 6. El buen investigador siente oposicin a las presiones conformistas y le agrada el riesgo de enfrentarse a lo desconocido; Le agrada vivir una cierta osada intelectual.

17

MARTNEZ, M. Miguel. La investigacin cualitativa etnogrfica en educacin: manual terico-prctico. Con Interpretacin y teorizacin pp. 83-106

La ciencia consiste en crear teoras. EINSTEIN No hay nada ms prctico que una buena teora. KURT LEWIN Si yo he logrado ver ms lejos, es porque me he puesto sobre los hombros de gigantes. (Alusin a Coprnico, Kepler, Galileo, etctera.) NEWTON

18

Einstein sola decir que la ciencia consiste en crear teoras. Ciertamente, si tenemos en cuenta la funcin que tienen las teoras en el avance cientfico, podemos decir que su construccin es el fin principal de la ciencia. La historia de la ciencia nos permite ver en forma palpable que sus avances ms revolucionarios y significativos no provienen de investigaciones empricas aisladas o de la acumulacin de hechos y experimentos, sino de teoras novedosas inicialmente desconcertantes. Este captulo constituye como el corazn de la actividad investigativa: en l se describe el proceso y el producto de la verdadera investigacin, es decir, cmo se produce la estructura o sntesis terica de todo el trabajo y, tambin, cmo se evala. Conviene destacar que las tcnicas de manipulacin de datos han crecido y se han vuelto cada vez ms complejas y matemtica mente muy refinadas; pero, paradjicamente, nuestros esquemas de interpretacin, que son los que proveen a los datos de sentido, apenas han sido cultivados y, mucho menos, estructurados eficazmente. NIVELES DESCRIPTIVOS En resumen, podramos abreviarlo todo diciendo que una vez que el investigador haya establecido y organizado las categoras y propiedades que estim y juzg ms adecuadas como elementos descriptivos, puede optar por lograr o alcanzar uno de los tres niveles que se exponen a continuacin, para coronar su trabajo. Los niveles no son totalmente excluyentes entre s, sino que se establecen de acuerdo con la actividad prevalente que los constituye: descripcin normal (1), descripcin endgena (2) y teorizacin original (3). Schatzman y Strauss (1973) proponen una divisin similar, en parte, a la nuestra. 1. Descripcin normal. El investigador presenta una sntesis descriptiva, matizada y viva de sus hallazgos, donde la categorizacin y el anlisis se realizaron aceptando y usando las teoras, las estructuras organizativas, los conceptos y las categoras descritos en el marco terico, que representan las conclusiones cientficas, las hiptesis probables y la nomenclatura aceptadas hasta el momento en el rea estudiada. Se deja que las palabras y acciones de las personas observadas hablen por s mismas al lector. Estos estudios descriptivos tienen poca o ninguna interpretacin o teorizacin. El lector de la investigacin deber sacar sus propias conclusiones y generalizaciones de los datos. Muchos etngrafos terminan su trabajo en este nivel y proporcionan, con ello, valiosos aportes para investigaciones posteriores.
19

2. Descripcin endgena. Es una descripcin generada desde adentro. Aqu la categorizacin y el anlisis, as como el esquema organizacional, los nexos y algunas relaciones entre las categoras o clases se desarrollan, bsicamente, partiendo de la propia informacin, de los propios datos. Se logra as una considerable novedad y originalidad en la descripcin, pero las posibles teoras subyacentes, que podran explicarlo todo, quedan implcitas, no se hacen evidentes. Ello exigira todava una mayor elaboracin mental. Es decir, que se interpreta con las teoras expuestas en el marco terico. Esto puede tener una seria limitacin, especial mente si los datos de que se extrajeron esas teoras provienen de otros lugares, de otros tiempos, de otras culturas, etctera. 3. Teorizacin original. Si el nivel de reflexin contina, relacionando siempre ms entre s las categoras o clases encontradas y sus atributos y propiedades, irn apareciendo ms nexos y analogas y las teoras implcitas poco a poco se harn explcitas, se harn evidentes: aparecer en nuestra mente alguna teora sustantiva, es decir, una red de relaciones entre las categoras. Por ello, para lograr este nivel el investigador debe tambin hacer patente o revelar la analoga, metfora o modelo con que trabaj en el momento de la categorizacin y del anlisis. Igualmente, habr que tener muy presente que el proceso de categorizacin-anlisis-interpretacin deber estar guiado fundamentalmente por conceptos e hiptesis que provengan o emerjan de la informacin recabada y de su contexto propio que muy bien pudieran ser nicosy no de teoras exgenas, las cuales slo se utilizarn para comparar y contrastar los resultados propios. Esta comparacin y contrastacin muy bien pudieran llevarnos hacia la reformulacin, reestructuracin, ampliacin o correccin de una teora previa, logrando con ello un avance significativo en el rea; es decir, la teora ya existente cumplira en gran parte la funcin de proveer algunas lneas directrices para interpretar los datos. El investigador decidir, de acuerdo con sus posibilidades y con los fines de la investigacin, qu nivel escoger. Pensamos que un trabajo de grado (tesis de maestra, de doctorado, trabajo de ascenso en las ltimas categoras acadmicas) debe lograr, al menos, el segundo nivel, sin que ello signifique que, en casos especiales, no haya tambin investigaciones descriptivas normales que cumplan con los niveles de excelencia y rigor cientfico requeridos y suficientes para esos fines. Este captulo trata especialmente de ilustrar el camino por seguir para poder alcanzar los niveles segundo y tercero.

20

DE LOS DATOS A LA TEORA Heidegger sostiene que ser humano es ser interpretativo; es decir, que la interpretacin, ms que un instrumento para adquirir conocimientos, es el modo natural de ser de los seres humanos, y todos los intentos cognoscitivos para desarrollar conocimientos no son sino expresiones de la interpretacin sucesiva del mundo. Conviene tener bien claro que es falsa la idea tradicional o ciencia de viejo estilo, como la llama el Premio Nobel de Fsica Henry Margenau (1969) segn la cual la teora cientfica no es otra cosa que la sistematizacin de los datos, ya que no hay reglas de induccin, generalmente aplicables, por medio de las cuales se puedan derivar o inferir de manera mecnica hiptesis o teoras a partir de los datos empricos. Aun dentro de los crculos de la metodologa cualitativa, hay autores, como Strauss y Corbin (1990), cuyo concepto de grounded theory contiene serios resabios de esta orientacin positivista, ya que sostienen que la teora se deriva inductivamente de los datos (pg. 23) y se valida contrastndola con ellos (pg. 133). Los mismos dos conceptos involucrados en la expresin grounded theory lucen epistemolgica y semnticamente como contradictorios. Debido a esto Reason y Rowan (1981, pg. XX) dicen que la grounded theory es un ejemplo excelente de un enfoque de investigacin cualitativa que se apoya firmemente en el viejo paradigma (positivista). Por esto es tambin falsa y engaosa la analoga del rompecabezas, usada frecuentemente por muchos autores aun entre aquellos de reconocido prestigio en la metodologa cualitativa, como Goetz y LeCompte (1984, pg. 192), que insina que el cientfico es como el hombre que trata de resolverlo. Examina cada pieza del rompecabezas con gran cuidado y trata de colocarla en el propio lugar preestablecido, seguro de que cabe en algn lugar. Las piezas son los hechos observables de la naturaleza, la ciencia los estructura en modelos y un modelo representa la solucin del problema en cuestin. Segn Smith y Heshusius (1986, pg. 7), estas autoras ignorando las diferencias de paradigma y adoptando un paralelismo explcito, hacen de la investigacin cualitativa poco ms que una variacin procedimental de la investigacin cuantitativa, algo con el mismo marco de referencia paradigmtico. Igualmente, Miles y Huberman, en su muy utilizada obra sobre el Anlisis de los datos cualitativos (1993), se declaran positivistas lgicos y convierten los aspectos de las profundas diferencias del paradigma epistemolgico en una simple discusin de variaciones metodolgicas. La transicin, en cambio, de los datos a la teora requiere de imaginacin creadora. Popper observa que las teoras son el resultado de una intuicin casi potica (1963, pg. 192). Las hiptesis y teoras cientficas
21

no se derivan de los hechos observados, sino que se inventan para dar cuenta de ellos; son conjeturas relativas a las conexiones que se pueden establecer entre los fenmenos estudiados y las uniformidades y regularidades que subyacen a stos. Las conjeturas felices de este tipo requieren gran inventiva, especialmente si suponen una desviacin radical de los modos ordinarios del pensamiento cientfico, como ocurri con las grandes teoras que fundamentan a cada una de las ciencias. Por todo ello, lo mnimo que se puede decir de la analoga del rompecabezas enfoque o analoga netamente positivista es que con sus piezas se pueden formar diferentes figuras y, evidentemente, unas mejores que otras. Ello se debe, sobre todo, al hecho de que los bordes de los datos no son fijos, como los bordes de las piezas del rompecabezas, sino que son flexibles, ya que reciben su forma de la teora que se elija, o del cambio de gestalt con que se observa la figura. Ms adecuadamente, podramos decir que el proceso mental del anlisis de los hechos nos va concentrando y obligando, como un embudo, a desembocar en una teora de xito. Varios de los fsicos-filsofos que crearon la nueva fsica en el siglo XX (Einstein, Heisenberg, Schrdinger, Niels Bohr, Max Planck) sostienen, en diferentes formas, que no llegaron a sus hallazgos siguiendo una receta o una frmula metodolgica y ni siquiera un procedimiento lgico por medio del cual se pudiera ir de los datos de la observacin hasta la teora cientfica. Einstein precisa que estn en un error aquellos tericos que creen que la teora se obtiene inductivamente a partir de la experiencia (Hanson, 1977, pg. 229). El mismo, al hablar de su trabajo en la bsqueda de teoras explicativas para sus datos, dice que tal teora no le gusta, que no le gustan sus elementos, que no le gustan sus implicaciones, etc. Y su asistente personal de investigacin afirma que el mtodo de Einstein, aunque basado en un profundo conocimiento de la fsica, era esencialmente esttico e intuitivo.; que Einstein era sobre todo un artista de la ciencia (Clark R. W., 1972, pgs. 648-650). Sin embargo, es pertinente advertir que cuando los cientficos como Einstein hablan de gustos en contextos como ste, en realidad quieren decir que algo no les satisface intelectualmente. Estas mismas razones hacen afirmar a Bunge (1975) que no hay elaboracin de datos estadsticos que produzca por s misma nuevas hiptesis, por no hablar de leyes; que, en general, no hay esfuerzo tcnico, emprico o matemtico, por grande que sea, que pueda ahorrarnos el trabajo de inventar nuevas ideas, aunque, sin duda, aquel trabajo tcnico puede muy bien disimular la falta de ideas. . .; que no hay truco ni mquina alguna que pueda convertir un montn de datos, por precisos, numerosos y relevantes que sean, en un enunciado de alto nivel. Lo nico que puede inferirse de los datos son enunciados del ms bajo nivel, es decir, generalizaciones empricas; y esto con ambigedades, de tal forma que esos enunciados
22

quedarn aislados mientras no se invente algn principio unificador ms fuerte (pgs. 347, 373). Una teora es una construccin mental simblica, verbal o icnica, de naturaleza conjetural o hipottica, que nos obliga a pensar de un modo nuevo al completar, integrar, unificar, sistematizar o interpretar un cuerpo de conocimientos que hasta el momento se consideraban incompletos, imprecisos, inconexos o intuitivos. En su origen etimolgico, teora (de thes: dios, divinidad), significa una iluminacin especial interna, que nos habilita para ver el mundo y las cosas en forma diferente (vase Martnez, M., 1996, pg. 241). La teora es, por tanto, un modelo ideal, sin contenido observacional directo, que nos ofrece una estructura conceptual inteligible, sistemtica y coherente para ordenar los fenmenos; de manera ms concreta, suele consistir en un sistema de hiptesis, frmulas legaliformes y hasta leyes ya establecidas, de modo que su sntesis puede incluir desde lo plenamente conocido hasta lo meramente sospechado. Precisamente, el proceso en que se da un descubrimiento cientfico reduce la atencin focal de las observaciones a un nivel subsidiario, centrando la conciencia no en ellas, sino en su coherencia terica interna. Este acto de integracin, este acto de comprensin que se puede identificar tanto en la percepcin visual de los objetos como en el descubrimiento de las teoras cientficas, es un poder especial de nuestra capacidad cognoscitiva, y es lo que Polanyi (1969) llama conocimiento tcito. El conocimiento tcito se fundamenta en todo lo que nosotros sabemos y aplicamos en forma automtica, no consciente; est constituido por una gran multitud de asociaciones que originan nuevos significados, nuevas ideas y nuevas aplicaciones de lo viejo. Este conocimiento se caracteriza por su aspecto funcional, por estar en funcin de otra realidad y dirigido hacia ella. Esta direccionalidad, esta cualidad vectorial, coincide con la clase de intencionalidad que Franz Brentano consideraba caracterstica de toda forma de conciencia. Ya Aristteles haba sealado que el alma (la psique) es la que ve, y no el ojo. PROCESO MENTAL GENERADOR DE LA TEORA Cmo se origina una teora o construccin terica en nuestra mente? Esta pregunta ha sido objeto de mucha especulacin y no tiene una respuesta simple. A lo sumo, podemos decir que una teora es el fruto de un salto de la imaginacin, de la inspiracin, de la induccin o de la conjetura. Einstein dijo que la cosa menos inteligible del mundo era que (el mundo) fuera inteligible (Davies, 1973, pg. 78) y que no existe una manera lgica de descubrir las leyes elementales; slo existe el camino de la intuicin, la cual es ayudada por el presentimiento del orden que existe detrs de las apariencias (1933). Si
23

tenemos presente todo esto, podremos aceptar con mayor facilidad el papel que desempean las analogas, las metforas y los modelos en el surgimiento de las teoras. De las investigaciones y los estudios sobre los procesos creativos podemos extraer algunas ideas que ayudarn a esclarecer el origen de una teora en nuestra mente. La mente consciente puede buscar en la memoria y relacionar datos e ideas apropiados para la solucin de un problema, pero eso casi siempre lo hace relacionando el planteamiento del problema con nuestra estructura cognoscitiva personal, la cual activa las ideas antecedentes pertinentes y las soluciones dadas a problemas anteriores parecidos que, a su vez, son reorganizadas y transformadas en forma de proposiciones de solucin al nuevo problema que se plantea. Ahora bien, cuando la solucin al nuevo problema exige relaciones o estructuras novedosas u originales, la mente consciente toma con facilidad la direccin errnea, la direccin de lo conocido, de lo viejo, de lo trillado; es decir, nos lleva por un camino estril. Sin embargo, este esfuerzo no es intil; por el contrario, resulta muy provechoso pues selecciona muchas ideas pertinentes y que, de alguna manera, tienen conexin con el problema. Estas ideas, cuando la mente consciente deja de forzarlas en una determinada direccin, se unen entre s con otras pertinentes y adecuadas que ellas movilizan de acuerdo con su propia naturaleza; no es que se enlacen al azar, pues el azar no es creativo. La unin de estas ideas, por sus caractersticas y naturaleza, y a nivel preconsciente o subliminal, da como resultado el hallazgo, la invencin o el descubrimiento. No se podra explicar de otra manera que esos resultados aparecen durante momentos de reposo, pero despus de un gran esfuerzo mental sobre los mismos. Resultar muy til comparar el proceso por el cual se llega a los resultados finales de una investigacin, con el procedimiento que se sigue en un proceso judicial para encontrar la verdad de los hechos analizados y emitir un veredicto. Popper, Feyerabend, Ricoeur, Radnitzky, Hart y otros autores observan un paralelismo muy grande entre ambos procesos. Hart, especialmente, sienta las bases para una teora general de la validacin en las ciencias humanas mediante el uso del procedimiento argumentativo del razonamiento jurdico y la manera como los jueces llegan, a travs de un conflicto de interpretaciones (refutacin de excusas, pruebas de testigos, demostraciones del abogado acusador o defensor, rechazo de falsas evidencias, etc.), a establecer la interpretacin final: el veredicto (dicho verdadero), el cual, sin embargo, es an apelable (Radnitzky, 1970, pg. 24; Ricoeur, 1971, pg. 552). Hay tres hechos sobresalientes en esta comparacin: a) En el proceso judicial, la forma es plenamente dialctica (cada cosa va influyendo y cambiando el curso de las dems).
24

