INTRODUCCIN

No pocas veces nos hemos quedado con un montn de informacin (por ejemplo, de entrevistas) en donde se nos pide que saquemos conclusiones acerca de esa informacin. Qu debe hacerse? Aqu es donde interviene la llamada sistematizacin de informacin.

Qu es esto? A pesar de su rimbombante nombre, la sistematizacin no significa otra cosa que ordenar, segn vayan apareciendo, por categoras (y en esto va a consistir nuestra habilidad para empezar a desenredar la maraa de informacin), vaciar la informacin en tablas (que aqu se llaman matrices, porque aqu cada una va a constituir un apartado per se, y despus se analizan para sacar conclusiones). Entonces, ordenamos la informacin de modo que parezca coherente y se pueda obtener informacin para ser luego analizada y presentada como una conclusin. Y este procedimiento puede seguirse con cualesquiera datos cualitativos (quin dijo que trabajar con datos cualitativos es ms fcil que aplicar frmulas y que el resultado numrico decida si se desecha la hiptesis nula?). Aun as, sabiendo las tcnicas apropiadas, una buena dosis de habilidad analtica y sinttica y mucha, mucha prctica nos irn haciendo mejores sistematizadores, y, con eso, dejar de adivinar qu quisieron decir, en qu tema y derivar una opinin que quin sabe de dnde la sacamos, para pasar al terreno cientfico, en donde tengo las pruebas, tras hacer una rigurosa sistematizacin, de las conclusiones a las que llegaron los otros, no las mas.

QU ES LA SISTEMATIZACIN DE SABERES? Esta parte del curso est diseada para aquellos que trabajan fundamentalmente con datos de tipo cualitativo, ya sea como parte de una investigacin; haciendo evaluacin, o simplemente tratando con gente en su vida profesional diaria y no pueden responder satisfactoriamente a las preguntas: cmo podemos derivar significados vlidos de nuestros datos? Qu mtodos de anlisis podemos emplear que sean prcticos, comunicativos y no engaosos o ilusorios, en suma, cientficos en el mejor sentido de esta palabra? Todo esto se reduce a cmo puedo hacer para sacar ms jugo a mis datos, que stos sean confiables y que finalmente pueda comunicar algo? Los datos cualitativos, que estn en forma de palabras ms que nmeros, siempre han sido la materia prima de algunas ciencias sociales, fundamentalmente antropologa, historia y ciencias polticas. En la dcada pasada, sin embargo, ms y ms investigadores/profesionales en campos que ponan un nfasis en lo cuantitativo (psicologa, sociologa, lingstica, administracin pblica, planeacin urbanstica, investigacin educativa, evaluacin de programas, y anlisis de polticas) estn diversificndose y mirando hacia un paradigma ms cualitativo.

Los datos cualitativos son atractivos. Son una fuente de descripciones enriquecidas y explicaciones de procesos que estn ocurriendo en contextos locales. Con datos cualitativos podemos preservar el flujo cronolgico, comprobar las probabilidades en el lugar y derivar jugosas explicaciones. As pues, los datos cualitativos tienen mayor probabilidad de resultados intuitivos y a nuevas integraciones tericas; ayudan a los investigadores/profesionales a ir ms all de preconcepciones iniciales y marcos rgidos. Finalmente, los hallazgos de datos cualitativos tienen una caracterstica de innegables. Las palabras, especialmente cuando estn organizadas dentro de incidentes o historias, tienen un sabor concreto, vvido y significativo que prueba a ser ms convincente a un lector que pginas de nmeros.

Sin embargo, aun cuando diversos profesionales de las ciencias sociales, aun sin ser investigadores/profesionales per se topan con enormes problemas cuando se trata de arreglar u ordenar su informacin, o lo hacen basados slo en unas pocas tcnicas surgidas de la emprea cotidiana, perdindose as informacin que podra ser evaluable para obtener conclusiones, y, ms all, hacer seguimientos de los propios procedimientos; de ah la falta de productos concretos, como lo exigen ya ahora las agencias de financiamiento y los encargados de formular polticas.

