Técnicas de elicitación y reducción de datos.

Cuatro grupos 

Estas técnicas se pueden clasificar en cuatro grupos, que denominamos:

a) técnicas de observación y medidas directas de la ejecución;

b) entrevistas estructuradas;

c) técnicas de elicitación de protocolos verbales; y

d) técnicas conceptuales basadas en procedimientos que emplean datos cuantitativos.

La elicitación del conocimiento comienza a veces a partir de observaciones sobre la realización de la tarea dentro del dominio de interés. Las observaciones pueden ocurrir además en el contexto natural donde se realiza la tarea o en contextos simulados (Hoffman, 1987; Hoffman y colaboradores, 1995). Por otra parte, también pueden emplearse medidas directas de la realización para tratar de inferir los procesos y estrategias utilizados por los individuos en la realización de una tarea.

Entre las principales medidas directas de la ejecución tenemos los aciertos y errores (Siegler, 1980), a partir de los cuales pueden inferirse con bastante objetividad las reglas y procedimientos que siguen los individuos en tareas que requieren la utilización de algoritmos fijos. Otra medida es el tiempo de reacción (Sternberg, 1977), medida criticada por Siegler (1989) para quien la «cronometría mental» no describe adecuadamente los procesos y sobre todo las estrategias que siguen los individuos al realizar una tarea.

Fijaciones oculares 

La precisión en responder y las fijaciones oculares se encuentran también entre los datos utilizados en el análisis de tareas por la psicología cognitiva (Larkin y Rainard, 1984; Anderson, 1987). Las entrevistas constituyen la forma más directa de investigar lo que alguna persona conoce; por lo que constituye el método de elicitación de conocimientos más empleado (Cooke, 1999). Las entrevistas pueden ser de dos tipos, estructuradas y no estructuradas. Pudiendo adoptar formas más específicas dependiendo de la tarea concreta que se aborde y el tipo de conocimiento a analizar. Las tendencias recientes en el uso de las entrevistas, como técnicas de elicitación de conocimientos, incluyen el desarrollo de metodologías específicas en el contexto de dominios y situaciones particulares.

Por ejemplo, Hoffman, Crandall y Shadbolt (1998) emplean el método de decisión crítica (CDM) para elicitar el conocimiento de los expertos, ante un caso o situación muy concreta. El método tiene sus raíces en la técnica de incidentes críticos desarrollada por Flanagan, y se ha empleado para entrevistar a pilotos expertos sobre situaciones problemáticas relacionadas con su profesión. Otro ejemplo de empleo de este método lo tenemos en Fowlkes, Salas, Baker, Cannon-Bowers y Stout (2000), quienes lo emplean para elicitar el conocimiento de un equipo de expertos en pilotar un helicóptero militar.

La elicitación y reducción de datos son procesos clave en la investigación cualitativa y cuantitativa para obtener información relevante y reducir la complejidad de los datos. Aquí te presento algunas técnicas comunes para la elicitación y reducción de datos en ambas metodologías:

Técnicas de Elicitación de Datos:

1. Entrevistas: Las entrevistas en profundidad y los grupos focales son técnicas de elicitación comunes en investigación cualitativa. Estas conversaciones estructuradas o semiestructuradas permiten a los investigadores obtener información detallada de los participantes.
2. Cuestionarios: En la investigación cuantitativa, los cuestionarios son herramientas fundamentales para recopilar datos. Las preguntas pueden ser abiertas (cualitativas) o cerradas (cuantitativas), y los cuestionarios pueden administrarse en línea, por teléfono o en papel.
3. Observación: La observación directa de situaciones o comportamientos es una técnica valiosa para recopilar datos en tiempo real. Puede ser útil para estudios de campo y etnográficos.
4. Revisión Documental: En la investigación cualitativa, la revisión de documentos, registros, archivos y otros materiales escritos puede proporcionar datos adicionales. Esto puede incluir análisis de contenido de documentos.
5. Muestreo: El muestreo es una técnica para seleccionar una muestra representativa de una población o conjunto de datos más grande. Puede incluir muestreo aleatorio, muestreo estratificado y otros métodos.

