Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
MAHONEY Y GOERTZ “A tale of two cultures: Contrasting Quantitative and Qualitative Research” INTRODUCCION El objetivo es contrastar los supuestos y las prácticas para poder aumentar la comunicación entre tradiciones. Ambas tradiciones tienen el objetivo de producir inferencias causales y descriptivas válidas, pero tienen objetivos especificos de investigacion diferentes, lo que produce normas diferentes sobre las prácticas de investigación APPROACHES TO EXPLANATION El objetivo de la investigación cualitativa es la explicación de casos individuales Un propósito central de la investigación es identificar las causas de estos resultados para cada caso que caiga dentro del espectro de la teoría que se está investigando. Los analistas cualitativos adoptan un método “causes-of-effects” esto significa que empiezan con los resultados de los casos y se mueven para atrás hacia las causas Los métodos estadísticos generalmente usan experimentos controlados, es por esto que no se sabe el resultado hasta que el tratamiento ha sido aplicado. Utilizan el metodo “effects-of-causes” Estiman el efecto promedio de una o más causas a través de poblacion de casos La explicación de resultados específicos en casos particulares no es una preocupación central Desde la perspectiva cualitativa, la ciencia puede ser usada para explicar resultados en casos particulares Estas dos visiones se complementan, la explicación de un resultado en un número pequeño de casos lleva a preguntarse si los mismos factores pueden funcionar en un espectro más amplio Cuando los resultados estadísticos sobre los efectos de los casos son reportados, es natural preguntarse si esos resultados tienen sentido en termino de casos históricos individuales CONCEPTIONS OF CAUSATION Los investigadores cualitativos piensan sobre la causalidad en términos de causas necesarias y/o suficientes. X es una causa de Y porque sin X, Y no podría haber ocurrido Cuando el número de casos es pequeño o mediano muchas veces utilizan el método INUS (insufficient but nonredundant part of an unnecessary but sufficient combination of conditions) Es una causa dentro de una combinación de causas que son conjuntamente suficiente para un resultado Este enfoque asume que hay distintas combinaciones que pueden ser suficientes, y que entonces hay diferentes caminos causales para el mismo resultado El enfoque cuantitativo utiliza el enfoque correlacional Uno puede definir este enfoque en términos de un contrafáctico, osea la diferencia entre un tratamiento y un control para la misma unidad Cuando se mueve de un caso único a múltiples casos se contrastan grupos en vez de unidades. MULTIVARIATE EXPLANATIONS En la investigación cualitativa eventos individuales no tienen una causa, sino que se debe incluir una variedad de factores causales relevantes. Uno se enfoca principalmente en el impacto de la combinación de variables y sólo ocasionalmente se enfoca en las consecuencias de variables individuales En la investigación cuantitativa uno normalmente asume que es imposible estimar resultados promedio con controlar variables relevantes Uno se enfoca principalmente en estimar el efecto de causa individuales EQUIFINALITY La equifinalidad es la idea de que hay múltiples caminos causales para obtener el mismo resultado El los modelos cualitativos sólo hay algunos caminos causales posibles para un resultado específico Cada camino es una combinación específica de factores, pero no hay muchos de ellos. El objetivo es identificar todos los caminos causales presentes en la población Los analistas normalmente asignan casos a caminos causales, como el objetivo es explicar casos, lo hacen identificando y especificando caminos causales que cada caso sigue En los modelos estadísticos are miles sino millones de posibles caminos causales para un resultado El objetivo del investigado acá es generalizar sobre efectos causales individuales Uno discute la población como un entero y no discute los caminos particulares que los casos individuales siguen para llegar a su valor específico en la variable dependiente. SCOPE AND CAUSAL GENERALIZATION Investigación cualitativa el alcance de las teorías es estrecha tanto que sus inferencias sólo son generalizables a un limitado rango de casos Es mejor desarrollar una teoría separada para casos adicionales Generalización causal toma la forma de especificar algunos caminos causales que son suficientes para el resultado en cuestión Expandir el alcance del estudio puede introducir heterogeneidad causal Puede ser que los nuevos casos no encajan con los caminos causales actuales También puede ser que los nuevos casos hagan problemáticos los caminos causales existentes, aunque sean suficientes para los resultados de los casos originales Investigación cuantitativa el alcance es más amplio y busca generalizar sobre un gran número de casos Los casos que analizan generalmente los ven como una muestra de un universo más grande Como el objetivo es estimar el efecto promedio de una o algunas variables, la exclusión de ciertas variables asociadas con casos nuevos no es un problema mientras que la independencia condicional no se rompa Variables independientes que son importantes solo para unas pocos casos, pueden ser consideradas “no sistemático” y relegado a término de error Los analistas pueden omitir variables mínimas para decir algo más general sobre la población. CASE SELECTION PRACTICES Los investigadores cualitativos suelen empezar su investigación seleccionando casos donde el resultado de interés ocurre (estos son llamados casos “positivos”) A veces también eligen casos “negativos” para probar sus teorías Los casos positivos de interés suelen ser raras ocurrencias(guerras), mientras que los casos negativos son potencialmente infinitos en número (no-guerras) Los casos negativos son menos importantes que los positivos En la investigación cuantitativa los investigadores suelen escoger casos sin considerar el valor de la variable dependiente Seleccionar casos basado en el valor de la variable dependiente puede tendencias el estudio, es por eso que hay que elegir los casos por selección aleatoria sobre la variable independiente Tener muchos casos es deseable Los casos negativos son igual de importantes para sacar conclusiones WEIGHTING OBSERVATIONS Los investigadores cualitativos resuelven puzzles y explican resultados particulares recogiendo hechos detallados, experiencia trabajando con casos similares, y conocimiento de causas generales principales No todas las piezas cuentan igual para armar una explicación Un nuevo descubrimiento puede llevar a que una teoría ya no sea válida aunque haya una extensiva literatura que diga lo contrario Los investigadores cuantitativos no asumen que algunas piezas cuentan más que otras Una sola observación no puede dar soporte decisivo o socavar una teoría; solo un patrón de observaciones puede poner en cuestión una teoría Estas diferencias en el uso de la data es lo que corresponde a “causal-process” y “data-set” Data-set: muestra o no patrones estadísticos de asociación entre variables así como permitir estimar el tamaño de los efectos Son útiles cuando uno busca generalizar sobre efectos causales promedio en poblaciones grandes. Causal-process: pieza de información que provee información sobre contexto o mecanismo y contribuye a un tipo de leverage en la inferencia causal. Puede ser una “smoking-gun”. Son cruciales para testeo de teorías en los estudios cualitativos porque los investigadores ya tienen creencias teóricas antes de empezar la investigación Son útiles cuando uno quiere explicar resultados específicos en casos particulares SUBSTANTIVELY IMPORTANT CASES En un análisis donde hay un gran número de casos no hay casos importante ex ante, cada uno cada tiene su propio peso Ex post uno puede y debería examinar outlier y observaciones que tengan máspeso en los resultados estadísticos Los investigadores cualitativos no tratan a todos los casos por igual, algunos casos son más importantes que otros Más importante significa que es de especial interés normativo porque cumple un rol importante en política doméstica o internacional En la investigación cuantitativa no hay razón por la cual algunos casos son mejores para evaluar que otros, bien podría ser que un caso que no se le prestó atención tiene las características indicadas para testear una teoría LACK OF FIT En la investigación cualitativa el investigador suele estar familiarizado con cada uno de los casos que está investigando, es por eso que un caso particular que nos se ajusta al modelo causal del investigador no es simplemente ignorado El investigador busca entender porqué ese caso no se ajusta a la explicación teórica El error de predicción debería ser explicado y no simplemente aceptado En la investigación cuantitativa la falla de un modelo teórico de explicar casos particulares no es un problema mientras que el modelo provea buenos estimativos de parámetros para el total de la población CONCEPTS AND MEASUREMENT Es común en el análisis cualitativo pasar mucho tiempo desarrollando definiciones claras y precisas para conceptos que son centrales a la investigación, fallar en mirar esto puede llevar a error de medición El debate sobre la validez de la medición está enfocada en la estructura lógica y el contenido de conceptos específicos El error de medición debe ser eliminado completamente Los indicadores que en promedio hacen un trabajo razonable de medición pueden ser problemáticos porque puede medir incorrectamente en muchos casos En la investigación cuantitativa se está más preocupado con la operacionalización y el uso de indicadores Algunos investigadores dirían que un concepto es definido por los indicadores que se usan para medirlo El error de medición es algo que es inevitable pero no devastador mientras que se lo modele adecuadamente
Compartir