Los datos cualitativos antes, durante y despues de la investigación: cómo gestionarlos adecuadamente sin morir en el intento. Diapositivas del taller impartido en el marco del III Simposio de Métodos Cualitativos del Instituto de Investigaciones Bibliotecológicas, junio 2023

2. Lourdes Feria
2023
Los datos cualitativos
antes, durante y después de la investigación:
cómo gestionarlos ordenadamente
… sin morir en el intento

4. Agenda
• Introducción
• Tus fuentes de datos
• Siete buenas prácticas
• Antes
• Durante
• Después
• … de la investigación
• Lista de verificación

5. Introducción

6. Patrones de
comportamientos sociales

7. Gestión de datos

8. Algunos autores
confunden la
gestión de datos
con la codificación
y/o el análisis de
datos
Guest, Greg; Namey, Emily E.; Mitchell,
Marilyn L.. Recopilación de datos
cualitativos. Publicaciones SAGE. Edición
de Kindle.

9. Ryan y Bernard (2000) tratan la
gestión de datos casi como un
sinónimo de análisis de datos,
un fenómeno observado
también en otros trabajos
publicados (p. ej., Ray, 1997;
Ritchie, Spencer, & O´Connor,
2003). Guest, Greg; Namey, Emily E.; Mitchell,
Marilyn L.. Recopilación de datos
cualitativos. Publicaciones SAGE. Edición
de Kindle.

10. Tus fuentes de
datos

11. Datos CuaLItativos
No- estructurados
Entrevistas, estudios focales, historias de vida

12. NARRATIVAS
• Todo mundo quiere/tiene algo
que contar
• Sin datos cualitativos no hay
información completa

13. Técnicas de recopilación
de datos cuali
• Entrevista
• Focus groups
• Etnografía
• Investigación-acción
• Observación-participante
• Etnofotografía
• Etnografía virtual
• Comunidades y cultura en línea

14. Diario de
campo

15. Etnofotografía
y diarios de
campo

17. Grabaciones
de
audio
y
video

18. Transcripciones de audio y video

19. Libro de
Códigos

21. Siete
buenas
prácticas

22. antes

23. Plan de datos ¿Qué harás con
tus datos de investigación?

24. Un buen plan de datos
debería permitirte…
• ¿Cuántos archivos tienes?
• ¿Dónde están físicamente?
• ¿Dónde están en el ciclo de
vida de los datos?
• ¿Qué tan seguros están?
• ¿Qué archivos van juntos?

25. Plantear el análisis de datos…
¡antes de tener datos!

26. Plan de gestión de datos y plan de análisis de datos
● PGD = ¿Cómo organizar tus datos?
○ asignar fuentes y etiquetas de datos; determina qué información incluirás en las
identificaciones de fuentes, etiquetas de datos y nombres de archivos
electrónicos, almacenamiento y preservación
● PAD = Protocolos
○ De levantamiento, reclutamiento de participantes, transcripción,
procedimiento/técnicas de análisis del discurso, seguimiento

31. Archivo
README…
¡imprescindible

32. Identificación de la fuente
● Persona o el evento que te va a proporcionar los datos
primarios para tu estudio.
● Una fuente es generalmente una persona, en el caso de
las entrevistas y grupos de focalización, o un evento
particular en el caso de la observación participante
● El ID de la fuente es entonces un número de referencia
asignado a cada colaborador de datos primarios,
generalmente en orden secuencial.
● Por ejemplo, si tú entrevistas a María, Juan y José en ese
orden deben ser E01, E02 Y E03, por ello deberás
designarlos como ID de la fuente 01, 02 y 03.

33. Etiquetas de datos
• Cualquier dato físico que recolectes—formatos de
consentimiento, audiocassettes, hojas de información
demográfica, dibujos o notas de entrevista—deberán ser
etiquetados para reflejar la fuente a la que están
asociados
• Con frecuencia la etiqueta es la misma que el ID de la
fuente
• Continuando con el ejemplo anterior, todos los datos
físicos asociados con María estarán etiquetados como
E01, los de Juan como E02 y los de José como E03

34. Nombre de archivo
• Si tus esfuerzos de recolección de datos producen
cualquier tipo de información electrónica—grabaciones
digitales de audio o video, formatos de consentimiento
escaneados, transcripciones—estos necesitarán también
ser etiquetados de tal manera que puedan vincularse a la
fuente original
• Debido a que los archivos electrónicos se ven iguales en
una carpeta (no hay algo físico que los distinga), los
nombres de esos archivo con frecuencia incluyen más
información descriptiva que sólo el ID de la Fuente
• Por ejemplo, la grabación en audio para la entrevista de
María se le daría el nombre de archivo “E01 IDaudio”
mientras que la transcripción de este registro de audio
debería nombrarse “E01 IDtranscripción”.

35. Ejemplo
Nombre de archivo:
CNC_Sitio1_E_01_LF_20110101
CNC_Sitio1_E_02_IU_20110116
CNC_Sitio3_E_03_VV_20110303
Clave: Abreviatura del nombre del
estudio_código del sitio_Tipo de colección de
datos_Número de archivo (secuencia)_iniciales
del recopilador de datos_datos de entrevista
(año mes dia)
Guest, Greg; Namey, Emily E.; Mitchell, Marilyn L. (2013). “Qualitative
data management”. En Collecting qualitative data: a field manual for
applied research. Publicaciones SAGE.

36. ¿Cómo interpretas esto?
Sara1 Sara2 Sara3

38. Milanés G., Y. (2022)
Lo que NO

39. ISO-8601 de 2004
Lo que SI

41. durante

47. Cuida mucho el
archivo matriz con
los datos originales

48. Codificación de archivos

50. Codif. abierta Frases clave Categorías
El Distrito
Federal es
maravilloso en
Semana
Santa… a mí
que no me
gustan las
filas…
No me gustan
las filas
CDMX
Baja afluencia

51. Siempre hemos
codificado
• Con post-its
• Con marcadores
• Codificar es
= etiquetar
= clasificar
= organizar información

52. CAQDAS
• Computer Assisted/Aided
Qualitative Data Analysis
Software

54. Tus datos de investigación

55. Tus datos de investigación

56. Escribir cada detalle para otros y para “tu-yo-del-
futuro”
Cuidar
La calidad
La consistencia
Verificar errores (instrumentales, de dedo, de cifras,
porcentajes…)
Versiones del software
Documentar tu programación
(Ej. Github)
Nombrar exactamente tus variables

57. No todo lo que
brilla es CAQDAS en
la investigación
cualitativa

58. después

64. Archivado
1. ¿Cuántas personas necesitarán acceso a los datos una vez
archivados?
2. ¿Cuánto espacio de almacenamiento se requerirá (físico o
electrónico)? ¿Qué modificaciones deberán realizarse en el área
de almacenamiento para garantizar que pueda acomodar los
datos y que los datos estén protegidos (p. ej., gabinetes
cerrados con llave, firewalls de computadora)?
3. ¿Cuándo se eliminarán los datos? ¿Se pueden desechar algunas
piezas antes que otras? ¿Qué es esencial retener? ¿Existen
requisitos institucionales que definan lo que se debe archivar?
4. Al almacenar datos electrónicos a largo plazo, ¿qué
consideraciones de software se deben hacer para garantizar
que los cambios en la tecnología no afecten negativamente el
acceso y la usabilidad de los datos?

67. https://scielo.org

70. Lista de verificación

71. - Establezca un sistema para asignar fuentes y etiquetas de datos: determine qué información incluirá
en las identificaciones de fuentes, etiquetas de datos y nombres de archivos electrónicos.
- Desarrolle un protocolo de transcripción: determine qué debe incluirse en cada transcripción y cómo
debe formatearse.
- Cree pautas para la traducción de datos: decida un estilo de traducción (literal o figurativo) figurativo)
y cómo se manejarán los modismos y otras frases difíciles de traducir.
- Redacte un registro de selección de reclutamiento: cree una hoja de cálculo estructurada de acuerdo
con sus criterios de elegibilidad, así como con sus objetivos de muestreo donde puede asignar ID de
origen para los participantes inscritos elegibles.
- Desarrolle un registro de seguimiento de datos: cree una hoja de cálculo para realizar un seguimiento
de los datos primarios, ya que se relacionan con sus fuentes y a medida que se procesan o convierten.
- Cree un sistema para monitorear la calidad de sus datos: desarrolle un plan de monitoreo de datos,
que incluya qué elementos de datos monitoreará, cómo verificará la calidad o verificará la precisión, y
con qué frecuencia se realizarán estos controles de calidad.
- Establezca un plan de organización y almacenamiento de datos: determine qué datos se almacenarán,
dónde y cómo se organizarán.
- Determine sus políticas de archivo de datos: decida cuándo y dónde archivará sus datos.
- Cree un registro de análisis de datos: prepare una hoja de cálculo u otro sistema para realizar un
seguimiento del progreso, las decisiones y los cambios del análisis.
Guest, Greg; Namey, Emily E.; Mitchell, Marilyn L. (2013). “Qualitative data management”. En Collecting
qualitative data: a field manual for applied research. Publicaciones SAGE.

73. https://memesdecultura.com/memes-de-cultura/se-que-estas-ahi-meme/

74. Lecturas recomendadas
Briney, K. (2015). Data Management for Researchers: Organize, maintain and share your data for research success. Exeter, UK, Pelagic
Publishing. Edición de Kindle .
Cox A. & Verbaan E. (2018). Exploring Research Data Management. London: Facet Publishing.
Feria Basurto, Lourdes (2023). Guía práctica de gestión de datos; veinte claves para aprovechar al máximo los datos de investigación.
Feria, L. & H. Martínez-Camacho.(2021). Los data papers como nuevas rutas de descubrimiento y comunicación: ¿qué son?, ¿cómo
estructurarlos? Y dónde publicarlos? En García Guerrero, M. et al. (2021). Ciencia abierta: opciones y experiencias para México y
América Latina.
Guest, Greg; Namey, Emily E.; Mitchell, Marilyn L. (2013). “Qualitative data management”. En Collecting qualitative data: a field
manual for applied research. Publicaciones SAGE.
Roa-Martínez, S. M.; Vidotti, S. A. B.; Santana, R. C. (2017). Estructura propuesta del artículo de datos como publicación científica.
Revista Española de Documentación Científica, 40(1): e167. doi: http://dx.doi. org/10.3989/redc.2017.1.1375

75. Lourdes Feria