UNIVERSIDAD NACIONAL DEL ALTIPLANO

ESCUELA DE POST GRADO

DOCTORADO EN CIENCIA TECNOLOGIA Y MEDIO AMBIENTE
EXTENCION-ABANCAY

RESUMEN
ANALISIS PROCESO DE INVESTIGACION

PRESENTADO POR:
David Juan Ramos Huallpartupa
Jose Gabriel Barazorda Carrillo

ABANCAY PERU
2013

ANALISIS DEL PROCESO DE INVESTIGACION

La metodologa se puede clasificar en dos grupos, los que intentan desarrollar temas de la disciplina un
arreglo a la lgica del proceso de investigacin y los que desarrollan temas pero sin proponerse una
presentacin lgica.
El proceso de investigacin parte de un problema mencionando dos de los ms importantes, por un lado,
la confusin de los criterios que se emplean con el fin de aislar etapas del proceso y reagruparlos segn
su especie que consiste en detectar el ncleo del mtodo en la produccin del conocimiento cientfico y
delimitar conceptos al agrupar criterios para analizar los cuales son el proceso, diseo y proyecto de
investigacin. El segundo problema menciona las dificultades que se presentan para darse una secuencia
lgica entre las etapas que consisten en delimitar al modo de validacin frente al modo de
descubrimiento.
A continuacin se hace referencia la delimitacin de la terminologa que emplea Samaja:
Proceso de investigacin, es la totalidad de las acciones que desarrolla el cientfico.
Diseo de investigacin, es el momento de adopcin de una estrategia metodolgica para la solucin
del problema.
Proyecto de investigacin, es el documento destinado a un organismo de control que contiene la
informacin de la gestin de la investigacin.
Dentro del problema de anlisis se proponen dos categoras para analizar el proceso en la perspectiva del
mtodo:
1. Fases y momentos de la investigacin, las cuales son las acciones para avanzar el
conocimiento.
2. Las instancias de validacin son las mismas acciones pero desde la perspectiva de su adopcin
a los controles.
Por lo tanto, el proceso de investigacin es descrito como el conjunto de acciones destinadas a descubrir
y probar un sistema de hiptesis compuesto de los siguientes tipos: Hiptesis sustantiva de la
investigacin, de validez, operativas y retricas, por consiguiente, se manifiesta el momento de
formulacin de la hiptesis sustantiva. En la fase sincrtica tiene como objeto tomar conciencia exacta de
los pre-supuestos que guan a la bsqueda de la solucin. La hiptesis sustantiva es conceptual y slo en
la medida en que esta hiptesis se expresa con entera claridad ser posible disear la bsqueda de
informacin pertinente como para comprobar o refutar la presuncin. La hiptesis de trabajo es una
proposicin que a una respuesta tentativa a un problema en la fase de planteamiento de la investigacin,
por tal motivo se cuestiona de dnde sale la hiptesis?, por lo que la respuesta deriva del problema, de
la intuicin, de la creatividad del conocimiento previo, en consecuencia existen modelos donde el
investigador se va a apoyar para formular su hiptesis e investigar, es decir, la hiptesis se apoya en
modelos de esta manera se valida la hiptesis sustantiva apoyndose en conocimientos previos tericos y
experimentales, en tanto en la fase analtica el proceso es poder definir el objeto de estudio pero en
trminos empricos poder precisar a partir de qu observables voy a construir el conocimiento y la
validacin tiene que haber una coherencia entre lo conceptual y lo observable por lo que respecta al
momento de la formulacin de hiptesis expositiva o significacin en la fase sinttica, se sintetiza la teora
y la emprica en la fase de la exposicin donde se redacta la hiptesis en la que se basa el investigador.
Otro momento, es el de formulacin del marco terico presenta diversas formas segn sea el grado de
desarrollo del conocimiento pre-existente en que se describe el problema de la investigacin. En todos

