Sintetizar y representar información cualitativa: uso de tablas y diagramas en trabajos académicos

Ejemplo de diagrama
Los diagramas son insustituibles en investigaciones cualitativas, especialmente en trabajos académicos tales como tesis doctorales y trabajos de final de máster (Fuente: Pixabay)

Las tesis doctorales son el resultado de una investigación, generalmente de largo aliento, en la que pueden utilizarse metodologías cuantitativas o cualitativas (o mixtas, por supuesto).

Ahora bien, como es sabido, los investigadores que utilizan metodologías cuantitativas en sus investigaciones emplean diferentes estadísticos y diagramas asociados. Esta manera de sintetizar los resultados tiene mucha fuerza y otorga una importante credibilidad, de la que se benefician, con toda legitimidad, tal tipo de investigaciones.

Lo que nos podríamos preguntar entonces es lo siguiente:  ¿existe algún equivalente para sintetizar resultados en las investigaciones cualitativas?

Ejemplo de uso de tablas para sintetizar resultados de investigaciones cualitativas. Fuente: Miles, Huberman, y Saldaña (2014). Clic para hacer zoom.

Tablas y diagramas

La respuesta es la siguiente:  los resultados cualitativos, así como los conceptos e ideas principales de una investigación, se pueden sintetizar representar de forma especialmente eficaz mediante el uso de tablas y diagramas, ya que son dos instrumentos formidables de representación y de visualización de la información.

Una investigación cualitativa no debería ser sinónimo de páginas grises llenas de  largos párrafos con, a veces, toneladas de notas a pie de página. Otra cosa es el género del ensayo en el cual, por su mayor parentesco con la literatura que con la investigación, puede no haber datos de ningún tipo, ni siquiera una revisión sistemática para apoyarlo. Pero tal cosa debería ser impensable en tesis doctorales y en proyecto de investigación, detrás de las cuales siempre debe haber un trabajo de investigación (no un ensayo, o al menos, no solamente un ensayo).

Ejemplo de diagrama de una cadena causal derivada a partir de un estudio de caso. Fuente: Miles, Huberman, y Saldaña (2014)

Algunas precisiones

Conviene aclarar que nos referimos expresamente al caso de las tesis doctorales y trabajos de final de máster porque es el background preferente por nuestra dedicación académica, pero es evidente que tales instrumentos pueden utilizarse con ventaja en cualquier otra clase de producción vinculada a la investigación cualitativa, ya sea un artículo, una comunicación o un informe.

Por otro, para evitar ambigüedades innecesarias señalemos lo siguiente: ninguna colección de tablas o de diagramas será capaz de levantar una mala investigación. En cambio, en una buena investigación de base, estos instrumentos bien utilizados pueden transformar una buena investigación en excelente.

Matrices = tablas; redes = diagramas

Para acabar con este apartado de precisiones, hay otros términos, aunque seguramente mucho menos familiares, para ambos instrumentos:

  • Matrices = tablas
  • Redes = diagramas.

De hecho, personalmente, prefiero utilizar  estos últimos términos, a saber, tablas y diagramas, por su mayor familiaridad, pero dejamos constancia de su equivalente tecnológico en determinadas obras sobre metodología de la investigación cualitativa (notablemente en la influyente obra de Miles, Huberman, y Saldaña, 2014).

Con relación a las tablas conviene aclarar que no nos referimos a ellas en su dimensión de hoja de cálculo o de registros de una base de datos. Para tales casos, las tablas actúan como forma de almacenamiento, cosa que no nos interesa aquí.

Por el contrario, para lo que sigue, nos referiremos siempre a las tablas como una estructura para facilitar la síntesis de información.

Por último, con  relación a los diagramas señalaremos que dejamos fuera de nuestra consideración aquellos que se utilizan para representar datos numéricos o sus estadísticos, ya que en este artículo nos centramos en datos de tipo cualitativo/conceptual. Por tanto, nos referimos a las clases de diagramas que nos permiten expresar ideas y conceptos, y más concretamente, procesos y relaciones de influencia.

Tablas

El concepto de tabla suele estar asociado al de entidad. Una entidad es cualquier cosa que puede ser identificada, ya sea del mundo físico o conceptual, y que por tanto posee atributos que pueden adquirir una serie de valores. Por ejemplo, medios de comunicación como el The New York Times, The Guardian, La Vanguardia o El País, son entidades con determinados atributos, por ejemplo, país de origen o número de suscriptores-

Composición

Una tabla o matriz se compone de una serie de filas y columnas. El cruce de las mismas produce las celdas, que contienen valores. Esta simple estructura es una poderosa formas de sintetizar información, y de mostrar relaciones, ya se trate de datos cualitativos o cuantitativos.

