El cambio en la orientación hacia un enfoque más interpretativo y unido a la cultura significa que los factores lingüísticos y culturales, junto con las diferencias en las tradiciones de investigación y las estructuras administrativas no pueden ignorarse. Si estos problemas no se resuelven, es probable que afecten la calidad de los resultados de todo el proyecto, ya que el investigador corre el riesgo de perder el control sobre la construcción y el análisis de variables clave.
La combinación de países seleccionados en estudios comparativos afecta la calidad y la comparabilidad de los datos, así como la naturaleza de la colaboración entre los investigadores. En condiciones ideales, un gerente del equipo del proyecto podrá seleccionar los países que se incluirán en el estudio y los investigadores con conocimientos y experiencia apropiados para llevar a cabo el trabajo. En las comparaciones bilaterales a pequeña escala, esto puede ser factible, pero con mayor frecuencia la realidad es diferente, y la participación puede estar determinada por factores (a veces políticos) que no hacen relaciones fáciles entre los miembros del equipo. Los programas europeos a menudo incluyen todos los Estados miembros de la UE, aunque los países en cuestión pueden representar etapas muy diferentes del desarrollo económico y social y ser influenciados por diferentes sistemas de valores culturales, supuestos y patrones de pensamiento.
Los recursos financieros disponibles para la investigación difieren considerablemente de un contexto nacional a otro. Los organismos de financiación tienen su propia agenda: un tema que puede atraer interés en un país puede no obtener fondos en otro lugar.
La cantidad de tiempo que se puede asignar a la investigación, la facilidad con la que se pueden obtener datos confiables y es probable que el gasto relativo involucrado afecte la calidad del material para las comparaciones.
Los problemas de organizar reuniones a las que todos los participantes en un proyecto pueden asistir, de negociar una agenda de investigación, de llegar a un acuerdo sobre enfoques y definiciones y de garantizar que sean observados no deben ser subestimados. La afinidad lingüística y cultural es fundamental para la comprensión de por qué a los investigadores de algunos grupos nacionales les resulta más fácil trabajar juntos y llegar a un acuerdo sobre temas de investigación, diseño e instrumentos. Incluso dentro de una sola disciplina, las diferencias en las tradiciones de investigación de los países participantes pueden afectar los resultados de un proyecto de colaboración y la calidad de cualquier publicación conjunta.
En muchos proyectos europeos, los expertos nacionales deben proporcionar cuentas descriptivas de tendencias y desarrollos seleccionados derivados de fuentes de datos nacionales. Los coordinadores luego sintetizan información sobre temas y problemas clave (ver, por ejemplo, Ditch et al., 1995). Dado que gran parte del trabajo internacional realizado a nivel europeo no es estrictamente comparativo en las etapas de diseño y recopilación de datos, los hallazgos no se pueden comparar sistemáticamente. La recopilación de datos está fuertemente influenciada por las convenciones nacionales. Su fuente, el propósito para el que se reunieron, los criterios utilizados y el método de recolección pueden variar considerablemente de un país a otro, y los criterios adoptados para la codificación de datos pueden cambiar con el tiempo.
¿Qué es un cuadro comparativo de investigación?
El análisis comparativo cualitativo (QCA) es un medio para analizar la contribución causal de diferentes condiciones (por ejemplo, aspectos de una intervención y el contexto más amplio) a un resultado de interés. QCA comienza con la documentación de las diferentes configuraciones de las condiciones asociadas con cada caso de un resultado observado. Estos están sujetos a un procedimiento de minimización que identifica el conjunto más simple de condiciones que pueden explicar todos los resultados observados, así como su ausencia.
Los resultados se expresan típicamente en declaraciones expresadas en lenguaje ordinario o como álgebra booleana. Por ejemplo:
- Una combinación de la condición A y la condición B o una combinación de la condición C y la condición D conducirá al resultado E.
- En notación booleana, esto se expresa más sucintamente como A*B + C*D → E
Los resultados de QCA pueden distinguir varias formas complejas de causalidad, incluida:
- Una combinación de la condición A y la condición B o una combinación de la condición C y la condición D conducirá al resultado E.