estos casos el proceso deber auxiliarse con la elaboracin de un lenguaje creciente formal, un sistema
formal est constituido por:
1. Los smbolos que se van a considerar las expresiones elementales del sistema.
2. Las reglas que se seguirn para construirlo.
3. Los axiomas que son proposiciones que se adoptan como vlidas.
4. Las reglas que se debern seguir rigurosamente para inferir otras proposiciones que por eso
slo hecho sean consideradas tambin vlidas.
El esfuerzo de la formulacin del marco terico tiene como objetivo mnimo el pre-exponer de manera
sistemtica las definiciones conceptuales y las proposiciones directamente implicadas en la comprensin
del problema y de la hiptesis sustantiva la cuestin de la formulacin del marco terico pueden ser
examinada desde dos perspectivas distintas y que es conveniente distinguir:
1. Desde la perspectiva del proyecto exponer de una manera clara y concisa el contenido de los
conceptos las proposiciones y las relaciones lgicas ms directamente pre-supuestos para la
comprensin del problema y la hiptesis sustantiva.
2. Desde la perspectiva del proceso consiste en explicar la configuracin general de ideas que se
intentan explicar el objeto. Esta fase de formulacin del marco terico es obligatorio del diseo
que se debe aplicar y decidir cul ser el tipo de unidad de anlisis, las variables relevantes y los
valores de stos.
El siguiente momento es la formulacin de objetivos, la adopcin de objetivos con decidir qu nivel de
respuestas estamos empeados en buscar. Se clasifican habitualmente en tres tipos de estudio: estudios
exploratorios, estudios descriptivos y estudios explicativos. En sntesis los objetivos no constituyen una
declaracin formal de buenas intensiones, sino una decisin responsable acerca del nivel de profundidad
con que se busca la solucin del problema. Conviene establecer un objetivo o ms cada una de las
preguntas del problema y luego determinar cul de los objetivos se pueden alcanzar desde otros y cules
son en general independientes.

FASES DEL PROCESO DE INVESTIGACIN

INSTANCIAS
VALIDACION
CONCEPTUTAL
(HIPOTESIS SUSTANTIVA)

VALIDACION EMPIRICA
(HIPOTESIS
INSTRUMENTALES)

FASES
Fase I. Planteamientos preliminares
Lograr mayor familiaridad con el problema y
examinar su verdadera relevancia
Fase II. Formulacin
Construir escrituralmente el objeto de la
investigacin en su versin global.

MOMENTOS
Componentes de la fase I.
Examen y discusin del problema central,
problema conexo y de la hiptesis que
evocan los problemas.
Componentes de la fase II.
Formulacin clara y distinta del problema
central, problema conexo y de la hiptesis
sustantiva y de las principales hiptesis de
trabajo.
Redaccin del marco de referencia
conceptual y explicitacin de los objetivos
de conocimientos, de las metas.

Fase III. Diseo del objeto

Decidir el objeto modelo de la investigacin:
Unidades de anlisis a describir, variables
que se aislarn como relevantes y las
fuentes que se emplearn.

Componentes de la fase III.

Anlisis de la estructura del objeto de la
investigacin, de sus diversos niveles de
integracin, as como de la hiptesis y de su
estructura, por lo tanto, sus respectivas

Paso 1. Escoger un universo de entidades, y

no otro.
Paso 2. De qu manera se va a operar para
transformar
las
variables
definidas
conceptualmente en variables observables.

Fase IV. Diseo de los procedimientos

Toma de decisiones acerca de los
procedimientos

VALIDACION OPERATIVA
(HIPOTESIS
DEGENERALIZACION)

Fase V. Recoleccin y procesamiento

Recoleccin de los datos y su
procesamiento.

Fase VI. Tratamiento y anlisis de datos

Discusin e interpretacin de los datos.

VALIDACION EXPOSITIVA
(HIPOTESIS RETORICAS)

Fase VII. Elaboracin de informes

parciales.
Informar a los interlocutores de la
comunidad cientfica acerca de la marcha de
la investigacin y de los resultados que se
vienen consiguiendo.
Fase VIII. Exposicin sistemtica de los
resultados.
Exponer los resultados obtenidos.

traducciones de los espacios de atributos

tericamente posibles a universos de
variables.
Primer examen de la hiptesis de validez
por medio del anlisis de las praxis sobre el
objeto.
Dimensionar las variables.
Componentes de la fase IV
Examen de: las muestras (tamao de las
muestras, tcnicas de muestreo), de las
operaciones implicadas en la reconstruccin
de las variables.
Aplicacin de los instrumentos de medicin,
determinacin de tiempos, espacios.
Componentes de la fase V.
Pruebas piloto, recoleccin, registros y
controles de informacin.
Procesamiento
de
la
informacin,
tabulacin, graficacin de datos.
Componentes de la fase VI.
Discusin y anlisis de lo que se observa en
las tablas, grficos.
Formulacin y defensa de la hiptesis.
Establecimiento de las conclusiones
Componentes de la fase VII.
Anlisis y evaluacin de los resultados que
se han logrado.
Reconocimiento y examen de los nuevos
problemas que los resultados han dejado.
Componentes de la fase VIII.
Reconocimiento y valoracin de los
destinatarios posibles de la exposicin.
Validar conceptualmente, empricamente las
tesis, as como las inferencias de
generalizacin.
Produccin del discurso cientfico