Hay pocas reglas sobre como construir tablas a los efectos que nos interesan aquí, pero desde luego disponemos de algunas.

La primera nos dice que, cuando estamos representando entidades y sus características o propiedades, conviene proceder de este modo:

  • Las entidades son las filas
  • Las propiedades son las columnas

Por ejemplo, si hemos analizado un número de medios de comunicación basándonos en determinadas características, digamos (p.e.) “país de origen”, “cobertura geográfica” y “cobertura temática” (utilizamos categorías del sitio Observatorio de Nuevos Medios para los ejemplos que siguen), podríamos tener una tabla como esta:

Tabla X: Medios de comunicación con temas de arte

MedioPaís de
origen
Cobertura 
geográfica
Cobertura 
temática
Panorama 
Cultural
 ColombiaInternacionalCultura, ecología,
música, arte,
turismo,
gastronomía,
viajes
Revista de 
Arte
EspañaEspañaArte, cultura, 
turismo,
gastronomía,
viajes

Yorokobu

España

Internacional

Cultura, arte,
estilo de
vida, ocio y
tiempo libre

Ejemplo de tabla con entidades como filas y columnas como propiedades. Fuente: elaboración propia con datos del Observatorio de nuevos medios

La segunda y no menos simple regla es que debemos usar un número limitado de columnas. En concreto, algunos autores indican que las tablas (para estos usos) no deberían tener más de una docena de columnas, “aunque seis o siete es más manejable” (Miles, Huberman, y Saldaña 2014). El número de filas es menos conflictivo, pero es evidente que si las usamos como medio de síntesis de resultados, no deberían superar unas pocas decenas.

La tercera regla, nos dice que las tablas deben tener:

  • Un título, preferentemente precedido de una numeración
  • Un pie donde se informe de la fuente y/o de cualquier otro dato que ayude a interpretarla

La cuarta, nos dice que las tablas pueden estar ordenadas, incluso para el caso de un pequeño número de filas, cosa que se puede llevar a cabo mediante la selección de una de las columnas que consideremos más significativas como eje de tal ordenación.

Inversión y desagregación

Ya hemos señalado que podemos usar un número relativamente alto de filas sin demasiado problema, pero es poco conveniente utilizar más de 6 o 7 columnas.

Ante esta limitación, disponemos de algunas soluciones. Una consiste en invertir la norma original. Si resulta que tenemos pocas entidades y muchas propiedades, nada nos impide utilizar columnas para las entidades y filas para las propiedades.

Entonces tendríamos una tabla como la siguiente, en la que podríamos tenemos solamente cuatro entidades (cuatro medios de comunicación) y en cambio, podemos tener, por decir algo, una decena o más de propiedades (aunque aquí solamente hemos representado tres de ella, siendo la primera columna las propiedades, y las siguientes, las entidades):

Tabla X: Medios de comunicación con temas de arte

 YorokobuPanorama 
Cultural

Revista de 
Arte

País
de origen
 España Colombia España
Cobertura 
geográfica
 Internacional Internacional España
Cobertura 
temática
Cultura, arte,
estilo de
vida, ocio y
tiempo libre
Cultura, ecología,
música, arte,
turismo,
gastronomía,
viajes
Arte, cultura, 
turismo,
gastronomía,
viajes

Fuente: elaboración propia con datos del Observatorio de nuevos medios

La segunda solución consiste en mantener la idea original según la cual las entidades son filas y las columnas son propiedades, pero utilizando una clave que después nos permitirá desagregar las tablas, mientras que usaremos la clave para relacionar la información. Esto produciría una tabla como la siguiente:

Tabla X: Medios de comunicación con temas de arte

IDMedioPaís de
origen
Cobertura 
geográfica
Cobertura 
temática
 01 Yorokobu España InternacionalCultura, arte,
estilo
de vida,
ocio y
tiempo libre
 02Panorama 
Cultural
 Colombia InternacionalCultura,
ecología,
música,
arte,
turismo,
gastronomía,
viajes
 03Revista de 
Arte
 España EspañaArte, cultura, 
turismo,
gastronomía,
viajes

Fuente: elaboración propia con datos del Observatorio de nuevos medios

De acuerdo con lo anterior, podemos tener entonces dos o más tablas, en la primera (como la anterior) relacionando el ID con el medio de comunicación y un número de propiedades. En las siguientes tablas, podemos utilizar el ID y el resto de propiedades.