- En notación booleana, esto se expresa más sucintamente como A*B + C*D → E
QCA puede usar conjuntos de datos relativamente pequeños y simples. No existe el requisito de tener suficientes casos para lograr una importancia estadística, aunque idealmente debería haber suficientes casos para exhibir potencialmente todas las configuraciones posibles. Este último depende del número de condiciones presentes. En una encuesta reciente de los usos de QCA, el número medio de casos fue 22 y el número medio de condiciones fue 6. Para cada caso, la presencia o ausencia de una condición se registra utilizando datos nominales, es decir, 1 o 0. Las formas más sofisticadas de QCA permiten El uso de «conjuntos difusos», es decir, donde una condición puede estar parcialmente presente o parcialmente ausente, representada por un valor de 0.8 o 0.2, por ejemplo. O puede haber más de un tipo de presencia, representado por valores de 0,1,2 o más, por ejemplo. Los datos para un análisis QCA se recopilan en una forma de matriz simple, donde las filas = casos y columnas = condiciones, con la columna más a la derecha que enumera el resultado asociado para cada caso, también descrito en forma binaria.
¿Cómo hacer un cuadro comparativo de investigación?
Fantástico curso. Muy atractivo. Grandes videos. Fácil de seguir. Los ejercicios no son demasiado fáciles, no demasiado difíciles. ¡Definitivamente puede recomendarlo!
Muy buen curso, pero se deben incorporar más ejercicios utilizando software. Las funciones de software deben discutirse en detalle.
La semana 3 trata sobre la «tabla de verdad», que indica la relación entre combinaciones de condiciones por un lado y un resultado por el otro. Aprenderá sobre a) la función de la tabla de verdad, b) cómo hacer una tabla de verdad, y c) cómo se puede cambiar la tabla de la verdad volviendo a las fases de diseño y calibración.
Hola a todos. Bienvenido a la tercera semana de nuestro curso sobre QCA. Esta semana se centra en la tabla de verdad. En este video, te mostraré cómo se hace una mesa de verdad. Pero primero, discutamos el papel de la tabla de verdad en el proceso de investigación general. Discutimos anteriormente que la verdadera calibración, cada caso recibe puntajes para el resultado y las condiciones. Estos puntajes se observan en la matriz de datos e indican si o el grado en que los casos son miembros de los conjuntos de casos con el resultado y las condiciones. Esto es lo que discutimos la semana pasada. El siguiente paso investiga las relaciones entre conjuntos de casos que comparten una combinación de condiciones, por un lado, y el conjunto de casos con el resultado por el otro. Esta evaluación es facilitada por la tabla de verdad. La tabla de verdad está hecha de la matriz de datos, y tanto la tabla de verdad como la matriz de datos describen casos en términos de condiciones y un resultado, pero los datos se estructuran de manera diferente en estas tablas. Las filas de la matriz de datos mencionan los puntajes de membresía para un caso. En contraste, las filas de la tabla de verdad describen el resultado para cada posible combinación de condiciones presentes y ausentes, para todos los casos que tienen esa combinación. Aquí hay un ejemplo de una fila de la tabla de verdad: menciona el resultado para una combinación o configuración de condiciones. Los indican la presencia de condiciones y el resultado, ceros indica ausencia. También menciona que los casos X, Y y Z tienen esta configuración y resultado. Ahora, por razones prácticas, de aquí en adelante, me referiré a cartas y ejemplos, como A, B y C. Estas cartas pueden, por supuesto, referirse a cualquier cosa. Para que sea más concreto, puede pensar en el ejemplo de la representación parlamentaria femenina que ya discutimos varias veces. El resultado sería el nivel de representación femenina, la condición A podría ser cuotas para un número mínimo de candidatas femeninas, B podría ser opiniones progresivas sobre el papel público de las mujeres, y la condición C podría ser la expectativa dentro de las élites políticas de que tener representantes femeninas es electoral favorable. Al presentar datos de esta manera, la tabla de verdad permite la identificación de las relaciones subconjunto. En estas relaciones, se establecen casos con una configuración particular exhiben el mismo resultado. En estos casos, la configuración puede considerarse suficiente para el resultado. Esto es principalmente lo que hace la tabla de verdad. Identifica qué hileras de la tabla de verdad son suficientes. Esto es en lo que nos centraremos esta semana. La importancia final de suficientes filas de tabla de verdad es que estas filas se incluirán en la próxima fase de investigación, que es la minimización lógica. Esto se discutirá