EL DISEO Y LAS MATRICES DE DATOS

La actividad de "diseo" de una investigacin ha sido normalmente identificada mediante la metfora:
recortar el objeto de estudio. Esta imagen es concordante con la imagen de modelar el objeto de estudio.
En ambas, est contenida la idea de que una vez acordado el campo de inters; la temtica y los
problemas conexos es preciso avanzar explicitando de manera precisa cules son las fronteras del objeto,
cuales son sus contextos y cules son sus componentes internos.
Unidades de Anlisis, Variables, Valores e Indicadores.
Se reformula cuatro componentes esenciales que lo estructuran en lugar de tres, a saber:

1) Unidad de Anlisis,
2) Variable (con sus dimensiones y procedimientos)
3) Valor, e
4) Indicador
Cuadro N1 - Componentes inherentes a todo dato cientfico(*)

UdeA
(Unidad de Anlisis)

V
(Variable)
D
(Dimensin)
P
(Procedimiento)

R
(Valor)

I
(Indicador)

A efectos didcticos desarrollaremos a continuacin cada uno de los componentes del dato
cientfico basndonos en la conceptualizacin tripartita de Galtung y luego incorporaremos los aportes de
Samaja.
Unidad de Anlisis
De acuerdo con Rut Vieytes (2004), la unidad de anlisis es el elemento mnimo de estudio
observable en relacin con un conjunto de otros elementos que son de su mismo tipo. Es sobre estos
elementos que vamos a estudiar el comportamiento de las variables.
Cuando determinamos la UdeA de una investigacin nos estamos preguntando qu o quienes
sern observados (o medidos) en ella?
Las mismas pueden ser individuos, organizaciones (o cualquier colectivo social), territorios,
cultivos, regiones o pases, especies vegetales, etc. Son ejemplos de estas unidades de anlisis: una
determinada especie vegetal (ejemplo el maz), los cultivos hortcolas de fruto bajo (pimiento, tomate,
berenjena), los productores agropecuarios (individuos), las organizaciones corporativas agropecuarias
(SRA, FAA, CRA), las pulverizaciones en soja, etc.
Tambin pueden ser unidades de anlisis los productos de la accin humana, materiales e
inmateriales (por ejemplo ideas, normas, valores, representaciones, etc.), los procesos sociales o
econmicos (ejemplos: el proceso de innovacin tecnolgica en Entre Ros a partir de la incorporacin
de la siembra directa, los procesos inflacionarios e hiper-inflacionarios, etc.), los sistemas productivos,
los sistemas de labranza, etc.
La UdeA debe ser concebida - valga la redundancia - como una unidad, debe ser
individualizable, pero tambin debe ser parte de un todo general o universo (compuesto por otras
unidades de su misma categora).
Por ejemplo, si quisiramos conocer cual es el nivel educativo de los productores agropecuarios
de la provincia de Entre Ros. Nuestras unidades de anlisis sern cada uno de los productores, los
cuales en conjunto forman el universo productores agropecuarios

