Ynoub, Roxana - De la diseccion a la revitalizacion El tratamiento y el analisis de los datos

Vista previa del material en texto

PARTE VI. DE LA DISECCIÓN A LA REVITALIZACIÓN: EL 
TRATAMIENTO Y EL ANÁLISIS DE DATOS. 
 
Material de cátedra 
Elaborado por la Dra. Roxana Ynoub. 
UBA/UNMdP/UNNE 
 
VI.1. Presentación de los componentes de la Fase 3: de la teoría y los 
datos a la síntesis e interpretación. 
 
El proceso de investigación reconoce una dinámica que avanza desde la 
identificación conceptual del objeto o tema a investigar (fase 1) a su 
posterior disección o diferenciación operacional (Fase 2). En esta segunda 
fase, se diferencian y distinguen las partes componentes de dicho objeto 
con el fin de abordarlo empíricamente. Se trata de examinar detalladamente 
el comportamiento de ellas y –bajo cierta perspectiva- desarticularla de su 
unidad funcional (o “viviente”). 
 
El tratamiento e interpretación de datos es el que hace posible, entonces, 
restituir la unidad del objeto, de modo tal que el resultado de este análisis 
arroje una nueva versión –deseablemente más rica- del objeto previamente 
diseccionado. Esa restitución se realiza a la luz de algún cuerpo de 
hipótesis interpretativas, que provienen de -y conducen a- los modelos, las 
tradiciones y los marcos conceptuales en el que se inscribe la investigación. 
 
A los efectos de recordar el lugar que esta fase volvamos a ubicarlo en el 
diagrama que describe el proceso total de una investigación: 
| 
 
 
La denominamos fase sintética porque precisamente se consuman en ella 
todas las actividades vinculadas a integrar los elementos teóricos (propios de 
la Fase 1) con los componentes empíricos (provenientes de la Fase 2). 
 
Kant, llamaba “sintética” a nuestra facultad de juzgar. Sostenía que cuando 
conocemos algo, lo que hacemos es organizar de cierta manera lo que nos 
informan los sentidos. Esa organización surgiría de las estructuras de nuestro 
intelecto, las que, según él, podían ser reducidas a un conjunto de doce 
juicios/categorías1. 
 
Algo semejante le ocurre a un juez (adviértase que precisamente lo que el 
juez hace es ¡juzgar!): su tarea consiste en “encuadrar el hecho a derecho”. 
Su función, por lo tanto, será la de dar un veredicto, es decir, transformar en 
“cosa juzgada” esos hechos, para hacerlos interpretables por el derecho (lo 
que permitirá, entre otras cosas, dictaminar si hay culpables, estipular penas o 
sanciones, entre otras cuestiones)2. 
 
1 A su turno, estas estructuras/categorías se derivarían de la estructura de la acción que 
está apoyada en la misma sensibilidad: es decir, en nuestra experiencia espacio-
temporal. El tratamiento de este asunto excede los objetivos de este trabajo, por lo que 
sólo lo mencionamos tangencionalmente. 
 
2 La gran diferencia entre el dominio de la experiencia jurídica, y el dominio de la 
experiencia cognitiva que examina Kant, estriba en que el filósofo se ocupa de 
Fase 2 
Fase analítica 
Operacionalización a 
instrumentalización 
 
Fase 3 
Fase sintética 
Tratamiento e 
Interpretación 
 
 
Datos 
Hipótesis de 
trabajo 
 
Conceptos 
Objetivos Fase 1 
Fase ideatoria 
Intuición a 
conceptualización 
 
 
Son estas operaciones del juicio las que está comprometido en la Fase 3 del 
proceso. 
 
Ocurre, sin embargo, que el alcance de esa síntesis dependerá de la naturaleza 
de la investigación, del esquema en el que ella transite. En algunos casos, los 
modelos de los que se parten, constituyen ya genuinas teorías y la integración 
de los datos se parece más a una operación de subsunción o encuadre del tipo 
diagnóstico (en estos casos prima la inferencia abductiva). Mientras que en 
otras situaciones, especialmente en aquellas investigaciones teóricamente 
más innovadoras, el trabajo interpretativo se encamina precisamente a la 
construcción, ampliación o especificación de los cuerpos teóricos ya 
existentes. Se esperaría que en estos casos predominen inferencias analógicas 
por recurso a modelos menos sistematizados teóricamente. 
 
En lo que sigue consideraremos con algún detalle cada uno de los 
componentes que conforman esta fase como sus mutuas dependencias. 
 
 
VI.2. Aspectos sustanciales vinculados al tratamiento e interpretación 
de datos. 
 
Para ubicar el alcance de las operaciones comprometidas en esta fase, 
interesa recordar que todo objeto de investigación constituye un sistema 
complejo es decir un sistema cuasi-descomponible en el que se distinguen –
o pueden distinguirse- partes componentes -o subsistemas constitutivos- y 
contextos –o supra-sistemas regulativos-. 
 
