¿Qué es la interpretación de datos? Trucos y técnicas

Los datos en bruto por sí solos no son útiles para la investigación si no se interpretan. La necesidad de organizar y analizar los datos para que la investigación produzca ideas útiles y desarrolle nuevos conocimientos afirma la importancia del proceso de interpretación de datos.

Veamos por qué la interpretación de datos es importante para el proceso de investigación, cómo puede interpretar los datos, y cómo las herramientas de ATLAS.ti pueden ayudarle a ver sus datos de forma significativa.

El papel de la interpretación de datos

El proceso de recopilación de datos es sólo una parte de la investigación, y una que a menudo puede proporcionar muchos datos sin ninguna respuesta fácil que destaque instantáneamente para los investigadores o sus audiencias. Un ejemplo de datos que requieren un proceso de interpretación es un corpus, o un gran cuerpo de texto, destinado a representar algún uso lingüístico (por ejemplo, literatura, conversación). Un corpus de texto puede reunir millones de palabras de textos escritos e interacciones habladas.

El reto de la interpretación de datos

Aunque se trata de un corpus de datos impresionante, escudriñarlo puede resultar difícil. Si intenta hacer afirmaciones sobre el lenguaje basándose en los datos del corpus, ¿qué datos le son útiles? ¿Cómo separar los datos irrelevantes de los valiosos? ¿Cómo convencer al público para que comprenda su investigación?

La interpretación de los datos es un proceso que implica asignarles un significado. La responsabilidad de un investigador es explicar y persuadir a su público sobre cómo ve los datos y qué conclusiones pueden extraerse de su interpretación.

Interpretar los datos brutos para obtener información

Los datos no estructurados son todo tipo de datos que no están organizados por alguna estructura predeterminada o que se encuentran en su forma bruta y natural. Sin un análisis de los datos, es difícil interpretarlos para generar ideas útiles.

Sin embargo, estos datos no estructurados no siempre son ruido sin sentido. La importancia de la interpretación de los datos puede verse en ejemplos como un blog con una serie de artículos sobre un tema concreto o un libro de cocina con una colección de recetas. Estos escritos son útiles y tal vez interesantes para lectores de distintas procedencias o conocimientos.

Interpretación de datos a partir de la investigación

Las personas pueden leer un conjunto de información, como un artículo de un blog o una receta, de diferentes maneras (algunos pueden leer primero los ingredientes mientras que otros se saltan las instrucciones). La interpretación de los datos fundamenta la comprensión y la presentación de la investigación en términos claramente definidos, de modo que, aunque distintos especialistas discrepen sobre las conclusiones de la investigación, al menos compartan una comprensión básica de cómo se interpreta la investigación.

Por otra parte, supongamos que alguien lee un conjunto de recetas para comprender la cultura alimentaria de un determinado lugar o grupo de personas. Una receta sencilla puede no transmitir esta información de forma explícita o clara. Aun así, un lector minucioso puede analizar fragmentos de cada receta de ese recetario para comprender los ingredientes, herramientas y métodos utilizados en esa cultura alimentaria concreta.

En consecuencia, su investigación puede exigirle que reorganice los datos de forma que le resulte más fácil interpretarlos. Analizar los datos como parte del proceso de interpretación, especialmente en la investigación cualitativa, significa buscar los datos relevantes, resumir los datos por las ideas que contienen y descartar cualquier dato irrelevante que no sea útil para la investigación en cuestión.

Veamos un proceso bastante sencillo que puede utilizarse para convertir los datos en ideas valiosas mediante la interpretación de datos.

Clasificación de los datos

Piense en nuestro ejemplo anterior con una colección de recetas. Puede desglosar una receta en varios "puntos de datos", que podría considerar categorías o puntos de medición. Una receta puede desglosarse en ingredientes, instrucciones o incluso tiempo de preparación, cosas que a menudo están escritas en una receta. También se pueden analizar las recetas desde otro punto de vista, utilizando categorías menos observadas, como el coste de la receta o los conocimientos necesarios para prepararla. No obstante, sean cuales sean las categorías que elijas, determinarán cómo interpretas los datos.

En consecuencia, piense en lo que está intentando examinar e identifique qué categorías o medidas deben utilizarse para analizar y comprender los datos. Estos puntos de datos formarán sus "cubos" para clasificar los datos recopilados en información más significativa para la interpretación de los datos.

Identificar tendencias y patrones

Una vez que haya clasificado suficientes datos en categorías, es posible que empiece a observar algunos patrones reveladores. Supongamos que está analizando el valor nutricional de un libro de recetas de barbacoa. En ese caso, es posible que encuentres una gran cantidad de recetas con alto contenido en grasas y azúcares, mientras que una colección de recetas de ensaladas podría ofrecer patrones de platos con bajo contenido en carbohidratos. Estos patrones constituirán la base para responder a su pregunta de investigación.

Establecer conexiones

El significado de estas tendencias y pautas no siempre es evidente. Cuando la gente lleva la misma ropa de moda o escucha la misma música popular, puede que lo haga porque la ropa o la música son realmente buenas o porque sigue a la multitud. Incluso pueden estar intentando impresionar a alguien que conocen.

