Subido por Daniel Hurtado J.

PRINCIPIOS DE METODOLOGIA

Anuncio
Introducción
Hemos escrito este libro porque, en nuestra propia enseñanza, encontramos que muchos de los
textos sobre métodos o filosofía de las ciencias sociales dicen muy poco sobre una de las
preguntas más fundamentales en los diseños de investigación: ¿Qué seremos capaces de afirmar
conocer como resultado de hacer esta investigación?
El libro trata los temas claves de la metodología -como opuesto a método- desde el nivel básico
hasta el avanzado. Lo hemos escrito para abordar las necesidades de los investigadores novatos,
incluidos los estudiantes de posgrado que realizan cursos de maestría para los cuales se espera
que lleven a cabo investigaciones empíricas y los investigadores de doctorado que realicen la
capacitación en métodos para respaldar sus doctorados. Las primeras secciones podrían ser
útiles para los estudiantes universitarios que estén preparando su tesis. Pero también creemos
que lo importante y original, y tal vez controvertido, de los argumentos que desarrollamos será
también empleado por investigadores experimentados, ya sea que trabajen en universidades o
realicen o encarguen los crecientes volúmenes de investigación social que ahora se realizan para
empresas, gobiernos y agencias sociales.
¿Qué es la “metodología”?
Este libro es sobre metodología y diseño de investigación. Por “metodología”, queremos
expresar el entendimiento de como proceder desde los hallazgos de una investigación empírica,
hasta hacer inferencias sobre la verdad – o al menos la adecuación- de teorías. Su importancia
radica en la visión fundamental de que los hallazgos sobre hechos empíricos, a menudo son más
interesantes cuando nos permiten hacer sentencias más profundas sobre lo que podría estar
pasando debajo de esos hechos. El punto de comprender la “metodología” es que podría
permitirnos diseñar nuestra investigación, de tal manera que podamos obtener conclusiones
defendibles sobre lo que podría estar causando que las cosas que observamos, incluyendo
aquellas causas derivadas de las formas en la cual las personas piensan sobre el mundo.
Como obtener conclusiones defendibles no es el mismo problema de como “generalizar” a partir
de nuestros resultados. En su forma más común, la generalización no es un problema muy
profundo. Si es que hemos observado un conjunto de casos -talvez jóvenes quedándose sin
hogar, o compañías yendo a la bancarrota, o partidos políticos recuperándose de una derrota
electoral – y tenemos buenas razones para pensar que esos casos son típicos de otros casos en
la misma “población”, entonces, muchos de nosotros podríamos correr el riesgo de generalizar
a los casos que de hecho no hemos observado.
Un problema mucho más profundo es que la obtención de conclusiones, incluso sobre casos que
hemos observado, de patrones o hechos sobre tales cosas a “explicar” o “interpretar”. La
“Metodología” es el estudio de este problema. Difiere del estudio de los “métodos de
investigación”, los cuales tratan con técnicas para colectar datos y para analizarlos. Los buenos
métodos son, obviamente, esenciales para hacer buena investigación. Una metodología
defendible no sirve de nada, si es que los datos son colectados pobremente o codificados
descuidadamente, o se han llevado a cabo tests estadísticos o análisis cualitativos incorrectos.
Pero la inversa es también cierta. Una buena comprensión de la metodología puede ayudarnos
a evitar el riesgo de colectar y analizar datos competentemente, pero no podemos extraer
conclusiones sólidas porque el diseño de la investigación es defectuoso.
El estudio de los métodos esta comúnmente dividido por el tipo de datos que se usa. En general,
se usan diferentes métodos para colectar, codificar y analizar datos cuantitativos y cualitativos.
En contraste, muchos problemas del diseño de investigación y la metodología son muchas veces
los mismos, sin importar si la investigación usa números o tiras de texto. Necesitamos asegurar
que podemos sacar conclusiones interesantes de cualquier cosa que descubrimos. Por esta
razón, este libro no tiene capítulos separados sobre enfoques de investigación cualitativo y
cuantitativo
Desacuerdos metodológicos: la imposibilidad de la neutralidad
La metodología es un sujeto sobre el cual los científicos sociales discrepan, probablemente
mucho mas que en el método. Esto significa que hay pocos asuntos no contenciosos en los cuales
introducir la metodología de la investigación social. Por lo tanto, debemos emitir un aviso de
precaución. Ningún libro sobre metodología puede ser enteramente neutral entre argumentos
metodológicos. Como investigadores en ejercicio inevitablemente mantenemos nuestra
posición, la cual, ha influenciado como conducimos nuestra propia investigación. Hemos
encontrado también de la enseñanza de este tema muchos años, que los estudiantes se
benefician de tomar parte en debates académicos vigorosos.
Por esta razón, este libro toma partido en algunas disputas actuales importantes. Hemos
empeñado, no obstante, cubrir las principales líneas del debate metodológico de un rango de
perspectivas que precisamente revelan la base lógica para posiciones en competencia.
Intentamos, de esta manera, que el libro te equiparará para desarrollar tu propia perspectiva.
Un lector que no comparte nuestro enfoque, o que sostiene uno contrario, puede, esperamos,
usar este libro con la confianza de que no contrabandearemos asunciones no reconocidas o
disfrazar el espacio para posiciones rivales. Hemos intentado en todas partes establecer
claramente los contrargumentos disponibles, incluso cuando indiquemos que los consideramos
débiles.
Nos dispusimos a escribir un libro que sea útil para las ciencias sociales, incluida la sociología, la
politología, la antropología, los estudios de desarrollo, los estudios de negocio y administración,
la criminología, las políticas públicas, las políticas sociales y los estudios de ciencia y tecnología.
De hecho, extraemos ejemplos de cada una de estas disciplinas y campos. Tenemos razones,
tanto de principios como de prácticas, para creer que este enfoque interdisciplinario es
apropiado. El motivo principal, es que todas estas disciplinas comparten fundamentos comunes
en la metodología y el diseño de investigación. Esto no es sorprendente, porque todas se han
desarrollado a partir de una fuente común. A mediados del siglo XIX, estas disciplinas apenas se
distinguían unas de otras, excepto como campos empíricos dentro de la amplia competencia de
las ciencias sociales. La razón práctica, es que, es cada vez más común que los estudiantes
aprendan el método y la metodología en grupos multidisciplinarios. De hecho, en muchos
países, incluido el Reino Unido, esta práctica es activamente fomentada por los organismos
públicos que financian la capacitación en investigación.
Damos la bienvenida a los enfoques multidisciplinarios para la capacitación en investigación,
porque sabemos por nuestra propia experiencia, cuanto se benefician los estudiantes y los
primeros investigadores de carrera, al ver como trabajan los colegas en otras disciplinas a través
de problemas metodológicos. Igual de importante, puede ser más fácil entender un problema
complejo de un ejemplo fuera de nuestro propio campo, porque es más fácil reconocer la
estructura lógica del problema, sin distraerse con los hechos empíricos de la ilustración en
particular. El contorno y los contrastes se vuelven más claros y fáciles de leer cuando miramos
algo desde la distancia. Así, por ejemplo, los politólogos deberían encontrar un valor
considerable en el estudio de los problemas metodológicos, a través del lente de los ejemplos
tomados, por ejemplo, de la antropología, la política pública o los estudios de negocios.
El alcance de este libro
Este es un libro sobre metodología, por lo que no cubrirá mucho de lo que generalmente se
encuentra en los textos sobre métodos de investigación, ya sea cualitativos o cuantitativos. Aquí
no decimos nada, por ejemplo, acerca de cómo realizar pruebas estadísticas estándar o como
realizar entrevistas o análisis de transcripciones. Más bien, este libro aborda el problema de que
inferencias podrían esperar extraer de los resultados producidos por tales métodos. Por lo tanto,
aborda el problema de como diseñar una investigación que sea metodológicamente defendible
y proporcione la confianza de que se puede hacer un buen uso de sus hallazgos.
Este libro tampoco trata principalmente sobre filosofía de las ciencias sociales. Dedicamos los
Capítulos 2, 3, y 4 a temas filosóficos que son de importancia central para la metodología, pero
este libro no proporciona una guía completa para el pensamiento de las figuras clave en la
filosofía de las ciencias sociales o temas filosóficos y problemas.
También insistimos en que comprender los métodos de investigación y la filosofía de las ciencias
sociales, por importantes que sean ambos, no son suficientes para que un investigador social
sea competente. Demasiados investigadores nuevos se embarcan en su trabajo con algunos
antecedentes en método y filosofía, pero muy poco en metodología. Peor aún, es posible que ni
siquiera se den cuenta de que la metodología del diseño de la investigación se ocupa de
cuestiones distintas del diseño del estudio del método y la filosofía.
El libro trata principalmente de lo que a menudo se conoce como “investigación observacional”.
No cubrimos en profundidad los problemas metodológicos en juego en el trabajo experimental,
aunque en el Capítulo 4, se dicen algunas cosas importantes sobre el diseño experimental para
mostrar lo que es distintivo de la investigación observacional.
La estructura del libro
El libro está dividido en cuatro partes, cubriendo respectivamente:
-
Fundamentos – ¿Que es la metodología y que hace?
Diseños – Los tipos principales de diseño de investigación y los desafíos metodológicos
de cada tipo.
Logros – Los tipos de productos o argumentos de los cuales los investigadores pueden
hacer inferencias de los hallazgos producidos por el análisis
Combinación y compensación – formas de adoptar dos o más diseños de investigación
juntos, para apoyar uno al otro, y como pensar sobre los compromisos que todos los
tipos de diseños de investigación deberían hacer.
