Universidad de Buenos Aires

Facultad de Ciencias Sociales

Carrera de Sociologa

Documento de Ctedra No. 96

DISEANDO MATRICES Y REDES PARA EL DESPLIEGUE DE LOS
DATOS CUALITATIVOS
Traduccin resumida de Betina Freidin, segundo cuatrimestre de 2015
Miles, M.B., A.M. Huberman , y J. Saldaa (2014) Designing Matrix and Network
Displays, en Miles, M. B., A. M. Huberman, y J. Saldaa, Qualitative Data Analysis:
A Methods Sourcebook. Los Angeles: Sage. Captulo 5.

CTEDRA DE METODOLOGA Y TCNICAS DE LA INVESTIGACIN

SOCIAL
PROFESORA TITULAR: RUTH SAUTU

Este Documento de Ctedra forma parte de una serie que tiene como propsito
contribuir a la formacin de alumnos de la Carrera de Sociologa de la Universidad de
Buenos Aires en cuestiones vinculadas al diseo y realizacin de investigaciones
cientficas en el campo de las ciencias sociales. Su contenido complementa los textos de
metodologa de lectura obligatoria y optativa incluidos en cada uno de los tres cursos
que se dictan en la Carrera.
Estos documentos son material de uso interno y no pueden ser incorporados a ediciones
impresas ni reproducidos comercialmente.
La Ctedra solicita a los usuarios de estos Documentos que citen a sus autores indicando
las referencias completas, es decir: autores, fecha, ttulo, nmero y tipo de documento
(traduccin, resumen, elaboracin propia, etc.). En los casos en que el usuario utilice
slo parte del documento, haciendo referencia a algunos de los autores/obras originales
all incluidos, consignar que fue tomado de nuestro Documento de Ctedra. Por
ejemplo: E. O. Wrigth (1985), Classes, London: Verso, citado en Documento de
Ctedra 30, Plotno, G., Lederman, F. & Krause, M. (2007) Escalas Ocupacionales.

DISEANDO MATRICES Y REDES PARA EL DESPLIEGUE DE LOS DATOS

CUALITATIVOS
Miles, M.B., A.M. Huberman , y J. Saldaa (2014) Designing Matrix and
Network Displays, en Miles, M. B., A. M. Huberman, y J. Saldaa en
Qualitative Data Analysis: A Methods Sourcebook. Los Angeles: Sage.
Captulo 5.
Traduccin resumida de Betina Freidin, 2015.

Resumen del captulo

Este captulo aporta principios fundamentales para el diseo y el contenido de dos
mtodos analticos de despliegue o exhibicin de los datos (display): (1) matrices y (2)
redes. Estos mtodos condensan los principales datos y hallazgos de un estudio para
avanzar en el anlisis y/o para representar y presentar las conclusiones.

Introduccin
Un texto largo, no reducido, en la forma de transcripciones de entrevistas, notas de
campo y documentos es difcil de manejar debido a que se extiende en muchas pginas
y en consecuencia no es fcil visualizarlo en su totalidad. Es un texto secuencial en
lugar de uno simultneo, lo que dificulta visualizar dos o tres variable al mismo
tiempo1. Comparar varios textos extendidos de manera detallada es muy difcil. ().
Las mismas objeciones son aplicables an con mayor nfasis para los lectores de
nuestros informes finales. Ellos necesitan, si no merecen, una modalidad de entrega
(delivery) concisa de lo que hemos analizado. Y en esta cultura altamente visual,
mostrar en lugar de contar puede tener un impacto ms efectivo y memorable en la
audiencia.
Un propsito central de este texto es alentar a la creacin y diseminacin de la
exhibicin de los datos cualitativos en forma de matrices y redes. El argumento central
de este libro es uno sabe lo que exhibe o despliega. El anlisis creble y confiable
requiere de, y es conducido por, despliegues que son lo suficientemente focalizados para
tener una vista completa del conjunto de los datos en un mismo lugar, y que estn
armados de manera sistemtica para responder a las preguntas de investigacin. Un
conjunto completo de datos no significa por supuesto el corpus completo de las
transcripciones de entrevistas, notas de campo, documentos, etc. Por el contrario, los
datos condensados que se presentan son extrados del conjunto de personas, procesos y
eventos bajo estudio. Con textos extendidos se puede hacer fcilmente un ordenamiento
1

