RODRÍGUEZ SABIOTE y Otros - Teoría y Práctica Del Análisis de Datos Cualitativos

Revista Internacional de Ciencias Sociales yHumanidades, SOCIOTAMISSN: [email protected] Autnoma de TamaulipasMxico

Rodrguez Sabiote, Clemente; Lorenzo Quiles, Oswaldo; Herrera Torres, LucaTeora y prctica del anlisis de datos cualitativos. Proceso general y criterios de calidad

Revista Internacional de Ciencias Sociales y Humanidades, SOCIOTAM, vol. XV, nm. 2, julio-diciembre, 2005, pp. 133-154

Universidad Autnoma de TamaulipasCiudad Victoria, Mxico

Disponible en: http://www.redalyc.org/articulo.oa?id=65415209

Cmo citar el artculo

Nmero completo

Ms informacin del artculo

Pgina de la revista en redalyc.org

Sistema de Informacin CientficaRed de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal

Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

133

Teora y prctica del anlisis de datos cualitativos. Proceso general...

TEORA Y PRCTICA DEL ANLISIS DE DATOS CUALITATIVOS.

PROCESO GENERAL Y CRITERIOS DE CALIDAD

Clemente

RODRGUEZ SABIOTE

, Oswaldo

LORENZO QUILES

y Luca

HERRERA TORRES

Universidad de Granada, Espaa

RESUMENEl presente trabajo es un compendio de aspectos

diferenciales y, sin embargo, complementarios sobrelos procedimientos de anlisis de datos cualitativos ysus implicaciones metodolgicas. Adems de tratarde acotar una posible conceptualizacin de dicha ti-pologa de anlisis necesaria en la bsqueda de unconsenso suficiente sobre su aplicacin y difusin en-tre los investigadores interesados, se enumera unaserie de aspectos relativos a sus rasgos distintivos,posicionamiento en el proceso de investigacin y eta-pas que configuran su desarrollo. As mismo se mues-tra, de manera exhaustiva, detallada y con ejemplosilustrativos, la coleccin de nociones y destrezas b-sicas relacionadas con las actividades y operacionesque constituyen el proceso de anlisis de datos cuali-tativos.

Finaliza este trabajo con un somero repaso a loscriterios de calidad relacionados con la investigacinde corte cualitativo, as como con unas conclusionessobre la evolucin, estado actual y posibilidades delconjunto de herramientas y procedimientos que ca-racterizan este paradigma.

Palabras clave: anlisis de datos cualitativos, procesode investigacin, criterios de calidad.

SOCIOTAM Vol. XV, N. 2 (2005)

Original. Para solicitar reproducciones, dirigirse con los autores:

Oswaldo Lorenzo QuilesUniversidad de Granada. Facultad de Educacin y Humanidades de MelillaCtra. Alfonso XIII, s/n. 52005. Melilla (Espaa)Telfono: 0034607997996.

Correo E.: [email protected]

-

134

RODRGUEZ SABIOTE, C.; LORENZO QUILES, O. y HERRERA TORRES, L.

SOCIOTAM Vol. XV, N. 2 (2005), pp. 133 - 154.

THEORY AND PRACTICE OF QUALITATIVE DATA ANALYSIS. GENERAL PROCESS AND QUALITY CRITERIA

ABSTRACTA review of different, but complementary, aspects

of qualitative data analysis procedures is presented.Besides intending to generate a possible conceptual-ization for such analysis typology necessary to ob-tain enough consensus for its application anddiffusion among researchers distinctive features,positioning within the research process and researchstages are discussed. Furthermore, basic notions andskills related to qualitative data analysis are pre-sented in an exhaustive and detailed manner, sup-ported by illustrative examples.

Finally, a brief review on quality criteria relatedto qualitative research and some conclusions aboutthe current state, evolution, and possibilities of pro-cedures and tools characteristic of this paradigm aregiven.Keywords: Qualitative data analysis, research pro-cess, quality criteria.

1. INTRODUCCIN

A diferencia de los paquetes de anlisis estadstico usados enlas ciencias sociales por ejemplo, el SPSS, el software para anli-sis de datos cualitativos no analiza los datos obtenidos de las investi-gaciones cualitativas. Esta es una primera premisa fundamental, pe-ro ignorada por los investigadores sociales no habituados a trabajarcon este software.

Estos programas son una herramienta de ayuda en el proceso deanlisis de datos cualitativos, nunca el instrumento de anlisis. Di-cho instrumento siempre es el investigador social que, con la ayudade un diseo eficiente de la investigacin, puede lograr rendimien-tos ptimos con la utilizacin adecuada de este tipo de software.Como indican Huber, Fernndez, Lorenzo y Herrera (2001), los pro-gramas de anlisis de datos cualitativos nicamente sirven para lo-grar sistematizar y controlar el proceso de anlisis de datos, por loque corresponde al investigador asignar los significados oportunos

135


a esos datos. En este sentido, ningn programa de anlisis de datoscualitativos puede dar por s solo mayor seriedad a una investiga-cin deficiente desde su diseo, ni hacer milagros con datos mal re-cogidos, parciales y sesgados, dotndolos de significados.