La parte I plantea dos cuestiones que se repiten a lo largo del libro. Explicamos porque el estudio
de la metodología es controvertido en una manera y con una profundidad que, por ejemplo, el
estudio del método no lo es. En segundo lugar, todas las cosas buenas prescritas por la
metodología no van bien en el mismo diseño. Un diseño de investigación puede exhibir varias
virtudes diferentes, pero generalmente, tenemos que hacer concesiones entre ellos. Por lo
tanto, una parte clave de cualquier defensa metodológica de una investigación consiste en
afirmar que la compensación entre estas virtudes es razonable.
La segunda parte, trata de los conceptos que estructuran todo el libro. Describe los principales
tipos de diseño de investigación distinguiendo entre diseño deductivo e inductivo, análisis
dentro y entre casos, y entre investigación orientada a variables, basadas en casos y comparativa
de casos. La tercera parte del libro trata sobre los principales tipos de logros, productos o
resultados de la investigación en ciencias sociales, o sobre qué conclusiones buscan sacar las
investigaciones. Estos productos son descripciones, explicaciones e interpretaciones.
En la práctica, sin embargo, algunas investigaciones de ciencias sociales combinan estos
elementos. En la parte final, examinamos los servicios que la descripción, explicación e
interpretación pueden proporcionar en un estudio combinado. En el capitulo final, discutimos
algunas de las formas en que se puede lograr compromisos entre virtudes particulares
apropiadas para diferentes diseños de investigación. Nuestra experiencia de enseñanza de este
material a clases multidisciplinarias de maestrantes y estudiantes de doctorado, sugiere que los
primeros nueve capítulos brindan un curso básico o “fundamental”, mientras que los últimos
nueve capítulos son compatibles con un curso de nivel avanzado.
La metodología es un negocio práctico, porque comprender la metodología nos permite
entregar los bienes prometidos por la investigación en ciencias sociales. Entonces, mientras este
libro trata de los principios derivados de la teoría de la metodología, lo hace en el espíritu del
viejo adagio que dice “no hay nada tan útil como una buena teoría”. Y, por lo tanto, es
importante que usted pueda ver claramente como estos principios pueden aplicarse a su propia
investigación. Con este fin, proporcionamos dos tipos principales de ayudas pedagógicas:
ejemplos y ejercicios. Aparecen en recuadros numerados en cada capítulo.
Ejemplos
Los ejemplos están tomados de muchas disciplinas, y son de dos tipos. Algunos usan piezas
influyentes de investigaciones publicadas como vehículos para mostrar como investigadores
experimentados, incluidos los autores de algunos estudios clásicos en ciencias sociales, han
enfrentado tipos particulares de desafíos metodológicos. Esperamos que desee leer los textos
originales, porque es importante que los nuevos investigadores se familiaricen con al menos
algunos de los elementos principales del canon metodológico. Pero hemos intentado
proporcionar una explicación suficientemente clara de cada ejemplo para que sea útil para los
lectores que no tienen acceso a las publicaciones originales o el tiempo para leerlas todas.
Otros son ejemplos ficticios redactados para ayudarlo a pensar en problemas metodológicos
que podrían surgir en su propia investigación. Hemos tomado ambos tipos de ejemplos de una
variedad de disciplinas de ciencias sociales, y nos hemos asegurado de que algunos de ellos
traten temas prácticos en la investigación en negocio y políticas públicas.
Repasando el libro hay varios ejemplos de ficción. Algunos se refieren, a la investigación sobre
el sueño brusco y el comportamiento en el reciclaje de residuos domésticos. El propósito de
crear ejemplos vinculados es, en parte, para mostrar como los diferentes problemas en la
metodología podrían desarrollarse en relación con el mismo tema de investigación o incluso la
misma pregunta. También muestra como las diferentes estrategias metodológicas pueden
iluminar diferentes aspectos de un problema y acumularse para proporcionar una compresión
de él. Esta serie de ejemplos habla de nuestro propósito general en este libro, que es ayudar a
los lectores a comprender como los diferentes aspectos de la metodología contribuyen a un
buen diseño de investigación, a veces, pero no siempre, en el mismo estudio.
Ejercicios y lecturas complementarias
También incluimos ejercicios prácticos en cada capítulo, para que los lectores puedan probar su
comprensión de los puntos clave. Algunos de estos también se ejecutan a lo largo del libro. La
mayoría son apropiados para su uso en la discusión en clase.
Al final de cada capitulo se ofrecen sugerencias para lecturas adicionales, tanto en el nivel básico
como en el avanzado. Estas son lecturas selectivas en lugar de exhaustivas. Hemos indicado lo
que creemos que son los artículos o capítulos de libros más importantes y accesibles, al mismo
tiempo que alentamos a los lectores a leer algunas de las contribuciones clásicas a la
metodología de las ciencias sociales. Debido a que la lista de referencias al final del libro también
incluye todas las lecturas recomendadas, sirve como una bibliografía bastante completa sobre
la metodología. Somos conscientes de que incluso los lectores con experiencia en ciencias
sociales pueden no estar familiarizados con parte del vocabulario de este libro. Por lo tanto,
hemos proporcionado un glosario de términos técnicos importantes.
PARTE I
Fundamentos
Que es la metodología y que hace
UNO
Inferencia y garantías en el diseño de investigación
Este capítulo:
-
-
Explicará que se entiende por metodología y como difiere del método;
Introducirá los tres tipos principales de preguntas de investigación en las ciencias
sociales; y como se responden cada una mediante la obtención de inferencias de los
patrones encontrados en los datos; y
Explicará que la metodología siempre es controvertida, porque todas las cosas buenas
no van juntas, y que hay que hacer concesiones entre las virtudes de un buen diseño de
investigación.
¿Cómo difiere la metodología del estudio de los métodos?
Ya que este libro es sobre metodología, debemos de empezar con ese término. Pero, primero,
debemos señalar que muchos de los textos estándares lo usan pobremente para referirse a todo
lo que hacen con métodos de investigación. Así que no se sorprendan si leen libros o artículos
que afirmen ser sobre metodología, los cuales versan sobre asuntos que están excluidos de este
libro. Nuestra definición, si embargo, es estrecha y específica, y distingue claramente entre
método y metodología en ciencias sociales.
En este libro, definimos método como el conjunto de técnicas reconocidas por la mayoría de los
científicos sociales que son apropiadas para la creación, colecta, codificación, organización y
análisis de los datos.
-
Los métodos de creación de datos son usados para producir el material en bruto de la
investigación, denominado datos bien estructurados – o conjuntos de información- que
pueden ser usados para desarrollar nuevas investigaciones, del tipo que describimos
-
abajo. Los métodos de creación de datos incluyen la etnografía o la observación
participante, grupos focales, entrevistas individuales, cuestionarios de encuestas y
otros.
Los métodos de colecta de datos son procedimientos para capturar lo que es importante
para responder la pregunta de investigación de los datos que se han creado. Ello puede
involucrar el escaneo de textos para temas particulares, código o contenido o cuentas
de empresa o procedimientos cuantitativos más avanzados. Sin embargo, solo podemos
contar o codificar una vez hemos decidido como identificar que es importante, como lo
mostramos en el Ejemplo 1.1
---------------------------------------------------------------------------------------------------------------------------Ejemplo 1.1. Vida de la calle
Se afirma que el numero de indigentes en las calles de las ciudades británicas cayó bruscamente
en los cuatro o cinco años posteriores a la iniciativa del gobierno Laboralista Británico sobre los
indigentes en 1998. Pero se ha nivelado, y al momento de escribir estas palabras parece
incrementarse nuevamente.
Sin embargo, como muestra un documento de consulta emitido por la coalición de gobierno
subsecuente (Departamento de comunidades y gobierno local, 2010), existen un problema
mayor con esta afirmación, en que nadie cree que los datos sobre los indigentes sean precisos,
porque el conteo de numero de indigentes esta lejos de ser franco.
El gobierno esta preocupado de que su definición oficial de indigentes como “personas que
duermen o alojan al aire libre” significa que el que consejo local no cuenta a las personas que
pasan la noche despiertos o sentados o en sleeping. Pero, de eso se sigue que el consejo
¿debería contar a todas las personas en las calles con sleeping? ¿Que sucede, por ejemplo, con
las personas que podrían usar los sleeping como ayuda para mendigar, pero no son indigentes?
Y ¿Deberían los concejales contar a las personas que duermen en tiendas, callejones o bloques
de viviendas o quienes toman refugio en las noches frías en albergues de caridad?.
----------------------------------------------------------------------------------------------------------------------------
-
-
-
Los métodos de codificación de datos son procedimientos para determinar si la
información indicada por un dato particular o un conjunto de datos cumple los
estándares o límites requeridos por ser clasificados bajo un categoría, donde dicha
categoría esta relacionada a la pregunta de investigación o hipótesis
Los métodos organización de datos son procedimientos para preparar la totalidad del
conjunto de datos o serie de datos, que han sido creados, colectados y codificados por
los investigadores para los propósitos del proyecto, o han sido tomados de otras fuentes
-por ejemplo, un conjunto de datos de una encuesta nacional tales la encuesta de
crimen británica o, como en el Ejemplo 1.1, la estimación anual del gobierno británico
de los indigentes. La organización de datos involucra configurar los datos en una base
común adecuada – por ejemplo, tabulándolos – de tal manera que puedan ser
analizados.
Los métodos de análisis de datos son procedimientos para manipular los datos de tal
manera que la pregunta de investigación pueda ser respondida, usualmente mediante
la identificación de patrones importantes. Los procedimientos estadísticos son ejemplos
obvios. Hay muchas técnicas cualitativas también, tales como análisis de contenido, y
una variedad de técnicas comparativas de base teórica para el manejo de datos
históricos cualitativos del tipo que discutiremos en el Capítulo 17.
--------------------------------------------------------------------------------------------------------------------------Ejercicio 1.1.
Considerando los desafíos identificados en el Ejemplo 1.1. arriba, piensa sobre como podrías
desarrollar un conteo consistente y preciso de los indigentes. ¿Qué criterios podrías usar?
¿Cómo podrías justificarlo?
