La investigación cualitativa es un término genérico que se refiere a un grupo de métodos y formas de recopilar y analizar datos que son interpretativos o explicativos de naturaleza y se centran en el significado. La recopilación de datos se lleva a cabo en el entorno natural, como una clínica, un hospital o el hogar de un participante porque los métodos cualitativos buscan describir, explorar y comprender los fenómenos desde la perspectiva del individuo o el grupo. Los participantes de la investigación y el investigador, con la profundidad de los datos, se recopilan más importantes que reclutar muestras grandes. El método de entrevista individual es el método de recopilación de datos más utilizado en la investigación cualitativa y se puede recopilar una gama de datos que incluye notas de campo, grabaciones de audio y video, imágenes o documentos. Los investigadores cualitativos generalmente trabajan con texto al analizar datos; Los datos se pueden transcribir en su totalidad o centrarse en secciones seleccionadas. Sin embargo, centrarse en secciones seleccionadas de los datos puede no capturar los matices de las observaciones o las descripciones de los participantes y puede fragmentar los datos. El desafío para los investigadores cualitativos es presentar una representación cohesiva de los datos, que puede ser «vasto» y «desordenado», 1 y necesita dar sentido a diversos puntos de vista o problemas complejos. El proceso de análisis de datos es ensamblar o reconstruir los datos de una manera significativa o comprensible, de una manera transparente, rigurosa y minuciosa, mientras que sigue siendo «verdadero» a las cuentas de los participantes.
Aunque el análisis de datos cualitativos es inductivo y se centra en el significado, los enfoques en el análisis de los datos son diversos con diferentes propósitos y ontológicos (preocupados por la naturaleza del ser) y las bases epistemológicas (conocimiento y comprensión). cumplir con el objetivo de un estudio puede ser un desafío. Una forma de comprender el análisis de datos cualitativos es considerar los procesos involucrados.3 Los enfoques se pueden dividir en cuatro grupos generales: enfoques cuasistatísticos como el análisis de contenido; el uso de marcos o matrices como un enfoque de marco y análisis temático; enfoques interpretativos que incluyen análisis fenomenológico interpretativo y teoría fundamentada; y enfoques sociolingüísticos como el análisis del discurso y el análisis de conversación. Sin embargo, hay puntos en común entre los enfoques. El análisis de datos es un proceso interactivo, donde los datos se buscan y analizan sistemáticamente para proporcionar una descripción iluminadora de los fenómenos; Por ejemplo, la experiencia de los cuidadores que apoyan a los pacientes moribundos con enfermedad renal4 o las experiencias de las enfermeras de los estudiantes después de la referencia de asignación.5 Análisis de datos es un proceso iterativo o recurrente, esencial para la creatividad del análisis, el desarrollo de ideas, el significado aclarador y la reelaboración de conceptos como nuevas ideas «surgen» o se identifican en los datos.
Los paquetes de software de datos cualitativos no son un requisito previo para realizar un análisis cualitativo, pero hay una variedad de programas disponibles que pueden ayudar al investigador cualitativo. Los programas de software varían en diseño y aplicación, pero se pueden dividir en recortes de texto, código y recuperación de paquetes y constructores de teoría.6 NVivo y nud*se usan ampliamente porque tienen un código sofisticado y recuperan funciones y capacidades de modelado, que aceleran el proceso de proceso de Gestión de grandes conjuntos de datos y recuperación de datos. Las repeticiones dentro de los datos se pueden cuantificar y las notas y los hipervínculos adjuntos a los datos. Los procesos analíticos se pueden asignar y rastrear y los enlaces a través de datos visualizados, lo que lleva al desarrollo de la teoría.6 Las desventajas del uso de paquetes de software de datos cualitativos incluyen la complejidad del software y algunos programas no son compatibles con el formato de texto estándar. La codificación y la categorización extensa pueden dar como resultado que los datos se vuelvan inmanejables y los investigadores pueden encontrar que la visualización de datos sobre la pantalla inhibe la conceptualización de los datos.
A pesar de la diversidad de métodos cualitativos, el análisis posterior se basa en un conjunto común de principios y para los datos de la entrevista incluye: Transcripción de las entrevistas; sumergirse dentro de los datos para obtener ideas detalladas sobre los fenómenos que se exploran; desarrollar un sistema de codificación de datos; y vincular códigos o unidades de datos para formar temas/conceptos generales, lo que puede conducir al desarrollo de la teoría.2 Identificación de temas recurrentes y significativos, mediante los cuales los datos se buscan metódicamente para identificar patrones para proporcionar una descripción esclarecedora de un fenómeno, IS, Una habilidad central para realizar análisis de datos cualitativos. La Tabla 1 contiene un extracto de datos tomados de un estudio de investigación que incluyó entrevistas con cuidadores de personas con enfermedad renal en etapa terminal manejada sin diálisis. El extracto está tomado de un cuidador que está tratando de entender por qué no se le ofreció diálisis a su madre. La primera etapa del análisis de datos implica el proceso de codificación inicial, por el cual se considera cada línea de datos para identificar palabras clave o frases; A veces se conocen como códigos in vivo (resaltados) porque conservan las palabras de los participantes.