b) Un dato, un hecho o una prueba pueden cambiar totalmente la interpretacin del conjunto. c) La relatividad y provisionalidad de toda la interpretacin. TCNICAS PARA CONSTRUIR TEORAS? La mayora de los investigadores manifiestan dificultades en describir qu es lo que hacen cuando teorizan; pero un anlisis cuidadoso de sus actividades mentales har ver que son similares a las actividades cotidianas de una persona normal: las actividades formales del trabajo teorizador consisten en percibir, comparar, contrastar, aadir, ordenar, establecer nexos y relaciones y especular; es decir, que el proceso cognoscitivo de la teorizacin consisten descubrir y manipular categoras y las relaciones entre ellas. Una metodologa adecuada para descubrir estructuras tericas no puede consistir en un procedimiento tpicamente lineal, sino que sigue bsicamente un movimiento en espiral, del todo a las partes y de las partes al todo, aumentando en cada vuelta el nivel de profundidad y de comprensin (vase fig. 6.1). La visin del todo da sentido a las partes y la comprensin de stas mejora la del todo: conociendo el bosque se comprenden mejor los rboles, y captando las particularidades de stos, se mejora la comprensin del bosque. La actitud y cualidad mental bsica del teorizador debe ser similar a la versatilidad de un buen fotgrafo que, para captar la riqueza de vida en una fiesta, cambia continuamente y busca los mejores ngulos, enfoques y perspectivas. Slo as se podr obtener un buen lbum de la fiesta o una buena imagen (o teora) de la realidad estudiada. Si tenemos presente el concepto de teora antes expuesto, es decir, que la teora es una construccin mental, una invencin y un mero descubrimiento o induccin, es evidente que no pueden existir unas reglas de oro cuya aplicacin mecnica produzca teoras cientficas. La invencin no es un procedimiento mecanizable. No existe ni puede existir una teora de la construccin de teoras, ni una tcnica para formar genios, ni una metodologa de la originalidad. Todo esto es algo autocontradictorio conceptualmente y nos lleva al mito de la metodologa, que Kaplan (1979) considera bastante extendido entre algunos estudiosos de las ciencias del comportamiento.

25

En sntesis, no tenemos tcnicas de la construccin de teoras y no las tendremos nunca. Por esta razn, aunque contamos con teoras de los automatismos, no poseemos ningn plano del autmata teorizador. Slo podemos saber, en relacin con la construccin de teoras, que stas no se consiguen manipulando datos, con la ayuda de computadoras o sin ella, sino inventando una esquematizacin ideal del objeto de la teora y complicndola luego en forma gradual, o sea, introduciendo ms conceptos tericos y relaciones ms complejas entre ellos, como lo exija y permita nuestra imaginacin, pero con la ayuda y el control de la razn y la experiencia (Bunge, 1975, pg. 497). Como han sealado numerosos cientficos, slo se llega a una y buena teora mediante el ejercicio de la imaginacin creativa. Talvez se podra hablar de descubrir leyes, pero, si se trata de teoras, solamente se puede decir que son inventadas o construidas, ya que la formacin de una teora no consiste en descubrir o en destapar un hecho escondido; la teora es un modo de mirar los hechos, un modo de organizarlos y representarlos conceptualmente a travs de una nueva red de relaciones entre sus partes constituyentes. Aunque la teora se ajusta y acomoda en cierta forma al mundo exterior, en otro sentido importante crea un mundo propio (Kaplan, 1979). No obstante todo lo dicho, a continuacin sealaremos una serie de opciones, recursos y ayudas mentales con el fin de facilitar el proceso de nuestra mente en el descubrimiento de esa nueva red de relaciones que constituye la estructuracin terica del rea estudiada y, por tanto, el aporte especfico de la investigacin.
26

UTILIZACIN DE TEORAS YA EXISTENTES Cmo se originaron concreta e histricamente las teoras ms insignes de nuestra ciencia actual? En el campo de la fsica, por ejemplo, Newton reuni las leyes de Kepler, la ley de la cada libre postulada por Galileo, las leyes de las mareas y lo que era conocido acerca de los movimientos de los cometas, y estableci una ley general: la ley de la gravitacin universal que las abarcaba a todas. Newton, despus, supuso que las normas generales que parece no obedecer los cuerpos de tamao medianamente grande son verdad tambin para cada partcula de materia, sea cual fuese su clase y tamao. Despus de poner en prctica esta idea, construy por s mismo un nuevo universo hecho con los fragmentos ms pequeos de la materia, donde cada uno de ellos sigue las mismas leyes o axiomas. Este universo es una construccin como el universo abstracto de la geometra que Euclides construy a partir de sus axiomas. Niels Bohr, por su parte, tambin concibi su famosa teora atmica en 1913, al hacer una sntesis de dos teoras preexistentes: la teora atmica de Rutherford y la teora cuntica de Max Planck, cre as la imagen moderna del tomo. Igualmente, Maxwell haba unificado en su teora electromagntica las teoras de la electricidad, del magnetismo, de la ptica y de las radiaciones. Es muy natural que en las disciplinas ya establecidas no se presente un estadio plenamente preterco, s no es en campos o reas muy particulares; siempre habr alguna teora ms o menos a fin que ayude en el trabajo de la nueva construccin mental, ya sea mediante el aporte de ideas o la sugerencia de planteamientos, como sucedi en los casos de Newton, Bohr y Maxwell. En el campo de las ciencias humanas, la construccin y reconstruccin, la formulacin y reformulacin de teoras y modelos tericos o de alguna de sus partes mediante elementos estructurales de otras construcciones tericas, es el modo ms comn de operar y de hacer avanzar estas ciencias. Paul Ricoeur, por ejemplo, utiliza ideas de la fenomenologa, del psicoanlisis, del estructuralismo francs, de la teora lingstica de Ferdinand de Saussure y de la hermenutica, para construir una teora metodolgica para el estudio de los fenmenos humanos. Su trabajo no es una amalgama, o un simple eclecticismo, sino una unificacin e integracin de esas partes y, adems, un esfuerzo para adecuarlas y atender los requerimientos especiales de las ciencias humanas. Einstein mismo lleg a afirmar en repetidas ocasiones que su teora de la relatividad especial no encontr entidades aisladas ni hechos anteriormente desconocidos, ya que sus elementos (los conceptos de espacio, tiempo, materia, fuerza, energa, gravitacin, onda, corpsculo, velocidad, etc.) estaban en el ambiente desde haca cincuenta aos; lo que l propuso fue una nueva manera de clasificar y relacionar cosas ya conocidas. Y Leibniz afirm: mi sistema toma lo mejor de todos los lados.
27

Sin embargo, lo que en las ciencias de la naturaleza puede ser bueno, debido a su carcter ms universal, en las ciencias humanas puede resultar muy funesto. En la tarea investigativa en estas ciencias a menudo se opta por imitar o copiar modelos extranjeros o extranjerizantes. La imitacin muchas veces es sumamente engaosa: al imitar se elude el esfuerzo creador de lucha con el problema, que puede hacernos comprender el verdadero sentido y los lmites o defectos de la solucin que imitamos. Por otro lado, si en algn campo tcnico resulta a veces ms rentable la compra directa de algunas patentes que el mantenimiento de un aparato cientfico propio, en el rea de las ciencias humanas esto resulta imposible: la idiosincrasia nacional o regional, las estructuras y los contextos propios e infinidad de variables individuales en accin hacen que la realidad que se va a estudiar sea muy particular y propia y, en ocasiones, simplemente, nica. Por otra parte, la orientacin etnogrfica, como sealamos en el captulo 2 y en otras partes, asume como postulado el enfoque fenomenolgico, extremando todos los recursos metodolgicos y tcnicos para lograr que la estructura terica, posiblemente implcita en los datos, emerja de ellos. GENERACIN DE TEORAS ORIGINALES La interpretacin que realiza nuestra mente puede requerir cierto tiempo, pero ordinariamente es instantnea e inconsciente, como obra del hemisferio cerebral derecho. Recientes estudios de la neurociencia (Ralph, 1976) hacen ver que la velocidad de procesamiento de informacin del sistema nervioso no consciente su pera toda posible imaginacin humana: de uno a diez millones de bits por segundo, y la comunicacin entre ambos hemisferios excede los 4000 millones de impulsos por segundo (Eccles, 1980). Por esto es fcil caer en un realismo ingenuo y pensar que nuestra observacin es pura, objetiva, no contaminada. Pero toda observacin implica ya una interpretacin, esto es, una insercin en un esquema o marco referencial que le da sentido, lo cual no supone un obstculo para el estudio cientfico, como tema Bacon, sino que es una mediacin necesaria. Debido a ello, toda observacin de algo es de algo porque preexisten unos factores estructurantes del pensamiento, una realidad mental fundante o constituyente, un trasfondo u horizonte previo en los cuales se inserta y que le dan un sentido. Si ese marco referencial falta, la observacin no es tal, el dato no es dato y el hecho no es nada. Son realidades neutras o plenamente ambiguas. Gadamer (1977) piensa que nunca podremos tener un conocimiento objetivo del significado de cualquier expresin de la vida humana, ya que siempre estaremos influidos por nuestra condicin de seres histricos: con nuestro modo de ver, con nuestras actitudes y conceptos ligados a la lengua, con nuestros valores, normas culturales y estilos de pensamiento y de vida. Todo esto hace que el investigador se aproxime a cualquier expresin de la
28

vida humana, no como la famosa tabula rasa de Locke, sino con expectativas y prejuicios sobre lo que pudiera ser el objeto observado. Debido a ello, la interpretacin implica una fusin de horizontes, una interaccin dialctica entre las expectativas del intrprete y el significado de un texto o acto humano. En trminos de la psicologa de la Gestalt, aunque no siempre, diramos que la realidad exterior tiende a sugerirnos la figura, mientras que nosotros le ponemos el fon do (contexto, horizonte, marco terico). Los filsofos escolsticos fueron muy conscientes de esta realidad y la concretaron en un famoso principio: lo que se recibe, se recibe segn la forma del recipiente, lo cual, psicolgicamente, quiere decir que el ser humano moldea el objeto de su percepcin de acuerdo con sus caractersticas personales. Este es el mismo concepto ya sealado de la intencionalidad de Brentano. Como deca Peirce, slo podemos comenzar a caminar (en nuestro proceso cognoscitivo) a partir de donde ya nos encontramos. La mente humana trabaja sobre los datos que recibe, como el escultor sobre su bloque de mrmol. Diferentes escultores pueden extraer estatuas diferentes del mismo bloque. Diferentes mentes pueden construir tambin mundos diferentes del mismo caos montono e inexpresivo. Tal vez en el rea de la percepcin auditiva sea donde mejor se compruebe esta realidad: cuando a nuestro alrededor se desarrollan varias conversaciones diferentes al mismo tiempo, podemos or y dar sentido a una que nos interesa, mientras desomos las dems que no nos llaman la atencin y permanecen siendo lo que objetivamente son: simple ruido; pero en cualquier momento podemos cambiar nuestra atencin, y lo que era simple ruido se con vierte en conversacin interesante, y viceversa. Con respecto a este proceso interno de la mente humana, Rogers (1968) seala que:
Toda ciencia est basada en un reconocimiento ordinariamente prelgico, intuitivo, que implica todas las capacidades del organismo de una sentida pero oscura forma o gestalt: una realidad escondida. Esta gestalt confiere sentido a fenmenos inconexos. La aprehensin total de esa gestalt ser tanto ms adecuada cuanto ms libre se encuentre de los valores culturales y de otros valores cientficos anteriores. Igualmente, ser ms adecuada cuanto ms se base en la sensibilidad total del organismo, en las intuiciones inconscientes como en las conscientes. Considero este sentir una gestalt de relaciones, quiz, como el corazn de toda verdadera ciencia (pgs. 64-65; las cursivas son nuestras.)

Este proceso, en que predomina la fuerza estructurante de la informacin recogida, sobre los valores, la cultura y las rutinas mentales preexistentes en nosotros, es el que impulsa en una nueva direccin y genera la estructura terica diferente y original. Por una parte, los datos o las categoras manipuladas no encajan en las teoras preexistentes o las contradicen; por otra, sugieren o apuntan hacia una nueva red de relaciones, hacia otra explicacin y estructura terica. No debemos olvidar que los grandes investigadores (socilogos, psiclogos, pedagogos, etc.) encontraron y formularon las teoras que divulgaron partiendo de sus datos y que nosotros

29

tenemos otros datos, recogidos, adems, en otro tiempo, en otro lugar y en otro contexto. Cuando el material protocolar recogido, ya conceptualizado y categorizado, no sugiere ni apunta en la direccin de ninguna hiptesis o teora conocida, o en sus partes no se perciben asociaciones, covariaciones o relaciones causales, no conviene precipitarse y considerarlo como un caos o algo sin sentido; al contrario, es importante seguir la idea que Einstein tena de la ciencia cuando afirmaba que la ciencia no buscaba slo el orden y la igualdad entre las cosas, sino, y sobre todo, unos aspectos todava ms generales como la simetra, la armona, la belleza y la elegancia, aun a expensas de su adecuacin emprica. Ciertamente, estas cualidades de orden y armona pueden aflorar en la medida en que nosotros estemos abiertos y seamos receptivos para facilitar su emergencia y aparicin. Para ello se requiere, como condicin indispensable, que se renuncie por lo menos temporalmente al nico orden aparente, a la nica lgica siempre usada, a la nica racionalidad siempre aceptada, y que se permita cierta entrada a lo que al principio puede presentarse como un des concertante desorden, caos y sinsentido, porque muy bien puede haber, en ese campo desconocido que se investiga, otro tipo de orden, otra clase de lgica y otra forma de racionalidad que no pueden entrar completamente en los esquemas anteriores. En ltima instancia, lo nuevo y original puede serlo en muchos aspectos, en muchas formas y en muchos niveles que desafan nuestra capacidad lgica usual y corriente. El desarrollo de una estructura terica basada firmemente en los datos, y que emerja de ellos, no es fruto del azar; se logra mediante una descripcin sistemtica de las caractersticas que tienen las variables de los fenmenos en juego, de la codificacin y formacin de categoras conceptuales, del descubrimiento y validacin de asociaciones entre los fenmenos, de la comparacin de postulados y construcciones lgicas que emergen de los fenmenos de un ambiente con otros de ambientes o situaciones similares. Podramos resumir estos procesos, simplificando, con la frase: tenemos que tratar de ver el bosque y los rboles al mismo tiempo; es decir, el todo y las partes, cada cosa y su contexto, porque en ese juego dialctico se explicar y se comprender cada realidad. Si todava no vemos o no emerge la estructura terica o la red de relaciones que lo clarifica todo, debemos seguir luchando con el problema, porque ah est su solucin y ah nos espera nuestro eureka! Recordemos como ya sealamos que, segn Sherlock Holmes, el mundo est lleno de cosas obvias que nadie nunca ver. De esta forma, se van desarrollando y confirmando las proposiciones e hiptesis que dan fe de los datos y que los explican de manera adecuada. Si en la investigacin experimental se buscan unos datos para confirmar una
30