-----------------------------------------------------------------------------------------------------------------------------Interpretación
Habrás notado que no se ha dicho nada sobre la “interpretación” de los datos. El proceso de
colecta de datos casi siempre requiere que el investigador “interprete” los datos, y que esto es
así, particularmente cuando -como en el ejemplo 1.1- las cosas que son estudiadas no caigan en
directamente de unidades ambiguas o inconvenientes. Consideraremos algunos de estos
problemas con más detalle cuando discutamos el uso y aplicación de los conceptos en el Capítulo
9. Igualmente codificar envuelve una interpretación, porque la decisión de si el dato indica que
un caso satisface un estándar para un código particular es un acto interpretativo de un juicio
científico.
La “interpretación” es también requerida en el proceso de determinación de si el análisis de
datos apoya las conclusiones generales obtenidas de la investigación, y responde la pregunta de
investigación. Llamamos a este apoyo, garantía. La garantía es un asunto central en
metodología, y por lo tanto uno de los asuntos centrales a los que está dirigido este libro.
Un tercer significado de “interpretación” en metodología es discutido brevemente abajo y será
discutido otra vez en detalle en el Capítulo 15 y 16. Este tercer significado de interpretación esta
restringido a un tipo particular de datos y un tipo particular de conclusiones -a saber, aquellos
que atribuyen las creencias, ideas, emociones o formas de clasificar a las personas que están
siendo estudiadas.
Pero el punto a enfatizar aquí es que todos los enfoques metodológico dependen de gran
extensión de “interpretación de datos” y por lo tanto, la “interpretación” no es un estadio o
actividad separada de ninguna de la lista de arriba. Aunque las propuestas de investigación son
a menudo escritas con tablas de tiempo describiendo la “interpretación de datos” como si
fueran el estadio final de un proyecto cuando las conclusiones han sido obtenidas sobre una
significancia teórica o practica de la investigación, de hecho la interpretación es el corazón de
todo el proceso investigativo.
Así que, ¿Qué es la “metodología”?
La lección clave de esta discusión es que la metodología no es solo – y a menudo realmente muy
poco – un asunto de método, en el sentido del uso de técnicas apropiadas en la forma correcta.
Tiene que ver mucho más con lo bien que argumentamos desde el análisis de nuestros datos
para obtener y defender nuestras conclusiones. La cuestión metodológica planteada por nuestra
ejemplo de los indigentes es que nos permitiría afirmar que un incremento de los indigentes ha
ocurrido; eso es, hacer una inferencia a una descripción. Si es que optamos por afirmar que un
ascenso en los indigentes esta siendo causado por una recesión económica, entonces esto seria
una inferencia a una explicación. O tal vez, seria revelador explorar que indigentes se contarían
por si mismos como indigentes y por qué. Esto requeriría una inferencia a una interpretación en
el tercer sentido discutido arriba.
Debido a que la metodología es sobre argumentos que muestran una garantía para
inferencias, no tiene sentido descomponer el estudio de la metodología de acuerdo a
diferentes estadios involucrados en el proceso de investigación, de la misma forma que lo
hemos hecho arriba para los métodos. Más bien, distinguiremos en este libro entre los
diferentes enfoques de la metodología, y discutiremos las estrategias apropiadas para estos
enfoques. Empezaremos esta discusión más adelante en este capítulo, cuando discutamos las
diferencias entre la investigación diseñada, respectivamente a una descripción, explicación e
interpretación. Pero hacemos hincapié en todo el libro que cada uno de estos enfoques
plantea la misma pregunta metodológica básica - ¿Cómo y hasta donde puedes argumentar de
unos datos particulares hacia conclusiones particulares?, o, para ponerlo en otras palabras,
¿Qué argumento, si alguno, de estos datos de hecho la apoya?
Ser capaz de obtener conclusiones sólidas depende del diseño de todos los estadios en el
proyecto sobre la base de principios metodológicos sólidos. Inversamente, es enteramente
posible seguir métodos prescritos cuidadosamente, pero aun así, se puede producir una
investigación metodológicamente sospechosa, si es que las conclusiones obtenidas de ella, no
están bien fundamentadas. Estos problemas son ineludiblemente teóricos, porque el estudio
de la metodología involucra teorías sobre como y hasta donde el diseño de investigación nos
permite obtener sólidas inferencias hacia las conclusiones que proveen las respuestas de
nuestra preguntas de investigación, o que determinan hasta donde nuestras hipótesis son
apoyadas o desmanteladas.
Y eso es de lo que se trata este libro.
Inferencia y garantía.
El núcleo de conceptos en metodología comprende de estas inferencias y garantías , y
deberíamos explicar aquí por que son tan importantes.
Estamos acostumbrados a obtener conclusiones de encuestas de opinión sobre las
preferencias del voto de mas de 40 millones de electores mediante el muestreo de opiniones
de alrededor de mil personas. Esto se hace usando ampliamente principios aceptados de la
estadística inferencial. Este ejemplo ilustra el problema que a menudo obtenemos
conclusiones de una gran población de lo que podemos encontrar en una pequeña muestra.
Un segundo problema es que no podemos siempre observar las cosas que nos interesan
directamente, pero estamos forzados a trabajar con proxies o indicadores. Por ejemplo, los
psicólogos hacen inferencias sobre el trabajo del cerebro humano o animal de la observación
de movimientos muy finos de los ojos. Los sociólogos industriales hacen inferencias sobre la
organización moral de la forma en que los trabajadores se comportan o describen sus
emociones. Y los antropólogos interpretan como los seres humanos hacen sentido de sus
palabras de sus historias u otros artefactos culturales. En ninguno de estos ejemplos se puede
observar directamente la transmisión sináptica en los cerebros, la “moral” o el “hacer
sentido”.
Además, los investigadores podrían hacer inferencias con confianza sin teorías -sin embargo
implícita o provisional- sobre las relaciones entre las cosas en las cuales están interesados y
esas cosas que pueden observar directamente. Por ejemplo, el uso de artefactos culturales
para interpretar la creación de sentido depende de una teoría de la cultura.
Podemos por lo tanto, definir la inferencia como (1) el proceso de hacer afirmaciones sobre un
conjunto de fenómenos que no pueden ser observados directamente (2) sobre la base de lo
que conocemos sobre un conjunto de cosas que hemos observado donde (3) la elección de los
instrumentos de investigación depende de una teoría de como esos instrumentos trabajan.
Podemos definir la garantía como el grado de confianza que tenemos en una inferencia capaz
de entregar verdades sobre las cosas que no podemos observar directamente. La garantía
involucra estándares particulares, los cuales discutiremos en más detalle en capítulos
subsecuentes. Veremos, también, que algunos de esos estándares están mas sencillamente
relacionados a los que métodos que otros.
Observación
En el transcurso de este libro, tendremos ocasión para usar esta palabra resbaladiza pero
absolutamente inevitable de diferentes maneras. Hay cuatro diferentes maneras en las cuales
esta palabra es usada en la metodología de las ciencias sociales.
1. El valor tomando por una unidad de datos que esta colectada para, definida por y
organizada en un esquema de medición. Por ejemplo, el valor adscrito para una
variable ingresada en una celda o una hoja de calculo o tabla es una observación sobre
esa variable. “Observación” es usada en este sentido en la pregunta. ¿Qué muestra la
observación?
2. Una unidad de dato, tal como un caso de una muestra o un conjunto de datos, como
en una pregunta, “¿Cuántas observaciones tienes?
3. La colección sistemática de datos sobre el comportamiento o acción donde el
investigador puede no ejercer un control experimental sobre el régimen de estímulos y
constricciones bajo las cuales los participantes de la investigación actúan, como en el
termino, “investigación observacional”, el cual es alternativo a la investigación
experimental.
4. La actividad de un investigador desarrollando una inspección visual y/o de audio del
comportamiento de los participantes, como en “un periodo de observaciones de
campo”
Cuando discutimos algunas preguntas filosóficas en los capítulos 2,3 y 4, usaremos la palabra
en el primer sentido como un buen referente. El capitulo 5 considera la investigación
observacional, en el tercer sentido. En el capitulo 6, cuando discutimos la investigación
orientada a variables, la “observación” que será usada es en el segundo sentido. Aunque
tendremos en mente el cuarto sentido en todo, será enfatizado particularmente en los
Capítulos 15 y 16. Estás advertido de pausar donde tu veas la palabra, para asegurar que
comprendes el significado. Seremos siempre claros del contexto en el cual significado esta
embebido, pero puedes revisar esta paginas o la entrada en el glosario si es que necesidades
un recordatorio.
Algunas afirmaciones controversiales sobre la metodología
Con estas definiciones en mente, es tiempo de hacer algunas grandes afirmaciones. Algunas
serán controvertidas. Encontrarás, como lees en este libro, que casi todo lo que se dice en el
campo de la metodología atraerá un desacuerdo. Esta es otra gran diferencia del estudio de los
métodos, porque mucha de las personas que estudian los métodos acuerdan sobre, por
ejemplo, que contar, transcribir de una entrevista, o calcular un test de chi-cuadrado.
Aquí esta nuestra primera gran afirmación. Hacer inferencias garantizadas es el punto crucial y
el único punto de hacer investigación social, sin importar el tipo de dato y que estilo de
investigación que usemos. La contribución al conocimiento de cualquier investigación consiste
en las inferencias que pueden hacerse de ella. Las inferencias son el producto principal, ellas
proveen soporte para los hallazgos; y son las que hacen hallazgos dentro de resultados más
que de la especulación, en una mano, o datos puros, en la otra.
Hay dos razones para hacer esta afirmación. La primera es semántica y la segunda descansa
en una afirmación normativa sobre que sobre que tan ambiciosos deberíamos ser y porque los
científicos sociales salen de su cama en las mañanas.