en la semana cuatro. Los datos en la tabla de verdad también permiten la identificación de condiciones que son necesarias para el resultado. También volveremos a esta próxima semana. Ahora hemos discutido el propósito general de la tabla de verdad, ahora tomemos un ejemplo para ilustrar cómo una matriz de datos puede transformarse en una tabla de verdad. Supongamos que tenemos una matriz de datos nítidas para un modelo con tres condiciones A, B y C, que muestran puntajes de membresía establecidos para 12 casos, con uno que indica membresía completa, y cero que indica la no membresía completa. Hagamos una mesa de verdad a partir de esto. El primer paso es distinguir entre todas las configuraciones posibles de condiciones presentes y ausentes. Hay una fórmula para calcular cuántas configuraciones posibles hay, a saber, 2K, siendo K el número de condiciones que tiene y dos representando los dos estados posibles de una condición en la tabla de verdad. Están presentes o ausentes. En este ejemplo, tenemos tres condiciones A, B y C. Entonces, según la fórmula, hay dos veces dos veces dos son ocho configuraciones posibles. Puede distinguir entre estas combinaciones a mano, pero el software que discutiremos más adelante en el curso lo haremos automáticamente por usted. Ahora, cada fila de la tabla de verdad menciona una configuración. En este ejemplo, hay ocho configuraciones posibles, por lo que esta tabla de verdad obtiene ocho filas. El siguiente paso sería asignar casos a cada fila. Tomemos, por ejemplo, la configuración en la primera fila, en la que las tres condiciones están presentes como lo indican las de A, B y C. La pregunta es, ¿cuántas veces ocurre esta configuración? Para determinar esto, tendrá que volver a la matriz de datos que se muestra aquí. La pregunta es, ¿cuántos casos tienen la configuración en la que A, B y C están todos presentes? Bueno, ocurre dos veces en los casos seis y 12. Entonces, observa ese número en la tabla de verdad. Ahora, dice la tabla de la verdad, la configuración en la que están presentes las tres condiciones ocurre dos veces. Posteriormente, pasa a las otras configuraciones y observa con qué frecuencia ocurren también. Ahora el último paso indica en la última columna de la tabla de verdad, cuál es el valor de resultado para cada fila. Una fila en la tabla de verdad es positiva si todos los casos que tienen el valor de resultado de la configuración de la configuración uno en la matriz de datos. Entonces puedes decir que Y es uno para esa configuración en la tabla de verdad. Estas configuraciones son suficientes para el resultado. Una fila de la tabla de verdad es negativa si todos los casos con una configuración muestran el valor de resultado cero en la matriz de datos. En la tabla de verdad, y es cero para esa configuración. Tercero, si los casos con la misma configuración tienen resultados diferentes en la matriz de datos, entonces esa configuración sería contradictoria. En la tabla de verdad, podría decir que el valor de resultado para esa configuración es C, C de contradicción. Por último, si no hay casos con una configuración particular, entonces esa configuración se llama resto lógico. En la tabla de la verdad, el valor de resultado recibe el Código R, para esa configuración, R de resto. El valor de resultado en la tabla de verdad se basa en el valor de resultado en la matriz de datos. Por ejemplo, la fila en la que A y B son cero, y C es una en las celdas amarillas, obtiene el código C de contradicción para y en las celdas rojas. Porque en los casos de matriz de datos con esa configuración en las celdas amarillas muestran diferentes puntajes de membresía para el resultado y los celdas rojos cero y uno. Entonces, eso es una contradicción. Eso es todo. Esa es una historia de una mesa de verdad. En algunos, describe con qué frecuencia ocurre la configuración lógicamente posible y cuál es su valor de resultado. No es un fin en sí mismo sino un medio para la minimización lógica. Ahora, la explicación de hoy se centró en conjuntos nítidos, pero hacer una tabla de verdad con conjuntos difusos sigue amplificando los mismos pasos, pero también hay diferencias. Discutiremos esto en el próximo video. Además, en este video, mostré cómo se determina el valor de resultado y el clásico conjunto de CRISP QCA. Bueno, es bueno saber cómo funciona esto, la medida más reciente de consistencia en bruto se puede usar tanto en QCA crujiente como difusa para establecer el valor de resultado como cero o uno. Esta medida también se discutirá en el próximo video, y también la discutiremos en la semana cinco cuando demostraré cómo puede usar el programa FQCA para identificar suficientes filas de la tabla de verdad. Eso es todo por ahora, nos vemos la próxima vez.