El proceso de construcción y delimitación del objeto de investigación, 
consiste, precisamente, en identificar las entidades o elementos focales del 
estudio (supuesto de individuación), en identificar las partes o aspectos que 
 
identificar las grandes estructuras que organizan nuestro intelecto cualquiera sea el 
contenido que las ocupe. Dicho de otro modo, Kant se ocupa de identificar aquellas 
estructuras sin las cuales no podemos pensar (o tener) experiencias. Al menos 
experiencias intersubjetivamente compartibles como las que gobiernan la cognición 
epistémica. Es por eso que concibe a este examen como un examen trascendental, es 
decir, un examen de las condiciones de posibilidad del conocimiento. Su propia 
naturaleza trascendental hace que estos organizadores cognitivos se nos trasparenten, 
no están ante nosotros como parte de nuestra experiencia, porque ellas sólo constituyen 
las formas en que se estructura nuestra experiencia. En cambio, el jurista, tiene ante sí el 
código, como asunto tematizado y tematizable cada vez que se aplica el derecho. Este 
código puede ser discutido, revisado, modificado. De cualquier modo, el código jurídico 
también funciona como condición de posibilidad para tener experiencias jurídicas, es 
decir, para que ciertos hechos se constituyan en “hechos lícitos o ílicitos”. 
se tomarán en cuenta de estas entidades (supuestos de partición) y en 
determinar los contextos en que las entidades o elementos focales se 
integran (supuesto de participación) (cfr. Samaja, J.; 1993:255). 
 
De modo que, concomitantemente, podríamos postular que el tratamiento y 
análisis de datos está llamado a precisar los vínculos o determinaciones de 
las entidades que integran el sistema focal (supuesto de vinculación), a 
restituir la relación de las partes componentes con el sistema focal 
(supuesto de reintegración) y a incorporar los distintos subsistemas en una 
unidad sintetizadora (supuesto de totalización). 
 
Esquemáticamente esas dos fases y los supuestos implicados en cada una se 
podrían expresarse de la siguiente manera: 
 
Principios implicados en: 
Fase analítica 
(operacionalización) 
Fase sintética 
(integración de datos) 
a) Supuesto de individuación 
(entidades) 
a) Supuesto de vinculación 
(entre entidades) 
b) Supuesto de partición 
(dimensiones) 
b) Supuesto de determinación 
(entre dimensiones) 
c) Supuesto de participación 
(contextos) 
c) Supuesto de reintegración 
(entre niveles) 
 
 
Por ejemplo, si se investigara un asunto como 
 
Las determinaciones familiares en los procesos de deserción escolar. 
 
con alta probabilidad los investigadores producirán información referente a 
las familias de estos niños (eventualmente comparada con información 
proveniente de familias de niños no desertores), información referida a los 
miembros familiares y a los niños desertores, información referida al 
sistema escolar, etc.. El resultado de la investigación no será (o 
deseablemente no se espera que sea) la compilación desagregada de toda la 
información relevada; sino una síntesis que arroje algún nuevo saber sobre 
el objeto –entendido como unidad de diversas determinaciones. 
 
Esta actividad de síntesis y restitución de un nuevo sentido es el que está 
llamado a cumplir el tratamiento de los datos. 
Más específicamente, es a partirde él que deberán medirse las hipótesis de 
la investigación: no sólo, ni principalmente de manera externa a ese 
tratamiento -es decir, luego de que ya se ha consumado- sino de un modo 
consustancial en tanto son las hipótesis las que determinarán el tipo de 
tratamiento a seguir; aunque, a su turno, el tratamiento y análisis de datos 
puede iluminar nuevas hipótesis no previstas al inicio de la investigación; 
lo que ocurre de manera privilegiada, pero no exclusiva!, en los llamados 
estudios descriptivo-exploratorios. 
 
 
VI.3. Diferenciación e integración entre la interpretación y el 
tratamiento de datos. 
 
Aunque se trata de actividades mutuamente vinculadas el tratamiento y la 
interpretación conviene considerarlos de manera diferenciada: 
 
a) el tratamiento se refiere a las actividades de manipulación, síntesis e 
integración de resultados. Vamos a proponer dos dimensiones o 
perspectivas en las que puede concebirse este tratamiento: 
 
a.1. La perspectiva formal: es decir, examinando los distintos 
tipos de “compactación” de los datos; bajo el supuesto de que 
“tratar datos” es reducir, compactar o sintetizar información, y, 
 
a.2. La perspectiva funcional: atendiendo a los fines a los que 
sirve el tratamiento, los que están vinculados a los esquemas, 
diseños y objetivos de investigación. 
 
 
b) El análisis o interpretación por su parte, se refiere a los procesos de 
interpretación por los cuales los datos se integran al cuerpo de la teoría 
conforme a las hipótesis, objetivos y marcos conceptuales de la 
investigación. Como vamos a examinarlo luego, interpretar datos es “ir 
más allá de los datos”: es decir, transformarlos en material significante para 
extraer algún significado de ellos. 
 
 
Veamos cada uno de estos aspectos con algún detenimiento. 
 
