Metodos de Análisis de Las Verbalizaciones, Ontologías y Proceso de Abducción

50 2010, 14
SUBJETIVIDAD Y PROCESOS COGNITIVOS, Vol. 14, N 2, 2010

Pg. 50-69, ISSN impreso: 1666-244X, ISSN electrnico: 1852-7310
MTODOS DE ANLISIS DE LAS
VERBALIzACIONES: ONTOLOGAS Y PROCESO
DE ABDUCCIN
VERbALIzATIoN ANALySIS METhoDS:
oNToLogIES AND AbDuCTIoN PRoCESS
Eduardo Escalante Gmez*
Resumen
En este trabajo se plantea la necesidad de desarrollar lo que se denominan ontologas
como forma de procesar el lenguaje natural y como herramientas para la explora-
cin y anlisis de las verbalizaciones obtenidas mediante entrevistas en profundidad
y grupos focales. Cada ontologa operar en el contexto de un proceso abductivo, lo
cual permitira el enriquecimiento de la ontologa inicial. Es decir, no se trata de la
construccin de una ontologa para su formalizacin informtica, sino ms bien por-
que se considera que el uso del concepto de ontologa est dado por su pertinencia
en la representacin de un cuerpo de conocimientos seleccionado de un determinado
dominio de la realidad que resulta de inters. La hiptesis del texto es: el anlisis de
las verbalizaciones de los sujetos en un proceso de investigacin debera seguir el
mtodo abductivo que se inicia con la construccin de una ontologa-E y en seguida se
desarrolla un proceso recursivo de refnamiento y reconfguraciones de lo que Samaja
(2003) denomina pre-concepciones modelizantes.
Palabras clave: ontologa, epistemologa, abduccin, estadstica textual.
Summary
This study looks into the need to develop what is known as ontologies as a way to process
natural language and as a tool for the exploration and analysis of the verbalizations
obtained through interviews in depth and focus groups. Each ontology operates in the
context of an abductive process, which allows the expansion of the initial ontology.
The main idea isnt the construction of ontology for its computerized formalization but
rather the compliance with the concept of ontology according to which its use is linked
to its pertinence in the representation of a body of knowledge selected from a specifc
domain of reality which is of interest. The hypothesis of the text is: the analysis of the
verbalizations in a research process should follow the abductive method that begins with
the construction of an E-ontology and immediately develops into a recursive process of
refnement and reconfgurations of what Samaja (2003) calls modeling preconceptions.
* Director del Instituto de Investigaciones, Facultad de Psicologa, Universidad del Aconcagua. Direccin:
Plazuela San Francisco 240, Departamento 31, Valparaso, Chile. E-mail: escalante.gomez@gmail.com
51 2010, 14
Key words: ontology, epistemology, abduction, textual statistics.
I. Aproximaciones desde la ontologa epistemolgica
Una ontologa es una especifcacin de una conceptualizacin. Un cuerpo de cono-
cimiento representado formalmente se basa en una conceptualizacin: los objetos, los
conceptos, y otras entidades que se asumen que existen en algn rea de inters y las
relaciones entre ellos (Genesereth & Nilsson, 1987)
1
.
Como seala Schutz (1993)
2
, los investigadores trabajamos con el estudio de cons-
tructos de contructos; y nos involucramos con mtodos que nos permitan entender los
signifcados personales y sociales de una determinada muestra en estudio (perspectiva
interpretativa).
Hay cuestiones de corte epistemolgico asociadas a la construccin del conocimien-
to cientfco: induccin, deduccin, abduccin, inferencias, juicios son algunos de
los trminos que requieren un acertado anlisis; cuestiones metodolgicas relativas
a la validez de tratamiento estadstico cuando se trata de categoras y enfoques cua-
litativos; y cuestiones relativas al lenguaje y la validez de la aplicacin del anlisis
matemtico para estudiarlo
3
.
A modo de precisin de esta ltima cuestin, es importante tener presente que lo que
se expone en esta ponencia no apunta a una matematizacin o logicalizacin de las
palabras
4
, sino a la incesante bsqueda de construccin de sentido, no se trata de medir
por medir, o formalizar por formalizar, pues lo que se pretende es el entendimiento
de la conciencia que las produjo y aclarar si pudieren ser tambin el resultado de algo
meta-subjetivo o ms all del sujeto
5
. Es decir, el alcance de este artculo es introducir
al lector a una realidad de exploracin lgico-matemtica mediante herramientas com-
putacionales, sin por ello postular una determinada manera de construccin cientfca,
1
Genesereth, M.R. and Nilsson, N. (1987). Logical Foundations of Artifcial Intelligence. Morgan
Kaufmann Publishers: San Mateo, CA.
2
Schutz, A. (1993). La construccin signifcativa del mundo social. Introduccin a la sociologa comprensiva.
Barcelona: Paids.
3
Un artculo interesante al respecto es: Shank, Gary Semiotics, Qualitative Research in Education: The
Third Crossroad. The Qualitative Report, Volume 2, Number 3, December, 1995. Recuperado desde http://
www.nova.edu/ssss/QR/QR2-3/shank.html el 30 de agosto del 2009
4
Se sugiere la lectura del enfoque francs de la estadstica textual como herramienta exploratoria en
ciencias sociales. Ver Benzcri, Jean-Paul et coll. (1981). Pratique de lanalyse des donnes, Linguistique
et lexicologie, Paris, Dunod.
