ESCUELA DE MTODOS DE ANLISIS SOCIOPOLTICO. METODOLOGA DE LA INVESTIGACIN EN CIENCIAS SOCIALES.

leticiamaria.ruiz@cps.ucm.es

La investigacin en CC.SS.
Investigamos para: Describir Explicar Predecir () y a veces, actuar

Caractersticas del conocimiento cientfico: Verificable o constatable empricamente General Provisional e incierto Sistemtico No normativo (evitar las valoraciones personales y normativas) Transmisible (hay que ofrecer a los lectores la capacidad de replicar la investigacin) Acumulable (se ha de conocer todo lo escrito sobre el tema)

Algunos errores y soluciones: Ambigedad: definicin clara y precisa del problema. Conceptos e hiptesis. Observaciones y conclusiones errneas: instrumentos de medicin y observacin adecuados. Exclusin de explicaciones relevantes: introducir en el anlisis todas las explicaciones relevantes. Razonamientos viciados: estar dispuesto a que la realidad contradiga nuestras expectativas. Sobre generalizacin: cuidar la seleccin de casos analizados (muchas veces se habr de acotar la investigacin al sesgo de los datos).

El problema de la multicolinealidad. Las variables ms importantes suelen estar relacionadas. Habr que avisar al lector, elegir una sola de las variables o aumentar el nmero de observaciones. Al optar por una variable, se habr de excluir la que menos impacto tiene. El problema de la endogeneidad. A causa B, pero B tambin causa A.

CLASIFICACIN DE TIPOS DE INVESTIGACIN EN CC.SS.

NO EMPRICA EMPRICA
Fuente: Shively (1998)

APLICADA Normativa Investigacin aplicada (ingeniera poltica o social)

NO APLICADA O BSICA Teora formal Investigacin orientada a la teora

El diagnstico en las investigaciones aplicadas tiene una segunda parte que es la de actuacin o intervencin en la realidad. Existe una falta de dilogo entre investigaciones. Se requiere un esfuerzo de actualizacin permanente.

tica de la investigacin en CC.SS.: Dao a los sujetos (no se puede aplicar programas exitosos a solo algunos grupos,) Stress psicolgico (cuidar las formas de tratar a la gente) Imposicin (y saturacin de determinados colectivos como los jueces centroamericanos-, que se acaba por traducir en un problema, aadido a la falta de feedback no puede ser que no se les aporte nada a los objetos de estudio; devolver algo-) Confidencialidad (no solo en la obtencin de los datos, sino tambin en el anlisis) Confusin de sujetos (muchas veces no se les puede aportar todos los datos de investigacin a los entrevistados,)

El problema de la investigacin
Tipos de problemas: o Tericos (conocer un fenmeno para comprenderlo, producir conocimiento y comprobar una teora) o Aplicados (tras ese conocimiento, le seguir una definicin de una estrategia de actuacin) Un tema de investigacin no es un problema de investigacin: o Eleccin del tema o Componentes del tema o Definicin del problema

Formulacin del problema: Claros y explcitamente formulados (escribir en un papel qu es lo que se quiere investigar)

Susceptibles de respuesta emprica para inferir de lo que se observa lo que no se puede observar Con importancia sustantiva (equilibrio en la aportacin terica y aplicada) Con valor terico Realistas

Eleccin del problema de investigacin: Intereses personales (pero no todo son stos) Trayectoria profesional (aprovechar la experiencia laboral previa) Coyuntura histrica (es importante aprovechar el tiempo histrico para temas de financiacin) Intereses colectivos (importante aunar nuestra agenda de investigacin con la agenda de la sociedad; debemos preocuparnos porque nuestros problemas tengan aplicaciones prcticas, pero tambin tener en cuenta cuanto se ha escrito sobre ese tema)

Estrategias para plantear un problema emprico-explicativo: Buscar las causas de un fenmeno (focus en la V.D.) Buscar las consecuencias de un fenmeno (focus en la V.I.) Analizar la relacin entre dos fenmenos (focus en la relacin)

