Recogida de datos - ¿Qué es y por qué es importante?

Los datos recogidos para el estudio sirven de base para el análisis de la investigación. Recopilar datos de forma transparente y minuciosa nutre el resto de la investigación y la hace convincente para el público.

Examinaremos el proceso de recopilación de datos, los métodos de recopilación de datos que existen en la investigación cuantitativa y cualitativa, y las diversas cuestiones en torno a los datos en la investigación cualitativa.

Los datos en la investigación

A la hora de definir los datos, éstos pueden ser cualquier tipo de información que las personas utilizan para comprender mejor el mundo que les rodea. Disponer de esta información nos permite extraer conclusiones sólidas y verificarlas, en lugar de basarnos en conjeturas a ciegas o ejercicios de reflexión.

Necesidad de saber recopilar datos

La recopilación de datos es fundamental para el objetivo fundamental de la investigación como vehículo para organizar el conocimiento. Aunque esto pueda parecer intuitivo, es importante reconocer que los investigadores deben ser tan hábiles en la recopilación de datos como en su análisis.

Recoger los datos adecuados

En lugar de limitarse a recopilar tantos datos como sea posible, es importante recopilar datos que sean relevantes para responder a la pregunta de investigación. Imaginemos una pregunta de investigación sencilla: ¿qué factores tiene en cuenta la gente a la hora de comprar un coche? No sería posible preguntar a todas las personas sobre sus compras de coches. Incluso si fuera posible, no todo el mundo conduce un coche, por lo que preguntar a los que no conducen parece improductivo. En consecuencia, el investigador que realiza un estudio para elaborar informes de datos y estrategias de marketing tiene que tomar una muestra de los datos pertinentes para garantizar la fiabilidad del análisis y las conclusiones.

Ejemplos de recogida de datos

En términos generales, cualquier tipo de recogida de datos contribuye al proceso de investigación. En cualquier trabajo científico, los investigadores no pueden llegar a conclusiones empíricas sin basarse en algún conjunto de datos para emitir juicios racionales.

Entre los diversos ejemplos de recopilación de datos en las ciencias sociales se incluyen:

• respuestas a una encuestasobre la satisfacción con un producto
• entrevistas a estudiantes sobre sus objetivos profesionales
• reacciones a un régimen experimental de suplementos vitamínicos
• observaciones de interacciones y prácticas en el lugar de trabajo
• datos de grupos focales sobre el comportamiento de los clientes

La ciencia de datos y la investigación académica tienen posibilidades casi ilimitadas de recopilar datos, y el requisito principal es que el conjunto de datos sea relevante para la pregunta de investigación y esté claramente definido. Así, los investigadores deben descartar cualquier dato irrelevante para poder desarrollar nuevas teorías o conclusiones clave.

Tipos de datos

Los investigadores pueden recopilar datos ellos mismos (datos primarios) o utilizar datos de terceros (datos secundarios). Las consideraciones relativas a la recopilación de datos sobre con qué tipo de datos trabajar tienen una relación directa con la pregunta y los objetivos de la investigación.

Datos primarios

La investigación original se basa en datos de primera mano, o datos primarios que el propio investigador recopila para su propio análisis. Cuando uno mismo recopila la información en un estudio primario, tiene más probabilidades de obtener la alta calidad que necesita.

Dado que el investigador es el más consciente de la investigación que desea llevar a cabo y ha adaptado el proceso de investigación a su investigación, la recopilación de datos de primera mano tiene el mayor potencial de congruencia entre los datos recopilados y la posibilidad de generar perspectivas relevantes.

La investigación etnográfica, por ejemplo, se basa en la recopilación de datos de primera mano, ya que la descripción de una cultura o un grupo de personas se contextualiza a través de una comprensión global del investigador y de su posición relativa en esa cultura.

Datos secundarios

Los investigadores también pueden utilizar datos secundarios disponibles públicamente que otros investigadores han generado para analizarlos siguiendo un enfoque diferente y producir así nuevas percepciones. Las bases de datos en línea y las revisiones bibliográficas son buenos ejemplos en los que los investigadores pueden encontrar datos existentes para llevar a cabo una investigación sobre un tema hasta ahora inexplorado. Sin embargo, es importante tener en cuenta la exactitud o pertinencia de los datos cuando se utilizan datos de terceros, dado que el investigador sólo puede realizar un control de calidad limitado de los datos que ya se han recopilado.

