
Las tablas o matrices son probablemente, la forma más útil y a la vez más general de organizar y representar conocimiento. En esta ocasión nos vamos a referir a las matrices de revisión de la literatura. Se trata de una herramienta que utiliza tablas para analizar y sintetizar documentos que se pueden ser especialmente útiles es scoping reviews.
En lo que sigue, empezaremos por aclarar el matiz entre tabla y matriz. Después, presentaremos las diferentes clases de matrices que pueden usarse en revisiones de la literatura. Finalmente en el anexo, añadiremos algunas precisiones terminológicas a propósito de conceptos como síntesis del conocimiento, base de la evidencia, revisiones sistemáticas y scoping reviews, que usaré en el cuerpo de esta entrada.
¿Cuándo una tabla es una matriz?
En general, podemos hablar de tabla o de matriz indistintamente, pero por alguna razón en el contexto de la síntesis del conocimiento se suele preferir el segundo término, también es el que utiliza la que es, seguramente, el principal tratado académico sobre el tema (Garrard, 2022). También es el término más habitual en las metodologías generales para el análisis y la síntesis de resultados en investigaciones cualitativas.
En este contexto, una forma de darle sentido a esta preferencia es pensar que una matriz es una clase de tabla que presenta algunas restricciones. En concreto una matriz debe cumplir estas características:
- La estructura de la tabla debe ser homogénea
- Las filas deben representar entidades únicas bien identificadas
- Las columnas deben representar propiedades de las entidades
Adicionalmente, es útil que las filas tengan algún tipo de identificador único, aunque sea un simple número. Esto ayuda a crear dos o más matrices con las mismas referencias sin necesidad de repetir información, e incluso poder combinar filas o columnas de dos matrices diferentes para crear una tercera, etc. Pero vayamos a nuestro tema.
¿Que es una matriz de revisión de la literatura?
Una matriz de revisión de la literatura es una tabla donde las filas son las referencias o documentos que forman la base de la evidencia y las columnas son las variables que se van a analizar de cada referencia.
Las columnas (y por tanto, las variables) puede estar determinadas por diversas estrategias. Las principales suelen utilizar o bien ejes para caracterizar la investigación, o bien temas que han sido abordados en las investigaciones. En todos los casos, las variables de las columnas proporcionan las preguntas con las que analizamos los documentos.
En el caso de los ejes se trata de obtener datos sobre variables comunes a casi toda investigación, como los objetivos, la metodología, el marco conceptual, los resultados principales, etc.
En cambio, los temas, son específicos de cada proyecto concreto, que es el que determina las variables de estudio. Los temas o variables se pueden determinar a priori, esto es, puede ser de origen deductivo (por nuestro conocimiento previo de la materia) o pueden ser obtenidos inductivamente, a partir de la revisión de los documentos.
Para tener otra visión, citaremos la definición de Garrard (2022) que es la autora en la que nos hemos basado ampliamente para esta entrada (aunque la formalización del concepto y la tipología de matrices de revisión son de nuestra cosecha):
With a Review Matrix, you create a structured abstract of all the source documents from your literature review. A Review Matrix is like a spreadsheet or a table—a rectangular arrangement of columns and rows. All that is needed to set up a blank Review Matrix is a blank spreadsheet or the table option in a word processor. The columns across the top of a Review Matrix are the topics or headings you use to abstract each document or study. The rows down the page are the documents or studies. The point at which each column and row meets is a cell, which is where you write notes about a document.
Garrard, Judith (2022)
En la siguiente captura mostramos un ejemplo simple de matriz de revisión tomado de la obra de Garrard:

Orden de las filas
Garrard señala que las filas de la matriz deben ordenarse cronológicamente en modo ascendente, esto es, primero los documentos más antiguos. La razón, señala, es que esta ordenación permite observar la evolución de los ítems o temas que han sido analizados. Esto será importante en la fase de síntesis, de la hablaremos un poco más adelante.
Ahora bien, ¿el orden de presentación en la matriz debe ser el orden de lectura por parte del autor de la revisión? No necesariamente. Algunos tratados sugieren que es mejor leer primero dos o tres artículos seminales (p.e., los dos o tres más citados) y después leer los demás artículos a medida que se lleva a cabo el análisis sin un orden especial, o si se quiere, por orden cronológico. Sin embargo, la mayoría de tratados sobre revisiones de la literatura no señala nada al respecto.
En todo caso, el orden cronológico parece bastante lógico. Las tablas, por suerte, permiten ordenaciones por cualquiera de sus columnas, de modo que a partir de una tabla principal ordenada cronológicamente, nada nos impide generar otras ordenaciones.
