Unidad 1

.
CONOCIMIENTO CIENTIFICO

1.1. Epistemología de la ciencia

MARRADI, A. (2007): “Cap. 3: Método, metodología y técnica”, en MARRADI, A., ARCHENTI, N.

y PIOVANI, J., Metodología de las Ciencias Sociales. Buenos Aires: Emece. Pp.47-60.

Al término MÉTODO se le atribuyen muchos significados diferentes. "sin embargo, el más acertado es el que se
encuentra primero en casi todos los diccionarios, y que tiene su significado en el griego: Método como
camino para conseguir un fin.
El compuesto griego significaba 'camino con el cual”
Descartes define al método como 'reglas ciertas y fáciles que cualquiera fuera el que las observara con exactitud
le sería imposible tomar lo falso por lo verdadero, sin requerir inútilmente esfuerzos de la mente, pero
aumentando siempre gradualmente el propio saber, y lo conducirían al conocimiento verdadero de todo aquello
que fuese capaz de conocer
Esta idea de que verdad y certitud son conjugables demuestra que se puede hablar de la realidad logrando el nivel de
veracidad que solo los matemáticos pueden lograr una ambición que será la bandera del empirismo lógico.
Segúnn el empirismo lógico, la idea de un programa que establece con anticipación una serie de operaciones que
garantizan el conocimiento científico, prevalece en la actualidad como la expresión del método científico, que consta
de los siguientes pasos:
1) Se define el problema
2) El problema se formula en los términos de un particular cuadro teó
3) Se imaginan una o más hipótesis relativas al problema, utilizando los principios teóricos ya acepta
4) Se determina el procedimiento a utilizar en la recolección de datos para controlar la hipótesis
5) Se recolectan los datos
6) Se analizan los datos para averiguar si la hipótesis es verificada o rechazada
Se trata de una descripción puntual del método hipotético-deductivo.
Críticas a la visión clásica

Los fundamentos de este método se encuentra fuera de la sociología carentes de contacto con el pensamiento
sociológico. La metodología de las ciencias sociales se ha vuelto una cinta de transmisión que distribuye a
los sociólogos el método científico, es decir, las ideas de aquellos autores que pasan por ser expertos en el
tema.
Se sostenía no solo que la ciencia tiene un solo método, sino que se trata de aquel método santificado
por los éxitos de las ciencias físicas. También se le critica el criterio del respeto a un sistema de reglas, ya
que de ser así, hasta una guía telefónica sería una buena investigación científica.
Wallis y Roberts, aseguran que 'no hay nada que pueda llamarse método científico. Es decir, no existen
procedimientos que indiquen al científico como empezar, como proseguir, que conclusiones alcanzar.
“Las virtudes del buen investigador son la flexibiilidad, la prontitud para comprender una nueva situación y la capacidad
de aprovechar las ocasiones imprevistas
El método es, por lo tanto, algo mucho más complejo que una simple secuencia unidimensional de pasos. El científico
procede en modo metódico. Pero su método es como las máximas de un arte que aplica de manera
original a sus problemas.
Método y metodología.
El término método no solo designe un modo particular de cumplir aquellos pasos, sino también algún paso
específico, e incluso los instrumentos operativos que permiten cumplir los varios pasos, es decir, las técnicas.

En términos científicos, el sufijo 'logía esá# utilizado en el sentido de “discurso sobre” o “estudio de”
Por lo tanto, metodología debería ser el discurso, estudio reflexión sobre el método.
Lazars!eld: “La metodología examina las investigaciones para explicitar los procedimientos que fueron usados, los
supuestos subyacentes, y los modos explicativos ofrecidos.
Se puede aceptar que la metodología sea, en última instancia, una disciplina normativa, en cuanto da indicaciones
acerca de lo que es oportuno hacer en cada situación específica. El metodólogo declara aquello que
el investigador debe hacer para obtener ciencia. 
Técnicas
El término TÉCNICA también deriva del griego. Designa una capacidad artística, no aquella individual e irrepetible del
genio, sino aquella mas doméstica del artesano, transmisible de padre a hijo. En un segundo significado, más
antropológico, una técnica se sirve del conocimiento adquirido por las ciencias sobre la realidad para modificar algunos
aspectos de ésta. En un tercer significado, es una ciencia la que se sirve  de técnicas para conocer
mejor algún aspecto de su objeto

Son “los procedimientos específicos empleados en una ciencia, o por un particular género de investigaciones dentro
de una ciencia. Son las formas de cumplimentar el trabajo de una ciencia que son considerados, por razones más o
menos convincentes, aceptables por una comunidad científica. El adiestramiento científico tiene
que ver en gran medida con la adquisición del dominio de técnicas

Utilizando la selva como una analogía: la selva por atravesar es recorrida por segmentos más o menos largos, en
varias direcciones, de senderos ya trazados, más o menos transitados; son las técnicas que otros investigadores han
ideado, modificado, desarrollado. Naturalmente, es mucho más cómodo recorrer senderos ya trazados, pero no se
sabe si nos conducirán al claro buscado o a alguna parte. La tarea del investigador metodólogo consiste en escoger el
camino, teniendo en cuenta la naturaleza de los senderos presenten, el terreno, el tiempo y los recursos disponibles.
Lo esencial del concepto de método está en lo siguiente: En la elección de las técnicas a aplicar,
en la capacidad de modificar técnicas existentes, adaptándose a los problemas propios, y de imaginar
técnicas nuevas.

Cuál es la tarea del metodólogo?

La tarea del investigador/metodólogo consiste en escoger el camino, teniendo en cuenta la naturaleza de los
senderos presentes en el terreno, el tiempo y los recursos disponibles (en particular el grado de adiestramiento de sus
colaboradores para manejar las diversas técnicas)
Concepto de método: lo esencial del concepto de método esta en lo siguiente: en la elección de
técnicas a aplicar, en la capacidad de modificar técnicas existentes, adaptándolas a los problemas
propios, y de imaginar técnicas nuevas.
Los resultados de una investigación dependen del complejo de elecciones que el investigador ha realizado a lo largo
del recorrido.
Ell hecho de que las técnicas no posean la naturaleza abstracta del método, sino que sean recursos
tangibles y disponibles, no implica una menor nobleza o relevancia para el traba-o científico.

Epistemología y gnoseología:
En la relación entre metodología y epistemología existe un consenso general sobre el hecho de que la metodología
ocupa la porción central de un continuum de análisis crítico… entre él análisis de los postulados epistemológicos que
hacen posible el conocimiento social y….la elaboración de las técnicas de investigación.
Ocuparse de metodología es encontrarse en una continua tensión dialéctica entre los polos de este continuum,
porque “si la metodología abandona su lado epistemológico se reduce a una tecnología o una práctica que ya no
controla intelectualmente”. Si abandona el lado técnico, se transforma en una pura reflexión filosófica sobre las
ciencias sociales, incapaz de incidir sobre las actividades de investigación.

PARDO, R. (2010): “Cap. 3: La problemática del método en ciencias naturales y

sociales”, en DIAZ, E. Metodología de las Ciencias Sociales. Buenos Aires: Biblos.
Pp. 67-84.

s/Descartes: método implica la exclusión del error mediante verificación y comprobación

Las ciencias: características y clasificación

1- Conocimiento científico:

Paradigmas históricos acerca de la ciencia

1) La tarea de la ciencia, esencialmente concebida como conocimiento de causas, debía ser justamente la
búsqueda de ellas. Lo que tal vez más diferencie este modo de comprender el conocimiento científico de
nuestro es que, la ciencia no estaba en la cúspide del saber; por encima de ella se erigía un conocimiento
capaz de alcanzar las causas últimas de las cosas, lo que los griegos llaman “metafísica”
2) Con el desarrollo de las ciencias naturales surge un concepto que perdura hasta el S XX= La conciencia del
poder de la razón para controlar y transformar la naturaleza dota a la ciencia de un nuevo objetivo central: la
búsqueda de las leyes que regulan la realidad, suponiendo que el conocimiento traería aparejado un
despliegue universal de progreso social. (idea dirigida al dominio de la naturaleza)

En la antigüedad se relacionaba ciencia con un conocimiento sólido y fundamentado – físico/matemático, en la

modernidad el conocimiento comienza a atomizarse y diversificarse en una serie de disciplinas, así a fines de siglo
XVIII surge la química y la biologia

Características de la ciencia

 La Ciencia: es un saber legalista que busca leyes mediante las cuales poder explicar la realidad. Una mera
recolección de datos o una descripción de hechos, por más detallada que sea, no constituye por sí misma
conocimiento científico.
 Si se trata de Ciencia, debemos encontrar y formular relaciones constantes entre los fenómenos, y son
justamente las leyes las proposiciones universales que expresan esas conexiones regulares
 La Ciencia es un saber crítico: el conocimiento científico ha de estimular y desarrollar las dudas todo lo posible,
siendo consciente de su carácter provisorio, abierto a la posibilidad de ser revisado y/o superado
 La Ciencia requiere fundamentación de sus afirmaciones, así la justificación de sus enunciados se despliega
en dos dimensiones:

Una lógica referida a la coherencia en las proposiciones que conforman la teoría con las reglas de
la lógica

Una empírica que se suma a la anterior, e implica la justificación de sus enunciados mediante
constatación empírica (confrontación de los mismos con la realidad)

 Otra característica es la sistematicidad del conocimiento; es un cuerpo de proposiciones relacionadas entre si

lógicamente. La ciencia como “sistema” alude a una unidad ordenada del saber, a través de la cual nuevos
conocimientos se integran a los ya establecidos
  Es objetiva: entendiéndose por objetividad la capacidad de tomar suficiente distanciad del objeto a conocer,
para adoptar el punto de vista de un observador neutral

En síntesis… características de la ciencia

Fundamentación
Sistematicidad
Capacidad explicativa y predictiva
Carácter crítico
Ambición de objetividad

Clasificación de la ciencia

Cuando se trata de clasificar ciencias se toman como parámetros cuatro criterios

El objeto de estudio (sector o ámbito de la realidad estudiada – los seres vivos para la biología, el movimiento de los
cuerpos celestes para la astronomía, etc)
Los métodos (se relaciona con los distintos procedimientos empleados, tanto para el logro de conocimientos, su
justificación y su puesta a prueba)
La clase de enunciados (se refiere a las diferentes proposiciones analíticas, aquellas vacías de contenido, formales,
sintéticas, etc)
El tipo de verdad (se refiere por ejemplo en el caso de proposiciones analíticas su verdad será lógica en el caso de las
vacías de contenido su verdad será contingente)

En base a estos criterios las ciencias se dividen en

FORMALES Y FACTICAS

Objeto: entes formales, signos vacíos, carentes de contenido empírico

Método: demostración lógica
Enunciados: analíticos o tautológicos
Verdad: necesaria y formal, coherencia lógica
Ejemplos: la lógica y la matemática

Objeto: entes empíricos (hechos, procesos)

Método: contrastación empírica (observación y experimentación)
Enunciados: sintéticos o denotativos
Verdad: contingente y fáctica (siempre provisoria y constatada empíricamente)
Ejemplos: ciencias naturales y sociales

CHALMERS, A. (2000): “Cap. 4: La inferencia de teorías a partir de los hechos: la

inducción”, ¿Qué es esa cosa llamada ciencia? Buenos Aires: Siglo XXI. Pp. 38-55.

Qué es esa cosa llamada ciencia? Alan F. Chalmers, 4 pueden hacerlo, TODAS deben ser FALSABLES, es decir,
susceptibles de ser falsadas. No hay que confundir hipótesis falsas con hipótesis falsables. Una hipótesis es
falsable si existe un enunciado observacional o un conjunto de ellos lógicamente posibles que sean
incompatibles con ella, es decir, que en caso de ser verdaderos, falsarían la hipótesis. Ej: La afirmación “Los
lunes nunca llueve” es falsable porque se puede falsar al observar que un día lunes llueve. Hay enunciados
que no son falsables directamente, como por ejemplo el que dice “O llueve o no llueve” dado que ningún
enunciado observacional lógicamente posible puede refutarlo. Karl Popper es un representante del
falsacionismo. Para el falsacionista, las hipótesis científicas deben ser falsables, además de informativas,
dando cuenta de cómo el mundo se comporta en ciertas circunstancias y no cómo posiblemente
(lógicamente) podría hacerlo –pero no lo hace-. Cuanto más falsable es una teoría, mejor es. Una teoría muy
buena será aquélla que: a) hace afirmaciones de muy amplio alcance, b) por lo tanto es sumamente falsable y
c) que resista la falsación cada vez que se la someta a prueba (es decir, no se la pueda refutar). Las teorías con
alto grado de falsabilidad son preferibles a las menos falsables. Cuanto más falsable sea una teoría, más
afirma y mejor será entonces -siempre y cuando no sea falsada-. Las teorías falsadas deben ser rechazadas
terminantemente. Los falsacionistas exigen que las teorías que se formulen sean sumamente falsables; así, las
teorías serán establecidas con claridad. Lo mismo ocurre con la precisión: cuanto más precisamente se
formule una teoría, más falsable será. Para el falsacionismo el PROGRESO DE LA CIENCIA se da ante el
planteamiento de problemas. Con el objetivo de solucionar los mismos, se formularán hipótesis falsables.
Estas hipótesis deberán ser criticadas y comprobadas. Resultará que algunas de ellas deberán ser eliminadas
(dado que fueron falsadas) y otras, puede que resistan las primeras evaluaciones pero deberán seguir
sometiéndose a críticas y pruebas cada vez más rigurosas. Aquéllas hipótesis rechazadas o falsadas tras
superar varias pruebas rigurosas, vendrán a plantear un nuevo problema el cual está alejado del problema
original ya resuelto. Este nuevo problema surgido exige la formulación de nuevas hipótesis que requieren a su
vez probarse, y así indefinidamente se da el proceso de construcción de la ciencia. Si bien nunca se puede
decir que una teoría sea verdadera –pese a haber superado múltiples pruebas- sí se puede decir que sea
superior a otras, en virtud de haber superado pruebas que las teorías predecesoras falsaron. Se debe tener en
cuenta que los problemas que se plantean, siempre se hacen a la luz de alguna teoría, y no de la observación
como sostienen los inductivistas.

CHALMERS, A. (2000): “Cap. 5: Introducción del falsacionismo”, ¿Qué es esa cosa

llamada ciencia? Buenos Aires: Siglo XXI. Pp. 56-69.

¿Qué es esa cosa llamada ciencia? Alan F. Chalmers, 5 5. EL FALSACIONISMO SOFISTICADO, LAS NUEVAS PREDICCIONES
Y EL DESARROLLO DE LA CIENCIA La concepción falsacionista sofisticada de la ciencia plantea una imagen dinámica de la
misma, al ya no preguntarse sobre la posibilidad de una teoría de ser falsable o la medida en que lo es sino al proponer
si la teoría recién propuesta –la nueva- puede sustituir a su predecesora. Toda nueva teoría que sea más falsable y que
prediga fenómenos que su rival no consideraba, es digna de atención. Para el falsacionismo, podemos establecer la
falsedad pero no la verdad de las teorías a partir de los enunciados observacionales de que se disponen. Así, una
hipótesis podrá ser falsada –en este caso deberá ser eliminada- o confirmada –ha pasado la prueba experimental u
observacional-. Las confirmaciones de nuevas predicciones resultantes de conjeturas audaces son muy importantes en
la concepción falsacionista del desarrollo científico. “Audaz” y “nuevo” son adjetivos que para el falsacionismo son
históricamente relativos y que se emplean para las hipótesis y las predicciones respectivamente. La hipótesis que puede
resultar audaz en un momento de la historia de la ciencia –y cuya predicción será nueva-, no lo será en un momento
posterior. Es audaz en la medida en que está en conflicto con las teorías generalmente aceptadas en la época, el
conocimiento básico. Las hipótesis prudentes se refieren a los conocimientos bien establecidos y que no son
problemáticos. Por otra parte, la confirmación de conjeturas audaces supondrá la falsación de alguna parte del
conocimiento básico con respecto al cual eran audaces las hipótesis. Respecto a la CONFIRMACION, los inductivistas y
los falsacionistas tienen concepciones diferentes. Mientras que para los inductivistas el contexto histórico en el que se
obtiene la evidencia carece de importancia, dado que las confirmaciones se obtienen por inducción, estableciéndose la
probabilidad de la verdad de las teorías, para los falsacionistas las confirmaciones están en estrecha dependencia
respecto de su contexto histórico, quien confiere el carácter de audaces a las hipótesis. 6. LAS LIMITACIONES DEL
FALSACIONISMO Los falsacionistas, tanto los ingenuos como los más sofisticados, sostienen que si bien las teorías se
pueden falsar de modo concluyente acorde a las pruebas correspondientes, no se puede establecer su verdad o la
probabilidad respecto a la verdad. Este hecho confiere a las teorías el carácter de ser conocimiento provisional. Pero los
enunciados observacionales dependen de la teoría y son falibles; éste es un inconveniente para el falsacionismo. Puede
suceder que un enunciado universal que constituye una teoría choque con algún enunciado observacional, y sea este
enunciado observacional el que esté equivocado y no la teoría. O puede suceder que sea un supuesto auxiliar de la
teoría el que falle. Por lo tanto, no se puede falsar

