Ciencias Socia

Ttulo original: Designing Social Inqziily. ScientiJic Inferencia in Qtialitative Research

Reservados todos los derechos. El contenido de esta obra est protegido por la Ley, que establece
penas de prisin y10 multas, adems de las correspondientes indemnizaciones por daos y pejuicios,
para quienes reprodujeren, plagiaren, distribuyeren o comunicaren pblicamente, en todo o en parte,
una obra literaria, artstica o cientfica, o su transformacin, interpretacin o ejecucin artstica
fijada en cualquier tipo de soporte o comunicada a travs de cualquier medio, sin la preceptiva
autorizacin.

O de la traduccin: Jess Cullar Menezo, 2000

Q 1994 by Princeton University Press
8 Ed. cast.: Alianza Editorial, S.A., Madrid, 2000
Calle Juan Ignacio Luca de Tena, 15; 28027 Madnd; telf. 91 393 88 88
ISBN: 84-206-8697-2
Depsito legal: M. 1.102-2000
Fotocomposicin: EFCA, S. A.
Polgono Las Monjas; 28850 Torrejn de Ardoz (Madrid)
Printed in Spain
 ndice

Prefacio .............................................................................................................

1. La ciencia en las ciencias sociales ..............................................................

1. Introduccin ...........................................................................................
1.1 Dos formas de investigar. una sola lgica inferencia1 .....................
1.2 Definicin de investigacin cientfica en las ciencias sociales .......
..
1.3 Ciencia y complejidad .....................................................................
2 . Principales componentes del diseo de investigacin ............................
2.1 Mejorar las preguntas de la investigacin .......................................
2.2 Mejorar la teora .............................A ...............................................
2.3 Meiorar la calidad de los datos ........................................................
2.4 Utilizar mejor los datos existentes ..................................................
3. Temas de estudio de este volumen .........................................................
3.1 La utilizacin de consecuencias observables para vincular la teo-
ra y los datos ..................................................................................
3.2 La maximizacin del control ...........................................................
3.3 Admitir la incertidumbre .................................................................
3.4 Pensar como un cientfico social: escepticismo e hiptesis contra-
puestas .............................................................................................

2 . La inferencia descriptiva .............................................................................

1 . El conocimiento general y los hechos particulares ................................
..
1.1 ((Interpretacion))e inferencia ................................................ ;.........

1.2 ((Singularidad)),complejidad y simplificacin ...............................

1.3 Estudios de caso comparados ..........................................................
 2 . La inferencia: el fin cientfico de la recogida de datos .......................... 57
3. Modelos formales de investigacin cualitativa ...................................... 60
4. Un modelo formal sobre la recogida de datos ........................................ 62
5. El resumen de los pormenores histricos ............................................... 64
6. La inferencia descriptiva ........................................................................ 66
7. Criterios para juzgar las inferencias descriptivas ................................... 74
7.1 Inferencias no sesgadas ................................................................... 74
7.2 Eficiencia ........................................................................................ 76

3 . Causalidad e inferencia causal ....................................................................

1. Definicin de causalidad ........................................................................
1.1 Definicin y un ejemplo cuantitativo ..............................................
1.2 Un ejemplo cualitativo ....................................................................
2 . Clarificacin de las definiciones alternativas de causalidad ..................
2.1 ({Mecanismoscausales)) ..................................................................
2.2 ((Causalidad mltiple)).....................................................................
2.3 Causalidad ((simtrica))y ((asimtrica))...........................................
3 . Supuestos necesarios para la estimacin de efectos causales ................
3.1 Homogeneidad de las unidades .......................................................
3.2 Independencia condicional ..............................................................
4 . Criterios para evaluar las inferencias causales .......................................
5. Reglas para elaborar teoras causales .....................................................
5.1 Regla 1: elaborar teoras falsables ...................................................
5.2 Regla 2: construir teoras que tengan coherencia interna ................
5.3 Regla 3: seleccionar cuidadosamente las variables dependientes ...
5.4 Regla 4: maximizar lo concreto ......................................................
5.5 Regla 5: formular teoras de forma tan incluyente como sea posi-
ble ....................................................................................................

4 . Precisar qu va a observarse ........................................................................

1. Diseos de investigacin imprecisos ......................................................
1.1 Ms inferencias que observaciones .................................................
1.2 Multicolinealidad ............................................................................
2 . Lmites de la seleccin aleatoria ............................................................
3 . Sesgo de seleccin ..................................................................................
3.1 Seleccionar en funcin de la variable dependiente .........................
3.1.1 Ejemplos de sesgo de seleccin producido por el investiga-
dor .........................................................................................
3.1.2 Ejemplos de sesgo de seleccin producido por el mundo .....
3.2 Seleccionar en funcin de una variable explicativa.........................
3.3 Otros tipos de sesgo de seleccin ....................................................
4 . Seleccin intencionada de observaciones ..............................................
4.1 Seleccionar observaciones en funcin de la variable explicativa ....
4.2 Seleccionar un abanico de valores de la variable dependiente ........
4.3 Seleccionar observaciones utilizando tanto las variables explicati-
vas como las dependientes ..............................................................
4.4 Seleccionar observaciones de manera que la variable causal clave
sea constante ....................................................................................
 4.5 Seleccionar observaciones de manera que la variable dependiente
sea constante .................................................................................... 158
5. Comentarios finales ............................................................................... 159

5. Entender qu debe evitarse ..........................................................................

1. Error de medida ......................................................................................
1.1 Error de medida sistemtico ............................................................
1.2 Error de medida no sistemtico .......................................................
1.2.1 Error de medida no sistemtico en la variable dependiente...
1.2.2 Error de medida no sistemtico en una variable explicativa
2 . Exclusin de variables relevantes: el sesgo ............................................
2.1 Cmo calibrar el sesgo de las variables omitidas ............................
2.2 Ejemplos de sesgo de la variable omitida .......................................
3 . Inclusin de variables irrelevantes: la ineficiencia ................................
4 . Endogeneidad .........................................................................................
4.1 Corregir inferencias sesgadas ..........................................................
4.2 Precisar cules son los componentes de la variable dependiente ....
4.3 Convertir la endogeneidad en un problema de variable omitida .....
4.4 Seleccionar observaciones para evitar la endogeneidad ..................
4.5 Precisar cules son los componentes de la variable explicativa ......
5. Asignacin de valores a la variable explicativa......................................
6. Controlar la situacin que se investiga ...................................................
7. Observaciones finales ............................................................................

6. Aumentar el nmero de observaciones ....................................................... 221

1. Inferencias causales con diseos de una sola observacin ..................... 222
1.1 Estudios de caso cruciales ........................................................... 222
1.2 Razonamiento analgico ................................................................. 225
2 . Cuntas observaciones son suficientes? ............................................... 226
3 . Aumentar el nmero de observaciones a partir de unas pocas ............... 230
3.1 Las mismas medidas con otras unidades ......................................... 232
3.2 Nuevas medidas con las mismas unidades ...................................... 236
3.3 Nuevas medidas con nuevas unidades ............................................. 237
4. Observaciones finales ........................................................................... 241

Notas ................................................................................................................ 243

Bibliografia .......................................................................................................255

ndice analtico................................................................................................. 265

 1. La ciencia en Las
ciencias sociales

l. Introduccin
- - - - - - - - - - - - -- .
- - - - - - - - - - - - - - -
- - - - - - - - -
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
- - - - - - - - - - - - - - - -
. . . . . . . . . . . . . . . . . . . .
- - - -

Este libro trata de la investigacin en las ciencias sociales y tiene un objeti-

vo prctico: disear investigaciones que generen inferencias vlidas sobre
la vida social y poltica. Nos centramos en la ciencia poltica, pero nuestro
argumento es aplicable a disciplinas como la sociologa, la antropologa, la
historia, la economa y la psicologa, as como a reas que no se consideran
una disciplina, como las tcnicas periciales, la investigacin en temas de
educacin y el razonamiento clnico.
Nuestra obra no se ocupa de la filosofa de las ciencias sociales, ni tam-
poco es un manual para tareas especficas de la investigacin como el dise-
o de encuestas, la realizacin del trabajo de campo o el anlisis de datos es-
tadsticos. En realidad, trata del diseo de la investigacin: de cmo plantear
preguntas y moldear los estudios acadmicos para extraer inferencias des-
criptivas y causales vlidas. Por lo tanto, se sita en un zona intermedia en-
tre las abstractas polmicas filosficas y las tcnicas prcticas para centrarse
en la lgica intrnseca que subyace en toda investigacin social cientfica.
- - - - - - - - - - -
- - - - - - - - - - - - - - - - - - - - - . - - - - - - - - - - -
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
- - - - - - - - - - - - - - - - - - - - - - -

1.1 Dos formas de investigar, una sola lgica inferencial

Nuestro principal objetivo es relacionar las tradiciones de lo que se suele de-

nominar investigacin ((cuantitativa))y cualitativa mediante una misma
lgica inferencial. Ambas tendencias parecen bastante diferentes y, de he-
 cho, a veces se consideran enfrentadas. Para nosotros, tales diferencias slo
son una cuestin de estilo y de tcnicas especficas. Los dos tipos de investi-
gacin participan de una misma lgica subyacente, que suele explicarse y
formalizarse claramente al analizar mtodos cuantitativos. Sin embargo, esta
lgica inferencia1 es igual a la que respalda las buenas investigaciones cuali-
tativas, y tanto los cualitativistas como los cuantitativistas se beneficiaran si
se le concediera una atencin ms explcita al disear investigaciones.
Los estilos de la investigacin cuantitativa y cualitativa son muy diferen-
tes. La primera se sirve de nmeros y mtodos estadsticos. Suele basarse
en medidas numricas de ciertos aspectos de los fenmenos; parte de casos
concretos para llegar a una descripcin general o para comprobar hiptesis
causales y busca medidas y anlisis que otros investigadores puedan repro-
ducir fcilmente.
Por el contrario, la investigacin cualitativa abarca una amplia gama de
enfoques, pero, por definicin, ninguno de ellos se basa en medidas num-
ricas. Este tipo de trabajo se centra generalmente en u11 caso o en un reduci-
do nmero de ellos; se sirve de entrevistas en profundidad o de anlisis de-
tallados de materiales histricos; utiliza un mtodo discursivo e intenta
estudiar de forma global o exhaustiva un acontecimiento o unidad. Los cua-
litativistas, aunque slo tengan un pequeo nmero de casos, suelen sacar a
la luz en sus estudios una gran cantidad de informacin. A veces, en las
ciencias sociales este tipo de trabajo tiene que ver con estudios de rea o de
caso en los que el centro de atencin es un hecho determinado o una deci-
sin, institucin, lugar, problema o ley. Al igual que en la investigacin
cuantitativa, el objeto de estudio puede ser importante en s mismo: es un
cambio crucial en una nacin, unas elecciones, una decisin transcendental
o una crisis mundial. Por qu se derrumb tan sbitamente el rgimen ger-
mano oriental en 1989? De forma ms general, por qu casi todos los reg-
menes comunistas de Europa del Este se vinieron abajo en 1989? A veces,
aunque desde luego no siempre, se puede elegir un acontecimiento como
ejemplo de un cierto tipo de hechos, como sera el caso de una revolucin
poltica o de una determinada comunidad que decide oponerse a la instala-
cin de un depsito de residuos. Este tipo de trabajo suele estar relacionado
con estudios de rea en los que se aborda la historia y la cultura de una de-
terminada parte del mundo. El lugar o acontecimiento en cuestin se anali-
za de cerca y con todo detalle.
Durante varias dcadas, los politlogos han venido contrastando las ven-
tajas de los estudios de caso con las de los estadsticos, las de los estudios
de rea con las de los trabajos comparativos, as como las de las investiga-
ciones polticas ((cientficas)),que usan mtodos cuantitativos, con las de
las ((histricas)),que se basan en una profunda comprensin de las fuentes
escritas o los contextos. Algunos cuantitativistas creen que en las ciencias
sociales el nico camino que lleva a la verdad es el anlisis estadstico sis-
temtico. Los partidarios de la investigacin cualitativa se oponen violenta-
 mente a esta idea. Esta diferencia de opiniones genera una viva polmica,
pero, por desgracia, tambin divide la disciplina en dos ramas, una cuanti-
tativa-sistemtica-generalizadora y otra cualitativa-humanista-discursiva. A
I
medida que la primera aumenta la complejidad de sus anlisis estadsticos
(y su trabajo se hace menos comprensible para os que no han estudiado las
tcnicas), la segunda se convence cada vez ms de que tales anlisis resul-
tan irrelevantes para acontecimientos que, como aquellos que interesan a
sus partidarios, no parecen poder reproducirse o generalizarse.
. . . . . . . . . . . . . . . . . . . . . .