Análisis y síntesis
Tanto en el framework SALSA como en PRISMA, se diferencian claramente las fases de análisis y de síntesis en los procesos de diseño y ejecución de una revisión de la literatura. Por este motivo, nos podemos preguntar cuál es el papel de las matrices en estas dos fases.
Lo cierto es que las matrices de revisión de la literatura aportan soluciones a ambas fases. En la primera fase son una herramienta de análisis puesto que guían la extracción de datos. Pero también lo son de síntesis, primero porque el formato de tabla es intrínsecamente idóneo para presentar información. Pero hay otra propiedad de las tablas, esto es, la posibilidad de ser leídas en el orden de las filas, o en el orden de las columnas que ayuda a la síntesis de una forma especialmente relevante. Lo veremos más adelante.
Beneficios
Lo importante, es que al utilizar una matriz para la extracción de datos obtenemos diversos beneficios. El primero y más evidente es que nos vemos obligados a tratar por igual cada referencia. Esto es característico de las revisiones de la literatura de tipo sistemático.
En segundo lugar, la estructura propia de la tabla facilita las comparaciones, así como identificar patrones y temas emergentes. En los siguientes apartados presentamos dos de los tipos principales de matrices para el análisis y la extracción de datos.
Matriz basada en ejes
Con el siguiente diagrama se presenta el esquema general de una tabla para construir una matriz de la literatura basada en lo que podemos denominar ejes:

Los contenidos de las columnas, que en el ejemplo anterior hemos representado como Eje 1, Eje 2, etc., pueden ser palabras clave o frases según cada caso. Después pondremos más ejemplos, pero digamos en seguida que Ejes puede ser cualquier propiedad que nos interese extraer de cada investigación. Ejemplos, el Eje 1 puede ser la metodología, el Eje 2 puede ser el objetivo principal, etc. Pero qué sean en concreto cada uno de los ejes lo determina cada proyecto.
Por otro lado, por una razón lógica, para que la tabla sea una matriz, necesitamos que las filas sean las referencias que forman la base de la evidencia, no las columnas, como hemos visto recomendado a veces; pero también por una razón pragmática de visualización.
Por razones de visualización de la información (y cognitivas) las tablas finales conviene que tengan un número limitado de columnas, no más de 6 o 7, mientras que el número de filas no es un problema, no al menos para el número que suele necesitarse en una revisión de la literatura.
Por su parte, la obra en la que nos estamos basando principalmente para esta entrada, la de Judith Garrard (2022), recomienda separar la referencia en dos columnas, una para los datos de la fuente (autor, título, publicación) y otra para el año. Suponemos para asegurar la ordenación cronológica. La captura que hemos puesto más arriba lo muestra con claridad. Nosotros, solamente por una cuestión de visualización, que exige tablas con un número de columnas limitado, preferimos usar una sola columna para los datos de la referencia y el año, pero sepa el lector de esta otra recomendación.
Ejemplo de matriz de revisión de la literatura basada en ejes
Se trata de una matriz simulada de análisis de los resultados que reportan tres artículos sobre inteligencia artificial aplicada al periodismo. En el caso de matrices basadas en ejes, la forma general de la pregunta es del tipo: «¿cómo se caracteriza cada investigación en relación al eje E?. Un ejemplo concreto sería: «¿qué métodos ha usado cada investigación?»
Los tres ejes o elementos de análisis que hemos elegido para ilustrar esta modalidad y las preguntas que generan son las siguientes:
- Métodos: ¿qué métodos se han usado en cada investigación?
- Problema principal: ¿cuál es el enfoque o el problema principal manejado?
- Resultados principales: ¿cuáles son los principales resultados obtenidos?
Entonces, en esta simulación, la matriz tendrá este aspecto (obsérvese que sustituimos Eje 1, Eje 2, etc, por las denominaciones concretas de cada eje):
Tabla 1
ID | Referencia | Métodos | Problema principal | Resultados principales |
01 | Ufarte et al. 2021 | Delphi | Adaptación de la ética periodística a la entrada de la IA en las redacciones | La investigación detecta la necesidad de adaptar los códigos deontológicos a la entrada de la IA en las redacciones. En especial, en dimensiones como la autoría, la transparencia y la jerarquización de las informaciones |
02 | Waddell 2019 | Encuestas | Credibilidad comparada de de las noticias autor humano vs algoritmo | La audiencia percibe menos sesgos cuando las noticias se atribuyen a un periodista y a un algoritmo de forma combinada. |
03 | Tandoc 2020 | Encuestas | Credibilidad comparada de de las noticias autor humano vs algoritmo | La autoría combinada persona, algoritmo, reduce la percepción de sesgos en determinadas situaciones. |
Lista de posibles ejes
Otros componentes posibles de esta clase de matrices lo constituyen ejes como los siguientes:
- Objetivos
- Marco conceptual
- Marco teórico
- Preguntas de investigación
- Hipótesis
- Conclusiones
- Implicaciones teóricas
- Implicaciones prácticas
- Limitaciones
- Variable independiente
- Variable dependiente
- Entidades
- Poblaciones
- Etc.