- Nota de la traductora: los autores utilizan el trmino variable a lo largo del captulo; advertimos que
en la investigacin cualitativa generalmente se prefiere utilizar el trmino dimensin analtica, tema o
categora en lugar de variable. Cuando en la traduccin omitimos parte del texto original colocamos tres
puntos entre parntesis ().

selectivo (selective stacking) de los datos. Un despliegue organizado puede

protegernos de este problema.
La idea del despliegue es central en este libro. Por despliegue entendemos un
formato visual que presenta informacin de manera sistemtica de modo tal que el
usuario pueda extraer conclusiones y tomar acciones. Aunque a veces estos despliegues
pueden llevar trabajo, nunca sern montonos. Lo ms importante es que las chances de
extraer y verificar conclusiones son mucho mayores que para el caso del texto
extendido, porque el despliegue se organiza de manera coherente para permitir hacer
comparaciones cuidadosas, detectar diferencias, observar patrones y temas, tendencias,
etc.
Los investigadores cuantitativos tienen programas de computacin para armar tablas,
grficos y cuadros que son publicables. Los investigadores cualitativos tienen
programas de anlisis de datos cualitativos que son adecuados para nuestros enfoques
particulares de anlisis de los datos. Aun el programa bsico de Microsoft Office como
el Word y el Excel son suficientes para la mayora de los despliegues en la forma de
matrices y redes. Pero el analista cualitativo tiene que construir artesanalmente
formatos de despliegues apropiados porque cada proyecto de investigacin es
nico. Por eso, hay pocas formas acordadas y familiares de organizar los datos entre los
investigadores cualitativos, y as es que cada uno tiene que adaptar los de otros o
inventar nuevos. Las ideas sobre el despliegue de los datos que ofrecemos en este libro
son nada ms que eso ideas, no prescripciones para la exhibicin de los datos.
No todos son amantes de las matrices y de la redes, y no todo el mundo piensa en
trminos visuales. Pero desplegar los datos condensados de una manera sistemtica
tiene inmensas consecuencias para la comprensin. Requiere que uno piense acerca de
sus preguntas de investigacin y qu porciones de los datos son necesarios para
responderlas; requiere que uno lleve a cabo un anlisis completo, ignorando la
informacin que no es relevante; y focalice y organice la informacin de manera
coherente. Estas ventajas se repiten cuando uno incluye los despliegues de los datos en
el informe final, ya que el lector puede recrear nuestro viaje intelectual con cierta
confianza.
Opciones de formatos
Decidir y generar el formato para desplegar los datos cualitativos son pasos iniciales
importantes. El modelo es un bosquejo visual de agrupamientos, en el que se volcarn
los datos. Los formatos pueden ser tan variados como lo sea la imaginacin del analista,
pero los que describimos en este libro tienden a caer en dos familias principales:
1. Matrices, con columnas y filas definidas
2. Redes, una serie de nodos con vnculos (lneas y flechas) entre ellos.