5
Ver Rastier, Franois (1989). Sens et textualit, Paris, Hachette; Reinert, Max (1993). Les mondes
lexicaux et leur logique . Langage et socit, Paris, Maison des Sciences de lHomme, n 66, pp. 5-39 ;
Tournier Maurice (1980). Do viennent les frquences de vocabulaire? , Mots, Paris, Presses de la
fondation nationale des sciences politiques, n 1, pp. 189-209.
52 2010, 14
pero si argumentar que el trabajo de investigador del anlisis del discurso requiere
de un riguroso anlisis epistemolgico que clarifque, por un lado, la diferencia en-
tre explicar, comprender e interpretar, y por el otro la diferencia entre comprender y
querer.
Para Guarino, 1998
6
, una ontologa describe una cierta realidad con un vocabulario es-
pecfco, usando un conjunto de premisas de acuerdo con un sentido intencional de pa-
labras del vocabulario. Gruber (1992
7
) defne una ontologa como una especifcacin
explcita de una conceptualizacin, es decir, que proporciona una estructura y conte-
nidos de forma clara y precisa y que codifca las reglas implcitas de una parte de la
realidad. Como seala Oliva (2010)
8
en primer lugar, hay que defnir el vocabulario de
representacin de una teora. Es decir, con qu vocabulario esta representa un mbito
de la realidad. En una ontologa de este tipo, las defniciones conceptuales (expresadas
mediante lenguaje natural) expresan las entidades existentes en su universo de discur-
so: clases (conceptos pertenecientes a un dominio), relaciones, funciones, instancias
(representacin individual de un elemento perteneciente a una clase) y otros objetos,
describiendo el signifcado de los nombres de las entidades y tambin los axiomas que
delimitan la interpretacin que debe hacerse de estos trminos. En este caso, puede
comprenderse a los axiomas como reglas de interpretacin.
Existen defniciones -como seala Oliva (2010)-, ms operativa que la de Gruber es
la de Weigand
9
(1997, en Chantal Prez 2002: 5.3.1): una ontologa... describe los
conceptos en el mundo o algn dominio, algunas de sus propiedades y cmo los con-
ceptos se relacionan entre ellos.
Y como bien argumenta Oliva, esta defnicin se deriva una discusin epistemolgica
involucrada en la construccin de ontologas. Y agrega que es importante aclarar que
la ontologa no describe conceptos que existiran per se en algn campo de la realidad.
Los conceptos explicativos al que recurren las ciencias no tienen existencia natural
en el mundo, y no estn disponibles y a nuestro alcance, aguardando que sean identi-
fcados. En seguida citando a Follari (2010), seala que en confuencia con un hilo
epistemolgico que atraviesa Saussure, Bachelard y Bourdieu, que:
6
Guarino, N. Understanding, Building, and Using Ontologies. En Kwnoledge Acquisition Workshop,
1996. http://ksi.cpsc.ucalgary.ca/KAW/KAW96/guarino.html (consultado el 15-12-1998).
7
Gruber, T.R. Toward Principles for the Design of Ontologies Used for Knowledge Sharing. En
International Journal of Human and Computer Studies, 43 (5-6), 1995, p.907-928; Gruber, T.R. What is
an Ontology? http://www-ksl.stanford.edu/kst/what-is-an-ontology.html (consultado el 15.12.2001).
8
Oliva, Jernimo (2010) en el captulo sobre Ontologas de su marco terico de sus tesis de maestra en
criminologa (en elaboracin).
9
dem.
53 2010, 14
La ciencia no dice lo real, sino que lo explica por medio de teoras. Ello implica
que la ciencia no surge de la observacin -segn a menudo se cree- sino que implica
siempre la existencia de supuestos previos que son puestos a contrastacin por va de
la experiencia. Este es uno de los puntos que ms contradicen la supuesta evidencia:
como lo real no habla, solo se hace inteligible en orden a los interrogantes concep-
tuales que se le formulan.
Y concluye, sealando que los conceptos explicativos que conforman una ontologa
son construidos por el investigador, y no observados en la realidad.
El desarrollo de ontologas representa un campo de preocupacin del procesamiento del
lenguaje natural. Constituye un esfuerzo de normalizacin, formalizacin, y operacionali-
zacin de conceptos fundamentales ya provistos por la tradicin de una determinada disci-
plina (psicologa, derecho, educacin entre otras) a partir de la combinacin de operadores
de accin con axiomas lgicos. Pero adems se intenta refnar la conexin de una gran
cantidad de instancias de un dominio acotado -por ejemplo, una ley, o un conjunto de sen-
tencias- a partir de una generalizacin conceptual guiada por el proceso de especifcacin
de la diferencia relativa de los trminos jurdicos tcnicos respecto de los trminos hom-
nimos del lenguaje natural -persona, organizacin, juez... Para este efecto, no se recurre
a un motor normativo para la representacin del razonamiento, porque es sufciente con
delimitar mediante procesamiento de lenguaje natural (NLP) la conexin con los trminos
de la ontologa de alto nivel y organizar los conceptos de forma consistente.