Con estos precedentes parece razonable entender que, antes queabordar la enseanza de carcter computarizada del anlisis de da-tos cualitativos, es necesaria la prctica manual, as como el conoci-miento, por ende, de una coleccin de destrezas bsicas sobre dichoanlisis.

2. CONCEPTO Y CARACTERSTICAS DEL ANLISIS DE DATOS CUALITATIVOS

Por anlisis de datos cualitativos se entiende el proceso median-te el cual se organiza y manipula la informacin recogida por los in-vestigadores para establecer relaciones, interpretar, extraer signifi-cados y conclusiones (Spradley, 1980, p. 70). El anlisis de datoscualitativos se caracteriza, pues, por su forma cclica y circular,frente a la posicin lineal que adopta el anlisis de datos cuantitati-vos.

Gracias a este proceso circular, el investigador, casi sin darsecuenta, comienza a descubrir que las categoras se solapan o bien nocontemplan aspectos relevantes; estas pequeas crisis obligan al in-vestigador a empezar nuevos ciclos de revisin, hasta conseguir unmarco de categorizacin potente que resista y contemple la variedadincluida en los mltiples textos. Esto evidentemente no sera viablebajo modelos de trabajo lineal en los que no fuese posible accedernuevamente al campo a recoger ms datos, o bien, volver a revisarlos textos bajo nuevos criterios de codificacin.

Al igual que la propia definicin, la literatura contempornea so-bre la investigacin interpretativa (Bogdan y Biklen, 1982; Erickson,1989; Goetz y LeCompte, 1988; Miles y Huberman, 1984; Taylor yBogdan, 1986; Tesch, 1990) aporta diferentes rasgos y matices de loque debe entenderse la secuencia general de anlisis de datos cuali-tativos. No obstante, desde aqu se prefiere seguir el proceso general

SOCIOTAM Vol. XV, N. 2 (2005), pp. 133 - 154.

136


de anlisis de datos cualitativos propuesto por Rodrguez, Gil yGarca (1996), a partir de los supuestos dados por Miles y Huberman(1994). Este proceso quedara configurado en torno a tres aspectosclave: reduccin de datos, disposicin y transformacin de stos y,por ltimo, obtencin de resultados y verificacin de conclusiones.

Finalmente, es importante destacar, siguiendo a Rodrguez, Gil yGarca (1996), algunas de las dificultades con las que cualquier in-vestigador puede toparse al desarrollar un anlisis de datos cualita-tivos. En primer lugar, resalta el carcter polismico de los datoscualitativos. Los mltiples significados que pueden encontrarse enuna grabacin de audio o video, o en una transcripcin materializa-da en un texto son casi ilimitados. El anlisis del investigador se con-vierte, pues, en una tarea compleja que exige preparacin y, sobretodo, planificacin sobre el significado que de la realidad analizadase desea extraer.

En segundo lugar, se encuentra la naturaleza predominantementeverbal de los datos cualitativos. Este aspecto exige per se la utilizacinde descriptores de baja inferencia como las grabadoras de audio. Lasnotas de campo y la propia memoria del investigador se muestrancomo recursos insuficientes para recoger con precisin y exactitud lariqueza verbal y/o visual del material recopilado.

En tercer lugar, destaca el gran volumen de datos que se recogen.Al contrario que los datos cuantitativos, los cualitativos suelen in-cardinarse bajo ingentes cantidades de informacin auditiva, tex-tual o icnico-visual.

Es precisamente la presencia de esta dificultad la que incide enque la ayuda de los softwares informticos se convierta en un aspectocapital e indispensable y, por supuesto, de gran utilidad como he-rramienta para la sistematizacin y control del proceso de anlisis.

En cuarto lugar, se resea el carcter artstico-creativo del anlisisde datos cualitativos. Con ello nos referimos a que no existe consen-so sobre dos aspectos claves del proceso de anlisis la variedad yla singularidad de tradiciones que lo tratan y, por ende, la falta deconsenso acerca de las etapas en que debe materializarse. Esta difi-

137


cultad ha contribuido a considerar al proceso de anlisis de datoscomo un proceso escasamente riguroso y creble, sometido a todo ti-po de crticas y cuestionamientos.

3. EL DATO CUALITATIVOLa definicin etimolgica de dato (del latn datum) lo considera

como un elemento dado. Dicha definicin resultara adecuada paralos datos cuantitativos, sin duda, elementos finales pero, sin embar-go, sera inadecuada para los cualitativos. Frente a cualquier escalade opinin (tipo Likert, por ejemplo) que recopila informacin me-diante nmeros, una historia de vida instrumento de recogida deinformacin tpicamente cualitativo suministra una ingente can-tidad de informacin de tipo auditivo y, posteriormente, textual,que sin la adecuada manipulacin resulta totalmente estril. Por tan-to, el dato cualitativo al contrario que el cuantitativo se convier-te en un elemento dinmico, resultado de una serie de manipulacio-nes que transforman la realidad. Cabe destacar, entonces, una seriede fases, como son el registro de la realidad, su plasmacin materialen algn tipo de expresin y su transformacin mediante un procesode elaboracin conceptual.

Observando con detenimiento cada una de estas fases, resultaevidente, en primer lugar, que debemos registrar la informacin so-bre la realidad a travs de algn tipo de estrategia manual o electr-nica. As, adems de la propia observacin y las notas de campo, sepueden utilizar objetos electrnicos de baja inferencia como el videoy la grabadora (audio).

