Actividad 5 - Métodos para el análisis de datos en la investigación-docente Javier Morales

Universidad Iberoamericana- Lic. en educación infantil vir 

Jacqueline Gaviria Serna - ID: 100185071

 Actividad 5 - Métodos para el análisis de datos en la investigación-docente Javier Morales 

 

la etapa investigativa es uno de los momentos más importante en el análisis de los datos. Esta parte del proceso es fundamental, ya que a partir del análisis podemos interpretar la información recopilada, responder nuestras preguntas de investigación y llegar a conclusiones significativas. En este blog quiero compartir un resumen claro sobre los principales métodos de análisis de datos, tanto cualitativos como cuantitativos, así como las herramientas y técnicas que pueden ayudarnos a hacerlo de manera más eficiente.

CARACTERÍSTICAS DE ANALISIS CUALITATIVO Y CUANTITATIVO

ANALISIS CUALITATIVO 

Este análisis se enfoca en comprender fenómenos sociales o humanos desde una perspectiva más profunda y subjetiva. Generalmente se trabaja desde entrevistas, grupos focales, diarios de campo o documentos. Aquí no se buscan números, sino significados, percepciones, emociones, narraciones. En este tipo de análisis, solemos codificar la información, identificar temas recurrentes, patrones de comportamiento y construir categorías que nos ayuden a comprender mejor lo que ocurre.

ANALISIS CUANTITATIVO

El análisis se basa en datos numéricos y utiliza herramientas estadísticas para medir, comparar o establecer relaciones entre variables. Este enfoque es más estructurado y permite analizar grandes volúmenes de datos con el fin de obtener resultados objetivos y generalizables. Se utilizan encuestas, pruebas estandarizadas, escalas de medición, entre otros instrumentos.

En el siguiente video podemos ver un poco con mas claridad las diferencias que son estos diferentes métodos de análisis 

Ya teniendo claro lo anterior miremos que estrategias y técnicas se pueden utilizar para procesar los datos de investigación.

-Dependiendo del enfoque, existen diversas técnicas que se pueden aplicar. En el caso del análisis cualitativo, algunas de las más comunes son:

• Codificación: consiste en etiquetar fragmentos de texto con palabras clave que representen una idea o categoría.

• Análisis temático: permite identificar temas recurrentes a lo largo de los datos.

• Teoría fundamentada: busca generar una teoría a partir del análisis profundo de los datos.

En el análisis cuantitativo, las técnicas más comunes incluyen:

• Tablas de frecuencia y gráficos para describir los datos.

• Medidas de tendencia central como media, mediana y moda.

• Pruebas estadísticas (como chi-cuadrado, t de Student o ANOVA) para comparar grupos o establecer relaciones entre variables.

Una estrategia clave en ambos enfoques es la triangulación, que consiste en combinar diferentes fuentes de datos, métodos o teorías para aumentar la validez de los resultados.

Herramientas y Programas Tecnológicos

Afortunadamente, hoy en día contamos con múltiples herramientas tecnológicas que facilitan este proceso. Para el análisis cualitativo, existen programas como Atlas.ti, NVivo o MAXQDA, que permiten organizar, clasificar y codificar información de forma mucho más práctica. Estos programas también permiten hacer conexiones entre categorías, generar mapas conceptuales y visualizar resultados de forma clara.

En cuanto al análisis cuantitativo, se utilizan programas como SPSS, Excel, Stata, R o incluso Python, que permiten desde realizar cálculos básicos hasta aplicar modelos estadísticos avanzados. Muchos de estos programas incluyen visualizaciones, lo que facilita la interpretación de los resultados.

conclusión

Aprender sobre los métodos de análisis de datos me ha hecho entender lo importante que es esta parte en una investigación. No se trata solo de tener información, sino de saber cómo interpretarla correctamente para que tenga sentido. Cada enfoque, ya sea cualitativo o cuantitativo, aporta algo diferente y valioso según lo que estemos buscando. Además, con tantas herramientas tecnológicas disponibles, el trabajo se vuelve más práctico y organizado. Personalmente, me he dado cuenta de que analizar datos no es tan complicado como parece si uno se toma el tiempo de entenderlo y aplicar las estrategias adecuadas.