En el diseo y construccin de una ontologa se incluyen:
Tabla 1. Capas de una ontologa
Reglas
Relaciones
Jerarquas de conceptos
Conceptos
Sinnimos
Trminos
Se trata de extraer trminos relevantes desde un corpus textual, relacionndolos con
conceptos apropiados y detectar relaciones entre conceptos. Los conceptos se relacio-
nan segn una determinada taxonoma y otras relaciones semnticas. El investigador
puede trabajar con una defnicin de ontologa como una descripcin formal explcita
de conceptos en un dominio de discurso (clases, a veces denominadas conceptos),
propiedad de cada concepto que describen varias formas de atributo de un concepto
(ranuras o slots, a veces denominadas propiedades), y restricciones a las ranuras, a ve-
ces denominadas restricciones de roles). Entonces, una ontologa, junto con un grupo
de instancias individuales de clases constituye una base de conocimiento. Las clases
son el foco de la mayora de las ontologas.
54 2010, 14
Es importante sealar, que lo que orienta el trabajo presentado en este artculo no est
orientado a la construccin de una ontologa para su formalizacin informtica, sino
ms bien porque se considera que el uso del concepto de ontologa est dado por
su pertinencia en la representacin de un cuerpo de conocimientos seleccionado de
un determinado dominio de la realidad que resulta de inters. Y como seala Oliva
(2010), la defnicin de ontologa que mejor se ajusta al objetivo de desarrollo de de-
terminadas ontologas para la investigacin terico-emprica es la de Gruber (1995),
como tambin el desarrollo posterior de esta defnicin y sus propios aportes de auto-
res como Guarino
10
(1995), Borst (1997)
11
, y Studer et al. (1998)
12
.
Desde mi punto de vista, el estudio de las verbalizaciones de los sujetos que entre-
vistamos (individual o grupalmente), los textos de autores que analizamos, se tendra
que iniciar a partir de lo que en este texto se denomina ontologa-E. Si enmarcamos
nuestra perspectiva en el enfoque de Juan Samaja
13
, sera lo que corresponde a las
pre-concepciones modelizantes, paso fundamental del investigador, en especial si
adopta el mtodo abductivo. Las verbalizaciones de los sujetos sern examinadas des-
de estas pre-concepciones. Obviamente, esta es una postura epistemolgica -la abduc-
tiva (Pierce 1988
14
, Samaja, 2003), reconociendo que en la comunidad cientfca hay
otras posturas, por ejemplo, la Teora Fundamentada.
10
Guarino, N. Formal ontology, conceptual analysis and knowledge representation. International Journal
of Human-Computer Studies, 43(5/6): 625-640, 1995. Special issue on The Role of Formal Ontology in the
Information Technology.
11
Borst, W.N. (1997). Construction of Engineering Ontologies. PhD thesis, University of Twente, Enschede.
12
Studer, R. et al. (1998). Knowledge engineering: principles and methods. [en lnea] Pennsylvania: School
of Information Sciences and Technology (IST). Pennsylvania State University.
http://citeseer.nj.nec.com/225099.html [Consulta: 19 marzo 2005]
13
Samaja, J. (2003). Epistemologa y metodologa. Elementos para una teora de la investigacin cientfca.
Buenos Aires: EUDEBA.
14
Peirce, Ch. (1988). El hombre, un signo. Barcelona: Crtica.
55 2010, 14
Se puede decir que para un investigador existen diversas ontologas, en cuanto que
para un flsofo existe apenas una, la Ontologa, con letra mayscula. Para resolver
esta cuestin, se ha sugerido una distincin terminolgica entre una ontologa ba-
sada en una realidad (ontologa-R) y una ontologa epistemolgica (ontologa-E).
Ontologa-R es una teora que explica cmo el universo est organizado y corres-
ponde al mundo de los flsofos. En cambio, si nos apartamos del aspecto flosfco,
podemos defnir ontologa como una teora que explica cmo un individuo, grupo,
lenguaje o ciencia entiende un determinado dominio, hace distinciones, construye
clases, por ejemplo, las teoras criminolgicas, teora de la personalidad, teoras del
aprendizaje.
En consecuencia, se pueden sealar que pueden existir ontologas mltiples (el pro-
psito de una ontologa es hacer explcito algn punto de vista). Por ello, a veces, se
necesita combinar dos o ms ontologas. Cada una de ellas introduce conceptualiza-
ciones especfcas; y se puede identifcar diferentes niveles de abstraccin. Esto supo-
ne que se ha examinado el concepto kuhniano de inconmensurabilidad, de modo de
evitar construcciones espurias.
Un concepto puede ser representado de muchas formas por lo que pueden coexistir
mltiples representaciones de un mismo concepto. El Mapeo de ontologas permite
crear relaciones entre los elementos de una o ms ontologas para establecer conexio-
nes, especializaciones, generalizaciones, etc. Es el caso del concepto de delito al ser
investigado desde la psicologa.
Si una ontologa especifca una conceptualizacin, una forma de ver el mundo, enton-
ces cada ontologa incorpora un punto de vista. Una ontologa pues, contiene defni-
ciones que se proveen del vocabulario para referirse a un dominio y estas dependen
del lenguaje que se usa para describirlas.
Conceptos e individuos - Clases e instancias
Clase = clasifcacin de objetos que comparten propiedades comunes
Instancia= individuo, clasifcado o no, tiene propiedades con valores concretos
El lenguaje humano constituye una ontologa bsica de las cosas con las que trata.