Grandes datos

Una consideración relativamente nueva en la recopilación y el análisis de datos ha sido la llegada de los big data, en los que los científicos de datos emplean procesos automatizados para recopilar datos en grandes cantidades.

La ventaja de recopilar datos a gran escala es que un análisis exhaustivo de un mayor volumen de datos puede generar conclusiones más generalizables. No obstante, se trata de una tarea ardua de enormes proporciones porque requiere mucho tiempo. Además, requiere científicos de datos cualificados para cribar grandes conjuntos de datos con el fin de filtrar los datos irrelevantes y generar ideas útiles. Por otro lado, es importante que los investigadores cualitativos consideren cuidadosamente sus necesidades de amplitud de datos frente a las de profundidad: Los estudios cualitativos suelen basarse en un número relativamente pequeño de participantes, pero se recogen datos muy detallados de cada uno de ellos, ya que comprender el contexto específico y las interpretaciones o experiencias individuales suele ser de vital importancia. Al utilizar big data, esta profundidad de datos suele sustituirse por una mayor amplitud de datos que incluye un número mucho mayor de participantes. Los investigadores deben tener en cuenta su necesidad de profundidad o amplitud para decidir qué método de recopilación de datos es el más adecuado para responder a su pregunta de investigación.

Métodos de recogida de datos

Existen diferentes procedimientos de recogida de datos dependiendo de la investigación que quiera llevar a cabo. Exploremos los métodos comunes de recogida de datos en la investigación cuantitativa y cualitativa.

Métodos cuantitativos de recogida de datos

Los métodos cuantitativos se utilizan para recopilar datos numéricos o cuantificables. A continuación, se pueden procesar estadísticamente para probar hipótesis y obtener información. La recopilación de datos cuantitativos suele tener como objetivo medir un fenómeno concreto (por ejemplo, el grado de notoriedad de una marca en el mercado, la eficacia de una dieta determinada, etc.) para probar hipótesis (por ejemplo, las campañas de marketing en redes sociales aumentan la notoriedad de la marca, comer más frutas y verduras mejora el rendimiento físico, etc.).

Algunos métodos cualitativos de investigación pueden contribuir a la recopilación y el análisis de datos cuantitativos. Las encuestas en línea y los cuestionarios con preguntas de opción múltiple pueden producir datos estructurados listos para ser analizados. Una plataforma de encuestas como Qualtrics, por ejemplo, agrega las respuestas de la encuesta en una hoja de cálculo para permitir el análisis numérico o de frecuencias.

Métodos de recopilación de datos cualitativos

El análisis de datos cualitativos es importante para describir un fenómeno (por ejemplo, los requisitos de las buenas prácticas docentes), lo que puede conducir a la creación de proposiciones o al desarrollo de una teoría. Los datos de comportamiento, los datos transaccionales y los datos procedentes del seguimiento de los medios sociales son ejemplos de diferentes formas de datos que pueden recopilarse cualitativamente.

También es importante tener en cuenta las herramientas o el equipo de recogida de datos. Los métodos de recopilación de datos primarios en la investigación observacional, por ejemplo, emplean herramientas como grabadoras de audio y vídeo, cuadernos para escribir notas de campo y cámaras para tomar fotografías. Siempre que los productos de estas herramientas puedan analizarse, pueden incorporarse a la recogida de datos de un estudio.

Empleo de múltiples métodos de recogida de datos

Además, los investigadores cualitativos rara vez confían en un único método de recogida de datos. Los investigadores etnográficos, en particular, pueden incorporar la observación directa, las entrevistas, las sesiones de grupos focales y la recopilación de documentos en su proceso de recopilación de datos para producir los datos más contextualizados para su investigación. La investigación con métodos mixtos emplea múltiples métodos de recogida de datos, incluidos datos cualitativos y cuantitativos, junto con múltiples herramientas para estudiar un fenómeno desde tantos ángulos diferentes como sea posible.

Nuevas formas de recopilación de datos

Las fuentes de datos externas, como los datos de las redes sociales y el big data, también han cobrado actualidad a medida que cambian las tendencias sociales y surgen nuevas preguntas de investigación. Esto ha impulsado la creación de nuevos métodos de recopilación de datos en la investigación.