teora, en la investigacin cualitativa etnogrfica se busca una teora que explique los datos encontrados; en efecto, la experimentacin es una verificacin de hiptesis, mientras que la etnografa trata de generar hiptesis o teoras. Para entender el significado de un comportamiento humano debemos entender su significado funcional, es decir, el papel que desempea en el todo de que forma parte, en el sistema en que est integrado o insertado. Si el material protocolar ha sido descrito cuidadosamente y la categorizacin se ha realizado tambin en forma adecuada (avanzando categoras de anlisis y propiedades que especifican las categoras, aunque slo sea provisionalmente), no ser difcil descubrir nexos y relaciones entre los diferentes actos o hechos conductuales y ver cmo encajan en el contexto de una situacin, todo lo cual har que vayan apareciendo y consolidndose diferentes estructuras e hiptesis tericas y explicativas. Cada una de estas estructuras estar compuesta por una red de elementos que pierden su condicin de tales al unirse entre s en forma interdependiente, y al relacionarse con ella mediante el desempeo de una funcin. Como vemos, este anlisis integrador, que tratamos de ilustrar, est muy lejos de consistir en separar, dividir, aislar, atomizar o viviseccionar una realidad, ya que ello llevara a su incomprensin. En este enfoque, que es fenomenolgico, hermenutico y etnogrfico, se considera que el significado es el verdadero dato, es decir, que la magnitud de un dato est dada por su nivel de significacin y que este dato se presenta en un contexto individual y en una estructura personal y social que es necesario conocer para interpretarlo. USO DE ANALOGAS, METFORAS Y MODELOS Podemos afirmar que nuestro aparato cognoscitivo es incapaz de trabajar sin usar continuamente las analogas. Nuestra mente capta la naturaleza de las cosas desconocidas por su relacin analgica o por su similitud estructural con otras que ya conoce. As, decimos rbol genealgico, rama de la medicina, arteria vial, madre patria, lavado de dlares, inflacin de la moneda, etc. Puede considerarse a la inteligencia como la habilidad de una persona para percibir analogas sucesivas en un nivel siempre mayor de abstraccin. Y esto nos recuerda las palabras de Aristteles: lo ms grande a que se puede llegar es a ser un maestro de la metfora; sta es la marca del genio. Todos sabemos, por ejemplo, cun fructfera fue para Freud la analoga hidrulica al estructurar la teora psicoanaltica; y en forma similar aparecieron la gran mayora de los descubrimientos e invenciones cientficos. Por esto, el fomento y uso de la imaginacin a travs de comparaciones, smiles, metforas y analogas, nos

31

llevar a crear un modelo que puede representar conceptual y adecuadamente una estructura terica como imagen de la realidad estudiada. Si nuestro aparato cognoscitivo comprende las realidades desconocidas por comparacin y semejanza con las ya conocidas, deber usar continuamente analogas, metforas y modelos. Y no podra ser de otra forma, ya que la analoga y todas las formas expresivas que participan de su concepto, son instrumentos potentes de la ciencia. As lo han considerado los ms grandes cientficos de nuestra poca. Robert Oppenheimer (1956), por ejemplo, afirma que la analoga es un instrumento verdaderamente indispensable e inevitable para el progreso cientfico. Y al explicar ms su pensamiento, aclara que no se est refiriendo a la metfora o a la alegora (aunque sabemos que la analoga es una metfora o una alegora condensada), sino a una clase especial de semejanza entre dos ciases de estructura, dos clases de particulares que son manifiestamente muy diferentes, pero que tienen un paralelismo estructural. Esto significa que se refiere, sobre todo, a sus relaciones e interconexin. La analoga (o el modelo) es una comparacin sistemtica postulada entre un fenmeno cuyas leyes son ya conocidas y otro que se encuentra todava en investigacin. Aqu es donde residen el gran poder y el valioso aporte de la analoga: no se trata slo de decir las cosas con un lenguaje vivo y atractivo, lo cual no sera poco, sino que es un poderoso medio que revela y ayuda a ver relaciones escondidas entre temas aparentemente no relacionados. La creacin de una estructura conceptual o la generacin de una teora es fruto de una actividad especficamente humana y personal y se establece en torno a una idea que tiene un gran poder de explicacin del fenmeno o problema estudiado. Schatzman y Strauss (1973), por ejemplo, en un estudio sobre la vida y las relaciones que se desenvolvan en un hospital psiquitrico donde haba mdicos, enfermeras, personal administrativo, enfermos residentes, etc., describen cmo, despus de muchos anlisis comparativos, llegaron al concepto de orden negociado entre los diferentes grupos. Este concepto una y daba sentido a todos los dems codificados hasta el momento y a las relaciones entre ellos con un gran poder de explicacin, y hasta pensaron que haban descubierto una nueva teora de mayor alcance sobre el orden social institucional (pg. 117). Aunque las analogas y los modelos han constituido incuestionablemente una fecunda fuente de teoras cientficas, conviene sealar tambin el peligro que representa su mal uso. Un modelo o una analoga que no descanse en una semejanza o paralelismo estructural, nos har caminar ligeros, pero por el camino equivocado. Por ello, el problema se plantea entre el uso de metforas fructuosas o de metforas engaosas, entre servirse de las metforas o ser vctima de ellas. Cmo solucionar este

32

problema? La solucin vendr del nivel de agudeza intelectual del investigador, que no tiene sustituto. DIAGRAMACIN DELAS ESTRUCTURAS EMERGENTES Un recurso tcnico de gran ayuda es el trazado de diagramas y el uso de esquemas y flechas como parte del desarrollo conceptual. Ellos pueden ilustrar y ayudar a vislumbrar la complejidad de los problemas que se originan. En un diagrama de flujo (flg. 6.2), por ejemplo, se pueden utilizar flechas para representar la direccin de una interaccin, el grosor de las flechas para sealar la magnitud de la misma y un color diferente para expresar la naturaleza o tipo de relacin, como agresin, oposicin, rivalidad, odio, celo, emulacin, envidia, colaboracin, benevolencia, amistad, empata, etctera.

Los diagramas tienen la capacidad de hacer ms visible una realidad, de dar una visin de su conjunto y, adems, son un medio potente de comprensin, explicacin y demostracin de la dinmica interna del fenmeno en estudio. Su poder le viene del hecho de incorporar la capacidad del
33

hemisferio derecho, que es analgico, gestltico y estereognsico, en una actividad cognoscitiva que hasta el momento puede haber sido exclusivamente lineal, secuencial y atomista. Recordemos que la misma palabra idea, en su origen griego, significaba imagen, figura, vista. Considrese, por ejemplo, la figura 6.3, donde Diesing (1971, pg. 161) ilustra el estudio del caso de un nio que presentaba asma y bajo rendimiento escolar, realizado por Baruch (One Little Boy, 1952). Ah, en esa estructura psquica, se puede observar cmo hay dos centros de dinamismo que se alimentan de manera circular: en ellos la ira y el miedo al rechazo son los elementos principales. El asma y el bajo rendimiento escolar representan las ltimas consecuencias derivadas de una estructura mucho ms compleja. El dinamismo y la conexin de cada una de las partes fueron observados en su secuencia regular mediante una comprobacin y evidencia clnicas. PUNTOS CLAVE EN LA ESTRUCTURACIN DE TEORAS 1. No conviene empezar la estructuracin de una teora si no se tiene identificado claramente un haz de categoras y sus propiedades. Este material es el que nutre la actividad mental teorizadora. La teorizacin prematura, aunque no sea estril, resultar, muy probablemente, errada, ya que una informacin insuficiente puede conducir a teoras irrelevantes o inmaduras. 2. Tampoco se puede posponer la teorizacin hasta el momento en que haya tal inmensidad de informacin no estructurada, tal cantidad de datos no digeridos, que no se sepa por dnde empezar. Debido a ello, un gran retraso en teorizar puede ser peor que un fracaso al hacerlo, ya que promueve la acumulacin ciega de informacin que puede resultar en su mayor parte intil y hace casi imposible el arranque de la teorizacin. 3. El mejor modo de comenzar la teorizacin es seguir el proceso de integracin de categoras menores o ms especficas en categoras ms generales y comprehensivas, como se explic en el punto 5 del procedimiento prctico para la categorizacin, en el captulo anterior. En ltima instancia, la construccin terica que se logre podra considerarse como una gran categora, ms amplia, ms estructurada y ms compleja, como el tronco del rbol que integra y une todas las ramas.

34

4. Tratar de que la teora que se propone cubra de un modo unitario una buena porcin del rea considerada, es decir, que organice y sistematice la mayor parte del cuerpo de conocimientos y generalizaciones disponibles. 5. Utilizar, siempre que se pueda, los experimentos mentales, que con frecuencia desempean un gran papel heurstico. Estos experimentos no se llevan a la prctica, ya que por lo comn es imposible hacerlo, sino que se planean en la fantasa y se juega con ellos eliminando ciertos componentes o sustituyndolos por otros. Esta eliminacin o sustitucin puede hacer ver (mentalmente) si un elemento es esencial, si afecta bsicamente a una estructura o si slo desempea un papel secundario. Einstein tuvo muchas in tuiciones geniales viajando (fantsticamente) sobre un rayo de luz y observando el mundo a esa velocidad. Quiz, lo ms genial en l estuvo precisamente en idear estos medios para alimentar la reflexin intelectual que lo condujo a sus descubrimientos. 6. Otro punto, y consecuencia natural de todo lo anterior, es que no debe preocuparnos mucho la ausencia de condiciones lgicas en los primeros
35

estadios de la construccin terica. Las consistencias semntica y formal se irn afinando poco a poco, a medida que se trate de presentar la teora de una manera ms formalizada. La plena formalizacin (plena coherencia lgica) muy pocas veces se hace y, en las ciencias humanas, se podra decir que nunca, pues slo se formalizan algunos aspectos de partes de la teora. De ah se desprende que la formalizacin no es algo indispensable para el progreso cientfico. Por otro lado, debemos recordar que la formalizacin completa no siempre es posible, ya que la misma realidad se nos presenta, a veces, como contradictoria, segn nuestra postura personal hacia ella. 7. La tarea final del investigador consistir en relacionar sus resultados con aquellos de estudios paralelos, para ver cmo aparecen desde perspectivas diferentes o sobre marcos tericos ms amplios y explicar mejor lo que el estudio verdaderamente significa. El comparar y contraponer nuestras conclusiones con las de otros investigadores, igualmente rigurosos, sistemticos y crticos, no slo nos permitir entender mejor las posibles diferencias, sino que har posible una integracin mayor y, por consiguiente, un enriquecimiento del cuerpo de conocimientos del rea estudiada. En la etapa final de la estructuracin terica, se sentir una sensacin de alivio y satisfaccin general por haber llegado a una meta largamente imaginada y ansiada. Esta sensacin es el signo de que el trabajo ha valido la pena y de que ha tenido buen fin. Sin embargo, conviene someterlo al juicio de los criterios que se exponen a continuacin, para lograr una verificacin ms precisa de su valor. EVALUACIN DE LAS TEORAS FORMULADAS Nos referiremos aqu a la validacin de las estructuras tericas encontradas en los pasos anteriores. La validacin de una teora o estructura terica es un proceso epistemolgico muy arduo. Depende mucho del concepto de validez que se tenga y tambin del concepto de verdad. Todo esto fue precisado en los dos primeros captulos y algo ms se dir en el ltimo. Aparentemente, la evidencia parecera ser el punto de arranque y la fundamentacin de todo y, sin embargo, no lo es. Hay un criterio de validacin de la evidencia misma que est ms en la base. En el siglo XIX, por ejemplo, se haca hincapi en la base emprica de la evidencia; en el siglo XX, de manera particular en las ltimas dcadas, la epistemologa ha destacado ms la importancia de la evidencia racional. Para algunos cientficos, el mtodo riguroso de la fsica les ofrece plena evidencia: poder reproducir un experimento, controlar las variables, medir la influencia de las diferentes causas, lograr consenso, etc., les ofrece una evidencia incuestionable de las cosas. Esta evidencia les parece ms visible, ms tangible, etc., en general,
36

con una base ms sensual, la cual se adapta ms al campo fsico. A otros estudiosos, en especial los del rea de las ciencias humanas, este mtodo no les brinda tanta evidencia; les parece que los empiristas pecan al aceptar una emprica excesivamente estrecha; es decir, que reducen, mutilan y limitan las realidades humanas y, por eso, buscan una evidencia ms intelectual; les preocupan mucho los presupuestos implcitos aceptados, que pueden dar al traste con todo, y el reduccionismo deformador de la realidad estudiada. Ms an, consideran que toda ciencia est impregnada de opciones extraempricas, sustentadas en un conjunto de juicios de valor y apoyada en una base totalmente personal. En efecto, la evidencia racional es la ltima instancia de validacin de toda prueba o verificacin. La validacin emprica debe apoyarse siempre, en ltimo anlisis, en una validacin racional; dicho de otro modo, no existe, en sentido estricto, algo que podamos llamar evidencia emprica; la evidencia ser siempre intelectual, racional, algo que es visto en un contacto directo, inmediato, en un acto intuitivo. Este acto implica invariablemente una interpretacin, es decir, la captacin de una relacin en el marco de un contexto, y este contexto puede ser, en gran parte, construccin o aadidura del sujeto. La mente humana no puede trabajar de manera distinta; sa es su forma natural de operar. Por supuesto, la evidencia racional y su consiguiente validacin tienen la fragilidad de la limitacin humana y, al fin de cuentas, valdrn tanto como la agudeza intelectual del investigador. La historia de la ciencia presenta un gran nmero de hechos que fueron evidentes durante mucho tiempo y para numerosas personas, los cuales posteriormente resultaron ser falsos, porque dependan de los presupuestos o del enfoque con que eran vistos. Las revoluciones cientficas consisten precisamente en la deteccin y superacin de esos presupuestos y en su sustitucin por otros que creemos mejores. El qumico Arrhenius obtuvo el Premio Nobel por su teora electroltica de la disociacin; el mismo premio fue otorgado aos despus a Debye por mostrar las insuficiencias que haba en la teora de Arrhenius. En el proceso de contrastacin de la ciencia clsica hay una cierta paradoja: los datos que se utilizan para contrastar una teora no se recaban en forma neutra, sino que se producen con la ayuda de una teora; es decir, que es un supuesto falso el creer que los datos se buscan y se recaban en bruto (sin interpretacin alguna) por la experiencia ordinaria. La reflexin epistemolgica hace ver que la experiencia no se puede conceptualizar de manera directa sin la ayuda de una teora, que en la ciencia no hay experiencias neutras: toda evidencia se produce a la luz de alguna teora y es relevante para alguna teora. Todo esto nos lleva a una conclusin lgica que no debemos olvidar en nuestra validacin de las teoras: todas las teoras cientficas sern siempre
37

parciales (tratan slo algunos aspectos de la realidad) y aproximadas (contienen errores o apreciaciones parcialmente errneas). Una teora perfecta (completa y precisa en su totalidad) no existe ni existir nunca: resulta algo contradictorio con el mismo concepto de teora. El simple anlisis del proceso psicolgico, ya sealado, que se sigue en la construccin o estructuracin de las teoras, hace ver que toda teora especialmente en las ciencias humanas slo puede ser, aun en el mejor de los casos, aproximadamente verdadera, ya que supone demasiadas simplificaciones e idealizaciones de la riqusima y compleja naturaleza de la realidad tratada, adems de introducir invenciones que con mucha facilidad sern inadecuadas en alguna forma o medida, al no poder ser controladas de manera plena ni por la lgica ni por la experiencia. Cualquiera que sea la posicin adoptada, una determinada teora nunca tendr una aceptacin universal por parte de todos los cientficos, para todos los propsitos y en todos sus contextos posibles de aplicacin. Siempre ha habido insignes cientficos que no han aceptado teoras famosas: Huygens, por ejemplo, no estaba satisfecho con la mecnica de Newton y, para Einstein, la validez de la indeterminacin cuntica sostenida por Heisenberg, Planck y muchos otros notables cientficos, siempre estuvo en duda. En las ciencias humanas se sostiene, ms como regla que como excepcin, que la aceptabilidad de una teora sea una cuestin de grados. CRITERIOS PARA EVALUAR TEORAS A continuacin sealamos algunos criterios que, a nuestro juicio, se han revelado ms importantes y tiles en la validacin y evaluacin de las teoras. 1. Coherencia interna. ste es el criterio bsico. Indica que todos los elementos y las partes constituyentes de una teora se relacionan entre s sin contradicciones; an ms, que forman un todo coherente y bien integrado. 2. Consistencia externa. Es la compatibilidad que hay entre la doctrina que constituye la teora y el conocimiento ya establecido en el mismo campo o en campos adyacentes o afines. Sin embargo, la consistencia externa es un criterio esencialmente conservador. Las teoras revolucionarias rompieron drsticamente con lo establecido y aceptado. Por eso, debe ser usado con prudencia; es decir, no es absoluto, sino que est sujeto a un juicio ms bsico y fundamental, derivado del examen y apreciacin del contexto. 3. Comprehensin. En igualdad de condiciones, una teora ser mejor que otra si abarca o se relaciona con un amplio campo de conocimientos, es decir, si logra integrar y unificar un vasto espectro de ideas en el rea.
38