Los sustantivos sirven como clases, los adjetivos como atributos, y los verbos como
interacciones y relaciones entre los objetos.
clase teora del aprendizaje
clase constructivismo
clase constructivismo social
instancia: conocimiento es construido
clase teora del aprendizaje
o
o
o
o
56 2010, 14
clase conductismo
clase condicionamiento operante
instancia: conducta observable
Figura 2. Esquema bsico de clases e instancias
o
o
Figura 3. Esquema de desarrollo intermedio de clases, subclases e instancias

57 2010, 14
A modo de ejemplo, el investigador criminolgico trabaja con una ontologa en la que
se requiere defnir categoras que estn en el corazn de la teora criminolgica (algu-
nas tericos las explicitan, otros las asumen sin explicitarlas): i) la naturaleza humana
y la conducta humana; ii) la sociedad y el orden social; iii) el papel de la ley, defni-
cin del crimen, imagen del criminal; iv) la lgica causal: supuestos, proposiciones
,hiptesis acerca de las causas del crimen; y v) implicancias para la justicia criminal.
Desde estas categoras se confgurar la ontologa para examinar las verbalizacio-
nes de los sujetos estudiados en un determinado proyecto,
Algunos aspectos a considerar:
Claridad: una ontologa debe de poder comunicar de manera efectiva el signifca-
do de sus trminos. Las defniciones deben ser objetivas y comentadas en lenguaje
natural.
Coherencia: debe permitir hacer inferencias que sean consistentes con las defni-
ciones.
Mnimo compromiso ontolgico: debe hacer la menor cantidad posible de pre-
tensiones acerca del mundo modelado.
Segn Tramuyas, 1999
15
las ontologas pueden desempear varios papeles o roles
bajo el concepto unifcador de knowledge sharing (Gruber, 1993):
Repositorios para la organizacin de conocimientos e informacin, tanto de tipo
corporativo como cientfco.
Herramienta de referencia en la construccin de sistemas basados en el conoci-
miento, ya que la utilizacin consistente de los trminos que supone es bsica en
la ingeniera del conocimiento.
Para permitir la reutilizacin del conocimiento ya existente, en la creacin de nue-
vas aplicaciones.
II. Herramientas para elaborar ontologas
El investigador al defnir la semntica ontolgica de una aplicacin en un dominio es
una ontologa, entendindose por tal el conjunto de conceptos y el conjunto de rela-
ciones semnticas entre los mismos. Se requiere identifcar los conceptos y defnirlos
intencionalmente en una etapa previa a la deteccin y defnicin de las relaciones
semnticas. El conjunto de relaciones semnticas debe identifcarse y documentarse,
formal y rigurosamente.
15
Tramuyas, Jess. Agentes y ontologas para el tratamiento de la informacin: clasifcacin y recuperacin
en Internet. En La representacin y la organizacin del conocimiento en sus distintas perspectivas: su
infuencia en la recuperacin de la informacin: Actas del IV Congreso ISKO-Espaa EOCONSID99,
22-24 de abril de 1999, Granada. Granada: ISKO; Universidad de Granada. Facultad de Biblioteconoma y
Documentacin, 1999, pp. 247-252.
58 2010, 14
Existen distintos mtodos de elaboracin de ontologas, por ejemplo, mtodos que
utilizan bases de datos ya existentes; mtodos que utilizan vocabularios disponibles
previamente; mtodos a partir de esquemas relacionales
16
.
En este artculo se hace referencia al enfoque del DOE (Differential Ontology Edi-
tor)
17
. Para este efecto, la construccin de una ontologa requiere tres pasos funda-
mentales. Una normalizacin semntica (acuerdo sobre el signifcado de las etiquetas
usadas para denominar los conceptos). El lenguaje natural es usualmente la mejor
manera de acceder al conocimiento de un dominio). Se puede emplear una ontologa
diferencial que traducir estos trminos en nociones basadas en diferenciales semn-
ticos. En trminos prcticos, el investigador expresa las similitudes y diferencias de
cada nocin con respecto a sus vecinos: nocin-padre y nocin-hermano. El resultado
ser una taxonoma de nociones, en la cual el signifcado de un nodo se obtiene de
reunir todas las similitudes y diferencias asignadas a las nociones encontradas en la
ruta hacia la nocin raz (la ms genrica).
A continuacin se procede a la formalizacin del rbol ontolgico obtenido en la
fase anterior, de modo de reducir la ambigedad (desambiguacin) de las nociones y
clarifcar su signifcado para una aplicacin en un dominio especfco (por ejemplo,
hechos delictivos). Cada concepto se refere a un grupo de objetos en el dominio (su
extensin). Se pueden usar operaciones de unin, interseccin o complementariedad.
En orden a obtener nuevos conceptos.
Finalmente, el tercer paso es la operacionalizacin. Corresponde a lo que se denomina
ontologa computacional, es toes, se puede trabajar la taxonoma, por ejemplo, apli-
cando inferencias.
Se pueden usar diferentes herramientas computacionales para elaborar las ontologas, por
ejemplo, Proteg-2000. No obstante, se sugiere usar una herramienta que es ms simple
de uso de parte del investigador. Me refero a DOE (Differential Ontology Editor).
El investigador puede construir una taxonoma a partir de textos, por ejemplo, una teora
criminolgica y tener en cuenta las relaciones clase-subclase-instancias. La entrada al
proceso de normalizacin se inicia tras extraer los trminos bsicos a partir de los textos
de esa teora. Se seleccionan los trminos relevantes para el dominio y se normaliza
el signifcado expresando las similitudes y diferencias entre los conceptos existentes.
