Análisis de datos cualitativos

El análisis de los datos cualitativos es el paso siguiente al uso de los métodos de recopilación de datos cualitativos. El proceso de análisis cualitativo tiene como objetivo identificar los temas y patrones que surgen de los datos.

¿Qué es el análisis cualitativo de datos?

En términos simplificados, los métodos de investigación cualitativa implican la recopilación de datos no numéricos seguida de una explicación basada en los atributos de los datos. Por ejemplo, si se le pide que explique en términos cualitativos una imagen térmica mostrada en múltiples colores, entonces explicaría las diferencias de color en lugar del valor numérico del calor. Si dispone de una gran cantidad de datos (por ejemplo, de discusiones en grupo u observaciones de situaciones de la vida real), el siguiente paso es transcribir y preparar los datos brutos para su posterior análisis.

Los investigadores pueden realizar estudios totalmente basados en la metodología cualitativa, o pueden preceder un estudio de investigación cuantitativa con un estudio cualitativo para identificar cuestiones que no estaban previstas originalmente pero que son importantes para el estudio. Los investigadores cuantitativos también pueden recopilar y analizar datos cualitativos tras sus análisis cuantitativos para comprender mejor los significados que subyacen a sus resultados estadísticos.

La investigación cualitativa puede ayudar especialmente a comprender cómo y por qué se lograron determinados resultados (además de qué se logró). Por ejemplo, el análisis de datos cualitativos se utiliza a menudo para la investigación de evaluación de políticas y programas, ya que puede responder a ciertas preguntas importantes de forma más eficiente y eficaz que los enfoques cuantitativos.

El análisis de datos cualitativos también puede responder a preguntas importantes sobre la pertinencia, los efectos no deseados y el impacto de los programas, como por ejemplo:

• ¿Eran razonables las expectativas?
• ¿Funcionaron los procesos como se esperaba?
• ¿Pudieron los actores clave desempeñar sus funciones?
• ¿Hubo efectos imprevistos del programa?

La importancia del análisis cualitativo de los datos

Los enfoques cualitativos tienen la ventaja de permitir una mayor diversidad en las respuestas y la capacidad de adaptarse a nuevos acontecimientos o problemas durante el propio proceso de investigación. Aunque el análisis cualitativo de los datos puede ser exigente y llevar mucho tiempo, muchos campos de investigación utilizan herramientas informáticas cualitativas que se han desarrollado específicamente para proporcionar resultados más sucintos, rentables y oportunos.

El análisis de datos cualitativos es una parte importante de la investigación y de la construcción de una mayor comprensión entre campos por varias razones. En primer lugar, los casos para el análisis de datos cualitativos pueden seleccionarse intencionadamente en función de si tipifican determinadas características o ubicaciones contextuales. En otras palabras, los datos cualitativos permiten una inmersión profunda en un tema, fenómeno o área de interés. En lugar de buscar la generalizabilidad a la población a la que representa la muestra de participantes, la investigación cualitativa pretende construir una comprensión profunda y matizada del tema de investigación.

En segundo lugar, el papel o la posición del investigador en el análisis cualitativo de los datos recibe una mayor atención crítica. Esto se debe a que, en el análisis cualitativo de datos, la posibilidad de que el investigador adopte una posición "neutral" o trascendente se considera más problemática en términos prácticos y/o filosóficos. De ahí que a menudo se exhorte a los investigadores cualitativos a reflexionar sobre su papel en el proceso de investigación y a dejarlo claro en el análisis.

En tercer lugar, aunque el análisis cualitativo de datos puede adoptar una amplia variedad de formas, se diferencia en gran medida de la investigación cuantitativa en que se centra en el lenguaje, los signos, las experiencias y el significado. Además, los enfoques cualitativos del análisis suelen ser holísticos y contextuales, en lugar de analizar los datos de forma fragmentaria o sacarlos de su contexto. Así pues, los enfoques cualitativos permiten a los investigadores explorar indagaciones desde direcciones a las que no se podría acceder sólo con datos cuantitativos numéricos.

Establecer el rigor de la investigación

Los enfoques sistemáticos y transparentes del análisis de datos cualitativos son esenciales para el rigor. Por ejemplo, muchos métodos de investigación cualitativa exigen que los investigadores codifiquen cuidadosamente los datos y disciernan y documenten los temas de forma coherente y creíble.

Tal vez la división más tradicional en la forma de utilizar la investigación cualitativa y cuantitativa en las ciencias sociales sea que los métodos cualitativos se emplean con fines exploratorios (por ejemplo, para generar nuevas teorías o proposiciones) o para explicar resultados cuantitativos desconcertantes, mientras que los métodos cuantitativos se utilizan para comprobar hipótesis.