Por otra parte, una vez registrada la informacin, sta debe ma-terializarse en algn tipo de expresin, verbal (audio), escrita (trans-cripcin) o icnico-visual (video). Finalmente, una vez plasmada, lainformacin es sometida a procesos de transformacin mediante es-trategias manipulativas de elaboracin conceptual, en las que el da-to cualitativo es producto de una ecuacin en la que intervienen demanera activa la percepcin del/los investigador/es, su interpreta-cin, sus conocimientos previos sobre el tema objeto de anlisis, ascomo una coleccin de sesgos.

138


4. LOCALIZACIN DEL ANLISIS DE DATOS EN EL PROCESO GENERAL DE LA INVESTIGACIN CUALITATIVA

El anlisis de datos es la fase que sigue al trabajo de campo y queprecede a la elaboracin del informe de investigacin, aunque en in-vestigacin interpretativa esto no es as (Garca, Gil y Rodrguez,1994).

Algunos autores plantean que entre recogida y anlisis existe uncontinuum en el tiempo, que cuando es productivo va aumentandoprogresivamente (Loflan y Loflan, 1984, p. 132). Sea como fuere, sepresenta grficamente el lugar del anlisis de datos entre las distin-tas etapas de la investigacin cualitativa, explicitando los principa-les aspectos que conforman la fase analtica:

5. ETAPAS DEL ANLISIS DE DATOS CUALITATIVOComo se puede apreciar en la figura anterior, el anlisis de datos

est configurado en torno a tres grandes tareas admitidas en la lite-ratura contempornea:

ETAPA INFORMATIVA

ETAPA PREPARATORIA

ETAPA DE TRABAJO DE CAMPO

ETAPA ANALTICA Reduccin de datos Disposicin y transformacin de datos Formulacin y verificacin de conclusiones

Fig. 1. Posicionamiento del anlisis de datos en el proceso de inves-tigacin cuantitativa. Adaptado de Rodrguez, et al. (1996, p. 64).

139


1) Reduccin de datos.

2) Disposicin y transformacin de los datos.

3) Obtencin de resultados y verificacin de conclusiones.

A su vez, cada etapa est constituida por un conjunto de activi-dades y operaciones ms especficas. Esquemticamente, dicho en-tramado puede representarse de la siguiente forma:

1. LAS TAREAS DE REDUCCIN DE DATOSLos procesos de categorizacin y codificacin, aspectos bien dis-

tintos pero utilizados como sinnimos en no pocas ocasiones, son lasdecisiones ms inmediatas en el proceso general de reduccin de da-tos. La divisin de la informacin en unidades puede realizarse si-guiendo diferentes criterios. Este problema ha sido resuelto desde laperspectiva del anlisis de contenido por distintos autores (An-guera, 1995; Bardin, 1986; Krippendorf, 1990; Prez, 1994; Snchez,1985), con la diferenciacin entre unidades de contexto, que corres-

Fig. 2. Proceso general del anlisis de datos cualitativos.

Separacin unidades

Sntesis y agrupamiento

Identificcin y clasificacin de elementos

REDUCCIN DE DATOS DISPOSICIN Y

TRANSFORMACIN DE DATOS

OBTENCIN Y VERIFICACIN DE

CONCLUSIONES

Disposicin

Transformacin

Proceso para obtener conclusiones

Verificacinconclusiones

Procesos para alcanzar

conclusiones

PROCESO GENERAL DE ANLISIS DE DATOS CUALITATIVOS

140


ponden a las unidades de anlisis y unidades de registro las sec-ciones ms pequeas de texto con significacin propia dentro de ca-da unidad de contexto.

Sin embargo, este aspecto no debe inducirnos a la creencia de queel anlisis de datos cualitativos es nica y exclusivamente el anlisisde contenido. Frente al primero, el segundo posee una orientacinclaramente cuantitativa de recuento, de la cual el segundo adolece,por centrarse ms en los aspectos semnticos y de interpretacin.As, la desmembracin en unidades singulares del texto es una ac-tividad imprescindible, junto con la identificacin y clasificacin deelementos, su sntesis y agrupamiento, en un intento por llevar a ca-bo la reduccin de datos.

As, se puede establecer una secuencia de tres pasos:

1. Separacin de unidades de contenido, que determina criteriosde separacin espacial, temporal, temtica, gramatical, conver-sacional y social.

2. Identificacin y clasificacin de elementos, que conlleva unacategorizacin y una codificacin.

3. Sntesis y agrupamiento: agrupamiento fsico, creacin de me-tacategoras, obtencin de estadsticos de agrupamiento y sn-tesis.

1.1. Separacin de unidades de contenidoRodrguez, et al. (1996) contemplan diferentes criterios para se-

parar las distintas unidades de registro, organizndolas en torno alos siguientes criterios:

a) Criterios espaciales. De acuerdo con tales criterios, constituiranunidades de registro las lneas del texto, los bloques de un de-terminado nmero de lneas, las pginas... Se trata en definiti-va de una segmentacin artificial, ajena al contenido de la in-formacin.

b) Criterios temporales. Como su propia denominacin indica, esposible segmentar las transcripciones por minutos, horas, oincluso das.