A partir de esta normalizacin se crea una jerarqua de conceptos. La formalizacin
16
Maedche, A. & Staab, S. (2001). Ontology learning for the semantic web. IEEE Intelligent Systems,16(2),
72-79.
17
http://homepages.cwi.nl/~troncy/DOE/
59 2010, 14
consiste en la eliminacin de ambigedades en los conceptos y la adicin de nuevos
conceptos. Para fnalmente, usar la ontologa utilizando, ya no un lenguaje natural, sino
que un lenguaje formal.
Una vez que se ha defnido el nombre de la ontologa que se quiere crear, se activa la
siguiente pantalla:
Figura 4. Creacin de una ontologa en DOE
Figura 5. DOE
60 2010, 14
En la Figura 5 se puede visualizar un ejemplo de ontologa abreviada aplicada al do-
minio el transporte
18
.
En la Figura 5 se puede apreciar cmo un concepto se defne por similitudes y dife-
rencias en relacin con sus vecinos ms cercanos (en una taxonoma, sus padres y sus
hermanos). Este tipo de procesamiento ayuda de manera considerable en el proceso
de validacin y desambiguacin de la ontologa.
III. La ontologa y el proceso abductivo
19
La abduccin lleva a la formulacin adopcin de una hiptesis para ser comprobada,
la deduccin extrae las consecuencias necesarias y verifcables que deberan seguirse
de ser cierta la hiptesis, y la induccin confrma o verifca la hiptesis, es por eso
que la hiptesis (abductiva) debe considerarse siempre como una pregunta y tanto la
deduccin como la induccin tienen que construir procesos para contestarla.
El investigador construye su ontologa, en parte desde los corpus textuales (teoras).
El paso siguiente es obtener conocimiento desde el hablante mismo -sus verbalizacio-
nes- mediante la aplicacin de la ontologa a una determinada entrevista (corpus tex-
tual del hablante, sus cadenas de signifcantes), el discurso lingstico y cognitivo. El
momento deductivo y el momento inductivo se encuentra y las pre-concepciones mo-
delizantes pueden tomar un giro semntico considerable, esto es, nuevas dimensiones
del signifcado de una categora, expansin semntica de una categora, entre otras. El
resultado es una reconfguracin y precisin de la ontologa del investigador.
El proceso abductivo ha generado su efecto. Este procedimiento se puede llevar a
efecto mediante el programa computacional DOE, no obstante, se opt por utilizar la
herramienta informtica Tropes (Ghiglione y al., 1998)
20
, Escalante (2009)
21
.
18
Conception dune ontologie a partir dun Thesaurus specialise dans le domaine de larcheologie et des
sciences de lantiquite. memsic.ccsd.cnrs.fr/.../Memoire_ontologie_Marcheix-vDefnitive.pdf. Recuperado
de Internet: 30 de abril del 2010.
19
Peirce trabaj en los tipos de inferencia: abduccin, induccin y deduccin. Los concibe como momentos
interconexos de la investigacin. Los tres tipos estn basados en la idea de una hiptesis que es inventada o
propuesta por la abduccin y que pretende dar cuenta de un hecho sorprendente. La deduccin tiene como
tarea explicar la hiptesis, deduciendo de ella, consecuencias y permitiendo con que esta sea probada. La
induccin prueba la hiptesis. Defensor de las teoras probabilsticas, Peirce afrmaba que la induccin
evala la hiptesis.
20
Ghiglione, R.; Landr, A.; Bromberg, M. y Molette, P. (1998). Lanalyse automatique des contenus.
Dunod.
21
Escalante Gmez, Eduardo. Una nota metodolgica sobre los anlisis cualitativos. El anlisis de las
relaciones entre los elementos: el anlisis de las frecuencias y co-ocurrencias: Theoria [en lnea] 2009,
vol. 18 no. 1 [citado 2010-04-13]. Disponible en Internet: http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.
jsp?iCve=29911857006. ISSN 0717-196X
61 2010, 14
En la actualidad se est trabajando en Tropes en la construccin de una ontologa
(escenario en sus trminos
22
) aplicada al anlisis de fenmenos criminolgicos
23
. Por
ejemplo, se est examinando la teora del control de T. Hirschi. Se ha procedido a
examinar los conceptos empleados por esta teora. En esta teora el delito es causa de
relacin sociedad vnculos. Sociedad no la explica, queda como clase muy abstracta
pero vaca
24
. A partir de su teora, se ha elaborado un escenario (ontologa) de los
conceptos empleados por el autor.
En la Figura 6 se puede apreciar el conjunto de categoras que conforman el escenario o
la ontologa. Se ha realizado una normalizacin semntica (acuerdo sobre el signifcado
de las etiquetas usadas para denominar los conceptos) y una formalizacin del rbol onto-
lgico obtenido en la fase anterior, de modo de reducir la ambigedad (desambiguacin)
de las nociones y clarifcar su signifcado para un aplicacin en un dominio especfco
(por ejemplo, hechos delictivos). Una vez que se realicen las entrevistas en profundidad y
se inicie la aplicacin del escenario (ontologa), el investigador proceder a crear nuevas
instancias a partir de las categoras empricas que irn enriqueciendo la ontologa. La
preconcepcin modelizante permite detectar las cadenas de signifcantes (involucradas)
pero estas no son sufcientes para el proceso de construccin del signifcado, lo mismo
ocurre con la ontologa. De all la riqueza del proceso abductivo. En la Figura 6 se puede
observar el escenario u ontologa que se ha elaborado a partir de la teora de Hirschi.