Se debe tener en cuenta que, si bien uno de los requisitos de toda UdeA es que pueda ser
diferenciable de otras unidades, esta no debe ser necesariamente un sujeto. Existen tambin las
denominadas unidades de anlisis colectivas compuestas por miembros o elementos de menor nivel.
Veamos un ejemplo: en un hipottico estudio sobre el nivel de vida de los hogares rurales del
distrito Isletas (Dpto. Diamante), nuestras UdeA sern cada uno de los hogares residentes en ese
distrito, los cuales estarn compuesto por el conjunto de personas que los integran.
En este caso, el hogar es una unidad de anlisis colectiva que se puede descomponer en
miembros de menos nivel que son las personas. Por otra parte, esos hogares forman parte a su vez del
universo hogares rurales residentes en el distrito Isletas.
Otro ejemplo de unidad de anlisis colectiva son las organizaciones agropecuarias a las cuales
hicimos referencia anteriormente.
Ahora supongamos que emprendemos una investigacin para conocer cual es la capacidad de
penetracin que tienen las pulverizaciones en los cultivos de soja. Cada uno de los episodios de
pulverizacin (por ejemplo: la pulverizacin efectuada con fungicida en la soja de 2da del Sr. Schneider)
ser una de nuestras unidades de anlisis dentro del conjunto de pulverizaciones efectuadas en un
determinado perodo.
Variable
La unidad de anlisis es tambin concebida como un colectivo en un sentido diferente del
expuesto anteriormente, esto es, como portadora de un conjunto de caractersticas o cualidades
particulares.
La nocin de variable se refiere a los rasgos relevantes que permiten conocer el perfil de la
unidad de anlisis a investigar, son atributos o caractersticas de las unidades de anlisis que, parece
obvio decirlo, pueden variar asumiendo distintas - cualidades o valores - de unidad a unidad.
Veamos algunos ejemplos de variables correspondientes a distintas UdeA:
Ejemplos de variables
Unidad de Anlisis

Variables
Presencia de microorganismos

Suelos

Porosidad
Tipo de suelo (Vertisoles, molisoles, haplustoles, etc.)
Nivel de humedad
Rendimiento

Cultivos hortcolas

Calidad

de fruto bajo

Grado de exposicin a riesgos climticos

Modalidad de cultivo (bajo cubierta, al aire libre)

Productores

Perfil de productor (Familiar/empresarial)

Nivel-socioeconmico (Alto/medio/bajo)

agropecuarios

Lugar de residencia (En la explotacin/fuera de ella)

Edad
Nivel de capitalizacin

Explotaciones
Agropecuarias (EAP)

Tamao de la explotacin (Segn la superficie explotada en ha:

Pequeas, medianas y grandes)
Rgimen de tenencia de tierra (propiedad, arrendamiento,
ocupacin de hecho, etc.)
Tipo de boquilla utilizada (cilndrica/cnica)

Pulverizaciones
en soja

Mtodo de fumigacin (area/terrestre)

Velocidad de avance (km/h)
Caudal de pulverizacin
Capacidad de penetracin en el cultivo

Cuando un atributo no vara de una unidad a otra, sino que siempre tiene la misma
caractersticas, deja de ser una variable para transformase en una constante y - por lo tanto - en un dato
que contextualiza a nuestras UdeA.
Tomemos el ejemplo de los suelos del cuadro N2. Si nuestra investigacin se circunscribiera
solamente a lotes con suelos vertisoles, el tipo de suelo habra dejado de ser una variable para
transformarse en una constante de nuestras unidades de anlisis: todos los lotes fueron sembrados en
vertisoles.

Valor
De acuerdo con Francis Korn (1984), el valor - o categora - es una de las diferentes
posiciones o alternativas que presenta la variable y que adopta alguna unidad de anlisis. Se puede
expresar cualitativamente - a travs de una clasificacin por ausencia y presencia, por jerarqua u orden
- cuantitativamente a travs de magnitudes (nmeros).
Una cuestin que se desprende de la definicin anterior es que toda variable tiene una escala
de valores (Variables cuantitativas) o sistema de categoras (Variables cualitativas) dentro de los cuales
las UdeA pueden adoptar un valor especfico.
En el cuadro N 2 ya hemos mencionado ejemplos de Valores para distintas variables, veamos
en detalle algunos de ellos:
Variables de ndole cuantitativa
-

Las fumigaciones (UdeA) pueden ser clasificadas segn la velocidad de avance a la que
fueron efectuadas (Variable), las cuales se pueden expresar en km/hora siendo 20, 28 y 30
distintos valores que puede asumir la misma.

La edad (Variable) del productor agropecuario (UdeA) puede asumir distintos Valores de
acuerdo a los aos cumplidos: 25, 26, 27 37 63, etc.

Variables de ndole cualitativa

-

Las fumigaciones (UdeA) pueden asimismo ser clasificadas de acuerdo al tipo de boquilla
utilizada (Variable). En principio estas pueden ser cilndricas cnicas (Categoras de la
variable).

En el caso de los productores agropecuarios (UdeA) tambin podramos caracterizarlos de

acuerdo a su nivel socioeconmico (Variable), siendo una de las clasificaciones posibles la
que distingue entre nivel alto, medio y bajo (Categoras de la variable)

La escala de valores (o sistema de categoras) de las variables son previamente definidas por el
investigador y para ser correctamente construidas deben cumplir ciertos requisitos:
-

Las clasificaciones sern exhaustivas. Esto significa que debe ser posible ubicar
(clasificar) a cada una de nuestras UdeA en algn valor o categora de la variable, ninguna
de ellas puede quedar al margen de la clasificacin.

Los valores o categoras deben ser mutuamente excluyentes. Toda UdeA pueda ser
clasificada solamente en un valor de la variable y no en varios a la vez.

Los sistemas clasificatorios de las variables deben ser coherentes con las unidades de
anlisis que pretenden clasificar.

Matriz de Datos
Llegados a este punto, estamos en condiciones de efectuar una primera aproximacin al
concepto de matriz de datos tal cual lo conceptualizara Galtung. De acuerdo a este autor, la matriz de
datos es una forma de ordenar los datos en una disposicin cuadrangular de manera que sea visible su
estructura tripartita. En la misma, las UdeA ocupan la direccin de las hileras, las variables la de las
columnas y los valores aparecern en el cruce de hileras y columnas (Samaja: 1996).

A continuacin exponemos la matriz de datos de un hipottico estudio sobre productores agropecuarios

(UdeA) de quienes hemos obtenido informacin referida a tres Variables: Edad, Nivel socioeconmico y
Lugar de residencia. En las distintas celdas podemos visualizar los Valores que asumen los productores
en las distintas variables.
Una de las finalidades mas importantes de la matriz de datos es la de sistematizar la
informacin recolectada durante una investigacin cientfica con el objetivo de resolver el problema que

se planteado por la misma. Desde este punto de vista la matriz es una estructura sumamente til en las
ltimas etapas de la investigacin, cuando ya hemos recolectado nuestros datos y debemos emprender
la tarea de procesar y analizar los mismos.
Sin embargo, la comprensin de la estructura del dato cientfico es fundamental desde el inicio
de una investigacin, dado que es el momento donde el investigador plantea cuales sern las unidades
de anlisis y los conceptos relevantes en su investigacin.
Dimensiones e indicadores
Como indicamos anteriormente, Samaja sostiene que la estructura del dato cientfico tiene cuatro
elementos en lugar de tres. Para dar cuenta de ello incorpora dos nociones fundamentales: Dimensin e Indicador.
Vamos a entender por dimensin de la variable un aspecto parcial de la misma que es
relativamente independiente de otros aspectos y que, en conjunto, constituyen su sentido total (Samaja: 1996)
Con la nocin de dimensin Samaja explicita que con frecuencia los atributos (variables) de las UdeA
que deseamos estudiar presentan una complejidad tal que para establecer el valor exacto que adoptan las mismas
debemos considerar una combinacin de atributos o propiedades que lo componen.
Por ejemplo, si se quisiramos evaluar la calidad comercial (variable) de cierto fruto como puede ser el
tomate (UdeA), investigaremos sobre distintas dimensiones que hacen a esa propiedad general: tamao, madurez,
textura, acidez, porcin comestible, presencia de daos internos y externos, etc.
Obsrvese que el estudio de cada uno de estos atributos por separado nos brindar como resultado una
faceta de la variable, pero ninguna nos dir por s sola es de buena calidad comercial. La ausencia de daos en
el fruto y una adecuada madurez - que indicaran una buena calidad - pueden ir acompaadas de un tamao
pequeo que reduce la calidad comercial del fruto.
En consecuencia, el valor de la variable Calidad comercial ser una inferencia, un salto de las partes a
un todo.
En sntesis, para comprender una variable compleja, es necesario dimensionarla, y de acuerdo a la
dimensin que se evale, habr que hallar el procedimiento, que aplicado a la dimensin de la variable estudiada,
permitir inferir el valor de sta. Cada dimensin tiene un procedimiento especfico. Es importante destacar que el
valor del indicador no es lo mismo que el valor de la variable.
VARIABLE

INDICADORES SEGN DIMENSIN

i.

