Metodología relacional en investigación cualitativa: más allá del análisis

El tema central de este texto es la metodología relacional en investigación cualitativa: más allá del análisis, este surge a partir de una vivencia personal que recoge más de 20 años de experiencia profesional –desde 1995– de dirección de aproximadamente 150 tesistas, entre estudiantes de maestría y doctorado. Producto de esa experiencia, se detecta que el mayor obstáculo a la hora de realizar una lectura holística del dato es el hecho de solo abordar el proceso desde el análisis (separación) y no avanzar a la integración de éste. Después de una ardua labor de recolección de datos (a través de técnicas como la encuesta, la entrevista, la observación, las pruebas, diarios de campo, entre otros), el estudiante no se sabe qué hacer con todo lo que ha recolectado y se queda estacionado en un primer nivel de análisis. Así, los que usan las estadísticas, leen las tendencias, dejando por fuera los residuos (los desechan), la relación tendencia/residuo, y los que utilizan el análisis textual, presentan tablas descriptivas; no obstante, ninguna de las dos formas de abordar el material recopilado muestra las relaciones ni la integración entre los datos. Por ejemplo, la relación entre la tendencia y la no tendencia, que se puede inferir, o la comparación entre los tres valores de la campana de Gauss: el centro, el extremo izquierdo y el extremo derecho. Incluso, algunos estudiantes llegan a construir grandes bases de datos que admiten el manejo de dos o tres variables para analizar datos (v. gr. Excel), pero las relaciones son siempre simples, por la ausencia de comprender el sentido total de la información. Ahora, con respecto del tratamiento del software cualitativo (v. gr. Atlas Ti. y Nvivo), he notado que no hay comprensión sobre todo el potencial interpretativo que ofrecen las herramientas. Por lo tanto, el estudiante se queda en la primera parte de codificación libre, y presentan el informe desde allí. El escenario descrito es al que llamo primer nivel, desintegrar el dato. La propuesta parte desde el convencimiento de que, si no hay una mayor comprensión del proceso holístico de los datos, no se pueden alcanzar mayores niveles interpretativos y, por ende, los resultados de la investigación serán más pobres.