Al observar los patrones de los datos, puede empezar a fijarse en si coinciden (o coocurren) para determinar un punto de partida para el debate sobre si están relacionados entre sí. Ya sea que estas co-ocurrencias compartan una relación significativa o estén sólo vagamente correlacionadas entre sí, toda interpretación de datos de patrones comienza mirando dentro y a través de los patrones y las co-ocurrencias entre ellos.

Interpretación cuantitativa de datos

El análisis cuantitativo a través de métodos estadísticos beneficia a los investigadores que buscan medir un fenómeno en particular. Los datos numéricos pueden medir los diferentes grados de un concepto, como la temperatura, la velocidad, la riqueza o incluso el rendimiento académico.

El análisis cuantitativo de datos consiste en reorganizar los datos para que sean más fáciles de medir. Imagínese que clasifica la alcancía llena de monedas de un niño en diferentes tipos de monedas (por ejemplo, céntimos, monedas de cinco centavos, monedas de diez centavos y monedas de 25 centavos). Sin clasificar estas monedas para su medición, resulta difícil medir eficazmente el valor de las monedas de esa alcancía.

Método de interpretación de datos cuantitativos

Una buena pregunta de interpretación de datos relativa a la alcancía de ese niño podría ser: "¿Ha ahorrado el niño suficiente dinero?". Entonces se trata de decidir qué podría ser "suficiente dinero", si 20 $, 50 $ o incluso 100 $. Una vez hecha esa determinación, podrá responder a su pregunta tras su análisis cuantitativo (es decir, contando las monedas).

Aunque contar el dinero de la alcancía de un niño es un ejemplo sencillo, ilustra el hecho de que gran parte de la interpretación de datos cuantitativos depende de tener en mente un valor o conjunto de valores concretos con los que se comparará el análisis. El número de calorías o la cantidad de sodio que usted considere saludables le permitirán determinar si un determinado alimento lo es. Al mismo tiempo, sus ingresos mensuales le informarán de si un determinado producto le parece barato o caro. En cualquier caso, la interpretación de datos cuantitativos suele empezar por tener una teoría o predicción establecida que aplicas a los datos.

Interpretación de datos cualitativos

La interpretación de datos se refiere al proceso de examinar y revisar los datos con el fin de describir los aspectos de un fenómeno o concepto. La investigación cualitativa rara vez cuenta con datos numéricos derivados de la recogida de datos; en su lugar, a menudo se generan cualidades de un fenómeno a partir de esta investigación. Teniendo esto en cuenta, el papel de la interpretación de datos es persuadir al público de la investigación sobre qué cualidades de un concepto o fenómeno concreto son significativas.

Aunque hay muchas formas diferentes de analizar datos complejos de naturaleza cualitativa, a continuación se presenta un proceso sencillo para la interpretación de datos que puede resultar persuasivo para el público de su investigación:

• Describa los datos con detalle: ¿qué ocurre en los datos?
• Describa el significado de los datos: ¿por qué son importantes?
• Describa el significado: ¿para qué puede utilizarse este significado?

Método de interpretación de datos cualitativos

La codificación sigue siendo uno de los métodos de interpretación de datos más importantes en la investigación cualitativa. La codificación proporciona una estructura a los datos que facilita el análisis empírico. Sin esta codificación, un investigador puede dar su impresión de lo que significan los datos, pero quizá no pueda persuadir a su audiencia con las pruebas suficientes que pueden aportar los datos estructurados.

En última instancia, la codificación reduce la amplitud de los datos recopilados para hacerlos más manejables. En lugar de miles de líneas de datos en bruto, una codificación eficaz puede producir un par de docenas de códigos que pueden analizarse en función de la frecuencia o utilizarse para organizar los datos categóricos en función de temas o patrones.

El análisis de los datos cualitativos mediante la codificación implica examinar detenidamente los datos y resumir los segmentos de datos en frases breves pero descriptivas. Estas frases o códigos, cuando se aplican a conjuntos de datos completos, pueden ayudar a reestructurar los datos de forma que faciliten el análisis o aclaren el significado de los datos relevantes para la investigación.

Análisis código-documento

La comparación de conjuntos de datos puede ser útil para interpretar patrones en los datos. El Análisis Código-Documento en ATLAS.ti busca frecuencias de código en documentos particulares o grupos de documentos. Esto es útil para muchas tareas, como la interpretación de perspectivas a través de múltiples entrevistas o registros de encuestas. Cuando cada documento representa las opiniones de una persona distinta, ¿cómo difieren las perspectivas de una persona a otra? Entender estas diferencias, en este caso, empieza por determinar dónde se aplican los códigos interpretativos en su proyecto.

Utilizar ATLAS.ti para interpretar datos

Los programas informáticos son excelentes para realizar tareas mecánicas que, de otro modo, requerirían tiempo y esfuerzo mejor invertidos en el análisis. Tales tareas incluyen la búsqueda de palabras o frases en documentos, completar consultas complicadas para organizar la información relevante en un solo lugar, y emplear métodos estadísticos que permitan al investigador llegar a conclusiones relevantes sobre sus datos. Lo que la tecnología no puede hacer es interpretar los datos por ti; puede reorganizarlos de forma que te resulte más fácil llegar a una conclusión sobre las ideas que puedes extraer de la investigación, pero en última instancia eres tú quien debe tomar la decisión final sobre el significado de los patrones de los datos.

Esto es válido tanto para la investigación cualitativa como para la cuantitativa. Tanto si se trata de definir la "felicidad" como el "calor" (porque un "día caluroso" significará cosas diferentes para personas diferentes, independientemente del número que represente la temperatura), es inevitablemente decisión suya interpretar los datos que se le dan, independientemente de la ayuda que pueda proporcionarle un ordenador.

Piense en el software de análisis de datos cualitativos como ATLAS.ti como un asistente que le ayuda a lo largo del proceso de investigación para que pueda identificar las ideas clave a partir de sus datos, en lugar de identificar esas ideas por usted. Esto es especialmente preferible en las ciencias sociales, donde la interacción humana y las prácticas culturales se construyen subjetiva y socialmente de un modo que sólo los humanos pueden comprender adecuadamente. La interpretación humana de los datos cualitativos no es simplemente inevitable; en las ciencias sociales, es una necesidad absoluta.

Con esto en mente, ATLAS.ti tiene varias herramientas que pueden ayudar a que la interpretación de los datos sea más fácil y perspicaz. Estas herramientas pueden facilitar la presentación de informes y la visualización del análisis de datos para su beneficio y el beneficio de su audiencia de investigación.

Análisis de co-ocurrencia de códigos

La superposición de códigos en los datos cualitativos es un punto de partida útil para determinar las relaciones entre fenómenos. La herramienta de Análisis de Co-Ocurrencia de Códigos de ATLAS.ti ayuda a los investigadores a identificar las relaciones entre los códigos para que la interpretación de los datos sobre cualquier posible conexión pueda contribuir a una mayor comprensión de los datos.

Memos

Los memos son una parte importante de cualquier investigación, por lo que ATLAS.ti proporciona un espacio separado de sus datos y códigos para notas de investigación y memos de reflexión. Especialmente en las ciencias sociales o en cualquier campo que explore conceptos socialmente construidos, una nota de reflexión puede proporcionar documentación esencial sobre cómo los investigadores están involucrados en la recopilación de datos y en la interpretación de los mismos.

Con los memos, se pueden seguir los pasos del análisis, y todo el proceso está abierto a la vista. La documentación detallada del análisis de datos y el proceso de interpretación de datos también puede facilitar la presentación de informes y la visualización de la investigación cuando llega el momento de compartir la investigación con el público.

Visualización de datos

En la investigación, el principal objetivo de llevar a cabo y detallar explícitamente el proceso de interpretación de los datos es informar sobre la investigación de forma que resulte significativa y persuasiva para el público. En la medida de lo posible, los investigadores se benefician de la visualización de la interpretación de los datos para ofrecer al público la claridad necesaria para comprender las conclusiones de la investigación.

En última instancia, los diversos procesos de análisis de datos que emplee deben conducir a algún tipo de informe en el que el público de la investigación pueda comprender fácilmente la interpretación de los datos. De lo contrario, la interpretación de los datos no tiene ningún valor si no es entendida, y mucho menos aceptada, por el público de la investigación.

Herramientas de visualización de datos en ATLAS.ti

ATLAS.ti tiene una serie de herramientas que pueden ayudarle a crear ilustraciones que contribuyan a explicar la interpretación de sus datos a su audiencia investigadora.

Mapas de árbol

Un TreeMap de sus códigos puede ser una visualización útil si está realizando un análisis temático de sus datos. Los códigos en ATLAS.ti pueden marcarse con diferentes colores, lo que es ilustrativo si utiliza colores para distinguir entre diferentes temas en su investigación. A medida que los códigos se aplican a sus datos, los códigos que aparecen con más frecuencia ocupan más espacio en el Mapa de Árbol, lo que le permite examinar qué códigos y, mediante el uso de colores, qué temas son más y menos evidentes y le ayudan a generar teoría.

Diagramas de Sankey

Los Análisis de Co-Ocurrencia de Códigos y Código-Documento en ATLAS.ti pueden producir tablas, gráficos y también diagramas de Sankey, que son útiles para visualizar las relaciones relativas entre diferentes códigoso entre códigos y documentos. Mientras que los datos numéricos generados para las tablas pueden contar una historia de la interpretación de sus datos, la información visual en un diagrama de Sankey, donde las frecuencias más altas están representadas por líneas más gruesas, puede ser particularmente persuasiva para el público de su investigación.

Redes

Cuando llega el momento de informar sobre los conocimientos prácticos que contribuyen a una teoría o conceptualización, puede beneficiarse de una visualización de la teoría que ha generado a partir de su interpretación de los datos. Las redes están formadas por elementos de su proyecto, normalmente códigos, pero también otros elementos como documentos, grupos de códigos, grupos de documentos, citas y notas. Los investigadores pueden definir enlaces entre estos elementos para ilustrar las conexiones que surgen de su interpretación de datos.