Metodología de la Investigación

Científica
MBA Ing. Hugo Cana Paullo
 SESIÓN 13
- Análisis de datos
- Proceso de análisis de datos
- Preparar los datos
- Unidades de análisis
- Codificación
- Diferencias entre la codificación cuantitativa y cualitativa
- Validez y confiabilidad cualitativa
- Factores que pueden afectar la validez
- Métodos para mejorar la validez y confiabilidad

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 2
 Método científico (modelo general) de
Hernández, Fernández y Batista
11 REDACCION DE TESIS

10 Presentar resultados

9 Analizar datos

8 Recolectar datos

7 Determinar población y muestra

6 Diseño de la investigación

5 Establecer la hipótesis

4 Definir el tipo de investigación

3 Elaborar el marco teórico

Plantear el problema de
9 Analizar datos
2
Investigación
1 Concebir la idea de investigación

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 3
 Análisis de datos
En el proceso cuantitativo: primero se
recolectan todos los datos y
posteriormente se analizan; además,
el análisis es bastante estandarizado
(análisis de confiabilidad y validez; hay
estadística descriptiva y estadística
inferencial).

En el proceso cualitativo: no es así,

la recolección y el análisis ocurren
prácticamente en paralelo; el
análisis no es estándar, sino que
cada estudio requiere de un
esquema propio.
06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 4
 Análisis de datos
➢ Se debe buscar claridad en los datos

Los propósitos centrales del análisis son:

Darle estructura a los datos, lo que implica organizar las

unidades, las categorías, los temas y los patrones.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 5
 Análisis de datos
La secuencia normalmente es:

Codificar y Finalmente,
Preparar los Establecer un
con eso se se construye
datos plan
interpreta una teoría

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 6
 Análisis de datos
El proceso esencial del análisis consiste en recibir los datos
no estructurados y estructurarlos.

Lo importante de esto es que:

✓ Se va a describir las experiencias de las personas estudiadas bajo la óptica

de ellos, en su lenguaje y con sus expresiones y se va a comprender en
profundidad el contexto que rodea los datos.

✓ Se va a interpretar y evaluar unidades, temas, categorías y patrones.

✓ Se va a explicar ambientes, situaciones, hechos, fenómenos.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 7
 Proceso de análisis de datos
Incluye:
❑ Comprender en profundidad el contexto que rodea los datos.
❑ Interpretar y evaluar unidades, categorías, temas y patrones.
❑ Explicar ambientes, situaciones, hechos y fenómenos.
❑ Reconstruir historias.
❑ Encontrar sentido a los datos, en el marco del planteamiento
del problema.
❑ Relacionar los resultados del análisis con la teoría
fundamentada o construir teorías.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 8
 Datos provenientes del investigador
Una fuente de datos importantísima que se agrega al
análisis la constituyen las impresiones, percepciones,
sentimientos y experiencias del investigador o
investigadores (en forma de anotaciones escritas o
registradas por un medio electrónico).

Más que seguir una serie de reglas y procedimientos

concretos sobre cómo analizar los datos, el investigador
construye su propio análisis. La interacción entre la
recolección y el análisis permite mayor flexibilidad en la
interpretación de los datos y adaptabilidad cuando se
elabora las conclusiones.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 9
 Sobre los datos
Es un camino con rumbo, pero que continuamente se mueve
de “un lado al otro”, va y viene entre los primeros datos
recolectados y los últimos, interpretándolos y encontrándoles
significado, lo cual permite ir ampliando la base de datos
conforme sea necesario, hasta que se construye un
significado para el conjunto de los datos.

Más que seguir una serie de reglas y procedimientos concretos

sobre cómo analizar los datos, el investigador construye su
propio análisis. La interacción entre la recolección y el
análisis le permite mayor flexibilidad en la interpretación de
los datos y mayor adaptabilidad cuando se elabora las
conclusiones.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 10
 Preparar los datos
La decisión será:

Analizar todo el material o solamente partes.

Transcribir los datos.
Organizar los datos (por algún criterio: cronológico, temas,
contextos, etc.).
Compenetrarse con los datos.
Evaluar si faltan datos y si es necesario regresar al campo
para obtener datos adicionales.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 11
 Para recolectar más datos
❑ Preparar bitácora de análisis.

❑ Definir unidad de análisis.

❑ Integrar el equipo de análisis: ¿cuántos y quiénes?

❑ Revisar biografía y documentos: línea, párrafo, tema, periodos de

tiempo, oración, actor, etc.

❑ Obtener artefactos: partes, objeto completo…

❑ Observar: periodo de tiempo, episodios, eventos, lugar, actor.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 12
 Unidades de análisis
Son unidades de significado ligadas al tipo de material o datos registrados

Ejemplos:

En entrevistas: intervenciones del entrevistado, toda la respuesta a una pregunta,

palabras, cambios de temas, líneas, entrevista completa, etc.

En grupos de enfoque: intervenciones de participantes, todas las respuestas de los

participantes a una pregunta, cambios de tema, líneas, sesión completa,
participantes, periodos de tiempo, etc.

En biografía y documentos: línea, párrafo, tema, periodos de tiempo, oración, actor,

etc.

En artefactos: partes o el objeto completo si se puede

En observación: cuando o en que periodo se hizo, episodios, eventos, lugar, actor.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 13
 Ejemplo de unidades de análisis
Estudio sobre experiencias de abuso sexual infantil de Morrow y Smith
(1995)

❑ Participantes: mujeres abusadas cuando niñas.

❑ Método de recolección de datos. Entrevista y sesiones de enfoque.

❑ Ejemplos de unidades de análisis:

“yo me refugié en mi abuela que era muy espiritual”.

“me aislé para siempre”.

“sólo jugaba con muñecas, pues no me podían hacer daño”.

“debo ser invisible siendo buena niña”.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 14
 Codificación
Para elegir las unidades se selecciona los segmentos que
proporcionan un significado a los datos, de acuerdo con
el planteamiento del problema.
En varios planos o niveles de significación.

Para poder analizar los resultados hay que codificarlos

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 15
 Diferencias entre la codificación cuantitativa y
cualitativa
En la codificación cuantitativa En la codificación cualitativa

▪ Las unidades y categorías son ▪ Las unidades y categorías van

pre establecidas antes de la emergiendo de los datos.
codificación.
▪ Las unidades se van considerando
▪ Cada unidad es asignada a la en relación a las demás (conjunto
categoría y subcategoría de los datos), pudiendo caer en una
pertinente. categoría previa o generar una
nueva
▪ Las unidades se consideran de
manera independiente unas de
otras y se “asignan” dentro del
sistema de categorías.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 16
 Validez y confiabilidad cualitativa
Dependencia (confiabilidad cualitativa o “estabilidad”).
Credibilidad (validez interna cualitativa).
Transferencia (validez externa).

Confiabilidad o dependencia:

Grado en que diferentes investigadores que recolecten datos

similares en el campo y efectúen los mismos análisis, generen
resultados equivalentes (categorías, patrones y relaciones
similares).

Similitud de registros en el mismo periodo de tiempo

(observaciones, entrevistas, etc.). Aplicar las mismas reglas a
todas las unidades (consistencia y congruencia).
06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 17
 Amenazas a la confiabilidad cualitativa
Pueden ser básicamente:

1) Los sesgos que pueda introducir el investigador en

la sistematización durante la tarea en el campo y el
análisis

2) El que se disponga de una sola fuente de datos y

3) La inexperiencia del investigador para codificar.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 18
 Para lograr confiabilidad

Evitar que nuestras

creencias y
No establecer
opiniones afecten la
conclusiones antes Considerar todos
consistencia y
de que los datos los datos.
sistematización de
sean analizados.
las interpretaciones
de los datos.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 19
 La confiabilidad
La confiabilidad cualitativa se demuestra cuando el investigador:

❑ Proporciona detalles específicos sobre su perspectiva teórica y el diseño utilizado.

❑ Explica con claridad los criterios de selección de los participantes y las

herramientas para recolectar datos.

❑ Ofrece descripciones de los roles que desempeñaron los investigadores en el

campo y los métodos de análisis usados (procedimientos de codificación,
desarrollo de categorías e hipótesis).

❑ Especifica el contexto de la recolección y cómo se incorporó en el análisis (por

ejemplo en entrevistas, cuándo, dónde y cómo se efectuaron).

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 20
 La confiabilidad

Documenta lo que hizo para minimizar

la influencia de sus concepciones y sesgos

Prueba que la recolección fue llevada a cabo con

cuidado y fue consistente (por ejemplo, en entrevistas
a todos los participantes se les preguntó lo que era
necesario o sea un mínimo indispensable vinculado al
planteamiento)

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 21
 Validez
Se refiere a si el investigador ha capturado el significado completo y
profundo de las experiencias de los participantes, particularmente
de aquellas experiencias vinculadas con el planteamiento del
problema:

¿Se ha recogido, comprendido y transmitido en profundidad y

con amplitud los significados, vivencias y conceptos de los
participantes?

Validez implica:

información
credibilidad de triangulación de
amplia, completa
procesos. datos (fuentes).
y profunda.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 22
 Transferencia

❑ Este criterio no se refiere a generalizar los resultados

obtenidos a una población más amplia, sino a que parte de
éstos o su esencia puedan aplicarse en otros contextos.

❑ Depende del lector, pero el investigador debe proporcionar

los elementos necesarios.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 23
 Métodos para mejorar la validez y
confiabilidad

Auditar los análisis

Tener una bitácora Documentar el
(internamente con
de análisis bien sistema de reglas y
los miembros del
hecha. regirse de éstas.
equipo y con pares).

Revisar el análisis y Analizar en forma

Tener fuentes
reporte por los profunda los casos
múltiples de datos.
participantes. extremos.

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 24
 Discusión y preguntas

06/05/2022 MBA Ing. Hugo Cana Paullo – Curso Metodología de la Investigación Científica 25