Figura 6. Escenario en Tropes para el anlisis de la Teora de Hirschi
22
El escenario est formado por grupos que contienen clasifcaciones semnticas, para construirlo se puede
partir de una palabra, de una referencia.
23
Jernimo Oliva, Hugo Lupiaez, y Eduardo Escalante.
24
El escenario que se incluye en la Figura 6 fue creado por Jernimo Oliva.
62 2010, 14
En un artculo a ser publicado: Anlisis cualitativo de un fragmento del libro de
Paulo Freire. Pedagoga del oprimido
25
, se emple Tropes para estudiar el Captulo
III de este libro (la dialogicidad) construyendo un escenario similar al anterior y, por
ejemplo se analizaron las referencias utilizadas en el segmento textual de Freire. El
anlisis del texto de Freire permiti construir el escenario u ontologa. Una vez cons-
truido se procedi a analizar el contenido total del captulo.
Esto permiti generar agrupaciones por clases de equivalentes y fltrados por frecuen-
cia decreciente, las referencias utilizadas en el texto. Estas agrupan en clases de equi-
valentes los nombres comunes y los nombres propios que tienen un sentido prximo
(por ejemplo: las palabras padre y madre se agrupan en la clase familia). La
Tabla 2 muestra algunas de las referencias que aparecen en el texto de Freire.
Tabla 2. Ejemplos de referencias (frecuencia igual o superiores a 20)
Palabra Frecuencia
Existencia 153
Hombre 74
Comunicacin interpersonal 34
Materialidad 27
Estados 23
Voz 20
Se observa que la referencia ms frecuente es la clase existencia, que agrupa los
siguientes sustantivos: mundo, sujeto, actos, accin, existencia, fenmenos. Le sigue
en importancia el hombre, la comunicacin interpersonal (que incluye principalmente
lo referido al dilogo), la materialidad (incluye sustantivos como realidad, objeto,
elemento, cosa), los estados (situacin), y la voz (palabras) entre otras.
Por otra parte, se estudiaron las referencias como Sujeto u Objeto de Accin. Al visua-
lizar clases de equivalentes (en este caso referencias), Tropes dispone de una opcin
que permite analizar los sujetos y objetos: el sujeto es la referencia que antecede al
verbo (y muchas veces sujeto de este); y el objeto es la referencia ubicada despus del
verbo (y raramente sujeto de este).
Tabla 3. Referencias como sujeto (frecuencia igual o superiores a 5)
Palabra Frecuencia
animal 19
lenguaje 7
25
Eduardo Escalante Gmez, Jernimo Oliva, Elodia Granados.
63 2010, 14
Palabra Frecuencia
trabajo 6
movimiento 6
superacin 5
verdad 5
Se observa que, cuando se organiza a las referencias por su funcin de sujetos de
un verbo, el animal, el lenguaje, el trabajo y el movimiento, son referencias de gran
frecuencia y que ocupan slidamente el lugar de sujetos (para Tropes, un porcentaje
mayor al 60%). El hombre, que como referencia era la segunda ms frecuente, no
aparece posicionado como sujeto en el anlisis.
Tabla 4. Referencias como objeto (frecuencia igual o superiores a 20)
Palabra Frecuencia
Existencia 153
Hombre 74
Materialidad 27
Estados 23
Voz 20
Tabla 5. Relaciones (frecuencia igual o superiores a 5)
Relacin Frecuencia
Existencia > hombre 10
Pronunciacin > existencia 8
Hombre > existencia 8
Fe > hombre 8
Estados > imposibilidad 7
Motivo > generador 7
Otra manera de construir un escenario u ontologa es partir ya no del texto mismo, sino
que desde la generacin de una estructura jerrquica de conceptos. A modo de ejemplo,
se ilustrar el procedimiento usando la taxonoma elaborada por Lozares (2006) en su
artculo: Las representaciones fcticas y cognitivas del relato de entrevistas biogrf-
cas: un anlisis reticular del discurso
26
. El autor desarrolla un sistema categorial para
identifcar y relacionar las dimensiones fcticas y cognitivas de un relato biogrfco,
entendido como una representacin narrativa. Este sistema categorial constituye un
procedimiento efcaz para poner de relieve y relacionar ambas dimensiones. El sus-
tento terico de esta clasifcacin deriva de teoras lingsticas y de la teora de las
Redes Sociales, lo que permite la construccin del discurso. En la Figura 7 se incluye
26
REDES, Revista hispana para el anlisis de redes sociales, Vol.10, #8, Junio de 2006.
64 2010, 14
un segmento del escenario construido a partir del artculo de Lozares (la clasifcacin
completa se puede ver en la pginas 56 y 57 del artculo citado). Este escenario servir
posteriormente explorar y analizar textos de entrevistas en profundidad u obtenidos
medianet la aplicacin de grupos focales.