Es el uso de este ID el que nos permite relacionar sin ambigüedad las diferentes tablas e incluso producir después tablas que consistan en la unión de diferentes columnas procedentes de diferentes tablas, etc.

La segunda regla se desprende de lo que hemos dicho: podemos utilizar sin demasiado problema un buen número de filas (aunque no es conveniente superar unas pocas decenas), pero hemos de limitar siempre el número de columnas en aras de la claridad. Podemos recurrir al formato apaisado si es necesario, lo que nos permite añadir algunas columnas más, pero la limitación enseguida aparece.

Tablas como fichas

Otra forma de considerar las tablas de forma desagregada es en forma de fichas o tarjetas, como está de moda llamarlas ahora. Según esta idea, cada entidad (si mantenemos el ejemplo) con sus propiedades se puede sintetizar mediante una ficha. En este caso, la primera fila pude reservarse para identificar la entidad, y las filas siguientes para las propiedades de la entidad, de este modo:

Nombre Yorokobu

Fecha de 
creación

Julio de 2009

País 
de origen

 España
Cobertura 
geográfica
 Internacional
Cobertura 
temática
Cultura, arte, estilo
de vida, ocio y tiempo libre

Fuente: elaboración propia con datos del Observatorio de nuevos medios

Para ello, repetiremos, por supuesto, el número de fichas según el número de entidades que queremos sintetizar. En este caso, la primera fila puede actuar como título de la tabla.

Explicar y definir

Es evidente que podemos explicar muchas cosas utilizando el discurso, pero cuando usamos tablas nos obligamos a añadir un componente de claridad que cualquier lector apreciará. Se trata simplemente, de ordenar los conceptos a explicar mediante un tabla con dos columnas, donde en una de ellas tenemos el concepto a explicar (el definiendum) y en la otra la explicación (el definiens).

Una forma habitual de proceder consiste en presentar el grupo de conceptos que se van a utilizar, por ejemplo, en algunos de los capítulos iniciales de la tesis, para luego poder operar con ellos en el cuerpo del trabajo.

La regla principal aquí es la siguiente: tenemos libertad para establecer las definiciones, siempre que (1) tales deficiones estén respaldadas por algún corpus de conocimiento previo, (2) sean no ambiguas y (3) después utilicemos los conceptos a lo largo del trabajo de forma consistente.

Fuente: García-Carretero L, Codina L, Pedraza-Jiménez R (2016)

Aunque es anecdótico, podemos señalar que uno de los métodos utilizados en nuestro grupo de investigación cuando debemos responder a las observaciones y críticas en un proceso de evaluación, como en el caso de un artículo para una revista científica (o para en la evaluación de un proyecto) consiste en utilizar una tabla con la siguiente estructura:

N.Observaciones 
Evaluador
Respuesta 
Autores
   
   

Para ello, lo que hacemos es convertir cada una de las “n” observaciones de cada evaluador en una fila de la tabla, de manera que si entre los dos evaluadores tenemos un total de 10 observaciones, la tabla tendrá 10 filas. En la primera columna aparecen las observaciones u objeciones del evaluador, y en la segunda nuestra respuesta como autores. La columna titulada N. es simplemente para poder numerar cada observación y, si conviene referirnos a ella sin ambigüedad en el proceso de discusión.

A los autores nos permite concentrarnos con claridad en cada una de las observaciones, y cuando entregamos la tabla como respuesta a la misma a la revista en cuestión, nos permite exhibir con claridad nuestra capacidad para haber podido responder a todas y cada una de las objeciones, naturalmente en algunos casos aceptándolas sin más, y señalando la corrección efectuada, y otras rechazando la objeción y mostrando nuestro argumentario.

Un excelente ejemplo de utilización de tablas para explicar y comparar. Fuente: Maria J. Grant; Andrew Booth, 2009. Clic para zoom

En la captura precedente vemos un caso ejemplar de utilización de tablas para sintetizar resultados. En este caso, procedentes de una revisión sistemática (Maria J. Grant; Andrew Booth. “A typology of reviews: an analysis of 14 review types and associated methodologies”. Health Information and Libraries Journal, 26, pp.91–108 2009).