La razón semántica es que la atención cuidadosa a la inferencia, y que las garantías, lo que
distingue la investigación científica de otro tipo de investigaciones. Buenos reportajes
periodísticos generalmente no tratan de hacer inferencias, mas allá de contarnos lo que
reportero encuentra. Los escritos teóricos o de interés especulativo no deben preocuparse de
la garantía. Pero esto es diferente en mucha investigación social – aunque nos hace recuerdo
de algún tipo de trabajo histórico – en lo que concierne solo con la inferencia garantizada
sobre un caso particular bajo examinación, mientras un buen trato de investigación de ciencias
sociales esta interesado en obtener inferencias mas allá del caso particular hacia una amplia
población.
La razón mas grande y normativa es que la inferencia garantizada vale la pena realizar, porque
representa una estrategia para hacer una contribución al conocimiento que ninguna de las
otras actividades investigativas puede lograr, dadas sus limitaciones y propósitos apropiados.
Necesitamos entender como los procesos sociales generalmente trabajan, y esto no puede se
hecho adecuadamente señalando un “culpable” en un caso criminal particular, o perros de
caza escarbando nuestros hechos, o incluso leyendo las percepciones de los grandes literarios.
Criticas de la ambición inferencial
Reconocemos que nuestra primera gran afirmación es controversial, y deberíamos además
hablarte de quienes la objetarían, y por qué. Esos quienes resistirían esta afirmación tienden
típicamente a argüir una de las siguientes posiciones.
-
-
La investigación social puede ser justificada si es que “damos voz” a las personas –
como a los indigentes- cuyas perspectivas sobre la indigencias no podrían estar de otra
manera disponibles. Para este propósito, se ha afirmado, que la inferencia garantizada
hacia teorías generales no es necesaria y, de hecho, podría ser perjudicial. Lo que, más
bien, es necesario es observación y análisis investigativo que sea fiel a la visión de los
individuos estudiados.
La investigación social no puede, debido a su naturaleza intrínseca subjetiva, lograr
justificaciones para inferencias generales, y se debe considerar que carece de
fundamentos, así como el periodismo, la escritura especulativa, la literatura o el
trabajo de detectives. Desde este punto de vista, el conteo, digamos de los indigentes,
ministros del gobierno nacional, administradores de organizaciones benéficas locales y
alcaldes locales de por qué la indigencia es un problema, y cuán grande y significativo
es, seguramente serán diferentes: No podemos lograr una descripción perfectamente
precisa, y mucho menos una explicación verdadera, de estado de cosas. Esta visión es
compartida por varias escuelas de pensamiento social, que van desde el escepticismo
hasta el relativismo, hacia el antifundamentalismo y el posmodernismo.
Una respuesta a las críticas
No estamos de acuerdo con ninguna de estas afirmaciones y, para que conste en acta,
ofreceremos un par de comentarios para indicar por qué no estamos de acuerdo con la
primera es estas opiniones. Para el segundo, lo haremos en los capítulos 2 y 4.
“Dar voz” implica atribuir pensamientos, emociones, prácticas, aspiraciones, recuerdos, etc. a
otros seres humanos. Los investigadores a menudo desean revelar las preferencias,
experiencias o formas de entender las vidas de las personas que estudian. Pero ninguna de
estas cosas se pueden observar directamente, ni se pueden leer sin problemas de lo que las
personas dicen en las entrevistas o cuando se observan. No se puede dejar de usar
información ajena a la situación particular, porque incluso los conceptos que utilizamos están
tomados de un vocabulario más amplio. Y cuando intentamos averiguar qué piensan las
personas, nos basamos en información sobre otras personas que creemos que son similares a
las que estamos estudiando.
EL concepto mismo de “indigente”, por ejemplo, se extrae de los documentos de políticas
gubernamentales, y nos resultaría difícil escapar de conceptos como la “vulnerabilidad” o la
“exclusión social” de los indigentes si intentáramos describir el impacto en sus vidas, digamos,
del cierre de un refugio de invierno debido a los recortes de gastos. Las personas a cargo de las
políticas públicas, y los investigadores que escriben y leen artículos o monografías académicas,
usan el lenguaje de una manera muy diferente a la de muchos de los estudiados por la
investigación en ciencias sociales. Así que, “dar voz” a menudo implica actos de traducción
arriesgados.
La única manera de hacerlo bien, y hacerlo de manera que nos responsabilicemos ante los
demás académicos o participantes de nuestra investigación, es adoptar procedimientos que
nos obliguen a ser conscientes de las inferencias que hacemos y revelar todo nuestro trabajo.
Es decir, una característica de buen diseño de investigación es que nos permite demostrar
como obtuvimos nuestras conclusiones de las entrevistas y otras observaciones sobre las vidas
de los participantes de la investigación. Este proceso es la inferencia garantizada.
Una forma alternativa de proceder está disponible por supuesto. Podríamos escribir lo que
pensamos y quizás publicarlo en medios periodísticos. Pero nuestra investigación constituiría
entonces un tipo diferente de investigación, realizada para diferentes propósitos y con
diferentes tipos de responsabilidad hacia los datos, a los participantes de la investigación y a la
comunidad académica en general.
La investigación social basada en la inferencia garantizada hace una contribución muy distinta,
y claramente valiosa, de la realizada por el periodismo o cualquier otro tipo de investigación
para comprender a la gente. Específicamente, la única contribución de las ciencias sociales
consiste en el cuidado metodológico que pagamos a las inferencias que hacemos.
¿Inferencia a qué?
Todo esto plantea una pregunta importante pero obvia: ¿a qué hacemos inferencias
exactamente?. Ya hemos visto que los científicos sociales distinguen entre tres tipos de
propósitos para los cuales se hacen inferencias. Estos propósitos son descripción, explicación e
interpretación.
Inferencia descriptiva
La inferencia descriptiva se realiza para responder a ciertas preguntas sobre X (donde X
representa cualquier tema empírico para la investigación social) cuando no podemos
observarlas en absoluto, o no podemos observarlas todas, o podemos observar solo aspectos
de ellas, o no podemos estar seguros que estamos observando de X todo lo que parece ser.
Estas preguntas son: “¿Qué tipo de cosa es X?”, “¿Qué tipo de afirmaciones podemos hacer al
respecto?” y “¿Cómo podemos caracterizarla?”. El producto de la inferencia descriptiva es un
conjunto de afirmaciones sobre X. Estas afirmaciones pueden ser sobre lo que es típico de X,
lo que generalmente es cierto sobre X, o lo que es verdad sobre un subtipo o sobre algún
espectro de X.
Un producto de la investigación sobre la indigencia, por ejemplo, podría ser una descripción de
cuantos indigentes hay en una ciudad en particular; que tipo de personas son por edad,
género, etc; cuanto tiempo, en promedio, han estado sin hogar; si este periodo es cada vez
más largo o corto; y si el numero de personas sin hogar a largo plazo está aumentado o
disminuyendo. Esta descripción dependería de la inferencia, ya que, incluso si pudiéramos
contar directamente a todos los indigentes en la ciudad en una noche en particular,
tendríamos que hacer suposiciones sobre que proporción de indigentes hemos observado. Y
también tendríamos que hacer inferencias a partir de datos anteriores o de entrevistas con los
indigentes, sobre los cambios en los patrones de indigencia y en las características de la
población de indigentes.
Algunos libros de textos son muy altaneros. Este engreimiento es, para acuñar una frase,
injustificado. La descripción puede ser una ambición modesta, pero es necesaria. Es muy difícil
seguir haciendo algo más ambicioso en la investigación social si no se han realizado
correctamente las inferencias descriptivas. Es cierto que las revistas más prestigiosas no
publican artículos que solo ofrezcan inferencias descriptivas. Pero los artículos que publican se
basan, en una parte vital de su argumento general, en la solidez de las inferencias descriptivas,
incluso si esas partes de su funcionamiento no se demuestran.
Se realizan inferencias explicativas para responder a las preguntas, “¿Por qué X ha generado Z
o se ha convertido en Y?”, “¿Qué provocó esto?” y “¿Qué hizo que X se convierta en Y o Z?”. En
los capítulos 10-13, veremos con mucho más detalle lo que entendemos por causalidad.
Veremos que explicar cómo surgió algo plantea desafíos metodológicos de un orden superior
al de su descripción, aunque a menudo la descripción también puede ser bastante complicada.
Supongamos que queremos averiguar si los recortes en el gasto publico han contribuido,
causalmente, a un aumento en los indigentes. Una vez que se han producido los recortes, ya
no podemos observar la indigencia en una ciudad en particular en ausencia de esos recortes.
Por lo tanto, nunca podríamos medir el impacto de los recortes en la indigencia comparando la
situación que observamos actualmente con uno (en el mismo lugar) en que los recortes nunca
se habían producido. Esta dificultad se conoce como el problema fundamental de la inferencia
causal contrafactual. Es una de las razones por las que la inferencia explicativa es difícil. Pero a
menudo es muy importante intentar dar explicaciones. De hecho, explicar por qué suceden las
cosas es la razón principal por la que cualquiera paga por la investigación en ciencias sociales,
con la esperanza de que la explicación ayude con el diseño de las intervenciones en los
problemas sociales.
Hay sentidos más débiles del término “explicación” que no requieren que se revelen las
causas. Por ejemplo, los investigadores escriben sobre “explicaciones” estadísticas. Esta frase
se refiere al proceso de mostrar que dos variables están fuertemente asociadas entre sí, pero
no nos obliga a hacer inferencias acerca de la dirección en la que podría correr ninguna
influencia ni a descartar la posibilidad de que una tercera variable influya en ambas variables.
Otras explicaciones son de carácter lógico. Es decir, podemos “explicar” una condición o
evento, al mostrar cómo se deriva lógicamente de otro. Por ejemplo, podemos explicar los
planes del gobierno para el intercambio extendido de información personal sobre ciudadanos
individuales entre agencias del gobierno, ya que esto es una implicación directa, es decir,
lógica, de un énfasis en las intervenciones de múltiples agencias en problemas sociales como la
falta de viviendas.