4. Capacidad predictiva. Una buena teora debe ofrecer la capacidad de hacer predicciones sobre lo que suceder o no suceder si se dan ciertas condiciones especificadas en ella, aunque la confirmacin o contrastacin de esas predicciones pueda resultar en extremo difcil, debido a la naturaleza de esa teora. 5. Precisin conceptual y lingstica. Debe haber unidad conceptual, es decir, el universo del discurso debe estar definido y sus predicados deben ser semnticamente homogneos y conexos. No debe haber vaguedad ni ambigedad. 6. Originalidad. Las ms fecundas revoluciones del conocimiento han consistido en la introduccin de teoras que, lejos de limitarse a condensar lo sabido, nos obligaron a pensar de un modo nuevo, a formular nuevos problemas y a buscar nuevas clases de relaciones y de conocimiento (Bunge, 1975). 7. Capacidad unificadora. Es la capacidad de reunir dominios cognoscitivos que an permanecen aislados. Ya sealamos cmo lo hicieron Newton, Maxwell y Niels Bohr con las teoras que propusieron. 8. Simplicidad y parsimonia. En igualdad de condiciones, es preferible la teora ms simple, por su claridad y diafanidad. 9.Potencia heurstica. Una buena teora debe sugerir, guiar y generar nuevas investigaciones, planteando nuevos problemas interesantes y facilitando el diseo de estudios y experimentos de gran proyeccin en el rea. 10. Aplicacin prctica. Una teora fcil de aplicar ser mejor que otra que, en igualdad de condiciones, es de difcil aplicacin. 11. Contrastabilidad. Es una ventaja para una teora que sus postulados, axiomas y derivados sean susceptibles de contrastacin, es decir, de un examen, crtica y control que lleven o permitan confirmarla o refutarla. Todo esto depende mucho de la naturaleza del objeto a que se refiere esa teora. 12. Expresin esttica. Los griegos siempre pensaron que lo verdadero era tambin bello; en la fsica, por ejemplo, est resultando un lugar comn el pensar que la belleza de una teora fsica es a menudo una pista ms importante hacia su verdad que su correspondencia con los hechos, los cuales pueden constituir una dificultad temporal.*

*Para una visin ms completa de estos criterios y, en general, de la investigacin terica, vase nuestra obra Comportamiento humano, nuevos mtodos de investigacin, Trillas, 2a. edicin, Mxico, 1996, cap. 13.

39

MARTNEZ, M. Miguel. La investigacin cualitativa etnogrfica en educacin: manual terico-prctico. Con Anexo 2 pp. 134-153.

"Lo que llaman talento no es ms que un arduo y continuo trabajo realizado correctamente." WINLOW HEMER

40

ANEXO 2: APLICACIN DE LA METODOLOGA ETNOGRFICA EN EDUCACIN* Problema: Bajo rendimiento acadmico en matemticas: 2o. y 3er. ao de secundaria. Muestra: Intencional. Instrumento: Entrevista semi-estructurada.

41

AR = Alto rendimiento acadmico. M = Sexo masculino; F = Sexo femenino. Recuadros grises = Entrevistas del Estudio piloto ilustradas en este Anexo. Pasos de la categorizacin: La categorizacin tiene la finalidad de resumir el contenido de la entrevista en pocas ideas o conceptos ms fciles de manejar y de relacionar. ler. paso: Releer la entrevista subrayando las palabras ms relevantes y significativas. 2o. paso: Dividir el contenido en unidades temticas (prrafos que expresan una idea o concepto central). 3er. paso: Categorizar con un trmino o expresin el contenido de cada unidad temtica. 4o. paso: Si hay categoras que se repiten y alguna tiene propiedades o atributos diferentes, asignarle una subcategora, que puede referirse a alguna dimensin, tributo, propiedad, condicin o consecuencia importante.

42

43

44

45

46

47

48

Teorizacin Criterios: 1. Los datos de la informacin no tienen la misma importancia, como sucede en las encuestas, los cuestionarios, etc. El valor y significado de un dato o una informacin depende de todo el contexto en que se genera. Alguna informacin ser central para solucionar el problema planteado, otra ser perifrica y secundaria. 2. En la integracin de la informacin en un todo coherente y lgico, se sigue el mismo proceso que gua a un juez al integrar la informacin de todos los testigos en una estructura que d sentido y explique todo lo sucedido, o a un jefe de polica al relacionar todos los datos recogidos por los detectives. Procedimiento: 1. Tratar de integrar toda la informacin en un esquema, como un diagrama de flujo o en una estructura arboriforme o de ramificacin fluvial, o con porcentajes matemticos aproximados, de tal manera que las flechas indiquen la relacin causal o influencia y las ramas ms gruesas representen la informacin ms importante y significativa. 2. Hacer un diagrama para cada entrevista. Luego integrar las entrevistas que son paralelas (estudiantes, profesores, etc.) y, finalmente, un diagrama en que aparezca integrada toda la informacin relevante. 3. Hacer un informe verbal o sntesis conceptual que describa la estructura del diagrama con textos directos, es decir, con citas textuales de los informantes. Todo esto se ilustra en las pginas siguientes con el contenido de las entrevistas anteriores del estudio piloto.

49

50

51

52

Sntesis conceptual El bajo rendimiento en matemticas en el 2o. y 3er. aos de la secundaria, visto a travs de siete observadores con vivencias y experiencia muy diferentes, y ponderado, por ello, relativamente por el investigador, podra sintetizarse en los siguientes trminos: Los estudiantes de estos aos (de 11 a 14 aos de edad) no han logrado todava el desarrollo mental suficiente para trabajar adecuadamente con conceptos formales y abstractos; pero la naturaleza del programa de matemticas parece suponer ese desarrollo; de aqu, que surjan mltiples problemas en el proceso del aprendizaje respectivo. El principal es una
53

incomunicacin docente entre profesores y alumnos e incluso en los mismos textos, debido a ese lenguaje formal y abstracto (pecado capital lo llama el Coordinador, porque dice l hay una diferencia abismal entre la mente de un preadolescente y la de un adulto). Ese lenguaje supone lo que no existe y es usado para trasmitir el contenido de unas matemticas no prcticas, no tiles, no funcionales y alejadas de los problemas de la vida cotidiana, los cuales debieran constituir su centro de inters. Esta situacin genera desinters y sufrimiento (es una perdedera de tiempo, es la clase donde yo ms sufro, dice la alumna) e indisciplina (ellos gritan ms que yo. . . la indisciplina a mi me descompone, me trastorna el orden y las ideas, dice la profesora); y, para enfrentar esa realidad, el profesor cree necesario entrar con una cara de.. . bravo, molesto y rabioso y crear un clima de terror. . . y de miedo, que dificulta todava ms el proceso de aprendizaje. Si a esto aadimos que hay muchos docentes que no tienen vocacin (como dice el padre de una alumna) porque tienen actitudes despticas, degradantes... y disfrutan aplazando, que los directivos a veces desautorizan a los profesores y que los padres no se preocupan por las diferencias individuales de sus hijos (como dice el profesor), es fcil comprender que el rendimiento acadmico sea bajo, que slo se logre un poco ms de 50 % de los objetivos. Pero este hecho, a su vez, puede bajar la autoestima del alumno y el nivel de aprecio y la valoracin que ste le merece al profesor (los brutos somos nosotros...; l no cree que de nuestras cabezas pueda salir algo bueno); pero estas realidades degeneran el proceso de aprendizaje. La solucin sugerida (por el Coordinador y el padre de una alumna, que es profesor universitario), es revisar el problema a travs de una serie de reuniones con representantes de los diferentes grupos de la comunidad educativa y el Ministerio de Educacin, que lleve, posiblemente, a un regreso a las matemticas tradicionales para este nivel educativo.

54

HERNNDEZ, Sampieri Roberto. Et al. Metodologa de la investigacin. Con Anlisis de los datos, pp. 492-520

"Muchas cosas se juzgan imposibles de hacer, antes de que estn hechas." PLINIO

55

56

PROCESO DE INVESTIGACIN

ANALIZAR LOS DATOS Decidir que tipo de anlisis de los datos se llevar a cabo: Cuantitativo, cualitativo o mixto. En caso de que el anlisis elegido sea cuantitativo, seleccionar las pruebas estadsticas apropiadas para analizar los datos, dependiendo de las hiptesis formuladas y de los niveles de medicin de las variables. Seleccionar un programa computacional para analizar los datos: puede sea un paquete estadstico. Aplicar el programa. Obtener los anlisis requeridos. Interpretar los anlisis. SNTESIS El capitulo presenta los esquemas fundamentales para efectuar anlisis estadstico . Asimismo, se comentan, analizan y ejemplifican las pruebas y los anlisis estadsticos ms utilizados en ciencias sociales, incluyendo estadsticas descriptivas. En la mayora de estos anlisis el enfoque del captulo se centra en los usos y la interpretacin de la prueba, ms que en el procedimiento de calcular estadstica. Debido a que en la actualidad los anlisis se realizan con ayuda de computadora y no manualmente. Las frmulas ayudan a entender los conceptos estadsticos, pero no a calcular estadsticas hoy en da. OBJETIVOS DE APRENDIZAJE Al terminar este captulo, el alumno ser capaz de: Conocer los principales mtodos para realizar anlisis cuantitativo de los datos. Conocer la secuencia que se sigue regularmente para analizar los datos descriptivamente.

57

 Comprender las principales pruebas estadsticas desarrolladas, as como sus aplicaciones, situaciones en las que se utiliza cada una y la forma de interpretarlas. ANLISIS CUANTITATIVO O ANLISIS CUALITATIVO? La eleccin del tipo de anlisis que habremos de realizar depende de los datos que hayamos recolectado. Si obtuvimos datos cuantitativos, stos ya fueron codificados y preparados para el anlisis en la matriz de los datos; ahora lo que sigue es efectuar el anlisis cuantitativo. Si los datos recolectados fueron cualitativos, el anlisis, en consecuencia, es cualitativo, por lo que puede tener algn anlisis cuantitativo (en particular, conteo de frecuencias de aparicin de categoras). En el caso de que hayamos obtenido datos cuantitativos y cualitativos, a cada tipo de datos le aplicamos el anlisis correspondiente. ANLISIS CUANTITATIVO DE LOS DATOS (ANLISIS ESTADSTICO) QU PROCEDIMIENTO SE CUANTITATIVAMENTE LOS DATOS? SIGUE PARA ANALIZAR

Una vez que los datos se han codificado, transferido a una matriz y guardado en un archivo, el investigador procede a analizarlos. En la actualidad, el anlisis cuantitativo de los datos se lleva a cabo por computadora. Ya nadie lo hace de forma manual, en especial si hay un volumen considerable de datos. Por otra parte, casi en todas las instituciones de educacin superior, centros de investigacin, empresas y sindicatos se dispone de sistemas de cmputo para archivar y analizar datos. De esta suposicin parte el presente captulo. Por ello, el nfasis se centra en la interpretacin de los mtodos de anlisis cuantitativo y no en los procedimientos de clculo. El anlisis de los datos se efecta sobre la matriz de datos utilizando un programa computacional. El procedimiento de anlisis se esquematiza en la figura 10.1. Veamos paso a paso el procedimiento mencionado. QU ANLISIS PUEDEN EFECTUARSE EN LOS DATOS? Los anlisis dependen de tres factores:
58

a) b) c)

El nivel de medicin de las variables. La manera como se hayan formulado las hiptesis. El inters del investigador.

Estadstica: procedimientos para clasificar, calcular, analizar y resumir informacin numrica que se obtiene de manera sistemtica.

Por ejemplo, no son los mismos los anlisis cuantitativos que se aplican a una variable nominal que a una por intervalos. Se sugiere recordar los niveles de medicin vistos en el captulo anterior. El investigador busca, en primer trmino, describir sus datos y posterior mente efectuar anlisis estadsticos para relacionar sus variables. Es decir, realiza anlisis de estadstica descriptiva para cada una de sus variables y luego describe la relacin entre stas. Los tipos o mtodos de anlisis cuantitativo o estadstico son variados y se comentarn a continuacin; pero cabe sealar que el anlisis no es indiscriminado, cada mtodo tiene su razn de ser y un propsito especfico; no deben hacerse ms anlisis de los necesarios. La estadstica no es un fin en s misma, sino una herramienta para analizar los datos.

59

Los principales anlisis cuantitativos o estadsticos que pueden efectuarse son: Estadstica descriptiva para las variables, tomadas individualmente. Puntuaciones z. Razones y tasas. Clculos y razonamientos de estadstica inferencial. Pruebas paramtricas. Pruebas no paramtricas. Anlisis multivariados. A continuacin hablaremos de estos distintos anlisis cuantitativos. ESTADSTICA DESCRIPTIVA PARA CADA VARIABLE La primera tarea es describir los datos, los valores o las puntuaciones obtenidos para cada variable. Por ejemplo, si aplicamos a 2 048 nios el cuestionario sobre los usos y las graficaciones que la televisin tiene para ellos (Fernndez-Collado, Baptista y Elkes, 1998), cmo pueden describirse estos datos? Describiendo la distribucin de las puntuaciones o frecuencias.

Qu es una distribucin de frecuencias? Una distribucin de frecuencias es un conjunto de puntuaciones ordenadas en sus respectivas categoras. El cuadro 10.1 muestra un ejemplo de una distribucin de frecuencias.

60

61

A veces, las categoras de las distribuciones de frecuencias son tantas que es necesario resumirlas. Por ejemplo, examinaremos detenidamente la distribucin del cuadro 10.2. Esta distribucin podra resumirse o compendiarse como en el cuadro 10.3.