141


c) Criterios temticos. El texto queda reducido en funcin del temasobre el que trate.

d) Criterios gramaticales. Segn este criterio, el texto quedara seg-mentado en unidades bsicas, como las oraciones o los prra-fos.

e) Criterios conversacionales. Consiste en dividir el texto en funcinde las declaraciones o turno de palabra de los participantes.

f) Criterios sociales. Cada fragmento ser diferenciado del restopor el estatus o rol social que cumpla la persona que lo explici-ta.

1.2. Identificacin y clasificacin de unidadesUna vez separadas las unidades de anlisis resulta sensato tratar

de identificarlas y etiquetarlas; en definitiva, categorizarlas y codifi-carlas. Aunque codificacin y categorizacin son respectivamente losaspectos fsico-manipulativo y conceptual de una misma actividada la que indistintamente suelen referirse los investigadores, se tratade dos trminos ciertamente distintos. As, mientras categorizacines el proceso mediante el cual se clasifica conceptualmente una uni-dad, la codificacin no es ms que la operacin concreta por la quese asigna a cada unidad un indicativo (cdigo) propio de la categoraen la que se considera incluida.

El proceso de construccin de las categoras (categorizacin)puede ser de diferentes tipos. El primero es el llamado inductivo yconsiste en elaborar las categoras a partir de la lectura y examen delmaterial recopilado sin tomar en consideracin categoras de parti-da. Algunos autores denominan a esta tarea "codificacin abierta"(Strauss, 1987), proceso en el que se parte de la bsqueda de concep-tos que traten de cubrir los datos.

El segundo es el denominado deductivo, en el que, al contrario delanterior, las categoras estn establecidas a priori, siendo funcin delinvestigador adaptar cada unidad a una categora ya existente.

Por ltimo, se encuentra el proceso mixto, a travs del cual el in-vestigador tomara como categoras de partida las existentes, formu-lando alguna ms cuando este repertorio de partida se muestre ine-

142


ficaz, es decir, que no contenga dentro de su sistema de categorasninguna capaz de cubrir alguna unidad de registro.

Veamos algunos ejemplos que ayuden a comprender el procedi-miento de segmentacin utilizado en el anlisis cualitativo de los da-tos, tomando como ejemplo fragmentos de textos procedentes deautobiografas y entrevistas en profundidad de una investigacineducativa llevada a cabo por Rodrguez (2001):

Prrafo N 1Al siguiente da consegu entrar en secretara para matricularme

de unas asignaturas sobre las que no saba nada y que haba escogidoslo porque sonaban bien sus nombres, pero de nuevo no quedabanplazas y me tuve que conformar con las primeras que salieron libresen el ordenador (texto extrado de una Autobiografa, concreta-mente la nmero 20).

En dicho prrafo se puede apreciar la presencia de una cadenatextual, que viene delimitada por una frase principal de que constael texto. Seguidamente se analizar por separado dicha cadena tex-tual para comprobar si consta de un solo tema o, por el contrario, devarios.

Cadena textualAl siguiente da consegu entrar en secretara para matricu-

larme de unas asignaturas sobre las que no saba nada / y que haba

escogido slo porque sonaban bien sus nombres, / pero de nuevo no

quedaban plazas / y me tuve que conformar con las primeras que sa-

lieron libres en el ordenador"

ASI(NPO)

ALU(AEI)

ASI(OEA)

ASI(ONE)

1 2 34

143


Como puede observarse, esta cadena textual consta de varias te-mticas, que coinciden con varias unidades de registro y que a suvez encuentran sentido dentro de una categora superior de la cualforman parte. El primer segmento hace referencia al tema de la es-casa informacin acadmica con la que cuenta el alumnado, y per-tenece a la categora Alumno (ALU). El segundo segmento se refierea la inexistencia de criterios de que dispone el alumnado para es-coger asignaturas y, por tanto, su inclinacin por el azar o la intui-cin a la hora de hacerlo; pertenece ste a la categora Asignatura(ASI). El tercer fragmento hace referencia a la escasez de plazas paraalgunas optativas e igualmente pertenece a la categora Asignatura(ASI). El cuarto fragmento est relacionado con la imposibilidad deelegir algunas optativas libremente y tambin pertenece a la catego-ra Asignatura (ASI).

Prrafo N 2Al cabo de unos cuantos das salieron las listas de admitidos, y

me decepcion un poco ver que slo me haban admitido en la tercera

carrera que haba escogido, pero al fin y al cabo eso no es culpa de

nadie.

Fig. 3. Ficha de anlisis de un texto autobiogrfico.

1: ALU: Categora Alumno, AEI: Subcategora que significa que los alumnos poseen escasa informacin acadmica.

2: ASI: Categora Asignatura, OEA Subcategora que versa sobre la seleccin azarosa de asignaturas optativas y de libre configuracin.

3: ASI: Categora Asignatura, NPO: Subcategora acerca del escaso nmero de plazas por asignatura optativa.

4: ASI: Categora Asignatura, ONE: Subcategora relativa a la escasa libertad con que se escogen algunas asignaturas optativas.