Los datos que volcamos pueden tener mltiples formas: bloques cortos de texto,
extractos verbatim de transcripciones, frases, etiquetas de variables, rankings,
abreviaturas, cdigos, categoras, imgenes simblicas, flechas, etc.
Los formatos y el contenido dependern de lo que uno quiere comprender: una situacin
general, cronologas detalladas, las acciones de las personas en roles diferentes, el
interjuego entre variables, etc. Los formatos siempre dependern de las preguntas de
investigacin y de los conceptos en desarrollo. (). Tambin dependen de cun lejos
uno est en el estudio y lo que es prioritario en este momento. La necesidad puede ser
explorar los datos de manera rpida (eyeballing data) o bien realizar un anlisis
detallado; organizar los datos para luego usarlos en otro despliegue ms detallado;
combinar datos paralelos en un nico caso; combinar datos de muchos casos; o para
reportar los resultados. Un buen formato permitir todos estos usos hasta cierto punto
pero inevitablemente servir ms para unos ms que para otros.
Matrices
Una matriz es esencialmente la interseccin de dos listados diseados como columnas
y filas. Veamos un ejemplo. La siguiente matriz fue construida con Word (ver pgina
siguiente), y su propsito es comprender los efectos de la asistencia brindada a una
escuela el caso Masepapor varias fuentes. Este ejemplo fue parte de un estudio para
el mejoramiento de una escuela en la que se observ la implementacin de un proyecto
de innovacin. El formato de la matriz lleva al investigador a considerar cinco variables
relacionadas, a distinguir dos de ellas de acuerdo al tiempo, a agrupar las respuestas, a
ordenar las respuestas a lo largo de una escala evaluativa, y a explicar los patrones de
respuestas para cada tipo de fuente de asistencia. De este modo, la informacin
condensada de 30 pginas de notas de campo fue comprimida en una sola pgina.
Los datos presentados en la matriz son abstracciones, no hay extractos verbatim,
y las generalizaciones y otras inferencias aparecen en las dos ltimas columnas. Las
consecuencias de largo plazo y las Las explicaciones del investigador no son
condensaciones directas de las observaciones de los participantes o de los
investigadores. Por el contrario, para cada consecuencia, como la que figura en la
primera fila, (los usuarios son ayudados administrativamente y sustantivamente; se
sienten obligados de hacer el CMEL [Centro Modelo para Ensear a Leer, en espaol]
con adaptaciones menores), el investigador observ los segmentos de datos de las tres
columnas precedentes, chequeado si co-variaban en un patrn determinado, y extrajo
generalizaciones de segundo orden. En este caso (vean la primera fila, primera
columnaEdificio de administracin), temas como facilita la programacin (3),
consulta, ofrece soluciones (4), alivia presiones, estimula (1), ayuda a la
implementacin temprana (2), y las Evaluaciones de los usuarios de cdigos de
magnitudes generalmente positivas todos sugirieron la recepcin de ayuda y un
sentimiento de obligacin para una implementacin razonablemente confiable. Un
proceso similar de inferencia inductiva ocurre en las Explicaciones del investigador.

110

Part II: Displaying the Data

1. provides materials
2. demonstrates, models
3. answers requests
4.encourages
5. circulates, controls
1.comparing practices with
others
2. debugging, complaining
3. learning about new parts
4.encouragement
1. sharing materials
2. exchanging tips, solutions
3. comparing, encouraging
1. tips for presentations
2.solution to short-term
problems
3.encourages
4. serves as successful model

++
+
++
++

++

+
+
+
+
+
++
++

Helping Teacher

+
+

1. facilitates practice
2.helps expand beyond core
format
3. maintains effort
4.stimulates

1. increases stock
2.new ideas, practices; problems
solved
3. motivates, stimulates

2.cathartic, solves short-run

problems
3. expands repertoire
4.gets through rough moments

1. encourages, regulates

1.reduces effort, increases

repertoire
2. trains, facilitates use
3. problems solved rapidly
4.maintains level of effort
5.ambivalent: helped yet coerced

1. pressures non-users
2.building administrators have
material, administrative
support

1.relieves pressure, encourages

2.helps early implementation
3. feeling policed
4.feeling backed-up,
substantially helped

Short-Run Effects
(Users State)

reliable, unthreatening
backup provided in school

increases commitment,
regulates use (decreases
deviance)

creates reference group,

gives users a voice, solves
ongoing problems and
lowers anxiety

new, experienced users

receive systematic
instruction, follow-up,
materials; stay with
program and are careful
about making changes in it

program is perceived
as supported, assisted,
protected by central
office

users are helped

administratively and
substantively, feel obliged
to do ECRI with minor
adaptations

Longer-Run
Consequences

Source: Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Thousand Oaks, CA: Sage Publications.