En última instancia, existen innumerables instrumentos de recopilación de datos utilizados para los métodos cualitativos, pero el objetivo clave es poder producir datos relevantes que puedan analizarse sistemáticamente. Como resultado, los investigadores pueden analizar audio, vídeo, imágenes y otros formatos más allá del texto. Dado que nuestro mundo cambia continuamente, por ejemplo, con el creciente protagonismo de la inteligencia artificial generativa y los medios sociales, los investigadores plantearán sin duda nuevas indagaciones que requerirán una innovación y adaptación continuas con los métodos de recopilación de datos.

Retos en la recopilación de datos

La recopilación de datos para la investigación cualitativa es un proceso complejo que suele plantear retos únicos. En esta sección se analizan algunos de los obstáculos habituales que los investigadores pueden encontrar durante la recopilación de datos y se ofrecen estrategias para sortearlos.

Acceso a los participantes

Obtener acceso a los participantes en la investigación puede ser un reto importante. Esto puede deberse a la distancia geográfica, las limitaciones de tiempo o la reticencia de los participantes potenciales. Para ello, los investigadores deben comunicar claramente el propósito de su estudio, garantizar la confidencialidad y ser flexibles con los horarios.

Barreras culturales y lingüísticas

Los investigadores pueden enfrentarse a barreras culturales y lingüísticas, especialmente en la investigación transcultural. Estas barreras pueden afectar a la comunicación y el entendimiento entre el investigador y el participante. Emplear traductores, mediadores culturales o aprender el idioma local puede ser beneficioso para superar estas barreras.

Participantes que no responden o no cooperan

A veces, los investigadores se encuentran con participantes que no quieren o no pueden facilitar la información solicitada. En estas situaciones, es fundamental establecer una buena relación. El investigador debe tratar de generar confianza, crear un ambiente cómodo para el participante y asegurarle la confidencialidad de sus respuestas.

Limitaciones de tiempo

La investigación cualitativa puede llevar mucho tiempo, sobre todo cuando se trata de entrevistas o grupos focales que requieren la coordinación de múltiples horarios, la transcripción y el análisis en profundidad. Una planificación y organización adecuadas pueden ayudar a mitigar este reto.

Sesgo en la recogida de datos

El sesgo en la recopilación de datos puede producirse cuando las ideas preconcebidas del investigador o el deseo del participante de presentarse favorablemente afectan a los datos. Las estrategias para mitigar el sesgo incluyen la reflexividad, la triangulación y la comprobación por parte de los miembros.

Tratamiento de temas delicados

La investigación de temas delicados puede ser un reto tanto para el investigador como para el participante. Garantizar un entorno seguro y de apoyo, practicar la escucha empática y proporcionar recursos de apoyo emocional puede ayudar a abordar estas cuestiones delicadas.

La recopilación de datos en la investigación cualitativa puede ser una experiencia muy gratificante pero difícil. Sin embargo, con una planificación cuidadosa, una conducta ética y un enfoque flexible, los investigadores pueden sortear eficazmente estos obstáculos y recopilar datos sólidos y significativos.

Consideraciones a la hora de recopilar datos

La investigación se basa en el empirismo y la credibilidad en todas las fases de la misma. En consecuencia, existen diversos problemas y cuestiones relacionados con la recopilación de datos que los investigadores deben tener en cuenta.

Problemas de calidad de los datos

Su análisis puede depender de la captación de detalles que algunas herramientas de recopilación de datos pueden pasar por alto. En ese caso, hay que tener muy en cuenta la calidad de los datos y la precisión con la que se recogen. Por ejemplo, piense en una foto tomada con la cámara de un smartphone y una foto tomada con una cámara profesional. Si necesita fotos de alta resolución, tendría sentido confiar en una cámara profesional que pueda proporcionar una calidad de datos adecuada.

La recopilación de datos cuantitativos a menudo se basa en herramientas precisas de recopilación de datos para evaluar los resultados, pero los investigadores que recopilan datos cualitativos también deben preocuparse por la garantía de calidad. Por ejemplo, supongamos que un estudio que implica la observación directa requiere múltiples observadores en diferentes contextos. En ese caso, los investigadores deben velar por que todos los observadores puedan recopilar datos de forma similar para garantizar que todos los datos puedan analizarse de la misma manera.

La calidad de los datos es una consideración crucial a la hora de recopilar información. Incluso si el investigador ha elegido un método adecuado para la recogida de datos, ¿son los datos que recoge lo suficientemente útiles y detallados como para proporcionar el análisis necesario para responder a la pregunta de investigación planteada?

