Views
4 years ago

25 - A Carli, B Kennel - Marzo de 2014

  • Text
  • Kennel
  • Carli
  • Metodiologia
  • Cardio
  • Lector
  • Instrumento
  • Pensamiento
  • Terreno
  • Forma
  • Juego
  • Investigadores
  • Variables
  • Variable
Metodología de la investigación. El dato científico

Cuando estamos frente a

Cuando estamos frente a los datos científicos de una investigación, ésta nos es ofrecida en algún soporte físico, tiene un contenido informativo y es la mostración fáctica de la elaboración conceptual realizada. El primer aspecto nos habla de la cualidad social y comunicativa de la tarea científica, los resultados son comunicados mediante algún medio concreto, para suministrarnos información conceptualmente sostenida. Nadie investiga ni hace afirmaciones sin un corpus teórico que lo respalde, que le otorgue sentido. En algún momento expresamos que “Se encuentra lo que se busca y se busca lo que se sabe” (Goethe) poniendo sobre el tapete la idea de la existencia de un pensamiento previo a nuestros hallazgos. Este pensamiento previo incluye la elaboración del dato científico. La estructura del dato científico se debe planear antes de salir al campo. Lo que el lector deberá recordar que, si no sabe qué busca, le resultará muy difícil (por no decir imposible) entender lo que encuentre. Así el dato, la información que encuentre, exigirá una elaboración previa que facilite su ordenamiento, análisis e interpretación. Las estrategias (mal llamadas métodos) cualitativas de investigación fundamentan su razón de ser en el particular campo al que se dedican, así como en la manera en que se desarrollan, mediante una permanente dialéctica entre relevamiento de la información y la elaboración teórica correspondiente. Uno de los aspectos que frecuentemente olvidan quienes las utilizan, y los lleva a la confusión, es que esa información tiene una estructura. De esa estructura es de la que nos vamos a ocupar. Cuando en un artículo previo nos ocupamos del objeto del conocimiento dijimos que su construcción se realizaba mediante la selección de las variables que se consideraran relevantes. Y que, en esa decisión jugaban papeles relevantes la teoría, la hipótesis de trabajo y los objetivos del proyecto. Esas variables relevantes serán las que se someterán a medición, serán los elementos menores y no divisibles del universo de estudio de la investigación. Serán las Unidades de análisis (UA) del dato científico. Una de sus cuatro partes (Samaja). Las que responderán a la pregunta ¿de qué quiero hablar? La pregunta ¿qué quiero decir? será de utilidad para reconocer el segundo componente del dato, la variable (V). Aquí deberíamos hacer un alto y volver sobre nuestros pasos. Ha surgido de nuevo el término variable, en este caso al considerar la estructura del dato científico. Pero también lo utilizamos al construir el objeto de estudio. Para una mejor comprensión le sugerimos al lector volver el pensamiento a la idea de “las cajitas chinas”, en la cual es posible entrar en un mundo en el cual unas totalidades son abarcadoras de otras menores y, a su vez, abarcadas por otras que las exceden. Así, se trataría de un despliegue imaginario en el cual el investigador es libre de usar las totalidades según su interés, sus objetivos, teorías e hipótesis en juego. Para ilustrar la idea. Si estamos dentro de un salón y lo aceptamos como nuestro objeto de estudio, podríamos elegir como variables caracterizadoras a las aberturas, los elementos de iluminación, etc. Y el edificio en el que el salón se encuentra considerarlo “contexto”. Pero nada se opondría a que cambiáramos nuestro punto de vista (que algunos autores como Samaja denominan “nivel de anclaje”) y decidiéramos que las aberturas pasaran a ser objetos de estudio y los materiales con que están hechas, variables relevantes. Y el salón, contexto. Como vemos hemos realizado un movimiento mental “vertical”, muestra de la libertad con que una investigación puede realizarse según las condiciones arriba referidas. Pero recordemos que una variable debe poseer, para ser científica, dos condiciones: tiene que ser conceptualizable y operacionalizable. Esto es que se presenta en el terreno de la abstracción conceptual y deberá ser pasible de medición. Deberá ser llevada del terreno de lo conceptual al de la empírea. Para eso se tendrá que entender “lo conceptual” como dilucidar lo que algo es en su esencia, con la adecuada identificación de los atributos sin los cuales deja de ser lo que es. Antes referimos los distintos estados que una variable puede asumir desde lo económico, aquí es preciso considerarlos desde lo morfológico. Una variable no sólo presentará, según la estrategia utilizada, distintos valores o categorías (economía) sino diferentes dimensiones (morfología), sobre las que volveremos luego. Una vez realizada esta operación se contestará la siguiente pregunta: ¿cómo lo digo?, útil para identificar los valores (cuantitativos) o categorías (cualitativas) (R) con los que se hará referencia a los diferentes estados económicos que puede presentar la variable en consideración. Una cuarta parte, no considerada por todos los autores, será la que conteste a la pregunta: ¿por qué lo digo?, la que dará cuenta del Indicador (I). Aquel lector interesado en la justificación de esta forma cuatripartita del dato científico le recomendamos la lectura del libro de Juan Samaja, Epistemología y Metodología. Elementos para una teoría de la investigación científica. EUDEBA. Buenos Aires, 1993. Así, el dato pasará a ser la justificación de porqué (I) el investigador dice como dice (R) lo que dice (V) de lo que quiere hablar. (UA). Se trata de vincular conceptos abstractos con indicadores empíricos. El indicador es la herramienta que posibilita operacionalizar a la variable. Por supuesto, que no siempre medirá toda la variable sino una parte de ella, una dimensión (D) o subvariable, a la que se llega luego de pensar cuáles son los significados implícitos en ella. En la elección de determinada dimensión y no de otra, pesarán razones de tipo teórico pero también los objetivos a alcanzar y la hipótesis que se ponga en juego en un proyecto dado. Para operar sobre esta, utilizará un procedimiento (P) con lo que, en definitiva, un indicador estará constituido por dos partes dimensión y procedimiento. 20 | Editorial Sciens

