1

Universidad de Buenos Aires Facultad de Ciencias Sociales Carrera de Sociologa

Documento de Ctedra No. 96

DISEANDO MATRICES Y REDES PARA EL DESPLIEGUE DE LOS DATOS CUALITATIVOS

Traduccin resumida de Betina Freidin, segundo cuatrimestre de 2015

Miles, M.B., A.M. Huberman , y J. Saldaa (2014) Designing Matrix and Network Displays, en Miles, M. B., A. M. Huberman, y J. Saldaa, Qualitative Data Analysis: A Methods Sourcebook. Los Angeles: Sage. Captulo 5.

CTEDRA DE METODOLOGA Y TCNICAS DE LA INVESTIGACIN SOCIAL

PROFESORA TITULAR: RUTH SAUTU

Este Documento de Ctedra forma parte de una serie que tiene como propsito contribuir a la formacin de alumnos de la Carrera de Sociologa de la Universidad de Buenos Aires en cuestiones vinculadas al diseo y realizacin de investigaciones cientficas en el campo de las ciencias sociales. Su contenido complementa los textos de metodologa de lectura obligatoria y optativa incluidos en cada uno de los tres cursos que se dictan en la Carrera. Estos documentos son material de uso interno y no pueden ser incorporados a ediciones impresas ni reproducidos comercialmente. La Ctedra solicita a los usuarios de estos Documentos que citen a sus autores indicando las referencias completas, es decir: autores, fecha, ttulo, nmero y tipo de documento (traduccin, resumen, elaboracin propia, etc.). En los casos en que el usuario utilice slo parte del documento, haciendo referencia a algunos de los autores/obras originales all incluidos, consignar que fue tomado de nuestro Documento de Ctedra. Por ejemplo: E. O. Wrigth (1985), Classes, London: Verso, citado en Documento de Ctedra 30, Plotno, G., Lederman, F. & Krause, M. (2007) Escalas Ocupacionales.

2

DISEANDO MATRICES Y REDES PARA EL DESPLIEGUE DE LOS DATOS CUALITATIVOS

Miles, M.B., A.M. Huberman , y J. Saldaa (2014) Designing Matrix and Network Displays, en Miles, M. B., A. M. Huberman, y J. Saldaa en Qualitative Data Analysis: A Methods Sourcebook. Los Angeles: Sage. Captulo 5.

Traduccin resumida de Betina Freidin, 2015.

Resumen del captulo

Este captulo aporta principios fundamentales para el diseo y el contenido de dos mtodos analticos de despliegue o exhibicin de los datos (display): (1) matrices y (2) redes. Estos mtodos condensan los principales datos y hallazgos de un estudio para avanzar en el anlisis y/o para representar y presentar las conclusiones.

Introduccin

Un texto largo, no reducido, en la forma de transcripciones de entrevistas, notas de campo y documentos es difcil de manejar debido a que se extiende en muchas pginas y en consecuencia no es fcil visualizarlo en su totalidad. Es un texto secuencial en lugar de uno simultneo, lo que dificulta visualizar dos o tres variable al mismo tiempo1. Comparar varios textos extendidos de manera detallada es muy difcil. (). Las mismas objeciones son aplicables an con mayor nfasis para los lectores de nuestros informes finales. Ellos necesitan, si no merecen, una modalidad de entrega (delivery) concisa de lo que hemos analizado. Y en esta cultura altamente visual, mostrar en lugar de contar puede tener un impacto ms efectivo y memorable en la audiencia.