Métodos de análisis de datos cualitativos

Una vez recopilados los datos pertinentes, ¿cuál es la mejor manera de analizarlos? Como siempre, dependerá de su pregunta de investigación. Por ejemplo, si empleó un método de investigación observacional para conocer las prácticas compartidas de un grupo, un enfoque etnográfico podría ser adecuado para explicar las distintas dimensiones de la cultura. Si ha recogido datos textuales para comprender cómo habla la gente sobre algo, un enfoque de análisis del discurso podría ayudarle a generar ideas clave sobre el lenguaje y la comunicación.

El proceso de codificación de datos cualitativos implica la categorización y recategorización iterativas, lo que garantiza la evolución del análisis para representar mejor los datos. El procedimiento suele concluir con la interpretación de las pautas y tendencias identificadas mediante el proceso de codificación.

Para empezar, veamos dos grandes enfoques del análisis de datos.

Análisis deductivo

El análisis deductivo se guía por teorías o ideas preexistentes. Comienza con un marco teórico, que luego se utiliza para codificar los datos. El investigador puede así utilizar este marco teórico para interpretar sus datos y responder a su pregunta de investigación.

Los pasos clave incluyen la codificación de los datos a partir de los conceptos o categorías predeterminados y la utilización de la teoría para guiar la interpretación de los patrones entre las codificaciones. El análisis deductivo es especialmente útil cuando los investigadores pretenden verificar o ampliar una teoría existente en un nuevo contexto.

Análisis inductivo

El análisis inductivo implica la generación de nuevas teorías o ideas a partir de los datos. El proceso comienza sin teorías ni códigos preconcebidos, y a partir de los datos surgen patrones, temas y categorías.

El investigador codifica los datos para captar cualquier concepto o patrón que parezca interesante o importante para la pregunta de investigación. A continuación, se comparan y relacionan estos códigos, lo que conduce a la formación de categorías o temas más amplios. El principal objetivo del análisis inductivo es permitir que los datos "hablen por sí mismos" en lugar de imponerles expectativas o ideas preexistentes.

Los enfoques deductivo e inductivo pueden considerarse polos opuestos, y toda investigación se sitúa en algún punto de ese espectro. En la mayoría de los casos, los enfoques de análisis cualitativo combinan elementos deductivos e inductivos para contribuir a la conversación existente en torno a un tema, al tiempo que permanecen abiertos a posibles hallazgos inesperados. Para ayudarle a tomar decisiones informadas sobre qué enfoque de análisis cualitativo de datos encaja con sus objetivos de investigación, veamos algunos de los enfoques comunes para el análisis cualitativo de datos.

Análisis de contenido

El análisis de contenido es un método de investigación utilizado para identificar patrones y temas en los datos cualitativos. Este enfoque implica codificar y categorizar sistemáticamente aspectos específicos del contenido de los datos para descubrir tendencias y patrones. Una parte importante del análisis de contenido suele ser la cuantificación de frecuencias y patrones de palabras o características presentes en los datos.

Se trata de una técnica muy flexible que puede adaptarse a diversos tipos de datos, como textos, imágenes y contenidos audiovisuales. Aunque el análisis de contenido puede ser de naturaleza exploratoria, también es habitual utilizar teorías preestablecidas y seguir un enfoque más deductivo para categorizar y cuantificar los datos cualitativos.

Análisis temático

El análisis temático es un método utilizado para identificar, analizar y comunicar patrones o temas dentro de los datos. Este enfoque va más allá del recuento de palabras o frases explícitas y se centra también en la identificación de conceptos y temas implícitos en los datos.

Los investigadores realizan una codificación detallada de los datos para determinar los temas o patrones de significado que se repiten. Los códigos pueden clasificarse en temas, y el investigador puede analizar cómo se relacionan los temas entre sí. El análisis temático es flexible en cuanto al marco de investigación, ya que permite enfoques tanto inductivos (basados en los datos) como deductivos (basados en la teoría). El resultado es un relato rico, detallado y complejo de los datos.

Teoría fundamentada

La teoría fundamentada es una metodología de investigación cualitativa sistemática que se utiliza para generar inductivamente una teoría "fundamentada" en los propios datos. El análisis tiene lugar simultáneamente con la recopilación de datos, y los investigadores alternan la recopilación de datos y el análisis hasta desarrollar una teoría exhaustiva.