A los autores, la tabla que ocupa un total de 2 páginas, con un total de 6 columnas y 14 filas, no solamente les sirvió para explicar y comparar, sino también para argumentar y llevar al lector a la conclusión deseada por los autores. Al proponer la comparación de las propiedades de cada una de las categorías, les permitió reforzar y apoyar de forma muy sólida su conclusión a favor de un tipo concreto. 

Relacionar variables

Miles, Huberman, y Saldaña (2014) proponen en su obra seminal, Qualitative Data Analysis: A Methods Sourcebook, un amplio uso de las tablas para relacionar información obtenida del análisis de datos cualitativos, principalmente procedentes de entrevistas y de estudios de caso.

Estos autores definen una matriz (tabla) como “la intersección de dos listas”. De este modo, la combinación de dos variables y de sus datos asociados, les permite proponer una amplia taxonomía de tipos de tablas, algunas con propósitos exploratorios, otras explicativos, otras para establecer relaciones causales, etc. En concreto señalan (el destacado es nuestro):  “Overall, the matrix is a tabular format that collects and arranges data for easy viewing in one place, permits detailed analysis, and sets the stage for later cross-case analysis with other comparable cases or sites”.

Estos autores, de hecho, proponen modelos concretos de tablas para las siguienes funciones:

  • Explorar
  • Describir
  • Ordenar
  • Explicar
  • Predecir

Además, estos autores insisten en la idea de las meta-matrices (o meta-tablas), a saber tablas en las cuales una columna pude contener a su vez, otras columnas.

A continuación, mostramos dos ejemplos que proponen los autores citados en su obra (que recomendamos a todos los interesados):

Ejemplo 1

Fuente: Miles, Huberman, y Saldaña (2014). Clic para zoom

Ejemplo 2

Fuente: Miles, Huberman, y Saldaña (2014). Clic para zoom

Tablas para expresar (casi) cualquier cosa

Aunque el origen de las tablas fue el que nos hemos referido, a saber, sintetizar información sobre entidades y sus propiedades, y podemos tener la tentación de asimilar entidades a cosas del mundo real, el formato es tan flexible y su impacto cognitivo es tan favorable que no vale la pena limitar su uso a tal función original, por muy importante que sea.

En principio, casi cualquier cosa (decimos casi, solo por prudencia) se puede representar mediante tablas. La reglas básica entonces es muy abstracta: tendremos un número de cosas o dimensiones a considerar, y cada cosa tendrá características con valores propios  a las que podemos dar nombres. Ya tenemos las filas y las columnas.

Una de las tablas de Miles, Huberman, y Saldaña (2014) referidas a un estudio de caso sobre cómo afectó la introducción de un determinado programa en unas escuelas, nos servirá como ilustración:

Fuente: Miles, Huberman, y Saldaña (2014). Clic para zoom

Diagramas

Un diagrama es cualquier clase de gráfico que se utiliza para representar ideas. Que sepamos, no existe una lista cerrada de tipos de diagramas, aunque desde luego hay excelentes taxonomías que intentan poner un poco de orden sobre ellas.  No obstante, los más conocidos son las que se refieren a los diagramas para visualizar estadísticos (cosa que no trataremos aquí).

Nosotros nos vamos a centrar en los diagramas que permiten representar dimensiones cualitativas o conceptuales, y en las cuales tampoco carecemos de propuestas.  Por ejemplo, en la captura siguiente vemos la taxonomía de tipos de diagramas que permite un software para su creación (EDraw Max):

Tipos de diagrama según EDraw Max

 

La captura precedente muestra solamente una parte de la tipología de diagramas de un software para crear gráficos, pero si desplegamos una cualquier de las categorías, aparecen aún otros subtipos:

Variedades de diagramas del tipo flowchart (EDraw Max)

Por tanto, con los diagramas tenemos una situación, afortunadamente, parecida a las tablas: no existe a priori, ninguna limitación sobre el tipo de cosas que podemos expresar de forma gráfica. Esto no impide que, tipos de diagramas muy bien asentados, como los diagramas de Gantt, los diagramas de flujo o los mapas conceptuales no tengan algunas reglas, por más sencillas que sean.

La cuestión es que, si los comparamos con las tablas, el uso que suele darse a los diagramas está más vinculado a representar procesos y relaciones de influencia. Pero ni siquiera esto limita su uso real. Nada nos impide expresar con un diagrama (si sabemos encontrar la forma) cualquier clase de constructo.

