Mahoney y Goertz

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