CHALMERS, A. (2000): “Cap. 8: Las teorías como estructuras. 1: Los paradigmas

de Kuhn”, ¿Qué es esa cosa llamada ciencia? Buenos Aires: Siglo XXI. Pp. 981-122

Qué es esa cosa llamada ciencia? Alan F. Chalmers, 6 concluyentemente una teoría porque no se puede determinar que
la responsable de una predicción errónea sea alguna parte de la comprobación y no la teoría. Diversos ejemplos de la
ciencia nos muestran que ni el inductivismo ni el falsacionismo constituyeron la concepción de la ciencia compatibles
con ellos: hay teorías que no fueron descubiertas por la observación ni por la experimentación ni por la falsación de
hipótesis audaces. 7. LAS TEORIAS COMO ESTRUCTURAS: 1. LOS PROGRAMAS DE INVESTIGACION Tanto las
concepciones inductivista como falsacionista de la ciencia son, además de muy poco sistemáticas, incapaces de describir
adecuadamente teorías complejas. Para dar una idea más adecuada de las teorías, hay que concebirlas como
totalidades estructuradas. Esto se debe a tres razones: a) según un estudio de la historia de la ciencia, la evolución y el
progreso de las ciencias principales muestran una estructura que ni el inductivismo ni el falsacionismo puede abordar. b)
El significado de los conceptos depende de la estructura de la teoría en la que aparecen y la precisión de aquellos
depende de la precisión y el grado de coherencia de ésta. Los conceptos adquieren su significado, en parte del rol que
ejercen en una teoría. c) razón que surge de la necesidad de desarrollo de la ciencia, dice que la ciencia avanzará de
manera más eficaz si las teorías están estructuradas de modo tal que contengan indicaciones y prescripciones acerca de
cómo deben desarrollarse y ampliarse. Así, su estructuración debe contener un programa de investigación. Imre
Lakatos, con el propósito de mejorar el falsacionismo popperiano y superar las objeciones formuladas a éste, desarrolló
su concepción de la ciencia en Programas de Investigación, considerando a las teorías como estructuras organizadas. El
programa de investigación lakatosiano se define como una estructura cuya utilidad consistirá en guiar, tanto positiva
como negativamente, la futura investigación. Los programas de investigación serán “progresistas” si llevan al
descubrimiento de fenómenos nuevos; y serán “degeneradores” si no lo hacen. Los elementos que constituyen este
programa son el núcleo central y el cinturón protector, siendo este primer elemento mencionado una característica
definitoria de este tipo de programa, además de las heurísticas positiva y negativa. Entendemos por núcleo central las
hipótesis teóricas muy generales que constituyen la base a partir de la cual se desarrolla el programa; cabe aclarar que
los núcleos son aceptados e infalsables. Un ejemplo de núcleo central de la astronomía copernicana lo constituye la
hipótesis que dice que la Tierra y los planetas giran alrededor de un sol inmóvil y que la Tierra gira una vez al día sobre
su eje. Cualquier desajuste habido en la confrontación entre un programa de investigación y los datos observacionales
no habrá que atribuírselo al núcleo central sino al cinturón protector, aquella otra parte de la teoría conformada por el
conjunto de hipótesis auxiliares, supuestos subyacentes de las condiciones iniciales y enunciados observacionales.

1. 2. Epistemología de las ciencias sociales

DE LUQUE, S. (2010): ¨Cap. 7: La problemática valorativo metodológica en las ciencias

sociales¨, en DIAZ, E. Metodología de las Ciencias Sociales. Buenos Aires: Biblos. Pp. 159-
166.

Susana De Luque-La problemática valorativo-metodológica en Cs. Soc.

Nacimiento de Cs. Soc:

Ciencia Moderna: rigor del dato. Distinta de la teología medieval por ser empírica, expresar leyes generales y ser a-
valorativa (conocimiento basado en hechos y fenómenos concretos, observables y cuantificables). Proposiciones
científicas: validez: contrastación empírica. Metodología más usada: observación, experimentación, y medición de
regularidades empíricas para enunciar leyes universales (abstractas, generales) para explicar y predecir.
Defiende la objetividad, el conocimiento sin valores. Neutralidad valorativa: idea de progreso.
Ideales de la Modernidad: unificación de las ciencias y la construcción de un paradigma universalmente válido para
explicar todos los fenómenos.

S. XVII y XVIII. La naturaleza se explicaba mediante la razón científica: manipulación y dominación por el hombre.

½ S. XVIII→H: nuevo objeto de estudio por la necesidad de dominar y controlar fenómenos sociales del sistema
capitalista. Surgen las Ciencias Sociales que recortan su objeto de estudio según la actividad del hombre.
            
 Ciencias Sociales:
1º etapa:    Influencia de la filosofia positiva: traspolación del paradigma de Cs. Nat. A las sociales: = método.
2º etapa: historicismo alemán      Marxismo
3º etapa: Estructuralismo (marxista y funcionalista) y Psicoanálisis.

Positivismo en Ciencias Sociales

½  S. XIX: Comte: uno de los fundadores de la Sociología. El conocimiento científico debe referirse a entidades
observables (cuantificables y medibles): base empírica.
Metodología: observación, medición, experimentación y comparación. Sino, no es C.
Su idea era erradicar explicaciones metafísicas de Cs. Soc. e imponer un conocimiento racional de lo
estrictamente fáctico. Positivo (real) vs. Metafísico (especulativo). Conocimiento positivo (el que puede ser
medido, etc. a la manera de las ciencias naturales).
Objetividad: enunciar leyes invariantes universalmente válidas para explicar y predecir fenómenos.
El valor de la explicación científica es su comprobación empírica.
Neutralidad valorativa y objetividad: requisitos para el conocimiento científico.
Ciencia libre de valores para garantizar objetividad. Distancia emocional, des-compromiso, “no contaminarse”.
Crítica: todos tenemos valores internalizados a través de la cultura y actuamos en función de ellos.
Gran influencia en disciplinas sociales hasta 1º décadas de S. XX.
Todo conocimiento debe ajustarse  a reglas metódicas rigurosas para ser científico.
Traspolación método Cs. Nat. A Soc.: reduccionismo: un solo método válido: el experimental.
Durkheim: heredero de Comte aunque lo niegue llamándose “racionalista”. Objetivo: explicar mediante
relaciones causa/efecto los hechos sociales. Aporte metodológico: reflexionó mucho sobre la importancia de
la objetividad.

Reglas del método sociológico:

1.   Definir claramente objeto de estudio (hechos sociales) y delimitar campo de investigación. “Tomar los
hechos sociales como cosas” para otorgarles status científico. No ser tomados desde la interpretación que de
ellos hace el investigador. Los hechos sociales existen fuera de la conciencia de los individuos. Eliminación de
las prenociones.
2.   Método comparativo: experimentación indirecta que permite  para comprobar la existencia de relaciones
de causalidad.  Parsons: primer estructural-funcionalista. Adversario del empirismo. Enfoque deductivo.
Construir una teoría abstracta y generalizadora –validez universal- para explicar sistemas sociales con
independencia de sus características históricas y culturales. Modelo orgánico: concibe la sociedad como un
todo en el que sus partes son interdependientes. De esta relación depende el equilibrio dinámico de los
sistemas sociales.  Orden e integración sociales como Comte y Durkheim. Equilibrio antes que conflicto.
Conservador, a-histórico. El modelo funcionalista permitió eludir el tema del poder y resaltar acciones
tendientes al equilibrio. Los empiristas desconocieron la vinculación de la ciencia y la política, considerando
que en Cs. Soc. el principio activo que diseña los métodos y técnicas para conocer y transformar la realidad
social no es la teoría sino la sistematización de los datos obtenidos mediante la observación controlada de los
fenómenos.

Problemas metodológicos en Cs. Soc.

Las posiciones más extremas cuestionan el status epistemológico de las Cs. Soc. por no suministrar leyes
universales sobre fenómenos sociales y no logran producir un conocimiento objetivo. Nagel no les niega la
posibilidad de ser ciencia pero considera que no producen leyes generales como las naturales –en cuanto a
poder explicativo y predictivo-. El problema de las leyes generales y de las explicaciones satisfactorias para la
comunidad científica es lo que Nagel estudia.

Experimentación:

La más frecuente es la experimentación controlada: manipulación de variables y sujetos sociales, que tiene
dos consecuencias: el ejercicio del poder para modificar variables actúa como una variable más y la
imposibilidad de poder repetir el experimento en las condiciones iniciales luego de alterarlas, lo cual es un
requisito indispensable para encontrar fenómenos constantes. Margen estrecho de las ciencias sociales.
Investigaciones empíricas controladas: si bien no tienen las ventajas de la anterior, cumplen las funciones
lógicas de la experimentación en la investigación. Son la búsqueda deliberada de situaciones en que se dan los
fenómenos. Más frecuentes: experimentación de laboratorio, experimentación  de campo, pero tienen
campos restringidos. Para Nagel, las I. E. más usadas en Cs. Soc. son los “experimentos naturales” –relaciones
de causalidad entre determinados fenómenos sociales-. Dificultades: pocas veces cumplen con requisitos
metodológicos (cuáles son las variables importantes y cómo se selecciona una muestra representativa).
Problema del “error experimental”: en la entrevista y en la encuesta pueden generarse distorsiones en los
datos: por impericia del investigador como por la influencia de la situación sobre la persona entrevistada. Pero
no es exclusivo de las ciencias sociales y éstas pueden resolverle problema como lo resolvieron  las ciencias
naturales: desarrollando teorías para medir las perturbaciones de los instrumentos sobre los resultados.

Historicidad y Leyes sociales

Nagel piensa que la posibilidad en ciencia social de establecer leyes generales de validez universal existe,
pero es muy restringida. No se puede descartar una teoría general de los sistemas sociales: las
especificidades histórico-culturales podrían ser el resultado de valores diferentes en determinadas variables.
Los conceptos establecidos en tales leyes deben ser lo más generales y abstractos posibles, o asignando
valores constantes a las variables. Nagel reprocha no haber estudiado más con casos ideales. Los casos
reales son aproximaciones, casos específicos, con variaciones mensurables respecto del ideal.

Capacidad predictiva

Nagel –neopositivista- cuestiona la capacidad predictiva de las ciencias sociales por la impredecibilidad de las
conducta humana. En ciencias naturales pasa lo mismo: el factor azar tampoco garantiza predicciones a largo
plazo y sin embargo establecen leyes generales, por lo que esa posibilidad no les es negada a las ciencias
sociales. Dos posibles situaciones en cuanto a la capacidad predictiva de las ciencias sociales:
1.   Predicción suicida: el conocimiento público de la predicción actúa determinando variaciones en las
conductas sociales de los agentes. La predicción no se cumple.
2.   Profecía auto-rrealizadora: la predicción no es cierta cuando se la enuncia pero su conocimiento público
orienta las conductas, provocando lo que se predijo.

La objetividad en ciencias sociales

El ideal para ciencias naturales es la neutralidad valorativa: desproveer a la investigación científica de valores.
Pero en Ciencias Sociales los valores se encuentran tanto en el objeto de estudio –conductas intencionales de
los hombres- como en el mismo investigador.
Problemas:
1.   Formulación de categorías subjetivas que consideran las creencias y valores de los individuos. El
investigador debe preferir hechos objetivos.
2.   Influencia de los valores del investigador en el proceso de investigación social. Hay distintas situaciones: la
selección de los problemas y los hechos (criterios, etc.), el contenido de las conclusiones –lo bueno, lo malo
para él puede llevarlo a falsas conclusiones-, valoraciones que intervienen en la estimación de los valores de
juicio: decisión de aceptar o no una hipótesis estadística o el carácter histórico relativo del pensamiento social
–que Nagel niega diciendo que no hay relación entre la posición social y la producción de conocimiento-.
Conclusión: la reivindicación de Nagel es más formal que real, porque no deja de comparar a las ciencias
sociales con las naturales.

Historicismo

La Escuela historicista intentó dar una respuesta no positivista al conocimiento del hombre.
Alemania. Fines siglo XIX. Dilthey, entre otros. Se opuso a la unicidad metódica, la neutralidad valorativa y a la
aplicación universal de las leyes generales del positivismo, por considerar que se estaba desconociendo las
particularidades del objeto de estudio y aislarlo de su historicidad y su cultura. Para D. La diferencia entre
ambas ciencias hace imposible usar la misma metodología: las naturales –objeto externo- buscarán explicar
por relaciones de causalidad, mientras que las sociales –el sujeto es parte del objeto- deberán basar su
método en la comprensión.
Max Weber: gestor de la sociología comprensiva. Construir una ciencia social objetiva pero teniendo en
cuenta que la actividad humana está provista  de significado y valores, que no son universales y responden a
circunstancias históricas y culturales particulares.
•   Valores del investigador: la realidad social es compleja y por tanto inabordable –no se pueden hacer leyes
generales para explicarla-. Sus valores operan cuando selecciona una porción de la realidad que le interesa,
constituyéndola su objeto de estudio. Asume valores sin resignar la búsqueda de la objetividad. Al elegir su
objeto debe establecer las herramientas conceptuales para abordar la investigación empírica. Para ser
objetivo debe ser demostrable para cualquiera. La objetividad no es una verdad a-histórica: limitada por el
carácter fragmentario e histórico del recorte que el investigador realiza.
•   el propósito de la sociología es comprender, por medio de la interpretación, la acción social para explicar
las causas y efectos. Acción social: tiene un sentido que le da el sujeto según ciertos valores y está referido a la
conducta de los otros. Las acciones de los hombres son intencionales, se rigen por valores.
•   Metodología: construcción de tipos ideales para captar lo específico de un fenómeno social. Es una
herramienta metodológica, racional y abstracta. La mayoría de las veces no aparece así en la realidad. Su valor
radica en la comparación del tipo ideal con la situación real, que puede ser comprendida en su especificidad.
Es la conducta humana si fuese totalmente racional, sin perturbaciones ni errores ni afectos.

LULO, J. (2002): “La vía hermenéutica: las ciencias sociales entre la epistemología y la
ontología”, SCHUSTER, F. (comp) Filosofía y métodos de las ciencias sociales. Bs.
As:Manantial. Pp.177-184.

PARDO, R. (2010): “Cap. 3: La problemática del método en ciencias naturales y sociales”, en

DIAZ, E. Metodología de las Ciencias Sociales. Buenos Aires: Biblos. Pp. 85-95.
UNIDAD 2

EL DEBATE METODOLOGICO EN LAS CIENCIAS SOCIALES

PIOVANI J. et al. (2008): “Producción y reproducción de sentidos en torno a lo cualitativo

y lo cuantitativo en la sociología”, COHEN N. y PIOVANI J., (compiladores), La metodología
de la investigación en debate. Buenos Aires, EDULP y EUDEBA. Pp. 121-153.

ARCHENTI, N. y PIOVANI, J. (2007): “Los debates metodológicos contemporáneos”, en

MARRADI, A. ARCHENTI, N. y PIOVANI, J., Metodología de las Ciencias Sociales. Buenos
Aires: Emece. Pp. 29-46

.
MARRADI A. y PIOVANI J. (2002), “Los fundamentos filosóficos de los métodos de
investigación”, en DEI H. (ed.) Pensar y hacer en investigación Vol. 1.Buenos Aires: Docencia.
Pp. 91-115

Unidad 3
LA INVESTIGACIÓN SOCIAL A TRAVÉS DEL MÉTODO CUANTITATIVO

3.1. Diseño de investigación cuantitativa

PIOVANI, J. (2007): “Cap. 5: El diseño de la investigación”, en MARRADI, A. ARCHENTI, N. y

PIOVANI, J., Metodología de las Ciencias Sociales. Buenos Aires: Emece. Pp. 71-85.

El objetivo del diseño de la investigación es proporcionar un “modelo de verificación” que permita contrastar hecho con
teorías.

No se define que se va a hacer, sino como se va a investigar

Los diseños se pueden clasificar en Diseño de campo cuando se recolectan datos primarios

Diseño bibliográfico Cuando se recolectan datos segundarios

Diseño bibliográfico: cuand0 los datos ha sido recolectados en otras investigaciones y son conocidos a través de los
informes o textos correspondientes se llaman “datos segundarios”. Estos han sido obtenidos por otros investigadores y
llegan elaborados. Estos datos provienen de documentos escritos, por eso llama diseño bibliográfico.
  Diseño de campo: se refiere a los métodos que se usan en la recolección de datos en forma directa de la
realidad. Los datos obtenidos de la realidad empírica se llaman “datos primarios o de primera mano”. Los
diseños de campo más frecuentes son:
 Diseño experimental: los experimentos se usan en ciencias naturales
 Diseño encuesta: recolectan información de un grupo socialmente significativo de personas acerca del tema de
investigación
 Diseño panel: un mismo cuestionario que se administra a la misma muestra para observar la evolución y las
modificaciones de las respuestas.
 Estudio de casos: es el estudio profundizado de uno o muy pocos objetos, lo que permite obtener un
conocimiento amplio y detallado

Recolección de datos

Un instrumento de recolección de datos es todo recurso que se utiliza para acercarse al objeto de estudio y extraer de él
información.
Instrumentos de recolección de datos primarios:

 Observación científica: Observación simple o Observación participante. Percibe analíticamente la realidad

exterior con el objeto de obtener los datos que se necesitan para resolver el problema de investigación.
 Entrevista: S/Piovani “Una forma especial de encuentro: una conversación a la que se recurre con el fin de
recolectar determinado tipo de información en el marco de una investigación”.
Piovani clasifica las entrevistas basado en dos criterios:

1. Presencia o no de un contacto visual directo, entre entrevistador y entrevistado

2. Grado de libertad: concedido a los actores en la situación de entrevista ya sea al preguntar o al responder
 CUESTIONARIO

 Listado de preguntas cuyo orden y redacción permanecen invariables

 Puede ser con preguntas abiertas, cerradas o ambas
 Puede ser desarrollado por el entrevistador o puede ser auto administrativo
 Se pueden clasificar seis tipos de preguntas
a) Preguntas de hecho
b) Preguntas de acción
c) Preguntas de opinión
d) Preguntas de intensión
e) Preguntas introductorias
f) Preguntas índice
ROMAR G. y SUÁREZ V. (2002): “Unidad 8: Modelo general para la iniciación en
investigación”, en DEI H. (ed.) Pensar y hacer en investigación Vol. 1. Buenos Aires:
Docencia. Pp. 299-348.

Habla de los modelos de investigación

3.2. La estadística y la medición de lo social

KLIMOVSKY, G. y HIDALGO, C. (1998): “Cap. 11: La medición en las ciencias sociales”, La

inexplicable sociedad. Buenos Aires: AZ Editora. Pp.237-257.

La Medición en las Ciencias Sociales. Aspectos Generales

Medir

            En las ciencias sociales, medir es una actividad que realiza el ser humano al asignar valores numéricos o
Categóricos a un objeto, hecho o fenómeno por medio de la utilización de procedimientos aceptados.

            El medir, por lo general se  relaciona con observaciones que denotan el aspecto cuantitativo, ¿cuantos, cuantas?
En otras palabras, es el número de veces que ocurre algún hecho o fenómeno, otorgando a las observaciones a través
de las mediciones realizadas, números que pueden indicar con que frecuencia o regularidad se presentó el hecho o se
presentan o presentaran en el fenómeno. El acto de medir, es un proceso que consiste en la comparación de una
observación previamente realizada o en pleno desarrollo con un patrón determinado el cual contiene signos abstractos
y que sirven para ubicar las observaciones en él, de acuerdo con normas o reglas pre establecidas.

La matemática en las ciencias sociales.

Los Niveles de Medición

Los niveles de medida son conjuntos de números y modalidades distintas en relación de uno a uno; lo
denominado como una relación o correspondencia biunívoca (correspondencia uno-a-uno). El nivel de medida es una
clasificación previamente establecida con el propósito de describir la naturaleza de las cosas por medio de la
información obtenida de ellas por el acto de medir. Esta información está contenida en los números asignados   para
medir las variables que identifican a los objetos o que se encuentran presentes en un hecho o fenómeno en el área de
las ciencias matemáticas, en especial la estadística. Normalmente se distinguen cuatro niveles de medición, los cuales
originan sus respectivas escalas.

Las Escalas de Medición

            Son sucesiones de medidas que ayudan a organizar datos en orden, de acuerdo a los criterios acordes a las
variables sujetas a investigación y  permiten organizar  datos en orden jerárquico.     Las escalas son utilizadas en las
ciencias sociales para observar y subsiguientemente medir las variables y las características con  la  mayor  objetividad
los  fenómenos  sociales. Las escalas de medición se dividen en:

o Escala Nominal o de Clasificación

            La escala Nominal contiene variables o categorías que normalmente se identifican con la denominación de
atributos o cualidades. Las variables de este tipo denominan e identifican las diferentes categorías sin seguir un orden
preestablecido. La concepción nominal sugiere el marcar o nombrar. El uso de los  números es para identificar. Un
número por si mismo en esta escala no tiene mayor valor que otro. Ejemplo: son los números en las carrocerías de los
carros de carrera. El numero de cedula de identidad, el numero de lista asignado a cada alumno en un año de estudio, el
sexo, el número de teléfono entre otros. El número mayor no significa que el atributo tenga un mayor valor que el
número menor. El otorgamiento de los números, es aleatorio o por decisión personal de quien los asigna.
            Este nivel de medición es meramente cualitativo y sus variables son por lo tanto cualitativas. En esta escala se
considera los siguiente.

 No existe el mismo valor  y sujeto en dos grupos a la vez.

 No se puede ocupar dos puestos a la vez. Por lo tanto en este nivel las   categorías son mutuamente excluyentes
entre sí.
 Los números no tienen valor, solo existen  nombres o etiquetas de los grupos.

            Su relación con la estadística radica en que se puede calcular en esta como única medida de tendencia central, la
moda. Con respecto a las medidas de dispersión, se pueden determinar tasas de variación, índice de variación
cualitativa mediante entropía de la información obtenida. No existe la desviación estándar.
o Escala Ordinal
            En este tipo de escala, se establecen categorías de dos o mas niveles, esto implica un orden inseparable entre
ellas. Este tipo de escala es cuantitativa, esta permite ordenar  los eventos o los casos, en base a de mayor o menor
propiedad de un atributo o característica. Ejemplo: En las escuelas se acostumbra a ordenar a los niños en fila y
columna, en relación a la estatura. Se puede observar entonces que se desarrolla un orden cuantitativo, pero no se
tienen medidas de los sujetos.
            Las posibles operaciones matemáticas aplicables en ese tipo de escala es la contabilización de   los sujetos o
elementos, la  igualdad y desigualdad, además del  mayor o menor que. Los números asignados a los sujetos o
elementos representan el orden o rango de lo medido Los números se denominan ordinales y las variables se designan
ordinales o variables de rango. Las operaciones aritméticas como la suma o la resta no  tienen objeto con este tipo de
variables.
o Escala Intervalos
            En esta escala las variables presentan, nominan y ordenan igualdad de magnitud. En estas escalas las variables, el
número cero no significa  o denota ausencia o carencia de valor y existe por supuesto una unidad de igualdad entre los
valores. Como por ejemplo; la temperatura, las puntuaciones obtenidas por la aplicación de un examen, la escala de
actitudes entre otras. En este tipo de escala los números asignados a los sujetos o elementos, tienen todas las
características de las medidas ordinales, y las diferencias entre sus medidas representan intervalos equivalentes. Se
pueden realiza la suma y la resta. El punto cero de la escala es arbitrario y se pueden usar valores negativos, estos no
significan ausencia o carencia de valor y existe una unidad de igualdad entre los valores y sus diferencias se pueden
expresar como razones. En relación con la estadística, se puede determinar la moda y   la mediana y el promedio
aritmético. 
o Escala de Razón
            En las escalas de razón, las variables nombran, ordenan y  presentan intervalos iguales y el número cero. El valor
cero no es arbitrario, no responde a las conveniencias del investigador significa ausencia de la característica. La posición
del cero en la escala no es arbitraria cuando se realiza este  tipo de medida. Las variables se denominan racionales.
Ejemplo: En los ingresos,  el cero representaría que no percibe  ingreso por la contraprestación de un trabajo. El cero
significa ausencia de velocidad por lo tanto ausencia de movimiento de un elemento. La escala de razón comienza desde
el cero y aumenta en intervalos iguales y representados por números sucesivos iguales que miden un  atributo.
              Los números asignados a los sujetos o elementos poseen las características de las medidas de intervalo y
además tienen razones significativas entre pares arbitrarios de números al ser comparados Las operaciones
matemáticas de multiplicación y división tienen significado. En relación con la estadística, las medidas de tendencia
central de una variable medida a nivel racional pueden obtenerse por medio de la moda, la mediana, el promedio
aritmético y/o con su promedio geométrico.

BARANGER, D. (2009): “Cap. 1: La estructura de los datos”, Construcción y análisis de

datos. Introducción al uso de técnicas cuantitativas en la investigación social. Misiones:
Ed. Universitaria. Pp. 1-11.

Dato: presupone toda una serie de operaciones que se llevan a cabo en forma simultánea dentro de un
sistema conformado por múltiples dimensiones.
 Dato procesamiento información

Un dato por si mismo no constituye información, el procesamiento de los datos es el que genera la
información

 Representación simbólica (numérica/alfabética) de un atributo o característica de una entidad

todo dato hace referencia a una estructura constituida por 3 elementos:

a) Unidad de análisis que

b) En una variable específica presentará
c) Un determinado valor
 Un dato se expresa en una proposición algo que debe ser verdadero o falso

propiedades
Sistemas: todo tipo de cosas clases de sistemas los autos 0km son caros
lLas galaxias lejanas son difíciles de observar
propiedades

Propiedades: son los atributos (no todas las propiedades son aplicables a todos los sistemas, por ejemplo no
tiene sentido pensar en un libro veloz)
Cuando a partir de la observación de un sistema predicamos una propiedad, estamos realizando una
“medición” un dato es el producto de un procedimiento de medición y medir supone predicar una
propiedad

Ej: Este auto es ………………..rojo

Esa galaxia es……………….lejana

Definición de universos en base a propiedades constantes y variables

Universos Propiedades
Medio de locomoción Medio de Impulsión Nº de ruedas
Vehículos Constante Variable Variable
Autos Constante Constante Constante
Vehículos caminadores Constante Variable Variable

Las propiedades aparecen jugando un doble papel Constantes: definen un universo

Variables: pueden ser objeto de investigación

A - Unidades de análisis: Es un sistema definido por presentar determinadas propiedades, algunos de ellos
constantes (los que definen su pertenencia a un universo compuesto por todos los sistemas que
presentan esas mismas propiedades) y otros variables (los que podrán ser materia de investigación
dentro del universo)
C - Dado un conjunto de unidades, un valor es algo que puede predicarse de una unidad, y una variable es
un conjunto de valores que forman una clasificación

“Una variable es un conjunto estructurado de valores” conjunto de valores = variable

Niveles de medición
Al hablar de niveles alude a la existencia de una jerarquía entre los modelos matemáticos aplicables al
objeto
1) Nivel nominal: agrupamiento de unidades en clases mutuamente excluyentes basándose en sus
semejanzas y diferencias
2) Nivel ordinal: aparece la idea de orden. Afirma que una unidad de análisis posee mayor, igual o menor
grado que otra (ej. Capitán > Teniente > Sargento)
3) Nivel inter valar: se constituye una escala de intervalos iguales (ej. Entre 10º y 20º - 21º y 30º)
4) Nivel racional: también llamado “de razones”. Produce una escala de intervalos que cuenta con un
punto cero absoluto (ej. A peso el doble que B Gasté la mitad que vos)

Nivel de medición Ejemplos

Inter valar Edad en años, ingreso en $, Tasa de suicidios
Ordinal Nacionalismo, Religiosidad, Escala d actitudes
Nominal Sexo, afiliación política, Nacionalidad y Religión

Concepto de objeto y unidad de análisis. Población y Muestra

Objeto y unidad de análisis

Matriz de datos conjunto ordenado de datos en una estructura de filas y columnas, donde
los vectores horizontales se refieren a objetos y los verticales a propiedades de esos objetos.
Entendiéndose como “objeto” como foto de estudio. Todos los objetos de una matriz deben ser del
mismo tipo.

Población y muestra

Cualquier subconjunto de miembros de una población que se investiga

Todos los ejemplares de una unidad de análisis

 En una investigación también debe definirse el ámbito temporal

Tipos de Muestra

Aleatoria cuando todos los miembros de la población de la que se extrae tienen la misma
posibilidad de ser extraídos y entrar en la muestra. La naturaleza aleatoria de una muestra depende del
procedimiento de extracción y no con el resultado

 Aleatoria simple: cuando los miembros de una población tienen la misma probabilidad de ser extraídos
y aleatoria cuando cada miembro tiene una probabilidad conocida y no nula de ser extraído
Representativa relacionado con la posibilidad de que la muestra sea una réplica adecuada de la
población en lo que hace a variables relevantes

¿????Muestra aleatoria representativa y no representativa

3.3. Población y diseños muestrales

MARRADI, A. (2007): “Cap. 6: Conceptos de objeto y unidad de análisis. Población
y muestra”, en MARRADI, A. ARCHENTI, N. y PIOVANI, J., Metodología de las
Ciencias Sociales. Buenos Aires: Emece. Pp. 87-95.

Objeto se entiende en sentido gnoseológico como posible objeto de pensamiento" cualquier cosa que se
piense. En una matriz los datos pueden ser individuos" grupos" insti tuciones etc. pero todos los
objetos de las %las deben ser el mismo tipo. El tipo de objeto acerca del cual se busca información en
una investi gación se llama unidad de análisis; ti ene un referente abstracto. Las unidades más
frecuentes en ciencias sociales son el individuo" la familia" el grupo" la empresa" el distrito electoral" el
municipio" la provincia y el estado. Hay que definir no solo la unidad sino también el ámbito espacio temporal
que interesa.

Población y muestra

Una vez determinada la unidad de análisis y el ámbito espacio temporal" el conjunto de

ejemplares de esa unidad de análisis en el ámbito delimitado es llamado población. C u a n d o l a
población no es numerosa se suele recolectar información de todos sus
miembros" realizando una enumeración completa. Pero cuando los miembros de la
población son muchos" la recolección de información completa es más complicada. Es por eso que se
presenta el problema de elegir un peque/o subconjunto de esos miembros de la población para investigarlos
realizado por muestreo.

Una  muestra es cualquier subconjunto" amplio o limitado" de miembros de una población que se investiga"
con el fin de extender a toda la población las conclusiones resultantes del análisis de las informaciones
relativas al subconjunto. &a extrapolación de la muestra a la población es la inferencia estadística. Una
muestra se dice aleatoria cuando todos los miembros de la población de la que se extrae tienen la
misma probabilidad de ser extraídos y entrar en la muestra. Para construir u n a m u e s t r a a l e a t o r i a s e
debe elaborar un catálogo completo de los miembros de la p o b l a c i ó n y e x t r a e r
a l g u n o s d e e l l o s c o n u n a t a b l a d e n ú m e r o s a l e a t o r i o s u o t r o procedimiento
estadístico. La naturaleza aleatoria depende del procedimiento de extracción y nada tiene que ver con su resultado.

Las muestras telefónicas" incluso si han sido extraídas aleatoriamente de una guía d e teléfonos"
no cumplen ni siquiera con los criterios más tolerantes apara ser consideradas aleatorias, no todos los miembros de
una población tienen acceso a un teléfono.
Otro problema vinculado a la extracción aleatoria es la realidad de las unidades de análisis. Las poblaciones
de seres humanos pueden rechazar la encuesta" pueden no estar en su casa" pueden no contestar
el teléfono o negarse a dar datos. Es por eso que una muestra perfectamente aleatoria se vuelve casi siempre no
aleatoria cuando se trata de transformara cada sujeto en un caso de la matriz.

L a r e p r e s e n t a ti v i d a d s e d e r i v a d e u n a r e p r o d u c c i ó n t e ó r i c a m e n t e fi d e d i g n a a e s c a l a
r e d u c i d a d e l a p o b l a c i ó n o b j e t o d e e s t u d i o . L a r e p r e s e n t a ti v i d a d n o e s t a n s i m p l e
e n ciencias sociales. La comparación de la muestra con la población no se realiza fácilmente. P a r a
j u z g a r s i u n a m u e s t r a e s r e p r e s e n t a ti v a d e b e m o s m i r a r e l
r e s u l t a d o independientemente del proceso. Extraer aleatoriamente unidades de análisis no
garanti za la representati vidad. Pero si la ext racción aleatoria no garanti za la
representati vidad" ¿por qué es preferible extraer muestras aleatorias ¿ La extracción aleatoria
permite evitar sesgos. La única manera de garanti zar una representati vidad limitada de la
muestra es para un n6mero limitado de p r o p i e d a d e s . S e g m e n t a n d o a l a p o b l a c i ó n
t e n i e n d o e n c u e n t a c i e r t a s c a r a c t e r í s t i c a s permiten extraer aleatoriamente una canti dad
proporcional al tamaño de la población segmentada. De este proceso sin embargo se derivan los
inconvenientes relacionados con el manejo de subgrupos formados por el producto de categorías lógicas diferentes.

BARANGER, D. (2009): “Cap. 3: Nociones de muestreo”, Construcción y análisis de

datos. Introducción al uso de técnicas cuantitativas en la investigación socia
l. Misiones: Ed. Universitaria. Pp. 31-42

Elementos básicos del muestreo

Así como distinguimos sub-universos dentro de un universo, es posible definir poblaciones que se encuentran
incluidas dentro de poblaciones mayores tales sub poblaciones se denominan “ Estratos de
población” estrato: se define a partir de una o más variables que permiten dividir a una población en
sub conjuntos mutuamente excluyentes.

Censo: recuento de individuos que conforman una población estadística, definida como un conjunto de elementos de
referencia sobre el que se realizan las observaciones.