Inferencia interpretativa
Finalmente, hay inferencias interpretativas. La inferencia interpretativa se dirige a una
variedad de preguntas, algunas de las cuales ya hemos discutido. Hemos visto que la inferencia
interpretativa más elemental es cuando determinamos si algo se debe contar, para un
propósito de investigación determinado, como parte de alguna categoría, y por lo tanto
decidimos que se le debe dar un código o medida en particular. Llamamos a esto una
interpretación de su significado categórico. Decidir, por ejemplo, quien cuenta como un
indigente – una pregunta que precede a la pregunta descriptiva de si podemos sacar
conclusiones sobre el número de indigentes – es claramente una cuestión de interpretar el
concepto de indigente. Y eso, a su vez, depende de nuestra visión de si ese concepto capta los
aspectos particulares de la condición subyacente de la falta de vivienda absoluta en la que
estamos interesados.
En segundo lugar, dar voz es solo una forma de explicar cómo piensan, caen, comprenden,
entienden problemas, etc., las personas. La inferencia interpretativa no es simplemente el
desarrollo de descripciones de las experiencias subjetivas de las personas, sino que también
puede producir una explicación integrada, o interpretación, de la importancia subjetiva para la
vida mental de las personas, en la que los patrones observados tienen un sentido más amplio.
Por ejemplo, al interpretar cómo el administrador de los departamentos de vivienda del
consejo local percibe las implicaciones del edicto del gobierno para considerar a los indigentes
de una manera diferente, probablemente deberíamos ir más allá de una simple repetición de
nuestros datos descriptivos (por ejemplo, el 37% de los encuestados estuvo de acuerdo con la
propuesta que se menciono en nuestra encuesta) haciendo inferencias acerca de la
importancia que conceden a las propuestas del gobierno para las vidas de sus indigentes y su
capacidad para ayudarles. Si los datos lo permiten, también podríamos, quizás, hacer más
inferencias acerca de lo que estos gerentes creen que tiene el significado de estas propuestas
más ampliamente para la justicia o la inclusión sociales y sobre los estándares que parecen
adoptar implícitamente para medir la justicia y la inclusión. Finalmente, hay inferencias a las
cuentas integradas en las que el sujeto de la interpretación no es vida mental de un grupo o
grupos de personas, sino un conjunto de eventos. La interpretación histórica, que es muy
importante en la sociología histórica, la ciencia política comparada, la historia de los negocios e
incluso en la economía institucional, es un buen ejemplo. Su objetivo es detectar patrones
generales de eventos históricos, por ejemplo, aquellos involucrados en el surgimiento de
corporaciones empresariales multinacionales en el periodo posterior a la Primera Guerra
Mundial o en el crecimiento de un estado de bienestar después de 1945, para proporcionar la
base para una cuenta integrada o interpretación de su significado objetivo.
Relaciones entre inferencias descriptiva, explicativa e interpretativas
Gran parte del libro se dedicará a considerar por separado los estándares garantía requeridos
para las inferencias en la investigación explicativa e interpretativa. Pero veremos que casi toda
la investigación explicativa e interpretativa se basa en inferencias interpretativas categóricas y
descriptivas.
También veremos que incluso aquellos investigadores que insisten ferozmente en un enfoque
exclusivo en la interpretación de la significación subjetiva no pueden, en la práctica, llevar a
cabo esa tarea sin dar una explicación de por qué las personas piensan como lo hacen. Es muy
difícil desarrollar una explicación de, digamos, las formas en que las personas de bajos ingresos
piensan en “enmarcar” los riesgos de los problemas de salud que surgen de sus dietas, sin
hacer referencia a las categorías que implican causalidad. Por ejemplo, al tratar de decidir
entre interpretaciones que enfatizan las opciones dietéticas limitadas disponibles para
personas con bajos ingresos y aquellas interpretaciones que enfatizan su limitada disposición
seriamente a considerar comer alimentos saludables, los investigadores necesariamente se
encuentra implicando algo sobre el papel causal que pueden desempeñar las creencias en la
explicación de la conducta dietética poco saludable.
Este ejemplo ilustra el punto de que separar categorías descriptiva de explicaciones causales
no es sencillo, porque a menudo describimos utilizando categorías que implican una
explicación. Por ejemplo, podríamos, contar el número de personas “dependiente de drogas”
que están registradas para recibir tratamiento en el Reino Unido, pero el uso mismo de esta
categoría reconoce la dependencia adictiva como una causa importante del uso de drogas
ilegales y conlleva la afirmación implícita de que debe ser tratado en lugar de castigado.
Veremos en los capitulo 15 y 16 que hay otras razones mas profundas por la que es difícil
hacer una investigación interpretativa sin llevar un equipaje explicativo.
Las preguntas abordadas por la investigación descriptiva, explicativa e interpretativa son, sin
embargo, analíticamente muy distintas. Estos tres tipos de investigación preguntan,
respectivamente, “¿Qué esta pasando con X?”, “¿Por qué la X han generado Y?”, “¿Qué
entiendo de X por la forma de X?”. Por lo tanto, es muy útil considerar por separado los
desafíos metodológicos planteados por cada uno de estos tres enfoques, y esto es lo que
haremos en este libro.
Compensaciones entre virtudes en la garantía de la inferencia.
Al examinar estos desafíos, exploraremos las virtudes que deben ser demostradas por una
investigación metodológicamente sensata, si es para justificar las inferencias que busca
respaldar. De hecho, ya hemos notado algunas de estas virtudes.
Primero, al analizar la descripción, hemos dado a entender que una virtud clave de una
descripción es que debe ser lo más precisa posible dentro de las limitaciones impuestas por las
formas en que se han creado y recopilado los datos. Por ejemplo, el tipo de precisión que
esperamos de una descripción estadística de tendencias generales es muy diferente del tipo
que puede lograr un meticuloso antropólogo que verifica cuidadosamente cada observación
significativa registrada en sus notas de campo.
Segundo, hemos asumido que nuestras inferencias deben capturar la importancia de tantos
datos en el conjunto como sea posible. En otras palabras, la cuenta debe resumir e integrar
nuestros hallazgos, pero con el mínimo, pérdida de los hechos, matices, diferencias y
contrastes que son relevantes para la pregunta. Cuanto mejor lo haga nuestro registro, mejor
será su bondad de ajuste. Tercero, al contrastar la investigación social con el trabajo de
detectives y el periodismo de investigación, señalamos que los investigadores de las ciencias
sociales desean sacar conclusiones más allá del caso particular a una población más amplia de
personas, eventos o casos. Es decir, estamos interesados en lograr generalidad en alguna
categoría.
En cuarto lugar, mencionamos que los investigadores a menudo buscan algunos patrones
generales que son de la mayor importancia en la configuración de los estilos de pensamiento o
las emociones o en la explicación de los resultados o eventos. Si bien puede ser tentador
rastrear con gran detalle la interacción de una gran cantidad de factores complejos que
podrían explicar, por ejemplo, el aumento de las penas de custodia dictadas por los tribunales
penales, es poco practico y distraído continuar acumulando cantidades de factores diversos
sobre un gran numero de casos. Puede ser mejor comparar la influencia de algunos factores
importantes, como los cambios en las pautas de sentencias nacionales, las actitudes de los
jueves al interpretarlos y las creencias de jueces y jurados acerca de como funcionan las
sentencias comunitarias. Es decir, otra virtud tanto de las explicaciones como de las
interpretaciones en parsimonia.
Hay otras virtudes, que consideraremos a su debido tiempo. Sin embargo, también veremos
que a menudo es imposible en el mismo diseño de investigación maximizar la bondad de
ajuste, la generalidad, la parsimonia, por no hablar de otras virtudes (Prxeworski and Teune,
1970). Por ejemplo, cuanto más precisos intentamos ser, más detalles acumulamos y cuanto
mas nos acercamos a la granularidad de los casos particulares, mas difícil se vuelve generalizar
los casos. También se vuelve mas difícil identificar los efectos de algunos factores realmente
centrales, ya que no realizarán de manera consistente su trabajo explicativo o interpretativo al
nivel de detalle. A la inversa, cuando más parsimoniosos queramos ser, más probable es que
estemos obligados a restringir el dominio de los casos sobre los que podemos generalizar,
porque son pocas las cosas que son comunes en todos los casos, especialmente en los que
pertenecen a categorías amplias como “sin hogar” o “comportamiento judicial”.
Este problema significa que debemos hacer concesiones entre las virtudes en el diseño de
nuestra investigación. La necesidad de hacer concesiones entre las virtudes de un buen diseño
de investigación es una de las razones por las cuales no existe una investigación que esté más
allá de la impugnación metodológica. Es posible quejarse de algo en cada investigación social,
un científico social, por ser un peleador, no se demora en encontrarlo. Pero eso no significa
que todo salga en sorprendentes compensaciones. Siempre se pueden encontrar mejores y
peores compromisos para abordar una pregunta de investigación particular, y hay algunos que
se encuentran tan por detrás de la curva de intercambio, o hasta el extremo de esa curva, que
claramente constituirían un pobre diseño de investigación.
¿Qué es el “diseño de investigación”
Pero, en realidad, ¿Qué es el “diseño de investigación”?. Por diseño de proyecto de
investigación , para el científico social significa (1) la especificación de la forma en que los
datos se crearán, recopilarán, construirán, codificarán, analizarán e interpretarán (2) para que
el investigador pueda obtener inferencias descriptivas, explicativas o interpretativas
garantizadas (3) donde la garantía se calcula para lograr una compensación razonable entre
virtudes en competencia; y (4) donde los estándares de garantía puedan variar ligeramente,
pero se basan en un conjunto de virtudes básicas para cada tipo de inferencia.