Como hemos dicho las respuestas pueden ser en forma de palabras clave o frases, según cada caso. Recordemos que una matriz de revisión en realidad es un tipo de resumen estructurado, por lo que puede incluir segmentos de texto de tipo narrativo, formado posiblemente varios párrafos, aunque sean cortos.
Por motivos de visualización de la información, aunque no hay límite en el número de filas, si lo hay en el de columnas. Se recomienda que una tabla no tenga más de 5 o 6 columnas. Si necesitamos usar más ejes, entonces lo mejor es usar varias tablas con una columna común (ID o referencia).
Matriz de revisión de la literatura basada en temas o en códigos
Acabamos de mostrar una forma de extracción de datos basada en ejes, sin embargo, como ya hemos dicho, podemos generar matrices basadas también en temas. Entonces, las columnas en lugar de Eje 1, Eje 2, etc., se constituyen mediante Tema 1, Tema 2, etc.
En el enfoque de temas, el analista busca respuestas a preguntas de la forma general: «¿cómo trata cada investigación el tema T?». Por ejemplo: «¿cómo tratan las investigaciones la ética de la IA»?. donde el término «ética» es uno de los temas o códigos, como a veces se denominan, que usamos como variable de análisis.
Ejemplo de matriz de revisión de la literatura basada en temas
Supongamos la misma simulación de revisión de la literatura sobre Inteligencia Artificial aplicada al periodismo. Entonces, podemos usar estos temas/preguntas:
- Ética: ¿qué aspectos sobre la dimensión ética recoge cada investigación?
- Percepción: ¿cómo perciben los diferentes actores -expertos, periodistas, lectores, empresas, etc.- la entrada de la IA en el periodismo?
- Países: ¿qué países están afectados por cada estudio?
Entonces la matriz tendría esta forma:
Tabla 2
ID | Referencia | Ética | Percepción | Países |
01 | Ufarte et al. 2021 | Reclama la adaptación de los códigos deontológicos de la prensa ante la entrada de la IA en las redacciones de los medios de comunicación | Los expertos perciben que la IA presenta desafíos éticos para los lectores a los aún no se han dado respuestas en las empresas periodísticas o en sus órganos de asociación. | España |
02 | Waddell 2019 | Señalan la existencia de dilemas prácticos y éticos con el uso de la IA en las redacciones. | La audiencia percibe menos sesgos cuando las noticias se atribuyen a un periodista y a un algoritmo de forma combinada. | EEUU |
03 | Tandoc 2020 | La autoría combinada persona, algoritmo, reduce la percepción de sesgos en determinadas situaciones. | NC | Singapur |
En este ejemplo hemos usado tres temas de forma deductiva, esto es, hemos simulado que analizamos los documentos con los tres temas a priori que hemos mostrado. Se supone que tales temas derivan de nuestro conocimiento previo sobre la cuestión o del marco conceptual que queremos aplicar.
Pero seguramente, el análisis de las referencias sugerirá temas de forma inductiva, en cuyo caso, la dinámica del análisis tendrá un carácter circular al menos durante algún tiempo, esto es, hasta que se consoliden los principales temas emergentes. Una vez cerrada la lista de temas, si conviene habrá que re-examinar los documentos.
Otros tipos de matrices: presencia/ausencia
La tipología de matrices no está agotada con los tipos presentados, pues al menos otro tipo más es la matriz de presencia/ausencia. En una matriz de esta clase, lo que se pretende detectar es la presencia o ausencia de un conjunto de indicadores o de ítems predefinidos. En este caso, las columnas son la lista de ítems que se desea comprobar si aparecen, o no, en cada documento y las filas, como siempre, son las referencias que forman la base de la evidencia. La forma general es la siguiente:

En la ilustración, hemos representado la presencia del ítem con un signo + y la ausencia con un signo -, pero esto es lo de menos. Se puede usar 1 y 0 o cualquier otra notación mientras esté ausente de ambigüedad y sirva para denotar presencia/ausencia.
Supongamos que a través de un trabajo de revisión deseamos determinar, para un área de conocimiento determinada, la eventual aparición de una serie de ítems como los que siguen:
- ¿Tiene financiación?
- ¿Hay utilización de personas?
- ¿Hay utilización de animales?
- ¿Presenta una aprobación ética?
- ¿Hay una declaración sobre conflictos de intereses?