62

Qu otros elementos contiene una distribucin de frecuencias? Las distribuciones de frecuencias pueden completarse agregando las frecuencias relativas y las frecuencias acumuladas. Las frecuencias relativas son los porcentajes de casos en cada categora, y las frecuencias acumuladas son lo que se va acumulando en cada categora, desde la ms baja hasta la ms alta. El cuadro 10.4 muestra un ejemplo con las frecuencias relativas y acumuladas. Las frecuencias acumuladas constituyen lo que se acumula en cada categora. En la categora s se ha obtenido la cooperacin, se han acumulado 91. En la categora no se ha obtenido la cooperacin, se acumulan 96 (91 de la categora anterior y 5 de la categora en cuestin). En la ltima categora siempre se acumula el total. Las frecuencias acumuladas tambin pueden expresarse en porcentajes (entonces lo que se va acumulando son porcentajes). En el ejemplo del cuadro 10.4 tendramos, respectivamente: Frecuencias acumuladas Categora si no no respondieron Cdigos 1 2 3 relativas (%) 74.6% 78.7% 100.00%

63

Las frecuencias relativas o los porcentajes se calculan as: Porcentaje= =

NC NT

(100)

Donde Nc es el nmero de casos o frecuencias absolutas en la categora y NT es el total de casos. En el ejemplo del cuadro 10.4, tendramos: Porcentaje = 122
91

= 74.59=74.6%

Porcentaje = 122

= 4.09=4.1%

Porcentaje = 122

26

= 21.31=21.3 %

Son resultados que corresponden a los porcentajes del cuadro 10.4.

64

Al elaborar el reporte de resultados, una distribucin se presenta con los elementos mas informativos para el lector y la verbalizacin de los resultados o un comentario, tal como se muestra en el cuadro 10.5. En el cuadro 10.5 pudieron haberse incluido solamente los porcentajes y eliminarse las frecuencias.

Distribucin de frecuencias: conjunto de puntuaciones ordenadas en sus respectivas categoras.

En los comentarios sobre las distribuciones de frecuencias se utilizan frases como la mitad de los entrevistados prefiere la marca X (con 50%), poco me nos de la mitad de la poblacin mencion que votarn por el candidato X (por ejemplo, con 48.7%), casi la tercera parte... (por ejemplo, con 32.8%), cuatro de cada diez seoras... (40%), solamente uno de cada diez... (10%), la mayora... (96.7%), etctera. De qu otra manera pueden presentarse las distribuciones de frecuencias? Las distribuciones de frecuencias, especialmente cuando utilizamos las frecuencias relativas, pueden presentarse en forma de histogramas o grficas de otro tipo. Algunos ejemplos se muestran en la figura 10.2.
65

Actualmente se dispone de gran variedad de programas y paquetes computacionales que elaboran cualquier grfica, a colores, utilizando efectos de movimiento y en tercera dimensin. Las distribuciones de frecuencias tambin se pueden graficar como polgonos de frecuencias? Los polgonos de frecuencias relacionan las puntuaciones con sus respectivas frecuencias. Es propio de un nivel de medicin por intervalos o razn. La forma de construir un polgono de frecuencias es la siguiente: a) En el eje horizontal (X), se colocan las categoras o los intervalos. b) En el eje vertical (Y), se colocan las frecuencias, dependiendo de cul es el mayor nmero posible de frecuencia.

66

67

c) Se determinan los puntos medios de cada categora o intervalo. Por ejemplo, si los intervalos fueran 25-29, 30-34, 35-39, etctera; los puntos medios seran 27, 32, 37, etctera. d) Se ve cuntas frecuencias tiene cada categora y se traza un punto en la interseccin de las frecuencias y los puntos medios de las categoras o los intervalos. e) Se unen los puntos trazados en las intersecciones. La mayora de los paquetes estadsticos realiza esta labor en forma automtica. Un ejemplo de la elaboracin de un polgono de frecuencias se muestra en la figura 10.3. El polgono de frecuencias obedece a la siguiente distribucin: Categoras/intervalos 20-24.9 25.29.9 30-34.9 Frecuencias absolutas 10 20 35
68

69

En resumen, para cada una de las variables de la investigacin se obtiene su distribucin de frecuencias y, de ser posible, se grafica y se traza su polgono de frecuencias correspondiente. Pero adems del polgono de frecuencias, deben calcularse las medidas de tendencia central y de variabilidad o dispersin. Cules son las medidas de tendencia central? Las medidas de tendencia central son puntos en una distribucin, los valores medios o centrales de sta, y nos ayudan a ubicarla dentro de la escala de medicin. Las principales medidas de tendencia central son tres: moda, mediana y media. El nivel de medicin de la variable determina cul es la medida de tendencia central apropiada. La moda es la categora o puntuacin que ocurre con mayor frecuencia. En el cuadro 10.5, la moda es 1 (s se ha obtenido la cooperacin). Se utiliza con cualquier nivel de medicin. La mediana es el valor que divide la distribucin por la mitad. Esto es, la mitad de los casos caen por debajo de la mediana y la otra mitad se ubica por encima de la mediana. La mediana refleja la posicin intermedia de la distribucin. Por ejemplo, si los datos obtenidos fueran: 24 31 35 35 38 43 45 50 57

la mediana es 38, porque deja cuatro casos por encima (43, 45, 50 y 57) y cuatro casos por debajo (35, 35, 31 y 24). Parte a la distribucin en dos mitades. En general, para descubrir el caso o la puntuacin que constituye la mediana de una distribucin, simplemente se aplica la frmula:
N+1 2

Medidas de tendencia central: valores medios o centrales de una distribucin que sirven para ubicarla dentro de la escala de medicin.

9+1 Si tenemos 9 casos, 2 = 5, entonces buscamos el quinto valor y ste es la

70

mediana. En el ejemplo anterior es 38. Obsrvese que la mediana es el valor observado que se localiza a la mitad de la distribucin, no el valor 5. La frmula no nos proporciona directamente el valor de la mediana, sino el nmero de caso en donde est la mediana. La mediana es una medida de tendencia central propia de los niveles de medicin ordinal, por intervalos y de razn. No tiene sentido con variables nominales, porque en este nivel no hay jerarquas, ni nocin de encima o debajo. Tambin, la mediana es particularmente til cuando hay valores extremos en la distribucin. No es sensible a stos. Si tuviramos los siguientes datos: 24 31 35 35 38 43 45 50 248

la mediana seguira siendo 38. Para ejemplificar la interpretacin de la media y la mediana, se incluye un artculo al respecto en el cuadro 10.6.
Moda: categora o puntuacin que se presenta con mayor frecuencia.

71

72

La media es la medida de tendencia central ms utilizada y puede definirse como el promedio aritmtico de una distribucin. Se simboliza como X, y es la suma de todos los valores dividida entre el nmero de casos. Es una medida solamente aplicable a mediciones por intervalos o de razn. Carece de sentido para variables medidas en un nivel nominal u ordinal. Su frmula es:

Por ejemplo, si tuviramos las siguientes puntuaciones: 8 7 6 4 3 2 6 9 8

la media sera igual a:

73

La frmula simplificada de la media es:

El smbolo y indica que debe efectuarse una sumatoria, X es el smbolo de una puntuacin y N es el nmero total de casos o puntuaciones. En nuestro ejemplo:

La media s es sensible a valores extremos. Si tuviramos las siguientes puntuaciones: 8 la media sera: 7 6 4 3 2 6 9 20

Clculo de la media o promedio Cuando en una distribucin de frecuencias los datos estn agrupados en intervalos, la media se calcula as:

74

1. Se obtiene el punto medio de cada intervalo: Intervalos 13-15 10-12 7-9 4-6 1-3 Puntos medios 14 11 8 5 2 Frecuencias 3 4 9 2 1

2. Se multiplica cada punto medio por las frecuencias que le corresponden: Intervalos 13-15 10-12 7-9 4-6 1-3 X = Puntos medios 14 11 8 5 2 Frecuencias(f) 3 4 9 2 1 N=19 fx 42 44 72 10 2

fx= 170

fx es la sumatoria de la ltima columna, que corresponde a los puntos medios multiplicados por sus respectivas frecuencias (14 x 3 = 42 y as sucesivamente).
3. Se aplica la siguiente frmula, para el clculo de la media con datos agrupados de una distribucin de frecuencias:

En nuestro ejemplo, tenemos:

75

 Cules son las medidas de la variabilidad? Las medidas de la variabilidad indican la dispersin de los datos en la escala de medicin y responden a la pregunta: Dnde estn diseminadas las puntuaciones o los valores obtenidos? Las medidas de tendencia central son valores en una distribucin y las medidas de la variabilidad son intervalos, designan distancias o un nmero de unidades en la escala de medicin. Las medidas de la variabilidad ms utilizadas son rango, desviacin estndar y varianza. El rango, tambin llamado recorrido, es la diferencia entre la puntuacin mayor y la puntuacin menor, e indica el nmero de unidades en la escala de medicin necesario para incluir los valores mximo y mnimo. Se calcula as: XM Xm (puntuacin mayor, menos puntuacin menor). Si tenemos los siguientes valores: 17 18 20 20 24 28 28 30 33

el rango ser: 33 17 = 16. Cuanto ms grande sea el rango, mayor ser la dispersin de los datos de una distribucin. La desviacin estndar es el promedio de desviacin de las puntuaciones con respecto a la media. Esta medida se expresa en las unidades originales de medicin de la distribucin. Se interpreta en relacin con la media. Cuanto mayor sea la dispersin de los datos alrededor de la media, mayor ser la desviacin estndar. Se simboliza con: s o la sigma minscula () y su frmula esencial es:

Esto es, la desviacin de cada puntuacin respecto a la media se eleva al cuadrado, se suman todas las desviaciones cuadradas, se divide entre el nmero total de puntuaciones, y a esta divisin se le saca raz cuadrada.

76

Procedimientos para calcular la desviacin estndar El procedimiento para calcularla es el siguiente: 1. Se ordenan las puntuaciones. Por ejemplo: variable: calificacin en estadstica social X (Puntuaciones) 9 7 6 6 5 4 3 2. Se calcula la media:

3. Se determina la desviacin de cada puntuacin con respecto a la media:

4. Se eleva al cuadrado cada desviacin y se obtiene la sumatoria de las desviaciones elevadas al cuadrado o (X X)2

77

5. Se aplica la frmula:

Cuando los datos estn agrupados en una distribucin de frecuencias, se procede as: 1. Se obtiene el punto medio de cada intervalo y se determina la media de la distribucin (con la frmula para datos agrupados):

2. Se eleva la media al cuadrado:

78

3. Se multiplica la columna fx por los puntos medios, y se obtiene una columna, que llamaremos fx2 as como la sumatoria de esta ltima columna: Intervalos 13-15 10-12 7-9 4-6 1-3 14 11 8 5 2 Puntos medios fx 42 44 72 10 2 fx2 588 484 576 50 4 fx2= 1 702 Obsrvese que cada valor de la ltima columna fx2 se obtiene multiplicando un punto medio por su respectivo valor en la columna fx. 4. Se aplica la siguiente frmula para la desviacin estndar con datos agrupa dos en una distribucin de frecuencias:

La desviacin estndar se interpreta como cunto se desva, en promedio, de la media un conjunto de puntuaciones. Supongamos que un investigador obtuvo para su muestra una media de ingreso familiar de $8 000 (ocho mil pesos) y una desviacin estndar de $1 000 (un mil pesos). La interpretacin es que los ingresos familiares de la muestra se desvan, en promedio, mil pesos respecto a la media. La desviacin estndar slo se utiliza en variables medidas por intervalos o de razn.
Desviacin estndar: promedio de desviacin de las puntuaciones con respecto a la media que se expresa en las unidades originales de medicin de la distribucin. 79

La varianza La varianza es la desviacin estndar elevada al cuadrado y se simboliza s2. Es un concepto estadstico muy importante, ya que muchas de las pruebas cuantitativas se fundamentan en l. Diversos mtodos estadsticos parten de la descomposicin de la varianza. Sin embargo, con fines descriptivos se utiliza preferentemente la desviacin estndar. Como se interpretan las medidas de tendencia central y de la variabilidad? Cabe destacar que al describir nuestros datos, interpretamos las medidas de tendencia central y de la variabilidad en conjunto, no aisladamente. Tomamos en cuenta todas las medidas. Para interpretarlas, lo primero que hacemos es tomar en cuenta el rango potencial de la escala. Supongamos que aplicamos una escala de actitudes del tipo Likert para medir la actitud hacia el presidente de una nacin (digamos que la escala tuviera 18 tems y se promediaran sus resultados). El rango potencial es de 1 a 5: Varianza: desviacin estndar elevada al cuadrado.

Si obtuviramos los siguientes resultados: Variable: actitud hacia el presidente

80

Moda: 4.0 Mediana: 3.9 Media (X): 4.2 Desviacin estndar: 0.7 Puntuacin ms alta observada (mximo): 5.0 Puntuacin ms baja observada (mnimo): 2.0 Rango: 3 Podramos hacer la siguiente interpretacin descriptiva: la actitud hacia el presidente es favorable. La categora que ms se repiti fue 4 (favorable). El 50% de los sujetos est por encima del valor 3.9 y el restante 50% se sita por debajo de este valor. En promedio, los sujetos se ubican en 4.2 (favorable). Asimismo, se desvan de 4.2, en promedio, 0.7 unidades de la escala. Ninguna persona calific al presidente de manera desfavorable (no hay 1). Las puntuaciones tienden a ubicarse en valores medios o elevados. En cambio, si los resultados fueran: Variable: actitud hacia el presidente Moda: 1 Mediana: 1.5 Media(X): 1.3 Desviacin estndar: 0.4 Varianza: 0.16 Mximo: 3.0 Mnimo: 1.0 Rango: 2.0 La interpretacin es que la actitud hacia el presidente es muy desfavorable. En la figura 10.4 vemos grficamente la comparacin de resultados.

81

La variabilidad tambin es menor en el caso de la actitud muy desfavorable (los datos se encuentran menos dispersos).

82

83

En el cuadro 10.7 se presenta otro ejemplo de interpretacin con una prueba de motivacin intrnseca aplicada a 60 sujetos de un experimento (Hernndez Sampieri y Corts, 1982). La escala tiene 17 tems (con cinco opciones cada uno, 1 a 5) y mide la motivacin intrnseca al ejecutar una tarea. El nivel de motivacin intrnseca exhibido por los sujetos tiende a ser elevado, como lo indican los resultados de la escala. El rango real de la escala iba de 17 a 85. El rango resultante para esta investigacin vari de 40 a 81. Por lo tanto, es evidente que los sujetos se inclinaron hacia valores elevados en la medida de motivacin intrnseca. Adems, la media de los participantes es de 66.9 y la mediana de 67.8, lo cual confirma la tendencia de la muestra hacia valores altos de la escala. A pesar de que la dispersin de las puntuaciones de los sujetos es alta (la desviacin estndar es igual a 9.1 y el rango es de 41), esta dispersin se manifiesta en el rea ms elevada de la escala. Vemoslo grficamente: Es decir, aunque las puntuaciones varan de 40 a 81 y la desviacin estndares de 9.1 (la media sobre la cual gravita s es de 66.9), esta variacin se da en la parte de los valores ms altos de la escala. En resumen, la tarea result intrnseca mente motivante para la mayora de los sujetos, slo que para algunos result muy motivante; para otros, relativamente motivante; y para los dems, medianamente motivante, o sea que la tendencia general es hacia valores altos (observamos la columna de frecuencias acumuladas y notamos que 80% obtuvo puntuaciones superiores a 60).