ECA(EFO)

144


En esta segunda cadena textual no ha sido necesario dividir eltexto en diferentes fragmentos, puesto que solo se habla de una te-mtica. Por tanto, podemos afirmar que se trata de una cadena tex-tual formada por una sola unidad de registro, que hace referencia altema Eleccin de Carrera (ECA) y, ms exactamente, a la eleccin for-zosa de determinados estudios.

Finalmente, cada unidad de registro hace referencia a una deter-minada categora en la cual encuentra sentido y que pertenecer aun sistema de categoras, en el que se debern cumplir los requisitosbsicos de exclusividad, exhaustividad y nico principio clasificatorio.Este tipo de prescripciones se enmarcan en la lnea de autores queven en la categorizacin un modo de transformar los datos textualesen datos susceptibles de medicin y tratamiento cuantitativo (An-der-Egg, 1980; Cartwright, 1978; Kerlinger, 1985; Snchez, 1985). Sinembargo, algunos autores hablan de la posibilidad de que una mis-ma cadena textual pertenezca simultneamente a dos o ms unida-des de registro, anidndose, superponindose... (Huber, et al., 2001).Desde este punto de vista, es posible afirmar que muchas veces lapertenencia de una unidad a una determinada categora no est na-da clara (Gil, 1994).

En este sentido, cabe hablar de una mayor probabilidad de perte-nencia a una que otra. Una entidad puede ser etiquetada con dos cdigosdistintos (solapamiento) aunque su grado de pertenencia a las categorasque cada uno de ellos representa pueda ser diverso (Gil, 1994, p. 536). Aunreconociendo un cierto solapamiento de las "clases" y unos lmitesdifusos, debemos tambin recordar que la gradacin de pertenenciaes siempre ms alta para unos cdigos que para otros (Tesch, 1990).As, podemos hablar del concepto de membresa para expresar en qugrado determinada unidad puede formar parte o ser miembro de


ECA: Categora Eleccin de Carrera, EFO: Subcategora que significa que los alumnos se ven abocados a elegir carreras

que no estaban dentro de sus preferencias.

145


una categora y de prototipo, que representa el tipo ideal con un100% de pertenencia a una sola categora.

Prrafo N 3Lo peor fue que tres asignaturas eran el mismo da y a la misma

hora (HOR / SHC) / y tuve que volver a hacer cola, coger nmero y

hacer ms cola (ALU/ EGA) / para cambiar de nuevo la matrcula

(GEA/ ACM) / una vez que salieron los horarios, que por cierto fue

bastante tarde (HOR / LCH).

El proceso seguido y hasta aqu expuesto se puede esquematizaren la figura siguiente:


HOR/SHC: Categora Horario y su subcategora coincidencia de dos asignaturas en la misma franja horaria.

ALU/EGA: Categora Alumno y su subcategora exceso de alumnos en gestiones administrativas.

GEA/ACM: Categora Gestiones Administrativas y su subcategora alteraciones de matrcula.

HOR/LHC: Categora Horario y su subcategora lentitud en la confeccin del horario de clase.

UNIDADES DE CONTEXTO

AUTOBIOGRAFAS / ENTREVISTAS

U.R.1.1. U.R.1.2. U.R.2.1. U.R.3.1.

CATEGORAA

CATEGORAB

CATEGORAC

SHC LCH ACM EGA

HORARIO GESTIONES ADMVAS.

ALUMNO

Fig. 6. Proceso general de reduccin de datos con un ejemplo ilustrativo.

UNIDADES DE CONTEXTO

AUTOBIOGRAFA N 20

146


1.3. Sntesis y agrupamientoLa identificacin y clasificacin de elementos estn estrecha-

mente unidas a la sntesis. De hecho, cuando se categoriza lo que sehace, se ubican diferentes unidades de datos bajo un mismo tpicoo concepto, por lo que se puede afirmar que dicha labor es, en s mis-ma, una operacin conceptual de sntesis, por cuanto permite re-ducir un nmero determinado de unidades a un solo concepto quelas representa.

2. DISPOSICIN Y AGRUPAMIENTOComo ya se apunt en un apartado anterior, el anlisis de los da-

tos cualitativos es una tarea ardua y compleja por la forma en quegeneralmente aparecen: en forma textual, dispersos, vagamente or-denados... (Miles y Huberman, 1994). Ante esta dificultad, el inves-tigador que est llevando a cabo un anlisis de datos cualitativosdebe optar por tratar de establecer algn procedimiento de dispo-sicin y transformacin de dichos datos, que ayude a facilitar su exa-men y comprensin, a la vez que condicione las posteriores deci-siones que se establecern tras los anlisis pertinentes.

As, se pueden citar distintos tipos de procedimientos, entreotros, los grficos que permiten no solamente presentar los datos,sino advertir relaciones y descubrir su estructura profunda (Wainer,1992), los diagramas representaciones grficas o imgenes visua-les de las relaciones entre conceptos (Strauss y Corbin, 1990) y lasmatrices o tablas de doble entrada en cuyas celdas se aloja una breveinformacin verbal de acuerdo con los aspectos especificados porfilas y columnas (Miles y Huberman, 1994).