Técnicas de Reducción de Datos:

1. Codificación: En la investigación cualitativa, la codificación implica etiquetar segmentos de datos (como transcripciones de entrevistas) con etiquetas o categorías que representen conceptos o temas emergentes. Esto ayuda a organizar y reducir los datos.
2. Resumen: En la investigación cualitativa, se pueden resumir las observaciones de campo o los datos de las entrevistas para destacar los puntos clave. En la investigación cuantitativa, se pueden calcular estadísticas resumidas, como la media y la desviación estándar.
3. Análisis de Componentes Principales (PCA): En la investigación cuantitativa, el PCA es una técnica de reducción de datos que transforma múltiples variables en un conjunto más pequeño de componentes principales que explican la mayor parte de la variación en los datos.
4. Análisis Factorial: El análisis factorial es una técnica que reduce la dimensionalidad de los datos al identificar las dimensiones subyacentes o los factores que explican la variación en un conjunto de variables.
5. Selección de Variables: En la investigación cuantitativa, la selección de variables implica elegir un subconjunto de variables más relevantes para el análisis, lo que simplifica el conjunto de datos.
6. Resumen Gráfico: Las representaciones gráficas, como gráficos y diagramas, pueden ser útiles para resumir datos de manera visual y comprensible.
7. Análisis de Regresión: En la investigación cuantitativa, el análisis de regresión puede ayudar a identificar las relaciones más importantes entre variables, lo que simplifica la comprensión de los datos.
8. Análisis de Texto: En la investigación cualitativa, el análisis de texto se utiliza para analizar documentos extensos o transcripciones de entrevistas y resumir los principales temas y patrones.

La elicitación y reducción de datos son procesos iterativos que se llevan a cabo a lo largo de toda la investigación. Estas técnicas ayudan a los investigadores a obtener información relevante, a organizar los datos de manera más manejable y a centrarse en los aspectos más importantes de su estudio.

Editorial Luis Bonilla. Expertos en enseñanza, formación a distancia, tutores cualificados y con variedad de cursos online.

🔹 Técnicas de Reducción de Datos

Una vez recopilados los datos, es esencial organizarlos y sintetizarlos sin perder información relevante. Algunas técnicas clave son:

1. Codificación y Categorización

📌 Codificación: Asignar etiquetas a fragmentos de datos para identificar temas clave.
📌 Categorización: Agrupar códigos en categorías más amplias.
✅ Facilita la identificación de patrones y relaciones.
✅ Puede ser manual o con software como NVivo o Atlas.ti.
Ejemplo: Codificar respuestas de entrevistas para identificar sentimientos positivos o negativos.

2. Matrices de Datos

📌 Tablas que organizan información por categorías, temas o participantes.
✅ Permiten comparar respuestas y encontrar tendencias.
✅ Facilitan la visualización de relaciones entre variables.
Ejemplo: Crear una tabla con respuestas de clientes clasificadas por nivel de satisfacción.

3. Redes Semánticas y Mapas Conceptuales

📌 Diagramas que muestran conexiones entre conceptos clave.
✅ Útiles para visualizar estructuras de pensamiento y asociaciones de ideas.
✅ Ayudan a simplificar información compleja.
Ejemplo: Un mapa conceptual sobre cómo los empleados perciben el liderazgo en una empresa.

4. Resúmenes Narrativos

📌 Síntesis de información relevante en forma de relato o historia.
✅ Permite captar la esencia de los datos sin perder su profundidad.
✅ Útil para estudios de caso o análisis de experiencias personales.
Ejemplo: Escribir un informe que describa la experiencia de los clientes con un producto a lo largo del tiempo.

5. Análisis Temático

📌 Identificación de patrones recurrentes en los datos cualitativos.
✅ Permite agrupar información en temas principales y subtemas.
✅ Se basa en la revisión iterativa de los datos para encontrar consistencias.
Ejemplo: Identificar los temas más mencionados en entrevistas sobre satisfacción laboral.