Un diseño de investigación generalmente se establece antes de emprender un proyecto, en un
plan o propuesta de investigación. Una declaración más detallada de la defensa metodológica
de una propuesta de investigación a menudo se proporciona en un protocolo que establece en
detalle los pasos a través de los cuales se procederá a la inferencia y el grado en que la
conclusión puede apoyarse dada la naturaleza de los datos y la naturaleza de los métodos
utilizados para crearlos, recopilarlos, codificarlos, construirlos y analizarlos.
Estándares de un buen diseño de investigación.
Los estándares mas simples de solidez en metodología son los de confiabilidad y validez. La
confiabilidad tiene que ver con la forma en que medimos, o si estamos utilizando datos
cualitativos, codificamos las cosas que nos interesan. Un sistema confiable de medición o
codificación es consistente en que, cada vez que se usa en los mismos datos, produce la misma
medida o código. Si dos investigadores trabajan juntos, y ambos siguen el mismo
procedimiento en los mismos datos, deben producir la misma medida o código. Rehacer la
codificación o la medición, para ver que tan confiable es el procedimiento, se denomina
método de “prueba/reevaluación” para evaluar la confiabilidad.
Una segunda forma de evaluar la confiabilidad a nivel de método se denomina método de
“consistencia interna”. Esto no se basa en repetir la codificación o medición de los mismos
datos, sino en recopilar datos adicionales utilizando el mismo diseño. En una encuesta por
cuestionario, por ejemplo, podríamos insertar varias preguntas, cada una con una frase algo
diferente, para preguntar lo mismo. Si obtienen las mismas respuesta de los encuestados
como hizo la primera, entonces proporcionan alguna evidencia de que la primera pregunta fue
confiable.
Validez
La validez es, en términos generales, el grado en que nuestras declaraciones se aproximan a la
verdad. Es convencional distinguir entre validez de construcción y conclusión, y entre validez
interna y externa.
La validez de construcción es el grado en que las medidas que utilizan los códigos para
operacionalizar un concepto realimente capturan lo que pretendemos capturar. Por ejemplo,
supongamos que queremos saber cuánta “buena voluntad” tiene la gente hacia sus vecinos en
su propia calle. La buena voluntad no es un concepto sencillo. Podríamos preguntar las
actitudes de las personas hacia otras personas en general y hacia sus vecinos en particular. Tal
vez deberíamos preguntar sobre el futuro vecino hipotético que podría diferir en formas
importantes, por ejemplo, en sus orígenes étnicos, de los actuales. Pero seguramente
deberíamos querer saber, también, cómo se comportan las personas con respecto a los
diferentes vecinos. Tal vez nos gustaría saber como piensan que se comportarían en ciertas
situaciones hipotéticas, como una fuerte caída de nieve en el vecindario. También podríamos
querer saber como esperan que sus vecinos se comporten con ellos.
Habiendo establecido un conjunto de medidas o códigos, podríamos evaluar su validez de
construcción de varias maneras. La forma más sencilla podría ser mirar las teorías de buena
voluntad y comparar nuestras medidas o códigos con las características utilizadas en esas
teorías. Si estamos recolectando datos cuantitativos, podríamos usar el análisis estadístico
para determinar si hay factores comunes en cada una de nuestras medidas elegidas, por
ejemplo, si la buena voluntad se basa, digamos, en la “afinidad social” (compartir ideales y
creencias” o” reciprocidad social” (ayudándose mutuamente), o si, en nuestros casos
observados, los valores apuntan en diferentes direcciones: por ejemplo, la buena voluntad
puede ser fuerte cuando depende de la afinidad, pero menos si depende de la reciprocidad. Si
es así, podríamos preguntarnos, si, de hecho, la “buena voluntad” es un fenómeno único
después de todo, y en su lugar estipular diferentes “tipos” de buena voluntad. Este proceso
aumentaría la validez de construcción de nuestro concepto de buena voluntad, al otorgarle
una mayor precisión operativa.
La validez de medida es un subtipo de validez de constructo. Captura la medida en que
cualquier medida o código nos permite atribuir valores, por ejemplo, a diferentes factores o
dimensiones de “buena voluntad” sin importar sesgos sistemáticos. La validez de la medición
es importante ya sea que utilicemos números cardinales (1,2, 3…) u ordinales (1°, 2°, 3°…),
códigos de encendido y apagado (si/no) o valores cualitativos (como
“fuerte/moderado/débil”).
La validez de conclusión se refiere a la garantía que tenemos para hacer inferencias a partir de
nuestras conclusiones. Se relaciona con el grado de apoyo que los patrones observados en los
datos proporcional las conclusiones extraídas de ellos. Si concluimos, por ejemplo, que la
buena voluntad basada en la afinidad social tiene a ser más fuerte que la basada en la
reciprocidad social, la pregunta es si esta conclusión es una declaración razonable de lo que
muestran los datos.
La validez interna se aplica dentro de un estudio, independientemente de si queremos
generalizar a otros. Se refiere a la garantía que tenemos para inferir que un resultado puede
explicarse por un factor causal particular. Si afirmamos, por ejemplo, que nuestro estudio
muestra que la “reciprocidad social” se hace más fuerte a medida que las personas más
tiempo son vecinas, independientemente de factores como la raza, entonces la prueba de la
validez interna del estudio es la medida en que podemos demostrar a partir de nuestros datos
que este realmente es el caso.
La validez externa se refiere a la garantía que tenemos para inferir que nuestros hallazgos se
mantendrían en otras situaciones o estudios que fueron similares en formas relevantes.
Claramente, hay un gradiente de similitud y disimilitud. A medida que las muestras o los casos
se vuelven menos similares, la validez externa está destinada a disminuir, junto con nuestra
capacidad para generalizar a partir del estudio. Así, por ejemplo, se puede esperar que los
resultados de un estudio sobre la buena voluntad de los vecinos en una pequeña ciudad
estadounidense se realicen ciudades de tamaño similar y con una estructura sociodemográfica
similar, pero no en una ciudad pequeña con diferente población. Esto significa que un tema
clave para asegurar la validez externa es saber qué características de nuestros casos o nuestra
población son “relevantes” para este propósito, y que los hace “similares”
Compromisos entre validez y fiabilidad
Del mismo modo que existen compensaciones entre diferentes virtudes en el diseño de la
investigación, también puede haber compensación entre la validez y la fiabilidad. A primera
vista, esto podría parecer una afirmación extraña. Después de todo, si una medida o un código
disminuye en confiabilidad, también debe ser menos válido. Pero hay algunas cosas que
podemos querer medir o codificar en las ciencias sociales que no son susceptibles de medición
o codificación directa. Supongamos, por ejemplo, que queremos entender las diferencias
entre las personas con respecto a su capacidad para emitir juicios discriminatorio y reflexivos
en los campos de las artes, como la música, el teatro, la literatura y la danza. Medir el gusto, o
el juicio estético, requiere un conjunto de diferentes dimensiones, porque no es solo una cosa.
Deberíamos necesitar medir o codificar la amplitud de las artes sobre las cuales alguien fue
capaz de ejercer un juicio; si lo hicieran de manera consistente; y también las diferentes
maneras en que podrían ser más y menos articulados en sus juicios; y así.
Reunir todas estas medidas o códigos en un solo indicador compuesto de sabor se puede hacer
de diferentes maneras. Podríamos, por ejemplo, aumentar la validez de nuestra medida
compuesta o código de gusto agregando más medidas subsidiarias, como el alcance, la
consistencia y la articulación. Este proceso recogería más dimensiones de este concepto
complejo, pero aumentaría la dificultad elegir una forma de combinarlas, y nuestra medida
compuesta sería sensible al método que elegimos para ponderar y relacionar medidas de
dimensiones particulares del gusto.
En otras palabras, arriesgaríamos la confiabilidad por ganancias en validez. Mas allá de cierto
punto, un sacrificio demasiado grande de la confiabilidad también arruinará la validez, y el
rango compensaciones aceptables entre los valores, por ejemplo, entre precisión confiable y
relevancia válida, especialmente en la medición de conceptos cualitativos complejos o ricos
como el gusto es probablemente bastante estrecho. Pero generalmente hay más de una
compensación defendible para ser tratada con este problema.
A veces, sin embargo, el problema de la compensación puede llegar a ser cruel. Los problemas
surgen agudamente cuando el proceso mismo de hacer la medición o la codificación cambia la
cosa que se está midiendo. Por ejemplo, hacer una investigación sobre el comportamiento que
es ilegal o que se considera inmoral puede hacer que las personas estudiadas se comporten
con más cautela porque están siendo observadas o, alternativamente, muestran valentía
exagerando su comportamiento pecaminoso. Este es un problema que es bien reconocido, por
ejemplo, entre los investigadores que desean realizar estudios etnográficos sobre el racismo
institucional o el acoso escolar, donde los intentos de observar directamente el
comportamiento mediante la observación no participante terminan minando seriamente tanto
la validez como la confiabilidad.
Este problema también es familiar para los responsables políticos. La ley de Goodhart se
desarrolló originalmente en las décadas de 1970 y 1980, cuando los bancos centrales
desarrollaron medidas más complejas y nuevas, que contaban como “dinero”. La razón para
medir el dinero de diferentes maneras fue que los bancos centrales comenzaron a ser
acusados de ganar sobre la oferta de dinero, y necesitaban saber qué tan bien estaban
haciendo. Desafortunadamente, la introducción de medidas y el uso de medidas políticas para
influir en la oferta de dinero interactuaron de manera inesperada. Sencillamente, cuando las
medidas se enfocaban en una definición, las personas creaban dinero en alguna otra
definición: el trabajo de los bancos centrales parecía como apretar un globo en una parte, solo
para expandir la protuberancia en otra.