Figura 7. Segmento del escenario en Tropes para la clasifcacin de Lozares (2006)
Este escenario permitir identifcar los textos que pertenezcan a una determinada ca-
tegora, por ejemplo, ser til es un tipo de un proceso fctico de conclusin o avan-
zar como parte de un proceso fctico de desarrollo. Se podrn estudiar relaciones,
por ejemplo, hipnimos, esto es palabras que tienen todos los rasgos semnticos de
otra ms general. En la clasifcacin de Lozares (2006) ser menor que es hipnimo
de tipo cognitivo de equivalencias; o hipernimos: palabras que agregan en su de-
fnicin otros rasgos semnticos que permiten generar diferenciaciones. Tambin se
podrn estudiar relaciones parte-de: las referencias externas fcticas son parte de
las referencias de las declaraciones.
IV. Procesos de anlisis
El investigador al crear la ontologa (normalizarla y formalizarla) puede proceder
a su operacionalizacin, aplicando procedimiento de inferencia a la ontologa que
se ha desarrollado. Tambin puede proceder a realizar procedimientos de anlisis de
estadstica textual.
65 2010, 14
Es comn que la construccin cientfca proceda por desplazamientos y reduccin del
conjunto de datos recopilados. El investigador cualitativo procede a discretizar
27
un
corpus que signifca: clasifcar los textos
28
(automtica o no automticamente); iden-
tifcar los temas (tpicos), argumentos que se entretejen en los textos; usar diferentes
estrategias donde el algoritmo signifca: a) etiquetar manualmente los segmentos de
textos (combinando un tratamiento cuantitativo, por ejemplo anlisis de correspon-
dencias, con una exploracin cualitativa), y b) creacin de repertorios de indizacin
(que tambin combinan tratamientos cuantitativos con procedimientos cualitativos).
27
Se trata de un neologismo que no aparece en el diccionario de la Real Academia de la Lengua Espaola,
pero el trmino se puede inferir desde los anlisis numricos y en este texto se entender por individualizar,
separar.
28
El discurso da cuenta ms bien de la relacin entre las intenciones del emisor (destinador) -hablante o
escritor- y las del receptor (destinador) -oyente o lector-, implica los procesos correlativos de produccin y
comprensin y es objeto de una hermenutica interpretativa. El texto, por el contrario, remite a la emisin
misma, el mensaje, en cuanto producto sensible -oral o escrito- y se convierte en objeto del anlisis textual.
Lo que da vida al texto es la dinmica discursiva que ponen en juego tanto el autor en el proceso de su
produccin, como el destinatario en el de su interpretacin.
Figura 8. Estrategias de anlisis
66 2010, 14
Las diferentes estrategias de reduccin pueden signifcar desplazamientos entre la au-
tomatizacin (por ejemplo, se puede estar usando Atlas.ti) y procedimientos manuales
o artesanales.
Las herramientas que investigador puede utilizar son para realizar: 1) anlisis multi-
dimensionales (Hamlet II, Alceste); 2) etiquetados manuales de segmentos de texto
(MaxQda, Nvivo, Atlas.ti); 3) generar o aplicar repertorios de categoras temticas
(Tropes).
La intencionalidad es estudiar proximidades, concordancias, similitudes, distancias,
equivalencias, sinonimia. Y el resultado es producir grfcos (no dirigidos) de clus-
ters o conglomerados que sinteticen las categoras y permitan la interpretacin del
corpus que se est analizando (especialidad del investigador). El investigador busca
la objetivacin, ms que con objetividad, se trata de poner, en este caso, los textos
en perspectiva
29
.
La interpretacin se puede sustentar, por ejemplo, en: 1) frecuencias de palabras 2) la
co-ocurrencia, por ejemplo la investigacin de motivos (expresin, argumentacin),
3) la asociacin de categoras (hipottica o no), 4) la forma del discurso: polo narrati-
vo (descriptivo) o polo argumentativo (explicacin). Este proceso se puede realizar a
nivel local (texto) o a nivel global (corpus), o a nivel de la evolucin (diacrona).
Por ejemplo, los mtodos derivados del estudio estadstico de las frecuencias signi-
fcan una etapa de clasifcacin de los documentos para la generacin de tablas bidi-
mensional o multidimensionales a las que se puede aplicar posteriormente anlisis de
correspondencias, anlisis de componentes principales, anlisis factorial, anlisis de
clusters, anlisis de escalamiento multidimensional, entre otros.
A partir de las clasifcaciones semnticas propuesta por Tropes, o elaboradas en l como
lo ha desarrollado Anne Piolat
30
. Ella elabor un lexicn, denominado EMOTAIx-
TROPES. El resultado fnal se puede observar en la Figura 9.
29
Un excelente artculo sobre este concepto es el de Roberto Follari, La ciencia como real maravilloso.
El autor argumenta: La ciencia puede as ser advertida en lo que tiene de objetivacin, ms que de
objetividad; es el fruto de una cierta forma de poner los objetos en perspectiva, de captar sus aspectos
legaliformes y repetibles, de modo de hacer desaparecer de la percepcin aquello que -visto como
desordenado- queda fuera de dicho campo de estipulacin previa. Ver en http://www.redcientifca.com/doc/
doc200111120001.html. Recuperado de Internet: 26 de abril del 2009.