Un ejemplo en el que la calidad de los datos es fundamental en la recopilación de datos cualitativos son las entrevistas y los grupos focales. Las grabaciones pueden perder algunos de los detalles más sutiles de la interacción social, como pausas, palabras que se piensan o expresiones que el micrófono no puede captar.

Supongamos que está realizando una entrevista para un estudio en el que esos detalles son relevantes para su análisis. En ese caso, deberías considerar la posibilidad de emplear herramientas que recojan datos lo suficientemente ricos como para registrar estos aspectos de la interacción.

Integridad de los datos

La posibilidad de que los datos sean inexactos puede confundir el proceso de análisis de datos, ya que extraer conclusiones o tomar decisiones resulta difícil, si no imposible, con datos de baja calidad. No establecer la integridad de la recopilación de datos puede poner en duda las conclusiones de un estudio determinado.

La precisión en la recogida de datos es sólo uno de los aspectos que los investigadores deben tener en cuenta para proteger la integridad de los datos. Después, se trata de preservar los datos una vez recogidos. ¿Cómo se almacenan los datos? ¿Quién tiene acceso a los datos recopilados? ¿Hasta qué punto pueden modificarse los datos entre su recogida y la difusión de la investigación?

La integridad de los datos es una cuestión de ética y credibilidad de la investigación. El investigador necesita establecer que los datos presentados para la difusión de la investigación son una representación exacta del fenómeno estudiado.

Imagínese que una fotografía de la vida salvaje envejece tanto que el color se distorsiona con el paso del tiempo. Supongamos que los resultados dependen de la descripción de los colores de un determinado animal o planta. En ese caso, no preservar la integridad de los datos supone una grave amenaza para la credibilidad de la investigación y del investigador. Además, al transcribir una entrevista o un grupo focal, es importante tener cuidado de que las palabras de los participantes se transcriban con precisión para evitar modificar los datos involuntariamente.

Transparencia

Como ya se ha explicado, los investigadores se basan tanto en la intuición como en los datos para hacer interpretaciones sobre el mundo. En consecuencia, los investigadores tienen la obligación de explicar cómo recopilaron los datos y describirlos para que el público también pueda entenderlos. La transparencia en la investigación también permite a otros investigadores examinar un estudio y determinar si les parece creíble y cómo pueden seguir basándose en él.

Para responder a esta necesidad, los trabajos de investigación suelen incluir una sección de metodología en la que se describen las herramientas empleadas para la recopilación de datos y la amplitud y profundidad de los datos recogidos para el estudio. Es importante transmitir con transparencia todos los aspectos de la recogida y el análisis de datos, lo que puede implicar proporcionar una muestra de las preguntas que se hicieron a los participantes, información demográfica sobre los participantes o pruebas del cumplimiento de las normas éticas, por citar algunos ejemplos.

Subjetividad

La forma de recopilar los datos también es una preocupación clave, especialmente en las ciencias sociales, donde las perspectivas de las personas representan los datos recopilados, y estas perspectivas pueden diferir enormemente.

En las entrevistas y los grupos de discusión, la forma de formular las preguntas puede cambiar la naturaleza de las respuestas de los participantes. En los estudios de mercado, los investigadores tienen que diseñar cuidadosamente las preguntas para no inducir inadvertidamente a los clientes a dar una respuesta determinada o para facilitar comentarios útiles. Incluso en las ciencias naturales, los investigadores tienen que comprobar periódicamente si el equipo de recogida de datos que utilizan para recopilar datos está produciendo conjuntos de datos precisos para el análisis.

Por último, los distintos métodos de recogida de datos plantean dudas sobre si los datos dicen lo que creemos que dicen. Pensemos en cómo se pueden establecer sistemas de seguimiento de los datos de comportamiento en línea. Cuando un usuario pasa cierto tiempo en una aplicación móvil, ¿está muy ocupado con ella o la deja encendida mientras realiza otras tareas?

La recopilación de datos sólo es útil en la medida en que los datos resultantes puedan analizarse sistemáticamente y sean pertinentes para la investigación que se está llevando a cabo. Aunque es tentador recopilar tantos datos como sea posible, son los análisis y las inferencias del investigador, y no sólo la cantidad de datos, los que determinan en última instancia el impacto de la investigación.

Validez y fiabilidad de los datos cualitativos

Garantizar la validez y fiabilidad de la recopilación de datos cualitativos es primordial para obtener resultados de investigación significativos, rigurosos y fiables. En esta sección se describen los principios básicos de validez y fiabilidad, que se derivan de la investigación cuantitativa, y a continuación se examinan los criterios de calidad pertinentes para la investigación cualitativa.

