Consejos generales para codificar datos cualitativos

António Pedro Costa, Universidad de Aveiro

Uno de los principales errores verificados en la investigación es la falta de planificación de los métodos adecuados para el análisis de datos. Por ejemplo, para desarrollar un instrumento de recolección de datos es necesario prestar atención a las herramientas que se utilizarán para obtener los resultados (análisis).

El análisis de datos cualitativos no es una tarea exenta de dificultades, ya que el corpus de datos no numéricos y no estructurados es generalmente difuso y complejo. No existen reglas claras y ampliamente aceptadas sobre cómo analizar datos no numéricos y no estructurados. Se habla de enfoques generales, que siempre deben ajustarse al contexto de cada proyecto de investigación, y también de operaciones básicas, en particular de codificación, sobre las que se presentarán algunos consejos generales.

Matheus & Fustinoni (2006) argumentan que:

“el propósito del análisis de datos es organizar, proporcionar estructura y extraer significado de los datos de la encuesta. Las transcripciones deben leerse y releerse y luego organizarse, integrarse e interpretarse, y el desafío final es reducir los datos para fines de informes. Así, podemos decir que el análisis cualitativo es un proceso de investigación, interpretación, reducción y ordenamiento de datos para llegar a la descripción o explicación de un fenómeno”(p. 141).

 Morse (2007) agrega que el análisis de datos es:

“un proceso que requiere un cuestionamiento inteligente, una búsqueda continua de respuestas, una observación activa y una memoria precisa. Es un proceso de juntar y unir datos, hacer obvio lo invisible, distinguir el significante de lo insignificante, vincular datos aparentemente no relacionados, encajar categorías entre sí y atribuir consecuencias a los antecedentes… Es un proceso de coyuntura y verificación, corrección y modificación , sugerencia y defensa. Es un proceso de organización para que el esquema analítico parezca obvio”(p. 35).

Las principales acciones generales en análisis de datos se pueden configurar de acuerdo a los siguientes temas (Costa & Amado, 2018; Bardin, 2014):

• Trabajar con los datos;
• Organización de los datos;
• División de los datos en unidades manejables;
• Síntesis de los datos.

Las siguientes cuatro acciones se pueden facilitar utilizando un software de análisis de datos cualitativos asistido por ordenador (CAQDAS), como el software webQDA (2019) – webqda.net:

• Búsqueda de patrones (habla, comportamiento,…);
• Descubrir los aspectos importantes de los datos;
• Descubrir lo que se debe aprender de los datos; 
• Decisión sobre cómo transmitir datos a terceros.

Para quienes inician el análisis de datos cualitativos, o para quienes ya lo han iniciado pero necesitan aclarar, aquí se comparte una propuesta con procedimientos, la cual ha sido aplicada en capacitaciones, seminarios, talleres y webinars webQDA (2019). Pasos:

1. Leer todos los datos iniciales: transcripciones, notas de campo, documentos…;
2. Empezar a codificar después de la recopilación de datos;
3. Repetir el proceso con nuevos datos que se agregen;
4. Siempre revisar las codificaciones;
5. Considerar ideas teóricas generales en relación con los datos;
6. Considerar las categorías (en webQDA designadas por códigos) creadas en relación con las preguntas y los objetivos de la investigación;
7. Cualquier elemento o dato se puede codificar de más de una forma;
8. Inicialmente, no considere si la creación de categorías parece excesiva, ya que varía según el método y la técnica de análisis de datos explorados. Si está utilizando Grounded Theory siguiendo el modelo tradicional, inicialmente, las categorías se proponen mediante la lectura flotante de los datos (códigos libres) y solo en la segunda lectura se realiza la reducción de categorías;
9. Revise el equilibrio entre la definición de categoría y/o la creación de una nueva categoría o subcategoría: dependiendo del número de lecturas realizadas a los datos codificados, puede ser más apropiado cambiar la definición de una categoría para abarcar nuevas codificaciones que crear una nueva categoría;
10. Crear un “movimiento pendular” de expansión y síntesis de categorías: siguiendo el modelo inductivo (Costa & Amado, 2018) en el que las categorías emergen de la lectura activa de los datos, generalmente en la primera lectura, se proponen muchas categorías – expansión – y en una segunda se realiza la reducción de categorías – síntesis;
11. Hacer constantemente preguntas sobre codificaciones: ¿Para qué? ¿Por qué? ¿Cuál es el significado? ¿Que relación?…

La propuesta presentada anteriormente puede y debe ajustarse de acuerdo a las habilidades que el investigador haya adquirido en el momento en que analizará sus datos. La propuesta anterior se puede definir como un punto de partida, que no debe ser vinculante a menos que el investigador decida hacerlo.

Referencias

Costa, A. P., Moreira, A. & Souza, F. N. de (2019) ‘webQDA – Qualitative Data Analysis’. Aveiro – Portugal: Aveiro University and MicroIO. Available at: www.webqda.net.

Costa, A. P. & Amado, J. (2018) Análise de Conteúdo Suportada por Software. 2^a. Oliveira de Azeméis – Aveiro – PORTUGAL: Ludomedia.

Bardin, L. (2014) Análise de Conteúdo. 3^a. Edições 70.

Matheus, M. C. C. & Fustinoni, S. M. (2006). Pesquisa Qualitativa em Enfermagem. São Paulo, Livraria Paulista Editora.

Morse, J. M. (2007). Aspectos essenciais de metodologia de Investigação Qualitativa. Coimbra: Formasau.

Publicaciones Relacionadas