Vista previa del material en texto
Revisión Sistemática de la Literatura: introducción y reflexiones PABLO AZNAR-CRESPO ÍNDICE 1. Qué es una revisión sistemática de la literatura (RSL) 2. Debilidades y fortalezas 3. Pasos para una RSL 4. Bases de datos bibliográficos (dónde buscar) 5. Algoritmos de keywords 6. Criterios de inclusión y exclusión 7. Sesgos de la RSL 8. Análisis de muestras documentales 9. Ejemplo 1. Qué es un revisión sistemática de la literatura Las revisiones sistemáticas son: un diseño de investigación observacional y retrospectivo, que sintetiza los resultados de múltiples investigaciones primarias (unifica, integra, generaliza). Estudio de estudios: resultados sintéticos para gestionar acumulación científica La revisión sistemática exige un método riguroso y explícito para la identificación, evaluación crítica y síntesis de la evidencia obtenida. Metodología científica (no implementarla si no se usa como tal…) También existen las revisiones narrativas: no presentan normas (filtros) para obtener los datos e integrarlos. Se basan en el criterio subjetivo (azarístico) del revisor. No hay una integración basada en criterios cuantitativos (N → n). 1. Qué es un revisión sistemática de la literatura (RSL) Las revisiones narrativas se utilizan para obtener información general sobre un tema (general scope). Las revisiones sistemáticas se implementan para obtener información sistemáticamente delimitada sobre una pregunta de investigación (specific scope). Dentro de la revisión sistemática existen dos formas: Cuantitativa/meta-análisis: análisis estadístico de una amplia serie de resultados de estudios individuales con el objeto de integrar de forma agragativa sus hallazgos (GENERALIZACIÓN). Cualitativa/overview: la búsqueda está basada en criterios sistemáticos, pero la integración de la información no responde a una lógica agregativa, sino interpretativa (SATURACIÓN). 2. Debilidades y fortalezas de las RSL Debilidades Alta dispersión de la calidad metodológica de los estudios primarios (blanqueo de estudios malos) No suficiente sistematicidad del sistema de búsqueda (“lo que no entra, no existe”) Falta de transparencia metodológica (respetar el anonimato de las autorías y centros de investigación) Implicaciones científicas (y políticas) de la generalización estadística (riesgos) Fortalezas Incrementa la precisión de una estimación (¿generalización?) Compensa los sesgos muestrales de estudios primarios “imperfectos” Neutraliza la dispersión de estudios primarios conectados de forma imprecisa (review articles) Legitima y posibilita la toma de decisiones (instrumentalización científica) Reduce el nivel de incertidumbre, NO GENERA CERTEZAS (aproximación moderada) ¿No hacerla es mejor? ¿Alternativas? 3. Pasos para una RSL 1. Definir pregunta/tema de investigación: qué, sub-qué 1, sub-qué 2…, dónde, quién, cuándo… Cuanto más específico, más se estrecha el scope. 2. Formular estrategia de búsqueda: optar por una o varias bases de datos bibliográficos (WoS, Proquest…), generar combinaciones de keywords mediante operadores booleanos y etiquetas de campo para explorar. 3. Especificar criterios de inclusión/exclusión: definir criterios para incluir (crear N) o excluir documentos (crear n). 4. Registro de datos: generar plantillas (categorías analíticas) para registrar los resultados acordes con los criterios de selección (gestores bibliográficos como Mendeley, Refworks, Endnote…) • Generación de una muestra documental (n). 5. Interpretación (meta-análisis): a) estrategia agregativa para obtener resultados cuantitativos y extrapolables; b) estrategia interpretativa evitar la generalización, pero la selección de documentos debe igualmente responder a criterios sistemáticos y estandarizados. 4. Bases de datos bibliográficos (dónde buscar) Documentos científicos de alto impacto (JCR) Metadatos bibligráficos de los documentos Gran manejabilidad y opciones de búsqueda No apto para búsqueda de literatura gris (documentos no publicados en canales científicos) Documentos científicos de medio- alto impacto (SJR- Scopus) Gran manejabilidad y opciones de búsqueda No apto para búsqueda de literatura gris (documentos no publicados en canales científicos) No es una base de datos bibliográficos Es un enlazador a sitios web (repositorios o pág. originales) No tiene metadatos de los artículos No permite tanta maniobrabilidad algorítimica (año, citas, literalidad) Otras ventajas: búsqueda a lo largo de todo el texto y todo tipo de documentos No base de datos Enlazador a todo tipo de sitios web Ventajas: documentación (literatura gris) e información (no publicación) de otro tipo: otro tipo de estrategia de revisión LITERATURA CIENTÍFICA DE ALTO IMPACTO (ARTÍCULOS) LITERATURA CIENTÍFICA (TODO) LITERATURA GRIS + INFO ¿Casos de buenas prácticas? 5. Algoritmos de keywords Las keywords representan las unidades informacionales más esenciales y sintéticas sobre nuestra pregunta/tema de investigación. Principalmente, las keywords pueden aparecer en diferentes partes de un documento (de menor a mayor nivel de especificación): Texto (+): la keyword (o conjunto) puede aparecer en cualquier parte del manuscrito. Resumen (++): la keyword debe aparecer en el abstract (resumen) del documento. Título (+++): la keyword (o conjunto) debe aparecer en el título del documento. ¿Dónde obtendré más resultados? Etiquetas de campo (WoS) • Title (TI): buscar palabra en el título • Topic (TS): buscar palabra en título, abstract o keywords Operadores booleanos • AND: conjunción exclusiva • OR: conjunción inclusiva • NOT: exclusión de palabras • *: búsqueda de lexema 5. Algoritmos de keywords Podemos realizar combinaciones de keywords: KW de 1er nivel: debe aparecer en el título Concepto central (“keyword-nombre”): < 3 + función (*) KW de 2do nivel: debe aparecer en el resumen Concepto delimitador (“keyword-apellido”): < 3 KW de 3er nivel: debe aparecer en otro apartado Concepto ajustador E.g.: centro, país, autor, revista… Podemos realizar búsquedas: Parciales: buscar segmentadamente (registros) Totales: generar algoritmo integrando todos los niveles → “algoritmo-panacea” (Inclusivo y ajustado…) e.g. (TI=(touris*)) AND (TS=(natural hazards OR disaster)) AND (C=(Spain)) = X resultados (N) • No ajustar en exceso (auto-limitación) • Buscar inclusividad (< 3 keywords, OR, *…) • NOT para algoritmos generales • Filtrar por observación (excluir) • Snowball-sampling (“comodín”) • Visión estratégica (no “buscar por buscar”) • Buscar en inglés (especialmenteWoS) • Registrar los scientometric results Ejemplo Tips 6. Criterios de inclusión y exclusión Criterios de inclusión (objetivos): para crear la N (universo documental) 1. Base de datos: WoS (+ específica: JCR), Scopus, Google Scholar… 2. Timespan: espacio de tiempo de publicación de los documentos 3. Idioma: idioma en que está escrito el cuerpo textual del documento 4. Tipo de documento: artículo, revisión, libro, capítulo de libro… 5. Categoría WoS: 250 categorías temáticas (pueden incluir varias) 6. País: país donde se ubica el centro de trabajo de alguno de los autores Criterios de exclusión (subjetivos): para crear la n (muestra) 1. Afinidad temática: nivel de afinidad con nuestro scope temática 2. Relevancia científica: número de citas, autores de prestigio… 3. Validez científica: en WoS esto suele estar asegurado (no siempre en GS) 4. Etc. 7. Sesgos de la RSL Sesgo de publicación: cuando un fenómeno/hecho/propuesta resulta no significativo/efectivo, no es publicado. Sobreestimación de la evidencia sí publicada (invisibilidad de las debilidades) Sesgo de selección: para estudio caso-control, cuando las diferencias no se deben al factor-control, sinó al factor-caso. Infraestimación de característicasparticulares del caso. Sesgo de observación: tendencia a centrar la atención o seleccionar lo: Conocido, interesante (background), prestigioso. Sesgo de sistematización: “lo que no se ve, no existe” (10% grey literature). Auto-legitimación científica: redes de poder bibliográficas (efecto Mateo): “techo de cristal” de la non-mainstream literature. 8. Análisis de muestras documentales Dependerá de objetivos de revisión, y de naturaleza epistemológica: Análisis agregativo: Meta-análisis cuantitativo: estadística de frecuencia e intensidad Análisis interpretativo Establecer categorías analíticas y realizar una codificación informacional (check- list) →Análisis de contenido/registro documental Identificar temas clave, agruparlos y generar clasificaciones temáticas (temas y sub- temas-clave sobre el RSL-scope) →Análisis exploratorio Análisis de Redes Sociales para encontrar relaciones entre los elementos informacionales (metadatos) de los documentos →Análisis mixto Redes bibliométricas 9. Ejercicio 1. Cómo acceder a las bases de datos 2. Cómo realizar búsquedas 3. Construye un algoritmo para: Ej: Impactos sociales de la minería con enfoque de género en Brasil Keyword central Keyword delimitador Keyword de ajuste ¿Cuántos resultados? Gracias por vuestra atención