¿Cómo se clasifican los diferentes tipos de investigación?
Otra clasificación se basa en los datos que utilizamos. En este caso hablaríamos de cualitativa y cuantitativamente.
- Investigación cualitativa: esta es una investigación que significa que recibimos datos que no pueden ser cuantificables, por lo que obtenemos una gran cantidad de información, pero existe una subjetividad y una falta significativa de justificación para los fenómenos. Sin embargo, como regla, es una fase inicial en la que luego recibiremos información más completa y objetiva.
- Examen cuantitativo: este es el paso en el que se lleva a cabo un análisis y un examen de la realidad, es decir, es un examen objetivo en el que se crean mediciones reales con la que se obtiene una mayor cantidad de datos confiables. En busca de explicaciones probadas, estadísticas y generalizables.
Según el nivel de las variables que tenemos para el proceso, encontraremos diferentes clasificaciones.
- Investigación cualitativa: esta es una investigación que significa que recibimos datos que no pueden ser cuantificables, por lo que obtenemos una gran cantidad de información, pero existe una subjetividad y una falta significativa de justificación para los fenómenos. Sin embargo, como regla, es una fase inicial en la que luego recibiremos información más completa y objetiva.
- Examen cuantitativo: este es el paso en el que se lleva a cabo un análisis y un examen de la realidad, es decir, es un examen objetivo en el que se crean mediciones reales con la que se obtiene una mayor cantidad de datos confiables. En busca de explicaciones probadas, estadísticas y generalizables.
Este es un tipo diferente de clasificación que presenta tres métodos que son deductivos, inductivos e hipotéticamente deductivos.
¿Cuántos tipos de investigación existen cuáles son?
Para muchos estudiantes, la tesis es inicialmente un libro con siete sellos. Las tareas son claras: ¿la investigación debe llevarse a cabo y no tener tarea y encontrar un tema? ¡Mucho esfuerzo! En este artículo me gustaría dar los conceptos básicos de la investigación empírica para que entienda: ¿Qué es la investigación?
Hay muchos tipos de investigación. Trato con la investigación social empírica en este artículo porque esta es la forma dominante para la informática y la economía de los negocios. La investigación social empírica trata principalmente de hechos sociales y humanos (Döring y Bortz 2015). Los casos de aplicación están en el contexto de las empresas y la sociedad:
- Investigación sobre el comportamiento
- Investigación en acción
- Investigación sobre la coexistencia
- Investigación sobre la experiencia de las personas.
Su objetivo es examinar científicamente los hechos y obtener el conocimiento seguro. Para examinar tales hechos, debe recopilar datos empíricos a través de encuestas o entrevistas. Estos se definen como:
Ahora ha recopilado datos y, por lo tanto, puede obtener hipótesis o recomendaciones para la acción. Esto se lleva a cabo con un proceso metodológico, que usted describe exactamente de la academia. Si haces esto, hablamos de ganancia científica. Esto se define de la siguiente manera:
La «ganancia de conocimiento científico (» ganancia de conocimiento científico «) se basa en una experiencia como las ciencias sociales y humanas en la recopilación, preparación y análisis sistemáticos de datos empíricos como parte de un proceso de investigación ordenado y documentado».