El execonomista del banco de Inglaterra Charles Goodhart concluyó que el esfuerzo mismo por
medir el dinero hacia que esas medidas fueran menos válidas. Generalizó su hallazgo a
cualquier situación en la que la medición estuviera asociada a una acción política y, por lo
tanto, tuviera consecuencias de comportamiento. La formulación original de Goodhart de su
ley refería a la aplicación de medidas políticas: “cualquier regularidad estadística observada
tenderá a colapsarse una vez que se ejerza presión sobre ella con fines de control”. Las
formulaciones posteriores lo han ampliado hasta el punto de que incluso la introducción o
publicación de una medida tendrá consecuencias conductuales que reducirán su validez para
captar el fenómeno de interés. El problema de la ley de Goohart es lo más importante en la
investigación realizar durante un periodo de tiempo, cuando las personas estudiadas tienen
tiempo de reaccionar a la investigación. Por lo tanto, afecta particularmente a la investigación
longitudinal o donde la actividad que es estudia es una sobre la cual las personas tienen
puntos de vista normativos.
Volveremos a estos conceptos en el capítulo 6 para explorar cómo se aplican a los diseños de
investigación que utilizan variables. En los capítulos más avanzados sobre explicación e
interpretación, veremos varias formas en que se puede buscar la validez interna en la
investigación observacional, entre otras cosas porque muchos libros de texto de métodos solo
dan ejemplos experimentales de validez interna. La validez de constructo es una preocupación
en el capitulo 9 sobre formación de conceptos y está en el centro de los desafíos
metodológicos para el buen trabajo interpretativo que discutimos en los capitulo 15 y 16.
DOS
Metodología y conocimiento de las ciencias sociales
Examinará que es lo que la ciencia social busca describir, interpretar o explicar, distinguiendo
eventos, tendencias, estados de cosas y condiciones;
Discutirá si la metodología de las ciencias sociales para describir, explicar o interpretar es
fundamentalmente diferente de la utilizada en las ciencias naturales;
Distinguirá tres niveles de afirmación intelectual que examina la ciencia social, a saber,
paradigmas o marcos, teorías y modelos; y
Examinará las relaciones entre ellos
¿Por qué los investigadores sociales prácticos necesitan conocer alguna filosofía?
En los siguientes tres capítulos, entramos en el terreno dentro de la filosofía de la ciencia
social, que se ocupa específicamente del estado de conocimiento que pretendemos encontrar
mediante la investigación social. No asumiremos ningún conocimiento previo de la filosofía en
general o de la filosofía de la ciencia en particular. Pero para dar sentido al resto del libro, es
importante que primero adquiera cierta comprensión de los términos principales utilizados de
la ciencia social, junto con cierta familiaridad con los contornos de los debates filosóficos que
son relevantes para la metodología.
La práctica cotidiana de la investigación en ciencias sociales sigue teniendo una estrecha
relación con el debate filosófico. Las tradiciones rivales de la teoría sustantiva a menudo
afirman basarse en argumentos filosóficos rivales, y los defensores de métodos particulares,
como el análisis estadístico de un trabajo de estudio de actitud basado en cuestionarios u
observación etnográfica participante, a menudo justifican sus afirmaciones basándose en
argumentos filosóficos. Por lo tanto, no es sorprendente que algunos de los errores y
confusiones en lo que nos metemos sean tan filosóficos como relacionados con la aplicación
de los métodos particulares.
En este capítulo, entonces, primero examinaremos los tipos de fenómenos sobre los cuales
buscamos conocimiento cuando llevamos a cabo investigaciones de ciencias sociales. Luego,
consideraremos los principales tipos de conocimiento generado por las ciencias sociales en las
formas de modelos, teorías y paradigmas (o marcos), antes de continuar explorando en el
siguiente capítulo, que se entiende cuando afirmamos que la investigación en ciencias sociales
puede probar empíricamente, confirmar o falsar sobre la base de nuestros datos. Los
científicos sociales a menudo aspiran a decidir entre afirmaciones teóricas rivales. Por lo tanto,
examinaremos lo que implica comparar, juzgar y, cuando sea necesario, reemplazar las teorías
y hasta qué punto se puede decir que este proceso ocurre de manera definitiva en la ciencia
social.
En el capítulo 4, revisaremos los mismos argumentos, esta vez utilizando los lentes
proporcionados por las principales posiciones filosóficas a la que apelan los científicos sociales
cuando tratan de justificar sus metodologías y cuando critican las de otros científicos sociales.
Veremos que cada una de estas posturas tiene puntos de vista particulares sobre cada una de
las preguntas examinadas en los siguientes dos capítulos. Esta discusión nos ayudará a extraer
implicaciones metodológicas de estas preguntas.
¿Qué intentamos describir, explicar e interpretar?
Considere las afirmaciones empíricas en el Ejemplo 2.1. Cada uno ha sido tomado de
investigaciones reputadas en las ciencias sociales.
Ejemplo 2.1. Algunas afirmaciones de conocimiento hechas como resultado de la investigación
en ciencias sociales.
En abril y principio de mayo de 1962, cuando [el primer ministro soviético] Khrushchev estaba
finalizando su decisión de enviar misiles a Cuba, enfrentaba un enorme problema con Berlín.
(Allison y Zelikow, 1999; 106)
La pobreza infantil … ha caído en 600 000 a los cien mil más cercanos (o algo menos de una
quinta parte) en los diez años transcurridos desde 1998-99 y debe caer en un 1.1 más millones
en los dos años restantes hasta el 2010-11 para cumplir con este elemento del objetivo [del
gobierno] (Brewer et al., 2001: 8-9)
Una pérdida de x$ es más aversiva [para las personas en general] de lo que una ganancia de x$
es atractiva. (Kahneman y Tversky, 2000: 3)
Azande habla de los sueños como oráculos, porque revelan cosas ocultas (soroka). (EvansPritchard, 1976[1937]: 174) [Los azande son un pueblo que vive en un área hoy ocupada por
los estados de Sudán, la República Democrática del Congo y la República Centroafricana.]
La primera declaración del Ejemplo 2.1 describe un evento: la decisión fatídica del líder
soviético que condujo a la Crisis de los Misiles en Cuba en 1962.
La segunda declaración cuantifica la pobreza infantil en los últimos diez años
aproximadamente, y describe un cambio de una vez por todas que se produjo durante un
período definido, o una tendencia.
Los eventos, estados temporales de los asuntos y tendencias han definido fechas y lugares
para vincularlos. La tercera declaración describe algo que, si es cierto, no necesita delimitar el
tiempo y el lugar. La generalización psicológica de la aversión a la pérdida es una regularidad,
una generalización que se basa en un gran número de observaciones, cada una de las cuales
muestra el mismo comportamiento consistente. La cuarta declaración describe una condición,
o un estado de cosas que presumiblemente tiene algunos límites en el espacio o el tiempo,
pero donde esos límites no están claramente definidos. Además, una condición puede o no
estar vinculada a cualquier regularidad de comportamientos o acciones particulares.
La investigación en ciencias sociales hace afirmaciones sobre cada tipo de fenómenos. Sin
duda, hay personas que argumentan que los eventos y los estados temporales de las cosas
puedan ser asuntos apropiados para los historiadores o biógrafos políticos, pero no para la
investigación en ciencias sociales: por lo tanto, pueden ser asignados adecuadamente a las
humanidades. Argumentarían que las ciencia social debería, como cualquier otra ciencia, estar
interesada en buscar explicaciones generales, y solo debería estar interesada en casos
particulares, como las decisiones de Khrushcev sobre Cuba y Berlín en 1962, en la medida en
que son ejemplo más generales. Fenómenos, como la toma de decisiones políticas.
Este argumento puede ser exagerado. Los casos individuales pueden ser de considerable
interés por varias razones. Pueden ofrecer un ejemplo extremo de algo de gran interés, como
la toma de decisiones políticas en una crisis extrema, como la crisis de los misiles en Cuba, o
porque son únicos y, por lo tanto, nos proporcionan una importante comprensión de los
límites de la generalización.
Ejercicio 2.1. Identificación de eventos, estados temporales, tendencias, regularidades y
condiciones. Piense en el proyecto de investigación que pretende o espera hacer.
¿es el foco de esta investigación un evento, un estado temporal de cosas, una tendencia, una
regularidad o una condición? ¿Y que pretende / desea, describrirlo, explicarlo o interpretarlo?
Cada una de las cuatro afirmaciones del Ejemplo 2.1. establece afirmaciones de hecho.
Además, cada uno se ha hecho sobre la base de la inferencia de datos. La primera declaración
se basa en documentos, como documentos estatales, memorias, diarios y reportajes de
periódicos. La segunda afirmación se basa en datos cuantitativos publicados sobre el ingreso
familiar. La tercera afirmación se basa en gran medida en los resultados de los experimentos,
en lugar de en los datos capturados de personas que no están sujetos a control por parte de
los investigadores. Y la cuarta afirmación se basa en datos capturados por el trabajo de campo
realizado durante varios años en la décadas de 1920 y 1930, durante los cuales el investigador
vivió entre los Azande, toman notas detalladas y haciendo preguntas.
El resultado, en cada caso, es una inferencia descriptiva. Los datos en los que se basan están
tomados de fuentes muy diferentes, pero lo común es que las declaraciones de hechos
putativos se hacen sobre la base de evidencia más o menos estructurada.
La descripción es útil, pero los científicos sociales aspiran a una inferencia más descriptiva, ya
que también queremos explicar o interpretar nuestros hallazgos.
Los científicos sociales presentan los productos de la explicación y la interpretación como
teorías, marcos y modelos. Teorías, marcos y modelos funcionan por reducción. Es decir, nos
ayudan a ver con mayor claridad lo que está detrás de la profusión y variedad de eventos
florecientes y vibrantes, estados de cosas, tendencias, regularidades y condiciones,
identificándose como un pequeño número de fenómenos generales y abstractos que los
caracterizan o pueden, incluso, causarlos. Así que nos ayudan a ver la forma de la madera
teórica en los arboles empíricos. De hecho, a menudo se sostiene que cuanto más
convincentemente podamos demostrar que un pequeño número de fenómenos abstractos
más, en lugar de menos, explican una amplia gama de fenómenos empíricos, es decir, cuanto
más parsímil sea nuestro análisis, mejor.
