Uso de CAQDAS para la investigación cualitativa

Visión general

Hoy en día, el software de análisis de datos cualitativos asistido por ordenador (CAQDAS) es un componente necesario de la investigación cualitativa. A medida que los conjuntos de datos se hacen más grandes y complejos, los paquetes de software de análisis cualitativo de datos (ACD) ayudan a los investigadores a analizar los datos recogidos a partir de métodos cualitativos. La cuestión que se plantean ahora los investigadores es cómo elegir el mejor software QDA para su investigación. En esta sección, veremos cómo ha evolucionado la investigación para necesitar CAQDAS, las diversas aplicaciones exclusivas de CAQDAS y qué factores deben tener en cuenta los investigadores a la hora de elegir un paquete de software. A continuación, examinaremos algunas de las herramientas de ATLAS.ti que pueden ser particularmente útiles para los investigadores cualitativos.

Retos del análisis cualitativo

No hace falta decir que el análisis de datos cualitativos requiere tiempo y esfuerzo. Los datos cualitativos no están estructurados y requieren organización antes de realizar cualquier investigación. Sin un software de análisis de datos cualitativos, muchos de los ricos análisis que esperamos en las disciplinas que se basan en métodos cualitativos se vuelven difíciles, si no directamente imposibles. Veámoslo desde dos ángulos diferentes: cómo era el análisis de datos cualitativos antes de los ordenadores y por qué los ordenadores se han hecho necesarios para el análisis.

Análisis tradicional de datos cualitativos

Hoy en día damos por sentados los ordenadores y la tecnología. Si no estamos delante de un ordenador, tenemos un smartphone en la mano. Por eso es fácil pasar por alto la contribución de la tecnología al proceso de investigación. Para apreciar los retos, ayuda imaginar cómo era la investigación cualitativa antes de que los ordenadores o la tecnología digital estuvieran ampliamente disponibles como recursos analíticos. Cualquiera que aprenda hoy en día sobre el análisis cualitativo de datos puede oír anécdotas de investigadores cualitativos que pegaban páginas de datos impresos a sus paredes o extendían montones de papeles por el suelo del salón para tener una visión de pájaro de su investigación mientras cogían un rotulador fluorescente y notas adhesivas para dar sentido a sus datos. Los colores representaban los distintos temas, mientras que las notas adhesivas ofrecían espacio para que los investigadores anotaran sus datos. Las citas de datos relevantes también podían copiarse en fichas para facilitar el análisis de los segmentos clave y probar diferentes categorizaciones. Si el conjunto de datos no era demasiado grande, examinar los colores, las anotaciones y las fichas era lo suficientemente factible para que los investigadores cualitativos captaran los temas de sus datos y establecieran conexiones para contar la historia general.

Más datos, más tipos de datos

Naturalmente, este enfoque analógico del análisis de datos tiene sus límites. ¿Cuántos trozos de papel caben en el suelo de una habitación? A medida que se amplía la investigación cualitativa, también lo hacen los conjuntos de datos que recogen los investigadores. Las transcripciones de las investigaciones pueden abarcar docenas o cientos de horas de grabaciones de entrevistas y grupos de discusión. Los datos de las encuestas pueden incluir miles de registros recogidos de grandes poblaciones. Los etnógrafos recopilan y luego analizan notas de campo, fotografías, grabaciones de vídeo y documentos para determinar las conexiones entre segmentos de datos relacionados en partes muy distintas de sus proyectos de investigación. A esto hay que añadir la necesidad de análisis más complejos, ya que los investigadores se enfrentan continuamente a nuevas cuestiones de investigación. Al fin y al cabo, el ojo humano sólo puede distinguir un número limitado de colores de rotulador antes de que el investigador se sienta abrumado.

¿Para qué sirve CAQDAS?

La capacidad de gestionar grandes conjuntos de datos es una cuestión. A medida que evoluciona la investigación cualitativa, la complejidad de los métodos de análisis de datos cualitativos empieza a trascender el alcance de la intuición humana sin la ayuda de la tecnología. Veamos algunos ejemplos.

Análisis de contenido

En las investigaciones relacionadas con el discurso, los investigadores se interesan a veces por las palabras y frases que se utilizan en un texto escrito u oral. Para ello, suelen recurrir al análisis de contenido. Muchas formas de análisis de contenido consisten en contar cuántas veces se utiliza una palabra o frase concreta en un conjunto de datos textuales. En los grandes proyectos cualitativos, realizar esta tarea a mano es sencillamente inviable; los programas informáticos pueden agregar estos datos con mucha más rapidez y coherencia que el ojo humano.

Libros de códigos

Llevar un registro de docenas, quizá cientos de códigos, es una función clave del software CAQDAS. Piense en las dificultades de agregar a mano todos los datos codificados. ¿Con qué rapidez puede determinar las frecuencias de todos y cada uno de los códigos de su proyecto? ¿Cómo procesar códigos discretos y organizarlos en categorías y temas más amplios? Una buena plataforma CAQDAS debería simplificar esta transición de datos brutos a datos codificados y estructurados.