Un propsito central de este texto es alentar a la creacin y diseminacin de la exhibicin de los datos cualitativos en forma de matrices y redes. El argumento central de este libro es uno sabe lo que exhibe o despliega. El anlisis creble y confiable requiere de, y es conducido por, despliegues que son lo suficientemente focalizados para tener una vista completa del conjunto de los datos en un mismo lugar, y que estn armados de manera sistemtica para responder a las preguntas de investigacin. Un conjunto completo de datos no significa por supuesto el corpus completo de las transcripciones de entrevistas, notas de campo, documentos, etc. Por el contrario, los datos condensados que se presentan son extrados del conjunto de personas, procesos y eventos bajo estudio. Con textos extendidos se puede hacer fcilmente un ordenamiento

1 - Nota de la traductora: los autores utilizan el trmino variable a lo largo del captulo; advertimos que en la investigacin cualitativa generalmente se prefiere utilizar el trmino dimensin analtica, tema o categora en lugar de variable. Cuando en la traduccin omitimos parte del texto original colocamos tres puntos entre parntesis ().

3

selectivo (selective stacking) de los datos. Un despliegue organizado puede protegernos de este problema.

La idea del despliegue es central en este libro. Por despliegue entendemos un formato visual que presenta informacin de manera sistemtica de modo tal que el usuario pueda extraer conclusiones y tomar acciones. Aunque a veces estos despliegues pueden llevar trabajo, nunca sern montonos. Lo ms importante es que las chances de extraer y verificar conclusiones son mucho mayores que para el caso del texto extendido, porque el despliegue se organiza de manera coherente para permitir hacer comparaciones cuidadosas, detectar diferencias, observar patrones y temas, tendencias, etc.

Los investigadores cuantitativos tienen programas de computacin para armar tablas, grficos y cuadros que son publicables. Los investigadores cualitativos tienen programas de anlisis de datos cualitativos que son adecuados para nuestros enfoques particulares de anlisis de los datos. Aun el programa bsico de Microsoft Office como el Word y el Excel son suficientes para la mayora de los despliegues en la forma de matrices y redes. Pero el analista cualitativo tiene que construir artesanalmente formatos de despliegues apropiados porque cada proyecto de investigacin es nico. Por eso, hay pocas formas acordadas y familiares de organizar los datos entre los investigadores cualitativos, y as es que cada uno tiene que adaptar los de otros o inventar nuevos. Las ideas sobre el despliegue de los datos que ofrecemos en este libro son nada ms que eso ideas, no prescripciones para la exhibicin de los datos.

No todos son amantes de las matrices y de la redes, y no todo el mundo piensa en trminos visuales. Pero desplegar los datos condensados de una manera sistemtica tiene inmensas consecuencias para la comprensin. Requiere que uno piense acerca de sus preguntas de investigacin y qu porciones de los datos son necesarios para responderlas; requiere que uno lleve a cabo un anlisis completo, ignorando la informacin que no es relevante; y focalice y organice la informacin de manera coherente. Estas ventajas se repiten cuando uno incluye los despliegues de los datos en el informe final, ya que el lector puede recrear nuestro viaje intelectual con cierta confianza.

Opciones de formatos

Decidir y generar el formato para desplegar los datos cualitativos son pasos iniciales importantes. El modelo es un bosquejo visual de agrupamientos, en el que se volcarn los datos. Los formatos pueden ser tan variados como lo sea la imaginacin del analista, pero los que describimos en este libro tienden a caer en dos familias principales:

1. Matrices, con columnas y filas definidas 2. Redes, una serie de nodos con vnculos (lneas y flechas) entre ellos.

4

Los datos que volcamos pueden tener mltiples formas: bloques cortos de texto, extractos verbatim de transcripciones, frases, etiquetas de variables, rankings, abreviaturas, cdigos, categoras, imgenes simblicas, flechas, etc.

Los formatos y el contenido dependern de lo que uno quiere comprender: una situacin general, cronologas detalladas, las acciones de las personas en roles diferentes, el interjuego entre variables, etc. Los formatos siempre dependern de las preguntas de investigacin y de los conceptos en desarrollo. (). Tambin dependen de cun lejos uno est en el estudio y lo que es prioritario en este momento. La necesidad puede ser explorar los datos de manera rpida (eyeballing data) o bien realizar un anlisis detallado; organizar los datos para luego usarlos en otro despliegue ms detallado; combinar datos paralelos en un nico caso; combinar datos de muchos casos; o para reportar los resultados. Un buen formato permitir todos estos usos hasta cierto punto pero inevitablemente servir ms para unos ms que para otros.

Matrices

Una matriz es esencialmente la interseccin de dos listados diseados como columnas y filas. Veamos un ejemplo. La siguiente matriz fue construida con Word (ver pgina siguiente), y su propsito es comprender los efectos de la asistencia brindada a una escuela el caso Masepapor varias fuentes. Este ejemplo fue parte de un estudio para el mejoramiento de una escuela en la que se observ la implementacin de un proyecto de innovacin. El formato de la matriz lleva al investigador a considerar cinco variables relacionadas, a distinguir dos de ellas de acuerdo al tiempo, a agrupar las respuestas, a ordenar las respuestas a lo largo de una escala evaluativa, y a explicar los patrones de respuestas para cada tipo de fuente de asistencia. De este modo, la informacin condensada de 30 pginas de notas de campo fue comprimida en una sola pgina.

Los datos presentados en la matriz son abstracciones, no hay extractos verbatim, y las generalizaciones y otras inferencias aparecen en las dos ltimas columnas. Las consecuencias de largo plazo y las Las explicaciones del investigador no son condensaciones directas de las observaciones de los participantes o de los investigadores. Por el contrario, para cada consecuencia, como la que figura en la primera fila, (los usuarios son ayudados administrativamente y sustantivamente; se sienten obligados de hacer el CMEL [Centro Modelo para Ensear a Leer, en espaol] con adaptaciones menores), el investigador observ los segmentos de datos de las tres columnas precedentes, chequeado si co-variaban en un patrn determinado, y extrajo generalizaciones de segundo orden. En este caso (vean la primera fila, primera columnaEdificio de administracin), temas como facilita la programacin (3), consulta, ofrece soluciones (4), alivia presiones, estimula (1), ayuda a la implementacin temprana (2), y las Evaluaciones de los usuarios de cdigos de magnitudes generalmente positivas todos sugirieron la recepcin de ayuda y un sentimiento de obligacin para una implementacin razonablemente confiable. Un proceso similar de inferencia inductiva ocurre en las Explicaciones del investigador.

110

Dis

pla

y 5.

1

Eff

ects

Mat

rix:

Ass

ista

nce

Loca

tio

n an

d T

ypes

(Mas

epa

Cas

e)

Loca

tio

nU

ser

s A

sses

smen

t Ty

pes

Pro

vid

edSh

ort

-Run

Eff

ects

(U

ser

s S

tate

)Lo

nger

-Run

C

ons

eque

nces

Res

earc

her

Exp

lana

tio

ns

Bui

ldin

g

Ad

min

istr

atio

n++ ++ - +

1. a

utho

rize

s ch

ang

es2.

eas

es s

ched

ules

3. c

ont

rols

fid

elit

y4.

co

nsul

ts, o

ffer

s so

luti

ons

1. r

elie

ves

pre

ssur

e, e

nco

urag

es2.

hel

ps

earl

y im

ple

men

tati

on

3. f

eelin

g p

olic

ed4.

fee

ling

bac

ked

-up

, su

bst

anti

ally

hel

ped

user

s ar

e he

lped

ad

min

istr

ativ

ely

and

su

bst

anti

vely

, fee

l ob

liged

to

do

EC

RI w

ith

min

or

adap

tati

ons

adm

inis

trat

ion,

aut

hori

ty,

serv

icin

g, a

vaila

bili

ty a

nd

flexi

bili

ty le

ad t

o s

usta

ined

, fa

ithf

ul im

ple

men

tati

on

mo

del

Cen

tral

Offi

ce

Ad

min

istr

atio

n+ ++

1. p

rom

ote

s E

CR

I2.

ans

wer

s b

uild

ing

ad

min

istr

atio

n, t

rain

ers

re

que

sts

1. p

ress

ures

no

n-us

ers

2. b

uild

ing

ad

min

istr

ato

rs h

ave

mat

eria

l, ad

min

istr

ativ

e su

pp

ort

pro

gra

m is

per

ceiv

ed

as s

upp

ort

ed, a

ssis

ted

, p

rote

cted

by

cent

ral

offi

ce

cent

ral o

ffice

ab

le t

o p

ush

pro

gra

m a

nd a

nsw

er

req

uest

s, y

et n

ot

per

ceiv

ed

as m

ain

acto

r b

y us

ers

Hel

pin

g T

each

er++ + ++ ++

1. p

rovi

des

mat

eria

ls

2. d

emo

nstr

ates

, mo

del

s3.

ans

wer

s re

que

sts

4. e

nco

urag

es5.

circ

ulat

es, c

ont

rols

1. r

educ

es e

ffo

rt, i

ncre

ases

re

per

toire

2. t

rain

s, f

acili

tate

s us

e3.

pro

ble

ms

solv

ed r

apid

ly4.

mai

ntai

ns le

vel o

f ef

fort

5. a

mb

ival

ent:

hel

ped

yet

coe

rced

new

, exp

erie

nced

use

rs

rece

ive

syst

emat

ic

inst

ruct

ion,

fo

llow

-up

, m

ater

ials

; sta

y w

ith

pro

gra

m a

nd a

re c

aref

ul

abo

ut m

akin

g c

hang

es in

it

per

sona

lized

in-s

ervi

ce

mec

hani

sm, w

ith

bo

th

trai

ning

and

ass

ista

nce

allo

ws

for

mas

tery

and

sp

read

of

EC

RI i

n f

aith

ful

form

at

Use

r-H

elp

ing

Teac

her

Mee

ting

s

++ + + +

1. c

om

par

ing

pra

ctic

es w

ith

oth

ers

2. d

ebug

gin

g, c

om

pla

inin

g

3. l

earn

ing

ab

out

new

par

ts4.

enc

our

agem

ent

1. e

nco

urag

es, r

egul

ates

2. c

atha

rtic

, so

lves

sho

rt-r

un

pro

ble

ms

3. e

xpan

ds

rep

erto

ire4.

get

s th

roug

h ro

ugh

mo

men

ts

crea

tes

refe

renc

e g

roup

, g

ives

use

rs a

vo

ice,

so

lves

o

ngo

ing

pro

ble

ms

and

lo

wer

s an

xiet

y

mul

ti-p

urp

ose

fo

rum

whi

ch

cons

olid

ates

use

and

use

rs,

def

uses

op

po

siti

on

Teac

her-

Use

rs in

O

ther

Sch

oo

ls:

Targ

et S

cho

ols

+ + +

1. s

hari

ng m

ater

ials

2. e

xcha

ngin

g t

ips,

so

luti

ons

3. c

om

par

ing

, enc

our

agin

g

1. i

ncre

ases

sto

ck2.

new

idea

s, p

ract

ices

; pro

ble

ms

solv

ed3.

mo

tiva

tes,

sti

mul

ates

incr

ease

s co

mm

itm

ent,

re

gul

ates

use

(dec

reas

es

dev

ianc

e)

add

itio

nal s

our

ce o

f as

sist

ance

, whi

ch in

crea

ses

as n

umb

er o

f us

ers

gro

ws

Trai

ners

in

Targ

et S

cho

ol,

Oth

er S

cho

ol

++ ++ + +

1. t

ips

for

pre

sent

atio

ns2.

so

luti

on

to s

hort

-ter

m

pro

ble

ms

3. e

nco

urag

es4.

ser

ves

as s

ucce

ssfu

l mo

del

1. f

acili

tate

s p

ract

ice

2. h

elp

s ex

pan

d b

eyo

nd c

ore

fo

rmat

3. m

aint

ains

eff

ort

4. s

tim

ulat

es

relia

ble

, unt

hrea

teni

ng

bac

kup

pro

vid

ed in

sch

oo

lel

abo

rate

and

eff

ecti

ve

late

ral n

etw

ork

: tra

iner

s se

en a

s p

eers

Leg

end

++

= v

ery

effe

ctiv

e+

= e

ffec

tive

=

mix

ed

effe

ctiv

e

= in

effe

ctiv

e

Sour

ce: M

iles,

M. B

., &

Hub

erm

an, A

. M. (

1994

). Qu

alita

tive

data

ana

lysi

s: A

n ex

pand

ed s

ourc

eboo

k (2

nd e

d.).

Tho

usan

d Oa

ks, C

A: S

age

Publ

icat

ions

.

Part II: Displaying the Data

5

En trminos generales, una matriz es una forma tabular de reunir y organizar los datos para visualizarlos de manera sencilla en un solo lugar, para permitir el anlisis detallado y facilitar el anlisis posterior entre casos comparables. A medida que avancemos en este captulo, veremos cmo las matrices pueden ordenar los datos por caso o por tema, y pueden organizar y apilar (stack) las celdas de manera tal de crear meta-matrices, que contienen filas mltiples en una fila nica, al igual que mltiples columnas en una nica columna.

Redes

Una red es un conjunto de nodos o puntos conectados por vnculos o lneas que muestran corrientes (streams) de acciones de los participantes, eventos o procesos. Las redes se prestan bien para los enfoques orientados hacia los casos que recrean el argumento (plot) de eventos en el tiempo, as como para mostrar interacciones complejas entre variables. Nos proporcionan el tipo de narrativas que tienden a ser cortadas (chopped up) analticamente en las matrices. Son muy tiles cuando uno quiere focalizarse en mltiples variables al mismo tiempo para analizarlas de una manera rpida.

A continuacin presentamos un modelo de red que extrajimos del estudio de McCammon et al. (2012) sobre cmo las clases de conversacin u oratoria (speech classes) en escuelas secundarias influenciaron y afectaron a los adolescentes y su desarrollo posterior como adultos tras la graduacin. La red es un bosquejo de puntos en el argumento (plot points) que acompaa a una narrativa analtica.

La teora en este estudio, sugerida por los nodos ovales es la siguiente: cuando los adolescentes se anotan en clases de conversacin ganan confianza como adolescentes y adultos. Pero este argumento es demasiado escueto y necesita ser desarrollado con una narrativa analtica. Los nodos rectangulares conectados con las clases de conversacin

Adolescentes

Confianza como adolescente y

adulto Buen asesoramiento Sentimiento de

pertenencia

Competencias

Amistades

Ganar

Aceptacin y estatus

Efectos positivos Clases de conversacin

6

indican que el contenido debe ser conducido por un profesor que brinde buen asesoramiento (coaching). Los estudiantes tambin deben sentir que son parte de una comunidad en la clase a travs de un sentimiento de pertenencia.

No todos, sino algunos de los estudiantes participaron de estos torneos o competencias extracurriculares de conversacin u oratoria (debate, lenguaje extemporneo, interpretacin oral de textos literarios, etc.). Por eso, se distingue una trayectoria o corriente separada en la red. Los participantes dieron testimonio que a travs de la participacin en estos eventos desarrollaron amistades, un sentimiento de aceptacin y de estatus, y de este modo efectos positivos, especialmente para aquellos que alcanzaron logros como ganadores en esos eventos competitivos. Independientemente de ser o no ganadores, el resultado fue el desarrollo de confianza, tanto en la adolescencia como en la adultez. Las flechas dobles en la red sugieren efectos interactivos y cclicos. ()

Las redes tambin son herramientas heursticas efectivas para anlisis ms complejos como el discernimiento de causas, el anlisis de tendencias longitudinales, el desarrollo de hiptesis y teoras. () Algunos programas de anlisis de datos cualitativos pueden ser de gran ayuda para la construccin de redes complejas. ()

El momento para disear los despliegues

Los despliegues analticos pueden ser desarrollados durante o despus de la reunin de los datos. Pueden proporcionar hallazgos preliminares de lo que nos va sugiriendo el anlisis del caso dando direcciones para la bsqueda de nuevos datos. Ms tarde, a medida que tenemos descripciones ms completas, estos despliegues pueden aportar el material bsico para explicaciones de un nivel superior, esto es, razones plausibles de cmo suceden los acontecimientos. Estos materiales ayudan a economizar energa al facilitar focalizar la reunin posterior de datos, ya que sabemos qu datos necesitaremos. Sin embargo, hay ciertas advertencias sobre este punto. Primero, los datos cualitativos se modifican (evolve); los relatos o explicaciones posteriores completan, cualifican, ponen en perspectiva o descartan a las primeras. Los analistas exploran, investigan, y miran los datos desde distintos ngulos. Por lo tanto, existe el riesgo de incorporar los datos en un determinado formato demasiado pronto. Segundo, para cada pregunta de investigacin o tema, se pueden disear muchos despliegues diferentes (literalmente, docenas) usando el mismo conjunto de variables. En cada despliegue hacemos supuestos ligeramente diferentes y, por lo tanto, cada uno tiene sus pros y sus contras. Tercero, casi siempre los formatos de los despliegues se van modificando a lo largo de la investigacin. Los ltimos van a ser ms sensibles a los datos que los primeros, a medida que obtenemos mayor claridad.

Por lo tanto, nuestro consejo general es generar formatos preliminares durante la reunin de los datos y luego revisarlos en su formato definitivo a medida que nos acercamos al final del trabajo de campo, cuando pueden fundamentarse mejor tanto en trminos empricos como contextuales. Es esperable que hagamos varios intentos hasta que el primer formato funciones bien. Hay que probar el formato tentativo incorporando

7

los datos. Los formatos que no funcionan o son confusos, o aquellos que no incorporan todos los datos relevantes, se van a detectar fcilmente.

Dando forma a la matriz

No hay cnones fijos para construir una matriz. Por el contrario, la construccin de una matriz es una tarea creativa pero sistemtica que permite progresar en la comprensin de la sustancia y los significados de los datos, aun antes que se incorpore la informacin a la matriz. Por lo tanto, el punto no es si estamos construyendo la matriz correcta sino si es una matriz til que ayudar a dar respuesta a las preguntas de investigacin que nos hacemos, o que sugiere caminos nuevos y promisorios de presentar los datos para obtener respuestas. En un sentido ms profundo, el mensaje de este libro nos es hay que usar matrices sino piense sobre posibles despliegues; adapte e invente formatos que sean los ms tiles. () En lugar de presentar prescripciones rgidas, damos algunos consejos amistosos para lograrlo:

Preste atencin a su pregunta o preguntas de investigacin y a las variables centrales, y piense acerca de los datos que estn disponibles o lo estarn. Bosqueje un formato de matriz tentativo con lpiz y papel.

Procure que un colega mire ese formato inicial, para que lo ayude a detectar los supuestos que est haciendo y para que pueda sugerirle formas alternativas de desplegar los datos.

Arme el modelo de matriz utilizando un procesador de textos, un programa para el manejo de bases de datos, o para el anlisis de datos cualitativos. Trate que el formato sea visible de manera completa en la pantalla de su monitor o en una slo hoja de papel, siempre que sea posible. La idea es que usted pueda visualizar la matriz completa de una vez.

No trate de incluir ms de una docena de variables en las hileras o las columnas, cinco o seis es un nmero ms manejable. Caso contrario planifique agruparlas o dividirlas como meta-matrices. En efecto, reagrupe la matriz en familias adyacentes.

Las matrices ms simples se organizan en dos dimensiones. Se puede optar por una complejidad mayor si los datos lo demandan mediante la creacin de divisiones para armar meta-matricesesto es, hileras dentro de hileras o columnas dentro de columnas. ().

Siempre mantngase abierto a la idea de agregar nuevas columnas o hileras. Mantenga las columnas y las hileras con un grado de detalle (fine grained)

suficiente para acomodar diferencias significativas en los datos pero no en exceso para no quedar enterrado bajo una cantidad de detalles indiscriminados.

Tenga presente que cualquier pregunta de investigacin puede requerir una serie de despliegues; por ejemplo, una matriz inicial descriptiva parcialmente ordenada puede conducir a una pequea tabla o cuadro que resuma su contenido y posteriormente a un despliegue en formato de red. Anticipe esta posibilidad,

8

pero deje lugar a que surjan nuevos formatos de matrices a medida que el anlisis progresa. () Incorporando los datos a la matriz y las redes () Una matriz o red completa puede parecer coherente, plausible y fascinante pero si los datos fueron reunidos o volcados de manera deficiente, se puede dudar de las conclusiones a las que se arribe. Ofrecemos algunas guas para incorporar los datos en las matrices y en las redes:

Siempre hay una gran parte de seleccin y condensacin del volumen de las notas de campo o transcripciones, aun en las matrices con formatos ms densos. Tenga cuidado en cmo hace la seleccin e incorpora los datos. Usted no estar descartando los datos que no incorpora, siempre puede volver a los datos completos.

Ms informacin es mejor que menos: celdas con muy poca carga lo alejarn del significado de los datos.

Sea claro sobre la forma y tipo de datos que quiere volcar: extractos verbatim, parafraseos, evaluaciones generales resumidas, ratings, etc.

Utilice los cdigos o las funciones de bsquedas de los software para ubicar los materiales ()

Mantenga un registro de las reglas de decisin en la seleccin de los segmentos de los datos que va a incorporar (). Caso contario, estas decisiones se pueden perder retrospectivamente.

Si hay datos que faltan, son ambiguos, o no fueron indagados con ciertos entrevistados, mustrelo efectivamente en el despliegue.

No cierre el formato hasta ms adelante. A medida que va incorporando los datos puede ver la adecuacin del formato, su realismo y utilidad. Siga revisando el formato si es necesario. ()

Dele el formato a un colega para que lo revise, junto con las reglas de decisin y sus notas de campo para chequear la adecuacin del procedimiento que sigui. ()

A continuacin presentamos ejemplos del nivel y tipo de datos que puede incorporar en una matriz:

Verbatim de entrevistas, extractos de notas de campo

Los cirujanos son bsicamente machistaslos mejores, quiero decir. Tienen que serlo, no pueden evitarlo.

Resmenes, parafraseos, o sntesis El activismo del paciente parece generar desconfianza. Las reglas para el uso del tiempo de los residentes generalmente son ignoradas.

Explicaciones del investigador La incertidumbre del paciente respecto del

9

diagnstico es una funcin de las condiciones de salud en la que est en riesgo la vida y del uso de la negacin como defensa.

Ratings o evaluaciones resumen Reduccin del comportamiento de riesgo despus de un bypass cardiovascular: empeora, no cambia, mejora, mejora mucho

Combinaciones Reduccin de riesgos: mejor. Dieta (Ni siquiera com brcoli), algo de ejercicio (camina 20-30 minutos diarios), y cigarrillo (redujo, est considerando usar un parche de nicotina)

Haciendo inferencias y extrayendo conclusiones de las matrices y las redes

El test que debe pasar cualquier despliegue es que nos ayude a comprendery a evaluar cun confiable es esa comprensin. En los prximos captulos desarrollamos varias tcticas especficas para extraer conclusiones y verificaciones. Aqu ofrecemos unas recomendaciones generales preliminares:

Es til empezar con una revisin rpida de las columnas e hileras y de las relaciones trazadas en la red para ver que surge. Luego hay que verificar, revisar o descartar las primeras impresiones a travs de una revisin ms cuidadosa.

Todo despliegue tendr tcticas mltiples implicadas en su construccin. Las que hemos usado con mayor frecuencia para extraer las primeras conclusiones son la identificacin de patrones, hacer contrastes, comparaciones, agrupamientos, y el conteo.

Los despliegues nunca hablan por s mismosni para uno ni para el lector; siempre son necesarios textos que acompaen a los despliegues. Mientras las conclusiones van apareciendo en su mente, siempre escriba un texto explicativo. Haga explcitas sus conclusiones. El proceso de escritura inevitablemente conduce a la reformulacin, agrega claridad e ideas para el anlisis posterior. Escribir es en s mismo una forma de anlisis.

Las primeras conclusiones casi siempre necesitan ser chequeadas con las notas de campo. Si la conclusin no suena verdadera en ese nivel ms cercano al dato en bruto es que necesita revisin. Tambin puede chequear con sus colegas y los mismos participantes, cuando sea posible.

Una conclusin temprana tpicamente necesita confirmacin, chequeo y verificacin. Las tcticas empleadas ms frecuentemente son: hacer un seguimiento de datos sorprendentes, triangular, haciendo tests hipotticos, y tener en cuenta explicaciones alternativas.

Asegrese que la comprensin descriptiva es clara al nivel del caso individual antes de intentar comprender patrones entre casos.

Recuerde que el anlisis generalmente tiene que ir ms all de resmenes descriptivos para moverse hacia la explicacin. Clarifique las implicaciones conceptuales de sus conclusionesesto es, cmo se conecta con su teora o la de

10

otros sobre el comportamiento social. Los anlisis que son verificables pero pobres en aportar conclusiones interpretativas son de poca utilidad.

Las conclusiones acerca de los despliegues de datos aparecen generalmente en lo que llamamos textos analticos o narrativos. La narrativa analtica lleva la atencin a los elementos de los despliegues dndoles sentido, unindolos y permiten al analista extraer conclusiones y agregar interpretaciones. Tambin estimula a volver a los datos para consultar informacin que no est contenida en el despliegue y agregarla al texto con propsitos de aumentar la claridad. (). De hecho, el acto de escribir un texto mientras da vueltas sobre el significado del despliegue es en s mismo un dispositivo para focalizar y avanzar en el anlisis. Escribir no viene despus del anlisis. Es anlisis, que transcurre a medida que el investigador piensa acerca del significado de los datos contenidos en el despliegue. Escribir es pensar, no el reporte de cmo pensamos.

Mantngase abierto a la pregunta si el formato del despliegue que utiliza para el anlisis ser el mismo que utilizar en el informe final (la respuesta frecuente es s). Los lectores pueden ver por s mismos cmo se extrajeron las conclusiones, en lugar de proporcionrseles un resumen de los resultados del estudio que tienen que tomarse sobre la base de la fe. A veces, por supuesto, el despliegue ser utilizado con propsitos intermedios en el anlisis y no necesariamente ser mostrado a los lectores.

() Cuando las matrices o redes bsicas no son presentadas en el informe, usted le debe al lector una explicacin clara de los mtodos de anlisis que utiliz para construir el texto analtico. En todo caso, recuerde que el lector necesita de despliegues visuales. Lo mejor que podemos hacer es citar a Tufte (1986), hablando principalmente del trabajo cuantitativo pero con relevancia para los investigadores cualitativos:

Lo que estamos buscando en los despliegues de grficos y tabulados es un retrato claro de la complejidad. No la complicacin de lo simple; por el contrario, la tarea de diseador es dar acceso visual a lo sutil y sus dificultadesesto es, revelar lo complejo (p.80).

Y siguiendo el refrn popular, las cosas pueden ser complejas sin ser complicadas.

().

_____________________________________________________________________

11