El ejemplo 2.2. muestra cómo una teoría parsimoniosa nos ayuda a entender y lidiar con el
crimen.
Ejemplo 2.2. Cómo las teorías logran la reducción de la variedad en datos empíricos.
En el campo de la prevención del delito, una teoría muy simple pero muy influyente, conocida
como la teoría de la prevención del delito situacional (por ejemplo, Clarke, 1980) propone que
los activos delictivos que parecen empíricamente muy diferentes pueden explicarse por la
presencia de una oportunidad y un individuo oportunista. Esto se debe a que el crimen es el
resultado de como una disposición personal al crimen interactúa con las oportunidades (o la
tentación) situacionales a través de la mediación del proceso de toma de decisiones de un
criminal.
De este modo, la teoría reduce la diversidad empírica de delitos como robos, asaltos, gastos
complicados y piratería intelectual a estos tres factores generales y abstractos. Propone que la
delincuencia se puede prevenir, o al menos se puede reducir su volumen, reduciendo las
oportunidades de la delincuencia, y que esto se puede hacer cambiando aspectos clave de las
situaciones en las que se comete. Tales medidas incluyen el rediseño de automóviles para
hacerlos más difíciles de robar y la introducción de cámaras de CCTV visibles en aparcamientos
y en otros lugares.
Ciencias sociales y naturales
¿Hay algo filosóficamente distintivo sobre las metodologías utilizadas para la descripción,
interpretación o explicación, o sobre los relatos ofrecidos por eventos, tendencias, estados de
cosas y condiciones en las ciencias sociales, a partir de los ofrecidos por las ciencias naturales y
físicas?
Esto puede parecer una cuestión de poca importancia práctica para la mayoría de los
científicos sociales que esperan llevar a cabo la mayor parte de su trabajo de investigación
dentro de los límites de las ciencias sociales. Sin embargo, la tendencia es hacia una
colaboración cada vez más profunda entre los científicos sociales y las ciencias naturales, por
lo que esto podría convertirse en un problema práctico para mucho lectores. En los estudios
de desarrollo, por ejemplo, ahora es un lugar común para que los antropólogos y sociólogos
trabajen junto con los biotecnólogos y los agrónomos para examinar las formas en que las
innovaciones en cultivos, de hecho, herbicidas y pesticidas se utilizan realmente en las
comunidades rurales y cómo los resultados en estos entornos pueden ser diferentes de
aquellos observados en ensayos de campo en centros de investigación.
También se gastan grandes sumas de dinero en colaboraciones entre científicos sociales y
tecnólogos de la información para comprender las formas en que las personas utilizan las
tecnologías de la informática y las telecomunicaciones, y están conformadas por las nuevas
tecnologías, produciendo resultados que no podrían haber sido predichos a partir de estudios
de ciencias sociales del comportamiento en oficinas o modelos informáticos del cambio
tecnológico.
En colaboraciones como estas, la conciliación de metodologías para extraer inferencias a partir
de datos se vuelve fundamental para el éxito de la investigación. Entones, la afirmación de que
hay algo fundamentalmente diferente en las ciencias sociales y naturales es prácticamente
importante. Cuatro justificaciones para esta afirmación suele recibir una importancia especial.
El primero se puede desechar rápidamente. Esta es la afirmación de que las ciencias naturales
y tecnológicas se basan fundamentalmente en el método experimental, en el que la
investigación puede controlar las variables independientes, mientras que las ciencias sociales
son básicamente observacionales y, por lo tanto, el investigador no puede lograr dicho control.
En pocas palabras, ambas partes de la proposición son falsas. Gran parte de la ciencia natural
se lleva a cabo a través de modelos matemáticos antes de considerar cualquier experimento, y
a veces varios, -o incluso siglos- antes de que la tecnología necesaria esté disponible para
realizarlos. En las ciencias naturales como la astronomía, por ejemplo, la experimentación
directa está mucho más allá de los poderes humanos: los experimentos solo se pueden realizar
con modelos físicos en los que la relación entre los fenómenos que los astrónomos quieren
comprender depende de la teoría. La geología trabaja con períodos de tiempo tan vastos que
la posibilidad de experimentación es muy limitada. Los oceanógrafos tienen muchas teorías
que funcionan a escala de océanos enteros o sistemas globales enteros y que simplemente no
admiten experimentos directos. En muchos campos especializados de zoología, como el
estudio de los primates y cetáceos, los estudios observacionales probablemente comprenden
la mayoría de lo que se publica por razones tanto éticas como prácticas.
A la inversa, hay experimentos en las ciencias sociales, y no solo los experimentos de
laboratorio tan queridos por los psicólogos. Como veremos en el Capítulo 5, una gran vena de
trabajo en ciencia política está relacionada con la realización de experimentos de campo para
descubrir, por ejemplo, si ciertos tipos de intervenciones tienen algún efecto sobre la
propensión de las personas a votar. De manera similar, en la política social, se están
financiando muchos más ensayos controlados aleatorios para examinar el impacto potencial
de enfoques particulares, por ejemplo, el tratamiento de la adicción y la prevención del
crimen.
La segunda afirmación es que la causalidad en los sistemas humanos es fundamentalmente
diferente de la de cualquier sistema natural o animal, y requiere formas de modelado
fundamentalmente diferentes y, por lo tanto, de diseño de investigación. Durante muchos
años, esto se tomó como algo obvio, pero en realidad no está nada claro que la premisa sea
cierta o que, incluso si lo fuera, la conclusión se desprenda de ello.
Primero, mucho animales exhiben claramente una organización social compleja, realizan
rituales, participan en la comunicación, colaboración, participan en la competencia y organizan
conflictos, desde estructuras de parentesco, intercambian bienes y servicios, utilizan
herramientas, etc. La organización humana puede ser más extensa, pero no se sigue que los
procesos causales básicos sean fundamentalmente diferentes. Solíamos creer que los sistemas
humanos se distinguen por ser no lineales, complejos en el sentido de tener una
autoorganización sostenida y capaces de procesos causales irreversibles y por mostrar
dinámicas de retroalimentación tanto positivas como negativas. De hecho, sin embargo, las
ciencias sociales han tenido que tomar prestados cada uno de sus modelos para estos
procesos causales de las ciencias naturales, como la meteorología, la oceanografía y la
biología, y nuestro uso de herramientas sigue siendo primitivo en comparación con el suyo.
Una tercera afirmación es que las teorías de las ciencias naturales son más parsimoniosas que
las de las ciencias sociales. Es cierto que las famosas leyes básicas de la física, la química, la
microbiología y la astronomía son, de hecho, bastante parsimoniosas. Sin embargo, incluso en
las ciencias naturales, la aspiración de reducción a veces se califica. Por ejemplo, la botánica se
compromete a mantener una gran cantidad de profusión floreciente y vibrante en sus teorías;
lo mismo ocurre con la meteorología, la geología, la oceanografía y muchas ciencias
tecnológicas, como la agronomía.
Social science as the study of “meanings”
The fourth claim is the only genuinely interesting one. This is the thesis that social scientist
study “meanings”. This capacious term encompasses the full range of mental life including
ideas, beliefs, desires, systems of classification, emotions, judgement and styles of thought.
Some methodologists argue that studying meanings, in this sense, rather than just studying
behavior, makes a fundamental difference not only to the kinds of data with which we work,
but also to our methods of analysis. It also makes, they claim, a fundamental difference to the
methodologies we use for drawing inferences from data, and to what counts as an
explanation.
The premise of this argument is true and no longer very controversial. Although in the 1950s
and 1960s, behaviouralism in political science aimed to explain political behavior and power
without reference to meanings, from rational choice theorists who try to specify people’s
goals to describe their utility functions, through to ethnographers.
The second stage in the argument, likewise, is true. Data about meanings are different in kind
from data about physical behavior, whether they take the form of quantitative survey data
about social attitudes or less structured form of interview transcripts or observational field
notes.
What remains deeply suspect, however, is the conclusion that methodologies used for data
about meanings are, or ought to be, fundamentally different in character from those used for
data about anything else. If we are engaged in causal explanation, we need to show how, for
example, reasons or ideas operate to bring about action. And there can be true or false
statements about what relationship a reason or an idea has to an action.
Think, for example, about Khrushchev’s decision to deploy nuclear missiles in Cuba in 1962,
which was mentioned in Example 2.1. We shall see later in this chapter that there are several
theories about what was in his mind. But if one set of reasons was more important than the
others, then that would change very fundamentally the way we explain the Cuban Missile
Crisis. Beliefs and intentions have to be inferred, and form parts of coherent causal accounts
exhibiting certain virtues before they can explain. Inference and building causal accounts are
the core explanatory activities of all the sciences.
Later in the book, we shall discuss in more detail the argument that a science of meanings is
methodologically distinct and that, furthermore, it must somehow eschew explanation
altogether and deal with interpretation instead. In Chapters 15 and 16, we shall argue that one
reason this argument fails is that it is very difficult indeed to produce an interpretation that
does not imply some claims, however well disguised about causal explanation. For the
moment, we need only say that the argument is greatly overstated.
This conclusion is good news for those who engage in collaboration with natural scientists. But
it does not follow from it that the social sciences should emulate the natural sciences. Indeed,
this inference would make little sense. As indicated by some of the examples we listed above,
there is no great consistency in the methodologies used by different natural sciences: those
used by oceanography and fundamental physics are, for example, quite different and it would
be impossible to emulate both at once.
The fundamental canon of methodology is all sciences must develop methods and
methodologies that suit their theories, their puzzles and their data.
Descargar