¿Qué es tipo de investigación ejemplos?
¿En qué situación se relaciona esta investigación? ¿Por qué tengo que hacer esta investigación?
Ejemplo: hago un estudio sobre la comercialización de espejos conectados en el área de América del Norte.
¿Cuál es la información buscada? ¿Qué me interesa? ¿Cuál es mi conocimiento actual sobre el tema?
Ejemplo: Estoy buscando información sobre la cantidad de espejos conectados vendidos en América del Norte.
¿Bajo qué límites lingüísticos, geográficos y temporales serán la investigación?
Ejemplo: durante los últimos dos años, en Canadá y Estados Unidos.
¿Cuál es el formato de la respuesta o el tipo de información deseado?
Ejemplo: Estoy buscando información estadística en forma de referencias o texto completo.
Luego, una vez que se identifica el sujeto, su formulación consiste en establecer un conjunto de palabras clave relevantes que se enviarán al motor de búsqueda para obtener una respuesta adecuada.
- Para identificar los conceptos del contexto: ¿qué palabras o expresiones especifican mejor los conceptos de investigación? Ejemplo: Estudio en la industria de los espejos conectados a Canadá; Número de espejos conectados vendidos en América del Norte; en Canadá. Información estadística en forma de referencias o texto completo.
- Determinar las equivalencias: ¿Qué son los sinónimos y las equivalencias? Ejemplo: venta, industria o mercado, mercado, estadísticas
¿Cómo definir el tipo de investigación?
- Consulta de información:
Quiero saber cómo hacer algo cierto, quiero obtener información sobre un determinado tema. - Consulta con una intención precisa de acción:
Quiero comprar un producto, reservar un vuelo, inscribirse en un curso, realizar una acción precisa. - Consulta personalizada sobre un usuario específico:
Basado en la posición geográfica del usuario, sus navegaciones anteriores, el motor de búsqueda ofrece ciertos resultados en el SERP - Consulta relacionada con una marca específica:
No recuerdo la página oficial del municipio de Florencia y luego estoy buscando en Internet, quiero visitar el sitio web de la Universidad de Bolonia y lo estoy buscando en Google - Consulta relacionada con un sitio web específico:
Por ejemplo, si quiero ver las reglas para insertar un artículo en eBay, puedo buscar «vender en eBay», etc.
Comprender el tipo de clave de investigación es muy importante, porque su contenido tendrá que responder a una intención precisa de la investigación del usuario.
Recuerde siempre que el usuario puede, en su investigación, también «mezclar» los tipos de consultas reportadas y, por lo tanto, tener intenciones de información y la intención de la compra, su contenido también tendrá que tener en cuenta estos aspectos y responder a una solicitud precisa del usuario.
El interés del motor de búsqueda es mostrar al usuario los contenidos más relevantes sobre la base de la investigación realizada, debe ser bienvenido al usuario, esto se debe a que el negocio de Google es vender publicidad (Google Adwords) y para Google es Esencial la satisfacción del usuario, si el usuario encuentra lo que está buscando, regresará para usar el motor de búsqueda y ver anuncios (Le Google Adwords).
Por estas razones simples para satisfacer al usuario es el primer paso (no el único) para crear una página de bienvenida al motor de búsqueda, sin duda el discurso del «posicionamiento en los motores de búsqueda» no está agotado y SEO es un problema altamente técnico, pero es un problema altamente técnico. Seguramente, si escribe contenido para la web, debe considerar necesariamente las intenciones de investigación del usuario de responder a una solicitud precisa, ¡verá que Google también recompensará su contenido!
Artículos Relacionados:
- ‘cuadro sinoptico de los tipos de investigacion’: ¡No te pierdas este útil resumen de los diferentes tipos de investigación!
- Clasificación de los tipos de investigación: cómo elegir el método adecuado para tu proyecto
- Los diferentes tipos de investigación y sus conclusiones
- ‘Dos tipos de objetivos en una investigación: informar y persuadir’