La teoría fundamentada se caracteriza por la recogida y el análisis simultáneos de datos, el desarrollo de códigos teóricos a partir de los datos, el muestreo intencionado de los participantes y la comparación constante de los datos con las categorías y conceptos emergentes. El objetivo final es crear una explicación teórica que se ajuste a los datos y responda a la pregunta de investigación.

Análisis del discurso

El análisis del discurso es un enfoque de investigación cualitativa que hace hincapié en el papel del lenguaje en los contextos sociales. Implica examinar la comunicación y el uso del lenguaje más allá del nivel de la frase, considerando unidades lingüísticas más amplias, como textos o conversaciones.

Los analistas del discurso suelen investigar cómo se construyen los significados y entendimientos sociales en diferentes contextos, haciendo hincapié en la conexión entre lenguaje y poder. Puede aplicarse a textos de todo tipo, como entrevistas, documentos, estudios de casos y publicaciones en redes sociales.

Investigación fenomenológica

La investigación fenomenológica se centra en explorar cómo los seres humanos dan sentido a una experiencia y profundiza en la esencia de dicha experiencia. Se esfuerza por comprender las percepciones, perspectivas y comprensiones de las personas sobre una situación o fenómeno concretos.

Consiste en un compromiso en profundidad con los participantes, a menudo mediante entrevistas o conversaciones, para explorar sus experiencias vividas. El objetivo es obtener descripciones detalladas de la esencia de la experiencia e interpretar qué ideas o implicaciones pueden aportar a nuestra comprensión del fenómeno.

¿Cómo se analizan los datos cualitativos?

Ahora que hemos resumido los principales enfoques del análisis de datos, veamos el proceso más amplio de la investigación y el análisis de datos. Supongamos que necesita investigar para encontrar respuestas a cualquier tipo de pregunta de investigación, ya sea una investigación académica, un problema empresarial o una decisión política. En ese caso, hay que recopilar datos. Hay muchos métodos de recopilación de datos: puedes recopilar datos primarios tú mismo mediante entrevistas, grupos de discusión o una encuesta, por ejemplo. Otra opción es utilizar fuentes de datos secundarias. Se trata de datos recopilados previamente para otros proyectos, registros históricos, informes, estadísticas... básicamente todo lo que ya existe y puede ser relevante para tu investigación.

Los datos que recoja deben ajustarse siempre a su pregunta de investigación. Por ejemplo, si le interesa saber a cuántas personas de su población objetivo les gusta su marca en comparación con otras, no sirve de nada realizar entrevistas o unos pocos grupos de discusión. La muestra será demasiado pequeña para obtener una imagen representativa de la población. Si sus preguntas se refieren a "cuántos....", "cuál es la difusión...", etc., necesita realizar una investigación cuantitativa. Si lo que le interesa es saber por qué a la gente le gustan las distintas marcas, sus motivos y sus experiencias, la investigación cualitativa puede proporcionarle las respuestas que busca.

Describamos los pasos importantes para llevar a cabo una investigación.

Paso 1: Planificación de la investigación

Como dice el refrán: "Basura dentro, basura fuera". Supongamos que después de recopilar los datos descubre que

• ha hablado con las personas equivocadas
• has hecho las preguntas equivocadas
• un par de sesiones de grupos focales habrían dado mejores resultados por la interacción del grupo, o
• una encuesta con algunas preguntas abiertas enviada a un grupo más amplio de personas habría sido suficiente y habría requerido menos esfuerzo.

Piense detenidamente en el muestreo, las preguntas que va a formular y de qué forma. Si realizas un grupo de discusión o una entrevista, tú eres el instrumento de investigación, y tu recogida de datos sólo será tan buena como tú lo seas. Si nunca lo has hecho, busca formación y práctica. Si se lo encarga a otras personas, asegúrese de que tienen las habilidades necesarias.

Paso 2: Preparación de los datos

Cuando realice grupos de discusión o entrevistas, piense en cómo transcribirlos. ¿Quiere realizarlas en línea o fuera de línea? Si es en línea, compruebe qué herramientas pueden satisfacer sus necesidades, tanto en términos de funcionalidad como de coste. Para cualquier grabación de audio o vídeo, puedes plantearte utilizar programas o servicios de transcripción automática. Las transcripciones automáticas pueden ahorrarte tiempo y dinero, pero hay que comprobarlas. Si no lo haces tú mismo, asegúrate de instruir a la persona que lo haga sobre cómo preparar los datos.

