Estatística na Investigación Cualitativa
A investigación cualitativa adoita entenderse como unha abordaxe que se centra no significado, a experiencia, o contexto e os procesos sociais. Por este motivo, algunhas persoas consideran que as estatísticas son irrelevantes na investigación cualitativa ou mesmo contrarias ao espírito cualitativo, que enfatiza a profundidade por riba dos números. Non obstante, na práctica, as estatísticas poden desempeñar un papel crucial na investigación cualitativa, non para «transformar» o cualitativo en cuantitativo, senón para axudar aos investigadores a resumir datos, clarificar patróns, fortalecer argumentos e aumentar a transparencia da análise.
Este artigo analiza como se pode empregar axeitadamente a estatística na investigación cualitativa, os tipos de estatísticas que se empregan habitualmente e as limitacións e a ética do seu uso para garantir que se manteñan en consonancia cos obxectivos da investigación cualitativa.
1. Comprender a posición da estatística na investigación cualitativa
A investigación cualitativa ten como obxectivo obter unha comprensión máis profunda dos fenómenos a través de datos como entrevistas, observacións, documentos, notas de campo ou artefactos culturais. Os datos cualitativos xeralmente adoptan a forma de narrativas, non de números. Non obstante, as estatísticas descritivas poden ser útiles cando os investigadores codifican, agrupan temas ou calculan a frecuencia de aparición de categorías.
O uso da estatística na investigación cualitativa non require que os investigadores comproben rigorosamente as hipóteses como na investigación cuantitativa. O obxectivo é apoiar a interpretación: mostrar tendencias, proporcións ou variacións que xorden dos datos, mantendo as citas, o contexto e as explicacións no centro da discusión.
2. Estatística descritiva: a forma máis común
As estatísticas que se presentan con maior frecuencia na investigación cualitativa son as estatísticas descritivas, por exemplo:
– Número de participantes en función de determinadas características (idade, profesión, antigüidade).
– Frecuencia de aparición de temas ou códigos na transcrición.
– Porcentaxe de enquisados que mencionaron un problema en particular.
– Distribución dos lugares de observación ou dos tipos de documentos analizados.
Un exemplo sinxelo: nun estudo cualitativo de experiencias de traballo remoto, un investigador podería afirmar que «dos 20 participantes, 14 destacaron a cuestión dos límites entre o traballo e a vida persoal»; despois, o investigador continúa con citas e interpretacións de por que esa cuestión era dominante e como o contexto difería entre os grupos.
As estatísticas descritivas axudan aos lectores a comprender o "mapa" dos datos: a amplitude coa que xorden os temas, que temas se tratan con máis frecuencia e se existen diferenzas nos patróns entre os participantes.
3. Cuantificación de datos cualitativos: cando é útil?
Na análise cualitativa, a cuantificación pode ser útil cando:
1. Aumentar a transparencia da análise
Os lectores poden ver que os achados non se basean só en unhas poucas citas, senón que proveñen dun patrón bastante consistente.
2. Comparar grupos de xeito exploratorio
Por exemplo, comparar temas que xurdiron en entrevistas entre profesores novatos e experimentados. Isto non se fai para unha xeneralización estatística, senón para xerar preguntas e explicacións máis matizadas.
3. Admite métodos mixtos
Nos deseños mixtos, os datos cualitativos pódense procesar en categorías que logo se analizan brevemente con números ou, pola contra, os resultados cuantitativos pódense profundizar mediante entrevistas.
Non obstante, a cuantificación non debería substituír a profundidade. Os temas que raramente se atopan poden ser incriblemente importantes, por exemplo, as experiencias de discriminación que só unhas poucas persoas experimentan, pero que teñen un impacto significativo.
4. Técnicas estatísticas que se poden empregar
Aínda que a investigación cualitativa non se centra na inferencia estatística, algunhas técnicas sinxelas pódense usar con precaución:
– Frecuencia e porcentaxe: contabilizar a aparición de códigos ou temas.
– Tabulación cruzada simple: por exemplo, o tema «estrés laboral» apareceu máis nos participantes que traballaban máis de 10 horas ao día.
– Media ou mediana: para datos demográficos ou características dos participantes que son numéricos, como a duración da experiencia.
– Visualización: gráficos de barras, táboas resumo ou mapas temáticos que presentan un resumo de patróns.