Un ejemplo de relaciones de influencia, en este caso, en el ámbito de la calidad en trabajos académicos, mediante un diagrama. Fuente: elaboración propia

Un modelo básico: nodos y arcos

En todo caso, los componentes principales de muchos tipos de diagramas son estos dos:

  • Nodos
  • Arcos

Los nodos se utilizan para representar “cosas” (literalmente: cualquier cosa), y los arcos para representar relación o influencia entre las cosas.  Normalmente, los nodos se expresan mediante rectángulos, y los arcos mediante líneas, que pueden indicar (o no) dirección mediante el uso de flechas en uno o en ambos extremos. Por su parte, los arcos pueden estar rotulados (o no) si deseamos clarificar la clase de relación o influencia mediante un verbo (generalmente) o una pequeña frase aclaratoria.

Los diagramas basados en nodos y arcos se cuentan entre los más utilizados y aportan un modelo básico fácil de utilizar, por eso nosotros nos limitaremos a éste modelo general en este artículo.

Ahora bien, lo anterior no significa que los diagramas solo puedan tener nodos y arcos, ni que los nodos solamente puedan representarse mediante rectángulos y los arcos mediante líneas. No hay tales límites. Por ejemplo, en el diagrama precedente, hemos cambiado los arcos por el símbolo igual (=) porque nos parecía más expresivo, así como hemos combinado rectángulos para expresar factores, mientras que hemos usado sendos óvalos para expresar resultados.

En lo que sigue, examinaremos dos variaciones de tales diagramas: mapas conceptuales y representaciones de procesos.

Un mapa conceptual sobre mapas conceptuales. Fuente: Cristòfol Rovira. Clic para acceder al mapa.

Mapas conceptuales

Un mapa conceptual es una clase de diagrama que intenta representar de forma gráfica tanto los componentes de un sistema conceptual como las relaciones entre ellos.

Por sistema conceptual podemos entender al menos dos cosas:

  • Cualquier conjunto más o menos coherente y organizado de ideas en el seno de una conceptualización más amplia o de una teoría más o menos compleja, por ejemplo, la teoría de la evolución;

  • Cualquier conjunto de entidades y sus relaciones, por ejemplo, las empresas del sector de la comunicación de un determinado país.

Los mapas conceptuales no tienen ningún ámbito de restricción, de manera que cualquier aspecto del mundo real o del mundo conceptual es susceptible de ser representado en un diagrama de esta clase.

La complejidad del sistema que debe ser representado tampoco establece ningún tipo de restricción de entrada: podemos representar con un mapa conceptual una teoría tan compleja o simple como queramos (o podamos).

Si deseamos adherirnos al sentido estricto de mapa conceptual, los arcos deben estar rotulados y especificar la relación entre los nodos, como podemos ver en la captura precedente de la que es autor Cristòfol Rovira.

Para los interesados, cabe señalar que la terminología anterior está adoptada de una rama de la matemática conocida como teoría de grafos (la misma que se utiliza para la teoría de hipertextos).

Ejemplo de mapa conceptual sobre calidad en trabajos académicos. Fuente: elaboración propia

Los mapas conceptuales se pueden utilizar para construir modelos de una gran cantidad de situaciones o aspectos de la realidad, desde sistemas de carretas hasta mapas de sitios web, pasando por relaciones de parentesco, vínculos entre grupos de empresas o relaciones entre componentes de un marco teórico (de aquí, su uso en revisiones sistemáticas).

Procesos y relaciones de influencia

Otro tipo de diagrama clásico es la representación de procesos, o de factores de influencia. Si utilizamos los dos componentes que ya conocemos, los nodos y los arcos, resulta fácil sintetizar esta clase de aspectos.

Ejemplo de diagrama que muestra un proceso: SEO académico. Fuente: elaboración propia.

Diagramas para representar (casi) cualquier cosa

Ya hemos señalado que no existe ninguna limitación a priori de la clase de informaciones que podemos representar mediante diagramas y esto es muy importante recordarlo tantas veces como sea necesario. A continuación, dos ejemplos tomados también de la obra de Miles, Huberman, y Saldaña (2014):

Ejemplo 1

 

Fuente: Miles, Huberman, y Saldaña (2014)

Ejemplo 2

Fuente: Miles, Huberman, y Saldaña (2014)

Credibilidad y persuasión en trabajos académicos

El uso de tablas y diagramas en trabajos de investigación cualitativa debería considerarse obligatorio por la misma razón que esperamos estadísticos y ecuaciones en las investigaciones cuantitativas. En ambos casos son garantías de calidad, porque en ambos casos exponen el compromiso de los autores de una investigación con la claridad y la transparencia.