Comprender la validez

En términos generales, la validez consiste en garantizar que la investigación refleja con exactitud los fenómenos que pretende representar. Está vinculada a la adecuación de los métodos y técnicas utilizados en un estudio a la pregunta de investigación prevista y a la exactitud con que los resultados representan las experiencias o percepciones de los participantes. Sin embargo, en la investigación cualitativa suele reconocerse la coexistencia de múltiples realidades, en lugar de creer que sólo existe una realidad "verdadera" que pueda medirse. Por lo tanto, los investigadores cualitativos pueden transmitir credibilidad comunicando de forma transparente su pregunta de investigación, la operacionalización de los conceptos clave y cómo esto se tradujo en sus instrumentos de recopilación de datos y análisis. Además, los investigadores cualitativos deben prestar atención a si sus propias ideas preconcebidas u objetivos pueden estar moldeando inadvertidamente sus conclusiones. Además, pueden tenerse en cuenta los posibles efectos de reactividad, para evaluar cómo la investigación puede haber influido en sus participantes o en el entorno de investigación mientras se recogían los datos.

Comprender la fiabilidad

En términos generales, la fiabilidad se refiere a la coherencia del enfoque de la investigación en diferentes contextos y con diferentes investigadores. Un estudio cuantitativo se considera fiable si sus conclusiones pueden reproducirse en un contexto similar o si un investigador diferente puede obtener los mismos resultados siguiendo el mismo procedimiento de investigación.

Sin embargo, en la investigación cualitativa, los investigadores reconocen y aceptan el contexto específico de sus datos y análisis. Todo el conocimiento que se genera es específico del contexto, por lo que, en lugar de afirmar que los resultados de un estudio pueden reproducirse de forma fiable en un contexto totalmente distinto, los investigadores cualitativos pretenden demostrar la fiabilidad de sus datos y resultados. Las descripciones transparentes y la comunicación clara pueden transmitir al público que la investigación se llevó a cabo con rigor y coherencia entre la pregunta de investigación, los métodos y los resultados, todo lo cual puede reforzar la credibilidad del estudio cualitativo.

En la investigación cualitativa pueden utilizarse varias estrategias para mejorar la calidad de los datos. Entre ellas se encuentran:

1. Triangulación: Consiste en utilizar varias fuentes de datos, métodos o investigadores para recopilar datos sobre el mismo fenómeno. Esto puede ayudar a garantizar que las conclusiones sean sólidas y no dependan de una única fuente.
2. Verificación por los miembros: Consiste en devolver los resultados a los participantes para comprobar si las interpretaciones reflejan fielmente sus experiencias o percepciones. Esto puede ayudar a garantizar la validez de las conclusiones de la investigación.
3. Descripción detallada: Proporcionar relatos detallados del contexto, las interacciones y las interpretaciones en el informe de investigación puede permitir que otros comprendan mejor el proceso de investigación, lo cual es importante para fomentar la comunicabilidad de la propia investigación.
4. Pista de auditoría: Llevar un registro detallado del proceso de investigación, las decisiones y las reflexiones puede aumentar la transparencia y la coherencia del estudio.

Utilizar la tecnología en la recogida de datos

Para trabajar con datos cualitativos puede utilizarse una gran variedad de tecnologías. La tecnología no sólo ayuda a recopilar datos, sino también a organizarlos, analizarlosy presentarlos.

Esta sección explora algunas de las principales formas en que la tecnología puede integrarse en la recogida de datos cualitativos.

Herramientas digitales para la recopilación de datos

Las herramientas digitales pueden mejorar enormemente la eficiencia y la eficacia de la recogida de datos. Por ejemplo, los dispositivos de grabación de audio y vídeo pueden captar entrevistas, grupos de discusión y datos de observación con gran detalle.

Las encuestas y cuestionarios en línea pueden llegar a un público más amplio, a menudo a un coste menor y con plazos de entrega más rápidos que los métodos tradicionales. Las aplicaciones móviles también pueden utilizarse para captar experiencias, emociones y actividades en tiempo real mediante estudios de diarios o muestreo de experiencias.

Plataformas en línea para la investigación cualitativa

Las plataformas en línea, como las redes sociales, los blogs y los foros de debate, constituyen una rica fuente de datos cualitativos. Los investigadores pueden analizar estas plataformas para conocer los comportamientos, actitudes y experiencias de las personas.