30
Piolat, A., & Bannour, R. (sous presse). EMOTAIX : Un Scnario de TROPES pour lidentifcation
automatise du lexique motionnel et affectif. LAnne Psychologique. Consultar en http://sites.univ-provence.
fr/wpsycle/membres/enseignants/apiolat.html. Recuperado de Internet: 24 de abril 2009
67 2010, 14
Figura 9. EMOTAIx-TROPES
Es un ejemplo especfco de lo que el investigador puede elaborar a partir de este progra-
ma. Se puede iniciar el proceso investigativo organizando los discursos de las personas
entrevistadas respecto de un escenario en comn (esto es, un agrupamiento de universos
de referencia de los entrevistados que describen una determinada situacin).
V. Estadstica textual
31
La supuesta polmica entre metodologas cualitativas y cuantitativas es un plantea-
miento epistemolgico y metodolgico equvoco. No puede afrmarse el encadena-
miento necesario entre construccin de teora, comprensin de signifcados y tcnica
cualitativa. Adems, lo cuali no es lo singular concreto que es infnito, sino lo parti-
cular que implica abstraccin de propiedades, en esta medida, por abstraccin lo cuali
puede, si se quiere, reducirse a cuanti, dependiendo de los intereses de la investigacin
(Coffey y Atkinson, 2003
32
).
31
Lebart, L. y Salem, A. (1994). Statistique testuelle, Pars: Dunod.
32
Coffey, A. y Atkinson, P. (2003). Variedad de datos y variedad de anlisis. En Coffey, A. y Atkinson, P.
Encontrar el sentido a los datos cualitativos. Universidad Nacional de Antioquia, Colombia, pp. 1-30.
68 2010, 14
El punto de vista del sujeto tambin se puede expresar con nmeros y no hay que con-
fundir cualifcar a tener una perspectiva interaccionista o fenomenolgica. El punto
de vista del actor puede ser captado en forma muy positivista como en las encuestas
de opinin o implicar todo un problema de interpretacin. Es decir, los grandes cortes
metodolgicos y epistemolgicos quedan muy pobremente defnidos en la problem-
tica cuanti-cuali como una enorme cantidad de manuales quieren hacernos creer (Ruiz
y Ispizun, 1989
33
).
Optar por el dato duro externo al sujeto, o bien por los signifcados internos del sujeto,
o por los signifcados embebidos en la interaccin entre el sujeto y una realidad ex-
terna (y considerando el problema de la interpretacin de los signifcados) no es una
problemtica inherente a la distincin cuanti-cuali. Puede haber datos cualitativos de
pretensin dura: el dato externo como algo dado y no como signifcado construido
por los participantes y luego por el investigador, tomando las palabras de los actores
sociales como oracular verdad que se ofrece (Follari, 2010
34
) y renunciando a su ex-
plicacin (Follari, 2010); como tambin puede haber interpretacin de signifcados a
partir de datos cuantitativos que reconozca, desde Saussure a Bourdieu, que el punto
de vista crea el objeto.
A partir de estos supuestos, por ejemplo, con los resultados obtenidos en Tropes, o en
cualquier otro software de anlisis del discurso, se puede realizar anlisis multivaria-
dos en programa como SPAD y SPSS, por ejemplo, escalamiento multidimensional,
anlisis de componentes principales, anlisis de correspondencia, entre otros. Para
cada variable analizada, se puede usar una prueba U de Mann-Whitney, a efecto de
verifcar la diferencia del universo de referencia y el indicador idiomtico, de modo
de poder determinar por ejemplo, el estilo discurso utilizado: las modalizaciones de
intensidad, los verbos afectivos, estativos, y declarativos, entre los discursos de los
entrevistados.
A modo de conclusin
Para el investigador el sentido no viene dado, hay que construirlo, y esta tarea es per-
manente e inacabable y no se entiende el discurso como una coleccin de enunciados
ms o menos estructurados: contiene lo que dice y lo no dicho que lo determina. Es
un proceso en permanente construccin y reconstruccin. No existe la signifcacin
defnitiva; pero a la vez el discurso aspira a ella, de tal manera que, en cada ocasin,
en el anlisis de cada discurso particular, debiramos poder encontrar la huella, a la
vez, de tal aspiracin y de lo que falla en ella.
33
Ruiz, J.I. y Ispizun, M.A. (1989). La decodifcacin de la vida cotidiana. Espaa: Universidad de
DEUSTO.
34
Follari, R. (2010). Algunos problemas en torno a la investigacin cualitativa. Trabajo indito.
69 2010, 14
Sentido y signifcacin no coinciden (Peinado, 2002
35
). El investigador se entera de
que dos expresiones diferentes pueden tener la misma referencia, pero distinto senti-
do. Se puede sustituir, entonces, un signo por otro sin que se modifque la referencia;
pero esta sustitucin no deja inalterado el sentido. De all que exista una determinada
posicin de la interpretacin respecto del sentido.
35
Peinado, A. (2002). La investigacin cualitativa en Espaa: de la vida poltica al maltrato del sentido. En
Rev. Esp. Salud Pblica, vol.76, N 5, Octubre, Madrid.
Fecha de recepcin: 15/12/09
Fecha de aceptacin: 10/05/10

Metodos de Análisis de Las Verbalizaciones, Ontologías y Proceso de Abducción

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos de Análisis de Las Verbalizaciones, Ontologías y Proceso de Abducción

Cargado por

Copyright:

Formatos disponibles

50 2010, 14

SUBJETIVIDAD Y PROCESOS COGNITIVOS, Vol. 14, N 2, 2010

Figura 3. Esquema de desarrollo intermedio de clases, subclases e instancias

También podría gustarte