3. OBTENCIN DE RESULTADOS Y VERIFICACIN DE CONCLUSIONES

Las tareas de obtencin de resultados y verificacin de conclu-siones implican el uso de metforas y analogas, as como la inclu-sin de vietas donde aparezcan fragmentos narrativos e interpreta-ciones del investigador y de otros agentes, constituyndose en pro-

147


cedimientos tiles para esta fase que culmina con las oportunas es-trategias de triangulacin, auditora y validacin "cara a cara" conotros investigadores y agentes del contexto.

3.1. Proceso para obtener resultados.-Para datos textuales: descripcin e interpretacin, recuento y con-

currencia de cdigos, comparacin y contextualizacin.

-Para datos transformados en valores numricos: tcnicas estadsti-cas, comparacin y contextualizacin.

3.2. Proceso para alcanzar conclusiones.- Para datos textuales: consolidacin terica, aplicacin de otras

teoras, uso de metforas y analogas, sntesis con resultados deotros investigadores.

- Para datos transformados en valores numricos: uso de reglas de de-cisin (comparacin de resultados con modelos tericos, recur-so a la perspicacia experiencia del analista).

3.3. Verificacin de conclusiones y estimacin de criterios de calidad.

Comprobacin o incremento de validez mediante presencia pro-longada en el campo, intercambio de opiniones con otros investiga-dores, triangulacin, comprobacin con los participantes, estableci-miento de adecuacin referencial, ponderacin de la evidencia,comprobacin de la coherencia estructural

Si la investigacin interpretativa opera sobre la realidad educati-va con un tipo de lgica diferente a como lo hacen otros enfoques dela investigacin educativa, tambin sern diferentes los presupues-tos que emplea para demostrar que los hallazgos obtenidos puedenser aceptados. A diferencia de la metodologa positivista, que presu-me de validez interna y externa objetivas, la cualitativa prefiere ha-blar de una validez epistemolgica, validez de consenso o validez"cara a cara". Es decir, su credibilidad est suficientemente garanti-zada, porque el texto est correctamente triangulado, basado en in-dicadores naturales, adecuadamente adaptado a una teora, es com-prehensivo en su enfoque, creble en sus mecanismos de control uti-lizados, consistente en los trminos de su reflexin y representa de

148


forma profunda, clara y completa las caractersticas del contexto y elsentir de los otros (Ruiz, 1996), minimizando al mximo la prdidade informacin relevante.

Sus criterios de verdad residen en aquella construccin que re-sulte mejor informada, ms documentada, y sobre la que se obtienemayor consenso en funcin de su adecuacin a los datos y a la infor-macin que de ellos se obtiene. Por tanto, la calidad de la investiga-cin interpretativa no puede establecerse en orden a los clsicos cri-terios de validez y fiabilidad, ms bien debe sustentarse sobre suspropios criterios (Guba y Lincoln, 1985, p. 150).

En cuanto a los criterios de calidad en que se fundamenta la cre-dibilidad de una investigacin cualitativa, Guba y Lincoln (1985, p.85) destacan el valor de verdad, la aplicabilidad, la consistencia y laneutralidad.

El valor de verdad /credibilidad se refiere a la credibilidad yconfianza que ofrecen los resultados de la investigacin, ba-sndose en su capacidad explicativa ante casos negativos y enla consistencia entre los diferentes puntos de vista y perspecti-vas. Es decir, al isomorfismo que se establece entre los datosrecogidos y la realidad.

La aplicabilidad / transferencia se refiere a la posibilidad detransferir los resultados obtenidos en ese contexto a otros con-textos de similares condiciones, bajo una situacin de investi-gacin en idnticas condiciones.

La consistencia / dependencia se refiere a la posibilidad dereplicar el estudio y obtener los mismos hallazgos.

La neutralidad / confirmabilidad se refiere a la independenciade los resultados frente a motivaciones, intereses personales oconcepciones tericas del investigador. Es decir, garanta y se-guridad de que los resultados no estn sesgados.

Se requiere de estrategias complementarias de triangulacin(Rodrguez y Gutirrez, 2005) triangulacin de tcnicas, agentes,tiempos, e incluso triangulacin metodolgica como los procesos

149


de auditora interna y externa, basados en la comprobacin de las in-ferencias y en la evaluacin del diseo por parte de agentes internos-participantes o por colegas o expertos externos al lugar donde se de-sarrolla la investigacin (Angulo, 1990). Esto permite documentar lainformacin y contrastarla segn diferentes puntos de vista.

A continuacin se presentan las estrategias ms usuales quesuelen emplearse para dar calidad a la investigacin interpretativa,con el objeto de garantizar el rigor y la confianza de los hallazgosque de ella se derivan:

a) CREDIBILIDADObservacin persistente. La permanencia del investigador en el

campo ofrece una mayor garanta y verosimilitud a los datosque recoge, a la vez que le permite profundizar en aquellos as-pectos ms caractersticos de la situacin.

Triangulacin. Permite contrastar las observaciones desde dife-rentes perspectivas de tiempos, espacios, teoras, datos, fuen-tes y disciplinas, as como de investigadores de mtodos.

Comentario de pares. Consiste en someter las observaciones e in-terpretaciones realizadas al juicio crtico de otros investigado-res y colegas.

Comprobaciones de los participantes. Es una actividad de obliga-do cumplimiento en la investigacin cualitativa, y consiste enel contraste sistemtico de la informacin con los agentes y au-diencias colaboradoras.