Posibles mecanismos para generar las preguntas de investigacin: Rompecabezas intelectuales y contradicciones La literatura existente Rplicas Estructuras y funciones (preguntarse por las funciones de una institucin en diferentes lugares,) Oposiciones (ver el impacto de la existencia y la ausencia de una variable, xitofracaso,) Un problema social Diferencias entre las versiones oficiales y la realidad de la calle La contra intuicin Ejemplos empricos que generan asombro: casos atpicos, desviados Nuevos mtodos y teoras: cmo se aplicaran en nuevos escenarios (importar modelos de otros campos) Nuevos desarrollos: sociales y tcnicos Experiencia personal Patrocinadores y profesores

Formulacin terica y definicin de marco terico

Utilidad y definicin de una teora Proceso de formulacin de una teora Caractersticas de una teora Elementos de una teora

Hemos de ser oportunistas en trminos metodolgicos. Las teoras estn para utilizarlas, no al contrario. Nos sirven para ordenar lo catico de la realidad. Se construye teora para: Simplificar la realidad Comprender ( explicar) la realidad Realizar predicciones (un conjunto de expectativas que, de ser ciertas en teora, se van a cumplir)

Teoras

Generalizaciones empricas

Hiptesis

Observaciones

Inductivismo ciego: necesitamos hiptesis tericas, empricamente comprobables, con las que ir al campo, as como para la elaboracin de nuestros cuestionarios. Es necesario el equilibrio. De una afirmacin terica inspirada en la realidad, vayamos a nuestros datos (nuestra realidad), veamos si es cierta y reformulemos nuestra teora. Elementos de una teora:

Conceptos (idea abstracta; en muchos casos necesitan de un sobreesfuerzo de operacionalizacin) Variables: toda caracterstica observable y medible; son el ncleo de nuestras hiptesis, y encajan dentro de un determinado concepto. Se clasifican en dos tipos: o Dependiente: es la variable cuyos valores intentamos explicar o predecir o Independiente(s): es la variable(s) que causa(n) variacin en la dependiente Hiptesis (hilo conductor de nuestra investigacin)

Principales etapas de la investigacin: Definicin del problema y formulacin de la pregunta Elaboracin del marco terico (el momento de mostrar al lector que conocemos el estado de la cuestin y que tenemos un espritu crtico por el cual surge mi investigacin; aconsejable que no siga criterios cronolgicos o lineales, sino temticos): o Qu se ha escrito y qu se ha estudiado sobre el fenmeno a estudiar? o Cmo se ha estudiado? (cuales han sido los presupuestos de partida, los datos utilizados, las tcnicas) o Cules han sido las principales conclusiones tericas y empricas? Hay dos maneras de formar el marco terico. Una norteamericana: en un primer momento se plantea el marco terico, y despus se investiga. En las conclusiones se recoge cmo sta dialoga con el anterior. Una europea: ir introduciendo el marco terico segn avanza su investigacin. En el estilo norteamericano: o Primer captulo: Describir la definicin, operacionalizar. Principales resultados Explicacin. Principales resultados empricos Limitaciones Especificacin de hiptesis Tratamiento de conceptos y operacionalizacin de variables Definicin de una estrategia de investigacin: casos y tcnicas de obtencin de datos y de anlisis de datos Recogida de datos Anlisis e interpretacin de los resultados: contraste de hiptesis

La operacionalizacin de los conceptos

Concepto

Definicin

Definicin operativa

Valor de la unidad en la matriz de datos

La escala de generalidad de Sartori: en la definicin del concepto, la capacidad de generalizar es inversamente proporcional (no as del todo) a la intensidad del mismo (el nmero de atributos que le exijamos). Conceptualizacin, operacionalizacin y medicin: niveles y tareas:
Tareas Conceptualizacin Operacionalizacin Nivel 3: indicadores de las variables Medicin: asignacin de valores a los casos Nivel 4: valores de los casos Refinamiento de indicadores Nivel 1: concepto Nivel 2: definicin operativa y dimensiones Modificacin de la definicin operativa Tareas Revisin del concepto