Trabajar con datos cualitativos no es fcil. Cuando se ve metodologa, los estudiantes, casi siempre, quieren trabajar con escalas nominales exclusivamente, aun cuando el tema de su investigacin requiera otro tipo de escalas de medicin, slo porque creen que trabajar con nombres es ms fcil que aplicar las tediosas frmulas estadsticas. Lo mismo muchos profesionales, al suponer que el trabajo con personas, el trabajar cualitativamente, implica mayor facilidad y que se requiere menos estudios (y menos quebraderos de cabeza) hablar que ver nmeros. Conforme avanza su experiencia profesional, tienden a darse cuenta que eligieron un camino azaroso y nada sencillo: el trabajar con nombres ordenadamente y en conjunto supone ms que trabajar en corto con grupos pequeos. Cierto, los datos cualitativos son mejores trabajando con grupos pequeos, pero he ah la falsa ilusin, ya que muchos estudios de corte cualitativo terminan por ser simples transcripciones superficiales del verdadero problema.

Las demandas de conducir una buena investigacin cualitativa (o, para nuestros propsitos, una buena prctica profesional) no son pequeas. La recoleccin de datos es una operacin que requiere de un gran esfuerzo, tradicionalmente tomndose meses, sino aos. Las notas de campo se empiezan a acumular astronmicamente, as que ya se est sobreentendiendo que los datos eventualmente nos rebasarn. Puede tomar aos completar un anlisis bien hecho. Y todava los datos cualitativos tienen ms exigencias, puesto que la investigacin cualitativa ya no es el terreno del investigador/profesional solitario inmerso en una localidad, sino que ahora es comnmente parte de un trabajo de varios profesionales trabajando en diversos espacios, lo que conduce necesariamente a una interdisciplinariedad.

Tambin hay problemas reales con los resultados de los estudios cualitativos. Aun si un estudio no va ms all del clsico estudio de caso o es un estudio multicausal, la cantidad de los datos hace improbable que una muestra o algo ms que una docena de casos (como s ocurre con el manejo de estadsticas), pueda ser manipulado. As que aqu hay una cuestin muy seria acerca del muestreo. Son los casos examinados una muestra razonable de un universo ms grande? Puesto de otro modo: Cul es la o la posibilidad de generalizacin de los resultados cualitativos? Y, dado el hecho de que las palabras son smbolos ambiguos y a veces huidizos, la posibilidad de que el profesional o el investigador/profesional contaminen los datos a travs de sus prejuicios parece ser muy grande.

Pero la pregunta ms profunda sobre los estudios cualitativos va ms all de esto. Consiste en que los mtodos de anlisis no estn bien formulados. En cuanto a los datos cualitativos, existen claras convenciones que el investigador/profesional puede utilizar. Pero el analista encara un banco de datos cualitativos que tiene muy pocas directrices que puedan protegerlo contra el autoengao, si no la presentacin de conclusiones no vlidas o poco confiables, cuando no francamente confusas. Cmo podemos estar seguros de que ese hallazgo intuitivo, innegable no es, de hecho, un error?

Este grado de incertidumbre sobre el anlisis cualitativo tiene otra consecuencia: los mtodos de anlisis son reportados muy raramente en detalle. No se puede de ordinario seguir cmo un investigador/profesional obtuvo de 3 600 pginas de notas de campo hasta las conclusiones finales, tamizado por algunas citas importantes. Y aunque el investigador/profesional trate de ser explcito acerca de sus mtodos, la falta de un lenguaje comn y el enorme esfuerzo del anlisis deja mucho campo a la ambigedad: utilizando las mismas notas de campo, puede algn otro investigador/profesional escribir un estudio de caso que sea plausiblemente similar al original? As, pues, la validez de los hallazgos cualitativos est seriamente en duda.

En suma, el campo de la prctica con datos cualitativos necesita, con mucho, mtodos explcitos que puedan sistematizarse para elaborar conclusiones y para probarlas cuidadosamente, mtodos que puedan ser usados para su replicacin por otros profesionales, similarmente como los mtodos de correlaciones y significancia para los datos cuantitativos.