- ¿En la afiliación se mencionan universidades?
- ¿En la afiliación se mencionan empresas?
- Etc.
Cada una de las preguntas de esta lista predefinida serían los correspondientes ítem 1, ítem 2. etc., de cada columna. En una investigación de este tipo podríamos saber, para el área de conocimiento o ámbito analizado (en el período analizado), cuántas investigaciones han sido financiadas, cuántas presentan declaración de conflicto de intereses, etc., así como establecer relaciones entre ítems, p.e., ¿cuántas investigaciones financiadas mencionan empresas en la afiliación?; o ¿cuantas investigaciones en las que se utilizan personas -entrevistas, p.e.- aparece una declaración de usos éticos?, etc.
Parte de un todo: frameworks
Recordemos que las matrices son solo una parte de un trabajo de revisión completo, con el conjunto de las cuatro fases del framework SALSA debidamente desarrolladas.
Esto incluye la posibilidad de utilizar además diagramas o mapas conceptuales, así como seguir los protocolos que recomienda PRISMA.
¿Cuántas tablas?; ¿documento de texto u hoja de cálculo?
Dependiendo de los objetivos perseguidos, pueden utilizarse una o varias matrices pero casi siempre serán necesarias varias tablas. Por un lado, la mayor parte de las veces necesitaremos tanto la matriz de ejes como la de temas, con lo cual al menos necesitaremos dos tablas.
Por otro lado, en las ilustraciones que hemos presentado hemos tomado tres ejes y tres temas en cada una, pero esto es poco realista. Posiblemente, la matriz de ejes necesite 8 o más elementos, y entonces es posible que nos interese usar al menos dos tablas. Con la de temas nos puede suceder algo parecido, así que fácilmente tenemos cuatro tablas.
Además, necesitamos siempre la tabla con las referencias completas. Adicionalmente, nada nos impide usar también una tabla de presencia/ausencia de manera que fácilmente podemos acabar usando 5 o 6 tablas para crear nuestras matrices.
Pero lo anterior da por supuesto que usaremos las tablas del editor de texto, cuando nada nos impide en buena lógica usar una hoja de cálculo compuesta con varias hojas si el proyecto lo requiere.
La cuestión, simplemente, es que si usamos hojas de cálculo, deberemos generar después una síntesis narrativa en forma de texto más o menos extenso, articulado en los diversos temas o ejes y que formará parte del informe y del artículo que reporte la investigación.
La hoja de cálculo completa podrá publicarse aparte como dataset. Lo mismo, por cierto, si en lugar de una hoja de cálculo se usan varias tablas en formato word (p.e.) y solamente algunas pueden publicarse en el informe final.
¿Tablas o fichas?
Una tabla puede desagregarse como un conjunto de fichas. Veamos cómo. La tabla 2 correspondiente a la matriz basada en temas que tiene tres filas se puede representar como una serie de tres fichas como la que sigue:
ID | 01 |
Ref. | Ufarte et al. 2021 |
Ética | Reclama la adaptación de los códigos deontológicos de la prensa ante la entrada de la IA en las redacciones. |
Percepción | Los expertos perciben que la IA presenta desafíos éticos para los lectores a los aún no se han dado respuestas en las empresas periodísticas o en sus órganos de asociación. |
Países | España |
El equipo responsable puede decidir de qué forma prefiere representar la extracción de datos llevada a cabo. El uso de fichas puede ayudar si hemos decidido presentar los datos in extenso como parte del informe final, sin perjuicio de que originalmente los datos se extrajeron y representaron en formato de tabla. Entonces las tablas originales quedan como data set, y pueden estar en forma de tabla de un procesador de texto o de un fichero de hoja de cálculo.
Pero hay que tener en cuenta que el formato de ficha rompe la unidad de la tabla, y los patrones o aspectos emergentes no quedan de manifiesto. Por este motivo, si usamos fichas, mejor como formato final. En cambio, como formato de trabajo, tanto para la extracción de datos como luego para preparar la síntesis narrativa, mejor el formato de tabla, lo que permite la lectura tanto por filas como por columnas.
Llegados a este punto, nos queda decir alguna cosa sobre las matrices y la lectura profunda, cosa que abordamos en el siguiente apartado.
Matrices, lectura profunda y tesis doctorales
La teoría afirma que, para poder llevar a cabo la lectura profunda de un texto, p.e., de un artículo científico, necesitamos dos cosas: (1) aproximarnos al mismo con preguntas concretas y (2) tomar notas. Los análisis que se llevan a cabo para generar una matriz de revisión de la literatura aportan precisamente esas preguntas a la vez que guían la extracción de datos.