Análisis de datos de imágenes y archivos de audio

Hoy en día, el software de análisis de datos cualitativos no se limita al texto. Los investigadores analizan imágenes, grabaciones de audio y grabaciones de vídeo para construir nuevos conocimientos y explorar fenómenos desde distintos ángulos. Al fin y al cabo, una expresión facial oportuna o un enunciado no verbal que no puede captarse con palabras puede afectar al significado de cualquier texto correspondiente. Como resultado, los investigadores confían en CAQDAS para organizar diversas formas de datos textuales y no textuales para una investigación más holística o para explorar cuestiones de investigación que no pueden responderse sólo con datos textuales.

¿Qué debo tener en cuenta al elegir un paquete CAQDAS?

Los paquetes CAQDAS son bastante estándar hoy en día gracias a los esfuerzos colectivos de investigadores cualitativos, desarrolladores de software y defensores como el CAQDAS Networking Project, que se formó para ayudar a los investigadores en el uso de software para el análisis cualitativo de datos. En términos más generales, los paquetes de software CAQDAS deben permitir a los investigadores buscar entre sus datos, crear códigos, establecer vínculos y consultar sus datos para un análisis enriquecido. Como resultado, hay un conjunto básico de herramientas que existen en casi todas las principales plataformas de software QDA.

En resumen, todos los investigadores tienen consideraciones básicas sobre el precio, la facilidad de uso y el soporte que conlleva el uso de paquetes de software. Además, es importante comprobar que las capacidades del CAQDAS se ajustan a las necesidades del proyecto de investigación. Cuando se trabaja en equipo (por ejemplo, en un laboratorio de investigación universitario o en una organización sin ánimo de lucro), los investigadores también pueden pensar en las herramientas de colaboración de un software, la compatibilidad del software entre plataformas (por ejemplo, Windows o Mac) y las funciones de almacenamiento de datos del proyecto. Por último, los investigadores también pueden mirar cómo otros investigadores han revisado diferentes paquetes de software para determinar si el campo de investigación está satisfecho con el software.

Herramientas de análisis cualitativo en ATLAS.ti

Entre todas estas consideraciones, es probable que las capacidades de cualquier paquete de software QDA en particular estén en primer plano cuando realice una comparación. Tanto si utiliza nuestro software de escritorio como nuestra plataforma web, nuestro software le ayuda a ahorrar tiempo en la organización y análisis de sus datos. Todos los paquetes de software CAQDAS tienen herramientas que pueden realizar tareas que un enfoque analógico no puede, pero ATLAS.ti tiene una serie de herramientas que proporcionan a los usuarios varias ventajas para llevar a cabo la investigación.

Codificación de grupos focales

Cuando se tienen transcripciones de grupos focales con múltiples participantes en la investigación, es posible que sólo se quieran analizar las respuestas de los participantes sin incluir las expresiones del entrevistador o moderador. La herramienta de Codificación de Grupos Focales en ATLAS.ti puede crear códigos para todos los hablantes en una transcripción para capturar los nombres de los participantes, datos demográficos, o cualquier otra característica de interés. A continuación, puede refinar su enfoque de los datos mirando el texto etiquetado con los códigos de los entrevistados para obtener la información más relevante de forma rápida y sencilla.

Visualización de datos

En cualquier proyecto de investigación, una imagen puede decir más que mil palabras. Esto es especialmente cierto para visualizaciones como nubes de palabras y diagramas de Sankey, todos los cuales se pueden generar en ATLAS.ti. Una visualización perspicaz puede ser increíblemente beneficiosa en trabajos de investigación o presentaciones para persuadir a su audiencia y para ayudarle a dar sentido a sus ricos datos cualitativos.

Minería de texto

Una serie de herramientas en ATLAS.ti pueden extraer datos textuales para descubrir ideas significativas, tales como conceptos, opiniones, entidades, y más. El Análisis de Sentimiento, por ejemplo, analiza el texto de los documentos para determinar si el lenguaje es de naturaleza positiva, negativa o neutral. Utilizado junto con la herramienta de Codificación de Grupos Focales, por ejemplo, puede utilizar el Análisis de Sentimiento para identificar cómo se sienten los diferentes entrevistados sobre un tema o concepto en particular.

Herramientas de inteligencia artificial

Las características avanzadas de ATLAS.ti como la Codificación IA y los Resúmenes IA aprovechan la inteligencia artificial generativa para describir cualquier cuerpo de datos textuales, que pueden manifestarse en codificación cualitativa o en breves resúmenes para facilitar su análisis. Con estas herramientas asistidas por IA a su alcance, puede analizar grandes conjuntos de datos textuales más rápidamente que con métodos analógicos o con el software CAQDAS tradicional.