84

En el cuadro 10.7 se introduce un nuevo elemento: la columna de frecuencias ajustadas. sta incluye las frecuencias relativas, pero desechando los valores perdidos (missing values). Cuando no hay valores perdidos, las columnas de frecuencia relativas y de frecuencias ajustadas son equivalentes. Ahora bien, qu significa un alto nivel de motivacin intrnseca exhibido con respecto a una tarea? Significa que la tarea fue percibida como atractiva, interesante, divertida y categorizada como una experiencia agradable. Asimismo, implica que los sujetos, al estar ejecutndola, derivaron de ella sentimientos de satisfaccin, goce y realizacin personal. Por lo general, quien se encuentra intrnsecamente motivado hacia una labor, la habr de disfrutar, ya que obtendr de la labor per se recompensas internas, como sentimientos de logro y autorrealizacin. Adems de ser absorbido por el desarrollo de la tarea y, al tener un buen desempeo, la opinin de s mismo mejorar o se ver reforzada. Hay alguna otra estadstica descriptiva? S, la asimetra y la curtosis. Los polgonos de frecuencia suelen representarse como curvas (figura 10.5) para que puedan analizarse en trminos de probabilidad y visualizar su grado de dispersin. De hecho, en realidad son curvas. Dos elementos son esenciales para estas curvas o dichos polgonos de frecuencias: la asimetra y la curtosis. La asimetra es una estadstica necesaria para conocer cunto se parece nuestra distribucin a una distribucin terica llamada curva normal (la cual se representa en la figura 10.5) y constituye un indicador del lado de la curva donde se agrupan las frecuencias. Si es cero (asimetra = 0), la curva o distribucin es simtrica. Cuando es positiva, quiere decir que hay ms valores agrupados hacia la izquierda de la curva (por debajo de la media). Cuando es negativa, significa que los valores tienden a agruparse hacia la derecha de la curva (por encima de la media).

85

Asimetra: estadstica que se usa para conocer cunto se parece una distribucin a la distribucin terica llamada curva normal y que constituye un indicador del lado de la curva en el que las frecuencias se agrupan ms.

86

La curtosis es un indicador de lo plana o picuda que es una curva. Cuando es cero (curtosis = 0), significa que se trata de una curva normal. Si es positiva, quiere decir que la curva, la distribucin o el polgono es ms picuda(o) o levantada(o). Si es negativa(o), que es ms plana. La asimetra y la curtosis requieren mnimo de un nivel de medicin por intervalos. En la figura 10.5 se muestran ejemplos de curvas con su interpretacin. Cmo se traducen las estadsticas descriptivas al ingls? Algunos programas y paquetes estadsticos computacionales pueden realizar el calculo de las estadsticas descriptivas cuyos resultados aparecen junto al nombre respectivo de estas muchas veces en ingles. A continuacin se indican las diferentes estadsticas y su equivalente en ingls. Estadstica Moda Mediana Media Desviacin estndar Varianza Mximo Mnimo Rango Asimetra Curtosis Equivalente en ingls Mode Median Mean Standard deviation Variance Maximum Minimum Range Skewness Kurtosis

Curtosis: indicador de la plana o picuda que es una curva.

Nota final Debe recordarse que en una investigacin se obtiene una distribucin de frecuencias para cada variable y se calculan las estadsticas descriptivas para cada variable: se calculan las que se necesiten de acuerdo con los propsitos de la investigacin y los niveles de medicin.

87

Puntuaciones z Las puntuaciones z son transformaciones que se pueden hacer a los valores o las puntuaciones obtenidas, con el propsito de analizar su distancia respecto a la media, en unidades de desviacin estndar.

88

BUENDA, Eisman. Leonor. Et al. Mtodos de investigacin en psicopedagoga. Con El anlisis cualitativo de datos pp. 287-310.

Los hombres que han llegado a hacerse clebres y que han infludo poderosamente en los destinos de su pas, han sido todos grandes trabajadores. SAMUEL SMILES

89

1.

INTRODUCCIN

El anlisis de datos cualitativo ha generado tcnicas propias, que actualmente constituyen toda una metodologa, o una forma especfica de hacer. Esa especificidad viene marcada por la propia idiosincrasia de la metodologa cualitativa que toma determinadas opciones en relacin a las unidades de registro de los datos y la forma de tratarlos. Actualmente existe inters por sistematizar estos procedimientos, tarea por otra parte compleja debido al carcter abierto y flexible de esta metodologa, la diversidad de enfoques que engloba y la variedad de objetivos cientficos que puede cubrir. Dos ideas van a guiar tanto la estructura como la seleccin de contenidos de este captulo. Por un lado, el anlisis debemos entenderlo en estrecha relacin con los enfoques metodolgicos cualitativos, no reducindose a tcnicas que el investigador selecciona y aplica de forma ms o menos arbitraria. Y, por otro lado, el anlisis est mediatizado por los objetivos de investigacin, obedeciendo, por tanto, a un propsito y orientacin. Puesto que entendemos que no resulta didctico limitarnos a una relacin ms o menos extensiva de las tcnicas de anlisis, es nuestro propsito ofrecer una estructura global que integre los principales procedimientos y tcnicas de anlisis. Es decir, optamos por plantear marcos generales en los que poder entender determina das prcticas y comprender la estructura interna del anlisis. Este planteamiento facilita la comprensin de los tratamientos de anlisis, as como la toma de decisiones en situaciones de resolucin de investigaciones cualitativas. En la metodologa cualitativa, el anlisis de datos presenta variantes claves en relacin al anlisis cuantitativo en cuanto al objetivo del anlisis y la forma que adopta. Por tanto, estas dos cuestiones sern el eje de nuestra exposicin, completndola con la peculiaridad de su formulacin o proceso. 2. CONCEPTUALIZACIN Y CARACTERIZACIN DEL ANLISIS CUALITATIVO

Entendemos por anlisis cualitativo de datos aquel que opera sobre textos. Por textos entendemos las producciones humanas que expresan las acciones humanas. Los diversos modos de expresin se organizan en lenguajes. Las expresiones son los mecanismos por los que la subjetividad del interlocutor se manifiesta ---ante s mismo y ante los dems, suministrando el indicio ms directo y revelador de la estructura de esa subjetividad y del sentido de las acciones. Por tanto, el anlisis cualitativo es aquel que se proyecta sobre cualquier forma de expresividad humana.

90

En realidad, el anlisis textual delimita un gran campo metodolgico, que a grandes rasgos resulta identificable con el dominio de las tcnicas denominadas. cualitativas. La gran divisin metodolgica y epistemolgica que recorre las ciencias sociales coincide en buena medida con a diferencia que marca el uso de tcnicas de anlisis textual respecto del uso de tcnicas no textuales (Navarro y Daz, 1994: 177).

El anlisis cualitativo de datos, por tanto, se puede definir en base al tipo de dato que maneja, o al que hace referencia, y que se traduce en las manifestaciones o expresiones que configuran los lenguajes humanos (textos) y a su objeto, basado en elaborar teoras de la subjetividad que expliquen el sentido y significado de las acciones humanas. A la hora de analizar los datos nos encontramos ante una encrucijada, caracterizada por la existencia de una gran variedad de tipos de datos y perspectivas desde las que analizarlos. Todas ellas coinciden, a pesar de su variedad, en transformar e interpretar el dato cualitativo textual cara a captar la complejidad del mundo social que se quiere comprender. Tesch (1990) plantea que a pesar de haber una extensa variabilidad entre las distintas modalidades de anlisis que se pueden aplicar en la investigacin cualitativa podemos encontrar al menos diez cuestiones comunes y permanentes en los distintos enfoques de anlisis. Esta caracterizacin puede ser importante cara a mantener la propia idiosincrasia del anlisis cualitativo. Por tanto, plantearemos una serie de rasgos que puedan identificarlo basndonos en Tesch (1990: 95-97). El anlisis de datos no es una etapa precisa y temporalmente determinada en una fase concreta de la investigacin, como ocurre en los anlisis cuantitativos. Opera por ciclos, tiene lugar a lo largo de todo el proceso de investigacin, es concurrente a la recogida de datos y trabaja con los datos de forma exhaustiva. El anlisis se hace extensivo hasta que los nuevos datos no aportan o regeneran nuevos desarrollos tericos. Los datos, textos verbales o escritos, se dividen o segmentan en unidades relevantes y significativas, manteniendo conexin a su vez con un objetivo ms global. Es decir, se establece una conexin muy estrecha entre aspectos especficos (tratamiento manipulativo de los datos) e interpretaciones tericas, operando simultneamente a un nivel concreto y conceptual, es decir, el anlisis no se limita a un tratamiento mecnico de los datos, sino que implica a su vez una actividad reflexiva, interpretativa y terica sobre los datos. Los datos segmentados son categorizados de acuerdo a un sistema organizado, derivado a su vez de la lectura de los datos. Algunas categoras y tpicos relacionados con el marco conceptual o las cuestiones a investigar pueden existir antes de comenzar el anlisis, pero en la mayora de ocasiones son interrogados los datos Sobre los contenidos y temas que contienen, procedindose inductivamente a establecer las categoras. Las categoras son inicialmente aproximaciones que se mantienen de forma abierta, ya que
91

debern acomodarse a nuevos datos. Se modificarn y refinarn hasta conseguir un sistema satisfactorio. El procedimiento intelectual bsico es la comparacin constante. Este mtodo es utilizado prcticamente durante todo el proceso de anlisis, para formar categoras, valorar y verificar su pertinencia, asignarlas a textos, y contrastar hiptesis mediante el rastreo de evidencias negativas, etc. Su objetivo, en sntesis, es discernir similitudes conceptuales, refinar el poder discriminatorio de las categoras y descubrir patrones. La manipulacin de los datos durante el anlisis es una actividad eclctica, ya que no existe un nico camino correcto. Es posible analizar un fenmeno por ms de una va o camino. El anlisis cualitativo exige un gran conocimiento metodolgico y una gran competencia intelectual. Los resultados del anlisis se traducen en sntesis de alto nivel conceptual. Es decir, su objetivo es generar y desarrollar una teora desde los datos. Para nosotros, tres peculiaridades definen el anlisis cualitativo de los datos como puede observar se en el cuadro siguiente:

El tipo de dato (textos) condiciona no contar con unidades precisas y constantes. Las unidades de anlisis pueden plantearse con diferente grado o nivel de concrecin, por tanto se opera con formas variadas en cuanto a la tipologa del dato. Es decir, se puede trabajar en base a trminos muy concretos como verbos, adjetivos, etctera, o en base a unidades mucho ms amplias y complejas como pueden ser secuencias narrativas con un significado terico. Una segunda peculiaridad radica en las frmulas de tratamiento que se aplican a los datos, consecuencia de la propia idiosincrasia del dato cualitativo.

92

Como tercera peculiaridad indicamos la interconexin y mutua dependencia entre tratamiento de datos y procesos intelectuales tericos. 3. PERSPECTIVAS Y OBJETIVOS DEL ANLISIS CUALITATIVO La naturaleza de los procesos de anlisis cualitativo est condicionada por: a) La perspectiva o enfoque cualitativo desde la que se enmarca el estudio y que determina el objeto o contenido del anlisis. b) El objetivo cientfico que se pretende lograr: describir, contrastar, interpretar. Tesch (1991: 16-25) se hace eco de las distintas plasmaciones del anlisis a tenor de la posicin epistemolgica o tradicin de investigacin cualitativa que se siga, as la etnografa holstica se orientar a la exploracin, descripcin y anlisis de los patrones culturales de un grupo, mediante la identificacin de sus creencias y prcticas concretas, mientras la antropologa cognitiva o etnosciencia se interesar por el conocimiento cultural de un guipo que se refleja en el lenguaje y en su semntica. Su objetivo ser estudiar el sistema semntico de un grupo como va para conocer la organizacin del conocimiento cultural de un grupo o pueblo. Para el interaccionismo simblico su propsito ser conocer cmo los individuos son capaces de adoptar la perspectiva de los otros y aprender los significados y los smbolos en instancias concretas de interaccin. Por tanto, la perspectiva epistemolgica cualitativa de la que partamos condiciona los objetas o contenidos del anlisis. Si el centro de inters se encuentra en el lenguaje de los sujetos, se abren alternativas planteadas en funcin de su estructura, comunicacin o cultura; cada una de estas vertientes puede a su vez ser abordada de manera diferente, por ejemplo, el lenguaje como estructura puede plantearse desde una visin lingista, y por tanto centrarse en la sintaxis, o como expresin de un conocimiento cultural. Si se plantea como comunicacin, puede abordarse bien como contenido o como proceso. En el primer caso, la tcnica de anlisis se circunscribe al anlisis de contenido mientras el proceso se resuelve mediante el anlisis del discurso. Pero tambin cabe que el lenguaje se estudie como manifestacin de una cultura, en este sentido cabe a su vez centrarse bien sobre la dimensin cognitiva o interactiva. En el siguiente cuadro se visualizan estas opciones.

93

Por tanto, si el objeto del anlisis se centra en las caractersticas del lenguaje, tal como queda expresado en el cuadro anterior, las tcnicas usuales son: el anlisis de contenido, el anlisis del discurso, el anlisis de la estructura cognitiva y el anlisis de los procesos interactivos. Nosotros consideramos que en cada orientacin investigadora (etnografa, interaccionismo simblico, fenomenologa) pueden plantearse muy distintos niveles de objetivos y, por tanto, conjugar y ser apropiada la aplicacin de anlisis muy variados. Es decir, que las tcnicas de anlisis estn tambin condicionadas por los objetivos cientficos que pudiesen a su vez derivarse y plantearse de los enfoques epistemolgicos. La especificacin de los objetivos ser esencial para seleccionar la forma de tratar y trabajar con los datos. As, por ejemplo, en la metodologa cuantitativa, segn sea el objeto cientfico del estudio se utilizarn unas u otras tcnicas de anlisis. Si el objetivo es descriptivo, se aplicarn tcnicas estadsticas descriptivas, si se pretende contrastar una teora, se utilizarn tcnicas de contraste. Por tanto, nuestro planteamiento es abordar el anlisis de datos cualitativos de forma paralela y, por tanto, resulta imprescindible, como medida previa, conocer el objetivo cientfico que se pretende alcanzar. Esta idea tambin queda brevemente apuntada por Tesch (1991: 22-25), al plantear los tipos de anlisis en relacin al propsito de la investigacin, bien sea descriptivo, interpretativo o de construccin terica. Est muy extendida la idea de que la investigacin cualitativa tiene como objetivo cientfico el comprender los fenmenos que estudia. Este concepto resulta poco claro en trminos de qu tipo de informacin necesitamos obtener. En esta va, Peshkin (1993) plantea, por primera vez, una taxonoma de objetivos cientficos que puede cubrir el enfoque cualitativo. Este autor explora la variedad de resultados que genera la investigacin
94

cualitativa, a partir de estudios clsicos en el campo de la sociologa y antropologa. Su propsito es elaborar una taxonoma que recoja toda la variedad de aportaciones cientficas de la metodologa cualitativa. Su propuesta tuvimos ocasin de contrastarla en estudios cualitativos educativos llevados a cabo en Espaa (Colas, 1994), llegando a las siguientes conclusiones en cuanto a objetivos cientficos que se cubren: a) Descriptivos, en los que se incluye descripcin de procesos, relaciones, contextos y situaciones, sistemas y personas. Por ejemplo: Conocer el clima de opinin y las condiciones en las que se desarrolla la integracin escolar en cada centro (clima institucional), objetivo cientfico planteado en un estudio real. b) Interpretativos, concretndose en: explicar y crear generalizaciones, desarrollar nuevos conceptos, reelaborar conceptos existentes, refinar conocimientos, identificar problemas, clarificar y comprender la complejidad y desarrollar la teora, Por ejemplo: El propsito de esta investigacin consiste en analizar la estructura del conocimiento de profesores expertos y principiantes cuando resuelven el problema de la enseanza de la lectura o Su objetivo es teorizar sobre c proceso de introduccin de innovaciones en los centros educativos. Objetivos cientficos que se plantean en aportaciones realizadas. c) Verificacin terica. Por ejemplo: El objetivo de este estudio es confirmar si los sujetos de 7, 11 y 15 aos pueden distinguir entre cuestiones morales, convencionales y personales. Se pretende confirmar o contrastar teoras respecto a la formacin de conceptos morales. d) Evaluativos, cubriendo prcticas, necesidades, innovaciones y polticas. Por ejemplo: Valorar el proceso de internamiento en Centros de Proteccin y Tutela de Menores y los efectos que produce esta decisin judicial. Por tanto, podemos concluir que el anlisis cualitativo cubre distintos objetivos cientficos que van desde las descripciones hasta la generacin y construccin terica. El cuadro de la pgina siguiente recoge de forma sinttica las principales modalidades o clases de objetivos que pudieran plantearse. 4. PROCEDIMIENTOS Y TCNICAS EN EL ANLISIS CUALITATIVO

Existen distintas formas de entender el anlisis cualitativo. Algunos autores (Huberman y Miles, 1994) focalizan el anlisis en actividades manipulativas de los datos, tales como codificacin, indexacin, recuperacin de informacin, etc. Dey (1993) y Wolcott (1994) ofrecen una visin bastante
95

similar. Tanto si estas actividades se realizan de forma manual o a travs de software informtico, el anlisis de datos se plantea de forma independiente a la especulacin e interpretacin. Por tanto, desde este enfoque los procedimientos de anlisis se centran en la organizacin y recuperacin de informacin.