CATEGORIZACIN, CDIGOS, CODIFICACIN Trabajando con palabras. Un problema crnico de la investigacin cualitativa es que est hecha fundamentalmente con palabras, no con nmeros. Las palabras son ms pesadas que los nmeros, y usualmente tienen significados mltiples. Esto las hace ms difciles de trabajar. Todava peor, la mayora de las palabras no tendrn sentido a menos que mires hacia atrs o hacia adelante a otras palabras. Toma, por ejemplo, el adjetivo pesadas en la segunda oracin. O

interpreta la oracin: tiene la mente ms desarrollada (que es como una madre de un ambiente rural describi los cambios en su hijo); en realidad, qu quiere decir?. Los nmeros, por contraste, son usualmente menos ambiguos y pueden ser procesados con mayor economa. Es una pequea maravilla, entonces, que la mayora de los investigadores prefieren trabajar con nmeros solamente, o traducen las palabras que recogen en nmeros tan rpido como sea posible.

A pesar de todo esto, y aunque las palabras pueden ser ms pesadas que los nmeros, ellas tambin pueden propiciar una descripcin densa. Es decir, ellas proporcionan ms significados que los nmeros, y deben estar dentro de un anlisis de datos minucioso. Convertir palabras en nmeros, y luego hacer a un lado las palabras, puede confundir de diversas maneras al investigador. As, se est asumiendo que la principal propiedad de las palabras es que hay ms de algunas que de otras. Esto, desde luego, es nicamente una de las cosas que son las palabras, y ciertamente no la ms importante. Enfocarse solamente en los nmeros traslada nuestra atencin de la sustancia a la aritmtica, y con esto se echa fuera toda la nocin de calidad; se podra mejor haber empezado con nmeros en primer lugar y ahorrado un montn de tiempo.

Igualmente, cuando los nmeros derivados de las palabras no hacen sentido, usualmente no existe una manera satisfactoria de hacerlos ms inteligibles con ms nmeros, que es lo que uno tiene a la mano. La solucin a este problema, como veremos despus, es mantener palabras y cualquier nmero asociado a ellas juntos a travs de todo el anlisis. Esencialmente, las palabras y los nmeros se mantienen unos a otros honestos analticamente hablando.

Sobrecarga de palabras. Las apalabras con las que el anlisis cualitativo trabaja, estn por lo general en la forma de notas escritas de campo y varios tipos de documentos que tienen palabras. Tienden a apilarse rpidamente durante la recoleccin de datos. Dos semanas en campo pueden resultar en algo as como 300 o 400 pginas de notas escritas y materiales anexos, aun limitndose. Todo parece importante, especialmente cuando se revisa la primera vez, y el analista quiere obtener todo de una vez. Lo que al principio pareca simple rpidamente adquiere mayor complejidad y tiene que ser expuesto. Nuevas guas surgen y han de ser revisadas. Y todo esto agrega ms cantidad. El peligro real es que, al final de la recoleccin de datos, el analista va a estar sobrecargado con ms datos de los que pueden ser procesados. Ms an, el texto narrativo de las notas de campo es muy difcil de utilizar durante el anlisis. Est esparcido en muchas pginas, expuesto en secuencia ms que por tpicos, y usualmente tiene muy poca estructura inherente. Es difcil recuperar las palabras que son ms significativas, arreglar bloques de palabras que estn juntas, y reducir el bulto en unidades listas para ser analizadas. Entonces, Cmo contender con esto?

Breve descripcin

Una solucin comn es codificar las notas de campo, las observaciones y los materiales de archivo. Un cdigo es una abreviacin o smbolo aplicado a un segmento de palabras -ms comnmente una oracin o prrafo de las notas transcritas- para clasificar las palabras. Los cdigos son categoras. Usualmente son derivadas de preguntas de investigacin, hiptesis, conceptos clave o temas importantes. Son herramientas de recuperacin y organizacin que permiten al analista avistar, entresacar y conjuntar todos los segmentos relacionados a la pregunta, hiptesis, concepto o tema particular. El agrupar prepara el escenario para el anlisis.

Ejemplo Tipos de cdigos. Vamos a asumir que un analista est interesado en las razones por las cuales una nueva prctica educativa es adoptada. sta podra ser una de varias preguntas de investigacin de un estudio. El investigador puede tpicamente empezar por preguntar a los informantes en el campo, por qu ellos u otras personas decidieron intentar esa prctica. Un pedazo de las notas de campo puede ser lo siguiente:

Le pregunt cul era la necesidad por el nuevo programa, y respondi que los estudiantes que llegaban al tercero de secundaria estaban dos aos atrasados con respecto al nivel del grado, y que el viejo currculo no era efectivo. A travs de pruebas (la Prueba de Lectura de Nelson) fue determinado que los estudiantes estaban creciendo acadmicamente slo seis o siete meses durante un ao escolar de 10 meses.

Asumiendo que el analista encontr que fuera posible aplicar una sola nota de sumarizacin a este pedazo, podra ser MOT para indicar motivacin. Este cdigo puede aparecer en el margen izquierdo del segmento (el margen derecho puede ser utilizado puede ser ocupado para comentarios). Si el analista quisiera una diferenciacin ms fina, el cdigo podra separar las motivaciones de los maestros de las de los administrativos; entonces obtenemos MOT -ADM. O. Tal vez uno quiera especificar el lapso o la fase en donde apareci la motivacin (por ejemplo, la fase de adopcin); se hara alargando el cdigo a AD (por adopcin)- ADM (administrativo)MOT (motivacin) -AD-ADM-MOT. Estos son cdigos descriptivos. No llevan ninguna interpretacin, sino simplemente la atribucin de una clase de fenmenos a un segmento de texto. El mismo segmento puede, desde luego, estar manipulado de manera ms interpretativa. Asmase que, a medida que el investigador de campo se va volviendo ms sabio sobre las dinmicas locales, descubre una red ms compleja de motivos. Algunas personas pueden haber adoptado la nueva prctica fundamentalmente para atraer atencin hacia ellos y as obtener mejor puesto de trabajo. Entonces, se tiene el motivo oficial, uno como el mostrado arriba, y el motivo ms privado que est fuera del escenario. El segmento que ya vimos podra ser codificado por MOT-OF (por motivacin oficial) y los otros segmentos MOT-PRIV.

Una tercera clase de cdigos es an ms inferencial y explicitara. La idea aqu es indicar que un segmento de notas de campo ilustra un leitmotiv o patrn emergente que el analista ha descifrado mientras descubre el significado de eventos locales y relaciones. Estos cdigos pueden llamarse como son LM (leitmotiv), Pat (patrn), TE (tema), LC (liga causal) , y deben incluir una palabra que indique el tema o patrn. Tpicamente son utilizados despus en el curso de la recoleccin de datos, en tanto que los patrones se hacen ms claros.

Aqu est un ejemplo. En el estudio de campo de innovaciones educativas, apareci este segmento: Pero l (Sr. Daz) dice que no sabe tanto sobre lo que est involucrado exactamente en el programa ANOTAR PUNTOS. Piensa que es una combinacin de un montn de cosas. El laboratorio aparece haber sido utilizado en la maana para el programa FCIL, el cual el Sr. Daz parece saber mucho ms... En la tarde, la Sra. Prez utiliza el laboratorio para propsitos de ANOTAR PUNTOS. El Sr. Daz dice que ese es un programa diferente, de ah que tenga un uso diferente.

Este pedazo luce lo suficientemente inocente como para ser tomado descriptivamente, lo cual es la manera en la que el investigador de campo lo vio durante la entrevista inicial. Despus de ms entrevistas y algunas observaciones causales, sin embargo, pareci diferente. Aparentemente haba una intensa lucha de poder entre facciones diferentes o equipos en la oficina central distrital la cual fue definida despus por el investigador como un montn de vboras en un frasco y la gente estaba alineada en uno u otro bando. El seor Daz estaba en el campo FCIL, no en el bando ANOTAR PUNTOS; ambos proyectos estaban compitiendo por fondos y ayuda de supervisores. El segmento fue as codificado como PAT-EQUIPO. Estos ejemplos indican tres cosas importantes sobre los cdigos. Primero, pueden estar en niveles diferentes de anlisis, variando desde el descriptivo hasta el altamente inferencial. Segundo, pueden suceder en tiempos diferentes durante el anlisis; algunos pueden ser creados y utilizados al principio y otros despus, tpicamente los descriptivos primero y los inferenciales despus.

Por ltimo, y lo ms importante, los cdigos son constrictores: ponen junto un montn de material, permitiendo el anlisis. El cdigo PAT EQUIPOS, por ejemplo, seala un tema que da cuenta de un montn de otros datos los hace ms inteligibles, sugiere ligas causales y funciona como un factor estadstico para agrupar piezas disparatadas dentro de un todo ms incluyente y significativo.

Creando cdigos. Un mtodo es crear una lista primaria de cdigos antes del trabajo de campo. Esta lista proviene de la lista de preguntas de investigacin del marco conceptual, as como hiptesis, reas problemticas y variables clave que el investigador lleva al estudio. En el estudio

sobre mejoramiento educativo, por ejemplo, se ha conceptualizado el proceso de innovacin en parte como de transformacin recproca entre la innovacin en s misma, los usuarios y la escuela o saln de clases husped. Los maestros cambiaron las caractersticas de las prcticas nuevas. Estas prcticas, en turno, cambiaron a los maestros y modificaron los arreglos laborales en el saln de clases, lo cual en turno influy en cmo la innovacin poda ser utilizada, y as.

Empicese, entonces, con un cdigo maestro -PT- para indicar el proceso de transformacin que se haba hipotetizado, y algunos subcdigos -PT-USUARIO, PT-CLASE (cambios en el saln de clases), PT-ORG (cambios en la organizacin), PT-INN (cambios en el innovacin) para marcar segmentos de datos en cada clase de variables. Una lista primaria puede tener de 80 a 90 cdigos; este nmero puede ser observado sorprendentemente bien en la memoria de corto plazo del analista sin referirse constantemente a la lista completa, si la lista tiene una estructura y lgica clara. Es una buena idea tener esta lista en una sola hoja de papel para una fcil referencia. La tabla 1 es un buen ejemplo. Nota las tres columnas. La primera ofrece una breve etiqueta descriptiva para las categoras generales y los cdigos individuales. La segunda columna muestra los cdigos, y la tercera ajusta el cdigo a la pregunta de investigacin o subpregunta de la cual deriva.

Tabla 1 Ejemplo de una lista primaria de cdigos (extracto)

PROPIEDADES INNOVACIN IP-OBJETIVOS IP-ORGANIZACIN

DE

LA IP-OBJ

3.1

IP-OC IP-ORG/DD,LS

3.1.1 3.1.1 3.1.4

IP-CAMBIOS IMPLCITOS (SALN IP-CH/CL DE CLASES) IP-USUARIO SOBRESALIENTE IPASESORAMIENTO IP-CH/ORG AL IP-SOBRESALIENTE

3.1.5 3.1.2

USUARIO (INICIAL) IPDESARROLLO DEL IP-MEDIR/PRE, DUR 3.1.3,3.4,3.5

PROGRAMA

Asimismo, los cdigos pueden dividirse de la manera siguiente:

1) Lugar/contexto: informacin general del ambiente.

2) Definicin de la situacin: cmo la gente establece los tpicos o variables.

3) Perspectivas: maneras de pensar, orientacin.

4) Maneras de pensar sobre personas y objetos: (ms detallado que la anterior).

5) Procesos: secuencias, ritmo, cambios en el tiempo.

6) Actividades: tipos de conducta que ocurren regularmente.

7) Eventos: actividades especficas.

8) Estrategias: maneras de lograr cosas.

9) Relaciones y estructura social: patrones definidos de manera no oficial.

10) Mtodos: asuntos relativos a la investigacin.

Estos escenarios ayudan al investigador a pensar sobre las categoras en las cuales los cdigos han de ser desarrollados; cualquier estudio en particular, desde luego, puede enfocarse en solamente unas cuantas categoras.

Revisando cdigos. Para cualquier aproximacin a la codificacin, los cdigos cambiarn y se desarrollarn en tanto la experiencia de campo contina. Los investigadores que utilizan listas primarias saben que los cdigos podrn cambiar; aqu hay ms cosas de las que pueden derivarse de nuestras expectativas iniciales, y solamente pocos investigadores de campo son lo suficientemente tontos para no observar estas cosas.

Ms an, algunos cdigos dejan de servir; otros se corrompen. Ningn material de campo les ajusta, o la manera de que ellos encajan en el fenmeno aparece de forma emprica. Esto marca la necesidad de eliminar el cdigo o cambiar su nivel. Otros cdigos florecen, algunas veces demasiado. Demasiados segmentos obtienen el mismo cdigo -el problema familiar del bulto-. Esto conlleva la necesidad de romper cdigos en subcdigos, algo que puede ser reguardado para despus si es necesario. An otros cdigos emergen progresivamente durante la recoleccin de datos. stos estn mejor contextualizados empricamente y son especialmente satisfactorios para el investigador que ha descubierto un factor local importante. Tambin satisfacen a otros lectores, quienes pueden ver que el investigador est abierto a la que se pueda decir, ms que forzar a los datos a encajar en cdigos preexistentes. La importancia de la estructura. Ya sea que los cdigos sean creados y revisados antes o despus; sin embargo, es bsicamente menos importante que el que tengan cierto orden conceptual y estructural. Los cdigos deben referirse unos a otros en maneras coherentes; deben ser parte de una estructura gobernante. Agregar, restar o reconfigurar cdigos produce un desorden que usualmente induce a su vez a un anlisis sin forma y puramente oportunista. Hace tambin a los cdigos difciles de memorizar y utilizar; la recuperacin y organizacin del material se hace difcil y azarosa. La tabla 2 es un ejemplo de un conjunto de cdigos pobremente estructurados. Proviene de un estudio sobre la creacin de nuevas escuelas. El estudio se desarroll inductivamente, y a travs de dos aos el nmero de cdigos creci como hongos. La nica estructura es un ordenamiento de 175 cdigos diferentes dentro de cuatro categoras generales (actores formales e informales, procesos y aspectos de la nueva escuela); los cdigos estn ordenados alfabticamente solamente dentro de cada categora. El escenario prob ser ms y ms difcil para recordar y utilizar; eventualmente fue colapsado en la ms aguda desesperacin en una serie de 28 categoras ms generales incluyendo capacidad de adaptacin, manejo del tiempo, apoyo sociopoltico, comunicacin interna y cosas por el estilo. Este ejemplo puede ser comparado con la estructura conceptual subyacente al escenario de cdigos mostrado en la tabla 1, que estaba enfocado a las familias de variables; fue fcilmente recordado y era til, y guo directamente hacia el anlisis.

Tabla 2 Ejemplo de una lista pobremente estructurada de cdigos (extracto) Formal 101 Administrador. 127 Grupo consultivo. 128 Arquitecto. 102 Consejo (central). 129 Consejo (distrital).

130 Constructor.

Informal 106 Grupo nuclear. 107 Miembro del grupo. 152 Evaluador del grupo. 113 Implementador. 153 Lder (socioemocional). 154 Lder (tarea). 155 Emergente ...

Procesos de planeacin e implementacin 201 Compromiso. 202 Complejidad de manejo. 203 Manejo de conflictos. 205 Cooptacin. 253 Toma de decisiones. 207 Diseo. 211 Clarificacin de metas. ... Aspectos de la nueva escuela. 301 Mantenimiento de lmites. 359 Presupuesto (escuela). 303 Sentimientos colectivos. 360 Control comunitario. 304 Comunicacin (formal). 305 Comunicacin (informal).

CONSTRUCCIN DE MATRICES DE ANLISIS

Una de las dificultades a las que se enfrenta quien debe analizar grandes cantidades de informacin es a la manera en que se sistematice, si los datos no son sistematizados adecuadamente las conclusiones que de ellos se extraigan y las decisiones que se tomen no sern las ms adecuadas. Sin embargo, el anlisis de datos cualitativos no es una tarea a la que se est habituado. La forma en que usualmente se registran los procesos suele ser narrativa -como lo es el caso de las bitcoras de sesiones, o llenado de cuestionarios de evaluacin sumativa-, sta es la forma usual de las investigaciones etnogrficas, pero cuando se trata de aprovechar simultneamente tres o ms bancos de datos, nos encontramos con una gran cantidad de papeles, con informacin dispersa, difcil de leer, larga, secuencial y en un formato que dificulta el seguimiento simultneo de dos o tres variables -o indicadores-.

El anlisis de la informacin cualitativa mediante matrices de anlisis permite manejar la informacin sin quitarle su esencia cualitativa porque es un espacio donde se presentan las ideas ordenadamente, permitiendo observar resultados y comentarios, sistematizando las condiciones y conocimientos que se poseen sobre el funcionamiento del programa. Nos presenta datos resumidos y permite comparar la situacin de los diferentes casos, creando nuevas necesidades de informacin y ayudndonos a focalizar nuestra atencin hacia los aspectos que estn funcionando adecuadamente (para aprovecharlos al mximo) y hacia los que necesitan de nuestra intervencin para funcionar mejor. La elaboracin de matrices