Semana 4 metodología (10 y 12 enerop 2022)

Epistemología, teoría y metodología de la investigación en comunicación © 2019 Alcíbar y Baena
Máster Universitario en Comunicación y Cultura
Universidad de Sevilla
Curso 20189/20
▪ El método del AC puede ser aplicado en nueve pasos consecutivos:
1. Definir el problema de investigación
2. Revisar estudios previos: investigación relevante
3. Seleccionar unidad de análisis y de muestreo
4. Seleccionar medio, periodo temporal y muestra
5. Definir y justificar el sistema de categorías
6. Construir ficha de codificación y libro de códigos
7. Realizar estudio piloto y comprobar la fiabilidad
8. Preparar los datos y análisis
9. Establecer los resultados y las conclusiones
A N Á L I S I S D E C O N T E N I D O : PA S O S C L AV E
5 # E L A NÁ LIS IS DE CO NTE NIDO
NOTA: me centraré en el ACB, pero iré haciendo observaciones para referirme a la variante del ACI/ACC.

Curso 2019/20
Es la más frecuente en la investigación en
comunicación. Se asignan valores numéricos
de manera arbitraria a las categorías [v.
ejemplo1 de Alcíbar (2018)].
S I S T E M A D E VA R I A B L E S C U A L I TAT I VA S ( O C AT E G O R Í A S ) Y C U A N T I TAT I VA S
Variables
Categóricas
(cualitativas)
Nominal
Ordinal
Continuas
(Cuantitativas)
De
intervalo
De razón
En esta sí se pueden establecer jerarquía en los
valores. Ej., de la variable “nivel de estudios», se
pueden asignar los siguientes valores: 1. Estudios
primarios, 2. Bachillerato, 3. Universitarios...
Sus valores representan magnitudes y la
distancia entre los números de su escala es
igual. Permite hacer comparaciones de igualdad
/ desigualdad, establecer un orden dentro de
sus valores y medir la distancia existente entre
cada valor de la escala. Ej., la escala Celsius de T.
Tiene las mismas características que la anterior
con la diferencia de que cuenta con un punto
cero verdadero, es decir, el valor 0 representa
la ausencia total de medida, por lo que se
pueden comparar proporciones. Ej., la escala
Kelvin de temperatura (el cero absoluto o 0
Kelvin = -273.15°C).

Curso 2019/20
▪ Es un paso previo a la decisión de usar este método.
▪ El AC es un método para examinar el contenido tanto manifiesto como
latente de las comunicaciones. No es una teoría. Como método que es,
no proporciona ningún indicador sobre qué aspectos del contenido de
las comunicaciones se deben examinar o cómo deben interpretarse.
▪ Por tanto, en función del problema de investigación, los objetivos y las
preguntas de investigación o hipótesis que se planteen, el investigador
deberá decidir cuáles son los aspectos relevantes del contenido que
quiere analizar, tanto cuantitativa como cualitativamente. Y aquí, como
veremos, la teoría sustentadora se hace necesaria.
1 . D E F I N I R E L P R O B L E M A D E I N V E S T I G A C I Ó N

Curso 2019/20
Una clara conceptualización del problema de investigación y la subsecuente definición de
qué aspectos y categorías del contenido deberían ser analizados, deben siempre basarse
en la revisión de la literatura relevante y de la investigación o estudios relacionados.
2 . R E V I S A R E S T U D I O S P R E V I O S
Revisar estudios
previos de AC
Descubrir marcos
teóricos
Decidir
estrategias de
muestreo
Orientar hacia las
categorías
analíticas

Curso 2019/20
2 . R E V I S A R E S T U D I O S P R E V I O S : T E O R Í A S U S T E N TA D O R A
▪ A veces, el AC se realiza para describir o comparar corpus de mensajes sin el objetivo inmediato
de considerar los efectos en la audiencia. Así, el contenido tiene interés por derecho propio.
▪ Otras veces, sin embargo, también es un indicador de muchas otras fuerzas subyacentes: nos
ayuda a inferir cosas sobre fenómenos que son menos abiertos y visibles:
• Nos ayuda a hacer inferencias sobre las personas y organizaciones que producen determinado contenido.
• Nos ayuda a hacer inferencias sobre las audiencias, porque muchos estudios asumen apriorísticamente
que el contenido analizado influirá en las creencias, actitudes, intenciones o comportamientos de
algunas audiencias.
▪ Aunque por sí solo el AC no es suficiente para comprender las fuerzas que producen ese
contenido o la naturaleza o el alcance de sus efectos, es un comienzo: las regularidades
sistemáticas y pautadas en el contenido resultan de factores estructurales subyacentes estables.
▪ Centrándonos en los efectos del contenido: la expectativa de estos efectos puede provenir de la
evidencia empírica existente que documenta la respuesta de la audiencia, pero también puede
derivarse de perspectivas teóricas (lo que algunos autores llaman teoría sustentadora).

Curso 2019/20
Manganello y Fishbein (2009) definen la teoría sustentadora como aquella que sirve tanto para elaborar las
categorías como para interpretar los resultados obtenidos. Las teorías más frecuentes son:
2 . R E V I S A R E S T U D I O S P R E V I O S : T E O R Í A S S U S T E N TA D O R A S F R E C U E N T E S
FUENTE: Manganello, J. & Fishbein, M. (2009): “Using Theory to Inform Content Analysis”. En Jordan, A. et al. (Eds.): Media Messages and Public Health: A Decisions
Approach to Content Analysis, New York: Routledge.
Propone que, a través del proceso
de socialización, es más probable
que las personas que ven mucha
TV vean el mundo de una manera
consistente con los mensajes que
consumen de la TV.
Propone que los MM.CC representan un factor ambiental
que puede influir en actitudes y conductas, especialmente
cuando se observan consecuencias positivas y negativas con
respecto a la conducta descrita.
Propone que nuestro sistema conceptual
tiene un origen metafórico y, por tanto,
analizando las metáforas que usa el
productor del texto podremos inferir los
efectos en la audiencia.
Propone que la manera de encuadrar el
contenido informativo tiene un impacto en
la percepción de la realidad social por parte
de la audiencia.
Propone que la agenda de los
MM.CC (noticias difundidas de
forma cotidiana y a las que se les
da más o menos relevancia),
influye en la agenda pública. La
gente habla de lo que hablan los
medios.
TEORÍA
Teoría del
aprendizaje
/ teoría
cognitivo-
social
Teoría del
cultivo de
Gerbner
Teoría del
framing
Teoría de
la agenda-
setting
Teoría
lingüístico-
cognitiva
de la
metáfora

Curso 2019/20
EJEMPLO 1: si se analizan videojuegos porque se cree que sus contenidos
pueden influir en la conducta de los niños es aconsejable explicitar la teoría
del cultivo de Gerbner en la que se basa para justificar la investigación.
EJEMPLO 2: si se analiza cómo la prensa encuadra en sus editoriales la
política energética del gobierno, puede ser aconsejable establecer categorías
que se deriven de la teoría del framing.
2 . R E V I S A R E S T U D I O S P R E V I O S : E J E M P L O S D E T E O R Í A S S U S T E N TA D O R A S
EJEMPLO 4: si se analiza la relación entre ver vídeos de rap y conductas con
riesgos para la salud, entre los adolescentes, puede ser aconsejable recurrir a
la teoría cognitivo-social en la discusión de los resultados para ayudar a
explicar el mecanismo que subyace al efecto de los vídeos sobre el
comportamiento.
EJEMPLO 3: si se analiza el lenguaje político puede ser aconsejable basarse
en la teoría lingüístico-cognitiva de la metáfora y buscar estudios empíricos
que apoyan que las metáforas conceptuales son intrínsecamente persuasivas
y, por lo tanto, pueden desempeñar un importante papel al influir en las
creencias políticas y sociales subyacentes, al evocar una respuesta emocional
particular en el oyente o lector.

Curso 2019/20
2 . R E V I S A R E S T U D I O S P R E V I O S : C U A N D O L O R E A L S E I M P O N E A L A T E O R Í A
▪ Sobre la base de las entonces influyentes aportaciones teóricas del
psicólogo social Gustave Le Bon sobre la dinámica social y grupal, Hitler
bombardeó Londres con el objetivo de aniquilar la moral del pueblo
británico: Le Bon explicaba con todo detalle cómo reacciona la gente en
una situación de emergencia. De forma casi inmediata, escribía, el
hombre desciende «varios peldaños en la escalera de la civilización». El
pánico y la violencia se extienden por todas partes sin ningún control y el
ser humano muestra su auténtica naturaleza.
▪ Sin embargo, tras devastar Londres durante meses, los británicos no solo
no perdieron la moral sino que la calma se adueñó de la ciudad y la
solidaridad entre la gente se hizo más fuerte. Los británicos salieron
reforzados. Incluso afloró el humor: “Estamos más abiertos que de
costumbre”, escribió un comerciante cuya tienda había sido reducida a
escombros por las bombas.
▪ Paradójicamente, los expertos de la Royal Air Force hicieron oídos sordos
a los datos empíricos (creyeron que la capacidad de resistencia se debía
al peculiar carácter británico). Pero tampoco funcionó la teoría cuando
los bombarderos aliados arrasaron muchas ciudades alemanas.

Curso 2019/20
Para seleccionar una muestra, lo primero es definir nuestra unidad de análisis —personas,
organizaciones, periódicos, etc.—. El “qué o quiénes van a ser medidos”, depende de precisar
claramente el problema a investigar y los objetivos de la investigación. Estas acciones nos llevarán al
siguiente paso, que es el de delimitar una población.
3 . S E L E C C I O N A R U N I D A D D E A N Á L I S I S Y D E M U E S T R E O ( I )
Pregunta de investigación Unidad de análisis errónea Unidad de análisis correcta
¿Discriminan a las mujeres en los anuncios
de la televisión?
Mujeres que aparecen en los anuncios de
televisión. Error: no hay grupo de
comparación.
Mujeres y hombres que aparecen en los
anuncios de televisión para comparar si las
categorías de análisis difieren entre los dos
grupos.
¿Están los obreros del área metropolitana
satisfechos con su trabajo?
Computar el número de conflictos
sindicales registrados en Conciliación y
Arbitraje durante los últimos 5 años. Error:
la pregunta propone indagar sobre
actitudes individuales y esta unidad de
análisis implica datos agregados en una
estadística laboral y macrosocial.
Muestra de obreros que trabajan en el área
metropolitana cada uno de los cuales
contestará a las preguntas de un
cuestionario o será entrevistado.
¿Hay problemas de comunicación entre
padres e hijos?
Grupo de adolescentes, aplicarles
cuestionario. Error: se procedería a
describir únicamente cómo perciben los
adolescentes la relación con sus padres.
Grupo de padres e hijos. A ambas partes se
le aplicará el cuestionario o se les hará
entrevistas, de manera independiente.
¿QUIÉNES VAN A SER MEDIDOS?: ERRORES Y SOLUCIONES

Curso 2019/20
❑ La unidad de análisis (UA) y la unidad de muestreo (UM) son elementos clave de un AC,
por ello hay que definirlas rigurosamente.
❑ Hay que distinguir entre UA y UM. La primera se refiere al tipo de mensaje o actor que
se selecciona para analizar (p. ej. noticias; políticos); mientras que la segunda es cada
uno de los elementos (noticias o políticos concretos) que se someten a un proceso de
cuantificación y puede remitir a distintos aspectos del contenido (p. ej., titulares, frames
noticiosos, elecciones de lenguaje, etc.).
Tema Población Muestra
Unidad de
muestreo
Publicidad en
la revista Muy
Interesante
1980-2010
Todos los ejemplares
de Muy Interesante,
1980-2010
Revistas elegidas al
azar de las décadas
de 1980, 1990 y 2000
Anuncios de página
completa y de un
cuarto de página
Unidad de
análisis
Cada uno de los
anuncios de página
completa y de un
cuarto de página
3 . S E L E C C I O N A R U N I D A D D E A N Á L I S I S Y D E M U E S T R E O ( I I )

Curso 2019/20
A veces UA y UM coinciden. EJEMPLO: la UA es
“noticias en prensa sobre las acciones militares del
Daesh” y UM es “cada noticia concreta que describe
acciones militares del Daesh”.
Otra veces no coinciden. EJEMPLO: UA es
“largometrajes” y UM cada elemento analizable:
“secuencias”, “planos”, “actos violentos” o
“personajes principales”. O, en el ejemplo del
Daesh, la UM es cada elemento de la noticia
susceptible de análisis como, por ejemplo,
“titulares”, “elementos gráficos”, “encuadre
dominante”, etc.
3 . S E L E C C I O N A R U N I D A D D E A N Á L I S I S Y D E M U E S T R E O ( y I I I )

Curso 2019/20
En función de los objetivos y, por tanto,
del diseño de investigación será adecuado
–en caso de no poder analizar la población
entera- realizar un tipo de muestreo
probabilístico o no probabilístico.
A veces, el periodo de tiempo es el natural (p.
ej., declaración por la OMS del inicio y del final
de la pandemia del Ébola entre 2014-15). Otras
veces, el investigador acota el periodo
siguiendo ciertos criterios que tiene que
justificar.
El investigador tendrá que tomar decisiones
y justificar por qué elije para su estudio unos
medios sobre otros, unos géneros sobre
otros, etc.
Selección del periodo
de tiempo
Muestreo del contenido
relevante
Selección del medio /
tipo de comunicación
▪ Dado que de un tema, problema u objeto de investigación podemos tener una amplísima cobertura mediática,
rara vez es posible o deseable analizarla toda.
▪ Sin embargo, analizar grandes corpus de contenidos mediáticos es una de las grandes ventajas del AC
(fundamentalmente, del ACB).
4 . S E L E C C I O N A R M E D I O , P E R I O D O T E M P O R A L Y M U E S T R A

Curso 2019/20
Consiste en especificar los límites del contenido que se va a analizar, es decir, en
establecer un corpus de datos analizables. Esto requiere una apropiada definición
operativa de la población (o universo) relevante.
▪ ¿Incluye las cadenas en abierto o las de pago o ambas?
▪ ¿Incluye programas vespertinos o sólo matinales?
▪ ¿Examina los espacios informativos o se limita a las “comedias
de situación” (sitcoms)?
▪ ¿Qué rasgos definen a un grupo minoritario?
▪ ¿Incluye a todos los grupos o solo a los étnicos?
▪ Etc.
4 . S E L E C C I O N A R E L C O R P U S : D E F I N I R L A P O B L A C I Ó N
EJ.: Se quiere estudiar la imagen de los grupos minoritarios en la TV, por lo que de entrada debemos
definir los términos “TV” y “grupo minoritario”. Así, por ejemplo:

Curso 2019/20
Una vez seleccionada la población, se selecciona una muestra (si la población es
excesivamente grande como para no poder estudiarse en su totalidad).
Si la muestra es representativa de la
población, es posible hacer inferencias
sobre las características de la última.
Como, a veces, esto no es posible o
deseable se trabaja con muestras no
representativas.
La forma más simple de seleccionar el
contenido para el análisis es un censo,
esto es, todos los elementos. Proporciona
el más alto grado de representatividad.
Pero, en general, será necesario aplicar
alguna técnica de muestreo para
seleccionar una muestra representativa o
no.
4 . S E L E C C I O N A R L A M U E S T R A

Curso 2019/20
PROBABILÍSTICO
Aleatorio simple
Aleatorio sistemático
Aleatorio estratificado
NO PROBABILÍSTICO
De conveniencia
Intencional
Voluntario
4 . S E L E C C I O N A R L A M U E S T R A : T I P O S D E T É C N I C A S D E M U E S T R E O
MUESTRAS REPRESENTATIVAS MUESTRAS NO REPRESENTATIVAS
De casos extraños
De variación máxima

Curso 2019/20
Todos los individuos o unidades de la población se encuentran numerados, se van
extrayendo al azar y, por tanto, tienen la misma probabilidad de ser seleccionados.
Si conocemos el tamaño de la población (N)
se puede aplicar la siguiente fórmula para
calcular una muestra representativa (n) de
esa población:
Donde: Z es el nivel de confianza (del 95% en ciencias sociales, esto es, Z = 1,96); p es el
porcentaje con el que se aceptó la hipótesis (50%, 0,5 en la fórmula); q es el porcentaje
con el que se rechazó la hipótesis (50%, 0,5 en la fórmula) y e es el margen de error
máximo que admito (entre el 3-5%, 0,03-0,05 en la fórmula).
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O A L E AT O R I O S I M P L E

Curso 2019/20
Supongamos que queremos estudiar cómo los periódicos de referencia españoles representan
gráficamente la pandemia del Ébola en el periodo comprendido entre la declaración por la OMS del
comienzo y el final de la pandemia. Tras una búsqueda exhaustiva establecemos el censo poblacional
en 3250 gráficos (N = 3250). Aplicando la fórmula anterior se puede calcular la muestra (n)
representativa:
n = 3.250 (1,96)2 . 0,5 (1- 0,5) / (3.250 - 1). (0,03)2 + (1,96)2 . 0,5 (1 – 0,5)
n = 3.250 . 3,84 . 0,25 / 3.249 . 0,0009 + 3,84 . 0,25
n = 3.120 / 2,924 + 0,96 = 803,3
Por tanto, la muestra representativa es n = 803 gráficos. Ahora generamos una tabla de números
aleatorios, p. ej. en Excel, para seleccionar las 803 unidades muestrales (v. sencillo tutorial para
generar tablas de números aleatorios con Excel: https://www.youtube.com/watch?v=w2MYi_uMihI).
4 . S E L E C C I O N A R L A M U E S T R A : E J E M P L O D E M U E S T R E O A L E AT O R I O S I M P L E

Curso 2019/20
También se parte de un censo poblacional, pero la diferencia estriba en que se
extrae al azar un solo elemento (i). Los demás elementos serán los que ocupen las
posiciones:
En la expresión anterior, k es el coeficiente de elevación, e indica que los
individuos se toman de k en k. Se obtiene mediante la fórmula:
En el ejemplo de los gráficos del Ébola, si la N = 3250 y n = 803, entonces k = 4.
Esto significa que en la tabla de números aleatorios el primer número elegido al
azar no debe ser superior a 4; así, podría ser, por ejemplo, i= 3. Por tanto, la
selección sería: 3, 7, 11, 15, 19, 23…, así 803 veces.
i, i + k, i + 2k,…… i + (n – 1) k
k = N / n
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O A L E AT O R I O S I S T E M ÁT I C O

Curso 2019/20
Aquí la población se divide en subgrupos (estratos) de acuerdo con las categorías (variables) de
interés para el estudio.
Si se trata de personas, los estratos pueden ser sexo, edad, situación laboral, etc. A continuación se
efectúa con una tabla de números aleatorios la selección de individuos o unidades dentro de cada
estrato en función del porcentaje de cada categoría. Útil si se quieren hacer encuestas proporcionales
a un rasgo de la población.
EJ.: Supongamos que en un centro universitario hay 500
alumnos matriculados en la asignatura A y 500 en la B. En
ambas asignaturas hay 400♀. Si queremos una muestra de
100 alumnos para realizar una encuesta con la proporción de
♀ y ♂ de la población, ¿cuántos alumnos ♂ de cada
asignatura deberá tener la muestra?
Centro universitario. Población = 1000 alumnos
Asignatura A: 400♀ y 100♂
Asignatura B: 400♀ y 100♂
Proporción de ♂ del centro: (100 + 100)/1000 = 0,20
Muestra = 100 alumnos
Nº total de ♂: 100 x 0,20 = 20
Nº de ♂ en cada asignatura: 20/2 = 10
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O A L E AT O R I O E S T R AT I F I C A D O

Curso 2019/20
A diferencia del muestreo probabilístico, el no probabilístico no se basa en un proceso de
selección aleatoria, sino que, como en este caso, los elementos se seleccionan en función
de la disponibilidad para el investigador y sus intereses. No se procura de que la muestra
sea representativa, sino que aporte tanta información como sea posible.
La desventaja de esto es que no podremos
hacer inferencias a toda la población, puesto
que no sabemos si la muestra es o no
representativa de la población.
El muestreo por conveniencia es la técnica de
muestreo más común y se utiliza cuando es
imposible obtener un censo.
Esta técnica es considerada la más fácil, la más barata y en la que menos tiempo se
invierte.
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O D E C O N V E N I E N C I A

Curso 2019/20
Es similar al anterior pero aquí se justifica de forma diferente la selección de las unidades de
muestreo: Según sus intereses, el investigador decide qué elementos han de formar parte de la
muestra. Es muy importante definir y justificar claramente los criterios de inclusión y exclusión y
cumplirlos rigurosamente.
EJEMPLO: se puede elegir analizar las noticias
internacionales en periódicos como The New
York Times o El País porque se sabe que ambos
diarios dan más cobertura a este tipo de noticias
que otros.
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O I N T E N C I O N A L O E S T R AT É G I C O

Curso 2019/20
El muestreo de casos extremos es una clase de muestreo intencional que se focaliza sobre
aquellos casos que son ricos en información a causa de que son inusuales o especiales en
alguna forma. La lógica de este tipo de muestreo está en que del análisis de las
condiciones inusuales se pueden derivar aprendizajes útiles para comprender aspectos
ocultos en las situaciones regulares.
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O D E C A S O S E X T R E M O S
EJEMPLO: si queremos estudiar el
comportamiento de personas sumamente
violentas, podríamos seleccionar una
muestra de pandilleros.

Curso 2019/20
El muestreo de variación máxima es una clase de muestreo intencional que tiene como
propósito capturar y describir los temas centrales o las principales características que
tipifican una realidad humana relativamente estable. Ésta última es la principal diferencia
con el anterior.
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O D E VA R I A C I Ó N M Á X I M A
EJEMPLO: un psiquiatra que considera
pacientes con distintos niveles de
depresión: desde niveles muy altos
hasta niveles muy suaves.
Se usa cuando se busca mostrar distintas perspectivas y representar la complejidad del
objeto de estudio; o bien, documentar diversidad para identificar diferencias y
coincidencias, patrones y particularidades.

Curso 2019/20
El informante, voluntariamente, suministra información sin ser
seleccionado.
Puede tratarse de personas que
se presentan para responder
encuestas o para someterse a
tratamientos específicos no
perjudiciales, como beber
cerveza sin alcohol, medir el
grado de ansiedad ante ciertas
situaciones o llevar una dieta
equilibrada.
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O V O L U N TA R I O

Curso 2019/20
4 . S E L E C C I O N A R L A M U E S T R A : ¿ C U Á N D O E S A C O N S E J A B L E
U S A R E L M U E S T R E O N O P R O B A B I L Í S T I C O ?
EL MUESTREO NO
PROBABILÍSTICO ES
ACONSEJABLE
CUANDO…
se quiere mostrar un
rasgo determinado en la
población
se quiere realizar un
estudio piloto o
exploratorio
es imposible obtener una
muestra aleatoria
se pretende obtener el
máximo de información
posible y no tanto
generalizar o predecir
se tiene un presupuesto,
tiempo y mano de obra
muy limitados

Curso 2019/20
Muchos AC de mensajes mediáticos implica un proceso de muestreo en tres
etapas (polietápico):
4 . S E L E C C I O N A R L A M U E S T R A : M U E S T R E O P O L I E TÁ P I C O
MUESTREO POLIETÁPICO
Selección de las fuentes del
contenido, soportes y géneros
(muestreo intencional o
cualquiera de los 3 aleatorios)
Selección de temas y periodos
temporales (muestreo
intencional o aleatorio)
Registro de los ítems de
contenido relevante desde
dentro de las fuentes,
soportes y géneros
seleccionados

Curso 2019/20
ETAPA 1: Revistas masculinas son
aquéllas en las que el 80% o más de
sus lectores son hombres. Las hay de
circulación grande (llega a más de un
millón de lectores) y media (de entre
medio millón y 999.999).
De todas, se seleccionan tres al azar
por cada grupo, es decir, seis títulos
de revistas en total.
ETAPA 2: Se eligen 3 tomos de cada
año (cada tomo está formado por 4
meses). De cada tomo se selecciona
un ejemplar. Esto se hace para cada
una de las 6 revistas, lo que da una
muestra de 60 tomos por revista, o
un total de 360 tomos.
ETAPA 1
Selección de fuentes
ETAPA 3
Selección de contenido
ETAPA 2
Selección de fechas
PREGUNTA DE INVESTIGACIÓN: ¿Ha habido cambios en los tipos de productos publicitados
en las revistas masculinas desde 1980 hasta 1999?
ETAPA 3: Se registra todo anuncio
exhibido, sin importar su tamaño.
4 . S E L E C C I O N A R L A M U E S T R A : E J E M P L O D E M U E S T R E O P O L I E TÁ P I C O

Curso 2019/20
▪ El sistema de categorías analíticas es el punto central en el ACB. Pero, también, debería intentarse
concretar en forma de categorías los objetivos del ACC. Las categorías contribuyen a la
intersubjetividad del procedimiento, ayudando a que otros analistas puedan reconstruir o repetir
el análisis.
▪ Krippendorff (2004, p. 76) escribe: “Cómo se definen las categorías… es un arte. Poco se escribe
al respecto”. Eso, por supuesto, es insatisfactorio.
▪ Mayring (2014), en su descripción sistemática del ACC, presta especial atención a tratar de
establecer criterios claros para elaborar el sistema de categorías.
▪ Algunos defensores del análisis cualitativo objetan que la orientación a las categorías implica un
procedimiento de disección analítica que impide una comprensión más holística del material.
Pero, el ACC de Mayring también proporciona métodos que otorgan prominencia a la construcción
de categorías sintéticas, es decir, donde el sistema de categorías constituye realmente los
hallazgos del análisis.
▪ Además, trabajar con categorías puede contribuir decisivamente a poder comparar los hallazgos y
evaluar la fiabilidad del análisis.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : I D E A S G E N E R A L E S
FUENTE: Mayring, P. (2014): Qualitative Content Analysis. Theoretical Foundation, Basic Procedures and Software Solution, free download pdf-version.

Curso 2019/20
Mutuamente
excluyentes
Fiables Exhaustivas
Varios codificadores deben de estar en gran parte de
acuerdo en incluir cada UM en la categoría que le
corresponde. Este grado de acuerdo se suele cuantificar
y se le llama fiabilidad de los inter-codificadores.
Las categorías deben abarcar todas las posibilidades. Cuando
hay uno o dos casos inusuales se ponen en la categoría “otro”.
Un estudio con un 10% de su contenido clasificado en esta
categoría es probable que no está bien diseñado.
Cada UM sólo debe ubicarse (codificarse) en una
categoría. Si una UM “puede caer” dentro de varias
categorías, deben revisarse las definiciones de las
categorías.
DEBEN SER
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : C R I T E R I O S

Curso 2019/20
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S :
R E G L A S D E D E C I S I Ó N . E J E M P L O 1 ( I )
Una estudiante de maestría que realizó entrevistas sobre el
establecimiento de prioridades en la atención médica de
los pacientes con cáncer preguntó a sus entrevistados quién
debería participar en la toma de decisiones sobre el
tratamiento. Por medio de una aproximación inductiva de
las respuestas, generó de la categoría “participantes” el
sistema de subcategorías: “médicos”, “pacientes”,
“familiares”, “grupos de defensa de pacientes” y “otros”.
PROBLEMA: hubo cierta superposición conceptual entre “pacientes” y “grupos de defensa de pacientes”, porque
“pacientes” se definió de tal manera que se podía aplicar tanto a pacientes individuales de cáncer como a
organizaciones que representan los intereses de los pacientes.
Qué pasa con UM como “Bueno, los pacientes tal vez, algo parecido a un consejo asesor de pacientes”. ¿Se incluye
en “pacientes” o en “grupos de defensa de los pacientes”?

Curso 2019/20
R E G L A S D E D E C I S I Ó N . E J E M P L O 1 ( y I I )
RESOLUCIÓN: mediante una regla de decisión que especifique cómo los codificadores
pueden diferenciar entre las dos subcategorías. El profesor le aconsejó a la estudiante que
reconceptualizara la subcategoría “pacientes” para aplicar solo a pacientes individuales,
excluyendo a las organizaciones, y que cambiara el nombre de los “grupos de defensa de
pacientes” a “organizaciones de pacientes”.
REGLA DE DECISIÓN para los “pacientes”: “Si un entrevistado sugiere que se incluyan
organizaciones de pacientes, como grupos de defensa, grupos de presión de pacientes,
etc., en el proceso de toma de decisiones, esta categoría no se aplica. Esta categoría se
aplica solo a pacientes individuales. Las sugerencias de que grupos de pacientes con una
estructura organizativa deberían incluirse en el proceso de toma de decisiones deberían
codificarse en ‘organizaciones de pacientes’.” También debería añadirse una regla de
decisión correspondiente a las “organizaciones de pacientes”.

Curso 2019/20
▪ Hay dos procedimientos posibles para obtener categorías: (1) la definición de categoría deductiva
(más propia del ACB) intenta desarrollar categorías a partir de consideraciones teóricas en un
proceso de operacionalización en la dirección del material, (2) la definición de categoría inductiva
(más propia del ACC) intenta desarrollar categorías directamente a partir del material.
▪ En el caso del ACC, las categorías deben ser inferidas (interpretadas) por el analista. Consideramos
tres técnicas para interpretar el material textual de manera sistemática: (1) resumen, (2)
explicación, y (3) estructuración.
1. Resumen: el objeto del análisis es reducir el material de tal manera que permanezcan los contenidos
esenciales, con el fin de crear mediante la abstracción una visión completa del material base.
2. Explicación: el objeto del análisis es proporcionar material adicional sobre los componentes individuales
de texto dudoso (términos, oraciones ...) con el fin de aumentar la comprensión, explicar e interpretar el
pasaje particular del texto.
3. Estructuración: el objeto del análisis es filtrar aspectos particulares del material, dar una sección
transversal a través del material de acuerdo con criterios de ordenación predeterminados o evaluar el
material de acuerdo con ciertos criterios.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : T I P O S

Curso 2019/20
Esquema general
(sistema de
categorías)
Casos particulares (ej. Visualizaciones
de información)
Aproximación inductiva: se elaboran categorías a partir de la observación de los casos individuales
Aproximación deductiva: la fundamentación teórica proporciona las bases para establecer las
categorías (típica del ACB).
Esquema general
(sistema de
categorías)
1
2
Los casos particulares se
incluyen en las categorías
definidas a priori.
Categoría definida a posteriori
(inductivamente): “contenido tecno-biomédico”
3
Categoría: “tipo de visualización de la información”: subcategorías: (1) mapas, (2) tablas, y (3) gráficos
Datos epidemiológicos
Efectos provocados por el virus
Causas de la infección
Ciclo del virus
Estructura del virus
Carga viral en fluidos
Terapias y tratamientos
Medidas de seguridad
FUENTE: Alcíbar, M. (2018): «Information visualisation as a resource for popularising the technical-biomedical aspects of the last Ebola virus epidemic: The case of
the Spanish reference press”, Public Understanding of Science, 27(3): 365-381.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 2 ( I )
S
U
B
C
A
T
E
G

Curso 2019/20
Contenido
tecno-biomédico
1. Datos epidemiológicos
2. Estructura del virus
3. Efectos provocados virus
4. Carga viral fluidos
5. Causas de la infección
6. Ciclo del virus
7. Terapias y tratamientos
8. Medidas de seguridad
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 2 ( I I )
SISTEMA DE CATEGORÍAS

Curso 2019/20
NOTA (en libro de códigos): La subcategoría 6 (ciclo del virus) se
refiere al complejo proceso de propagación del virus desde sus
hospedadores en origen (murciélagos frugívoros) hasta sus receptores
humanos finales, pasando por sus vectores animales (primates,
antílopes). REGLA DE DECISIÓN: Si estos tres componentes de
propagación del virus aparecen integrados en un único diagrama y
presentan el mismo nivel visual (v. infografía 1), se entiende que es
un solo gráfico informativo y se clasifica como tal.
En cambio, REGLA DE DECISIÓN: si algún
componente del ciclo se desvincula del
diagrama para darle mayor protagonismo
visual (p. ej., subcategoría 5: causas de la
infección) (v. infografía 2), se considera
que éste ya no forma parte de una única
visualización y, por tanto, no se etiqueta
como subcategoría 6, sino como un gráfico
autónomo que pertenece a la 5.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 2 ( y I I I )

Curso 2019/20
▪ Sobre la base de resumir en el ACC, se puede desarrollar una técnica para la formación
de categorías inductivas. El proceso inductivo tiene como objetivo una comprensión
del material en términos del propio material, una descripción precisa, sin sesgos
debidos a las ideas preconcebidas del investigador. La formación de categorías
inductivas debe ser sistemática (v. siguiente diapositiva).
▪ Hay dos reglas básicas para la formación de categorías inductivas que deben
cumplirse: (1) se debe definir previamente el tema de las categorías a desarrollar. Tiene
que haber un criterio para el proceso de selección en la formación de categorías. Este
es un elemento deductivo y se establece a partir de la fundamentación teórica y los
objetivos del análisis, (2) se debe establecer el nivel de abstracción. Esto proviene de la
técnica de resumir que reduce el material de un nivel de abstracción al siguiente. Si no
se define este nivel, las categorías pueden ser caóticas, desordenadas, con falta de
coherencia entre sí.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : R E S U M I R

Curso 2019/20
▪ Una vez determinadas esas dos reglas, el material se trabaja línea por línea. La primera vez que se encuentra un
pasaje que se ajusta a la definición de categoría (p. ej., “referencia a los contenidos que tienen que ver con el
origen del virus, sus efectos patológicos y, en general, todo contenido que tenga que ver con asuntos tecno-
biomédicos”), se debe construir una categoría (“contenido tecno-biomédico”). Una vez construida la categoría
hay que construir sus subcategorías (p. ej., “datos epidemiológicos”, “ciclo del virus”, etc.).
▪ Un término o frase corta que se parezca lo más posible al material base sirve como etiqueta de subcategoría. La
próxima vez que se encuentre un pasaje que se ajuste a la definición de subcategoría, debe comprobarse si
pertenece a otra subcategoría previamente definida, en cuyo caso puede incluirse en esta subcategoría (un
proceso reductivo); de lo contrario, se debe formular una nueva subcategoría.
▪ Si después de trabajar con una gran cantidad de material (10–50%), no se encuentran nuevas categorías, llega el
momento de una revisión de todo el sistema de categorías.
▪ Debe comprobarse si la lógica de las categorías y subcategorías es clara (que cumpla los criterios de ser
mutuamente excluyentes, exhaustivas y fiables) y si el nivel de abstracción es adecuado para el tema y los
objetivos del análisis.
▪ Quizás deba cambiarse la definición de categoría mediante reglas de decisión. Por supuesto, si hay algún cambio
en el sistema de categorías, el material completo debe ser elaborado una vez más.
F O R M A C I Ó N D E L A S I N D U C T I VA S ( I )

Curso 2019/20
▪ Después de este análisis, tenemos un conjunto de categorías (y subcategorías)
para un tema específico, conectado con pasajes específicos en el material.
▪ El análisis posterior puede tomar diferentes caminos:
1. Todo el sistema de categorías puede interpretarse en términos de los
objetivos del análisis y las teorías utilizadas; y
2. Los vínculos entre categorías y subcategorías y pasajes en el material se
pueden analizar cuantitativamente. Por ejemplo, podemos observar las
frecuencias de cada subcategoría que ocurren en el material. Así, “datos
epidemiológicos” (56%), “ciclo del virus” (3,3%), etc..
F O R M A C I Ó N D E L A S I N D U C T I VA S ( y I I )

Curso 2019/20
▪ En un estudio sobre el aprendizaje de las emociones, Laukenmann et al.
(2003) analizaron entrevistas sobre experiencias concretas de aprendizaje de
24 estudiantes de octavo grado. Construyeron categorías inductivas, a partir
del material de contenido sobre las experiencias positivas de aprendizaje, con
un nivel medio de abstracción:
• C1: Feliz con las interesantes actividades de aprendizaje de hoy (21 veces)
• C2: Feliz de dominar el tema y de haber entendido todo (21 veces)
• C3: Temas asombrosos en la lección (literatura, poemas) (16 veces)
• C4: Disfruté de la retroalimentación positiva del maestro (14 veces)
• C5: Buen trabajo en grupo o trabajo en pareja (11 veces)
• C6: Problemas interesantes (electricidad) en la lección (3 veces)
Laukenmann, M., Bleicher, M., Fuß, S., GläserZikuda, M., Mayring, P. y von Rhöneck, C. (2003): “An investigation of the influence of emotional factors on learning in
physics instruction”, International Journal of Science Education, 25(4), pp. 489-507.

Curso 2019/20
▪ Estas categorías inductivas dan una impresión sobre las emociones positivas
en los procesos de aprendizaje.
▪ En un segundo paso, encontraron dos categorías principales dentro de esta
lista, con un nivel alto de abstracción: emociones positivas sobre los procesos
de aprendizaje (C1, C2, C4, C5) y emociones positivas sobre el contenido de
aprendizaje (C3, C6).
▪ Luego compararon las ocurrencias (número de veces que aparecen en el
material base) de esas categorías principales entre dos grupos de alumnos de
alto y bajo rendimiento y encontraron una correlación entre las emociones
positivas sobre los procesos de aprendizaje y el alto rendimiento en el aula.
▪ Eso parece indicar que es más importante para una buena enseñanza asociar
la emocionalidad positiva con procesos de aprendizaje exitosos que con el
contenido de aprendizaje.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 3 ( y I I )

Curso 2019/20
▪ El estudio es un AC de las series de TV emitidas por las tres grandes cadenas de TV de
EE.UU (ABC, CBS, NBC) (Greenberg et al., 1980). Se evaluaron distintos programas
durante 3 periodos de 1975 a 1978, para determinar el grado en que la TV mostraba
actos prosociales y antisociales como medida de la violencia televisada.
▪ El estudio considera como unidad de análisis la serie de TV y como unidad de muestreo
la conducta: cada vez que se presentaba una conducta de los personajes era codificada.
▪ Cuando se crean las categorías, éstas deben definirse con precisión y es necesario
explicitar qué va a comprender y qué se va a excluir en cada caso.
▪ Las categorías y subcategorías usadas son:

Curso 2019/20
SUBCATEGORÍA
CATEGORÍA
Acto
prosocial
Altruismo
Definido como
un acto en el
que humanos
o animales
comparten, se
ayudan o coo-
peran, siempre
que el acto no
sea ilícito.
Mostrar afecto
Explicar los sentimientos
de uno mismo
Referido a ofre-
cer o exhibir
abiertamente
emociones posi-
tivas hacia huma-
nos y animales.
Consiste en afirmaciones
verbales que explican
sentimientos, pensamientos
o acciones de uno mismo
(yo), y que tienen como pro-
pósito lograr un resultado
positivo.
Explicar los sentimientos
de otros
Consiste en afirmaciones
verbales que explican
sentimientos, pensamientos
o acciones de los demás,
y que tienen como propósito
lograr un resultado positivo.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 4 ( I I )

Curso 2019/20
SUBCATEGORÍA
CATEGORÍA
Acto
antisocial
Robo
Acción de
tomar inten-
cional y deli-
beradamente
una propiedad
que pertenece
a otra persona
o institución,
sin derecho o
permiso.
Engaño Agresión verbal
Mentira intencio-
nal de alguien
con el propósito
de provocar algo
malo en detri-
mento de un indi-
viduo, grupo o
institución. P. ej.,
fraude, mentiras,
asumir la
identidad de
otros.
El envío de mensajes
nocivos tales como recha-
zos, amenazas verbales,
insultos o frases hostiles.
Agresión física
Referida a cualquier conduc-
ta manifiesta con intención
es dañar, asustar, lesionar o
injuriar a uno mismo o a
otro individuo, animal o
propiedad.
Asalto con objeto (arma,
etc.).
Asalto sin objeto (p. ej.,
usando las manos).
Amenaza física (pone en
peligro el bienestar de
alguien).
Disparar a alguien con arma
de fuego.
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 4 ( I I I )

Curso 2019/20
5 . D E F I N I R Y J U S T I F I C A R E L S I S T E M A D E C AT E G O R Í A S : E J E M P L O 4 ( y I V )

Curso 2019/20
➢ El sentido común y la práctica con los sistemas de codificación son guías
valiosas que deben ayudar a que el investigador evite implementar sistemas
con:
1. Muy pocas categorías, en el que se oscurezcan las diferencias esenciales.
2. Muchas categorías, en el que solo un pequeño porcentaje de elementos
de la UM “caigan” dentro de cada categoría, limitando, por tanto, las
generalizaciones.
➢ Como regla general, muchos investigadores sugieren que es preferible
contar al principio con muchas categorías que con pocas, pues es más fácil
combinar varias categorías en una que subdividir una grande en varias.
¿ C U Á N TA S C AT E G O R Í A S D E B E H A B E R ?

Curso 2019/20
▪ Una vez las categorías (y subcategorías) han sido elegidas y definidas, se necesita
establecer un formulario codificable (ficha de análisis o de codificación).*
▪ Un libro de códigos (codebook), también llamado protocolo de AC, es una guía clara y
sistemática que, además de establecer las categorías y sus valores asociados,
proporciona instrucciones claras sobre cómo debe hacerse la codificación.
▪ Esto permite que el AC sea replicable y que, además, ayude a establecer un criterio
científico de fiabilidad.
Ítem Fecha Periódico Género Tema Frame Actor 1 Actor 2 Actor 3 Postura
1
2
3
6 . C O N S T R U I R F I C H A D E C O D I F I C A C I Ó N Y L I B R O D E C Ó D I G O S
* NOTA: si se van a realizar estadísticas descriptivas (tablas, gráficos) una buena idea es usar una matriz de Excel como ficha de codificación.

Curso 2019/20
▪ Un buen libro de códigos se asemeja a un “libro de recetas de cocina”. Éste especifica los
ingredientes y los procedimientos necesarios para cocinar un plato; si todo ello se expresa con
claridad, no se necesita ser un gran cocinero para preparar un guiso delicioso. Se entregará una
copia a cada codificador.
▪ El libro de códigos es un manual de instrucciones en el que se establece:
1. Cuál es la naturaleza del corpus.
2. Cuáles son las unidades de análisis y de muestreo.
3. Cuáles son las categorías, sus valores asociados, sus reglas de
decisión y ejemplos ilustrativos.
4. Cómo se cumplimenta la ficha de análisis.
5. Cómo dar por concluida la ficha de análisis.
NOTA: véase el ejemplo de libro de códigos en plataforma virtual.
L I B R O D E C Ó D I G O S

Curso 2019/20
7 . R E A L I Z A R E S T U D I O P I L O T O Y C O M P R O B A R L A F I A B I L I D A D
ESTUDIO PILOTO
(pequeña submuestra: 10-
15 %)
Mezclar diferentes
niveles de codificación
(P. ej., confundir “edad” con “sexo”
(hombre, mujer, niño)
Diferenciación
insuficiente en el
sistema de categorías
Confundir unidades de
análisis y de muestreo
(P. ej., confundir el “anuncio” como
UA con el “tipo de actor” que
aparece en el anuncio (UM)

Curso 2019/20
Si el nivel de acuerdo es bajo, la fiabilidad es baja y, por
tanto, algo falla con las instrucciones de codificación, con las
definiciones de las categorías, con la UM o con alguna
combinación de éstas.
F I A B I L I D A D I N T E R - C O D I F I C A D O R A
El estudio piloto debe incluir alguna medición del
nivel de fiabilidad de la codificación.
La fiabilidad se refiere al nivel de acuerdo entre los
codificadores independientes que registran el
mismo contenido con el mismo instrumento de
codificación (fiabilidad inter-codificadora) y a la
consistencia de un codificador individual cuando
practica la codificación sobre el tiempo (fiabilidad
intra-codificadora).

Curso 2019/20
▪ Holsti proporciona la siguiente fórmula para determinar la fiabilidad en términos de
porcentaje de acuerdo: F = 2M / N₁ + N₂
▪ Donde M es el número de decisiones de codificación en las que dos codificadores
están de acuerdo; y N₁ y N₂ son los números totales de las decisiones de codificación
de parte del primero y del segundo codificador, respectivamente.
▪ EJ.: Supongamos que dos codificadores juzgan una sub-muestra de 50 UM y están de
acuerdo en 35 de ellas, el cálculo es:
F = 2(35) / 50 + 50; F = 70 / 100 = 0,7
▪ F debe ser ≥ 0,80 para que el estudio sea fiable.
▪ Este método es directo y fácil, pero no tiene en cuenta ningún acuerdo de los
codificadores que suceda por casualidad. P. ej. un sistema con dos categorías tiene un
50% de fiabilidad sólo porque hay un 50% de probabilidad de incorporar una UM a una
u otra categoría. Un sistema de 5 categorías, un 20% y así sucesivamente.
F I A B I L I D A D : F Ó R M U L A D E H O L S T I

Curso 2019/20
▪ Para corregir esto, Scott desarrolló el índice pi (para dos codificadores) y Cohen el
índice kappa (para más de dos), que tienen en cuenta tanto el número de categorías
como la frecuencia probable de su uso:
Índice pi o kappa = PAo – PAe / 1 – PAe
▪ Siendo PAo el porcentaje de acuerdos observados y PAe el de esperados por
probabilidad.
▪ EJ.: Supongamos dos codificadores que están codificando anuncios de una
revista en cinco categorías (p. ej. categoría 1: producto que se muestra en el
anuncio; categoría 2: empresa que se anuncia; etc…).
▪ Tanto el codificador A como el codificador B codifican los mismos anuncios
para cada una de las cinco categorías. El resultado de esta codificación es el
siguiente:
F I A B I L I D A D : F Ó R M U L A D E S C O T T ( I )

Curso 2019/20
CODIFICADOR
A
CODIFICADOR B
CATEGORÍAS
1 2 3 4 5
TOTALES MARGINALES
1 42 2 1 3 0 48
2 1 12 2 0 0 15
3 0 0 10 0 2 12
4 0 2 1 8 1 12
5 2 0 1 2 8 13
TOTALES
MARGINALES
45 16 15 13 11 100
F I A B I L I D A D : F Ó R M U L A D E S C O T T ( I I )

Curso 2019/20
Primero calculamos el PAo (se obtiene sumando los números de la diagonal): PAo = Total
Ao / N = 80 / 100 = 0,80 (80% de acuerdo).
Calcular PAe es algo más complicado. Se halla multiplicando los totales marginales de cada
codificador para cada categoría y dividiendo ese producto entre el total N. Por último, se
suman los 5 resultados obtenidos y esa es la frecuencia (o porcentaje) de PAe. Así:
▪ Para la celda de la fila 1 y columna 1: 45 x 48 / 100 = 21,6 (o 0,216).
▪ Para la celda de la fila 2 y la columna 2: 16 x 15 / 100 = 2,4 (o 0,024).
▪ Para la fila 3 y la columna 3: 15 x 12 / 100 = 1,8 (o 0,018).
▪ Para la fila 4 y la columna 4: 13 x 12 / 100 = 1,56 (o 0,0156).
▪ Para la fila 5 y la columna 5: 11 x 13 = 1,43 (o 0,0143).
▪ La suma de estos 5 resultados obtenidos es 0,2879.
Luego, índice pi de Scott = PAo – PAe / 1 – PAe = 0,8 – 0,2879 / 1 – 0,2879 = 0,719
F I A B I L I D A D : F Ó R M U L A D E S C O T T ( Y I I I )

Curso 2019/20
http://dfreelon.org/utils/recalfront/recal2/
R E C A L 2 ( “ R E L I A B I L I T Y C A L C U L AT O R F O R 2 C O D E R S ” )

Curso 2019/20
▪ Todos los informes de AC deben ser coherentes internamente:
▪ Un informe basado en una epistemología constructivista no debería pasar al uso de
terminología y técnicas basadas en epistemologías positivistas o realistas.
▪ Generalizar a poblaciones a partir de pequeñas muestras intencionadas parece incompatible
con una epistemología constructivista.
▪ Generalizar a poblaciones enteras a partir de muestras no probabilísticas es incompatible con
una epistemología positivista o realista, así como un ajuste deficiente con el plan de
muestreo elegido.
▪ Las discusiones y las implicaciones deben limitarse a los datos examinados o las
inferencias apropiadas a partir de ellos.
▪ Los investigadores deben cuidarse de mostrar evidencia de apoyo adicional al hacer
inferencias a partir de los hallazgos del AC.
M A N T E N E R L A C O N S I S T E N C I A I N T E R N A D E L E S T U D I O

Epistemología, teoría y metodología de la investigación en comunicación © 2017 Francisco Baena & Miguel Alcíbar
Curso 2019/20
1. Comenzar con una pregunta de
investigación de mérito y valor
2. Identificar la epistemología del
estudio seleccionado
3. Garantizar la ética de investigación
adecuada, y salvaguardas para los
participantes
4. Indicar el diseño de investigación del
estudio
Aclarar las
características
de la muestra
PARA GARANTIZAR EL RIGOR DEL ESTUDIO
Pasos comunes a todos
los tipos de AC
Pasos diferenciados según el tipo de AC
Detallar los
métodos de
recopilación
de datos
Autorreflexión del
investigador
ACB: se debe pensar en la
conexión entre la muestra y su
impacto en el uso apropiado
de la estadística (p. ej. la
estadística paramétrica suele
requerir una probabilística).
ACC: suelen ser muestras
intencionadas. Si se busca
riqueza en lo inusual, se usa el
muestreo de casos extremos.
Para solventar el peligro de la
homogeneidad e incluir
variedad en la muestra, se usa
el muestreo de variación
máxima.
ACB: recuento de atributos,
actitudes, comportamientos y
otras variables definidas con
el fin de respaldar o refutar la
hipótesis de un fenómeno
específico. Análisis de textos,
cuestionarios, encuestas y
sondeos.
ACC: observación, entrevista,
focus groups, recolección de
documentos y materiales, y las
historias de vida. Los métodos
cualitativos implican codificar
los datos recabados y
codificarlos.
Detallar la
codificación
y el análisis
de datos
PA S O S PA R A G A R A N T I Z A R E L R I G O R D E E S T U D I O S B A S A D O S E N E L A C
ACB: listas de códigos a priori
o una combinación de códigos
desarrollados a priori y de
forma inductiva que abordan
el contenido que la lista de
códigos original no cubría
adecuadamente. El analista
debe describir sus esfuerzos
para capacitar a los
codificadores y mejorar y
documentar la fiabilidad entre
codificadores en su totalidad.
ACC: codificación inductiva, el
analista debe ser muy riguroso
en la descripción de los
códigos y proporcionar
múltiples ejemplos de cómo
tomó las decisiones de
codificación.
ACC: el investigador
debe indicar brevemente
cualquier sesgo o
expectativas iniciales
que hayan influido en la
pregunta del estudio, la
recopilación de datos y
el análisis de datos. Las
descripciones de
codificación y análisis
deben explicar cómo los
múltiples puntos de vista
y otras influencias
contextuales impactan la
interpretación del
significado de los datos.

Curso 2019/20
▪ El acto de codificar implica leer/visionar cada caso (p. ej.,
noticia, anuncio, programa, página web, etc.) y luego ingresar
los valores codificados relevantes directamente a un
programa de análisis de datos.
▪ Los programas adecuados para gestionar y analizar los datos
del AC incluyen el poderoso programa de análisis estadístico
SPSS, así como el Excel.
▪ Así, podemos codificar los valores de las categorías en ficha de
análisis para luego explotar estadísticamente los datos.
▪ Un buen punto de partida para cualquier ACB es establecer
simplemente la distribución de frecuencias de cada una de las
principales categorías analizadas antes de encarar análisis de
tabulación cruzada (contingencias) más complejos que
comparan dos o más dimensiones entre sí.
▪ Para realizar ACC, Mayring y colegas han desarrollado el
software QCAmap de acceso libre:
https://www.qcamap.org/ui/home.
8 . P R E PA R A R L O S D AT O S Y A N Á L I S I S

Curso 2019/20
▪ Cómo fue construido el plan de codificación y cómo se probó en un estudio piloto.
La redacción de la investigación debe ser
transparente sobre la metodología,
métodos y aproximación epistemológica.
Debe quedar claro:
- Los resultados del AC se pueden presentar mediante tablas y gráficos (típico ACB) o por medio de texto
interpretativo (típico ACC).
- Las conclusiones deben resumir los hallazgos clave y relacionarlos con las PI o H y responder a los objetivos
de la investigación.
▪ Cuál fue el marco teórico.
▪ Cuál fue la justificación de la muestra.
▪ Qué muestra fue analizada.
▪ Cuál fue y cómo se calculó la fiabilidad.
▪ Cómo se realizó el análisis y qué resultados se obtuvieron.
9 . E S TA B L E C E R R E S U LTA D O S Y C O N C L U S I O N E S

Curso 2019/20
Se trata de plantear un diseño de investigación basado en el AC, justificando cada “toma de decisión”
que se adopte para elaborar el diseño. Se debe:
T R A B A J O PA R A L A E VA L U A C I Ó N
▪ Delimitar un tema (problema) de investigación abordable. Nombrarlo y justificar por qué es abordable.
▪ Establecer objetivos generales y específicos de la investigación adecuados.
▪ Formular preguntas de investigación y/o hipótesis adecuadas.
▪ Proponer qué tipos de datos se precisan. Si se parte o no de una fundamentación teórica (¿de qué tipo?) y por
qué. Y cuál sería la mejor forma de recolectar los datos.
▪ Explicar y Justificar un itinerario metodológico en función del problema de investigación y de las PI/H:
✓ Propuesta y justificación de un corpus adecuado
✓ Propuesta y justificación de una muestra adecuada
✓ Propuesta y justificación de una unidad de análisis y unidad/es de muestreo adecuadas
✓ Propuesta y justificación de un sistema de categorías adecuado
✓ Propuesta de cómo explotar los datos obtenidos (o sea, de segundo orden)
El trabajo debe tener entre 1000-1200 palabras. No hay que desarrollar las decisiones adoptadas, sólo
justificarlas y que sean mutuamente coherentes.

Semana 4 metodología (10 y 12 enerop 2022)

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (15)

Similar a Semana 4 metodología (10 y 12 enerop 2022)

Similar a Semana 4 metodología (10 y 12 enerop 2022) (20)

Más de Miguel Alcíbar Cuello

Más de Miguel Alcíbar Cuello (20)

Último

Último (20)

Semana 4 metodología (10 y 12 enerop 2022)