- - - - - - - - - - - - - - - - - -Uno-de os principales prop6sitos-de ~ t li6ro

e es demostrar que las dife-;
'1 rencias entre la tradicin cuantitativa y la cualitativa son slo de tipo estilis-
tic0 y que su importancia en trminos metodolgicos y de contenido es mi-
nima. Puede considerarse -con razn- que toda buena investigacin
procede de la misma lgica inferencial subyacente. Tanto los estudios cuan-
titativos como los cualitativos pueden ser sistemticos y cientficos. La
investigaciil histrica puede ser analtica si lo que pretende es evaluar di-
versas explicaciones mediante un proceso inferencial causal vlido. La his-
toria, o la sociologa histrica, no es incompatible con las ciencias sociales
(Skocpol, 1984, pp. 374-86).
Para romper estas barreras es preciso que comencemos por cuestionar el
concepto mismo de investigacin ({cualitativa)).Hemos utilizado el trmino
en el ttulo de este libro para hacer referencia a nuestro objeto de estudio,
pero sin querer decir con ello q e la investigacin _cualitativase diferek- - - - - - -

cie fundamentalmente de la cuantitativa, excepto en el estilo.

I
La mayora de las investigaciones no corresponde claramente a una u otra
categora, y las mejores suelen combinar caractersticas de los dos tipos. En :
el inismo proyecto de investigacin, algunos de los datos recogidos pueden
ser objeto de anlisis estadstico, pero no as otros elementos igualmente re- ,
' levantes. Las pautas y tendencias del comportamiento social, poltico o eco- '
nmico son ms susceptibles de anlisis cuantitativo que el flujo-de ideas
entre personas o la influencia determinante que tiene un lder extraordinario.
Para entender un mundo social en cambio constante tenemos que barajar in-
formacin que no es fcilmente cuantificable y tambin la que s lo es. Ade-
ms, todas las ciencias sociales necesitan comparar, lo cual supone que se
\ evale qu fenmenos se parecen ms o menos en cuestin de grado (o
sea, diferencias cuantitativas) o de tipo (diferencias cualitativas).
Dos magnficos estudios recientes son ejemplo de este punto de vista.
En Coercive Cooperation (1992), Lisa L. Martin quiso explicar el grado de
- - - - - - - - - - - - - - cooperaciainternasiunal-enmateriade sanciones econ6micas, analizando
cuantitativamente 99 casos en los que se intent aplicar tales medidas des-
pus de la Segunda Guerra Mundial. Aunque este anlisis cuantitativo ofre-
, ca mucha informacin valiosa, algunas de las inferencias causales que in-
dicaban los datos eran ambiguas; de ah que Martin decidiera estudiar en
1
I detalle seis casos de sanciones con la intencin de recabar ms pruebas de
relevancia para su inferencia causal. Para escribir Making Dernocracy Work
 e
.&-

( 1 993), Robert D. Putnam y sus colegas entrevistaron a 112 parlamentarios

regionales italianos en 1970, a 194 en 1976 y a 234 entre 1981 y 1982, as
como a 115 lderes comunitarios en 1976 y a 118 entre 1981 y 1982. Tam-
bin enviaron por correo un cuestionario a ms de 500 lderes comunitarios
de todo el pas en 1983. Adems, ex profeso para este trabajo, se llevaron a
cabo cuatro encuestas de alcance nacional. No obstante, entre 1976 y 1989
10s autores del libro realizaron estudios de caso pormenorizados sobre la
vida poltica de seis regiones. Los investigadores, con la intencin de some-
terse a la ((prueba del trauma interocular)), ((llegaron a conocer con detalle
las maniobras y personalidades polticas que haban animado la poltica re-
gional en las dos ltimas dcadas)) (Putnam, 1993, p. 190).
Las lecciones de estos anlisis deberan ser claras: cualquiera que sea el
tema de estudio, ni la investigacin cuantitativa ser mejor que la cualitativa
ni al contrario. Dado que muchos asuntos de inters para las ciencias socia-
les, si han de tener sentido, no pueden formularse de manera que sea posible
la comprobacin estadstica de hiptesis mediante datos cuantitativos, no
queremos animar a nadie a que utilice nicamente tcnicas cuantitativas. No
pretendemos sacar de la biblioteca a todos los cientficos sociales para lle-
varlos a centros informticos ni sustituir conversaciones irrepetibles por en-
trevistas estructuradas. En realidad, lo que sealamos es que los estudios no
estadsticos tendran resultados ms fiables si los investigadores prestaran
ms atencin a las reglas de la inferencia cientfica, que a veces se formulan
mejor con el estilo de la investigacin cuantitativa. Los precisos mtodos es-
tadsticos que sustentan esta tendencia conforman modelos formales abs-
tractos que son aplicables a todo tipo de investigacin, incluso a aquellas en
las que las variables no pueden medirse cuantitativamente. El carcter extre-
madamente abstracto, e incluso poco realista, de los modelos estadsticos es
lo que hace que las reglas inferenciales resalten con tanta claridad.
Las reglas de la inferencia que analizamos no son relevantes para todos
los problemas que los cientficos sociales consideran importantes. Muchos
asuntos cmciales de la vida poltica -relacionados con conceptos como el
de accin (agency), obligacin, legitimidad, ciudadana o soberana y con la
correcta relacin entre las sociedades nacionales y la poltica internacio-
nal- tienen un carcter filosfico ms que emprico. Sin embargo, estas
reglas s que tienen importancia para toda investigacin en la que el objeti-
vo sea conocer lo que ocurre en el mundo real. De hecho, lo que distingue a
las ciencias sociales de la observacin ocasional es que la primera pretende
hacer inferencias vlidas mediante el uso sistemtico de procedimientos de
investigacin contrastados. El hecho de que aqu nos centremos en la inda-
gacin emprica supone dejar de lado muchos problemas de la filosofa de
las ciencias sociales, as como las polmicas que se ocupan del papel del
postmodernismo, del carcter y existencia de la verdad, del relativismo y de
asuntos similares. Partimos de la base de que es posible lograr cierto cono:
cimiento del mundo exterior, pero tal conocimiento siempre ser incierto.
 Adems, nada en nuestro conjunto de reglas implica que tengamos que
llevar a cabo el experimento perfecto (si es que existe tal cosa) o reunir to-
dos los datos relevantes antes de poder extraer inferencias cientficas vli-
das. Merece la pena estudiar un asunto importante aunque se disponga de
poca informacin. Si aplicamos cualquier diseo de investigacin a esta
situacin las conclusiones sern relativamente inciertas, pero si se admite
honestamente tal incertidumbre esta clase de estudio ser muy til. Con fre-
cuencia, la investigacin social se caracteriza por disponer de una informa-
cin limitada. Como el mundo social cambia rpidamente, los anlisis que
nos ayudan a comprender las transformaciones han de describirlas e intentar
interpretarlas en su contexto, aunque la incertidumbre de nuestras conclusio-
nes sea alta. La necesidad de resolver un problema puede ser tan grande que
quiz haya datos -recogidos con los mtodos cientficos ms tiles- que se
queden obsoletos antes de organizarlos. Si una persona enloquecida corre
hacia nosotros blandiendo un hacha, puede que entregarle un cuestionario de
cinco pginas sobre psicopata no sea la mejor estrategia. Joseph Schumpe-
ter cit una vez a Albert Einstein, que haba dicho que ((siempre que nues-
tras proposiciones sean ciertas no dirn nada acerca de la realidad, y siempre
que no digan nada acerca de la realidad, no sern ciertas)) (Schumpeter
[1936], 1991, pp. 298-299). Sin embargo, aunque la certeza no pueda alcan-
zarse, la seguridad en nuestras conclusiones, as como su fiabilidad, validez
y sinceridad, podrn incrementarse si prestamos atencin a las reglas de la
inferencia cientfica. Las ciencias sociales que propugnamos pretenden ex-
traer del nlundo inferencias descriptivas y causales. Los que no comparten la
premisa de que es posible un conocimiento parcial e imperfecto ni aspiran a
una comprensin descriptiva y causal tendrn que buscar en otra parte inspi-
racin o batallas sobre paradigmas en las que participar.
En resumen, aqu no se dan recetas para la investigacin cientfica emp-
rica. Ofrecemos ciertos preceptos y reglas cuya intencin es disciplinar el
pensamiento, no sofocarlo. Tanto en la investigacin cuantitativa como en
la cualitativa aplicamos de manera imperfecta reglas inferenciales tericas
a diseos de investigacin y a datos empricos inherentemente imperfectos. 1
Toda reglamentacin que tenga sentido admitir excepciones, pero hay que
pedir que stas se justifiquen de manera explcita, que se evalen sus con-
secuencias para la fiabilidad de la investigacin y que se plantee la incerti-
dumbre de las conclusiones. No buscamos un dogma, sino un pensamiento
disciplinado.

1.2 Definicin de investigacin cientfica en las ciencias sociales

Nuestra definicin de ((investigacin cientfica)) es un ideal al que toda in-

vestigacin cuantitativa y cualitativa, incluso la ms cuidadosa, slo puede
aproximarse. Sin embargo, .necesitamos definir lo que es una buena investi-
gacin, y para ello utilizamos la palabra cientfica como calificativo l .
Esta palabra tiene muchas connotaciones injustificables, inapropiadas o,
para muchos investigadores cualitativos, completamente incendiarias. De
ah. que nosotros le demos una definicin explcita. Tiene que quedar claro
que no considerainos ms cientfica la investigacin cuantitativa que la
cualitativa. El estilo de una buena investigacin -o sea, la que es cientfi-
ca- puede ser cuantitativo o cualitativo. Sin embargo, en lo tocante al di-
seo, la investigacin tiene estas cuatro caractersticas:

1. E1 objetivo es la inferencia

El diseo de la investigacin cientfica tiene coino o-jetivo la eutraccin de it~ferencias

descriptivas o explicativas a partir de la informacin emprica que se tenga del mundo.
Para hacer estudios cieiirficos suele ser indispensable describir con cuidado ciertos fe-
nmenos, pero la acumulacin de hechos no es, en s misma, suficiente. stos pueden
ser reunidos (por investigadores cualitativos o cuantitativos) de fonila ms o menos sis-
temtica, y, evidentemente, la primera es mejor que la segunda; sin embargo, nuestra
definicin de ciencia conlleva un paso adicional, que es el de utilizar los datos inmedia-
tos para hacer inferencias que conduzcail a algo ms amplio que no se observa directa-
mente. Ese algo puede entraar una infei-encia descriptiva -utilizar observaciones del
inundo para revelar otros hechos que no se han observado- o una inferencia causal
-conocer efectos causales a partir de los datos observados. El alcance de la inferencia
puede delimitarse en el espacio y el tiempo -el comportamiento electoral en las elec-
ciones estadounidenses desde 1960, los movimientos sociales en Europa del Este desde
1989- o puede ser ms general - e l comportamiento humano desde la aparicin de a
agricultura. En cualquiera de los casos, lo que distingue la investigacin cientfica es el
objetivo de hacer inferencias que vayan ms all de las observaciories especficas que se
han recogido.