Además, las comunidades virtuales y la etnografía digital son cada vez más comunes a medida que los investigadores exploran estos espacios en línea.

Consideraciones éticas sobre la tecnología

Con el aumento del uso de la tecnología, los investigadores deben tener en cuenta consideraciones éticas, como la privacidad y el consentimiento. Es importante obtener el consentimiento informado cuando se recopilan datos de plataformas en línea o se utilizan herramientas digitales, y todos los investigadores deben obtener las autorizaciones necesarias para recopilar datos y adherirse a los códigos de conducta aplicables (como el GDPR). También es crucial garantizar la seguridad y confidencialidad de los datos cuando se almacenan en plataformas digitales.

Ventajas y limitaciones de la tecnología

Aunque la tecnología ofrece numerosas ventajas en términos de eficiencia, accesibilidad y amplitud de datos, también presenta limitaciones. Por ejemplo, las herramientas digitales pueden no captar todos los matices y la riqueza de las interacciones cara a cara.

Además, los fallos tecnológicos y la pérdida de datos son riesgos potenciales. Por lo tanto, es importante que los investigadores comprendan estas ventajas y desventajas a la hora de incorporar la tecnología a su proceso de recopilación de datos.

A medida que la tecnología siga evolucionando, también lo harán sus aplicaciones en la investigación cualitativa. Adoptar estos avances tecnológicos puede ayudar a los investigadores a mejorar sus prácticas de recogida de datos, ofreciendo nuevas oportunidades para capturar, analizar y presentar datos cualitativos.

Organización de los datos

El análisis de datos tras su recogida sólo es posible si los datos están suficientemente organizados de forma que puedan clasificarse y comprenderse fácilmente. Imaginemos que se recopilan datos de redes sociales, que podrían ser millones de publicaciones de millones de usuarios de redes sociales cada día. Puedes volcar todas y cada una de las publicaciones en un archivo, pero ¿cómo darles sentido?

La organización de los datos es especialmente importante cuando se trata de datos no estructurados. El investigador necesita estructurar los datos de alguna manera que facilite el proceso analítico.

Transcripción

La recopilación de datos en grupos de discusión, entrevistas u otras interacciones similares produce grabaciones de vídeo y audio sin procesar. A menudo, estos datos pueden analizarse en busca de pistas contextuales como la interacción no verbal, las expresiones faciales y los acentos. Sin embargo, la mayoría de los análisis tradicionales de datos de entrevistas y grupos focales se benefician de la conversión de las palabras de los participantes en texto.

Las grabaciones suelen transcribirse para que el texto pueda analizarse sistemáticamente e incorporarse a documentos de investigación o presentaciones. La transcripción puede ser una tarea tediosa, sobre todo si el investigador tiene que tratar con horas de datos de audio. Hoy en día, los investigadores pueden elegir entre transcribir manualmente sus datos en bruto o utilizar servicios de transcripción automatizada para acelerar enormemente este proceso.

Datos de encuestas

En las plataformas de encuestas en línea, las respuestas de los participantes a preguntas cerradas pueden agregarse fácilmente en una hoja de cálculo. Las respuestas a las preguntas abiertas también pueden incluirse en una hoja de cálculo o guardarse como archivos independientes para el posterior análisis del texto que escribieron los participantes. Dado que los datos de las encuestas están relativamente estructurados, suelen ser más rápidos y fáciles de organizar que otras formas de datos cualitativos más desestructurados, como las entrevistas o las observaciones.

Notas de campo y artefactos

En la investigación etnográfica o la investigación que implica la observación directa, la recopilación de datos a menudo implica escribir notas o tomar fotografías durante el trabajo de campo. Aunque las notas de campo pueden mecanografiarse en un documento para el análisis de datos, el investigador también puede escanear sus notas en una imagen o un PDF para su posterior organización.

Este grado de flexibilidad permite a los investigadores codificar todas las formas de datos que no son de naturaleza textual, pero que pueden proporcionar datos útiles para el análisis y el desarrollo teórico.

Codificación

La codificaciónes una de las competencias fundamentales de la investigación cualitativa, ya que permite reducir eficazmente grandes conjuntos de datos a una serie de códigos compactos para su posterior análisis. Si está tratando con docenas o cientos de páginas de datos cualitativos, la aplicación de códigos a sus datos es un método clave para condensar, sintetizar y comprender los datos.