Legend
++ = very
effective
+ = effective
= mixed
effective
= ineffective

Trainers in
Target School,
Other School

Teacher-Users in
Other Schools:
Target Schools

1. promotes ECRI
2.answers building
administration, trainers
requests

+
++

Central Office
Administration

User-Helping
Teacher
Meetings

1. authorizes changes
2. eases schedules
3. controls fidelity
4. consults, offers solutions

Types Provided

++
++
+

Users
Assessment

Building
Administration

Location

Effects Matrix: Assistance Location and Types (Masepa Case)

Display 5.1

elaborate and effective

lateral network: trainers
seen as peers

additional source of
assistance, which increases
as number of users grows

multi-purpose forum which

consolidates use and users,
defuses opposition

personalized in-service
mechanism, with both
training and assistance
allows for mastery and
spread of ECRI in faithful
format

central office able to push

program and answer
requests, yet not perceived
as main actor by users

administration, authority,
servicing, availability and
flexibility lead to sustained,
faithful implementation
model

Researcher Explanations

En trminos generales, una matriz es una forma tabular de reunir y organizar los datos
para visualizarlos de manera sencilla en un solo lugar, para permitir el anlisis detallado
y facilitar el anlisis posterior entre casos comparables. A medida que avancemos en
este captulo, veremos cmo las matrices pueden ordenar los datos por caso o por tema,
y pueden organizar y apilar (stack) las celdas de manera tal de crear meta-matrices, que
contienen filas mltiples en una fila nica, al igual que mltiples columnas en una nica
columna.
Redes
Una red es un conjunto de nodos o puntos conectados por vnculos o lneas que
muestran corrientes (streams) de acciones de los participantes, eventos o procesos. Las
redes se prestan bien para los enfoques orientados hacia los casos que recrean el
argumento (plot) de eventos en el tiempo, as como para mostrar interacciones
complejas entre variables. Nos proporcionan el tipo de narrativas que tienden a ser
cortadas (chopped up) analticamente en las matrices. Son muy tiles cuando uno quiere
focalizarse en mltiples variables al mismo tiempo para analizarlas de una manera
rpida.
A continuacin presentamos un modelo de red que extrajimos del estudio de
McCammon et al. (2012) sobre cmo las clases de conversacin u oratoria (speech
classes) en escuelas secundarias influenciaron y afectaron a los adolescentes y su
desarrollo posterior como adultos tras la graduacin. La red es un bosquejo de puntos
en el argumento (plot points) que acompaa a una narrativa analtica.
Amistades

Adolescentes

Aceptacin y
estatus

Competencias
Ganar

Clases de
conversacin

Buen asesoramiento

Sentimiento de
pertenencia

Efectos positivos

Confianza como
adolescente y
adulto

La teora en este estudio, sugerida por los nodos ovales es la siguiente: cuando los
adolescentes se anotan en clases de conversacin ganan confianza como adolescentes
y adultos. Pero este argumento es demasiado escueto y necesita ser desarrollado con una
narrativa analtica. Los nodos rectangulares conectados con las clases de conversacin
5

indican que el contenido debe ser conducido por un profesor que brinde buen
asesoramiento (coaching). Los estudiantes tambin deben sentir que son parte de una
comunidad en la clase a travs de un sentimiento de pertenencia.
No todos, sino algunos de los estudiantes participaron de estos torneos o competencias
extracurriculares de conversacin u oratoria (debate, lenguaje extemporneo,
interpretacin oral de textos literarios, etc.). Por eso, se distingue una trayectoria o
corriente separada en la red. Los participantes dieron testimonio que a travs de la
participacin en estos eventos desarrollaron amistades, un sentimiento de aceptacin y
de estatus, y de este modo efectos positivos, especialmente para aquellos que alcanzaron
logros como ganadores en esos eventos competitivos. Independientemente de ser o no
ganadores, el resultado fue el desarrollo de confianza, tanto en la adolescencia como en
la adultez. Las flechas dobles en la red sugieren efectos interactivos y cclicos. ()
Las redes tambin son herramientas heursticas efectivas para anlisis ms complejos
como el discernimiento de causas, el anlisis de tendencias longitudinales, el desarrollo
de hiptesis y teoras. () Algunos programas de anlisis de datos cualitativos pueden
ser de gran ayuda para la construccin de redes complejas. ()
El momento para disear los despliegues
Los despliegues analticos pueden ser desarrollados durante o despus de la reunin de
los datos. Pueden proporcionar hallazgos preliminares de lo que nos va sugiriendo el
anlisis del caso dando direcciones para la bsqueda de nuevos datos. Ms tarde, a
medida que tenemos descripciones ms completas, estos despliegues pueden aportar el
material bsico para explicaciones de un nivel superior, esto es, razones plausibles de
cmo suceden los acontecimientos. Estos materiales ayudan a economizar energa al
facilitar focalizar la reunin posterior de datos, ya que sabemos qu datos
necesitaremos. Sin embargo, hay ciertas advertencias sobre este punto. Primero, los
datos cualitativos se modifican (evolve); los relatos o explicaciones posteriores
completan, cualifican, ponen en perspectiva o descartan a las primeras. Los analistas
exploran, investigan, y miran los datos desde distintos ngulos. Por lo tanto, existe el
riesgo de incorporar los datos en un determinado formato demasiado pronto. Segundo,
para cada pregunta de investigacin o tema, se pueden disear muchos despliegues
diferentes (literalmente, docenas) usando el mismo conjunto de variables. En cada
despliegue hacemos supuestos ligeramente diferentes y, por lo tanto, cada uno tiene sus
pros y sus contras. Tercero, casi siempre los formatos de los despliegues se van
modificando a lo largo de la investigacin. Los ltimos van a ser ms sensibles a los
datos que los primeros, a medida que obtenemos mayor claridad.
Por lo tanto, nuestro consejo general es generar formatos preliminares durante la
reunin de los datos y luego revisarlos en su formato definitivo a medida que nos
acercamos al final del trabajo de campo, cuando pueden fundamentarse mejor tanto en
trminos empricos como contextuales. Es esperable que hagamos varios intentos hasta
que el primer formato funciones bien. Hay que probar el formato tentativo incorporando
6

los datos. Los formatos que no funcionan o son confusos, o aquellos que no incorporan
todos los datos relevantes, se van a detectar fcilmente.
Dando forma a la matriz
No hay cnones fijos para construir una matriz. Por el contrario, la construccin de una
matriz es una tarea creativa pero sistemtica que permite progresar en la comprensin
de la sustancia y los significados de los datos, aun antes que se incorpore la informacin
a la matriz. Por lo tanto, el punto no es si estamos construyendo la matriz correcta
sino si es una matriz til que ayudar a dar respuesta a las preguntas de investigacin
que nos hacemos, o que sugiere caminos nuevos y promisorios de presentar los datos
para obtener respuestas. En un sentido ms profundo, el mensaje de este libro nos es
hay que usar matrices sino piense sobre posibles despliegues; adapte e invente
formatos que sean los ms tiles. () En lugar de presentar prescripciones rgidas,
damos algunos consejos amistosos para lograrlo:

Preste atencin a su pregunta o preguntas de investigacin y a las variables

centrales, y piense acerca de los datos que estn disponibles o lo estarn.
Bosqueje un formato de matriz tentativo con lpiz y papel.
Procure que un colega mire ese formato inicial, para que lo ayude a detectar los
supuestos que est haciendo y para que pueda sugerirle formas alternativas de
desplegar los datos.
Arme el modelo de matriz utilizando un procesador de textos, un programa
para el manejo de bases de datos, o para el anlisis de datos cualitativos. Trate
que el formato sea visible de manera completa en la pantalla de su monitor o en
una slo hoja de papel, siempre que sea posible. La idea es que usted pueda
visualizar la matriz completa de una vez.
No trate de incluir ms de una docena de variables en las hileras o las columnas,
cinco o seis es un nmero ms manejable. Caso contrario planifique agruparlas o
dividirlas como meta-matrices. En efecto, reagrupe la matriz en familias
adyacentes.
Las matrices ms simples se organizan en dos dimensiones. Se puede optar por
una complejidad mayor si los datos lo demandan mediante la creacin de
divisiones para armar meta-matricesesto es, hileras dentro de hileras o
columnas dentro de columnas. ().
Siempre mantngase abierto a la idea de agregar nuevas columnas o hileras.
Mantenga las columnas y las hileras con un grado de detalle (fine grained)
suficiente para acomodar diferencias significativas en los datos pero no en
exceso para no quedar enterrado bajo una cantidad de detalles indiscriminados.
Tenga presente que cualquier pregunta de investigacin puede requerir una serie
de despliegues; por ejemplo, una matriz inicial descriptiva parcialmente
ordenada puede conducir a una pequea tabla o cuadro que resuma su contenido
y posteriormente a un despliegue en formato de red. Anticipe esta posibilidad,