Otros autores (Woods, 1987) plantean el anlisis desde una perspectiva de teorizacin, seleccionndose como tareas fundamentales el anlisis especulativo, la categorizacin y la formacin de conceptos, tipologas y teoras. Por tanto, para este autor el anlisis cualitativo se identifica con procesos de elaboracin terica. Una tercera orientacin la presenta Glaser y Strauss (1967), entre otros, retomndola Goetz y LeCompte (1988), al primar los procedimientos para ampliar y/o con firmar las explicaciones. Nuestra posicin es que el anlisis de datos se configura en torno a tres dimensiones, como ya apuntamos en una anterior publicacin (Cols, 1992), que supone conjugar estas tres perspectivas, no soslayando ninguna de ellas.
96

Por otra parte, estas dimensiones son elementos aglutinadores y explicativos de tcnicas especficas, tal como se expresa en el grfico de la pgina siguiente. Por tanto, el anlisis cualitativo supone la confluencia y convergencia de tres actividades intelectuales: procesos de generacin terica, procesos de expansin y contrastacin de hiptesis y/o teoras, y procedimientos analticos manipulativos. Cada una de estas actividades se lleva a trmino mediante tcnicas especficas que describiremos en el apartado siguiente.

Procedimientos analticos. El texto de Miles y Huberman (1994, 2. ed.) es un material de referencia bsico para los investigadores cualitativos. En el se exponen gran cantidad de tcnicas de anlisis relacionadas con el tratamiento especfico de los datos: reduccin de datos, exposicin, elaboracin de conclusiones y verificacin. Haremos una breve presentacin de ellas, remitiendo al lector al texto referido para un estudio ms detenido.
97

La reduccin de datos implica seleccionar, focalizar, abstraer y transformar los datos brutos de forma que puedan ir establecindose hiptesis de trabajo. Para esta reduccin se pueden utilizar distintas tcnicas, tales como cdigos, memorndum, metforas, etc. (Cols, l994:272). La codificacin constituye la primera actividad del anlisis. Los cdigos son etiquetas o rtulos que se asignan a unidades de significado, con objeto de describir e inferir informacin acumulada en el estudio. Se pueden asignar a distintos tamaos de informacin palabras, frases, prrafos, lo importante es que representan un significado relevante para el estudio. Su finalidad es facilitar la organizacin y recuperacin de la informacin. Miles y Huberman (1994:57) plantean tres modalidades bsicas de cdigos: a) descriptivos, atribuyen un nombre a un contenido o segmento del texto, b) interpretativos, tienen un carcter ms general o complejo, identifican un concepto ms abstracto que representa a determinadas manifestaciones, por ejemplo, Mot Pub o Mot Priv para referirse a argumentos que se plantean en base a una motivacin pblica o privada y, por ltimo, c) cdigos de patrn, que tienen un cariz ms referencial y explicativo, representan leit motiv emergente o patrones explicativos de tas relaciones entre eventos. Esta actividad es fundamental en Cualquier tipo de estudio cualitativo que se quiera plantear, ya tenga un propsito descriptivo o de teorizacin, ya que supone acotar los textos en datos. Estos datos, por tanto, sern las unidades con las que se trabaje y se elaboren hiptesis y teoras. De este planteamiento deducimos que esta actividad tiene enorme trascendencia para todo tipo de objetivo cientfico que un estudio cualitativo pueda proyectar, es decir, tanto para propuestas descriptivas como de teorizacin. Otros autores, Lofland (1971) Bogdan y Biklen (1992), plantean clasificaciones muy distintas de tipos de cdigos. En cualquier caso es importante considerar la temtica y los objetivos y/o hiptesis de la investigacin para la determinacin de la modalidad de cdigo/s a emplear.

98

Ejemplo de aplicacin de cdigos temticos y descriptivos:

La exposicin y presentacin de datos constituye otra actividad importante en el anlisis de datos. Por exposicin de datos se entiende la presentacin de informacin de forma sistemtica y visual. Las formas ms habituales que se utilizan son las matrices que se definen mediante filas y columnas, las redes que se configuran en tomo a enlaces que se unen entre ellos y los mapas conceptuales que representan conceptos que las personas tienen o hacen sobre un tema, mostrando la relacin entre ellos. Las matrices pueden elaborarse con distintos planteamientos u obedecer a distintos objetivos cientficos. Una de las formas habituales es plantearla en funcin de temticas conceptuales, o bien si, por ejemplo, nos interesa conocer la evolucin de un proceso de innovacin en el aula, representarla en funcin de un orden temporal. La exposicin de datos y la utilizacin de matrices puede rea en distintas fases del anlisis, variando, por tanto, su finalidad en cada situacin. As, por ejemplo, en un primer momento puede interesar tener una descripcin detallada de una determinada situacin y elaborar una matriz eminentemente descriptiva en la que se recoja la
99

informacin conceptual bsica de un sujeto. En un segundo momento, la matriz puede cambiar de objetivo, disendose con vistas a mostrar o revelar explicaciones. En un tercer momento puede interesar, de cara a una elaboracin terica, conocer o plantear una relacin causal. Esta sucesin supone en cualquier caso un cambio en el grado de abstraccin. La causalidad es una forma ms potente de explicacin y exige una sucesin temporal. Es decir, una variable causa otra sucesiva temporalmente.

100

Ejemplo de aplicacin de una matriz temporal:

101

Las redes sirven para describir datos y facilitar la clasificacin y comunicacin del tema analizado. Son sistemas de notacin que expresan una ordenacin de categoras, a cualquier nivel de complejidad. Ejemplo de aplicacin de una red descriptiva:

Las ventajas que presenta esta forma de representacin son entre otras: a) Economa y visualizacin en la organizacin de los datos. b) Poder comparar sujetos en base a una estructura comn que sirve de referencia comparativa. Los mapas son otra forma de expresin grfica de datos cualitativos. Ejemplo de aplicacin de un mapa conceptual:
102

Las tcnicas grficas tambin pueden reflejar relaciones causales. La causalidad puede observarse tanto a travs de matrices dinmicas, en las que se visualizan los cambios y rasgos del proceso secuencial y los resultados, como por medio de redes causales que identifican variables independientes y dependientes, as como sus relaciones. El siguiente cuadro es una ejemplificacin de una red causal en el caso de un adolescente con problemas:

103

104

La red causal de la pgina anterior ofrece una aclaracin razonable en un caso panicular, ya que sintetiza las variables explicativas ms plausibles y por otra parte las conecta. Evita el pasar por alto variables y produce resultados que son sistemticos y verificables. En esta representacin se expresan las relaciones de forma direccional y no solamente de forma correlacional. Muestra factores que ejercen influencia sobre otros. Por tanto, para que una red causal sea til, ha de estar asociada a un texto analtico que describa el significado de las conexiones entre factores. El siguiente cuadro, a modo de conclusin, recoge aspectos bsicos del anlisis (tcnicas, finalidad y referentes) que originan distintas frmulas representativas.

En el cruce de estos tres ejes se sitan todas las modalidades de exposicin de datos cualitativos. Por ejemplo pueden disearse matrices en tomo a temas, con una finalidad descriptiva, o matrices en tomo a conceptos, con una finalidad interpretativa. 4.2 Tcnicas para la generacin de teoras

La generacin de teoras es el propsito fundamental que gua al investigador, llevndose a trmino en primer lugar mediante el descubrimiento de categoras abstractas y el establecimiento de relaciones entre ellas. La
105

teorizacin es un procedimiento cognitivo consistente en descubrir y manipular categoras abstractas. Este proceso se lleva a cabo a travs de distintas operaciones. Las tcnicas que implican quedan recogidas en el grfico de la pgina siguiente (traducido y adaptado de Tesh, 1987, en Cols, 1992: 528). El proceso que se sigue para llegar a la teorizacin se concreta en las siguientes actividades (Cols, 1994: 273): a) Descubrimiento de las unidades de anlisis. Tendr como misin guiar la recogida de datos y reducir la amplitud de los datos a dimensiones manejables. La seleccin de ellas requiere la exploracin formal o informal de los datos y su codificacin inicial. b) Categorizacin o conceptualizacin. Es la agrupacin y ordenacin de los datos dentro de categoras o conceptos. Esta actividad cumple una funcin mediadora entre la teorizacin y los datos observados. Las categoras tienen un carcter abierto y flexible, sometindose a modificaciones, impuestas por la teora o los datos. c) Formulacin de hiptesis y/o establecimiento de conjeturas fundamentadas (elaboracin de la teora) sobre relaciones. Implica postular o predecir relaciones o constructos para ser explorados y eliminar hiptesis rivales. TCNICAS Y PROCESOS PARA LA GENERACIN DE TEORAS (Traducido y adaptado de Tesch, 1987. en Cols, P., 1992)

106

Las teoras que se derivan de los datos pueden ser de carcter concreto o general. Glaser y Strauss (1967) identifican dos tipos de teoras: La formal y la sustantiva, diferencindose en su nivel o grado de generalidad. Estos autores, por tanto, son los primeros en sistematizar lo que ellos denominan teora fundamentada. La teora sustantivo se configura a travs de la interrelacin de proposiciones y conceptos sobre aspectos particulares del fenmeno que se estudia. Se restringe a las caractersticas de las situaciones concretas, estando estrechamente vinculada al desarrollo de tipologas y categoras. La teora formal explica clases abstractas de conductas humanas a partir de la interrelacin de proposiciones. Posee un alto nivel de generalizacin y abstraccin. La existencia de mltiples teoras, tanto a nivel sustantivo como formal, se hacen necesarias para configurar una teora ms general con un alto nivel de parsimonia. 4.3. Tcnicas para el desarrollo y contrastacin de hiptesis Pueden entenderse como procedimientos complementarios a los anteriormente referidos que tienen por objeto hacer evolucionar formulaciones tericas incipientes. Ese desarrollo se entender en dos sentidos: ampliando o haciendo ms general la teora, es decir, propiciando el paso de una teora sustantiva a otra formal, o refinan doy matizando el alcance de la misma. A estos objetivos se destinan las tcnicas de seleccin de casos negativos, seleccin de casos discrepantes, muestreo terico y el mtodo de comparacin constante. Los casos negativos sirven para perfilar y delimitar la aplicabilidad de un constructo y las condiciones y/o circunstancias de su validez. Representan la excepcin a una regla emergente. La seleccin de casos discrepantes tiene por objetivo hallar los casos que no se explican y ajustan a la teora. El muestreo terico y el mtodo de comparacin constante son propuestos por Glaser y Strauss (1967) con el fin de desarrollar lo que ellos denominan teora fundamentada. Estos autores definen el muestreo terico como un proceso de recogida de datos dirigido a generar una teora. La codificacin y anlisis de los datos acopiados permitir decidir qu nueva informacin se necesita recoger y dnde encontrarla a fin de desarrollar la teora que emerge. Mediante el mtodo de comparacin constante se identifican las propiedades de los datos, se analizan las interrelaciones y se integran en una teora. El grfico siguiente, inspirado en Miles y Huberman (1994), plasma visualmente y de forma sinttica los procedimientos y secuencias que sigue el anlisis cualitativo de datos:

107

5. TCTICAS PARA EXTRAER Y CONTRASTAR CONCLUSIONES Siguiendo a Miles y Huberman (1994) mencionaremos algunas de las tcnicas ms prototpicas que se utilizan para interpretar datos y extraer conclusiones. 1. Observar patrones y temas. Supone anotar patrones o temas en torno a los cuales se pueden aglutinar los datos para que stos adquieran un sentido. Los patrones pueden referirse a variables que impliquen similitudes y diferencias entre categoras, y patrones de procesos referidos a conexiones espacio-temporales en el texto. El investigador debe estar
108

2.

3.

4.

5.

6.

atento tanto a nuevas evidencias que puedan incluirse en el mismo patrn como a informaciones que no se ajusten. Comprobacin de la plausibilidad de los resultados Supone que los datos obtenidos tengan sentido y se ajusten a la realidad. Para ello, el investigador puede utilizar, adems de sus percepciones e intuiciones, tcnicas ms sistemticas como el agrupamiento (clustering>) y particin de variables, elaborando niveles y distribucin de porcentajes de uso en cada nivel. Agrupar. Supone aglutinar eventos concretos en unidades ms abstractas. Se realiza a travs de tres pasos sucesivos: exploracin de datos, ordenamiento y revisin y, por ltimo, conceptualizacin de cada agrupacin o cluster. Se trata, por tanto, de un proceso inductivo de formacin de categoras y de una reiterada inclusin de eventos (actos, procesos, situaciones, etc.) dentro de categoras. Este procedimiento implica cambio en el nivel de abstraccin (subsumir lo particular en lo general). Subsumir lo particular en lo general. Es una actividad conceptual y terica que conecta los datos anteriores del primer nivel conceptual con los posteriores que representan categoras ms generales. Estas se desarrollan y evolucionan hasta la saturacin, es decir, hasta que los nuevos datos no aaden nuevos significados a la teora general. Particin de variables. Puede darse en distintos momentos del anlisis: desde la etapa inicial de conceptualizacin hasta las fases finales de la teorizacin. Consiste en plantear la diferenciacin. En muchas ocasiones, sta resulta mucho ms rica e importante que la integracin. Por ejemplo, cuando estamos trabajando con la variable efectos puede resultar interesante diferenciar o partir la variable en efectos a corto ya largo plazo. La particin no es siempre conveniente y debe aplicarse invariablemente al servicio de la obtencin de resultados coherentes, y descripciones y explicaciones integradas. Metforas. Por metfora se entiende, como figura literaria, la comparacin de dos cosas resultando o tomando como punto de referencia sus similitudes e ignorando sus diferencias. Son una abstraccin parcial. Juegan un papel importante en el desarrollo de la teora. Miller (1986) puntualiza que las metforas han jugado un papel central en las ciencias fsicas en la clarificacin de argumentos y explicaciones. Se utilizan para dar sentido a la experiencia. Se pueden definir como recursos de reduccin de datos que toman aspectos particulares y hacen una generalizacin simple de ellos. Tambin pueden ser estrategias para la elaboracin de patrones. Por tanto, las metforas o analogas son formas de conectar los datos a las teoras. Como muchos autores apuntan, el pensamiento metafrico une de forma efectiva razn e imaginacin. La metfora est, por tanto, a mitad de camino entre los datos empricos y el significado conceptual de ellos.