farmacología cardiovascular 25 | Marzo de 2014 La idea de procedimiento en ciencia está fuertemente ligada a las herramientas con las que se trata la información recogida. Tienen dos condiciones irrenunciables validez y confiabilidad. Un instrumento de medición será válido cuando mantenga coherencia teórica con la variable medida. Dicho de otra manera: cuando esté preparado para medir lo que se quiere medir. Tendrá aspectos relacionados con el contenido de la variable, es decir, que mide adecuadamente las dimensiones de la variable estudiada; relacionados con el criterio según el cual si se utilizara otro instrumento arrojaría resultados similares y, por último, relacionados con el constructo, esto es con la teoría en uso. Un instrumento de medición será confiable cuando entre todos (con) seamos capaces (able) de dar fe (fide). Como vemos, otra vez la etimología nos sirve para entender de qué estamos hablando. No obstante lo dicho con frecuencia nos encontramos con que los investigadores confunden ambas cualidades. En alguna ocasión un distinguido psiquiatra nos consultaba sobre el uso de un test. Cuando preguntamos si le tenía confianza nos contestó que “había sido validado en investigaciones previas”, denunciando esa confusión. Nuestro amigo interpretaba que el uso repetido y la aceptación de sus resultados le daban validez al instrumento, cuando lo que estaban otorgándole era confiabilidad, los investigadores previos daban fe de que los resultados eran correctos o aceptables. La idea de validación está relacionada con la evaluación teórica que hagamos del instrumento, cosa no siempre fácil de lograr sobre todo en el terreno de las ciencias blandas en las que se ponen en juego diferentes concepciones doctrinarias. Existen factores que pueden afectar tanto la confiabilidad como la validez. En primer lugar hemos planteado la necesidad de realizar una cuidadosa planificación de la estructura del dato científico con lo cual se concluye que nada puede ser improvisado. Otro de los factores a considerar es el uso “ciego” de instrumentos desarrollados para su uso en realidades contextuales diferentes a las del campo en estudio así como la no adecuada adaptación a los individuos investigados. Factores externos (condiciones en que se realiza la medición) e instrumentales (con fallas) también deben ser examinados. Para ilustrar la idea diremos que si concurro a clase con una balanza e invito a los alumnos a medir su inteligencia probablemente pondrán en tela de juicio mi juicio. La balanza podrá tener una absoluta precisión en la medida del peso, esto es confiable, pero no está destinada a medir una variable (en este caso la inteligencia) de enorme complejidad teórica, no será válida. Si la misma balanza, válida para pesar, la llevo a un laboratorio para trabajar en la combinación de sustancias, no será confiable porque no tendrá el nivel de precisión necesario para tal fin. Esta estructura necesariamente deberá ser recordada por todo investigador, cualquiera sea la estrategia (cuali o cuantitativa) de recolección y tratamiento de los datos. En las cuantitativas, propia de las ciencias duras, no encontramos que haya mayor dificultad en la aplicación de esta idea. Sí, en el campo de la investigación cualitativa. Es nuestro propósito que los investigadores cualitativos también la recuerden, acostumbrados en general a la realización de investigaciones exploratorias en las que por definición no hay datos ni hipótesis, ya que sólo se trata de identificar variables, recordemos que dicho tipo de investigación consiste en construir el objeto de estudio en el campo. Las dificultades se presentan en aquellas situaciones en las que abordan investigaciones que describen o relacionan variables pero que, al olvidar la complejidad estructural que la información (dato) científica tiene, concluyen en escritos de tipo ensayístico. Supongamos un grupo de científicos convocados para evaluar una universidad. El objeto universidad podrá ser construido mediante la utilización de diferentes variables, por ejemplo, nivel académico de los docentes, nivel pedagógico de los docentes, etc. Abordemos la medición de la primera de ellas. Para ello la ubicaremos, como corresponde, como unidad de análisis del dato que deseamos construir. En la tabla que sigue observará el lector que se acostumbra a ubicar las unidades de análisis en la fila y las variables en las columnas. Nivel académico Títulos de grado Especialistas Magisters Doctores Así, podremos registrar de manera cuantitativa el número de docentes con sólo título de grado y los que mediante estudios de posgrado han alcanzado el nivel de especialistas, magister y doctores. El indicador utilizado para lograr esos valores podrá estar constituido por un instrumento, por ejemplo, el pedido de presentación de la documentación correspondiente. Este procedimiento será válido si tiene las certificaciones correspondientes y, confiables si, por ejemplo, utilizamos algún mecanismo de control de su legalidad. En un próximo artículo completaremos las ideas abordando el concepto de matrices de datos. Editorial Sciens | 21

Biblioteca

Av. García del Río 2585 Piso 12 A - C.A.B.A
+54 11 2092 1646 | info@sciens.com.ar

Editorial Sciens, Todos los Derechos Reservados 2015