pero deje lugar a que surjan nuevos formatos de matrices a medida que el
anlisis progresa.
()
Incorporando los datos a la matriz y las redes
() Una matriz o red completa puede parecer coherente, plausible y fascinante
pero si los datos fueron reunidos o volcados de manera deficiente, se puede
dudar de las conclusiones a las que se arribe. Ofrecemos algunas guas para
incorporar los datos en las matrices y en las redes:

Siempre hay una gran parte de seleccin y condensacin del volumen de

las notas de campo o transcripciones, aun en las matrices con formatos
ms densos. Tenga cuidado en cmo hace la seleccin e incorpora los
datos. Usted no estar descartando los datos que no incorpora, siempre
puede volver a los datos completos.
Ms informacin es mejor que menos: celdas con muy poca carga lo
alejarn del significado de los datos.
Sea claro sobre la forma y tipo de datos que quiere volcar: extractos
verbatim, parafraseos, evaluaciones generales resumidas, ratings, etc.
Utilice los cdigos o las funciones de bsquedas de los software para
ubicar los materiales ()
Mantenga un registro de las reglas de decisin en la seleccin de los
segmentos de los datos que va a incorporar (). Caso contario, estas
decisiones se pueden perder retrospectivamente.
Si hay datos que faltan, son ambiguos, o no fueron indagados con ciertos
entrevistados, mustrelo efectivamente en el despliegue.
No cierre el formato hasta ms adelante. A medida que va incorporando
los datos puede ver la adecuacin del formato, su realismo y utilidad.
Siga revisando el formato si es necesario. ()
Dele el formato a un colega para que lo revise, junto con las reglas de
decisin y sus notas de campo para chequear la adecuacin del
procedimiento que sigui. ()

A continuacin presentamos ejemplos del nivel y tipo de datos que puede incorporar en
una matriz:
Verbatim de entrevistas, extractos de
notas de campo
Resmenes, parafraseos, o sntesis

Explicaciones del investigador

Los cirujanos son bsicamente machistas

los mejores, quiero decir. Tienen que serlo, no
pueden evitarlo.
El activismo del paciente parece generar
desconfianza. Las reglas para el uso del
tiempo de los residentes generalmente son
ignoradas.
La incertidumbre del paciente respecto del
8

Ratings o evaluaciones resumen

Combinaciones

diagnstico es una funcin de las condiciones

de salud en la que est en riesgo la vida y del
uso de la negacin como defensa.
Reduccin del comportamiento de riesgo
despus de un bypass cardiovascular:
empeora, no cambia, mejora, mejora mucho
Reduccin de riesgos: mejor. Dieta (Ni
siquiera com brcoli), algo de ejercicio
(camina 20-30 minutos diarios), y cigarrillo
(redujo, est considerando usar un parche de
nicotina)

Haciendo inferencias y extrayendo conclusiones de las matrices y las redes

El test que debe pasar cualquier despliegue es que nos ayude a comprendery a evaluar
cun confiable es esa comprensin. En los prximos captulos desarrollamos varias
tcticas especficas para extraer conclusiones y verificaciones. Aqu ofrecemos unas
recomendaciones generales preliminares:

Es til empezar con una revisin rpida de las columnas e hileras y de las
relaciones trazadas en la red para ver que surge. Luego hay que verificar, revisar
o descartar las primeras impresiones a travs de una revisin ms cuidadosa.
Todo despliegue tendr tcticas mltiples implicadas en su construccin. Las
que hemos usado con mayor frecuencia para extraer las primeras conclusiones
son la identificacin de patrones, hacer contrastes, comparaciones,
agrupamientos, y el conteo.
Los despliegues nunca hablan por s mismosni para uno ni para el lector;
siempre son necesarios textos que acompaen a los despliegues. Mientras las
conclusiones van apareciendo en su mente, siempre escriba un texto explicativo.
Haga explcitas sus conclusiones. El proceso de escritura inevitablemente
conduce a la reformulacin, agrega claridad e ideas para el anlisis posterior.
Escribir es en s mismo una forma de anlisis.
Las primeras conclusiones casi siempre necesitan ser chequeadas con las notas
de campo. Si la conclusin no suena verdadera en ese nivel ms cercano al dato
en bruto es que necesita revisin. Tambin puede chequear con sus colegas y
los mismos participantes, cuando sea posible.
Una conclusin temprana tpicamente necesita confirmacin, chequeo y
verificacin. Las tcticas empleadas ms frecuentemente son: hacer un
seguimiento de datos sorprendentes, triangular, haciendo tests hipotticos, y
tener en cuenta explicaciones alternativas.
Asegrese que la comprensin descriptiva es clara al nivel del caso individual
antes de intentar comprender patrones entre casos.
Recuerde que el anlisis generalmente tiene que ir ms all de resmenes
descriptivos para moverse hacia la explicacin. Clarifique las implicaciones
conceptuales de sus conclusionesesto es, cmo se conecta con su teora o la de
9

otros sobre el comportamiento social. Los anlisis que son verificables pero
pobres en aportar conclusiones interpretativas son de poca utilidad.
Las conclusiones acerca de los despliegues de datos aparecen generalmente en lo
que llamamos textos analticos o narrativos. La narrativa analtica lleva la atencin a
los elementos de los despliegues dndoles sentido, unindolos y permiten al analista
extraer conclusiones y agregar interpretaciones. Tambin estimula a volver a los
datos para consultar informacin que no est contenida en el despliegue y agregarla
al texto con propsitos de aumentar la claridad. (). De hecho, el acto de escribir
un texto mientras da vueltas sobre el significado del despliegue es en s mismo un
dispositivo para focalizar y avanzar en el anlisis. Escribir no viene despus del
anlisis. Es anlisis, que transcurre a medida que el investigador piensa acerca del
significado de los datos contenidos en el despliegue. Escribir es pensar, no el reporte
de cmo pensamos.
Mantngase abierto a la pregunta si el formato del despliegue que utiliza para el
anlisis ser el mismo que utilizar en el informe final (la respuesta frecuente es s).
Los lectores pueden ver por s mismos cmo se extrajeron las conclusiones, en lugar
de proporcionrseles un resumen de los resultados del estudio que tienen que
tomarse sobre la base de la fe. A veces, por supuesto, el despliegue ser utilizado
con propsitos intermedios en el anlisis y no necesariamente ser mostrado a los
lectores.
() Cuando las matrices o redes bsicas no son presentadas en el informe, usted le
debe al lector una explicacin clara de los mtodos de anlisis que utiliz para
construir el texto analtico. En todo caso, recuerde que el lector necesita de
despliegues visuales. Lo mejor que podemos hacer es citar a Tufte (1986), hablando
principalmente del trabajo cuantitativo pero con relevancia para los investigadores
cualitativos:
Lo que estamos buscando en los despliegues de grficos y tabulados es un
retrato claro de la complejidad. No la complicacin de lo simple; por el
contrario, la tarea de diseador es dar acceso visual a lo sutil y sus dificultades
esto es, revelar lo complejo (p.80).
Y siguiendo el refrn popular, las cosas pueden ser complejas sin ser complicadas.
().
_____________________________________________________________________

10

11