De este modo, la matriz de revisión de la literatura, además de las ventajas que proporciona como medio de representación del conocimiento, aporta un valor añadido a beneficio de la cognición de los responsables de la revisión.
Importa señalar este aspecto porque, al igual que un investigador rediseña su mente gracias a los resultados de los experimentos o a las observaciones, un investigador que lleva a cabo una revisión de la literatura rediseña su mente cuando adquiere una visión altamente sofisticada de su ámbito de estudio.
Por tanto, las revisiones de la literatura llevadas a cabo de modo sistemática producen dos, y no un resultado. Primero, producen el resultado evidente, esto es, un informe o un trabajo de revisión que establece el mapa de un ámbito del conocimiento. Este resultado beneficia a toda la comunidad investigadora, y de algún modo a la sociedad en su conjunto.
Pero también se produce otro resultado, esta vez en la mente o en la cognición, como prefieran decirlo, de los autores de la revisión. El cerebro de un investigador no es el mismo antes y después del trabajo de revisión. El autor de la revisión ha adquirido una comprensión de su campo altamente sofisticada que le dota de la capacidad de producir un discurso profundo sobre su campo y de la capacidad de diseñar mejores investigaciones. Por estos motivos es por los que las revisiones de la literatura de tipo scoping review, preferentemente con el uso de matrices, son especialmente aconsejables en las tesis doctorales. Después de una scoping review es como si el doctorando hubiera completado el mejor máster de su vida académica.
Las matrices como herramientas de síntesis
Hasta ahora hemos tratado las matrices como las potentes herramientas de análisis que son. Pero ya hemos dicho también que, a la vez, son una no menos potente herramienta de síntesis. Esto es así al menos dos por razones, ambas directamente relacionadas con la naturaleza de las tablas como estructura de datos:
- En primer lugar, las propias tablas que forman las matrices, con o sin elaboración adicional, actúan como síntesis de forma directa. Con más razón aún, si una vez llevada a cabo la extracción de datos y representados en tablas, vemos la oportunidad de crear nuevas tablas mediante operaciones que aislen determinadas filas, o creando nuevas tablas que combinen filas y columnas, de modo que pongan de relieve patrones o tendencias.
- En segundo lugar, y esta es una operación todavía más significativa, aplicando lo que Garrard denomina la regla de las columnas, que explicamos a continuación.
Regla de las columnas
Mientras construimos las matrices seguimos lo que Garrard (2022) denomina la regla de las filas. Esto es, basamos nuestros análisis en un documento cada vez a fin de completar cada fila de la tabla con las variables correspondientes.
La regla de las columnas (Garrard, 2022) en cambio consiste en una lectura basada en las columnas. De este modo, mediante el examen de cada una de las columnas podremos ver diversas cosas. En primer lugar, podremos ver cómo evoluciona o bien un eje o bien un tema a través del corpus analizado. Podremos ver, para cada columna, si aparecen repeticiones, ausencias, semejanzas, oposiciones, patrones o tendencias, etc. De modo que aplicar la regla de las columnas nos ayudará de modo decisivo en el siguiente apartado, esto es, en la construcción de la síntesis narrativa.
Síntesis narrativas
Entre los resultados de las revisiones de tipo scoping review, se suele primar la presentación de síntesis narrativas (y no solo de tablas). Una síntesis narrativa se denomina así para diferenciarla de una meta-síntesis. La primera, como su nombre indica, es una síntesis que tiene forma de narración, en general de tipo argumentativo/crítico, mientras que la segunda consiste en la integración de datos numérico/estadísticos.
Esta síntesis narrativa se puede estructurar por los mismos ejes o temas (o relaciones de presencia/ausencia) que formaron las variables en su momento. La lectura siguiendo el orden de las columnas y una buena capacidad crítica de los autores de la revisión deben generar una narración que sea (mucho) más que la suma de las partes.
Otra forma de organización compatible con el orden de las columnas sería una organización de la síntesis narrativa alrededor de esta clase de ejes propuesta originalmente desde la etnografía (Noblit, Hare, 1988):
- Traducción recíproca: trabajos que desarrollan ideas similares, pero utilizando conceptos o terminología diferente
- Línea de confrontación: trabajos que se oponen entre ellos de forma más o menos evidente
- Línea de argumentación: trabajos que debidamente unidos o relacionados ayudan a desarrollar un argumento
Esto tampoco agota las posibilidades, ya que las tablas pueden ser el input de programas de análisis cualitativos que, aunque suelen utilizarse para analizar entrevistas, también se pueden usar para analizar los resúmenes estructurado que generan una toma de datos textuales mediante tablas. Esto lo podemos hacer con programas como NVivo o MAXQDA.