cmputo de cantidad absoluta de habitantes de todo el territorio (p ej.: si tiene

ms de 100.000 hts. es rea urbana);
2
ii.
computo de densidad poblacional (p. ej.: ms de 100 por km de
densidad es rea urbana);
iii.
cmputo de cantidad de hts. de su ncleo central (p.ej.: mcleo central con
Tipo de rea
ms de 50.000hts. es rea urbana;
iv.
obtencin de tasa de empleo en sector secundario y terciario (p.ej.: ms
de 65% de tasa de empleo en actividades secundarias y terciarias es rea
urbana).
En sntesis, todos los datos, de cualquier
investigacin emprica de que se trate, presentar una estructura
compleja compuesta de cuatro componentes, que podemos visualizarlo en el siguiente diagrama:

Debajo de la letra (R = valor), figura el smbolo del indicador (I), que est en relacin de igualdad con la
dimensin y el procedimiento, cuyos smbolos (D) y (P) estn inmediatamente por ebajo de la variable
(V). Esta ubicacin en el diagrama busca sugerir la relacin de subordinacin que existe entre las
dimensiones y la variable de la cual son aspectos.
El trmino "matriz de datos" se refiere a la estructura cuatripartita de todo dato cientfico, segn la cual, el dato
cientfico (siempre!) contiene como elementos constitutivos: unidad de anlisis (UA), variable (V), valor (R) e indicador
(I). (Con el importante agregado de que el indicador es a su vez una sub estructura compuesta de dos elementos:
dimensin y procedimiento).

En efecto, no resultar difcil admitir que toda investigacin cientfica, presupone

invariablemente:
a.
b.

que sus objetos son analizables en partes, y que las variaciones de estas partes son relevantes para la
determinacin de los atributos de esos mismos objetos, y
que sus objetos estn includos en contextos (UA/Na+1) cuyas variaciones son relevantes para la
determinacin de los atributos de los objetos estudiados (UA/Na).

El siguiente diagrama ilustra -aproximadamente- las relaciones jerrquicas que presentara un

sistema elemental de matrices de datos. (Las relaciones espaciales no permiten en este caso simbolizar ms
que algunos pocos de los vnculos lgicos que se ponen en juego entre las matrices de distinto nivel.)

Los trazos verticales unen a elementos diferentes de las matrices de distinto nivel: con lnea simple
a la variable del nivel inferior con el valor del nivel inmediato superior; con trazo doble
a la unidad de anlisis del nivel inferior con la variable del nivel superior; y con un trazo de puntos
se simboliza la proyeccin de la [UA] del nivel superior sobre el nivel inferior, como variable contextual.

Conclusin sobre los sistemas de matrices de datos.

El inters de los conceptos tratados en el apartado anterior reside en que proporcionan una descripcin
suficientemente destallada, y operativa de la estructura -es decir, de los componentes invariantes- del "objetomodelo" de cualquier investigacin cientfica, y, adems, explicita un cuadro
de relaciones elementales que resulta apto para expresar el carcter dialctico que rigen los vnculos de los
sistemas complejos.
Siendo as, estas nociones constituyen, por as decirlo, el arsenal bsico de todo diseo de
investigacin, de modo que podemos afirmarse sin riesgo de caer en un esquematismo que desnaturalice lo
esencial del carcter operacional del conocimiento cientfico que disear una investigacin cientfica consiste
en proponer sistemas de matrices de datos y prever e indicar procedimientos para llenarlas, analizarlas y
sistematizar las interpretaciones tericas que se obtengan a partir de cada una de las matrices investigadas.
Conclusiones generales.
Si debiramos quedarnos con alguna leccin particular, ella sera que las leyendas que figuran en el diagrama
describen funciones, operaciones o acciones que integran los momentos primordiales del proceso investigativo, y
que slo se justifican por el aporte que hacen a la obtencin del producto que se designa como explicacin /
comprensin cientfica, entendiendo por tal una manera particular (propia de las sociedades civiles modernas y
posmodernas) de producir sentido o de organizar la experiencia humana, que coexiste junto y a travs de
otras formas de produccin de sentido, como pueden serlo la narracin, las diversas formas de arte, de religin,
de reflexin filosfica, hermenutica histrica, etc., etc.
El rasgo peculiar de la manera cientfica de organizar la experiencia y producir sentido, sin duda se expresa en su
fuerte orientacin operacional, que hunde sus races en las exigencias propias del concepto. Su ndole ms
propia consiste en que de cada aporte congnitivo que hace puede dar cuenta de las operaciones que se han
seguido para obtener ese resultado; de explicitar el encadenamiento de mediaciones que el pensamiento recorre
hasta alcanzar la conclusin.