La medicin en CC.SS.
Las variables pueden ser medidas segn un mayor o menor grado de abstraccin. Clasificacin de variables: Segn escala de medicin o Continua o Discreta Segn propiedades de los valores de la medicin o Nominal (maneja el principio de la identidad: reducir la investigacin a identificar si posee o no posee un determinado atributo; ej: pertenencia a un partido, sexo,) o Ordinal (cuyos atributos participan del anterior principio, pero adems tienen principio de transitividad: se puede ordenar en sentido mayor o menor; ej: nivel de estudios, intensidad de identificacin, Pero los nmeros indican orden, pero no cantidad. Es una construccin mental) o Intervalo (disfrutan de los dos primeros principios, pero tambin de la posibilidad de realizar operaciones matemticas que signifiquen algo, porque las unidades de medicin no son acuerdos del investigador; ej: inteligencia, temperatura,) (no confundir con variables presentadas intervalarmente) o Razn (son iguales que las anteriores pero el 0 significa la ausencia de algo; ej: nivel de ingresos, nmero de hijos,)

Un problema de medicin, es que algunas variables son de delicado tratamiento (ej: nivel de ingresos), por lo que se establecern rangos, que no deben ser demasiado amplios. Es preferente medir con la mayor riqueza de datos posible, y despus ya se decidir si agrupar o no los datos.

Tambin, segn lugar en la cadena causal (Sesin 3)

Retos del proceso de investigacin

Concepto de validez (sobre la bondad del proceso de medicin) y concepto de fiabilidad (sobre la calidad del proceso de operacionalizacin). Validez (qu se mide?): para que un concepto sea vlido ha de ser apropiado y completo. Hay variables que dificultan la absoluta validez: Especificidad contextual (espacio y tiempo)

Mtodos para asegurar-aumentar la validez: Validez de contenido: indicadores que utilizo se ajustan al contenido de mi concepto?, incluyen elementos inapropiados? (se logra preguntando a pblicos especializados y expertos) Validez convergente/discriminante: estn los resultados producidos por los diferentes indicadores de un concepto sistematizado asociados empricamente y por lo tanto son convergentes?, tienen estos indicadores una asociacin dbil con indicadores de otro concepto, de modo que se pueden discriminar estos indicadores de los primeros? o Con otros indicadores o Con un indicador estndar Validez de constructo o nomolgica: se confirma una hiptesis universalmente aceptada con los valores de este indicador?

La categorizacin de los valores ha de ser excluyente entre variables (la no explusin puede llevar a errores y confusiones). La fiabilidad: cmo se mide? Cmo estamos midiendo eso que se decidi medir en la operacionalizacin para dotar de contenido a mi variable. En los cuestionarios se suele preguntar lo mismo (o cosas parecidas) de varias maneras. Con esto se gana fiabilidad.

Mtodos para asegurar-aumentar la fiabilidad: Verificacin reiterada Formas alternativas de medicin Consistencia interna de diferentes medidas Mtodos de muestreo

Construccin de ndices
ndice: suma de varios indicadores.

Unidades de observacin
A veces pueden coincidir con las unidades de anlisis. Es recomendable, incluso cuando la investigacin sea de corte cualitativo, crear una matriz de datos. Ejemplo de matriz de datos:
Casos (unidades de anlisis) Variable 1 Variable 2 Variable 3 Propiedades o variables (unidades de variacin)

(n)

Observacin o valor o medicin Observacin Observacin Observacin

Observacin Observacin Observacin Observacin

Observacin Observacin Observacin Observacin

El propsito de una investigacin es observar si existe alguna variacin significativa en los valores de la variable dependiente a travs de las distintas unidades de anlisis y dar cuenta de esta variacin a travs de las diferentes variables significativas.
Ejemplo de unidades de variacin de anlisis y de medida:
Unidad de variacin variable Estado de Bienestar Volatilidad electoral Ideologa Federalismo o Unidad de anlisis Nacin Elecciones Partidos Estado Unidad de medida Gasto Social Cambio agregado en los votos Programas Reglas constitucionales

Hay dos grandes niveles de anlisis en CC.SS.: Micro o individual. Examina la actividad social, econmica, poltica, etc. de los individuos. Macro. Se centran en grupos de individuos, grupos de poder, clases, relaciones entre pases.

Tipos de variables segn puesto en la relacin causal: Variable dependiente (y): es la variable cuyos valores intentamos explicar o predecir: o Vara en funcin de las variaciones en la independiente (depende de ella) Variable independiente (x): es la variable que causa variacin en la dependiente: o Es la que afecta a la variable objeto de la investigacin

Cmo decidir cul es la variable dependiente (Y) y la independiente (X)?

Variaciones de la idea de que DESPUS no puede causar ANTES. Las variables que se congelan claramente en un punto suelen ser independientes Cuando X est ligada a un paso anterior en una secuencia conocida X nunca cambia e Y cambia algunas veces

Fuente: Davis 1985 Nomenclatura estndar de la posicin relativa de las variables

Z Antecedente: son las que preceden a la independiente X Independiente V Interviniente: aquellas que se ubican entre (X) e (Y). Son las que intervienen en la relacin, la fortalecen o la debilitan, pero en otro esquema pueden ser independientes (aunque no necesariamente). Si no tenemos conciencia de ellas y no las controlamos, atribuimos a (X) un impacto que se reparte junto a las intervinientes, recurriendo a una explicacin espuria Y Dependiente C Consecuente: Se ubica tras la dependiente.

La hiptesis de investigacin
Hiptesis: enunciado declarativo que indica explcitamente las relaciones que se esperan encontrar entre las variables. Es la respuesta tentativa a nuestra pregunta de investigacin. Siempre ha de haber una variable independiente y una variable dependiente, especificada una relacin de causalidad. Se debe pensar como enunciado explicativo (A cusa o influye B, intentando explicar por qu). X Hiptesis de ausencia de relacin: X no es causa de Y Y Hiptesis causales: X como causa de Y

X X

+ -

Y Y

* Causalidad positiva (a + de X + de Y; a - de X, - de Y) * Causalidad negativa o inversa

X +

Hiptesis de covariacin: X e Y tienden a cambiar simultneamente: Y * Covariacin positiva (varan con el mismo signo)

* Covariacin negativa (varan con el signo inverso)

Otros tipos de relacin entre variables: Relaciones espreas (se cree que X causa Y, pero se ignora el efecto de Z) Z X Z Y Causalidad indirecta Z Y

X W T

Causalidad mltiple o variada

Caractersticas de una buena hiptesis: las hiptesis han de ser enunciados: Empricos. Predicciones sobre relaciones que existen en el mundo real. Buscamos enunciados que se puedan comprobar. No se deben incluir ni conceptos muy abstractos, ni indicadores puros y duros. Generales. En la medida de lo posible, deben explicar un fenmeno general ms que uno particular. Plausibles. Que haya algn fundamento lgico para el establecimiento de esa relacin (o su ausencia).

Especficos. El investigador debe detallar tanto como le sea posible la relacin entre las variables de su hiptesis. Detallar como es la relacin, as como los mecanismos causales que median en dicha relacin. Consistentes con los datos. Se ha de saber que datos se pretenden utilizar antes de formular la hiptesis con la que se presentar la investigacin. Se ha de cuidar la existencia de indicadores vlidos (la investigacin de campo nos hace muchas veces replantearnos las hiptesis de investigacin). Comprobables o testables.

La causalidad en CC.SS. y su comprobacin

El tratamiento de los datos (cuantitativo o cualitativo) y la obtencin de los mismos son cosas diferentes. Ejemplo: las entrevistas no son mtodos cualitativos; en todo caso lo ser el tratamiento de los datos obtenidos, no la obtencin de los mismos. Una investigacin exitosa debe conseguir dos tipos de validaciones. Validez interna: si hay algo en nuestro diseo de investigacin que nos lleva a atribuir una relacin causal entre variables, mientras hay otras variables que tambin influyen. Problemas de sesgo, de omitir variables o de falta de control de las mismas. Validez externa: que las conclusiones de mis casos (n) se parezcan lo ms posible a la realidad de los casos (N). Tenemos cautela en la seleccin y tratamiento de casos. Hasta qu punto este tipo de decisiones pueden generalizar estas decisiones a otros casos de la realidad que no he observado. Tres mecanismos: El mtodo experimental El mtodo estadstico El mtodo comparado Los estudios de caso
Antes del tratamiento Grupo Experimental (G.E.) Grupo de control (G.C.) GEt1 GCt1 Tratamiento (V.I.) T No T Despus del tratamiento GEt2 GCt2 Diferencia (V.D.) Xe t2-Xe t1* Xc t2-Xc t1*

El mtodo experimental

*Si hay diferencia entre estos valores podemos atribuirlo a la variacin en los valores en la variable independiente (asumiendo que controlamos el resto de variables)

La experimentacin requiere la manipulacin controlada del objeto de estudio. Esto es imposible en la mayora de los casos. Mritos: elimina explicaciones rivales gracias al control experimental. Problemas intrnsecos: el control experimental es imposible para la mayor parte de los temas de CC.SS.

Los experimentos administrativos son algo pseudoexperimental (cuando responden, tiempo que tardan,).

Mtodo estadstico
Descubre las relaciones de causalidad entre variables, aunque no todos tienen esta finalidad. No manipulan realmente las variables, sino que lo hacen en trminos matemticos (esto se hace mediante la obtencin de series de datos). La relevancia de un buen marco terico es fundamental para armar una buena investigacin estadstica. Es poco inteligente introducir como variables las que tras el procesamiento de los datos, den significativas. Mritos: pueden tomar en consideracin muchos casos; reportar el nivel de certeza; confronta las explicaciones rivales mediante el control estadstico; mide el efecto individual de las variables independientes sobre la dependiente. Problemas intrnsecos: se necesita un nmero de casos suficiente; superficialidad; descontextualizacin; problemas de cuantificacin.

Mtodo comparado
Es necesario para temas donde queremos conocer con ms profundidad los mecanismos causales; no tanto para medir el impacto de las relaciones o definir la causalidad, sino para explicarla. No confundir con la actividad genrica de comparar. Requiere de una comparacin deliberada, y seleccin de casos como el mecanismo para controlar las variables. Es recomendable elegir los casos en funcin de la variable independiente. Mritos: un anlisis intensivo de pocos casos puede ser ms prometedor que un anlisis superficial estadstico de muchos casos. Problemas intrnsecos: dbil capacidad de confrontar explicaciones alternativas; en especial el problemas de muchas variables, pocos casos; los casos no siempre son comparables. Soluciones: o Aumentar el nmero de casos o Cuidadosa seleccin de casos o Reduccin del nmero de variables

Estudio de caso
Mrito: permite un examen intensivo de casos incluso con recursos limitados. Son ricos en la descripcin. Problemas intrnsecos: aportacin a la formacin de teoras inferior respecto de los estudios con ms casos. Tipos de estudio de caso: o Atericos o Interpretativos o Generadores de hiptesis o Que confirman una teora o Que debilitan una teora o Estudios de casos desviantes

TIPOS DE ESTRATEGIAS*
Estrategia Variables Unidades Principal Objetivo Describir Describir y algo de explicar Describir y explicar Capacidad de inferencias explicativas Baja Media Alta

ESTUDIO DE CASO COMPARACIN ESTADSTICO

Muchas Algunas Muchas

Una Algunas Muchas

* Dejamos fuera los empricos por su prctica imposibilidad.