Recordemos por último que de una síntesis narrativa se espera que sea de tipo integrativa o interpretativa/crítica y no solo una mera agregación de resultados. Por este mismo motivo debe servir para detectar patrones, oportunidades de investigación y tendencias. No acaba aquí el valor de una buena síntesis, porque también puede aportar las clarificaciones conceptuales que ayuden a planificar futuras investigaciones, así como a tender puentes entre especialistas, así como entre investigadores y públicos amplios.
Conclusiones
El uso de matrices para analizar y sintetizar resultados en revisiones de la literatura es altamente recomendable, sin perjuicio de otros métodos de análisis y síntesis como los diagramas o los mapas conceptuales. Pero como siempre necesitaremos matrices (o tablas) estas pueden ser vistas como el grado más fundamental de análisis, en el doble sentido del adjetivo fundamental, esto es, el de algo que es tan básico como importante.
Además, el uso de matrices es compatible, o incluso se puede considerar un requerimiento, del mencionado framework PRISMA con lo cual nuestra revisión de la literatura ganará a la vez en eficiencia y en credibilidad y validez.
Utilizar matrices que incluyan tanto ejes como temas, e incluso presencia/ausencia, impone una carga importante de trabajo en una scoping review, así como generan mucha documentación, que también será laborioso gestionar, pero los beneficios serán sencillamente enormes. En primer lugar, beneficios de transparencia y de replicación, y por tanto de validez científica.
Pero además, las matrices son especialmente eficaces para detectar patrones y tendencias, y facilitan enormemente la generación de síntesis narrativas críticas con capacidad para aportar algo más que la suma de las partes, esto es, conocimiento genuinamente nuevo dotado de la máxima solvencia científica en su proceso de elaboración.
Anexos
1.Terminología
Término | Explicación |
Tabla | Las tablas son estructuras de datos formadas por filas y columnas. Es una estructura ampliamente utilizada por seres humanos y por ordenadores. La mayoría de bases de datos utilizan tablas para organizar sus registros de forma interna. A la vez, es difícil encontrar un informe elaborado por y para seres humanos que no utilice al menos alguna tabla. No obstante, la tabla no presenta ninguna exigencia sobre su lógica organizativa, y aquí es donde intervienen las matrices. [Entrada sobre uso de tablas y diagramas en trabajos académicos] |
Matriz | Es una clase de tabla con filas y columnas homogéneas, y en las que cada fila es una entidad única y cada columna un atributo de la entidad. Las matrices pueden estar basadas en ejes o en temas. Pueden ser un sistema suficiente para sintetizar conocimiento, o pueden completarse con otros métodos. Las matrices pueden organizar datos muy estructurados, como números o categorías, o datos narrativos como frases textuales más o menos complejas. |
Base de la evidencia | En revisiones de la literatura de tipo sistemático, la base de la evidencia la forman los documentos que han sido objeto de análisis mediante algún esquema sistemático de extracción de datos. Los esquemas de análisis pueden tener el formato de matrices o de resúmenes estructurados. Los documentos se han obtenido de fuentes bien identificadas, por ejemplo, de bases de datos académicas. A veces, la base de la evidencia se denomina banco de documentos. |
Scoping review | Una clase de revisiones de la literatura que se utiliza cuando es necesario explorar un área o un ámbito de conocimiento a fin de determinar sus características principales. [Entradas sobre scoping reviews] |
Resúmenes estructurados | Una forma de generar síntesis narrativas es mediante el uso de resúmenes estructurados (de unas 200 palabras) de cada documento. Presentan forma narrativa pero siguen una misma estructura (p.e.: objetivos, métodos, resultados principales, implicaciones, etc.). Los resúmenes pueden ser subsumidos por las matrices, puesto que cualquier resumen estructurado puede representarse mediante el uso de tablas. |
Síntesis del conocimiento/ Síntesis de la investigación | Research Synthesis (o Knowledge Synthesis) es la denominación de la disciplina que investiga los procedimientos para llevar a cabo revisiones sistemáticas y presentar resultados de revisión con validez científica. Suele producir recomendaciones en forma de frameworks, como los frameworks SALSA y PRISMA. |
2. Referencias utilizadas para las matrices de los ejemplos
Para los posibles interesados, las referencias que se han usado para las matrices de la literatura que me han servido de ejemplo son las que se indicarán a continuación. Conviene aclarar que las extracciones de datos mostradas no tienen un rigor especial, son solo un ejemplo y no se deben tomar literalmente.