Cuando las transcripciones se han dividido en secciones manejables, el investigador las clasifica y las examina, buscando tipos, clases, secuencias, procesos, patrones o totalidades. La siguiente etapa del análisis de datos implica unir categorías similares a temas más amplios. La Tabla 2 proporciona un ejemplo del desarrollo temprano de códigos y categorías y cómo estos se vinculan para formar temas iniciales amplios.
En congruencia con investigadores cuantitativos, es esencial garantizar que los estudios cualitativos sean metodológicamente robustos. Los investigadores cualitativos deben ser explícitos para describir cómo y por qué emprendieron la investigación. Sin embargo, la investigación cualitativa se critica por falta de transparencia en relación con los procesos analíticos empleados, lo que dificulta la capacidad del lector para evaluar críticamente los resultados del estudio.7 Se ilustra el progreso de las unidades de datos a la codificación al desarrollo del tema. «No involucrado en las decisiones de tratamiento» aparece en cada tabla e informa uno de los temas finales. Documentar el movimiento de unidades de datos a temas finales permite la transparencia del análisis de datos. Aunque otros investigadores pueden interpretar los datos de manera diferente, apreciar y comprender cómo se desarrollaron los temas es una parte esencial para demostrar la robustez de los hallazgos. Los investigadores cualitativos deben demostrar rigor, asociado con la apertura, la relevancia para la práctica y la congruencia de la aproximación metodológica. El análisis de datos de alta calidad requiere un investigador con experiencia, visión y veracidad.
¿Qué es cualitativo ejemplos para niños?
De hecho, las fortalezas de la investigación cualitativa de ECEC son muchas, y su importancia para el gobierno, considerables. La investigación cualitativa se ha realizado en todos los aspectos de las operaciones y políticas de ECEC, desde los mecanismos de coordinación a nivel nacional (OCDE, 2006), Curriculum Frameworks (Office for Children and Telorly Childhood Development, 2008), y determinando los elementos críticos de la calidad preescolar ( Siraj-Blatchford et al., 2003), para desarrollar servicios a nivel comunitario que incluye prácticas efectivas de divulgación y arreglos de gobernanza. La investigación cualitativa sustenta las guías y regulaciones de las mejores prácticas (Bink, 2007). Los estudios comparativos de cross países sobre políticas y programas dependen en gran medida de los métodos de investigación cualitativa.
Para los funcionarios públicos, los componentes cualitativos de las evaluaciones de programas son esenciales para comprender cómo ha funcionado un programa, y en qué medida la variación en los resultados e impactos de los esperados, o entre las comunidades, son el resultado de problemas de implementación locales o nacionales o defectos de políticas. Además, la participación pública/participante en componentes cualitativos de las evaluaciones puede reforzar la confianza pública en los funcionarios públicos y en el gobierno de manera más amplia.
En muchos sentidos, el contraste entre la investigación cuantitativa y cualitativa es una falsa dicotomía y una comparación improductiva. La investigación cualitativa complementa la investigación cuantitativa, por ejemplo, a través de la provisión de material de antecedentes e identificación de preguntas de investigación. Mucha investigación cuantitativa se basa en la investigación cualitativa para definir los términos e identificar lo que debe medirse. Por ejemplo, la provisión efectiva de los estudios de educación preescolar (EPPE), que han sido muy influyentes y es una mina de información para los responsables políticos, dependen del trabajo cualitativo inicial de lo que es la calidad en un jardín de infantes, y cómo se puede evaluar sistemáticamente ( Siraj-Blatchford et al., 2003). La investigación cualitativa también puede dilucidar el «cómo» de un resultado cuantitativo. Por ejemplo, la investigación cuantitativa indica que las calificaciones del personal están fuertemente asociadas con mejores resultados del niño, pero es un trabajo cualitativo el que muestra que no es la calificación per se lo que tiene un impacto en los resultados del niño, y es la capacidad del personal para crear un Entorno pedagógico de alta calidad (OCDE, 2012).