La obtencin de informacin
Depende de nuestros objetivos de investigacin. Tipos de datos: Segn origen o Primarios: recogidos por los investigadores en funcin especfica de su investigacin. Siempre da ms prestigio. o Secundarios: datos ya existentes, elaborados para otro tipo de investigaciones, que tomamos de archivos, registros o bases de datos anteriores. El problema es que nos tenemos que adaptar a ellos. Segn nivel de anlisis o Agregado (cuando se refiere a algn tipo de constructo: partidos, sindicatos,) o Desagregado (si se refiere a individuos)

Principales tcnicas de recogida de datos: Tcnicas documentales (existe una enorme cantidad de soportes documentales, en la que la originalidad juega un papel importante) Cuestionarios o encuestas (proporcionan respuestas sobre hechos, opiniones, actitudes, percepcin, con preguntas abiertas, cerradas, filtro, control,; la tasa de respuesta son un problema para aquellos que no son administrados personalmente) Entrevistas Grupos de discusin (lo importante es que el discurso sea variado y representativo del tema de investigacin) Observacin

Contraste de hiptesis y limitaciones del mtodo cientfico

(VER FOTOCOPIA DEL DOSSIER)

Seis problemas complementarios derivados de la seleccin de casos de los sistemas que se comparan: Pocos casos y muchas variables: o Tres soluciones: Aumentar el nmero de casos, incluso reduciendo el tamao de nuestros constructos Usar el diseo de sistemas ms similares; el problema es: qu es comparable y en qu, en que variables me fijo Reducir el nmero de variables, centrndonos slo en un nmero de factores explicativos; mejor explicar mucho de poco, que poco de mucho. Son ms sugerente modelos con pocas variables explicativas Equivalencia en los conceptos e indicadores. Es posible identificar conceptos e indicadores para medir estos para establecer operaciones vlidas, pero hay casos en que no son posibles (izquierda y derecha significan lo mismo en todos los pases?; y a lo largo del tiempo?). Existen dos estrategias extremas: universalistas y relativistas; lo correcto sera una opcin intermedia, teniendo criterios ms profundos y poniendo cuidado a la hora de operacionalizar los conceptos dependiendo de la situacin espacio-temporal. Cuanto ms intentemos estirar ese concepto, perder profundidad en su significado. Estrategias: preguntarse por las definiciones autctonas Sesgos en la seleccin de casos. Cuando no elegimos aleatoriamente nuestros casos, y en la propia seleccin tenemos como consecuencia el sesgo de nuestras conclusiones. Soluciones: conocer casos paralelos; especificar ms detalladamente grupos de casos donde sucedera lo mismo; identificar casos donde es poco probable que esto suceda Explicaciones espurias: un factor que no hemos identificado explica el resultado. Soluciones: ser menos ambicioso y dar cuenta de los otros aspectos; disminuir la capacidad de generalizacin y preocuparnos por la profundidad del caso Falacias individuales y ecolgicas: tiene que ver con los saltos del nivel de medicin respecto a los datos; cmo interpretamos los datos. Solucin: intentar responder las preguntas con datos similares (niveles agregados o desagregados respectivamente) Sesgos de valor. Ninguno de nosotros somos neutrales, pero a veces es bueno conocerlo para intentar caminar hacia una objetividad. Es un problema ms centrado en la seleccin de nuestros casos

Las limitaciones del mtodo cientfico: Operacionalizacin de conceptos validez Obstculos a la observacin emprica fiabilidad Temtica no ausente de valores objetividad Cuantificacin como va para defender causalidad con certeza y calcular efectos de variables causalidad