 Parámetros poblacionales valores verdaderos que caracterizan las distribuciones de las

variables. Ejemplo: % de todos los electores con intensión de voto

 Valores muestrales estimaciones de aquellos parámetros

Tamaño de la muestra

 Si es muy grande la inversión es mucha y puede ser inútil

 Si es muy pequeña puede no ser útil para los propósitos de la investigación
 Toda muestra puede clasificarse según el tipo de hipótesis que se pretende poner a prueba

Hipótesis de generalización: los criterios pertinentes a tener en cuenta serán habituales para
cualquier inferencia

Hipótesis sustantivas: pueden resumirse en unas reglas breves y sencillas de comprender

 El tamaño requerido de la muestra depende de 3 factores a) Nivel de confianza

b) Margen de error
c) Variabilidad del atributo investigado

Tipos de muestra

1) Muestreo no probabilístico: no hay modo alguno de evaluar estadísticamente los resultados

obtenidos a partir de una muestra
a. Muestra accidental o casual: consiste en tomar los casos que estén a la mano hasta
alcanzar el tamaño de muestra deseado
 b. Muestra por cuotas: busca garantizar la selección de elementos pertenecientes a los
diferentes estratos que conforman la población y que dichos elementos puedan ser tenidos
en cuenta en las mismas proporciones en que ocurren en esa población
2) Muestras probabilísticas: requiere que todos los elementos de una población tengan igualdad
probabilidad conocida de ser seleccionado (trata de garantizar el azar)
a. Muestra al azar simple
b. Muestra sistemática
c. Muestra estratificada: en base a determinadas variables que por hipótesis se asume como
pertinente, se divide la población en estratos esa selección de unidades se realiza al
azar.
3) Muestra x conglomerados en etapas múltiples: se trata de conglomerados de UUAA que funcionan
como unidades de muestra definidas especialmente. Conglomerado: unidades de = tamaño. A
menudo la técnica por conglomerados se integra en diseños de muestra en etapas múltiples
muestras que suponen la definición de unidades de muestra en diferentes niveles

3.4. La investigación social a través de cuestionarios

AZOFRA, M.J. (1999): “Cuestionarios”. Cuadernos metodológicos. Madrid. España:

Centro de Investigaciones Sociológicas. Pp: 5-142.

La pregunta: a cada una de información reflejada en un cuestionario se la considera “variable”

Pregunta hacen referencia a la estructura formal del cuestionario. Es la expresión manifiesta, en

forma de integración mediante la cual se recoge la información, normalmente en forma de interrogación,
pero hay variables que no requieren una pregunta ej: Nacionalidad, raza.
Y puede ocurrir que una pregunta de respuestas a múltiples variables = “preguntas en batería”

Tipos de pregunta: abierta, cerrada, semi-cerrada

Directa o indirecta única o múltiple

Reglas básicas para formular preguntas

o Que el tema de cada pregunta sea relevante para el objetivo de la investigación

o Formularlas de modo tal que genere una respuesta directa e inequívoca
o Utilizar lenguaje sencillo, no usar leguaje técnico
o No se debe incitar a determinada respuesta
o Deben ser claras y evitas abstracciones

3.5. Análisis cuantitativo de datos

BARANGER, D. (2009): “Cap. 2: La matriz de datos”, Construcción y análisis de datos.

Introducción al uso de técnicas cuantitativas en la investigación social. Misiones: Ed.
Universitaria. Pp. 13-30.

Ante cualquier objeto de investigación, las decisiones metodológicas tienen lugar dentro de cierto marco
conceptual. Dentro de ese marco se debe determinar:
 a) El grado en que dicho objeto es susceptible de ser producido en tanto objeto científico dentro de la
estructura de la matriz de datos
b) Todas las operaciones que hagan a la producción del objeto dentro de este esquema.

Forma de la matriz de datos

Es una forma de hacer inmediatamente visible la estructura tripartita de datos

3 Principios fundamentales que deben satisfacer una matriz:

o Principio de comparabilidad: todas las unidades han de ser medidas en las mismas variables
o Principio de clasificación: para cada variable la serie de sus valores debe formar una clasificación
o Principio de Integridad: no deben quedar cuadrillas vacías

HERNÁNDEZ SAMPIERI, R., FERNÁNDEZ COLLADO, C. Y BAPTISTA LUCIO, P. (2006):

“Capítulo 10: Análisis de datos cuantitativos”. Metodología de la investigación. México: Mc
Graw Hill. Pp. 407-442.

Análisis de Datos ¿En qué consiste?

Etapa en cual se procesan los datos estadísticos recolectados con un instrumento de medición.

El enfoque del capítulo se centra en los usos y la interpretación de los métodos, más que en los procedimientos de
cálculo (Pag 407).

1. Fases del proceso de recolección de datos

2. Seleccionar un software estadístico y ejecutarlo
3. Explorar los datos: analizar descriptivamente los datos por variable, visualizar los datos por variable
4. Evaluar la confiabilidad y validez del instrumento de medición
5. Analizar mediante pruebas estadísticas las hipótesis planteadas
6. Realizar análisis adicionales
7. Prepara resultados para presentación (gráficos, tablas, etc.)

Primera fase: Seleccionar un software estadístico y ejecutarlo (SPSS, Stats, SAS u otro)
Existen diversos programas para analizar datos. En esencia su funcionamiento es muy similar Se constituyen de dos
partes:
A).- Definición de variables: definiciones dadas por el investigador(a) a sus variables de estudio, estas explican los datos.
B).- Matriz de datos: Apartado en el cual se ingresan los datos bajo la denominación de categoría, etiqueta, anchura, etc.
Es como cualquier hoja de cálculo, cada celda es un dato que tiene significado para cada variable.

Segunda Fase: Explorar los datos: analizar descriptivamente los datos por variable, visualizar los datos por variable.
Obviamente debemos verificar que el programa "corra" en nuestra computadora: Que funcione (Pag 413)
Explorar datos: Proceso mediante el cual se trabajan los datos. Se conjugan las variables con nuestra matriz de datos
para guiarla con planteamientos de nuestra investigación.
Analizar descriptivamente: Etapa en la cual se describen los datos, valores o puntuaciones para cada variable (Pag
419) .Se describen los datos para su legibilidad y organización.
Visualizar datos por variable: Estudiar las variables mediante gráficos y tablas, así como presentar claramente los datos
que componen cada variable.

Tercera Fase: Evaluar confiabilidad y validez del instrumento de medición.

A).- Confiabilidad: Capacidad de un instrumento para entregar resultados similares en reiteradas aplicaciones del
mismo.
B).- Validez: El contenido de las variables es representativo con lo que se está investigando.
Cuarta fase: Analizar mediante pruebas estadísticas las hipótesis planteadas (estadística inferencial)
Fase en la cual se determina si la hipótesis es congruente con los datos obtenidos en la muestra (Pag 443).

Cuarta Fase : fase en la cual se determina si la hipótesis es congruente con los datos obtenidos en la muestra. A menudo
las investigaciones buscan generalizar los resultados, para ello se accede a que los participantes constituyan una
muestra representativa de una población.

Quinta Fase: Paso que implica realizar análisis extras o pruebas para confirmar tendencias y evaluar los datos desde
distintos ángulos. Lo esencial de este paso radica en que nos asegura que no nos olvidemos de explotar alguna variable
y de su análisis.
Sexta fase: Preparar resultados para presentación (gráficos, tablas, etc) Etapa en la cual se producen tablas, gráficos,
esquemas, para presentar los resultados de nuestra investigación. (Pag 408)

Cada software puede ser descargado mediante el pago de licencias, a menudo instituciones adquieren la
licencia de determinadas versiones. Al ser programas, constantemente se están actualizando (Pag 410).
Todos funcionan bajo la modalidad de la Matriz (base) de datos.
La base de datos es como cualquier hoja de calculo, en ella ingresamos los datos obtenidos con el
instrumento. Estos se ingresan a modo de valor, etiqueta, categoria, etc.
Cada uno de estos "modos" responde a una variable en particular, las variables son definidas por el(a)
investigador(a) en el apartado de definición de las variables.
Consiste en trabajar las variables de la matriz de datos, no las variables de investigación.
Las variables de matriz de datos, son columnas o items. Las variables de la investigación son las propiedades
medidas (Pag 414)
Cada variable ocupa una columna en nuestra matriz.
cuando una variable de investigación está integrada por múltiples variables de la matriz, se le denomina
variable compuesta (Pag 414).
Exploramos las variables mediante el software que hemos elegido para trabajar los datos, explorar significa
indagar en las variables (de matriz) y entender su papel en nuestra investigación
El análisis de los datos depende de tres elementos:
A).- el nivel de medición de las variables.
B).-La manera como se hayan formulado las hipótesis
C).- El interés del investigador.
Se obtiene calculando el coeficiente de correlación: Se calcula aplicando la misma prueba a la misma muestra
dos veces y luego obteniendo el coeficiente con los resultados de ambas (Pag 438).

Métodos para calcular el coeficiente de correlación:

A).- Medida de estabilidad: Se aplica dos veces el mismo instrumento a los mismos participantes y se
comparan los resultados.

B).-Método de formas alternativas o paralelas: Se calcula mediante la comparación de las mitades del
instrumento. Los resultados de la primera parte de un cuestionario con la segunda (Pag 439).
C).-Método de pirámides partidas: Recurso metodológico que le asigna una puntuación a la confiabilidad del
instrumento. Evalúa los resultados de las medidas anteriores y les da valor númerico a la correlación de los
resultados.
A menudo las investigaciones buscan generalizar los resultados, para ello se accede a que los participantes
constituyan una muestra representativa de una población.

Este proceso lo realizamos con el uso de la estadística inferencial: Se utiliza para probar hipótesis y estimar
parámetros.
En el contexto de la estadística inferencial, la hipótesis es una proposición respecto a uno o varios parámetros
(Pag 443).
Los parámetros son características estadísticas que le asignamos a la muestra
Realizar análisis adicionales a nuestros datos:

Calcular Chí cuadrada, T de Crammer, Phi, Lambda, tablas de contingencia, etc.

Lo esencial de este paso radica en que nos asegura que no nos olvidamos de explorar alguna variable y de su
análisis (Pag 485).
Antes de entrar en la última fase, debemos asegurarnos primero de:

A).-Revisar cada resultado.

B).- Tener nuestros datos organizados.
C).- Priorizar la información más valiosa.

(Pag 485)
Una vez revisamos esos elementos, procedemos a realizar gráficos y tablas de nuestros resultados. Tenemos
que tener la capacidad de desglosar los datos estadísticos en el lenguaje pertinente a nuestra investigación.

BARANGER D. (2009): “Cap. 4: Técnicas elementales de análisis”, Construcción y análisis de

datos. Una introducción al uso de técnicas cuantitativas en la investigación social. Misiones:
Ed. Universitaria. Pp. 43-78.

Unidad 4

.
LA INVESTIGACIÓN SOCIAL A TRAVÉS DEL MÉTODO CUALITATIVO

4.1. Diseño de una investigación social desde el enfoque cualitativo

MENDIZÁBAL, N. (2006): “Los componentes del diseño flexible en la investigación

cualitativa”, en Vasilachis de Gialdino (Coord.) Estrategias de investigación cualitativa.
Barcelona: Gedisa. Pp. 65-105.
HERNÁNDEZ SAMPIERI, R., FERNÁNDEZ COLLADO, C. Y BAPTISTA LUCIO, P. (2006):
“Capítulo 13: Muestro cualitativo”. Metodología de la investigación. México: Mc Graw Hill. Pp.
561-578

4.2. Técnicas de recolección de información

SCRIBANO, A. (2008): “Cap. 3: Entrevista en profundidad”, El proceso de investigación social

cualitativo. Buenos Aires: Prometeo. Pp. 71-89.

ARCHENTI, N. (2007): “Cap. 13: Focus group y otras formas de entrevista grupal”, en
MARRADI, A., ARCHENTI, N. y PIOVANI, J., Metodología de las Ciencias Sociales. Buenos
Aires: Emece. Pp. 227-236.

ANDER EGG, E. (1986): “Cap. 11: La recopilación documental”, Técnicas de investigación

social. 21a.edic. Buenos Aires: Humanitas. Pp. 211-222

4.3. Análisis cualitativo de datos

PIOVANI, J. (2007): “Cap. 17: Otras formas de análisis”, en MARRADI, A., ARCHENTI, N. y
PIOVANI, J., Metodología de las Ciencias Sociales. Buenos Aires: Emece. Pp. 287-298.

En el análisis cualitativo no se trata de procedimientos altamente formalizados, no se usan recurrentemente

para un mismo tipo de problema y en consecuencia tampoco hay consenso acerca de ellos en la comunidad
científica.

Investigación cualitativa método de investigación usado principalmente en las. Cs. Sociales. Se basa en
principios teóricos tales como la hermenéutica, interacción social, etc, empleando métodos de recolección de
datos que son cualitativos, con el propósito de explorar las relaciones sociales y descubrir la realidad tal como
la experimentan sus protagonistas. A diferencia de la investigación cuantitativa, busca explorar las razones de
los diferentes aspectos del comportamiento humano

El análisis cuali investiga porque y como se toma una decisión

El análisis cuanti investiga como, cuando, porque se toma una decisión

Enfoque: Utiliza la recolección de datos sin medición numérica para generar preguntas de investigación
dentro del proceso de interpretación

Características:
 El investigador plantea un problema pero no sigue un proceso definido
  Descubre y redefine preguntas durante el proceso de investigación
 Se basa en un proceso inductivo
 No se prueban hipótesis
 Se basa en métodos de recolección de datos no estandarizados
 Posee un proceso de indagación flexible

Tres posiciones sobre la estandarización del proceso cualitativo:

1- Nada estandarizado: este proceso implica tal nivel de competencia del investigador que es imposible
de estandarizar. Dice que este análisis es artesanal
2- El análisis cualitativo se puede basar en técnicas con características análogas a las estadísticas pero aún
le falta madurar, le falta desarrollo. Todavía no está estandarizado pero con el tiempo construirá
denominadores comunes para estandarizarlos
3- Los proceso de análisis requieren tanto de conocimiento, toma de decisiones complejas, capacidad de
interpretación del investigador se necesitan ambas características, tanto la estandarización como
la parte artesanal que aporta el investigador

Diferentes estrategias metodológicas para la generación de teorías

 Análisis de contenido
 Análisis de discurso
 Teoría fundamentada

Análisis de contenido: es una metodología de las disciplinas sociales que se enfoca al estudio de los
contenidos de la comunicación. Earl Babbie lo define como "el estudio de las comunicaciones humanas
materializadas tales como los libros, los sitios web, las pinturas y las leyes".

El análisis de contenido parte del principio de que examinando textos es posible conocer no sólo su
significado, sino información al respecto de su modo de producción. Es decir, trata los textos no sólo como
signos dotados de un significado conocido por su emisor, sino como indicios que dicen sobre ese mismo
emisor, o generalizando, indicios sobre el modo de producción de un texto.

Características

 Es una técnica de interpretación de textos, escritos, grabados, filmaciones, etc, que busca un
procedimiento de descomposición y clasificación de los mismos
 Busca la reducción de la complejidad de los mensajes, a través de técnicas de codificación y a su
objetivación mediante cálculos de distribución de frecuencias (puso como ejemplo el último discurso de
Macri donde la unas de las palabras más mencionadas fue transparencia)
 Trata el lenguaje como un mero vehículo de información, se basa en la teoría de la comunicación y
enfatiza la importancia de observaciones reproducibles y acumulables. Esta concepción lo acerca a los
enfoques cuatitativos

Análisis de discursos: El análisis del discurso (o estudio del discurso) es una disciplina transversal de la
Semántica lingüística que estudia sistemáticamente el discurso escrito y hablado como una forma del uso de
la lengua, como hecho de comunicación y de interacción, en sus contextos cognitivos, sociales, políticos,
históricos y culturales.

Características

 Conjunto lingüístico
  Transdisciplinaridad
 Descripción textual y contextual
 Interés por el habla cotidiana
 Interés por la multiplicidad de los diferentes discursos

Diferentes niveles

Nivel informacional/cualitativo
Nivel estructural/textual: busca los elementos lógicos invariantes y universales que se encuentra en los textos
concretos
Nivel social/hermenéutico: analiza el contexto social de producción del discurso y las incidencias que dicho
discurso busca generar

Teoría fundamentada: El objetivo primordial de esta estrategia metodológica es la generación de teorías por
medio de la articulación de tres momentos de análisis: a) Codificación abierta, que consiste en la revisión y
organización de datos (unidades de análisis), b) Codificación axial, que consiste en agrupar categorías en
temas y patrones centrales, describiendo categorías encontradas en el primer nivel y c) Codificación selectiva,
la que permite el establecimiento de conceptos y relaciones entre éstos, integrándose de forma sistemática
para llegar finalmente a la construcción de modelos teóricos de un fenómeno social.

Características principales

 Pretende desarrollar la teoría desde los datos

 Método comparativo constante de las similitudes y contrastes entre los datos, para identificar
características, variaciones y relaciones
 Muestreo teórico

Teorías sustantivas: referido a una misma clase de grupo o casos

2 Grandes niveles de Teoría

Teorías formales: mayor generalización. Referido a grupos o casos no

comparables a nivel sustantivo, pero comparables a nivel conceptual más
amplio

HERNANDEZ SAMPIERI, R., FERNANDEZ COLLADO, C. y BAPTISTA LUCIO, P

. (2006): “Capitulo 14: Recolección y análisis de los datos cualitativos”, Metodología de la
investigación. México: Mc Graw Hill. Pp. 623-683.

https://slideplayer.es/slide/3357868/
UNIDAD 3: INVESTIGACION SOCIAL A TRAVES DEL METODO
CUANTITATIVO  

KLIMOVSKY, G. y HIDALGO, C. (1998): “Cap. 11: La medición en las ciencias

sociales”, Lainexplicable sociedad. Buenos Aires: AZ Editora. Pp.237-257.

https://prezi.com/l1u1wpajnohe/la-medicion-en-las-ciencias-sociales/
BARANGER, D. (2009): “Cap. 1: La estructura de los datos”, Construcción y análisis
de datos. Introducción al uso de técnicas cuantitativas en la investigación social. CAP
2

UNIDAD 3.5. ANALISIS CUANTITATIVO DE DATOS

Bibliografia obligatoria de la Unidad (por orden de lectura sugerido):

Unidad3.4.BarangerMatrizDatos

Unidad.3.4.Sampieri Capitulo 10. Analisis datos cuantitativos

Unidad3.4.Barangercap4