La investigación cualitativa sistemática centrada en el diseño e implementación de programas gubernamentales es esencial para los gobiernos de hoy.
¿Cómo expresar datos cualitativos?
¿Está buscando formas de mostrar sus datos cualitativos? La gran mayoría de los recursos de visualización de datos se centran en datos cuantitativos. En este artículo, veamos algunas de sus opciones para la visualización de datos cualitativos, como nubes de palabras, fotografías, iconos, diagramas y plazos.
Solía llevar a cabo proyectos de investigación cualitativos con pesas de pesa casi todo el día todos los días. Entrevistas informantes clave, entrevistas de Bellwether, revisión de documentos, grupos focales, lo que sea… así que sé por experiencia personal que el 99.9 por ciento de los informes cualitativos se ven así:
Aquí está la estrategia más obvia para visualizar datos basados en texto: la nube de palabras, también conocida como una nube de etiquetas. Las palabras o frases frecuentes se muestran en una fuente más grande y audaz. Las palabras o frases menos frecuentes se muestran en una fuente más pequeña.
No estoy abogando por las nubes de palabras que se ejecutaron en las que simplemente descartas las transcripciones de sus entrevistas en una nube de palabras y esperas lo mejor. ¡Simplemente mirar con qué frecuencia aparece una palabra o frase en su conjunto de datos no es una forma suficiente de analizar sus datos!
En cambio, estoy hablando de nubes de palabras intencionales, cuando ha considerado otras opciones y ha elegido a propósito una nube de palabras como su visualización de elección.
Aquí hay un ejemplo. Cuando realizo entrevistas como parte de un proyecto de investigación cualitativa, a menudo incluí una pregunta en el protocolo de entrevista como, «¿Qué palabra usas para describir _____?» Por ejemplo, «Sr. Policiendo, ¿qué palabra usarías para describir la opinión pública hacia la pobreza en los Estados Unidos? » o «Sra. Director, ¿qué palabra usarías para describir el efecto de esta nueva iniciativa, si la hay, en tu escuela autónoma? «
¿Cómo se representa los datos cualitativos?
Tabulación
• La tabulación es el primer paso antes de que los datos se usen para el análisis o la interpretación.
• Una tabla puede ser simple o compleja, dependiendo del número o medición del conjunto único o múltiples conjuntos de elementos.
• Ya sea simple o complejo, existen ciertos principios generales que deben tenerse en cuenta en el diseño de tablas:
– Las tablas deben estar numeradas, p. Tabla 1, Tabla 2, etc.
– Se debe dar un título a cada tabla. El título debe ser breve y por sí mismo.
– Los títulos de columnas y filas deben ser claros y concisos
– Los datos deben presentarse en un orden, p.
• Talla
• importancia;
• cronológicamente,
• alfabéticamente o
• geográficamente
– Si se van a comparar porcentajes o promedios, deben colocarse lo más cerca posible
– Ninguna tabla debe ser demasiado grande
– La mayoría de las personas encuentran una disposición vertical mejor que una horizontal porque, es más fácil escanear los datos de arriba a abajo que de la izquierda a la derecha
– Se pueden dar notas de pie cuando sea necesario, proporcionando notas explicativas o información adicional
Gráficos y diagramas
• El propósito de la presentación de datos a través de cuadros y diagramas es tener una impresión visual rápida
– Los lectores pueden comprender fácilmente las presentaciones visuales ya que tienen un impacto visual sorprendente
– Las tablas tienden a ser aburridas y difíciles de percibir.
– Las presentaciones gráficas transmiten la esencia de los datos estadísticos, eludiendo los detalles
– Para este propósito, los datos presentados a través de los diagramas deben ser simples
– Los gráficos complicados no pueden transmitir el mensaje y superar el propósito de estos dibujos
– Por lo tanto, muchos detalles de los datos originales deben renunciar a la preparación de gráficos y diagramas
• Es de suma importancia que las presentaciones visuales se produzcan correctamente, utilizando escalas apropiadas.
– De lo contrario, puede ocurrir la distorsión de los datos y
– Las visualizaciones resultantes de la información estadística pueden ser engañosas
– Recuerde, las computadoras harán lo que les dice que hagan y no lo que se debe hacer
-Es mejor probar los gráficos y gráficos en colegas primero para detectar cualquier interpretación errónea
-Los gráficos, los gráficos y los diagramas deben explicarse por sí mismos y el lector debe poder comprenderlos sin referencia detallada al texto
– El título debe ser informativo y
– Los ejes de los gráficos deben estar claramente etiquetados
– La clave debe colocarse donde sea necesario
Gráficos de barras (gráficos de barras)
• Un «gráfico de barras» es una forma de representar visualmente datos cualitativos.