 
VI.3.1. Tratamiento de datos desde la perspectiva formal: la 
compactación de datos según direcciones o centramientos de los 
componentes de la matriz. 
 
En la tradición inaugurada por John Galtung (1973) –continuada y 
ampliada por Samaja, J. (1993)- se clasifican los distintos tratamientos de 
datos por referencia a distintos direccionamientos en la “compactación” 
de la información que conforma la matriz de datos (o matrices de datos) de 
la investigación (cfr. Cap. III). 
 
Con la metáfora de la compactación se evoca la tarea que tiene entre 
manos quién se propone avanzar en la sistematización y síntesis de sus 
datos. 
 
Como ya lo adelantamos, si en el paso de las hipótesis a la 
operacionalización se trata de ir desde la unidad de síntesis a las unidades 
de análisis; en el tratamiento de los datos el procedimiento involucrado es 
exactamente el inverso: desde las unidades de análisis a las unidades de 
síntesis. Eso significa agregar, reducir la información conforme a una 
lógica que la torne aprehensible de manera configurada y sintetizada –
iluminando aquellas relaciones y determinaciones que se pretendían 
explorar o probar con la hipótesis. 
 
Esa tarea de compactación puede hacerse entonces en torno a los 
elementos de la matriz, resultando –en principio- dos direcciones de 
síntesis-: la dirección de la variable (que Galtung identifica con la metáfora 
espacial de la dirección vertical); y la dirección de la “unidad de análisis” 
(a la que hace coincidir con la dirección horizontal). Estos son los dos 
centramientos que identifica Galtung; conforme a un esquema como el 
siguiente3: 
 
 
3 Cfr. Samaja, J. (1993). 
 
 
 
Interesa señalar que Galtung propone un tercer criterio que llama Análisis 
combinado pero del que no reconoce una lógica diferenciada, sino algo así 
como una “combinatoria” de los otros dos: 
 
“En este caso –señala- hay muchas posibilidades, pero realmente no 
existe ninguna teoría general. (...) El análisis combinado vertical y 
horizontal puede tomar muchas formas, según cómo se proceda. Por 
ejemplo, se puede elegir comenzar con algún análisis horizontal, 
construyendo índices basados en algunos conjuntos de variables. A 
partir de esto se puede hacer algún análisis vertical, agregando los 
valores del índice como nuevas columnas a la matriz de datos y 
combinándola con las otras variables, y así sucesivamente”. (op. cit. : 
219). 
 
 
Samaja, en cambio, avanza en un criterio formal para describir un tercer 
tipo de análisis al incluir el concepto de nivel de integración y sistemas de 
matrices de datos. Este tercer criterio lo define como centramiento en el 
valor (cfr. Samaja, J. op. cit.: Parte III y IV) y lo presenta 
esquemáticamente de la siguiente manera: 
 
 
 
Este nuevo centramiento remite ya no sólo a la estructura de la matriz de 
datos, sino a la relación entre matrices de distintos niveles de concreción: el 
nivel llamado “sub-unitario” se refiere, precisamente, a la información que 
oficia de insumo o nutriente para la construcción de las categorías que 
conforman las variables del nivel de anclaje (es decir, el nivel considerado 
focal en un determinado momento del proceso de investigación). El 
análisis centrado en el valor puede combinar –lógicamente- los 
tratamientos “verticales” y “horizontales”, pero metodológicamente cumple 
una función distinta a la del centramiento en la variable y la unidad de 
análisis respectivamente: se refiere a la construcción de un sistema de 
clasificación o variable; tarea que implica el tratamiento de los valores del 
nivel sub-unitario. 
 
 
VI.3.1. Tratamiento de datos desde la perspectiva funcional: fines a los 
que sirve cada tipo de tratamiento. 
 
El criterio formal puede considerarse a su turno, atendiendo a lo que vamos 
a denominar, el criterio funcional, es decir, considerando los fines a los que 
sirve el tratamiento. 
 
De acuerdo con ello es posible reconocer que el centramiento en la 
dirección de la variable tiene como objeto “computar” datos, en la 
perspectiva de agregar la información según los distintos valores de las 
variables para identificar las distribuciones de esos valores en la población 
o la muestra estudiada. De igual modo, el conjunto de “medidas síntesis” –
como las llamadas medidas de posición y de tendencia central constituyen 
información que ofician de descriptores del conjunto de casos o unidades 
considerando a este conjunto como una nueva totalidad o unidad (sea 
muestral o poblacional). 
 
De modo tal que el capítulo correspondiente al centramiento en la dirección 
de la variable corresponde a lo que usualmente trata la estadística 
descriptiva y la estadística inferencial. 
 
La diferencia entre estas dos ramas de la estadística estriba en que en el 
primer caso, los cálculos se destinan a caracterizar la muestra o población 
de la que se obtiene la información empírica. En el segundo caso, en 
cambio, se trata de utilizar esa información empírica para estimar o inferir 
–en base a teoría de probabilidades- valores de una población o universo al 
que no se accede de modo directo. La estadística inferencial permite 
estimar, por ejemplo, con qué probabilidad los valores obtenidos en una 
muestra (aquellas medidas síntesis a las que nos referirmos previamente), 
representan, o se corresponden con un valor no conocido de una población 
de referencia (a esto se lo llama “estimación de parámetros”). De igual 
modo, permite inferir si la variación que presentan dos o más variables 
consideradas conjuntamente, resulta probable o improbable. Es decir, 
permite estimar si su variación puede atribuirse al mero azar, o por el 
contrario, parecen ser concomitantes, y por lo tanto puede sospecharse que 
miden un mismo asunto o están determinándose de algún modo unas a 
otras (esta es la base de lo que usualmente se conoce como “prueba de 
hipótesis”). 
 
De cualquier modo, en ambas ramas de la estadística se trata de 
centramientos en las variables, aunque con fines diferenciables conforme a 
lo que acabamos de señalar. 
 
En lo que respecta al centramiento en la dirección de la unidad de análisis 
el tratamiento tienecomo finalidad la identificación de pautas, tipologías e 
índices. En esos casos, más que computar o agregar la información, se trata 
de combinarla, ya que se consideran conjuntamente los valores 
provenientes de distintas variables, para las distintas unidades. Esas pautas 
o perfiles manifiestos, pueden a su turno, considerarse en términos de 
propiedades latentes de las unidades, lo que permite hacer de las tipologías 
construidas indicadores de nuevas variables. 
 
Finalmente, el tratamiento centrado en la dirección del valor corresponde a 
todos aquellas técnicas dirigidas a la construcción de dimensiones de 
análisis, desde información originalmente no categorizada. Un ejemplo de 
este tipo de tratamiento es el que se ha propuesto bajo el rótulo de “método 
comparativo-constante”, destinado precisamente a categorizar, clasificar 
material originariamente no estructurado. 
 
Esquemáticamente esto se podría presentar en los siguientes términos: 
 
Centramiento 
en: 
Tratamiento: Fines: 
 Variable Cómputo de valores por 
 agregación. 
 Describir el 
 comportamiento de las 
 variables, y/o sus co- 
 variaciones, estimando 
 la determinación o el 
 efecto que unas 
 producen sobre otras. 
 
 Unidad de 
 análisis 
 
 
 Comparación de valores, 
 vector de valores o estructura 
 de valores. 
 Construir tipologías o 
 identificar pautas. 
 
 Identificar 
 isomorfismos entre 
 valores manifiestos y 
 latentes. 
 
 Valores 
 /variable 
 Comparación y/o computación 
 de valores de niveles sub- 
 unitarios. 
 
 Codificación o 
 categorización. 
 
A su turno cada uno de estos “fines” y “tratamientos” pueden especificarse 
conforme a técnicas y aplicaciones específicas, tal como lo hemos señalado 
previamente. Al modo de ejemplo podrían indicarse las siguientes: 
 
Centramiento en: Ejemplos de técnicas 
p/tratamiento de datos: 
Ejemplos de 
aplicaciones: 
 Variable Estadística descriptiva 
 
 Estadística inferencial. 
 
 Descripciones exploratorias. 
 Diseños 
 experimentales. 
 
 Validación y 
 construcción de test 
 
 Análisis correlacionales 
 
 Unidad de análisis Análisis de pautas, índices, 
 numéricos, segmentaciones. 
 
 Estudios estructurales. 
 Elaboración de 
 nosografías. 
 
 Segmentaciones 
 poblacionales. 
 
 Análisis narrativos. 
 
 Valores/Variable 
 Indicador/ 
 Variable 
 Codificación. 
 
 Método comparativo 
 constante. 
 
 Estudios hermeneúticos. 
 Estudios culturales. 
 
 Aplicaciones 
 instrumentales. 
 
 Investigaciones 
 hermeneúticas. 
 
 
Ampliaremos cada uno de estos temas en capítulos específicos, por lo que 
aquí sólo quedan señalados. 
 
 
VI.4. El análisis o la interpretación: ir “más allá de los datos”. 
 
El tratamiento de datos permite “compactar” o agregar la información 
producida de modo de tornarla manejable e interpretable. 
 
Una vez producido ese tratamiento la tarea consiste en interpretarla. Esto 
vale incluso en aquellas investigaciones que se inscriben en el llamado 
paradigma cualitativo en el que la construcción del dato, surge en el mismo 
momento en que es analizado. En ese caso, se deben distinguir dos 
momentos “interpretativos” con funciones muy distintas. Por una parte, lo 
que podríamos llamar “micro-interpretaciones” que van permitiendo 
categorizar o clasificar la información (como cuando se “rotula” una frase o 
se le adscribe una categoría interpretativa en el tratamiento de material 
discursivo o equivalente). Otro momento corresponde al análisis e 
interpretación más integral, en la que esos fragmentos previamente 
interpretados y transformados en dato, cobran nuevo sentido en mapas, 
redes semánticas o cuadros más abarcativos, a partir de los cuales emergen 
hipótesis de interpretación. 
 
En tal sentido la función de interpretación de datos propia de la fase 3 
implica, como ya lo adelantamos “ir más allá de los datos” para integrarlos 
al cuerpo de una teoría o concepción teórica más amplia. 
 
El concepto de intepretación tiene un alcance específico en semiótica: 
interpretar un signo es poner algo en reemplazo de él. La definición 
peirciana de signo, dice que: 
 
“signo es algo que se pone en lugar de otra cosa, en algún aspecto o 
capacidad suya para alguien”. 
 
Si se señala con el dedo en una cierta dirección; ese gesto será 
efectivamente un signo si la mirada no se detiene en el dedo y se dirige a la 
cosa señalada4. Si en cambio, en vez de dirigir la mirada a lo señalado se la 
dirige al dedo, “cae” la función de signo. 
 
Lo mismo ocurre con los datos: el análisis de datos supone ir más allá de 
ellos transformándolos en signos o material significante. Este más allá 
surge de las prácticas disciplinarias y las tradiciones teóricas que iluminan 
dichos datos. Si al presentar los datos “sólo se ven los datos” entonces han 
fracaso en su función. 
 
Veámoslo a la luz de un ejemplo sencillo. La demografía ha diseñado una 
estrategia de presentación de datos que resultan significativas para 
representar la “estructura de poblaciones según sexo y edad” bajo la 
forma de lo que llama “pirámide poblacional”5: 
 
 
4 El signo debe opacare y transparentarse al mismo tiempo: es decir, debe ser percibido 
y debe no ser percibido simultáneamente para que cumpla su función de signo (cfr. 
Recanati, 1981). 
5 La pirámide de población es una representación gráfica de varias generaciones que 
refleja los patrones de natalidad y mortalidad y el efecto de los procesos migratorios, 
tanto pasados como presentes. 
 
 
 
 
 
En esta “pirámide” cada escalón representa una cohorte de nacimientos, en 
sentido vertical, usualmente en tramos quinquenales o por decenio de edad. 
Del lado izquierdo se presentan los valores correspondientes a varones y 
del lado derecho a mujeres. El largo de cada escalón (en el sentido 
horizontal) expresa el porcentaje (o el número de casos) correspondiente a 
cada grupo. La pirámide siempre refiere a una unidad (de análisis) 
territorial: un país, una región, una provincia, etc. 
 
Empíricamente se observa que distintas configuraciones de esta pirámide 
remiten a distinto nivel de desarrollo de un grupo poblacional, de modo tal 
que, a partir del patrón demográfico se pueden inferir un conjunto de otros 
atributos o características de esa población. 
 
En los siguientes ejemplos se observan representaciones de tres tipos 
empíricamente frecuentes de pirámide poblacional: 1) la primera 
corresponde a una población en expansión (alta natalidad, alta mortalidad); 
2) la segunda a una población estable (natalidad moderada y distribución 
relativamente homogénea entre los distintos grupos de edad); 3) y la tercera 
a lo que se llama una población en declinación (baja natalidad, alta 
esperanza de vida). 
 
 
1 2 
 
 
 
 
 3 
 
 
 
 
 
Para un especialista estos gráficos tienen valor significante, es decir, ve allí 
“algo más” y algo distinto a lo que ve un lego (que sólo se “informa” del 
número o el porcentaje de población por edad y sexo). Estos gráficos le 
indican, por ejemplo, que la tasa de fecundidad es elevada en el primer 
caso, estable en el segundo y baja en el tercero (en este último podrá 
anticipar que no supera a los 2 hijos por mujer al final de la vida fértil). 
Que en el primer caso tendrán seguramente un peso muy importante las 
enfermedades infecto-contagiosas, mientras que en el tercero predominarán 
las enfermedades degenerativas. Que con alta probabilidad el patrón 
distributivo de ingresos es inequitativo en el primer caso, lo que se traduce 
en mayor pobreza, intermedio en el segundo, y más equitativo en el tercero. 
Comparando gráficos como estos pueden estimarse diferencias 
poblacionales (demográficas y sociales) entre distintas unidades 
territoriales de un mismo paíso una misma región. Se puede todavía ir más 
lejos y hablar –como lo hace también la demografía- de transiciones 
demográficas asociadas a grandes estadios en el desarrollo social (según 
ciclos de desarrollo industrial, epidemológicos, etc.). 
 
 
Por supuesto que el alcance o la riqueza interpretativa no surge de la sola 
“pirámide poblacional”, esa riqueza dependerá de por lo menos dos tipos 
de cuestiones: 
 
a) por una parte, de la “intertextualidad” que domine el analista de estos 
datos (sea o no demógrafo/a de profesión). 
 
b) por la otra, de las tradiciones disciplinarias que abonen la evidencia 
empírica en relación al uso de este tipo de datos. 
 
 
De manera general podría enunciarse una ley general según la cual el 
análisis de datos tiene como tarea invariante: 
 
-la comparación de un estado de cosas existente (o dado 
empíricamente) con 
-un estado de cosas posible 
-en el marco de un modelo (o presunción) asumida como 
necesaria. 
 
Dicho de otro modo, se trata de: 
 
• Examinar lo empíricamente encontrado, 
 
• En el marco de lo lógicamente posible, para 
 
• Determinar su grado de “necesariedad” 
 
Así por ejemplo, una mera “distribución de frecuencias” sólo tiene sentido 
para el analista –con interés científico- si está en condiciones de comparar 
esa distribución (existente o dada) con algún modelo o patrón (ideado o 
inferido); para estimar hasta qué punto ella coincide o no con lo esperado: 
es decir, para evaluar hasta qué punto la diferencia que observa puede 
estimarse como contingente o necesaria desde la perspectiva del asunto que 
investiga. 
 
Veámoslo de manera más precisa (en base a un ejemplo desarrollado en 
Galtung, J. –1973): una distribución es una partición de N unidades en R 
partes. Entendiendo por R un espacio-resultado conformado por el número 
de valores en los que potencialmente pueden ir a parar las N unidades 
analizadas. Si el espacio-resultado es unidimensional R es igual a r (es 
decir, al número de valores de la variable) si es bi-dimensional R=r1 x r2 ; si 
es n dimensional R= r1 x r2 …rn.). 
 
A modo de ejemplo, si se tienen tres unidades para un espacio con R=2, se 
obtienen cuatro distribuciones posibles o particiones de tres en dos partes: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Supongamos que estas son distribuciones de “respuestas a un test” (N=3, es 
decir tres casos de respuesta) con dos valores posibles (r1=”positivo” o 
r2=”negativo”); cada tipo de distribución se debería leer entonces de la 
siguiente manera: 
 
1. “tres respuestas positivas y ninguna negativa” 
 2. “dos respuestas positivas y una negativa” 
 3. “una respuesta positiva y dos negativas”. 
 4. “ninguna respuesta positiva y tres respuestas negativas” 
 
Ante una distribución empírica o dada (cualquiera de las cuatro), el analista 
deberá juzgarla por referencia a las distribuciones lógicamente posibles, 
para evaluar luego si se corresponde con lo esperado (conforme a algún 
modelo o hipótesis). 
 
Si aumentan N y R el número de posibles particiones de N en R se torna 
inmanejable. Galtung presenta al respecto la siguiente tabla (op.cit.: 229): 
 
 
 Tamaño del espacio-resultado R 
 1 2 3 4 5 ……. 10 
 Ta m
a
ño
 
de
 
la
 
m
u
es
tr a N
 1 1 2 3 4 5 . 
2 1 3 6 10 15 . 
 Distribuciones “posibles” 
(de N en R) 
 
R 
 
f1 
 
f2 
 
F3 
 
f4 
 
S 
 
0 
 
3 
 
1 
 
2 
 
 
N 
 
3 
 
0 
 
2 
 
1 
 
3 1 4 10 20 35 . 
4 1 5 15 35 70 . 
5 1 6 21 56 126 . 
. . 
. . 
. . 
10 1 92378 
 
 
 
Si un investigador maneja –por caso- una muestra de 120 unidades; 
potencialmente distribuibles en dos variables dicotómicas (lo que da un 
espacio-resultado de 4) no tiene que conocer (y aunque quisiera le sería 
prácticamente imposible hacerlo) todas las distribuciones en que 
potencialmente podrían presentarse los casos. Pero sin duda debe saber que 
la distribución que ha obtenido (empíricamente) es una entre unas cuantas 
distribuciones lógicamente posibles. Usualmente el camino que se sigue es 
el inverso: se postula cierto comportamiento esperado (conforme a alguna 
presunción o modelo) y se juzga lo dado (empíricamente) para saber si las 
variaciones o diferencias entre lo dado empíricamente y lo postulado 
teóricamente son o no relevantes. 
 
De igual modo ocurre con la estadística inferencial. Los resultados 
empíricos se deben juzgar por referencia a su ubicación en el espacio que 
de una función continua de probabilidades. Este espacio define el conjunto 
de posibilidades. Dicho de otro modo, el valor que se ha obtenido 
empíricamente es “uno” entre un conjunto de posibles valores que se 
podrían haber obtenido con una muestra aleatoria de tamaño “n” (los que 
considerados conjuntamente constituyen la totalidad de ese espacio de 
probabilidades). La decisión estadística depende de cómo se juzgue ese 
valor por referencia a los valores posibles que podrían haberse obtenido, y 
cómo se defina la zona de alta o baja probabilidad. 
Ahora bien, el alcance de esa decisión, que tendrá consecuencias en lo que 
se llama “significación estadística” no define ipso facto la “significación 
sustancial” de un dato. Se requiere para ello juzgar esos resultados a la luz 
de un modelo, una teorización que le confiera la significación disciplinaria 
específica. Y esta significación no se deriva nunca de una mera aplicación 
técnica, sino de los modelos en el que ese hallazgo pueda ser integrado. 
 
Por lo demás, interesa señalar que estos principios no son privativos del 
análisis e interpretación de datos cuantitativos. Podrían aplicarse de igual 
modo en aquellas investigaciones de orientación interpretativa o 
hermeneútica. 
 
Así, por ejemplo, cuando Sigmund Freud analiza “la técnica del chiste”, su 
estrategia consiste en examinar lo “empíricamente dado” a la luz de lo 
“lógicamente posible” (o esperable); para luego examinar en base a ello su 
carácter necesario en el marco de su teoría interpretativa. 
 
Así comenta, el caso de un chiste que lo inspira en esta dirección: 
 
En el fragmento de los Reisebilder titulado «Los baños de Lucas» nos presenta 
Heine la regocijante figura de Hirsch-Hyacinth, agente de lotería y extractador 
de granos, que, vanagloriándose de sus relaciones con el opulento barón de 
Rotschild, exclama: «Tan cierto como que de Dios proviene todo lo bueno, 
señor doctor, es que una vez me hallaba yo sentado junto a Salomón Rotschild y 
que me trató como a un igual suyo, muy «famillionarmente» (familionär)». 
 
 
A los efectos de examinar la “técnica del chiste”, lo primero que propone 
es explicitar lo que queda implícito en él, es decir, lo que hubiese sido 
esperable en el contexto del discurso. Lo señala en los siguientes términos: 
 
“Intentemos expresar con la mayor fidelidad el mismo pensamiento en palabras 
distintas. (…) No alteraremos en nada este sentido, dando al pensamiento otra 
forma que quizá se adapta más a la frase de Hirsch-Hyacinth: «Rotschild me 
trató como a su igual, muy familiarmente, aunque claro es que sólo en la 
medida en que esto es posible a un millonario». «La benevolencia de un rico es 
siempre algo dudosa para aquel que es objeto de ella», añadiríamos nosotros”. 
 
Al explicitar el contenido latente del chiste, Freud advierte que pierde así 
su efecto cómico. Considera entonces que dicho efecto proviene de la 
forma del enunciado antes que de su contenido. 
 
En el examen de esa forma, encuentra dos mecanismos comprometidos en 
la estructura discursiva del chiste: los denomina proceso de condensanción 
y formación sustitutiva. En el caso del ejemplo, la palabra 
famillionarmente» (familionär) –la que no tiene ninguna significación en el 
código lingüístico- condensa en una sola expresión dos términos: 
familiarmente y millonario. De modo tal que ella sola sustituye a ambos: 
 
“Es, pues, la nueva palabra una formación mixta de los dos componentes 
«familiarmente» y «millonario» y podemos representar gráficamente su génesis 
en laforma que sigue: 
F A M I L I Ä R 
 M I L I O N Ä R 
----------------------------- 
F A M I L I O N Ä R 
 
Ahora bien, para que estos mecanismos adquieran carácter necesario, debe 
mostrar su regularidad en el marco del fenómeno que se describe; deben 
iluminarse a partir de un modelo de alcance más amplio. 
 
Eso ocurre al menos de dos maneras en el desarrollo del trabajo de Freud. 
Por una parte, una vez identificado el mecanismo en el análisis de un caso, 
se pregunta si ese mecanismo puede hacerse extensivo a un conjunto más 
amplío de ejemplares semejantes: 
 
“Nuestra esperanza de que la técnica del chiste no podía por menos 
de revelarnos la íntima esencia del mismo nos mueve, ante todo, a 
investigar la existencia de otros chistes de formación semejante a la 
del anteriormente examinado”. 
 
Pero además, estos mecanismos se irán develando progresivamente como 
un modo de funcionamiento típico de los procesos inconscientes. Como 
una regla general de su funcionamiento, dado que la vuelve a encontrar en 
otras “formaciones del inconsciente” como los actos fallidos o los sueños. 
Y la justificación y comprensión de ellos, no vendrá sólo de la descripción 
de su forma (o de la “técnica del chiste” –como la llama en este trabajo-) 
sino también de la identificación de su funcionalidad y de los fines a los 
que sirven según el modelo teórico que desarrolla: su teoría general del 
psiquismo humano (como por ejemplo, en el marco de su tesis sobre la 
represión y ocultamiento de experiencias o representaciones que deben 
mantenerse alejadas de la conciencia). Dicho de otra manera, deberá 
mostrar no sólo la consistencia de estas interpretaciones para caracterizar 
los hechos (en este caso, los chistes que analiza) sino también la coherencia 
interna que estas interpretaciones guardan con el cuerpo más amplío de una 
teoría que las integra y les confiere su carácter retóricamente convincente. 
 
Esta doble exigencia –entre consistencia entre el modelo y los datos; y, 
coherencia interna del modelo- parece ser un principio general que vale 
para cualquier tipo de tratamiento e interpretación de datos. 
 
La coherencia interna en el marco del proceso de investigación requiere 
integrar los resultados en un mapa nomológico que recupere los desarrollos 
del marco conceptual, de los objetivos asumidos y los problemas e 
hipótesis planteados. 
 
Conforme con ello, el alcance del análisis de datos estará fuertemente 
determinado por el cuerpo conceptual o teórico que guía la investigación; 
del que emanan los modelos y las hipótesis que iluminan las 
intepretaciones disponibles para el analista. Mientras que éstas hunden sus 
raíces en los métodos pre y protocientíficos al que nos hemos referido al 
tratar el tema de hipótesis: es decir, en sus intuiciones y representaciones 
práxicamente pregnantes. 
 
El alcance y la riqueza de esa interpretación no depende de que la 
información sea densa o analítica, cualitativa o cuantitativa, discursiva o 
estadística: depende, por el contrario, de la profundidad y riqueza de los 
modelos y marcos conceptuales que maneja el equipo de investigación; de 
la capacidad que esos marcos tengan para “hacer hablar” a esa información. 
 
Analizando registros estadísticos Emilio Durkheim interpretó las tasas de 
suicidio como expresión de distintos tipos de solidaridad social: la distinta 
propensión al suicidio entre diferentes grupos religiosos, institucionales, 
familiares, etc. expresaría diferentes formas de integración del individuo al 
grupo: 
 
“La causa [del suicidio] no puede encontrarse más que en una 
propiedad que todos estos grupos sociales tienen en común, aunque tal 
vez en diferentes grados. Ahora bien, la única que satisface esta 
condición es la de que todos ellos son grupos sociales, fuertemente 
integrados. Llegamos así a esta conclusión general: el suicidio varía en 
razón inversa del grado de integración de los grupos sociales de que 
forma parte el individuo. (…) del grado de integración de la sociedad 
religiosa, doméstica y política. (1965:164). 
 
El lector/a interesado puede ampliar con provecho el texto de Durkheim en 
la fuente de referencia. Sin duda es una obra enormemente instructiva para 
comprender el proceso de tratamiento y análisis de datos. Sus hipótesis 
interpretativas se dirigen a comprender el metabolismo representacional 
(y moral) de las sociedades que analizó (aunque no trabajó con discursos 
sino con registros estadísticos). Buscaba identificar patrones que 
permitieran enunciar comportamientos regulares (no coyunturales); tal 
como lo tiene planteado todo trabajo con vocación científica. No presentó 
los índices de suicidio como lo puede hacer la noticia periodista -para 
horrorizar o para sorprender a nadie-: se proponía identificar alguna 
regularidad, que pudiera luego ser corroborada o refutada por otros 
estudios6. 
 
6 En esa dirección interesa diferenciar también el alcance del tratamiento y análisis de 
datos en los estudios diagnósticos (sean éstos poblacionales, clínicos o de laboratorio) 
de los estudios científicos propiamente dichos. Sin duda que la elaboración de un buen 
diagnóstico exige seguir el método científico, pero los resultados producidos en el 
marco de dichos diagnósticos no tienen la pretensión de ir más allá que la de informar 
sobre un estado de situación, por referencia a un marco de categorías e indicadores ya 
Bibliografía de referencia. 
Durkheim, E. (1965) -El suicidio. Estudio de Sociología. Ed. Shapire, 
Buenos Aires. 
Galtung, J. (1973) Teoría y Técnicas de la investigación social. Buenos 
Aires. EUDEBA, Tomo I y II. 
Glasser y Strauss (1967) The discovery of grounded theory. Strategy for 
qualitative reaserch. New York, Ed. Aldine (Traducción inédita de Floreal 
Forni). 
Lazarsfeld, P. (1966), "De los conceptos a los índices empíricos", en Boudon 
y Lazarsfeld, Metodología de las Ciencias Sociales, Vol. I y II, Barcelona, 
Ed. Laia, 1979. 
Pereda, S. (1987) Psicología experimental. I. Metodología. Ed. Piramide. 
Madrid, Cap. 2 pto. 5.3. “El método experimental” (60 a 66) Cap. 7 pto. 5 
“Las variables relevantes” (pág. 145 a 168) Cap. 8 
Récanati, F.; 1981. La transparencia y la enunciación. Introducción a la 
pragmática, Ed. Hachette, Buenos Aires. 
Samaja, J. (1993) Metodología y Epistemología. Buenos Aires, Ed. Eudeba. 
Torrado, S. (1998) Familia y diferenciación social. Cuestiones de Método. 
Buenos Aires, Ed. Eudeba. 
 
 
 
 
 
 
establecidos. Así, por ejemplo, si se estudia la “incidencia de pobreza en la población 
Argentina a lo largo de la última década”, el resultado de ese informe puede reducirse 
a estimar distribuciones de población pobre; medida con algún indicador ya consagrado 
como el NBI (Necesidades Básicas Insatisfechas) o LP (Línea de Pobreza) según edad, 
sexo, composición familiar, etc., etc., etc. sin aportar pese a ello ninguna novedad 
relevante al cuerpo conceptual de la teoría social; aún cuando la información producida 
pueda ser muy útil para la planificación de políticas o la intervención social. Si en 
cambio el estudio se dirige a crear indicadores para la evaluación de la pobreza –o para 
discutir el alcance conceptual y eventualmente operacional del concepto de «pobreza»- 
entonces sí puede hablarse de investigación científica en sentido estricto: y el 
tratamiento y el análisis de datos tienen entonces planteada otra tarea y otra exigencia de 
validación y justificación.