Datos cualitativos

Se presentan las funciones básicas del software NVivo con un ejemplo para el análisis de datos cualitativos en el ámbito bibliotecario

1. Conversar con los
datos: herramientas
digitales de
investigación
cualitativa
Dra. Lourdes Feria-Basurto
Consultora en Gestión de Datos, Información y Conocimiento
Colima, México
Mayo 2020

2. Objetivos
•Tomar conciencia de las herramientas digitales de apoyo a la
investigación
•Conocer el software Nvivo y su lógica y su estructura
•Motivar el uso de software para tu propia investigación cualitativa

3. Contenido
CONTEXTONVIVOUN EJEMPLOCONCLUSIONES

4. Contexto

6. Del caosal
orden

7. Comenzar a
redactar L

8. Herramientas

9. Gestión de datos: CUANTI
•En crudo
•Instrumentos
•Software
•Procesados
•Resultados
•Repositorios
•Normatividad

10. Gestión de
datos: CUALI
En crudo
Entrevistas, estudios focales, historias de
vida
Teoría fundamentada
CAQDAS
Procesados
Resultados
Repositorios
Normatividad

11. -Focus group
-Observación participante-Investigación/acción
-Entrevista a
profundidad

12. Patronesde
comportamientossociales

13. A partir de …
•Minería de datos (vocabularios Y narrativas)
•Word embedding
(integración de corpus de
texto)
•Mapas semánticos

14. Cada palabra es
un vector, una
representación
matemática

15. En una escala…
¿25?
0-------------------------------------------à100
¿felicidad?
amor-------------------------------------------àcomida

16. NVivo

17. La
herramienta
NVivo

18. NVivo
enespañol

19. Organizar
Almacenar
Analizar

20. Funciones

21. Tu base de
conocimiento

22. Antes

23. Ahora

24. Categorías
-Defines
-Combinas-Renombras

25. Datos
cuantitativos
también

26. Fuentes
audiovisuales

27. Reportes
-Word
-Html
-Pdf

28. Integra tu
bibliografíay páginas
web

29. Redes socialesy
encuestasweb

30. Visualizaciónde
datos

31. Trabajoen
equipo

32. Detrás de NVivo
•Extracción de características (data mining)
•Traducción de palabras a números en
función de su importancia
•Word embeddings para promediar
significados
•Clasificación por expertos
•Peso específico de keywords + contexto
•Análisis de lenguaje verbal y no verbal
•Cuáles son los sectores más
significativos (unidades de valor)
•Miles de párrafos seleccionados “a
mano” por expertos
•Siguiente paso: Machine Learning
•Medidas psicolingüísticas
•Tabular integración de porcentajes
•Análisis de sentimientos +o –
•Análisis de emociones (EM)
•Grado de control
•Autoreferencias (uso de pronombres)
•Complejidad léxica
•Coherencia semántica
•Calcular
•Análisis de sentimientos +o –
•Análisis de emociones (EM)
•Grado de control
•Autoreferencias (uso de pronombres)
•Complejidad léxica
•Coherencia semántica

33. Word embeddings
•Corpus de texto
•Matemáticas
•Vectores
•Ontologías
•Calcular matemáticamente qué tan cerca están las palabras entre sí
•A partir de las entrevistas generamos los índices de los temas que se
habrán de analizar
•¿Cuántas veces se nombran contextos + o –?

34. Un ejemplo

35. Discursos y
narrativas como
fuentes de datos

36. Estructura
Diagnóstico en seis etapas

37. Etnofotografía
y diarios de
campo

38. Diariode
campo

41. Transcripciones de audio y video

42. Corpus de
texto
14 entrevistas
2 grupos focales
21 informantes
2 reportes de observación participante “Pregúntale a
un científico”
Etnofotografía 949 imágenes/tarjetas descriptivas
16 audio-videograbaciones

43. Resultados
PorcentajeConcepto
77%La Ciencia agradable es posible en talleres
73%La difusión sólo permea en escuelas
72%Necesaria mayor actividad en zona rural
69%Se logra motivar la vocación científica
44% Necesario sensibilizar autoridades
38%Existe articulación entre talleres y escuela
31%Necesario motivar padres de familia

44. Metodología para el manejo de datos:
experimentación con minería de texto

45. … y grafos

50. Conclusiones

51. •Es posible, a partir del texto, obtener formas intermedias que permitan rescatar aspectos relevantes y obtener de ahí nuevo conocimiento que de otra manera no sería posible identificar o tomaría demasiado tiempo lograrlo.
•No todo es IA. Las aplicaciones son muy diversas y “se requiereasimismo la participación de expertos humanos”
•Limpiezade datos
•Integraciónde datos
•Selecciónde datos
•Transformaciónde datos
•Mineríade datos
•Evaluación de los patrones extraídos de la fase anterior
•Representación del conocimiento (Visualización)
Justicia de la Torre (31, 8-10)
Conclusiones

52. Hay otras opciones (incluso gratuitas)

53. Wikipedia
CAQDAS

54. Doce puntos clave de NVIVO 10

55. Cuando estés
aprendiendo un
nuevo software…
especialmente
Nvivo…