Sintetizar datos y resultados de cualquier clase, así como propuestas teóricas mediante tablas y diagramas obliga a un plus de claridad y de esfuerzo conceptual. A diferencia de un discurso textual puro, es mucho más difícil que un mal razonamiento o datos inconsistentes pasen desapercibidos cuando usamos instrumentos adecuados para sintetizar las ideas y los resultados principales de nuestro trabajo.

Además, obligarnos a transformar ideas y datos cualitativos en tablas y diagramas nos somete a una disciplina de clarificación que siempre redunda en nuestro beneficio. Vamos a adquirir un grado superior de comprensión de los temas que estamos tratando y sobre los cuales se supone que queremos ver reconocida nuestra competencia.

Por si fuera poco, el uso de tablas y diagramas tiene un componente cognitivo muy importante como se ocupan de señalarnos tanto los psicólogos de la percepción como los expertos en visualización de la información. El cerebro humano procesa mucho mejor la información si esta viene acompañada de alguna clase de visualización de la información, incluso cuando parece redundante, es decir, cuando usamos un diagrama, por ejemplo, para ilustrar una idea que acabamos de exponer mediante un razonamiento expresado textualmente.

Por ejemplo, ciertamente, la frase textual y el diagrama que veremos a continuación, expresan la misma idea, pero el cerebro del lector la procesará mucho mejor gracias a la unión de ambos:

Idea en forma textual:

Debemos señalar que hay al menos dos momentos teóricos de intervención del SEO Académico, a saber, antes de la publicación (esto es, durante las diversas fases de redacción) o una vez el artículo ha sido publicado. La primera está basada en una estrategia de palabras clave, y la segunda en una de difusión, y ambas tienen influencia mutua.

 La misma idea en forma de diagrama:

Diagrama sobre SEO Académico. Fuente: elaboración propia.

Por si todo lo anterior fuera poco, lo cierto es que el uso de diagramas y tablas aporta un nivel muy superior de credibilidad y persuasión en trabajos académicos, algo de que lo están perentoriamente necesitados, ya que su éxito no depende solamente de que tales trabajos sean de calidad, sino, también, de que lo parezcan, y esto en un sentido nada frívolo, sino fundamental, ya que serán evaluados de manera formal por un tribunal académico.

Conclusiones

Hemos visto que las tablas pueden utilizarse como forma de sintetizar datos, así como medio de explicar, ordenar y presentar información cualitativa. Por su parte, los diagramas pueden mostrar cualquier tipo de idea, pero especialmente procesos y relaciones de influencia. Ambos pueden considerarse instrumentos genuinos de visualización de la información al servicio de la investigación cualitativa.

Ningún trabajo académico de tipo cualitativo debería presentarse sin un buen número de tablas y diagramas, ya que tienen un rol polifuncional difícil de exagerar:

  • Demuestran el compromiso de los autores con la claridad y la transparencia en su trabajo

  • Aportan formas muy potentes de síntesis de resultados e ideas

  • Elevan el nivel general de calidad de cualquier trabajo

  • Aportan elementos cognitivos que favorecen la comprensión

  • Aportan los necesarios elementos de visualización de la información que toda investigación solvente debería incluir

Ya hemos señalado, a propósito del último punto que tablas y diagramas cumplen el papel que, en las investigaciones cualitativas, desempeñan los estadísticos y sus gráficos asociados.

Igual que en este ámbito se considera imprescindible un adecuado uso de la visualización de la información para sinterizar datos cuantitativos, debería considerarse imprescindible el uso de tablas y diagramas para representar datos cualitativos.

Por tanto, en realidad lo menos importante son las clases de tablas y diagramas que hemos mostrado aquí, porque solamente actúan como ilustración de lo idea principal que queremos transmitir: mostremos, representemos y sintetizemos los resultados de la investigación cualitativa no solamente mediante nuestro discurso, sino también mediante visualización de la información.