2. Los procedimientos son pblicos

Para generar y analizar datos la investigacin cientfica utiliza mtodos explcitos, codi-
ficados y pzblicos que, por lo tanto, pueden evaluarse. Gran parte de la investigacin
social cualitativa sigue procedimientos de bsqueda o inferenciales menos precisos.
Como afirm Robert K. Merton ([1949], 1968, pp. 7 1-72): El anlisis sociolgico de
datos cualitativos suele depender de un mundo privado de ideas penetrantes pero inson-
dables y de interpretaciones inefables [...] [Sin embargo,] la ciencia [...] es pblica, no
privada)). La afirmacin de Merton no es aplicable a todos los cualitativistas (y, por des-
gracia, s a algunos cuantitativistas), pero muchos se comportan como si carecieran de
mtodo y, a veces, como si la utilizacin de medios explcitos menoscabara su creativi-
dad. No obstante, no pueden dejar de utilizar alguno. De a!guna forma observan los fe-
nmenos, plantean preguntas, extraen informacin sobre ei mundo a partir de esas ob-
 rencias sobre causas y consecue
de las obser\.nciones e inferencias de un invextigador no se haceii explcitos. la comuni-
dad acadmica no tiene forma de juzgar la validez de lo que se ha hecl~o.No podr eva-
luar los principios de seleccin utilizados para registrar las observaciones, ni cmo se
han procesado stas, ni la lgica de las concliisiones. No podremos aprender de sus m-
todos ni reproducir sus resultados. Esta investigacin no ser un hecho yrblico. Aunque
sea una buena lectura, no ser una aportacin a las ciencias sociales.
Todos los mtodos -sean o no explcitos- tienen sus limitaciones. La v e s a j a d e
. . . . . . . . . . . . . . . . . . . . . . . . .
- - - - - - - - - - -

A - - - - - - - - - - - 1s-exptcito-es qiie piieden-captarse tales limitaciones y, si es posible, remediarlas. Ade-

ms, los mtodos se pueden ensear y compartir. Este proceso permite que los resulta-
dos de la investigacin se comparen con los de otros investigadores, que se reproduzcan
los estudios de proyectos ajenos y que los acadmicos aprendan.

3. Las conclusiones son inciertas

La inferencia es, por definicin, un proceso imperfecto. Su objetivo es utilizar datos

cuantitativos y cualitativos para conocer el mundo que los ha producido. Evidentemen-
te, es in~posiblellegar a concl~~siones perfectamente ciertas utilizando datos inciertos.
De hecho, la incertiduinbre es iin aspecto crucial de toda investigacin o conocimiento
del mundo. Si este factor no se calcula de manera razonable, no se podr interpretar nin-
g~lna-descripdondel-mundo-real ni-ninguna infe~enefam i s a l que- ie afecte: U n investi-
gador que no contemple abiertamente la incertidumbre estar afirmando que lo sabe
todo a la perfeccin o que no tiene ni idea de la certeza o incertiduinbre de sus resulta-
dos. En cualquier caso, las inferencias que carecen de un clculo de incertidumbre no
son ciencia tal como aqu se define.

i
4. El contenido es el mtodo

Para terminar, la investigacin cientfica propugna un conjunto de normas inferenciales .

de las que depende su validez. Explicar las ms importantes es una de las tareas primor-
diales de este libro '. El principal contenido de la ciencia son sus mtodos y reglas, no
su objeto de estudio, ya que podemos utilizar tales mtodos para estudiar prcticamente
todo. Esta idea fue aceptada hace unos cien aos cuando Karl Pearson (1 892, p. 16) ex-
plic que el campo de la ciencia es ilimitado; su materia es infinita; cada conjunto de
fenmenos naturales, cada fase de la vida social, cada estadio del desarrollo pasado o
presente eesmateriacientfi~:La-anida&detodaslas~ci&iciiis e basa iinicamente en su
mtodo, no en su materia)).

A su vez, estas cuatro caractersticas tienen otra consecuencia: cuando la

ciencia es buena, es una empresa socic11. El trabajo de todo investigador o
equipo de investigadores est sometido a limitaciones de conocimiento e
ideas y los errores son inevitables, pero es probable que otros los sealen.
Comprender el carcter social de la ciencia puede resultar liberador, ya que
implica que nuestro trabajo no tiene que estar por encima de la crtica para
hacer una aportacin importante -ya sea en cuanto a la descripcin de un
problema o a su conceptualizacin, a la teora o a la evaluacin de una en
concreto. Una aportacin ser posible siempre que nuestro trabajo contem-
ple explcitamente (o pretenda reinterpretar) las preocupaciones de la co-
munidad acadmica y utilice medios pblicos para hacer inferencias que
respeten las reglas cientficas y la informacin de que disponemos. Incluso
la aportacin de un artculo menor ser siempre ms grande que la de un
trabajo importante)) que permanezca para siempre en un cajn o confina-
do en un ordenador.

1.3 Ciencia y complejidad

Las ciencias sociales pretenden explicar situaciones del mundo social que
consideramos ms o menos complejas. Sin embargo, hay que reconocer que lo
que percibimos como complejidad no es algo inherente a los fenmenos:
el mundo no est dividido de forma natural en conjuntos de acontecimien-
tos simples o complejos. Por el contrario, la complejidad que se percibe en
una situacin depende en parte de en qu medida podemos simplificar la
realidad adecuadamente, y nuestra capacidad de simplificar depende de si
podemos extraer con coherencia resultados y variables explicativas. Tener
ms observaciones puede ayudarnos en este proceso, pero suele resultar in-
suficiente. Por lo tanto, la complejidad)) depende, en parte, del estado de
nuestra teora.
Los mtodos cientficos pueden ser tan valiosos para acontecimientos
intrnsecamente complejos como para otros ms simples. Es probable que
la complejidad haga ms inciertas nuestras inferencias, pero no tiene por
qu hacerlas menos cientficas. La incertidumbre y unos datos limitados no
tienen que llevarnos a abandonar una investigacin cientfica. Por el contra-
rio: la compensacin ms grande a la hora de utilizar las reglas de la infe-
rencia cientfica se logra precisamente cuando los datos son limitados, los
instrumentos de observacin tienen defectos, las medidas no estn claras y
las relaciones son inciertas. Si hay relaciones claras y datos no ambiguos, .
quiz el mtodo no sea tan importante, ya que incluso reglas o inferencias
defectuosas podran producir respuestas medianamente aceptables.
Consideremos algunos acontecimientos complejos y, en cierto sentido,
nicos que tuvieron enormes ramificaciones. La cada del Imperio romano,
la Revolucin francesa, la Guerra Civil de los Estados Unidos, la Primera
Guerra Mundial, el holocausto y la reunificacin alemana de 1990 son
ejemplos de este tipo. El que estos acontecimientos tuvieran lugar parece
ser el resultado de una compleja interaccin de muchas fuerzas cuya con-
juncin se antoja crucial para que as fuera. Esto quiere decir que series de
 >. L> <$r3.*7 ra
- ~- " *i.x4
r ~
. "- : "r*.
- ". -
J t r
*%.lx&"-x .%%'t._YC3 L - E I ~ ~ - ~ ~ F P ~ ~ - ~ & % ~ V ~ ~ ~ * * -m"*-~x~w~-p.--~-
- - W ~ -w' -* 7 -*" S ^

acontecimientos y de fuerzas, cuyas causas son independientes entre s,

convergieron en un lugar y momento determinados, de manera que su inte-
raccin parece que ocasion los acontecimientos que se observan (Hirsch-
man, 1970). Adems, suele ser difcil creer que tales acontecimientos fue-
ran consecuencias inevitables de fuerzas histricas a gran escala: algunos
parecen haber dependido, en parte, de la idiosincrasia de ciertas personali-
dades, instituciones o movimientos sociales. De hecho, desde el punto de
vista de nuestras teoras, con frecuencia el azar parece haber tenido su pa-
pel: factores que se encuentran fuera del alcance de la teora vincularon de
forma determinante la sucesin de los acontecimientos.
Una de las formas de comprender estos hechos es mediante la bsqueda
de generalizaciones. que conceptualizan cada caso dentro de un tipo de
acontecinzientos del que se puede decir que tiene una serie de caracters-
ticas generales. Este mtodo suele funcionar bien para guerras o revolucio-
nes ordinarias. pero algunos de estos procesos, al ser mucho ms extremos
que otros, constituyen ((valores atpicos)) en la distribucin estadstica.
Adems, hay guerras o revoluciones precursoras de gran importancia que
pueden tener una influencia tan considerable en fenmenos posteriores del
mismo tipo -pensamos de nuevo en la Revolucin francesa- que hay que
tener cuidado al compararlas con sus secuelas, ya que, en cierto sentido, s-
tas pueden ser fruto de la imitacin. Expandir el tipo de acontecimiento
puede ser til, pero no siempre resulta apropiado.
Tambin se puede proceder de manera cientfica con acontecimientos
peculiares de gran magnitud utilizando uii anlisis contrafctico, que es
la construccin mental de una serie de acontecimientos que se altera me-
diante la modificacin de una o ms "condiciones" (Weber [1905], 1949,
p. 173). La aplicacin de esta idea de forma sistemtica y cientfica se pone
de manifiesto en un ejemplo especialmente extremo de un peculiar aconte-
cimiento de la geologa y la biologa evolutiva, ciencias naturales con
orientacin histrica. Stephen J. Gould ha indicado que una de las formas
de distinguir entre caractersticas evolutivas sistemticas y acontecimientos
estocsticos, aleatorios, puede ser imaginar cmo sera el mundo si se fija-
ran todas las condiciones, hasta un determinado punto, y se volviera a dar
cuerda al resto de la historia. Seala que si fuera posible ((volver a poner en
marcha la cinta de la vida)) y dejar que la evolucin tuviera de nuevo lugar
desde el principio, los organismos del mundo actual seran completamente
diferentes (Gould, 1989a).
Un acontecimiento nico en el que se han centrado ltimamente los que
estudian la evolucin es la sbita desaparicin de los dinosaurios hace 65
millones de aos. Gould (1 989a, p. 3 18) afirma que ((debemos aceptar que
nuestra conciencia no se habra desarrollado en el planeta si una catstrofe
csmica no se hubiera cobrado la vida de los dinosaurios)). Si tal afirma-
cin fuera cierta, la extincin de estos animales habra sido para los seres
humanos tan importante como cualquier otro hecho histrico. Sin embargo,
 desaparicin no se ajusta con propiedad al tipo de acontecimientos que
se podran estudiar directamente de forma sistemtica y comparativa me-
diante la aplicacin de leyes generales.
No obstante, la extincin de los dinosaurios puede abordarse cientfica-
mente, ya que se pueden desarrollar hiptesis alternativas y contrastarlas
con sus consecuencias observables. Una de las hiptesis que explican este
fenmeno, que desarrollaron Luis lvarez y sus colaboradores de Berkeley
a finales de los aos setenta (W. lvarez y Asaro, 1990), post~ilaque hubo
una colisin csmica: un meteorito choc con la Tierra a unos 72.000 kil-
metros por hora, lo cual gener una explosin mayor que la de una guerra
nuclear total. Si esta hiptesis fuera correcta, su consecuencia observable
sera que el iridio (un elemento habitual en los meteoritos, pero escaso en la
Tierra) se encontrara en una determinada capa de la corteza terrestre que
corresponde a los sedimentos depositados hace 65 millones de aos; de he-
cho, el descubrimiento de este metal en las capas que se haba pronosticado
se ha considerado una prueba que confirma parcialmente esta teora. Aun-
que este acontecimiento es sin duda nico, hay otras muchas consecuencias
observables. Para dar slo un ejemplo, tendra que ser posible encontrar el
crter del meteorito en algn lugar de la Tierra (y ya se han encontrado al-
gunos candidatos) j.
El problema que plantea la causa (o causas) de la extincin de los dino-
saurio~sigue sin resolverse, aunque la polmica ha generado investigacio-
nes muy valiosas. Por lo que a nosotros respecta, la importancia de este
ejemplo radica en que las generalizaciones cientficas son tiles incluso
cuando se estudian acontecimientos muy poco habituales que no pertene-
cen a un tipo importante. La hiptesis de lvarez no puede contrastarse con
un conjunto de acontecimientos normales, pero s tiene consecuencias ob-
servables en otros fenmenos evaluables. Sin embargo, hay que sealar que
una hiptesis no se considera una explicacin razonablemente cierta hasta
que no se evala empricamente y se somete a ciertas pruebas estrictas.
Como mnimo, sus consecuencias deben ser compatibles con nuestro cono-
cimiento del mundo exterior, y cuando la hiptesis es realmente buena debe
predecir lo que Imre Lakatos (1970) denomina ((hechos nuevos)), o sea,
aquellos que no se haban observado hasta entonces.
La cuestin es que incluso acontecimientos aparentemente nicos, como
la extincin de los dinosaurios, pueden estudiarse de forma cientfica si nos
ocupamos de mejorar las teoras, los datos y la forma de utilizarlos. Mati-
zar nuestra teora mediante la clarificacin conceptual y la especificacin
de variables puede generar ms consecuencias observables e incluso poner
a prueba teoras causales referidas a acontecimientos nicos como la extin-
cin de los dinosaurios. Perfeccionar nuestros datos nos permitir contem-
plar un mayor nmero de consecuencias observables, mientras que utilizar-
los mejor har posible que extraigamos ms consecueilcias de ellos. El
hecho de estudiar acontecimientos muy complejos no hace irrelevante la
realizacin de un cuidadoso diseo de investigacin. Si recogemos datos
sobre la mayor cantidad posible de consecuencias observables de nuestra
teora, el estudio mejorar, independientemente de que estemos barajando
muchos o pocos fenmenos -o incluso uno.