109

7. Realizar contrastes y comparaciones. Este procedimiento se dirige a generar y refinar una teora. Utilizando la comparacin constante con casos se identifican las propiedades de los datos, se analizan las interrelaciones y se integran en una teora. Las situaciones o casos comparativos que se pueden plantear son muy diversos: casos negativos o casos discrepantes que servirn para perfilar y delimitar la aplicabilidad de la teora inicial. Las comparaciones podrn aplicarse a sujetos, situaciones, tiempos! variables, etc. 8. Factorizacin. Consiste en representar una gran cantidad de datos en trminos de un pequeo nmero de variables o, mejor dicho, factores no observables directamente y generalmente hipotticos. Esta tctica se emplea con dos objetivos: a) reducir el grueso de los datos y b) encontrar patrones en ellos. Por tanto, el agrupamiento, el establecimiento de metforas y ascender a la abstraccin son las principales actividades para generar patrones. 9. Establecer relaciones entre variables. Los vnculos entre variables pueden ser muy diversos y no deben entenderse nicamente de forma causal. En esta actividad lo importante es descubrir el tipo de conexin que se da entre dos aspectos. Complementariamente se establecen tcticas para la verificacin de la certeza de la aligacin entre variables, a travs de su comprobacin con explicaciones rivales, excluyendo relaciones espreas o utilizando casos extremos. 10. Encontrar variables intervinientes. Cuando se analiza la conectividad entre dos variables es importante considerar y detectar la incidencia de otras variables que podran brindar una comprensin mucho ms realista, ofreciendo, por tanto, una explicacin ms compleja. 11. Elaborar una cadena lgica de evidencias. Para ello es necesario proceder de forma gradual, primero detectando factores significativos, planteando tentativas sobre relaciones lgicas, comprobndolas de formas sucesivas con nuevos datos brutos, modificando y refinndolos dentro de un nuevo mapa explicativo, que nuevamente se pone a prueba con nuevos casos. 12. Mantener la coherencia conceptual/terica. El investigador trata de mantener una coherencia interna entre los sucesivos estadios conceptuales que se siguen a lo largo del proceso de anlisis. Por tanto, est alerta para que haya correspondencia entre los datos y sus interrelaciones: entre metforas y constructos y posteriormente con las teoras. Todas estas tcnicas son tiles tanto para generar teoras como para la expansin y contrastacin de hiptesis y/o teoras. Adems de las tcticas hasta aqu planteadas que afectan al proceso de interpretacin, comentaremos brevemente otras, referidas a la comprobacin y verificacin de los resultados.
110

Miles y Huberman (1994: 263-287) ofrecen una relacin de respuestas mtodolgicas en este sentido. Para la confirmacin de conclusiones se utilizan distintos procedimientos: a) Comprobacin de la representatividad de las muestras del estudio. b) Comprobacin de los efectos del investigador. c) Control sobre los prejuicios de los distintos informantes e investigadores. d) Triangulacin de fuentes de datos, mtodos, de diferentes teoras, e investigadores. e) Corroboracin de los datos por los informantes. Una informacin ms detallada sobre los procedimientos que la investigacin cualitativa aplica para garantizar la credibilidad de sus resultados puede verse en Cols (1992). 6. PROGRAMAS INFORMTICOS PARA EL ANLISIS CUALITATIVO

Las formas ms habituales de aplicacin de la informtica al anlisis cualitativo se centran en la codificacin y recuperacin de textos o datos. Este uso generalizado no significa que sean las nicas utilidades, de hecho existen otras muchas posibilidades, como por ejemplo visualizar y representar conceptos o ideas tericas. Por tanto, al presentar software informtico para este cometido es importante plantear la diversidad de sus aplicaciones. Nosotros consideramos fundamental que el investigador conozca la pluralidad de funciones que el ordenador puede facilitar y as evitar una aplicacin indiscriminada de programas que llevan a un encorsetamiento metodolgico. Por tanto, en este apartado planteamos aquellas informaciones claves que pueden ayudar a seleccionar y trabajar de forma verstil con software informtico. La eleccin de un determinado software ha de estar guiada por la clase de datos y el tipo de anlisis que se pretende realizar. Por tanto es importante, a nuestro entender, que la presentacin de software informtico, actualmente disponible, se haga con referencia a sus prestaciones. Nosotros haremos una presentacin general, remitiendo al lector a textos ms especializados para una informacin ms detallada y completa sobre el tema. Weitzman y Miles (1995) analizan una gran cantidad de programas informticos, describiendo de forma sinttica y minuciosa sus funciones y usos. Adems incluyen informacin prctica sobre la ejecucin del programa y los distribuidores. Tambin Weaver y Atkinson (1994, 1996) analizan minuciosamente las funciones que distintos software pueden realizar con unos mismos datos. Otros autores, Coffey y Atkin son (1996) o Miles y Huberman (1994), plantean anlisis comparativos de distintos programas.

111

6.1. Software informtico y funciones que cubren en el anlisis cualitativo Las funciones con carcter general que puede realizar el software informtico en su aplicacin al anlisis cualitativo son: 1. Codificacin, recuperacin de textos o datos y recuento. Los programas que cuentan con estas aplicaciones permiten dividir el texto en segmentos, unir cdigos a segmentos, encontrar y exponer todos tos segmentos codificados con determinados cdigos, o segmentos codificados con combinaciones de cdigos. En el cuadro siguiente (ver pg. 308) se puede observar qu programas son ms adecuados para estas actividades. Las aplicaciones especficas de este uso se concretan en: a) Codificacin. En este caso el programa permite segmentar o dividir los textos en palabras, frases, prrafos, etc., y luego asignarles cdigos o palabras claves a estos segmentos. La forma en que puede codificarse puede variar. Puede realizarse bien de forma lineal o jerrquica, es decir, incluyendo cdigos concretos en otros de carcter ms abstracto o general y conectarlos con otros cdigos. Algunos programas muestran la relacin de cdigos en forma de listados, otros de forma jerrquica y otros en forma de redes. b) Memorndums. Algunos programas permiten incorporar, bien de forma marginal a los datos o en un espacio especfico, anotaciones o memorndums sobre el significado de los datos. Otros programas no incluyen estas opciones. c) Vinculacin de datos. Algunos programas posibilitan conectar distintas partes de las bases de datos cualitativas (cdigos, anotaciones, memorndums, etc.) y tambin relacionar cdigos con memorndums. Algunos adoptan la forma de hipertexto permitiendo ojear y navegar a travs de las bases de datos. d) Bsquedas y recuentos. Esta funcin hace posible buscar materiales especficos y mostrarlos segn las cuestiones que se plantean. Las bsquedas siguen un procedimiento booleano (y, o, no). Estas funciones resultan muy tiles en el anlisis de contenido, cuando ste se circunscribe al recuento de frecuencias, de secuencias o localizacin de frases o palabras. 2. Representacin y sistematizacin de datos. El software que cuenta con esta aplicacin construye redes grficas que representan relaciones entre variables. Estas conexiones se crean a partir de los datos y facilitan
112

enorme mente las elaboraciones tericas y de conceptos. Esta funcin cubre la importante tarea de sintetizar, organizar y visualizar la informacin, adems de facilitar la creacin y contrastacin terica. Como funciones especficas citaremos: a) Representacin y exposicin de datos. Algunos programas pueden mostrar los resultados, bien sean textuales o numricos (caso de recuento de frecuencias), a travs de matrices. Incluso si el programa hace recuento de frecuencias puede enviar los resultados directamente a un programa estadstico. b) Edicin de grficos. Tambin existen programas que crean y editan redes en base a nudos conectados entre s. Los nudos pueden ser variables, o cdigos o memorndums y generalmente estn asociados a una gran cantidad de textos. Estas representaciones ayudan a clarificar ideas o a plantear hiptesis. Son un paso importante en las elaboraciones tericas. Las redes pueden seguir distintas frmulas de elaboracin: enumeracin de nudos, recuperacin de textos asociados a los nudos, y carcter de las uniones, si son de carcter simple o siguen condiciones mltiples como por ejemplo es una parte de, sigue a, es un tipo de o pertenece a. 3. Elaboracin y contrastacin de teoras e hiptesis. El software que cuenta con estas opciones, adems de incluir la codificacin y el recuento, pueden establecer conexiones entre cdigos o categoras de informacin y desarrollar clasificaciones inferenciales o conceptos abstractos. Tambin formular hiptesis, implicando una estructura conceptual que se ajuste a los datos, y comprobar si tales formulaciones se observan en los registros. Estos programas se basan en la lgica formal. Dentro de estas posibilidades generales los programas cuentan con distintas prestaciones, as mientras algunos programas permiten desarrollar y comprobar proposiciones o hiptesis, otros trabajan en base a casos para encontrar patrones de variables predictoras asociadas a determinados resultados. De cara a la construccin terica y la comprobacin de hiptesis, los programas NUD.IST y ATLAS estn diseados para elaborar relaciones sistemticas entre categoras codificadas. Las teoras pueden ser construidas mecnicamente a travs de los cdigos y categoras. En el programa NUD.IST, por ejemplo, el procedimiento que se utiliza es la clasificacin de cdigos en estructuras arbreas jerarquizadas. Otros programas como el Atlas o Hiper Research, entre otros, realizan funciones similares. La ordenacin de tipos de cdigos y de las relaciones entre ellos es un conocimiento clave en la investigacin cualitativa. El programa Atlas es

113

especialmente til cuando se desea explicar y visualizar patrones emergentes de conceptos y las relaciones entre ellos. Otras de las utilidades consiste en relacionar ideas con los datos. Esta funcin va ms all de la generacin de categoras analticas y conceptos. Se basa en la necesidad de comprobar sistemticamente conceptos e hiptesis emergentes cara a modificarlos, desecharlos o desarrollarlos. Esta actividad se denomina verificacin. Textos como los de Sibert y Shelly (1995) o HesseBiber y Dupuis (1995) exponen detalladamente tcnicas informticas para comprobar hiptesis. Segn Weitzman y Miles (1995) los programas Inspiration, Meta Design y Sem Net son representativos de estas funciones, adems de facilitar la representacin grfica de los datos. Existen pocos programas que ayuden a analizar el lenguaje, el significado o la estructura narrativa de los textos, ya que el software est ms centrado en la organizacin y recuperacin de contenido que en el descubrimiento de formas o estructuras. El ETHNO permite construir un modelo de relaciones entre eventos narrativos. Est diseado para tratar con eventos definidos verbalmente, incluyendo narraciones. Este software utiliza principios lgicos para construir diagramas de eventos y relaciones entre ellos. Por tanto, el ETHNO puede resultar til para la representacin de estructuras narrativas y para el anlisis de las propiedades lgicas de la reconstruccin narrativa de los eventos, admitiendo extraer y comparar estructuras de secuencias que han sido observadas. En el siguiente cuadro se describe el software especializado, actualmente ms conocido, en relacin a la viabilidad de cubrir las funciones analticas anteriormente expuestas: codificacin y recuentos, representacin y sistematizacin de datos, elaboracin y contrastacin de teoras e hiptesis. Recordarnos que estas funciones se identifican con las tcnicas analticas de reduccin, exposicin, elaboracin de conclusiones y verificacin que plantean Miles y Huberman (1994).

114

PROGRAMAS INFORMTICOS Y DESCRIPCIN DE SUS UTILIDADES EN EL ANLISIS CUALITATIVO

115

6.2.

Criterios a seguir para la eleccin del software

A la hora de elegir un programa informtico para el anlisis cualitativo de datos las recomendaciones tienen dos ejes claves de referencia: el lector y el proyecto de investigacin. a) Usos y conocimientos informticos del lector. El grado de familiaridad y sistemas informticos de uso del lector sern criterios importantes a considerar en la eleccin de un software especfico. Como puede observarse en el cuadro anteriormente descrito, hay programas que operan en entornos Dos, Window, Unix, etc. Por lo cual es ms recomendable seleccionar programas que se ajusten al sistema operativo con el que el lector est ms familiarizado. Otro criterio no desdeable es el nivel de manejo o habilidad informtica que tenga el lector. Para ello hemos clasificado los programas segn su grado de dificultad. b) Caractersticas del proyecto de investigacin. En este apartado hay que considerar a su vez los siguientes aspectos: 1. Fuentes de los datos (simple o mltiple). Hay que considerar si los datos del estudio proceden de distintas fuentes o de una nica. Existen programas que son buenos para establecer conexiones de fuentes. Los programas hipertexto son recomendables en estos casos. 2. Casos nicos o mltiples. Si se tienen mltiples casos puede interesar clasificarlos segn diferentes patrones, o realizar comparaciones entre ellos. Algunos software realizan estos anlisis. Otros programas cuentan con opciones ms limitadas y trabajan nicamente con casos nicos. 3. Datos fijos o para revisar. Si deseamos poder revisar bases de datos tales como cdigos, memorndums, comentarios, etc., debemos seleccionar programas en los que la revisin de las bases de datos sea fcil. Tambin hemos de tener presente si los datos son estructurados o abiertos, y el tamao de la base de datos. c) Tipo de anlisis que se pretende realizar. Las opciones se circunscriben a las siguientes cuestiones: 1. Anlisis exploratorio versus confirmatorio. Los programas que disponen de sistemas grficos de representacin ofrecen ms facilidades cuando se desea tanto elaborar como comprobar teoras o hiptesis. 2. Sistemas de codificacin. Puesto que en la mayora de ocasiones los sistemas de codificacin han de ser reformulados, resulta conveniente seleccionar programas en que resulte fcil la revisin de cdigos.
116

Tambin es recomendable que el programa admita aplicacin de mltiples cdigos a un mismo segmento de texto, incluyendo cdigos de alto nivel de inferencia o abstraccin. 3. Amplitud de las unidades de anlisis. En la medida de lo posible es aconsejable seleccionar programas que permitan utilizar variedad de tamaos de informacin como unidades de anlisis. 4. Representacin grfica de los datos. Las tareas de anlisis se ven facilitadas cuando la informacin est organizada y condensada en un sistema concreto. Algunos programas realizan la exposicin de datos en formato de listas, otros en forma de matrices y otros en redes o diagramas jerrquicos. 5. El tipo de tratamiento que tengamos planteado dar a los datos. Exclusivamente cualitativo o estadstico, ser otro criterio que hemos de valorar, ya que como anteriormente hemos mencionado algunos programas permiten trasladar matrices numricas a programas estadsticos. 6. Inters en el contexto de los datos. En la investigacin puede importar nicamente conocer palabras concretas y realizar el recuento de frecuencias o, por el contrario, tener inters por el contexto en el que aparecen las informaciones. Los programas informticos presentan una enorme variabilidad en este sentido. Algunos trabajan de forma muy restringida y parcializada, mientras otros tienen la opcin de la presentacin de datos complementarios a los datos, por ejemplo, rastrear y mostrar secuencias precedentes y siguientes. De forma complementaria a esta visin general del anlisis cualitativo el lector puede profundizar en tcnicas especficas con la revisin de los siguientes textos: Psathas (1994) sobre anlisis conversacional, BalI y Smith (1992) sobre datos visuales, Plume (1983) sobre historias de vida, Hill (1993) sobre material documental y Thomas (1993) sobre etnografa crtica.

117

BIBLIOGRAFA BUENDA, E. Leonor. Et al. Mtodos de investigacin en psicopedagoga. McGraw Hill, Madrid, 1998. CZARES, H. Laura. Et al. Tcnicas actuales de investigacin documental. 3. ed., Ed. Trillas, Mxico, 1990. GONZLEZ Gaxiola, Fermn. Et al. Presentacin de trabajos acadmicos. 4. ed., Departamento de Letras y Lingstica, Hermosillo,1999. HERNNDEZ, S. Roberto. Et al. Metodologa de la investigacin. 2. ed., McGraw Hill, Mxico,1999. IBEZ, Branbila, Berenice. Manual para la elaboracin de tesis. 2. ed., Ed. Trillas, Mxico, 1995. MARTNEZ, M. Miguel. La investigacin cualitativa etnogrfica en educacin: manual terico-prctico. 3. ed., Ed. Trillas, Mxico, 2002.

118