• ¿Cómo debe formatearse la transcripción final para su posterior análisis?
• ¿Qué nombres y lugares deben ser anónimos?
• ¿Qué tipo de identificadores de locutor utilizar?

¿Y los datos de encuestas? Algunos programas de datos de encuestas proporcionarán inmediatamente un análisis básico a nivel descriptivo de las respuestas. ATLAS.ti le ayudará con el análisis de las preguntas abiertas. Para ello, necesita exportar sus datos como un archivo Excel. El asistente de importación de encuestas de ATLAS.ti le guiará a través del proceso.

Otros tipos de datos como imágenes, vídeos, grabaciones de audio, texto y más se pueden importar a ATLAS.ti. Puede organizar todos sus datos en grupos y escribir comentarios en cada fuente de datos para mantener una organización y documentación sistemática de sus datos.

Paso 3: Análisis exploratorio de datos

Puede realizar algunos análisis exploratorios sencillos para conocer mejor sus datos. Por ejemplo, puede crear una lista de palabras o una nube de palabras de todos sus datos de texto o comparar y contrastar las palabras en diferentes documentos. También puede dejar que ATLAS.ti encuentre conceptos relevantes por usted. Hay muchas herramientas disponibles que pueden codificar automáticamente sus datos de texto, así que también puede utilizar estas codificaciones para explorar sus datos y refinar su codificación.

Por ejemplo, puede hacerse una idea de los sentimientos expresados en los datos. ¿Quién es más optimista, pesimista o neutral en sus respuestas? ATLAS.ti puede auto-codificar los sentimientos positivos, negativos y neutrales en sus datos. Naturalmente, también puede simplemente navegar por sus datos y resaltar los segmentos relevantes que le llamen la atención o adjuntar códigos para empezar a condensar los datos.

Paso 4: Construir un sistema de códigos

Tanto si empiezas con la autocodificación como con la codificación manual, después de haber generado unos primeros códigos, necesitas poner un poco de orden en tu sistema de códigos para desarrollar una comprensión cohesionada. Puede construir su sistema de códigos clasificándolos en grupos y creando categorías y subcódigos. Como este proceso requiere leer y releer sus datos, se familiarizará con ellos. Contar con una herramienta como el software de análisis de datos cualitativos ATLAS.ti le apoyará en el proceso y le facilitará la revisión de sus datos, la modificación de las codificaciones si es necesario, el cambio de las etiquetas de los códigos y la redacción de definiciones operativas para explicar lo que significa cada código.

Paso 5: Consultar los datos codificados y redactar el análisis

Una vez codificados los datos, es hora de dar un paso más en el análisis. Cuando se utiliza software para el análisis de datos cualitativos, es fácil comparar y contrastar subconjuntos de datos, como grupos de participantes o conjuntos de temas.

Por ejemplo, puede consultar las distintas opiniones de los encuestados femeninos frente a los masculinos. ¿Existe alguna diferencia entre los consumidores de zonas rurales o urbanas o entre los distintos grupos de edad o niveles educativos? ¿Qué códigos aparecen juntos en el conjunto de datos? ¿Existen relaciones entre varios conceptos y, en caso afirmativo, por qué?

Paso 6: Visualización de datos

La visualización de datos da vida a los datos. Es una forma eficaz de ver patrones y relaciones en los datos. Por ejemplo, los diagramas permiten ver cómo se distribuyen los códigos en los documentos o en subpoblaciones específicas de los datos.

Explorar los datos codificados en un lienzo, desplazarse por las etiquetas de los códigos en un espacio virtual, vincular códigos y otros elementos del conjunto de datos y pensar en cómo están relacionados y por qué: todo ello hará avanzar el análisis y estimulará nuevas ideas. Los elementos visuales también son muy útiles para comunicar los resultados a otras personas.

Paso 7: Presentación de los datos

El último paso consiste en resumir el análisis en uninforme escrito. Para ello, puedes reunir las notas que has escrito sobre los distintos temas, seleccionar algunas citas destacadas que ilustren tu redacción y añadir elementos visuales como tablas y diagramas. Si sigues los pasos anteriores, ya tendrás todos los elementos básicos y sólo tendrás que reunirlos en un informe o una presentación.

Cuando prepares un informe o una presentación, ten en cuenta a tu público. ¿Su público entiende mejor los números que largas secciones de interpretaciones detalladas? Si es así, añada más tablas, gráficos y citas breves de datos de apoyo a su informe o presentación. Si a su audiencia le encanta una buena interpretación, añada sus notas completas y guíe a su audiencia a través de sus redes conceptuales y citas de datos ilustrativos.