2. Principales componentes del diseo de investigacin

Cuando la investigacin social es de calidad, constituye un proceso creativo

en el que la intuicin y el descubrimiento surgen dentro de una consolidada
estructura de estudio cientfico. Para el cientfico social de primera catego-
ra el diseo de una investigacin no es un programa que haya que seguir
mecnicamente para recoger y evaluar datos. Por el contrario, el investiga-
dor debe ser lo suficientemente flexible como para rechazar las viejas for-
mas de mirar el mundo y plantear nuevas preguntas, revisar los diseos de
investigacin apropiadamente y recoger despus datos diferentes de los que
,haba pensado en un principio, Sin embargo, para que sus conclusiones
sean vlidas y aceptables para los expertos del rea, todas estas revisiones y
nuevas consideraciones han de producirse siguiendo procedimientos expl-
citos que respeten las normas de la inferencia. Un proceso de investigacin
dinmico tiene lugar dentro de una normativa estable.
Con frecuencia, los cientficos sociales comienzan sus investigaciones
con un diseo ponderado, recogen algunos datos y extraen conclusiones.
Sin embargo, el proceso no suele carecer de obstculos, y este orden no
siempre es el mejor, ya que las conclusiones pocas veces se desprenden f-
cilmente del diseo de investigacin y de los datos que se recogen de acuer-
do con l. Una vez que el investigador ha reunido esos datos, tal como indi-
caba su proyecto, a menudo se encontrar con que el engarce entre las
principaies preguntas de la investigacin, la teora y los datos disponibles
es imperfecto. En este momento, suele cundir el desnimo y se cree, equi-
vocadamente, que otros cientficos sociales hallan un vnculo estrecho e in-
mediato entre datos e investigacin. Esta percepcin se debe a que con fre-
cuencia los investigadores retiran los andamios despus de levantar sus
edificios intelectuales, sin dejar apenas rastro de las penalidades e incerti-
dumbres de la construccin. De ah que el proceso investigador parezca
ms mecnico y previsible de lo que realmente es.
Algunos de nuestros consejos van dirigidos a los investigadores que in-
tentan relacionar la teora y los datos. A veces pueden concebir procedi-
mientos de recogida de datos ms apropiados para la mejor evaluacin de
una teora; en otras ocasiones pueden utilizar los datos de que disponen y re-
formular una pregunta terica (o incluso plantear otra completamente dife-
rente que no se contempl en un principio) con el fin de generar un proyecto
de investigacin ms importante. Si el estudio sigue las normas inferenciales,
seguir siendo cientfico y producir inferencias fiables acerca del mundo.
 Siempre que sea posible, los investigadores deben tambin perfeccionar
el diseo de su investigacin antes de llevar a cabo cualquier trabajo de
campo. Sin embargo, los datos disciplinan el pensamiento a su manera. Es
muy habitual que un diseo excelente haga aguas cuando se recogen las
primeras observaciones: no es que la teora est equivocada, sino que los
datos no son apropiados para responder a las preguntas planteadas en un
principio. Entender desde el comienzo lo que se puede y no se puede hacer
en las etapas finales puede ayudar al investigador a prever, al menos, algu-
nos problemas cuando haga el primer diseo de investigacin.
Para un mejor anlisis, dividimos todos estos diseos en cuatro partes: la
pregunta de la investigacin, la teora, los datos y la utilizacin de los da-
tos. Estos componentes no suelen desarrollarse por separado y los estudio-
sos no se ocupan de ellos con un orden preestablecido. De hecho, para los
cualitativistas que comienzan el trabajo de campo antes de elegir una pre-
gunta precisa para su investigacin, primero van los datos y despus lo de-
ms. Sin embargo, esta peculiar ruptura, que explicamos entre los aparta-
dos 2.1 y 2.4 de este captulo, es especialmente til para comprender el
carcter de los diseos de investigacin. Con el fin de determinar con pre-
cisin lo que podra hacerse si se reorientaran los recursos, nuestros conse-
jos en el resto de este apartado presuponen que el investigador dispone de
tiempo y medios ilimitados. Evidentemente, en cualquier investigacin real
siempre hay que hacer concesiones. Creemos que si el investigador entien-
de los consejos que damos para los cuatro componentes, esto le ayudar a
hacer concesiones que mejoren al mximo el proyecto de su investigacin,
aunque sta sea objeto de condicionantes externos.

2.1 Mejorar las preguntas de la investigacin

A lo largo de este libro se plantea qu hacer una vez que identificamos el

objeto de estudio. Cuando hay una pregunta para la investigacin, jcmo
podemos llevar sta a cabo para dar explicaciones vlidas a los fenmenos
sociales y polticos? Nuestro anlisis comienza con una pregunta para la in-
vestigacin y contina despus con las fases de diseo y realizacin. Pero,
dnde se originan las preguntas de un estudio? Cmo elige un investiga-
dor el tema de anlisis? No hay respuesta sencilla a estas preguntas. Al
igual que otros autores, Karl Popper (1968, p. 32) ha sealado que no
existe algo que pueda llamarse mtodo lgico para tener nuevas ideas [...]
El descubrimiento contiene un "elemento irracional" o una "intuicin crea-
tiva")). En los primeros estadios del proceso de investigacin, las normas de
eleccin estn menos formalizadas que las de otras actividades de ese mis-
mo proceso. En el rea de la eleccin social existen textos que tratan sobre
cmo disear experimentos de laboratorio; en estadstica hay criterios para
seleccionar la muestra de una encuesta que trate sobre las actitudes respec-
 to a una poltica, y tambin existen manuales para llevar a cabo observa-
cin participante en una oficina. Sin embargo, no hay reglas que indiquen
cmo elegir el proyecto de investigacin que se va a realizar y, si decidimos
llevar a cabo trabajo de campo, tampoco las hay para indicarnos dnde te-
nemos que hacerlo.
Podemos proponer maneras de hacer una muestra de comunidades con
el fin de estudiar el impacto de diferentes polticas educativas o formas de
conceptualizar los conflictos tnicos que nos lleven a la formulacin y com-
probacin de hiptesis relativas a su incidencia. Sin embargo, no existen
normas que nos indiquen si hay que estudiar la poltica educativa o el con-
flicto tnico. Desde el punto de vista de la metgdologa de las ciencias so-
ciales, hay formas mejores y peores de estudiar la cada del rgimen de
Alemania del Este en 1989, al igual que las hay para abordar la relacin en-
tre las opiniones de un candidato en materia fiscal y sus probabilidades de
xito electoral. Sin embargo, no hay ninguna manera de determinar si es
mejor estudiar la cada del rgimen germano oriental o el papel de los im-
puestos en las elecciones estadounidenses.
El tema concreto que estudia un cientfico social puede tener un origen
personal e idiosincrsico. No es casual que, habitualmente, sean los miem-
bros de un grupo los que comiencen a estudiarlo: las mujeres han solido
llevar la batuta en la historia de su propio gnero, los negros en la de su et-
nia y los inmigrantes en la de la emigracin. Los temas tambin pueden
verse influidos por inclinaciones o valores personales. Es probable que
quien estudia el Tercer Mundo tenga ms ganas de viajar y tolere mejor
condiciones de vida difciles que el que se ocupa de la elaboracin de pol-
ticas en el Congreso estadounidense, del mismo modo que quien analice la
cooperacin internacional puede tener una especial aversin a los conflictos
violentos.
Estas experiencias y valores personales suelen proporcionar la motiva-
cin para convertirse en un cientfico social y, posteriormente, para elegir
una determinada pregunta de investigacin. En consecuencia, pueden ser
las ((autnticas))razones para embarcarse en un determinado proyecto, y es
justo que sea as. Sin embargo, independientemente de lo personales o pe-
culiares que sean las razones para elegir un tema, los mtodos cientficos y
normas inferenciales que se analizan en este libro ayudarn a los acadmi-
cos a hacer proyectos de investigacin ms slidos. Desde el punto de vista
de la posible aportacin a las ciencias sociales, las razones personales no
son ni necesarias ni suficientes para justificar la eleccin de un tema. En la
mayora de los casos, no tendran que aparecer en los escritos acadmicos.
Para decirlo de manera ms directa pero menos delicada, a nadie le importa
nuestra opinin: a la comunidad acadmica slo le interesa lo que podemos
demostrar.
Aunque no existan normas precisas para elegir un tema, s hay maneras
de determinar -aparte de las preferencias personales- la posible trans-
 cendencia que tiene para la comunidad cientfica una empresa investigadora.
Lo ideal sera que todos los proyectos de investigacin de las ciencias so-
ciales cumplieran dos condiciones. En primer lugar, un pro-vecto de investi-
gacin tiene que plantear una pregunta ((importante))para el mundo real.
El tema ha de ser relevante para la vida poltica, social o econmica, para
entender algo que afecte de manera significativa a la vida de muchas perso-
nas o para comprender o predecir acontecimientos que pudieran resultar da-
inos o beneficiosos (vase Shively, 1990, p. 15). En segundo lugar, un
proyecto de investigacin tiene que hacer una aportacin concreta a lo es-
crito en un rea acadmica identificable, aumentando la capacidad colecti-
va de dar explicaciones cientz9cas verificables a algn aspecto del mundo.
Esta segunda condicin no supone que todas las investigaciones que apor-
ten algo a nuestra reserva de explicaciones para las ciencias sociales preten-
dan en realidad hacer inferencias causales. En ocasiones, la situacin del
conocimiento en un determinado campo hace que se precisen muchos datos
y descripciones antes de afrontar el reto de dar una explicacin. A veces, la
aportacin de un proyecto slo es la inferencia descriptiva, mientras que en
otras el objetivo ni siquiera es hacer tal inferencia, sino nicamente observar
de cerca ciertos acontecimientos o hacer un resumen de hechos histricos.
Sin embargo, en este caso se cumple nuestra segunda condicin, porque ta-
les acontecimientos son un requisito imprescindible para la explicacin.
La primera condicin dirige nuestro inters al mundo real de los fenme-
nos polticos y sociales, y tambin a cmo se registran los acontecimientos y
problemas actuales e histricos que configuran la vida de las personas. De-
terminar si una pregunta de investigacin cumple dicho criterio es algo prin-
cipalmente social. La segunda condicin nos sita en la bibliografa acad-
mica de las ciencias sociales, es decir, en las perplejidades intelectuales que
no se han planteado todava, en las que estn por resolver, as como en las
teoras y mtodos cientficos de que se dispone para resolverlas.
A los politlogos no les resulta difcil encontrar un objeto de estudio que
cumpla la primera condicin. A lo largo de los ltimos cuatrocientos aos
diez guerras importantes se han cobrado la vida de casi treinta millones de
personas (Levy, 1985, p. 372); algunas ((guerras limitadas)), como las que
libraron los Estados Unidos y Vietnam del Norte, o Irn e Irak, han produ-
cido cada una un nmero de vctimas cercano al milln; del mismo modo,
si hubiera una guerra nuclear, sta podra eliminar a miles de millones de
seres humanos. La mala gestin de los polticos, tanto en el mbito na-
cional como en el internacional, ha generado - c o m o en los aos treinta-
privaciones econmicas de carcter global y crisis regionales y locales, tal
como lo demuestran las trgicas experiencias de gran parte de frica y
Amrica Latina durante los aos ochenta. En general, las variaciones entre
pases en lo tocante a instituciones polticas se relacionan con las diversas
condiciones de la vida ordinaria, las cuales se reflejan en la diferente espe-
ranza de vida o mortalidad infantil que tienen pases con un grado de desa-
 1, La brJencf9 SPR Lar ciencia; sociales

rrollo econmico similar (Russett, 1978, pp. 913-28). Dentro de los Esta-
dos Unidos, la eficacia de los programas que combaten la pobreza o la de-
sarticulacin social parece haber variado de forma considerable. No cabe
duda de que ser importante toda investigacin que contribuya, aunque sea
de forma marginal, al conocimiento de estos problemas.
Aunque los cientficos sociales tienen muchas cuestiones significativas
que investigar, las herramientas para entenderlas son escasas y poco elabo-
radas. Hay muchos escritos sobre la guerra o el sufrimiento en las socieda-
des que poco contribuyen a la comprensin de tales problemas porque no
los describen de forma sistemtica o no hacen inferencias causales o des-
criptivas vlidas. Las ideas brillantes pueden mejorar la comprensin al
aportar nuevas e interesantes hiptesis, pero la brillantez no es un mtodo
de investigacin emprica. Todas las hiptesis han de ser contrastadas emp-
ricamente antes de que hagan una aportacin al conocimiento. Este libro no
da consejos sobre cmo ser brillante. Sin embargo, lo que s puede hacer es
recalcar la importancia de que la investigacin se lleve a cabo de manera
que constituya una aportacin al conocimiento.
Nuestro segundo criterio para elegir una pregunta de investigacin, ((ha-
cer una aportacin)), significa explcitamente que hay que situar el diseo
del estudio dentro del marco de la bibliografia cientfica existente. Esto ga-
rantiza que el investigador comprende el ((estado de la cuestin)) y reduce
al mnimo la posibilidad de repetir lo que ya se ha hecho. Tambin garanti-
za que el trabajo sea importante para otros, aumentando as el xito del
conjunto de la comunidad acadmica. Se puede hacer una aportacin expl-
cita a lo escrito sobre el tema de varias maneras. A continuacin se enume-
ran algunas de ellas:

1. Eligiendo una hiptesis que los estudiosos consideren importante en la biblio-

grafa pero de la que no se haya realizado un estudio sistemtico. Si encontra-
mos pruebas a favor o en contra de la hiptesis, estaremos haciendo una aporta-
cin.
2. Eligiendo una hiptesis aceptada en la bibliografa que sospechemos es falsa (o
creamos que no se ha demostrado adecuadamente) e investigando si realmente
lo es o si otra teora es correcta.
3. Intentando resolver o presentando ms pruebas a favor de uno de los bandos en
una polmica que est presente en lo escrito hasta el momento; demostrando
quiz que toda esa polmica careca de fundamento desde el principio.
4. Diseando investigaciones que arrojen luz o evalen premisas no cuestionadas
por la bibliografa.
5. Sealando que en la bibliografa no se ha concedido atencin a un asunto im-
portante y proceder a continuacin a aportar a ese campo un estudio sistemtico.
6. Sealando que las teoras o pruebas relativas a cierto objetivo en un campo po-
dran aplicarse a otro para solucionar un problema existente, pero aparentemen-
te alejado.
 Et diseo de ia investigacin social

; Si nos preocupamos demasiado por hacer una aportacin a la bibliogra-

fa acadmica sin prestar cierta atencin a asuntos importantes para el mun-
do real, correremos el riesgo de formular preguntas insignificantes desde el .
punto de vista poltico. Por el contrario, centrarse en el contexto poltico ac-
tual sin preocuparse de hasta qu punto un problema social es susceptible
l
de investigarse sistemticamente dentro del marco de un cuerpo de conoci- -
miento conduce a trabajos descuidados que poco aaden a una compren-
1 sin profunda.
Nuestros dos criterios para elegir preguntas de investigacin no son ne-
cesariamente opuestos. A largo plazo, la comprensin de los fenmenos del
mundo real aumenta con la elaboracin y evaluacin de hiptesis explicati-
vas que propugna el mtodo cientfico. Sin embargo, de forma ms inme-
diata, puede haber contradiccin entre lo que es til desde el punto de vista
. prctico y lo que finalmente tiene valor. Por ejemplo, Mankiw (1990) sea-
la que la teora macroeconmica y la macroeconomia aplicada se apartaron
considerablemente la una de la otra en los aos setenta y ochenta: modelos
cuya incoherencia terica se haba demostrado siguieron utilizndose para
hacer pronsticos sobre la economa estadounidense, mientras que los nue-
vos modelos tericos, concebidos para corregir esos fallos, continuaron te-
niendo un carcter especulativo y no se desarrollaron lo suficiente como
para realizar predicciones ajustadas con ellos.
Cuando un investigador elige un tema, puede parecer que los criterios de
aplicabilidad al mundo real y aportacin al progreso cientfico son opues-
tos. Algunos investigadores comenzarn con un problema del mundo real
que sea muy significativo socialmente, como la amenaza de guerra nuclear,
la disparidad de ingresos entre hombres y mujeres o la transicin a la de-
mocracia en Europa del Este. Otros quiz partan de un problema intelectual
planteado en la bibliografa de las ciencias sociales: la contradiccin entre
diversos estudios experimentales de tomas de decisin en condiciones de
incertidumbre o la existente entre diversas teoras de voto referidas a las
elecciones para el Congreso estadounidense y los ltimos resultados en las
urnas. Evidentemente, no hay una distincin estricta entre los criterios.iA1-
gunas preguntas de investigacin responden a los dos desde el principio,
pero, a la hora de disear el estudio, los investigadores suelen comenzar es-
tando ms cerca de uno que de otro 4.
Independientemente del punto de partida, el proceso de disear una in-
vestigacin para dar respuesta a una pregunta debe cumplir nuestras dos
condiciones, y es evidente que la direccin de este movimiento depender
de dnde comience. Si lo que nos motiva es una perplejidad cientfica, ten-
dremos que preguntarnos cmo hacer que el objeto de la investigacin sea
ms relevante para asuntos importantes del mundo real: por ejemplo, cmo
podra un experimento de laboratorio dilucidar mejor las elecciones estrat-
gicas de los decisores del mundo real o las consecuencias que, para el com-
portamiento, puede tener esta teora. Si partimos de un problema real, ten-
 1. La clencfa en las ciencias sociales

dremos que preguntarnos cmo puede estudiarse con mtodos cientficos

modernos para hacer una aportacin al fondo de explicaciones de las cien-
cias sociales. Bien pudiera ser que apartarse demasiado de uno u otro crite-
rio no hera la mejor opcin. Los que hacen experimentos de laboratorio
pueden sealar que es prematuro buscar referencias externas y que se avan-
zar ms si se perfecciona la teora y el mtodo en un medio controlado;
quiz, en un estudio de larga duracin, esto sea cierto. Por el contrario,
quien est preocupado por un problema del mundo real puede indicar que
antes de explicar es necesario describir con precisin, y puede que tambin
tenga razn, ya que la descripcin exacta es un paso importante de los estu-
dios explicativos.
En cualquier caso, si es posible, todo proyecto de investigacin tiene que
intentar cumplir nuestras dos condiciones: ocuparse de un asunto relevante
del mundo real y estar concebido para realizar una aportacin, directa o in-
directamente, a una determinada rea bibliogrfica acadmica. En este li-
bro, al ser nuestra principal preocupacin que la investigacin cualitativa
sea ms cientfica, nos ocuparemos ms del investigador que parte del
((mundo real)), pero nuestro anlisis es aplicable a ambas tendencias.
Cuando el punto de partida es un problema significativo del mundo real
y no un rea bibliogrfica ya establecida, resulta esencial que elaboremos
un plan de estudio factible. Si se propone un asunto que no puede desarro-
llarse hasta convertirlo en un proyecto de investigacin concreto, que per-
mita la extraccin de inferencias descriptivas y causales vlidas, hay que
modificarlo o abandonarlo. Del mismo modo, tambin hay que cambiar
toda propuesta que no haga alguna aportacin a los escritos acadmicos. Al
elegir provisionalmente un tema, estamos dialogando con su bibliografia.
Qu preguntas de inters para nosotros se han respondido ya? Cmo se
puede plantear y pulir nuestra pregunta para que parezca posible contestarla
con las herramientas disponibles? Podemos partir de un asunto candente,
pero tendremos que hacer frente tanto a lo escrito en las ciencias sociales
como a problemas inferenciales.

2.2 Mejorar la teora

En las ciencias sociales, una teora es una especulacin razonada y precisa

sobre la respuesta que cabe dar a la pregunta de una investigacin, e inclu-
ye una declaracin de por qu tal respuesta es correcta. Las teoras suelen
conllevar hiptesis descriptivas o causales ms especficas. Una teora debe
estar en consonancia con los datos disponibles anteriormente sobre una pre-
gunta de investigacin. Una teora que no tiene en cuenta los datos exis-
tentes es una incoherencia. Si dispusiramos de algo equivalente a la legis-
lacin sobre "veracidad en la publicidad", esta incoherencia no se llamara
teora)) (Lieberson, 1992, p. 4; vase tambin Woods y Walton, 1982).
E i diseno de ta lnvestiqacibn social

El desarrollo de la teora suele presentarse como el primer paso de la in-

vestigacin. A menudo, en la prctica, es lo primero, pero no tiene por qu
serlo. De hecho, no podemos elaborar una teora sin conocer antes los tra-'
bajos realizados sobre el tema y sin haber reunido algunos datos, ya que en
este estadio ni siquiera se sabe cul es la pregunta de la investigacin. No
obstante, independientemente de la cantidad de datos que se hayan reunido
ya, hay algunas formas generales de evaluar y aumentar la utilidad de una
teora. Ahora slo vamos a esbozarlas, pero las analizaremos en detalle en
captulos posteriores.
En primer lugar, hay que elegir teoras que puedan estar equivocadas. En 1'
realidad, se aprende mucho ms de las que estn equivocadas que de aque-
llas que se enuncian de forma tan general que puede que ni siquiera lo es-
tn en principio 5 . Es necesario poder responder directamente a la pregunta:
1'
qu datos nos convenceran de que estamos equivocados? 6 . Si no hay res-
puesta para esta pregunta, tampoco hay teora.
En segundo lugar, para asegurarse de que una teora es falsable, hay que
elegir una que pueda generar tantas consect~enciasobservables como sea
posible. Tal eleccin posibilitar que la teora se someta a ms pruebas, uti-
lizando ms datos y ms variados, que est ms veces en peligro de ser fal-
sada y que se puedan recoger ms datos para darle una mayor consistencia.
En tercer lugar, al disear teoras es preciso ser lo ms concreto posible.'
Las teorias e hiptesis que se formulan con vaguedad no sirven ms que
para ofuscar. Se puede demostrar ms fcilmente que una teora est equi-
vocada cuando se ha enunciado con precisin y hace predicciones especfi-
cas; por consiguiente, esta teora ser mejor.
Algunos investigadores recomiendan que se siga el principio de ((conci-
sin. Por desgracia, este trmino se ha utilizado tantas veces en conversa-
ciones informales y en escritos acadmicos que el principio ha quedado
eclipsado (vase Sober [1988] para un anlisis completo). Jeffreys (196 1,
p. 47) dio la definicin ms clara de concisin: Las teoras ms simples
tienen en principio ms probabilidades)) '. Por lo tanto, la concisin es un
juicio, e incluso un supuesto, sobre la naturaleza del mundo: se presupone
que es simple. Elegir teoras cuya premisa es la existencia de un mundo
simple es una regla que se aplica con claridad en situaciones en las que se
est muy seguro de que el mundo es as realmente. Los fsicos parecen c-
modos con la concisin, pero los bilogos suelen creer que es absurda. En
las ciencias sociales, los hay que la defienden con vehemencia para sus su-
breas (por ejemplo, Zellner, 1984), pero nosotros creemos que slo es til
en ciertas ocasiones. Dada la precisa definicin de concisin como supues-
to acerca del mundo, nunca deberamos insistir en que fuera un principio
general a la hora de disear teoras, aunque sea til en aquellas situaciones
en las que haya indicios de que el mundo que estudiamos es simple.
Lo que queremos decir es que no recomendamos al investigador que
busque la concisin como un bien en s mismo, porque, a menos que ya se-
 1, La ciencia en [as ciencias sociales
pamos mucho de un asunto, no parece que haya muchas razones para prac-
ticarla. Ni siquiera necesitamos este principio para evitar teoras excesiva-
mente complicadas, porque est implcito en la mxima de que la teora
debe ser tan complicada como indican los datos. Las situaciones en las que
no hay informacin suficiente sobre la complejidad de la teora que se in-
vestiga pueden conducir a lo que se denomina diseos de investigacin
imprecisos)) (vase el apartado 1 del captulo 4), pero stos son problemas
del diseo de la investigacin y no supuestos acerca del mundo.
Todos los consejos que hemos dado hasta pueden aplicarse si an no
hemos reunido nuestros datos ni hemos comenzado a analizarlos. Sin em-7
bargo, si estn ya recogidos, podemos utilizar esas reglas para modificar
nuestra teora y conseguir ms datos, generando de este modo ms conse-
cuencias observables sobre la nueva teora. Por supuesto, este proceso es
caro, cuesta mucho tiempo y quiz vayamos a desperdiciar los datos que y a
se han recogido. Qu ocurre entonces cuando est claro que hay que me--
jorar nuestra teora pero no podemos permitimos recoger ms datos? Esta
situacin - e n la que con frecuencia se encuentra el investigador- ha de
tratarse con cautela y dominio de uno mismo. Cualquier investigador inteli-
gente puede elaborar una teora plausible con el conjunto de datos que
surge de un hecho; sin embargo, esto no dira nada sobre la veracidad de la
teora, que puede ajustarse muy bien a los datos y ser completamente falsa
-y, de hecho, su falsedad ser demostrable con otros muchos datos. A los
seres humanos se les da bien reconocer pautas, pero no tan bien detectar la
falta de las mismas ('la mayora vemos pautas en manchas de tinta saltea- -
das!). A una teora hay que racionarle los ajustes realizados sobre la marcha-,
que no sean coherentes con los datos disponibles, y hay que hacerlos con
bastante disciplina 8.
Todava nos queda el problema de qu hacer cuando hayamos terminado
tanto la recogida de datos como nuestro anlisis y queramos mejorar nues-
tra teora. En esta situacin, recomendamos que se respeten dos normas: en
primer lugar, si nuestra prediccin se halla condicionada por diversas varia-
bles y queremos librarnos de una de las condiciones, podemos hacerlo. Por
ejemplo, si al principio nuestra hiptesis era que los pases democrticos
con sistemas avanzados de proteccin social no luchan entre s, sera acep-
table extender tal hiptesis a todas las democracias contemporneas y de
este modo contrastar nuestra teora en un mayor nmero de casos y aumen-
tar las posibilidades de que sea falsada. El propsito general es que, des-
pus de ver los datos, podamos modificar la teora para que se pueda apli-
car a una gama ms amplia de fenmenos. Esta alteracin de nuestras tesis,
al exponerlas an ms a la falsacin, no debera llevarnos a explicaciones
para salir del paso que slo pretendan salvar una teora inadecuada res-
tringindola a fenmenos con los que ya se ha comprobado que concuerda.
Sin embargo, la prctica opuesta no suele ser apropiada. Despus de ob-
servar los datos, no deberamos nicamente aadir una condicin restrictiva
 E l diseo de ia investgael'gl ssciak

y continuar como si esa matizacin hubiera demostrado que nuestra teora

es correcta. Si la teora original fuera que las democracias contemporneas
!
i.
no luchan entre s porque tienen sistemas constitucionales, sera menos
f
aceptable que, al encontrar excepciones a nuestra regla, limitramos la
1
1 proposicin a las democracias que disponen de un sistema avanzado de
il proteccin social una vez que se ha constatado mediante la inspeccin de
r los datos que esta matizacin parece convertir nuestra proposicin en co-
rrecta. O supongamos que nuestra teora inicial fuera que las revoluciones
slo tienen lugar en situaciones de grave crisis econmica, pero nos damos
2
cuenta de que no es verdad en uno de nuestros estudios de caso. En esta si-
b
tuacin no sera razonable aadir nicamente condiciones generales como:
las revoluciones nunca tienen lugar durante perodos de prosperidad excep-
;jl
I
to all donde el ejrcito es dbil, los lderes polticos son represivos, la eco-
B i . noma se basa en un reducido nmero de productos y el clima es clido. Tal
1 formulacin es una forma caprichosa (y engaosa) de afirmar que mi teo-
ra es correcta, excepto en el pas X. Ya que hemos descubierto que nues-
1
1 tra teora no se aplica en dicho pas, no es de mucha ayuda convertir esta
falsacin en una generalizacin espuria. Si no nos esforzamos por reca-
bar nuevos datos, no dispondremos de pruebas aceptables que sostengan la
nueva versin de la teora.
Por lo tanto, nuestra regla bsica en cuanto a la alteracin de una teora
una vez que se han observado los datos es: podemos hacer que la teora sea-'
menos restrictiva (deforma que contemple una gama ms amplia de fenme-
nos y se vea expuesta a ms oportunidades de falsacin), pero esto no ha
de hacerse sin haber recogido ms datos con los que contrastar la nueva
versin de la teora. Si no podemos recabar ms datos, estaremos en punto
muerto y no podemos proponer ningn mtodo mgico para dejar de estar-
;
lo. En ciertos momentos, aceptar que estamos equivocados es lo mejor y, de
hecho, algunos resultados negativos pueden ser bastante tiles para un rea
acadmica. Quin no habra de preferir una slida conclusin negativa an-
tes que varias de carcter insustancial que se basen en teoras elaboradas
para salir del paso?
i
Adems, si estamos equivocados, no tenemos por qu dejar de escribir
una vez que hayamos admitido nuestra derrota. Podemos aadir un aparta-
i do a nuestro artculo o un captulo en el libro para ocuparnos de futuras in-
I '
vestigaciones empricas y de la presente especulacin terica. En este con-
texto, disponemos de bastante ms libertad y podemos sealar nuevas
condiciones que sera plausible introducir en nuestra teora -si creemos
que pueden solucionar el problema-; plantear la modificacin de otra teo-
ra existente o apuntar hacia una gama de teoras completamente diferente.
En tal situacin, no podemos llegar a ninguna conclusin con mucha certe-
za (excepto, quiz, al afirmar que la teora que planteamos al principio est
equivocada), pero s podemos permitirnos el lujo de inventar nuevos dise-
investigacin o proyectos de recogida de datos que podran utilizarse
 para determinar si nuestras especulaciones son correctas. Este ejercicio
puede ser bastante til, especialmente a la hora de sealar reas de las que
los futuros investigadores podran ocuparse.
Como hemos sealado anteriormente, ya se sabe que las ciencias socia-
les no siguen normas estrictas: ila necesidad de creatividad a veces exige
que se prescinda del manual! Y los datos pueden disciplinar el pensamien-
to. De ah que a los investigadores, una vez que se enfrentan a los datos, se
les ocurra cmo deberan haber construido la teora en un principio. Aun-
que sea de forma restrictiva, tal modificacin quiz valga la pena si pode-
mos convencernos a nosotros mismos y a los dems de que reformar la teo-
ra tal como lo proponemos es algo que habramos hecho antes de recoger
los datos si se nos hubiera ocurrido. Sin embargo, hasta que la teora no se
contraste con nuevos datos, su posicin seguir siendo incierta, y as habr
que considerarla. .
Una de las consecuencias importantes de estas normas es que los pro-
yectos piloto suelen ser muy tiles, especialmente en investigaciones en las
que los datos han de recogerse mediante entrevistas u otros medios particu-
larmente costosos. La recogida de datos preliminar puede llevamos a alte-
rar las preguntas de la investigacin o a modificar la teora. Posteriormente,
se pueden recabar otros datos para contrastar la nueva teora, evitndose as
el problema de utilizar la misma informacin para elaborar y comprobar
una teora.

2.3 Mejorar la calidad de los datos

Los datos son informaciones sobre el mundo recogidas de forma siste-

mtica y pueden ser de tipo cualitativo o cuantitativo. A veces se renen
datos para evaluar una teora muy concreta, pero no es inusual que los aca-
dmicos los recojan antes de saber exactamente qu es lo que les interesa
encontrar. Adems, aunque los datos se renan para contrastar una hipte-
sis determinada, puede que al final a los investigadores les interesen pre-
guntas que no se les haban ocurrido anteriormente.
En cualquier caso, ya sea que los datos se renan para un determinado
propsito o que se utilicen para otro que no est claro cuando se realiza la
recogida, existen ciertas normas que mejoran la calidad de tales datos. En
principio, podemos considerar esas normas al margen de las que se han
mencionado en el apartado 2.2 para mejorar la teora. En la prctica, para
toda recogida de datos se necesita cierto grado de teora, del mismo modo
que para formular cualquier teora se precisan algunos datos (vase Co-
ombs, 1964).
Nuestra primera y ms importante directriz para mejorar la calidad de
los datos es: registrar y detallar el proceso con el que se generan los datos.
, Sin esta informacin no podemos determinar si la utilizacin de procedi-
 E l diseo de La investigacion social

mientos normalizados de anlisis producir inferencias sesgadas. Slo si

,conocemos el proceso de obtencin de los datos podremos hacer inferen-
,cias descriptivas y causales vlidas. En una encuesta de opinin de tipo
d

~uantitativo,para registrar el proceso de obtencin de datos es preciso co-

nocer exactamente de qu manera se ha realizado la muestra y qu pregun-
tas se han hecho. En un estudio de caso comparado de tipo cualitativo-es
crucial enunciar las normas precisas que hemos utilizado para elegir el re-
ducido nmero de casos que se van a analizar. En el captulo 6 damos ms
directrices para la seleccin de casos en investigacin cualitativa, pero an
ms importante que elegir un buen mtodo es registrar y detallar con cuida-
do cualquiera que se utilice, as como la informacin necesaria para que
otros lo apliquen 9.
En el apartado 2.2 defendimos teoras de las que pudieran extraerse mu-
-
r chas consecuencias observables. Nuestra segunda directriz para mejorar la
'.-,
calidad de los datos es: para evaluar mejor una teora hay que recoger da-
tos acerca de la mayor cantidad posible de consecuencias observables.
'Esto supone recoger tantos datos como sea posible en los contextos ms di-- ,
versos. Cada consecuencia adicional de nuestra teora que observemos
aportar un nuevo contexto en el que poner a prueba su veracidad. Cuantas
ms consecuencias observables encontremos que sean coherentes con la
teora, ms penetrante ser la explicacin y ms ciertos sus resultados.
Al aadir datos sobre nuevas consecuencias observables de una teora,
podemos (a) recoger ms observaciones sobre la misma variable depen-
diente o (b) registrar ms variables dependientes. Podemos, por ejemplo,
desagregar los datos en perodos de tiempo ms cortos o reas geogrficas
ms pequeas. Tambin se puede recabar informacin sobre variables de-
pendientes de un inters menos directo; si los resultados son como los que
prev la teora, tendremos ms confianza en ella.
Pensemos, por ejemplo, en la teora de la disuasin racional: los poten-
ciales iniciadores de una guerra calculan los costes y beneficios de atacar
a otros estados, y en estos clculos pueden influir amenazas de represalia
crebles. La comprobacin ms directa de esta teora sera evaluar si,
dadas ciertas amenazas de guerra, la decisin de atacar se asocia con
factores como el equilibrio de fuerzas militares entre los posibles conten-
dientes o con los intereses que estn en juego para el pas atacado (Huth,
1988). Sin embargo, aunque utilizar nicamente casos en los que se lanzan
amenazas conforme un conjunto de consecuencias observables de la teora,
stas son slo una parte de las que se podran recoger (y si slo se contem-
plan stas se podra producir un sesgo de seleccin), ya que aquellas situa-
ciones en las que se disuade incluso de amenazar seran excluidas de los
datos. Por lo tanto, tambin podra merecer la pena recoger informacin
sobre otra variable dependiente (o sea, sobre otro conjunto de consecuen-
cias observables) que calibrara si los estados amenazan cuando tienen in-
1 centivos para hacerlo.
 1, ha ciencia en Las ciencias sociales

Siempre que se carezca de datos suficientes sobre la disuasin en polti-

ca internacional, tambin puede ser til poner a prueba otra teora que parta \;

de presupuestos similares respecto a la motivacin y que se aplique a otra

variable dependiente en diferentes condiciones, sin dejar de ser una conse-
cuencia observable de la misma teora. Por ejemplo, podramos concebir un
experimento de laboratorio para ver si, en circunstancias simuladas, la ca-
pacidad militar y unas negociaciones firmes, en vez de acentuar las ((ame-
nazas)), hacen que no se produzcan. Tambin podramos examinar si, en si-
tuaciones anlogas, actores como los oligopolios que compiten por su cuota
de mercado o las familias del crimen organizado que luchan por el territo-
rio utilizan estrategias de disuasin y hasta qu punto tienen xito en diver-
sas circunstancias. De hecho, los economistas que trabajan en el rea de la
organizacin industrial han utilizado la teora de juegos no cooperativa, en
la que tambin se basa la de la disuasin, para estudiar problemas como el
de la entrada en ciertos mercados o las estrategias de precios (Fudenberg y
Tirole, 1989). Como las teoras se parecen tanto, los datos empricos en los
que se basan las predicciones de la teora de juegos acerca del comporta-
miento de las empresas aumentaran la plausibilidad de otras hiptesis rela-
cionadas con la accin del Estado en poltica internacional. Seguira ha-
biendo incertidumbre al aplicar las conclusiones de un campo al otro, pero
el problema es lo suficientemente importante como para justificar que se
intente sacar ideas y pruebas de donde sea posible.
Es evidente que una recogida de datos que siempre prescinda del anlisis I L
impedir la finalizacin de una investigacin til en vez de facilitarla. En laA !
prctica, las limitaciones de tiempo y de recursos siempre condicionarn
los esfuerzos por recoger datos. Aunque ms informacin, ms casos, ms
entrevistas, una nueva variable y otras formas relevantes de recopilacin de
datos siempre vayan a dar ms certeza a nuestras inferencias en algn senti-
do, puede que haya investigadores prometedores que se vean perjudicados
en igual medida por el exceso de informacin que por su escasez. Insistir
en leer un libro ms o en hacerse con otra matriz de datos bmtos sin escri-
bir una lnea es recetar improductividad.
La tercera directriz es: maximizar la validez de nuestras mediciones. La - 4

validez tiene que ver con calibrar lo que creemos que estamos calibrando.
El ndice de paro puede ser un buen indicador de la situacin econmica,
pero uno y otra no son sinnimos. En general, lo ms fcil es maximizar la
validez ajustndose a los datos sin permitir que se nos interpongan concep-
tos no observados o no mensurables. Si un entrevistado responde a nuestra
pregunta aduciendo ignorancia, lo que sabemos es que dijo que no lo sabia,
y para eso s tenemos una medida vlida. Sin embargo, lo que quiso decir
en realidad constituye un concepto completamente diferente que no puede
medirse con un alto grado de confianza. Por ejemplo, en pases con gobier-
nos represivos, aducir ignorancia puede ser, para algunas personas, una for-
ma de criticar el sistema poltico; para otros es como decir No s.
il EL diseo de l a investiga~stsocia[

r-~
'
Nuestra cuarta directriz es: asegurarse de que los mtodos de recogida
de datos sonfiables. Fiabilidad significa que si se aplica el mismo procedi-l
miento de la misma manera siempre se obtendr la misma medida. Cuando:
.
seLutilizaun procedimiento fiable en diferentes ocasiones, sin que nada
haya ocurrido entretanto que transforme la ((verdadera))situacin del objeto
que estamos calibrando, se observar el mismo resultado lo. Las medidas
fiables tambin ofrecen los mismos resultados cuando las realizan diferen-
tes investigadores, y ello depende, evidentemente, de que se puedan seguir
procedimientos explcitos l l .
Nuestra ltima directriz es que todos los datos y anlisis deben sel; en la
medida de lo posible, reproducibles. La capacidad de reproduccin no slo
se aplica a los datos, con el fin de que podamos comprobar si nuestras me-
didas son fiables, sino que tambin tiene que ver con el proceso de razona-
miento que se utiliza para alcanzar conclusiones. Partiendo del informe de
nuestra investigacin, otro investigador debera poder copiar los datos y
rastrear la lgica de nuestras conclusiones. La capacidad de reproduccin
es importante aunque nadie repita nuestro estudio. Los procedimientos y
mtodos utilizados slo se podrn evaluar si el estudio se describe con el
suficiente detalle como para que pueda reproducirse.
En algunos tipos de investigacin reproducir los datos puede resultar di-
ficil o imposible: quiz los entrevistados mueran o desaparezcan y no sea
posible reproducir las observaciones directas de acontecimientos del mun-
do real que han hecho testigos o participantes en ellos. La capacidad de re-
produccin tambin significa cosas diferentes en cada tradicin investiga-
dora. En los estudios cuantitativos se centra en repetir el anlisis a partir de
los mismos datos. Como bien sabe cualquiera que haya intentado alguna
vez reproducir los resultados cuantitativos de obras publicadas, la tarea sue-
le ser bastante ms dificil de lo que debera -aunque las obras sean de re-
nombre- y siempre resulta ms til de lo que parece al principio (acerca
de la reproduccin en investigacin cuantitativa, vase Dewald y otros,
1986).
En la investigacin cualitativa tradicional la analoga la proporcionan las
notas a pie de pgina y las revisiones bibliogrficas. Utilizando estas herra-
mientas, los sucesivos investigadores tendran que poder localizar las fuen-
tes utilizadas en una obra publicada y hacer sus propias evaluaciones sobre
las inferencias que han surgido de esa informacin. Si los estudios se basan
en la observacin directa, la reproduccin es ms difcil. Un investigador
puede tomar prestadas las notas de campo de otro o la grabacin de sus en-
trevistas para comprobar si este material fundamenta las conclusiones ex-
tradas en primera instancia. Este nuevo anlisis de resultados, utilizando
los mismos datos, no suele hacerse, ya que gran parte de la informacin del
trabajo de campo se basa en conversaciones, impresiones y otros actos de
participacin no registrados. Sin embargo, se podra avanzar bastante si hu-
ms investigadores que intentaran hacer este tipo de reproduccin, y
 1. La ciencia en tas ciencias sokiates

as se animara tambin a otros a tomar notas de campo ms detalladas. Al-

guna vez se ha reproducido un proyecto de investigacin completo, inclu-
yendo la recogida de datos. La reproduccin no puede ser perfecta porque
es imposible retrotraerse en el tiempo; no obstante, el intento puede resultar
bastante fmctfero. Quiz la reproduccin ms exhaustiva que se haya lle-
vado a cabo de un proyecto cualitativo sea la del estudio sociolgico de la
ciudad estadounidense de Middletown, en Indiana, que comenzaron Robert
y Helen Lynd. Su primer estudio de ((Middletown~se public en 1929 y se
reprodujo en un libro que apareci en 1937. Unos cincuenta aos despus
del primer proyecto se est publicando una larga serie de libros y artculos
que reproduce los primeros estudios (vase Caplow y otros, 1983a, 1983b y
las citas que incluyen). La investigacin cualitativa no tiene por qu ser tan
exhaustiva, pero este gran proyecto de investigacin debera servir como
modelo de lo que se puede hacer.
Toda investigacin tendra que aspirar a ser lo ms reproducible posible: ' '
los investigadores habran de registrar siempre los mtodos, normas y pro-
cedimientos exactos que han utilizado en la recogida de informacin y
extraccin de inferencias para que otros pudieran hacer lo mismo y llegar
(esperamos) a la misma conclusin. La capacidad de reproduccin tambin
supone que los acadmicos que utilizan fuentes inditas o privadas tendran
que comprometerse a que, en el futuro, otros pudieran acceder a este mate-
rial en condiciones similares; aprovecharse de un acceso privilegiado sin
buscar que otros lo tengan imposibilita la reproduccin y pone en cuestin
la calidad cientfica del trabajo. Lo normal es que las investigaciones no
sean reproducidas, pero nuestra responsabilidad es comportarnos como si ; -
alguien pudiera querer hacerlo. Aunque la obra no sea reproducida, aportar '
los materiales para que s lo sea har posible que los lectores comprendan y
evalen nuestro trabajo.

2.4 Utilizar mejor los datos existentes

Solucionar los problemas que plantean los datos mediante la recopilacin

de otros nuevos y mejores es casi siempre preferible a utilizar de otro modo
los datos defectuosos de que disponemos; sin embargo, no siempre es posi-
ble recoger otros. Los cientficos sociales suelen enfrentarse a datos proble-
mticos y a pocas posibilidades de adquirir otros mejores, de manera que
tienen que sacar el mximo partido a los que tienen.
Cmo utilizar mejor los datos ya recogidos es el tema principal de las '
clases de mtodos estadsticos y, de hecho, es la mayor aportacin de la
estadstica inferencial a las ciencias sociales. Los preceptos de este asun-
to, que tan claros estn en el estudio de la estadstica inferencial, tambin
se aplican a la investigacin cualitativa. En el resto del libro nos ocupa-
mos de ellos con ms detalle, y aqu slo vamos esbozar brevemente las
 E l diseno de La investigacin socia:

directrices que hay que seguir para utilizar mejor datos recogidos con an-
terioridad.
En primer lugar, siempre que sea posible, para hacer inferencias hay que
utilizar datos que no estn <tsesgados,es decir, que como promedio sean
correctos. Para entender esta idea tan concreta de la investigacin estadsti-
ca, imaginemos que se aplica la misma metodologa (ya sea en la investiga- .

cin cuantitativa o en la cualitativa) para analizar y extraer conclusiones de

-datos proc-edentes de-varias-matrjcesde datos brutos. Es probable que, a
- - - - - - - - - - - - - - - - - - -
- - - - - - - - - - - - - -

causa de pequeos errores en los datos o en la aplicacin del procedimien-

to, utilizar slo una vez esta metodologa nunca dar resultados del todo co-
rrectos. Un procedimiento no sesgado)) ser correcto si se considera como
una media de muchas aplicaciones; aunque, por separado, stas no sean co-
rrectas. El procedimiento no inclinar sistemticamente el resultado en una
u otra direccin. .
Es evidente que la extraccin de inferencias no sesgadas depende tanto
de la primera recogida de datos como de su uso posterior y que, como he-
mos sealado anteriormente, siempre es mejor prever los problemas antes
de comenzar a reunir los datos. Sin embargo, aqu mencionamos brevemen-
te estas dificultades porque al utilizar los datos es preciso poner un especial
cuidado en el anlisis de posibles fuentes de sesgo que hayan pasado desa-
percibidas cuando se recogan dichos datos. Una de esas fuentes, que puede
- falsear-las mferencias; es ia def s e q p de sel-ecc5n7que-consiste en -elegir - - - - - - -

observaciones de tal manera que se distorsiona sistemticamente la pobla-

cin de la que proceden. Aunque un ejemplo obvio es el de escoger a pro-
psito slo aquellos casos que apoyan nuestra teora, el sesgo de seleccin
puede ser mucho ms sutil. Hay otro sesgo que puede surgir de las varia-
bles omitidas y que consiste en excluir alguna variable de control que pu-
diera influir en una aparente conexin causal entre las variables explicativas
y la que queremos aclarar. Entre los captulos 2 y 6 analizaremos estas y
otras posibles dificultades que se presentan en la extraccin de inferencias
no sesgadas.
La segunda directriz se basa en el concepto estadstico de ((eficiencia)):
para que los datos se utilicen de manera eficiente hay que maximizar la in-
formacin que se ha tenido en cuenta para hacer las inferencias descriptivas.
o causales. Para maximizar la eficiencia no slo es preciso utilizar todos
nuestros datos, sino usar tambin toda la informacin relevante que hay en
ellos para mejorar las inferencias. Por ejemplo, si los datos estn desagre-
- - - - - - - - - - - - - - - - - - - -
- - - - - - - -
/-

gados en pequeas unidades g e o g r f c a s , ~ t e n e ~ q ~ilizarlos

e -&-esa
forma, no slo como un agregado nacional. Los agregados ms pequeos
tendrn un mayor grado de incertidumbre, pero si son, al menos en parte,
consecuencias observables de la teora, contendrn informacin que puede
traerse a colacin en el problema inferencial.
 l. ha ciencia en las ciencias sociales

3. Temas de estudio de este volumen

Finalizamos este captulo general sealando los cuatro puntos importantes

en la realizacin de un diseo de investigacin que hemos planteado aqu y
que analizaremos en detalle a lo largo del libro.

3.1 La utilizacin de consecuencias observables para vincular

l a teora y los datos

En este captulo hemos subrayado que para que una teora merezca la pena
debe contemplar consecuencias relacionadas con las observaciones que es-
peramos encontrar si es correcta. Estas consecuencias observables de la .
teora han de guiar nuestra recogida de datos y ayudarnos a distinguir entre
hechos relevantes e irrelevantes. En el apartado 6 del captulo 2 analizamos
cmo afecta la teora a la recogida de datos y de qu manera stos discipli-
nan la imaginacin terica. Aqu lo que queremos recalcar es que la teora
y la investigacin emprica deben estar estrechamente relacionadas. Cual--
quier teora que de verdad trabaje para nosotros tendr consecuencias en la
investigacin emprica, y sta no podr llegar a buen puerto sin una teora
que la gue en la eleccin de sus preguntas. Tanto la teora como la recogi-
da de datos son aspectos esenciales del proceso que nos lleva a decidir si
una teora puede considerarse de forma provisional verdadera o falsa, aun-
que est sujeta en ambos casos a la incertidumbre que caracteriza a todas
las inferencias.
A toda teora hay que preguntarle cules son sus consecuencias observa-
bles y en cualquier investigacin emprica hay que saber si las observacio-
nes son relevantes para las consecuencias de la teora y, si es as, qu nos
permiten inferir sobre la correccin de la misma. En cualquier estudio so-
cial cientfico las consecuencias de la teora y de la observacin de los he-
chos han de ser elementos imbricados: las conclusiones de las ciencias so--
ciales no pueden considerarse fiables si no se basan en teoras y datos
estrechamente relacionados, que se hayan forjado mediante la formulacin
y anlisis de las consecuencias observables de una teora.

3.2 La maximizacin del control

~ - - - ~ ~
- - - - - -
- - - - - - - - - - - - - - - - - - - - - ~

El investigador que busca consecuencias adicionales para una hiptesis per-

sigue uno de los objetivos ms importantes de las ciencias sociales: expli-
car tanto como sea posible de la forma ms escueta posible. La ciencia so-
cial de calidad pretende aumentar la trascendencia de lo que se explica
mediante la informacin utilizada en la explicacin. Si podemos exponer
con precisin, a travs de una o varias variables causales, lo que en princi-
 EL diseo de la investi~acnssciat

pio parece un complicado efecto, el control que tendremos sobre un proble-

ma ser muy elevado. Al revs, si podemos explicar muchos efectos a partir
de una variable o de unas pocas, tambin dispondremos de un control con-
siderable. En general, el control es escaso en las ciencias sociales y lo es
an ms en determinadas reas temticas. Esto puede deberse a que los in-
vestigadores no saben an cmo aumentarlo, a que la naturaleza no est or-
ganizada adecuadamente o a ambas razones. Las reas que se estudian ha- '
bitualmente de forma cualitativa suelen ser aquellas en las que hay poco
control. Para explicar cualquier cosa se suele necesitar un conjunto de va--
riables explicativas: utilizamos muchos elementos para explicar poco. En
estos casos tendramos que proponernos disear investigaciones con ms
control.
Hay varias maneras de aumentar el control sobre el problema de nuestra
-
investigacin. La principal consiste en incrementar el nmero de conse-
cuencias observables de nuestra hiptesis y buscar el modo de confirmar-
las. Como se ha descrito anteriormente, esta tarea puede suponer (1) una
mejora de la teora para que tenga ms consecuencias observables, (2) una me-
jora de los datos para que realmente se detecten ms consecuencias y se
utilicen para evaluar la teora y (3) una utilizacin ms provechosa de esos
datos, con el fin de extraer ms consecuencias de aquellos que estn dispo-
nibles. Ninguna de estas posibilidades, ni tampoco el concepto general de
maximizacin del control, son iguales a la idea de concisin, la cual, como
explicamos en el apartado 2.2, es un presupuesto relacionado con la natura-
leza del mundo ms que una norma para disear investigaciones.
La maximizacin del control es tan importante y tan general que reco-
mendamosfervientemente que los investigadores hagan listas constantes de , .
aquellas posibles consecuencias observables de sus hiptesis que pudieran 1
detectarse en szis datos o en otros. Quiz se puedan comprobar algunas de ,
esas nuevas consecuencias en la matriz de datos brutos original, siempre
que la consecuencia no surja de los datos y sea una hiptesis que, de ma-
, nera independiente, indiquen la teora u otra matriz de datos. Sin embargo,
utilizar otros datos es an mejor. En este sentido, tendramos que conside-
rar tambin consecuencias que pudieran aparecer en nuevos datos -relati-
vos a otras unidades o a otros aspectos de los que estudiamos, datos sobre
diferentes grados de agregacin y de otros perodos, como las predicciones
sobre el futuro prximo- y evaluar las hiptesis en esos mbitos. Cuantas
ms pruebas encontremos en diversos contextos, ms convincente ser
nuestra explicacin y ms confianza podremos tener nosotros y los dems
en las conclusiones.
En principio, algunos investigadores podran oponerse a la idea de reco-
ger consecuencias observables en cualquier sitio o en niveles de agregacin
diferentes de aquel para el que se ha diseado la teora. Por ejemplo, Lie-
berson (1985) aplica a la investigacin cualitativa la idea estadstica de fa-
lacia ecolgica)) -utilizar de forma incorrecta datos agregados para hacer
 que utilizan diferentes niveles de agregacin 12. Estamos de acuerdo en que
utilizar datos agregados puede llevamos a hacer inferencias incorrectas so-
bre los individuos: cuando son stos los que nos interesan, suele ser mejor
estudiarlos directamente si podemos hacernos con los datos adecuados. Sin
embargo, si lo que queremos es que nuestra inferencia plantee una hiptesis
con bastante validez, quiz sea mejor que nuestra teora tenga consecuen-
cias en muchos niveles de anlisis diferentes y, a menudo, podremos utili-
-

zar datos -&e-todos para-chrdgum-informacin sobre ella. De-este mdo, - - - - - - - -

aunque lo que ms nos interese est en un nivel de anlisis agregado, con

frecuencia podremos lograr un mayor control sobre la veracidad de nuestra
teora si utilizamos datos de los otros.
Por ejemplo, si elaboramos una teora para explicar las revoluciones, ten-
dremos que buscar consecuencias observables de ella no slo en los re-
sultados ms generales sino en fenmenos como las respuestas de los
revolucionarios a entrevistas en profundidad, en las reacciones de los que
residen en pequeas comunidades de zonas apartadas del pas o en declara-
ciones oficiales de los cargos de los partidos. Tendramos que estar dis-
puestos a incorporar cualquier informacin que pudiramos lograr, siempre
que nos ayudara a conocer la veracidad de nuestra teora. Si podemos con-
trastarla examinando los resultados de las revoluciones, perfecto. Pero, en
la-mayora de los casos, existe poca informacin a ese nivel, quiz una o
- - - - - - - - - - - -
- - - - - - - - - - - - - - - - - - -

dos observaciones cuyo valor suele ser ambguo o ~~~~~~~~~fmii'bo: La- - - - - - - - -

existencia de una revolucin es compatible con muchas teoras diferentes.

Slo al profindizar en el caso que nos ocupa o aportando informacin rele-
vante sobre otros ser posible diferenciar las teoras que ya existan con an-
terioridad.
El nico problema, a la hora de utilizar informacin procedente de otros
niveles y fuentes para estudiar una teora que est diseada con un determi-
nado grado de agregacin, reside en dilucidar si tales observaciones contie-
nen alguna informacin relevante para evaluar las consecuencias de nuestra
teora. Si esas nuevas observaciones ayudan a comprobar la teora, habr
que utilizarlas aunque no sean consecuencias de gran inters. Por ejemplo,
quiz no nos importen en absoluto las opiniones de los revolucionarios,
pero si sus respuestas a nuestras preguntas son compatibles con nuestra teo-
ra de la revolucin, ser ms posible que sta sea correcta y la recogida de
informacin adicional no habr sido intil. De hecho, una observacin en el
nivek de anhlisis d c agregado --que tenga -lugar-una-revolucinpredicha,
por e j e m p l e no es ms que una consecuencia observada de la teora y,
dada la poca informacin que contiene, no habra que concederle ms im-
portancia que a otras consecuencias observables. Tenemos que recabar in;
'
formacin sobre tantas consecuencias observables de nuestra teora como
sea posible. .
EL diseo de la investigacion sociar
3.3 Admitir la incertidumbre

Tanto en la investigacin cuantitativa como en la cualitativa el conocimien-

to y la inferencia son siempre inciertos. La medicin en ambos tipos de es-
tudio es propensa al error, pero sus causas pueden ser diferentes. E! entre-
vistador cualitativo, que hace'una larga entrevista en profundidad a una
persona cuyo contexto ha estudiado, tiene menos posibilidades de calibrar
mal la autntica ideologa poltica de ese sujeto que otro que entreviste de
forma estructurada a una persona elegida de forma aleatoria y de la que no
sepa nada (aunque lo contrario tambin es posible si, por ejemplo, el entre-
vistador se fa excesivamente de un entrevistado que no es fiable). Sin em-
bargo, el encuestador tiende menos que el que investiga en profundidad a
extrapolar de forma inapropiada a una poblacin amplia, lo que slo es
aplicable a casos particulares. Ninguno de ellos es inmune a las incertidum-
bres de la medicin o a1 inherente carcter probabilstico del mundo social.
Todos los buenos cientficos sociales -ya sean cuantitativos o cualitati-
vos- contemplan un margen aproximado de incertidumbre en sus inferen-
cias. En la ciencia poltica, quiz el problema ms importante de los estu-
dios cualitativos sea la constante falta de estimaciones de incertidumbre
razonables que se observa en las inferencias de los investigadores (vase
King, 1990). Siguiendo las normas de este libro se puede hacer una infe-
rencia vlida casi en cualquier situacin, independientemente de lo limita-
dos que sean los datos, pero tendramos que evitar sacar conclusiones muy
ambiciosas a partir de datos poco consistentes. El problema no es que sea
imposible extraer inferencias fiables en la investigacin cualitativa, sino
que siempre habra que calcular de forma razonable el grado de incerti-
dumbre que existe en cada una de ellas. Neustadt y May (1 986, p. 274), al
ocuparse de campos en los que es difcil hacer estimaciones cuantitativas
precisas, proponen un mtodo til para animar a los decisores polticos
(que a menudo se enfrentan a la necesidad de llegar a conclusiones sobre
qu poltica seguir, utilizando datos inadecuados) a juzgar la incertidumbre
de sus conclusiones. Preguntan: Cunto dinero propio pondras en ello?)).
Esta pregunta tiene sentido siempre que tambin nos planteemos: Con
qu posibilidades?)).

3.4 Pensar como un cientfico social: escepticismo e hiptesis

contrapuestas

La incertidumbre de las inferencias causales tiene como consecuencia que

los buenos investigadores sociales no las acepten fcilmente. Cuando se : l

dice que A produce B, alguien que ((piense como un cientfico social)) se

preguntar si esa relacin es autnticamente causal. Es fcil hacer esas pre-
guntas respecto a las investigaciones ajenas, pero resulta ms importante
 1, &a cfmdjka en Las ciencias ssciates

plantearlas en relacin a los propios proyectos. Existen muchas razones 1 1

para tomarse una explicacin causal con escepticismo, por plausible que
pueda parecer a primera vista. Leemos en el peridico que los japoneses
comen menos carnes rojas y que sufren menos ataques cardacos que los
estadounidenses. Esta observacin es interesante por s misma y, adems, la
explicacin resulta creble: comer demasiados filetes conduce a la alta tasa
de enfermedades cardacas de los Estados Unidos. El cientfico social es-
cptico pregunta por la precisin de los datos (cmo conocemos los hbi-
tos alimentarios?, qu muestra se ha utilizado?, se clasifican los ataques
al corazn de forma parecida en Japn y en los Estados Unidos, de manera
que podamos comparar fenmenos similares?). Suponiendo que los datos
sean precisos, qu otros factores podran explicar los efectos?: hay ms
variables (otras diferencias dietticas, rasgos genticos o de forma de vida)
que puedan explicar este resultado? Acaso hemos intercambiado la causa
y el efecto sin darnos cuenta? Es dificil imaginarse que el hecho de no su-
frir un ataque al corazn pueda hacer que comamos menos carne roja, pero
es posible. Quiz la gente pierda, con los aos, las ganas de comer hambur-
guesas y filetes. Si as fuera, los que (por la razn que sea) no han sufrido
un ataque al corazn viviran ms y comeran menos carne. Este hecho pro-
ducira la misma relacin que llev a los expertos a la conclusin de que la
carne es la culpable de los ataques al corazn.
No pretendemos cuestionar esos estudios mdicos; simplemente quere-
mos poner un ejemplo de cmo los cientficos sociales se enfrentan al pro-
blema de la inferencia causal: con escepticismo y teniendo en cuenta las
explicaciones alternativas que podran haberse pasado por alto. De este
modo, la inferencia causal se convierte en un proceso en el que cada con-
clusin es una oportunidad de investigar an ms, con el fin de profundizar
en esa inferencia y ponerla a prueba. Intentaremos, mediante aproximacio-
nes sucesivas, acercarnos cada vez ms a una inferencia causal precisa.