Se os investigadores empregan software como NVivo, ATLAS.ti, MAXQDA ou mesmo follas de cálculo, as funcións de reconto de frecuencia de código e matriz de comparación de categorías resultan moi útiles. Non obstante, estas cifras deben interpretarse como «indicacións de patróns nos datos analizados», non como evidencia estatística para a poboación.
5. Estatística e análise de contido
Unha das áreas das abordaxes cualitativas máis "amigables para as estatísticas" é a análise de contido, especialmente a de natureza cualitativo-cuantitativa. Os investigadores poden codificar documentos (por exemplo, noticias, publicacións nas redes sociais, políticas institucionais) e despois contar a frecuencia de aparición de certas categorías.
Exemplo: un estudo da cobertura da saúde mental nos medios en liña. Os investigadores poderían identificar categorías como "estigma", "apoio profesional", "narrativas de curación" ou "sensacionalismo". Despois da codificación, os investigadores poden presentar a proporción de categorías por medio ou período de tempo. Posteriormente, os investigadores aínda deben proporcionar unha lectura en profundidade da linguaxe, o encadre e o contexto sociopolítico subxacente.
6. Mantemento da calidade da investigación: fiabilidade e validez da versión cualitativa
Na investigación cualitativa, a calidade adoita abordarse a través de conceptos como credibilidade, transferibilidade, fiabilidade e confirmabilidade. A estatística pode axudar con algúns aspectos, en particular co proceso de codificación:
– Acordo entre codificadores
Se máis dun investigador codifica os datos, as cifras de concordancia (por exemplo, a porcentaxe de concordancia ou un coeficiente específico) poden indicar a coherencia. Isto é útil, especialmente na análise de contido ou na investigación en equipo.
Non obstante, os investigadores deben ter coidado: unha alta concordancia non significa automaticamente unha interpretación "correcta". Simplemente indica coherencia na aplicación das definicións de código. Polo tanto, as discusións entre os codificadores, as pistas de auditoría e a reflexividade seguen sendo esenciais.
7. Limitacións e riscos do uso das estatísticas
Existen varios riscos se se empregan as estatísticas sen consideracións metodolóxicas:
1. Reducionismo
Os datos cualitativos son ricos en contexto; centrarse demasiado nos números pode facer perder matices, contradicións e dinámicas.
2. Ilusión de xeneralización
Unha alta frecuencia nunha mostra pequena non significa necesariamente que se aplique á poboación en xeral. A investigación cualitativa non adoita estar deseñada para a xeneralización estatística.
3. Ignorar temas menores pero significativos
Os temas que raramente emerxen poden indicar as experiencias de grupos vulnerables, conflitos ocultos ou fenómenos que son difíciles de descubrir.
4. Malinterpretación por parte do lector
Os lectores poden ter a tentación de interpretar os números como unha medida de certeza. Polo tanto, os investigadores deben explicar que os números simplemente resumen patróns nos datos que se analizan.
8. Boas prácticas: integrar números e narrativa
Para que as estatísticas se aliñen coa investigación cualitativa, pódense aplicar as seguintes boas prácticas:
– Explicar a finalidade do uso de números: xa sexa para a creación de temas, a comparación exploratoria ou a transparencia.
– Incluír o proceso de codificación: definicións de código, exemplos de citas e pasos de análise.
– Empregar os números proporcionalmente: as táboas concisas están ben, pero a narrativa interpretativa segue a ser o núcleo.
– Asegúrate de que o contexto permaneza presente: os números sempre van seguidos de explicacións de «por que» e «como».
– Inclúe citas representativas: non só as «interesantes», senón as que mostren patróns e variacións.
Conclusión
A estatística na investigación cualitativa non é o inimigo, senón unha ferramenta de apoio que pode enriquecer a análise cando se usa axeitadamente. Mediante a estatística descritiva, a cuantificación simple e a visualización, os investigadores poden resumir claramente os datos e aumentar a transparencia dos resultados. Non obstante, a investigación cualitativa segue baseándose no significado, o contexto e a interpretación en profundidade. Polo tanto, os números deben tratarse como un complemento, axudando a clarificar patróns sen diminuír as voces dos participantes nin a complexidade dos fenómenos sociais que se estudan.
Cando se usan con prudencia, as estatísticas poden ser unha ponte: conectan o poder narrativo da investigación cualitativa cunha forma máis sistemática, comprensible e responsable de presentar os resultados.