Recogida de material de adecuacin referencial. Se trata de videos,fotografas, grabaciones en audio y otros documentos que per-mitan un contraste posterior de la informacin.

b) TRANSFERENCIAMuestreo terico. Estrategia para maximizar la cantidad de in-

formacin recogida a la hora de documentar hechos y situa-ciones que permitan una posterior comparacin de escenariosrespecto a lo comn y lo especfico, consistente en un muestreono probabilstico.

150


Descripcin en profundidad. Descripciones exhaustivas y minu-ciosas del contexto, con idea de hacerlas extensivas y generali-zables a otros lugares.

Amplia recogida de informacin. La diversificacin de la informa-cin recogida permitir una ms fcil comparacin entre dis-tintos escenarios.

c) DEPENDENCIAEstablecer pistas de revisin. Supone dejar constancia de cmo se

recogieron los datos, cmo se seleccionaron los informantes,qu papel desempe el investigador, cmo se analizaron losdatos, cmo se caracteriz el contexto. Esto permitir compro-bar la estabilidad de los resultados en momentos diferentes ydados por otros investigadores.

Auditora de dependencia. Control de calidad externo para eva-luar en qu medida las precauciones tomadas por el investiga-dor son adecuadas o no.

Rplica paso a paso. Es anloga a la fiabilidad como consistenciainterna en su procedimiento de las dos mitades, en la que dosequipos de investigacin separados tratan independientemen-te con fuentes de datos que tambin han sido divididas en mi-tades.

Mtodos solapados. Proceso de triangulacin empleando variastcnicas de recogida de informacin para compensar posiblesdeficiencias.

d) CONFIRMABILIDADAuditora de confirmabilidad. Consiste en la comprobacin por

parte de un agente externo de la correspondencia entre los da-tos y las interpretaciones llevadas a cabo por el investigador.

Descriptores de bajo nivel de inferencia. Son registros lo ms fielesposibles a la realidad de donde fueron obtenidos los datos(transcripciones textuales, citas, referencias directas...).

151


Ejercicio de reflexin. Consiste en explicitar a la audiencia los su-puestos epistemolgicos que permiten al investigador formu-lar sus interpretaciones.

6. CONCLUSIONESEl progresivo cuestionamiento durante la segunda mitad del si-

glo XX de los procedimientos de investigacin y anlisis de datos decorte cuantitativo, como referentes exclusivos de veracidad en losestudios realizados en el marco de las denominadas ciencias socia-les, ha venido, paralelamente, dando paso a la apertura de la comu-nidad de interesados en estas disciplinas hacia la aceptacin de otrospatrones metodolgicos y herramientas de tipo cualitativo como so-porte vlido y suficiente a veces incluso excluyente, por la particu-lar naturaleza de los datos analizados, resultados y conclusiones queavalen las investigaciones llevadas a cabo.

En contra del pensamiento escasamente razonado de algunas vo-ces que han tratado de desautorizar la oportunidad del empleo demetodologas cualitativas de trabajo en investigaciones considera-das rigurosas y "serias", es posible comprobar que el proceso de an-lisis de datos cualitativos tiene, cuando menos, el mismo rigor cien-tfico y nivel de sistematicidad que el de carcter cuantitativo, porcuanto desde estas coordenadas resulta de obligado cumplimientoel desarrollo ms o menos completo de cada una de las etapas y fasesque lo constituyen.

Siendo este hecho hoy una realidad contrastable a partir de lagran cantidad de excelentes trabajos de que disponemos, basados enprocesos de anlisis de datos cualitativos, por ejemplo, los deGarca, et al. (1994) y Prez (2005), quiz todava no ha sido estableci-do y difundido el suficiente consenso acerca de la delimitacin decules deben ser los principios bsicos y las lneas maestras que ca-ractericen de forma suficientemente homognea entre los investi-gadores que emplean este tipo de tcnicas no cuantitativas el con-junto de herramientas y procedimientos metodolgicos y analticoscualitativos potencialmente aplicables al desarrollo de una investi-gacin.

152


En esta direccin se ha realizado el presente artculo, tratando deconcretar, de manera sinttica y secuenciada, una coleccin de as-pectos clave relacionados con la teora y la prctica del proceso deanlisis de datos cualitativos y sus implicaciones metodolgicas.

De este modo, ha sido posible identificar el alto grado acomoda-ticio del proceso descrito a lo largo de este trabajo a los rasgos dis-tintos y naturaleza singular de las diferentes estrategias metodol-gicas de carcter cualitativo en que se posicione uno u otro investi-gador y en las que, por tanto, se incardinar la investigacin.

Finalmente, es destacable que ms all del ya clsico anlisis decontenido propuesto principalmente por Bardin (1986) y Kripper-dorf (1990) y tomado en demasiadas ocasiones como modelo nicode las posibilidades analticas de la metodologa cualitativa se en-cuentran otras propuestas, como las de Miles y Huberman (1994),que presentan un mayor grado de complejidad y rigurosidad y, loque es ms importe, una mayor versatilidad y amplitud respecto alas diferentes corrientes metodolgicas que conformar el paradigmacualitativo (etnografas, estudio de casos, entre otras).

BIBLIOGRAFAANDER-EGG, E. (1980). Tcnicas de investigacin social, Buenos

Aires, El Cid Editor. ANGULO, J.F. (1990). "El problema de la credibilidad y el lugar

de la triangulacin en la investigacin interpretativa:un anlisis metodolgico", en Bautista, J. (ed.), Haciaun enfoque interpretativo de la enseanza, Granada, Uni-versidad de Granada, pp. 95-110.

ANGUERA, M.T. (1995). Mtodos de investigacin en psicologa,Madrid, Sntesis.

BARDIN, L. (1986). El anlisis de contenido, Madrid, Akal.BOGDAN, R. y BIKLEN, D. (1982). Qualitative Research for Educa-

tion, Boston, Allyn and Bacon.

153


CARTWRIGHT, D.P. (1978). "Anlisis del Material Cualitativo",en Festinger y Katz (eds.), Los mtodos de investigacinen las ciencias sociales, Buenos Aires, Paids.

ERICKSON, F. (1989). "Mtodos cualitativos de investigacin so-bre enseanza", en Wittrock, M., La investigacin en laenseanza, II, Madrid, Paids y M.E.C.

GARCA, E.; GIL, J. y RODRGUEZ, G. (1994). "Anlisis de datoscualitativos en la investigacin sobre la diferenciacineducativa", Revista de Investigacin Educativa, 23 (1),pp. 183-195.

GIL, X. (1994). "Categorizacin y complejidad en la investigacincualitativa", Revista de Investigacin Educativa, 24 (1),pp. 535-537.

GOETZ, J. y LECOMPTE, M. (1988). Etnografa y diseo cualitativoen investigacin cualitativa, Madrid, Morata.

GUBA, E.G. y LINCOLN, Y.S. (1985). Naturalistic Inquiry, BeverlyHills, Sage.

GUTIRREZ, J. (1997). La lgica de la investigacin interpretativa,leccin magistral para concurso a plaza de profesor ti-tular de facultad, indito, Universidad de Granada(Espaa).

HUBER, G.; FERNNDEZ, G.; LORENZO, O. y HERRERA, L.(2001). Anlisis de datos cualitativos con Aquad Cincopara Windows, Granada, Grupo Editorial Universita-rio.

KERLINGER, F.N. (1985). Investigacin del comportamiento, Mxi-co, Nueva Editorial Interamericana.

KRIPPENDORF, K. (1990). Metodologa del anlisis de contenido.Teora y prctica, Barcelona, Paids.

LOFLAN, J. y LOFLAN, L.H. (1984). Analyzing social settings, Bel-mont, CA, EUA, Wadsmorth.

MILES, M. y HUBERMAN, A.M. (1984). Qualitative data analysis.A source book of new methods, Beverly Hills, Sage.

____________________________. (1994). "Data management andanalysis methods", en Denzin y Lincoln (eds.), Hand-book of cualitative research, Londres, Sage Publication.

PREZ, G. (1994). Investigacin cualitativa. Retos e interrogantes,Madrid, La Muralla.

_________. (2005). "Derechos humanos y educacin social", Revis-ta de Educacin, 336 (1), pp. 19-39.

154


RODRGUEZ, G.; GIL, J. y GARCA, E. (1996). Mtodos de investi-gacin cualitativa, Mlaga, Aljibe.

RODRGUEZ, C. y GUTIRREZ, J. (2005). "Un modelo de valida-cin de estudios empricos en investigacin educativamediante procedimientos de triangulacin. Aplica-cin a un estudio de caso sobre disfunciones y desa-justes asociados a la reforma de un plan de estudiosuniversitario", Revista Portuguesa de Pedagoga, (enprensa).

RODRGUEZ, C. (2001). Evaluacin del potencial de innovacin cu-rricular de la reforma de planes de estudio en la Facultad deCiencias de la Educacin de la Universidad de Granada(1994-2000), desajustes organizativos e implicaciones en laLicenciatura de Pedagoga, tesis doctoral, Departamentode Mtodos de Investigacin y Diagnstico en Educa-cin de la Universidad de Granada, Espaa.

RUIZ, J.I. (1996). Metodologa de la investigacin cualitativa, Bilbao,Universidad de Deusto.

SNCHEZ, J.J. (1985). "Tcnicas de anlisis de los textos medi-ante codificacin manual", Revista Internacional de So-ciologa, 43 (1), pp. 89-118.

SPRADLEY, J.P. (1980). Participant Observation, Nueva York,Rinehart & Winston.

STRAUSS, A. (1987). Qualitative Analysis for Social Scientists,Cambridge, University Press.

STRAUSS, A. y CORBIN, J. (1990). Basics of Qualitative Research.Grounded Theory Procedures and Techniques, NewburyPark, Sage.

TAYLOR, S. y BOGDAN, R. (1986). Introduccin a los mtodos deinvestigacin, Buenos Aires, Paids.

TESCH, R. (1990). Qualitative Research: Analysis Types and SoftwareTools, Nueva York, The Falmer Press.

WAINER, H. (1992). "Understanding Graphs and Tables", Educa-tional Researcher, 21 (1), pp.14-23.

Documents

RODRÍGUEZ SABIOTE y Otros - Teoría y Práctica Del Análisis de Datos Cualitativos