Cubierta del libro sobre usos de matrices y redes

Miles, Matthew B.; Huberman, A. Michael; Saldana, Johnny. Qualitative Data Analysis: A Methods Sourcebook. London: SAGE Publications. 2014

Se trata de la única obra de la que tenemos noticia dedicada de forma íntegra a presentar modelos de tablas y diagramas (sobre todo los primeros) para utilizar en investigación cualitativa con diferentes objetivos, entre ellos, Explorar, Describir, Ordenar, Explicar Predecir. Cada una de estos, a su vez, dividido en diversos subtipos de tablas o diagramas. Se trata, en nuestra opinión, de una de las mejores obras sobre metodología cualitativa pùblicada en los últimos años.

Anexo 

1. Investigación cuantitativa vs qualitativa vs conceptual

Se han vertido toneladas de tinta explicando las diferencias entre la investigación cuantitativa y la cualitativa, pero no tanto sobre la conceptual. Además, la diferencia entre las dos primeras no siempre se explica de forma muy acertada. Creo que una de las formas más certeras de definir la diferencia entre “cuali” y “cuanti” es la que pone el énfasis en la validez estadística, y no tanto en el uso (o no) de datos numéricos. Por ejemplo, muchos estudios que utilizan categorías cualitativas para analizar información (p.e. análisis de contenido) pueden producir números y porcentajes.

Es decir, no se trata tanto de que la cuanti usa datos numéricos, y la cuali no; sino que, aunque la cuali utilice tal tipo de datos, no se persigue la validez estadística de los mismos, porque tal vez proceden de un pequeño número de casos, incluso con N=1.

Entonces, una de las características más significativas de la cualitativa es que, ya que utiliza pocos casos, profundiza mucho más en cada uno de ellos de una forma que los métodos cuanti ni pueden ni, seguramente, están interesados en hacer. De aquí, el estudio de caso como uno de los métodos privilegiados de la cualitativa. Por supuesto, otra característica de la cuali es que utiliza otras formas de representación de la información, tìpicamente el texto.

Ahora bien, cuando se comparan entre ellas, se da por supuesto que tanto la cuali como la cuanti utilizan datos procedentes de alguna forma de investigación de campo, cosa que involucra siempre el concepto de población, referido éste, a su vez, a poblaciones humanas, como cuando en la cuanti se comprueba la efectividad de un tratamiento médico con una determinada  población, o como cuando en la cuali se llevan a cabo focus group o entrevistas en profundidad con un grupo de personas para conocer sus actitudes ante un determinado programa.

Por lo que hace a la investigación conceptual, comparte con la cuali que no utiliza datos numéricos con pretensión de validez estadística; pero aquello que la caracteriza de manera más profunda es que no  necesariamente realiza investigaciones de campo que afecten a individuos, poblaciones o colectivos humanos. En su lugar,  trabaja o bien con objetos de estudio distintos de poblaciones humanas (p.e. analiza interfaces de sistemas de información), o bien trabaja a nivel lógico/conceptual, por ejemplo con revisiones sistemáticas, o bien realiza investigación histórica mediante el análisis de documentos, por citar algunos ejemplo. Esto no significa que la investigación conceptual no utilice datos, o que no lleve a cabo estudios de caso, o incluso experimentos

La cuestión es que se trata de una forma de investigación que se utiliza en muchas disciplinas, desde la Física (p.e. los “experimentos mentales” de Einstein y de Galileo, y de tantos físicos teóricos ) hasta la Economía (p.e., los trabajos de Daron Acemoglu y James A. Robinson), pasando por el Derecho y las Ciencias Políticas (p.e. los trabajos de John Rawls) y por supuesto por la Filosofía (p.e. las “investigaciones filosóficas” de Wittgenstein, Thomas Kuhn o Karl Popper). La cuestión es que con frecuencia se soslaya la investigación conceptual cuando nos centramos en las diferencia entre cuali y cuanti. Tanto la cuali como la cuanti ya hemos dicho que tienen en común el hecho de trabajar con datos obtenido de investigaciones de campo, lo cual les otorga un inesperado parentesco cuando se comparan con la conceptual.

Por cierto, un experimento también es un caso de N=1 y nadie duda de su eficacia para hacer avanzar la ciencia. Eso sí, deben estar protocolarizados y documentados de modo que otros investigadores puedan replicar y, en su caso, falsar el experimento.


 

Artículo relacionado con aspectos de calidad en trabajos académicos

Lógica y persuasión en trabajos académicos