ID1 Ufarte Ruiz, M.J.; Calvo Rubio, L.M., & Murcia Verdú, F.J. (2021). Los desafíos éticos del periodismo en la era de la inteligencia artificial. Estudios sobre el Mensaje Periodístico, 27(2), 673-684. https://dx.doi.org/10.5209/esmp.69708
ID2 Waddell, T. F. (2019). Can an Algorithm Reduce the Perceived Bias of News? Testing the Effect of Machine Attribution on News Readers’ Evaluations of Bias, Anthropomorphism, and Credibility. Journalism & Mass Communication Quarterly, 96(1), 82–100. https://doi.org/10.1177/1077699018815891
ID3 Edson C. Tandoc Jr., Lim Jia Yao & Shangyuan Wu (2020) Man vs. Machine?
The Impact of Algorithm Authorship on News Credibility, Digital Journalism, 8:4, 548-562, DOI:
10.1080/21670811.2020.1762102
3. Plantilla para descargar
Plantilla en word que puede servir como base para desarrollar matrices de análisis de la literatura.
Fuentes comentadas
Hasta donde he podido determinar, el principal tratado académico sobre matrices de revisión es el siguiente:
- Judith Garrard. Health Sciences Literature Review Made Easy: The Matrix Method. Jones & Bartlett Learning, 2022 (ISBN 978-1284211177)
Se trata de una obra que ha recibido hasta ahora seis ediciones. Es una obra con un enfoque eminentemente práctico que detalla los procedimientos de forma muy detallada, pero en cambio no formaliza el concepto de matriz, sino que parte de la idea directa de usar tablas. La formalización (o su intento) que he presentado es de cosecha propia, así como la tipología de matrices. En cambio, Garrard hace una excelente presentación, entre otras cosas, de las posibilidades lógicas de las matrices con su idea del orden de las filas y del orden de las columnas.
En relación al corpus principal sobre revisiones de la literatura, no se trata de que otros trabajos no se ocupen de las matrices, es que simplemente no le dan este nombre. En cambio, es casi universal en los tratados la recomendación implícita o explícita de usar tablas, pero, sin desarrollar más el tema, ni sus implicaciones lógicas profundas, como sí hace Garrard de una forma magistral.
La cuestión es que todo cambia cuando a algo que usamos de modo casi inadvertido, como las tablas, alguien le da un nombre sugerente (matriz) y nos hace darnos cuenta de todas sus posibilidades lógicas. Y esta es la interesante operación que hace Garrard en su obra. Permítanme que me aparte del tema (pero no tanto como puede parecer) y diga que algo así sucede con el concepto de curación de contenidos.
Por otro lado, la referencia principal sobre el uso de tablas como matrices para analizar y sintetizar información cualitativa en general (como la que se obtiene en una scoping review) es la siguiente:
- Miles, Matthew B.; Huberman, A. Michael; Saldaña, Johnny. Qualitative Data Analysis. A Methods Sourcebook. London: Sage, 2014.
La referencia clásica sobre formas de integrar resultados de investigaciones cualitativas, siguiendo tres ejes principales -traducción recíproca, línea de confrontación, línea de argumento- es la siguiente:
- Noblit, George; Hare, Dwight R. Meta-Ethnography: Synthesizing Qualitative Studies. Sage, 1988
Tutoriales en Internet
Mi primer contacto con la idea de las matrices de revisión fue gracias a Youtube y sus numerosos tutoriales, procedentes de autores académicos, sobre el tema. Me llamó la atención la variedad de enfoques y decidí profundizar en el tema. El resultado es esta entrada.
La cuestión es que podemos encontrar varios tutoriales en Youtube usando como frase de búsqueda «literature review matrix«. El interesado debe considerar sobre todo la fuente si se interesa por alguno de ellos. Como curiosidad, he visto tutoriales donde se asignan las filas a las variables y las columnas a las referencias, cosa que me parece, como mínimo, menos práctico y que rompre la norma que asigna las entidades a las filas, y las propiedades (o variables) a las columnas.
Referencias sobre scoping reviews
- Arksey, H.; O’Malley, L. (2005). «Scoping Studies: Towards a Methodological Framework». Int. J. Social Research Methodology 8:1, 19-32,
DOI: 10.1080/1364557032000119616 | Versión de repositorio - Booth, Andrew; Papaionnou; Sutton, Anthea. Systematic Approaches to a Successful Literature Review. London: Sage, 2012.
- Codina Lluís (2020a). “Revisiones bibliográficas sistematizadas en Ciencias Humanas y Sociales. 1: Fundamentos”. En: Lopezosa C, Díaz-Noci J, Codina L, editores Methodos Anuario de Métodos de Investigación en Comunicación Social, 1. Barcelona: Universitat Pompeu Fabra; 2020. p. 50-60.
DOI: 10.31009/methodos.2020.i01.05 - Codina Lluís (2020b). “Revisiones sistematizadas en Ciencias Humanas y Sociales. 2: Búsqueda y Evaluación”. En: Lopezosa C, Díaz-Noci J, Codina L, editores Methodos Anuario de Métodos de Investigación en Comunicación Social, 1. Barcelona: Universitat Pompeu Fabra; 2020. p. 61-72.
DOI: 10.31009/methodos.2020.i01.06 - Codina Lluís (2020c). “Revisiones sistematizadas en Ciencias Humanas y Sociales. 3: Análisis y Síntesis de la información cualitativa”. En: Lopezosa C, Díaz-Noci J, Codina L, editores Methodos Anuario de Métodos de Investigación en Comunicación Social, 1. Barcelona: Universitat Pompeu Fabra; 2020. p. 73-87.
DOI: 10.31009/methodos.2020.i01.07 - Fernández-Sánchez, H.; King, K.; Enríquez-Hernandez, C.B (2020). «Revisiones Sistemáticas Exploratorias como metodología para la síntesis del conocimiento científico». Enfermería Universitaria · Vol.17 · Núm 1 · Enero-Marzo
- Grant, Maria J.; Booth, Andrew. «A typology of reviews: an analysis of 14 review types and associated methodologies». Health Information and Libraries Journal, 26, pp.91–108, 2009.
DOI: 10.1111/j.1471-1842.2009.00848.x - Lopezosa C.; Codina L.; Fernández-Planells A.; Freixa P. (2021). Journalistic innovation: How new formats of digital journalism are perceived in the academic literature. Journalism. doi:10.1177/14648849211033434
- Manchado, R.; Tamames, S.; López-González, M.;Mohedano, L.; DÁgostino, M.; Veiga, J. (2009). «Revisiones Sistemáticas Exploratorias». Med Segur Trab (Internet) 55 (216): 12-19)
- Mengist, W.; Soromessa, T.; Legese, G. (2020). «Method for conducting systematic literature review and meta-analysis for environmental science research». MethodsX, 7 DOI: 10.1016/j.mex.2019.100777
- Munn, Z.; Peters, M.; Stern, C.; Tufanaru, C.; McArthur, A.; Aromataris, E. (2018). «Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach». BMC Medical Research Methodology. https://doi.org/10.1186/s12874-018-0611-x
- Peters, M.; Godfrey C.; Khalil, H.; McInerney, P; Parker, D.; Soares, C. (2015). «Guidance for conducting systematic scoping reviews». International Journal of Evidence-Based Healthcare: September 2015 – Volume 13 – Issue 3 – p 141-146.
doi: 10.1097/XEB.0000000000000050 - Peters, M.; Marnie, C.; Tricco, A.; Pollock, D.; Munn, Z.; Alexander, L.; McInerney, P.; Godfrey, C.; Khalil, H. (2020). «Updated methodological guidance for the conduct of scoping reviews».JBI Evidence Synthesis: October 2020 – Volume 18 – Issue 10 – p 2119-2126 doi: 10.11124/JBIES-20-00167
- TriccoA.; Zarin, W.; Ghassemi, M.; Nincic, V.; Lillie, E.; Page, M.; Shamseer, L.; Antony, J.; Rios, P.; Hwee, J. Angeliki, A., Moher, D.; Hartling, L.; Pham; B.; Straus; S. (2017). «Same family, different species: methodological conduct and quality varies according to purpose for five types of knowledge synthesis» Journal of Clinical Epidemiology, Volume 96, 133 – 142. https://doi.org/10.1016/j.jclinepi.2017.10.014
- Tricco, A.; Lillie, E.; Zarin, W.; O’Brien, K.; Colquhoun, H.; Levac, D.; Moher , D.; Peters, M.; Horsley, T.; Weeks, L.; Hempel, S.; Akl, E.; Chang, C.; McGowan, J.; Stewart, L.; Hartling, L.; Aldcroft, A.; Wilson, M.; Garritty, C.; Lewin, S.; Godfrey, C.; Macdonald, M.; Langlois, E.; Soares-Weiser, K.; Moriarty, J.; Clifford, T.; Tunçalp, Ö.; Straus, S. (2018). «PRISMA Extension for Scoping Reviews (PRISMA-ScR): Checklist and Explanation». Annals of Internal Medicine, 04 september 2018. doi:10.7326/M18-0850
Sitio web
En universidades anglosajonas, las matrices de revisión de la literatura, al parecer forman parte habitual de los trabajos de final de máster y de las tesis doctorales si se juzga por la relativa abundancia de páginas de universidades que informan sobre el tema y cuyo público parecen ser estudiantes de máster o de doctorado. La siguiente página es un ejemplo:
Otras entradas de este sitio sobre temas relacionados
Y más en concreto, sobre scoping reviews, el lector interesado puede consultar esta entrada: