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
Se analizan buenas prácticas que los bibliotecarios pueden implementar en sus servicios de información basados en datos para los usuarios académicos, en particular quienes se dedican a la investigación científica
por Fernando Ariel López (CAICYT-CONICET) y Lorena Carlino (CONICET) en las Jornadas Virtuales de Acceso Abierto 2016 (25 de octubre de 2016). Más información en http://www.caicyt-conicet.gov.ar/micrositios/accesoabierto/
Se analizan buenas prácticas que los bibliotecarios pueden implementar en sus servicios de información basados en datos para los usuarios académicos, en particular quienes se dedican a la investigación científica
por Fernando Ariel López (CAICYT-CONICET) y Lorena Carlino (CONICET) en las Jornadas Virtuales de Acceso Abierto 2016 (25 de octubre de 2016). Más información en http://www.caicyt-conicet.gov.ar/micrositios/accesoabierto/
La gestión de datos de investigación en el horizonte de las bibliotecas de i...Julio Alonso Arévalo
La sociedad TIC necesita, hace uso y proporciona de una enorme cantidad de datos; procesarlos, entenderlos y transformarlos en decisiones de valor es el reto del análisis de los llamados "big data", un término utilizado para referirse a la explosión de una ingente cantidad y diversidad de datos digitales de alta frecuencia, que se están convirtiendo en un elemento esencial para la competencia, y en un futuro inmediato, y que según la mayoría de los expertos en el tema serán clave para el crecimiento de la productividad, la innovación y la posibilidad de generar el suficiente excedente para las sostenibilidad de la sociedad. Y la gestión de los datos de investigación (Big Data) se plantea como uno de los grandes retos que han de asumir durante los próximos años las bibliotecas científicas y de investigación. Ya la mitad de las universidades estadounidenses tienen un plan de trabajo sobre esta cuestión, todos los informes de tendencias están de acuerdo en que la Gestión de Datos de Investigación (RDM) será una de las cuestiones prioritarias y de futuro que deberán asumir las bibliotecas de investigación. En esta comunicación se hace un análisis del estado de la cuestión sobre la gestión de datos de investigación, normativa, repositorios de datos, prácticas y políticas que están desarrollando las bibliotecas en torno al tema.
Taller de Manejo y Almacenamiento de Datos Científicos. Ciudad de Buenos Aires, 6 de Marzo de 2015.
Se realizó en la sede central de CONICET el "Taller de Manejo y Almacenamiento de Datos Científicos", organizado por la Gerencia de Desarrollo Científico y Tecnológico de CONICET.
El taller fue abierto por el Gerente de la Gerencia de Desarrollo Científico y Tecnológico Dr. Jorge Tezón y coordinó el taller la Dra. Patricia Maccagno de la Dirección Convenios y Proyectos de esta Gerencia.
Participaron en el taller representantes de los Observatorios de datos de ACUMAR, del Observatorio Nacional de Degradación de Tierra y Desertificación, del Proyecto Argentino de Monitoreo y Prospección de Ambientes Acuáticos, PAMPA2, de la Red Argentina para el Estudio de la Atmósfera Superior, RAPEAS y de Plataforma Interactiva de Investigación en Ciencias Sociales, PLICCS, de la Gerencia de Desarrollo Científico y Tecnológico y Gerencia de Sistemas de CONICET. Esta misma gerencia presentó también avances en el Repositorio Institucional de CONICET y comentó sobre la evolución de SIGEVA. Participó asimismo un representante de la articulación del PIO-YPF-CONICET.
Durante el taller cada uno de los expositores presentó un panorama del manejo actual de los datos científicos y de las necesidades de control de calidad de datos y metadatos.
CAICYT con la presencia de la Directora Mela Bosch y de Fernando Ariel López de Comunicación Institucional y Diego Ferreyra de Tecnología Documental participó en el cierre y conclusiones del taller. Durante su presentación se indicó el marco general de la problemática de datos abiertos en el mundo y las propuestas CAICYT al respecto. Ver presentación: CAICYT_Datos Científicos. En tal sentido se adelantaron los aspectos del Proyecto Institucional Metodologías en Herramientas Digitales en la Investigación. Además presentaron las bases de un Marco de verificación de calidad de metadata e infraestectura de datos primarios científicos, el cual debería integrar los Planes de Gestión de Datos de los diferentes proyectos y observatorios.
El análisis de los datos recopilados se refiere al proceso de examinar, organizar e interpretar los datos recopilados durante la investigación o la recopilación de datos. Implica el uso de diversas técnicas estadísticas y analíticas para extraer información significativa, identificar patrones, probar hipótesis y sacar conclusiones.
Prompts para investigación cualitativa: ideas para su construcciónLourdes Feria
La inteligencia artificial puede ser una gran herramienta para la investigación cualitativa si es aplicada con estrategias adecuadas. En esta presentación se ofrecen algunas ideas para ello
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
Una estrategia de éxito para obtener resultados relevantes en las aplicaciones de IA es el uso de "prompts". Aquí se proporcionan algunas ideas para su construcción
La gestión de datos de investigación en el horizonte de las bibliotecas de i...Julio Alonso Arévalo
La sociedad TIC necesita, hace uso y proporciona de una enorme cantidad de datos; procesarlos, entenderlos y transformarlos en decisiones de valor es el reto del análisis de los llamados "big data", un término utilizado para referirse a la explosión de una ingente cantidad y diversidad de datos digitales de alta frecuencia, que se están convirtiendo en un elemento esencial para la competencia, y en un futuro inmediato, y que según la mayoría de los expertos en el tema serán clave para el crecimiento de la productividad, la innovación y la posibilidad de generar el suficiente excedente para las sostenibilidad de la sociedad. Y la gestión de los datos de investigación (Big Data) se plantea como uno de los grandes retos que han de asumir durante los próximos años las bibliotecas científicas y de investigación. Ya la mitad de las universidades estadounidenses tienen un plan de trabajo sobre esta cuestión, todos los informes de tendencias están de acuerdo en que la Gestión de Datos de Investigación (RDM) será una de las cuestiones prioritarias y de futuro que deberán asumir las bibliotecas de investigación. En esta comunicación se hace un análisis del estado de la cuestión sobre la gestión de datos de investigación, normativa, repositorios de datos, prácticas y políticas que están desarrollando las bibliotecas en torno al tema.
Taller de Manejo y Almacenamiento de Datos Científicos. Ciudad de Buenos Aires, 6 de Marzo de 2015.
Se realizó en la sede central de CONICET el "Taller de Manejo y Almacenamiento de Datos Científicos", organizado por la Gerencia de Desarrollo Científico y Tecnológico de CONICET.
El taller fue abierto por el Gerente de la Gerencia de Desarrollo Científico y Tecnológico Dr. Jorge Tezón y coordinó el taller la Dra. Patricia Maccagno de la Dirección Convenios y Proyectos de esta Gerencia.
Participaron en el taller representantes de los Observatorios de datos de ACUMAR, del Observatorio Nacional de Degradación de Tierra y Desertificación, del Proyecto Argentino de Monitoreo y Prospección de Ambientes Acuáticos, PAMPA2, de la Red Argentina para el Estudio de la Atmósfera Superior, RAPEAS y de Plataforma Interactiva de Investigación en Ciencias Sociales, PLICCS, de la Gerencia de Desarrollo Científico y Tecnológico y Gerencia de Sistemas de CONICET. Esta misma gerencia presentó también avances en el Repositorio Institucional de CONICET y comentó sobre la evolución de SIGEVA. Participó asimismo un representante de la articulación del PIO-YPF-CONICET.
Durante el taller cada uno de los expositores presentó un panorama del manejo actual de los datos científicos y de las necesidades de control de calidad de datos y metadatos.
CAICYT con la presencia de la Directora Mela Bosch y de Fernando Ariel López de Comunicación Institucional y Diego Ferreyra de Tecnología Documental participó en el cierre y conclusiones del taller. Durante su presentación se indicó el marco general de la problemática de datos abiertos en el mundo y las propuestas CAICYT al respecto. Ver presentación: CAICYT_Datos Científicos. En tal sentido se adelantaron los aspectos del Proyecto Institucional Metodologías en Herramientas Digitales en la Investigación. Además presentaron las bases de un Marco de verificación de calidad de metadata e infraestectura de datos primarios científicos, el cual debería integrar los Planes de Gestión de Datos de los diferentes proyectos y observatorios.
El análisis de los datos recopilados se refiere al proceso de examinar, organizar e interpretar los datos recopilados durante la investigación o la recopilación de datos. Implica el uso de diversas técnicas estadísticas y analíticas para extraer información significativa, identificar patrones, probar hipótesis y sacar conclusiones.
Prompts para investigación cualitativa: ideas para su construcciónLourdes Feria
La inteligencia artificial puede ser una gran herramienta para la investigación cualitativa si es aplicada con estrategias adecuadas. En esta presentación se ofrecen algunas ideas para ello
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
Una estrategia de éxito para obtener resultados relevantes en las aplicaciones de IA es el uso de "prompts". Aquí se proporcionan algunas ideas para su construcción
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
Revisión de herramientas de inteligencia artificial (IA) para optimizar, desde las profesiones de información, la gestión de recursos, mejorar la accesibilidad a la información científica y facilitar el trabajo de estudiantes y profesores.
El Plan Datos como Herramienta para la Ciencia AbiertaLourdes Feria
Todo lo que necesitas saber para elaborar tu plan de datos de investigación ¿Qué tipo de datos vas a crear¿ ¿Cómo los vas a documentar? ¿Cómo cuidarás los datos sensibles? ¿Qué vas a hacer con ellos al final? ¿Cómo los vas a compartir?. Todos los tesistas y los académicos que generan publicaciones científicas necesitan conocer esta herramienta.
Calendario 2022 sobre la Ciencia AbiertaLourdes Feria
Versión en español de Calendario temático sobre Open Science desarrollado por DYI YUFE. ¡Totalmente personalizable!. Más información sobre el original en: https://lnkd.in/ee_2KPQb
La sociedad requiere soluciones emanadas de una ciencia cada vez más colaborativa. Para ello los científicos con el acompañamiento de los bibliotecarios fortalecerán sus proyectos de investigación, datos y herramientas a favor de la ciencia abierta.
¿Por qué alfabetizar en datos en la biblioteca?Lourdes Feria
Reflexiones sobre la importancia de los datos en las bibliotecas, así como las acciones de gestión de los mismos. Se presenta un modelo de siete buenas prácticas y una propuesta de cuatro habilidades básicas para entender los datos
Tres desarrollos tecnológicos son analizados a la luz de su impacto en las bibliotecas: big data, descubrimiento de información y minería de datos y entornos virtuales de aprendizaje
Los avances tecnológicos y las nuevas generaciones de usuarios de las bibliotecas demandan acceso ágil y digital a la información. Los nuevos catálogos son más parecidos a interfaces de Internet que a los tradicionales OPACs
Conversar con los datos: herramientas digitales de investigación cualitativaLourdes Feria
Con el objetivo de motivar el uso de plataformas informáticas para la investigación científica cualitativa se muestra el uso y funciones del software NVivo, mostrando un ejemplo a partir de un estudio local
Las bibliotecas y el mapa IFLA en la Agenda 2030 Lourdes Feria
Se han seleccionado los componentes básicos del Manual de la IFLA para contar historias bibliotecarias vinculadas con los Objetivos de Desarrollo Sostenible de laS Naciones Unidas
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
Documento sobre las diferentes fuentes que han servido para transmitir la cultura griega, y que supone la primera parte del tema 4 de "Descubriendo nuestras raíces clásicas", optativa de bachillerato en la Comunitat Valenciana.
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMJuan Martín Martín
Examen de Selectividad de la EvAU de Geografía de junio de 2023 en Castilla La Mancha. UCLM . (Convocatoria ordinaria)
Más información en el Blog de Geografía de Juan Martín Martín
http://blogdegeografiadejuan.blogspot.com/
Este documento presenta un examen de geografía para el Acceso a la universidad (EVAU). Consta de cuatro secciones. La primera sección ofrece tres ejercicios prácticos sobre paisajes, mapas o hábitats. La segunda sección contiene preguntas teóricas sobre unidades de relieve, transporte o demografía. La tercera sección pide definir conceptos geográficos. La cuarta sección implica identificar elementos geográficos en un mapa. El examen evalúa conocimientos fundamentales de geografía.
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.
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
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?
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
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.
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
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
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?
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.
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