• Habilitan la comparación visual de frecuencias en las categorías.
– La longitud de cada barra es proporcional a la frecuencia a representar. Por lo tanto, se debe utilizar una escala adecuada.
– Las barras pueden ser verticales u horizontales.
– Todas las barras en un gráfico deben ser del mismo ancho.
– Las barras deben estar separadas por espacios apropiados para mayor claridad
• Se ha sugerido que el espacio entre las barras debe ser la mitad del ancho de las barras
– Las barras se deben organizar preferiblemente en el orden en aumento o disminución del orden o en un orden que se adapte al contexto, p. Orden cronológico
Tipos de gráficos de barras
Se usan comúnmente tres tipos de gráficos de barras:
1. Gráfico de barra simple
2. Gráfico de barras múltiples: se agrupan dos o más gráficos de barras
3. Gráfico de barra de componentes (gráfico de barras proporcional): las barras se pueden subdividir en dos o más partes, dependiendo de
– El número de subgrupos.
– La longitud de cada parte es en proporción a su magnitud
• Gráfico de barra simple
• Gráfico de barras múltiples
• Gráfico de barras de componentes
Diagrama de pastel
• Es un diagrama en el que las frecuencias se representan como sectores de un círculo,
• Los grados y, por lo tanto, el tamaño de cada sector es proporcional a la frecuencia de la variable.
• Los sectores deben estar dispuestos en sentido horario en orden descendente y
• El porcentaje respectivo se representa en los sectores.
El diagrama de pastel es adecuado cuando:
• El número de categorías es pequeño
• La frecuencia de cada grupo se puede agregar para obtener el número total de observaciones (es decir, las respuestas son mutuamente excluyentes)
Pasos de crear un diagrama de pastel
1. Calcule las proporciones del gráfico circular:
a) Calcule cada frecuencia como proporción del total (P1, P2…. PN)
b) Calcule el ángulo para cada rebanada o sector de pastel. La fórmula es P1 x 360⁰, P2 x 360⁰,….. PN x360⁰
2. Dibuja un círculo
3. Dibuja un radio del círculo
4. Coloque el protractor en este radio
5. Trace un punto en el círculo en el primer ángulo calculado
6. Únase a esto con el centro del círculo, el primer sector y un nuevo radio ahora se obtiene
7. Coloque el protractor en este nuevo radio y traza un punto en el círculo en el siguiente ángulo calculado
8. Cada vez que agrega una sección, el radio cambia a la línea que acaba de dibujar; Gire el protractor en consecuencia
9. Colorear cada segmento de manera diferente y hacer la tecla Código de color
10. Mencione las frecuencias y porcentajes en cada sector
¿Cómo se expresan los resultados de una investigación cualitativa?
Inicialmente, la identificación molecular de la COV-2 se basó en el proceso de transcripción inversa asociado con PCR (RT-PCR, reacción en cadena de transcición inversa-polimerasa) de los tampones nasofaríngea o de Orofarningi, que se pueden realizar utilizando el método SyBrgheren® o Taqman Method Method Method Method Method Method ® (video 1).
Al comienzo de la pandemia, la Administración de Alimentos y Medicamentos (FDA) aprobó una prueba comercial para la detección de la CoV-2 de Roche Company (Cobas® SARS-CoV-2). Esta prueba toma 3.5 horas; Más tarde se ha aprobado otra prueba más rápida, el Xpert® Xpress SARS-CoV-2 de la compañía Cepheid Inc (EE. UU.), Con la cual se obtiene el resultado en 45 minutos.
Video 1 Cómo funciona el sistema Taqman (video en inglés).
La amplificación mediada por bucle (lámpara, amplificación isotérmica mediada por bucle) es más barata y más rápida (video 2). Además, con múltiples desencadenantes, es más sensible y específico. La detección final de los productos se puede hacer para electroforesis en gel de agarosa y/o para PCR en tiempo real (Lampa RT). La lámpara RT ya se ha utilizado para detectar la presencia de otros coronavirus (SARS-COV16, MERS-COV17, HCOV-NL6318); Permitió identificar hasta 3.4 copias de las placas de unidades MERS-CoV17 y 0.01 (ELT, Unidad de formación de placa) de SARS-CoV16. Para el SARS-CoV-2, el límite de detección se estimó en 2 · 102 copias por reacción19. Recientemente, esta técnica se ha modificado siguiendo la secuenciación a la amplificación isotérmica (video 3).
Amplificación de video 2 mediada por bucle (video en inglés).
Artículos Relacionados:
