Congreso Internacional de Investigacin ISSN 1946-5351 Online 1948-2353 CD ROM

www.celaya.academiajournals.com
Vol. 5, No. 3

Herramientas de anlisis en Nvivo

C. Pablo David Chvez Ricardo1, C. Lorena Soto Pasteln2, Dr. Carlos Arturo Torres Gastel 3, Dr. Gerardo Vera Muoz4
Resumen- Dentro del documento se presentan las herramientas de anlisis, consulta y exploracin que proporciona el software Nvivo 10, utilidad de apoyo para anlisis cualitativo de datos. Se presenta la descripcin de las funciones de estas utilidades y enmarcan aquellas que son claves tener en cuenta para su utilizacin. A manera de crear conocimiento se puntualiza el concepto del CAQDAS (Computing Assisted Qualitative Data Analysis Software) sus virtudes y la exposicin de su uso. Los ejemplos que se muestran se basan en el estudio de un proyecto interinstitucional donde participan diversas universidades del interior de la republica donde los ejes temticos son comercializacin y redes sociales. Palabras Clave: CAQDAS, ACAC, Nvivo, Herramientas cualitativas.

Introduccin Existen distintos paquetes de software que estn diseados para el manejo y anlisis de datos cualitativos, estos tienen distintas funcionalidades las cuales se apegan a los diversos modelos que son manejados por el usuario, es decir, stos programas informticos no manejan un modelo definido sino que se adapta a las necesidades del uso que se tengan. Otra caracterstica es el manejo de grandes cantidades de datos, la administracin y manejo de stos. Entre los principales programas podemos mencionar NVIVO, Atlas.ti, AQUAD, Ethnograph, WINMAX, MAXQDA, QDA MINNER. Qu es el CAQDAS? Es un acrnimo de Anlisis cualitativo asistido por computadora de la traduccin al espaol de (CAQDAS Computing Assisted Qualitative Data Analysis Software) tambin nos podemos encontrar con la expresin Computacin cualitativa5 haciendo referencia a lo anterior, como ste mismo concepto explica es el uso que se tienen de las computadoras en el tratado de datos cualitativos. Para hablar de este trmino nos tenemos que regresar dos dcadas y media atrs, cuando se lanza el pionero de los programas diseados para la codificacin de datos en el anlisis cualitativo el Ethnograph (Cisneros Puebla, 2003) Hablando en materia de investigacin cualitativa Escalante Gmez (2009) nos dice que el investigador cualitativo opta por diferentes tipos de tcnicas y modalidades de anlisis del discurso o del corpus textual. Puede interesarse en un anlisis temtico (presencia de conceptos o palabras, sin considerar relaciones), un anlisis semntico (definir determinada estructura significativa y por ende de relaciones e identificar las ocurrencias asociadas a esta estructura), o un anlisis de red (estudio de la co-presencia de elementos pareados, sus proximidades o distancias). Estos tipos de anlisis encajan con los tres tipos bsicos de software en los cuales se enlistan los recuperadores de texto, los paquetes codificadores y recuperadores y los que permiten la construccin terica (Fielding, y Lee, 1998). En donde los recuperadores de texto buscan todos los casos de palabras, frases y combinaciones de stas que se quieran localizar en uno o ms archivos. Tambin pueden llevar a cabo funciones propias del anlisis de contenido, como elaborar listas de palabras, contar palabras, etc. Despus estn los paquetes de codificacin y recuperacin, son mucho ms tiles para el investigador cualitativo. Dividen el texto en segmentos y permiten que se les asigne un cdigo (o varios) a los mismos. Facilitan las tareas de recuperacin, agrupacin y ordenacin de segmentos y cdigos. Pero los que realmente interesan a los investigadores cualitativos son los del tercer grupo, programas que surgen en el marco de la Grounded Theory (Teora Fundamentada o Enraizada) de Glaser y Strauss (1967) y que permiten que el investigador realice de forma ms eficiente e incluso con nuevos recursos, todas las tareas que hasta hace poco realizaba de forma manual (Caro & Dez, 2005). En un principio se crey que exista un freno para la creacin de aplicaciones informticas para el anlisis cualitativo, y su principal problema era su caracterstica

C. Pablo David Chvez Ricardo es estudiante de la carrera de Sistemas Computacionales Administrativos (Autor corresponsal) pdchavezr@gmail.com 2 C. Lorena Soto Pasteln estudiante de la carrera de Sistemas Computacionales Administrativos lore171290@hotmail.com.
3

Dr. Carlos Arturo Torres Gastel es profesor de tipo completo de la carrera Sistemas Computacionales Administrativos en la Universidad Veracruzana. ctorres@uv.mx 4 Dr. Gerardo Vera Muoz es profesora de tiempo completo de la Facultad de Contadura en la Benemrita Universidad Autnoma de Puebla. gerver61@yahoo.com.mx 5 Trmino formulado por el Profesor Csar Cisneros, especialista en investigacin cualitativa asistida por computadora.

6, 7 y 8 de Noviembre 2013

614

Celaya, Guanajuato, Mxico

Congreso Internacional de Investigacin ISSN 1946-5351 Online 1948-2353 CD ROM

www.celaya.academiajournals.com
Vol. 5, No. 3

hermenutica, con la aceptacin que se fue dando poco a poco de los mtodos cualitativos en las ciencias sociales, fue creciendo tambin el inters por crear herramientas que ayudarn al procesamiento de los datos. Nvivo Un incentivo para la adopcin de las innovaciones tecnologas en el campo cualitativo Desde su aparicin las innovaciones tecnologas han tenido una fuerte resistencia por parte de los usuarios y aunado a esto en el campo de la investigacin las tecnologas de informacin son una herramienta potencial aunque hay una gran mayora en el sector y en particular en el sector cualitativo que no ha llevado a cabo es evolucin, y cuando se habla de una no evolucin no es decir que no tengan el uso de la tecnologa sino que no son capaces de utilizar las herramientas tecnologas para el fin que persiguen. Los retos a los que los nuevos usuarios se enfrentan a la hora de aprender el software tiene que ver con tres aspectos clave el primero tiene que ver con sus habilidades, conocimientos y experiencia de TI, en segundo lugar est la disciplina y sus tradiciones de investigacin y el ultimo son los nociones previas del software cualitativo y sus conocimientos del idioma ingls. Este mismo autor marca que algunos investigadores con mayor edad se describen as mismo como fbicos al cambio en la utilizacin de estas herramientas. Esto se debe al impacto significativo que tiene las sesiones prcticas donde se necesitan aprender nuevas habilidades sobre TI que pueden tener un impacto negativo para los usuarios con una mayor edad (Tagg, 2011). Es elemental que el usuario que decida utilizar Nvivo tenga conocimiento previo y destrezas en el mbito cualitativo como lo son matices de los mtodos o epistemologas particulares. Una Herramienta Iterativa El manejo de datos no suele ser un proceso paso a paso (el primer paso la importacin, en segundo lugar de la codificacin, seguido de la pregunta, viendo detrs la interpretacin, etc.) Por el contrario, tiende a ser un proceso iterativo donde se explora, se codifica, se consulta, se reflexiona, se visualiza, se crean memos (QSR International, 2013) y es un proceso que se repite hasta que el usuario tenga el resultados ms favorable, la figura 1 muestra un esquema en forma de espiral que enmarca un ciclo infinitivo.

Figura 1. Modelo realizado por QSR internacional para generar un mejor panorama de la investigacin cualitativa con Nvivo. Esta es la forma en que se manejan la mayor parte de los paquetes de software cualitativo, si bien es cierto que existen algunos modelos propuestos por expertos dentro de la disciplina para estudios de una rama en particular esto no augura un mejor anlisis. Nvivo y sus herramientas Hablar sobre las herramientas que maneja este software no es muy comn escucharlas en trabajos de investigacin y ms bien se concentran en libros para la enseanza de la computacin cualitativa, identificando las herramientas que tiene el software son seis y se pueden identificar con las pestaas que presenta la interfaz grfica, si bien son ocho las pestaas con las que cuenta la versin 10 del software solamente cinco de ellas son consideradas como herramientas ya que las dems se enmarcaran como complementos de ests, de las cinco dos de ellas son consideradas como herramientas de insercin, organizacin y manipulacin de datos (las pestaas de Crear y Datos externos) donde se pueden crear documentos, audios, memos, carpetas, nodos, atributos, etc. e importar los mismo. Las tres restantes (pestaas de Analizar, Consulta y Explorar) tienen un papel distinto y su funcin se centra en el tratado de los datos.

6, 7 y 8 de Noviembre 2013

615

Celaya, Guanajuato, Mxico

Congreso Internacional de Investigacin ISSN 1946-5351 Online 1948-2353 CD ROM

www.celaya.academiajournals.com
Vol. 5, No. 3

Herramientas de analizar. Las herramientas que se encuentran en la pestaa Analizar su funcin central es la codificacin y las categoras con las que cuenta son las que se muestran en la Figura 2. Existen tres categoras especficas que son: Seleccin de codificacin en Codificar recursos en Codificar en Vivo La primera categora que permanece inhabilitada y no es hasta que se marca texto o selecciona alguna regin en un PDF, imagen, audio o video; son dos las opciones, la primera se ocupa para codificar en un nuevo nodo como su nombre lo indica es para crear un nuevo nodo y realizar la codificacin en el mismo, esta tcnica es muy comn cuando se ha un barrido de los recursos como los PDF, imgenes, audio o video elementos que no se pueden parametrizar para codificar automticamente, la segunda opcin es la codificacin en un nodo que ya se ha creado previamente esta opcin se puede realizar de diversas formas una es hacer vlida la eleccin de sta y la segunda es ocupar la barra que se encuentra en la parte inferior que tiene como nombre barra de codificacin, su manera de actuar es seleccionar el texto que contenga los elementos del nodo y buscar el nodo a codificar para culminar la codificacin.

Figura 2. Categoras de la pestaa Analizar La segunda categora pude parecer similar a la primera pero es distinta, aunque de igual manera a su antecesora su funcin es codificar pero con esta se pueden codificar recursos completos y no solo seleccionar ciertas partes o regiones de un recurso, las ltimas tres herramientas que estn en la categora principal de codificacin, la primera codificar en vivo es crear un nodo nuevo que toma el nombre del texto seleccionado, la segunda y tercera tienen un grado de mayor complejidad y se necesita tener ciertos conocimientos sobre el software y esquemas de trabajo cualitativo, donde su uso se centra en parmetros para lograr los mejores resultados, la codificacin automtica vara segn el recurso que se desee codificar pero tiene que tener una estructura definida para lograr un buena codificacin, la ltima que tiene por nombre Codificar por rango debe de tener una mayor exactitud al disear el modelo estudio. Herramientas de consulta. Dentro de la segunda pestaa tenemos las consultas que se muestran en la Figura 3 las cuales ofrecen un enfoque flexible para explorar los datos, con los cuales se pueden crear consultas rpidas y sencillas para tener una idea de lo que est sucediendo con los datos o tambin se pueden crear consultas detalladas desde una perspectiva ms centrada. Esta herramienta nos sirve para encontrar y analizar palabras o frases, adems de hacer preguntas y encontrar diversos patrones en base a su codificacin. Para realizar una consulta la mejor manera de hacerlo es utilizar el Asistente para Consultas el cual lo guiar en el proceso, y le ayudara a realizar: Las consultas de bsqueda de texto Consultas frecuencia de palabras Consultas de codificacin Consultas de matriz de codificacin

Figura 3. Categoras de la pestaa Consulta En primer lugar las consultas de bsqueda de texto son el rastreo de todas las apariciones de una palabra, frase o concepto dentro de una entrevista, base de datos, etc. la segunda es hallar las palabras o conceptos que aparecen con ms frecuencia en un recurso determinado, la tercera es buscar todo el contenido codificado en los nodos seleccionados, una combinacin de los nodos, o una combinacin de los nodos y atributos; y la ltima se refiere

6, 7 y 8 de Noviembre 2013

616

Celaya, Guanajuato, Mxico

Congreso Internacional de Investigacin ISSN 1946-5351 Online 1948-2353 CD ROM

www.celaya.academiajournals.com
Vol. 5, No. 3

encontrar una combinacin de elementos (por lo general los nodos y los atributos) y mostrar los resultados en una tabla y grficas. Herramientas de explorar Esta herramienta se puede utilizar una vez que se hayan ocupado las dos primeras y es un complemento donde se pueden apreciar ciertos resultados del estudio, como se aprecia en la Figura 4 existen tres categoras que son las de mayor peso dentro esta pestaa estas son Informes, Modelos y Visualizaciones.

Figura 4. Categoras de la pestaa Explorar La primera categora son los informes que contienen informacin sobre su proyecto que se puede ver e imprimir. Por ejemplo, se puede ejecutar un resumen de codificacin para un informe de nodo y asi revisar el contenido codificado en cada nodo (organizado por recursos). El programa contiene unos informes predeterminados, pero el usuario puede generar informes especficos que se adapten a sus necesidades. La opcin Ejecutar informe se habilita una vez seleccionado un informe especifico. Las extracciones son informes especficos que se dan en formato .txt, .xls, .xlsx o .xml, tambin se le pueden llamar exportaciones como se les conoce en otros mbitos de la informativa. La categora de modelos es una forma de explorar o presentar visualmente los datos de su proyecto, estos se pueden utilizar: Para establecer y revisar las ideas iniciales o teoras sobre el tema o la cuestin de su proyecto, para representar visualmente las relaciones entre los elementos del proyecto, para identificar patrones emergentes, las teoras y explicaciones y para proporcionar un registro de las etapas de un proyecto esto segn QSR International (2013). La herramienta de Grfica se usa para presentar o explorar su proyecto y se pueden dar de diversas maneras como lo son codificacin de recurso, codificacin por valor del atributo de un recurso, codificacin por valor de atributo de mltiples recursos, codificacin para un nodo, etc. el software tiene distintos tipos de graficas en 2D y en 3D entre los que podemos mencionar de grficos barras, de columna, de pastel, de burbujas, mapas de color y grficos radiales. La ultima herramienta es el anlisis de conglomerados es una tcnica exploratoria que se puede utilizar para visualizar los patrones de su proyecto por fuentes de agrupacin o nodos que comparten palabras similares, los valores de atributos similares, o que estn codificados de manera similar por los nodos. Los diagramas de anlisis Cluster proporcionan una representacin grfica de las fuentes o nodos para que sea fcil ver sus similitudes y diferencias. Fuentes o nodos en el diagrama de anlisis de conglomerados que aparecen juntos son ms similares que los que estn lejos. Ejemplos y usos de las herramientas Para efecto de ejemplo se utiliz un proyecto interinstitucional donde participan diversas universidades, en el cual el objeto de estudio eran las redes sociales y la comercializacin, el proyecto creado en Nvivo se llama Caso de Estudio y las herramientas que se ocuparon para el ejemplo fueron la de codificacin automtica donde se codificaron unas bases de datos (tambin conocidos como conjuntos de datos en el software), se cre una matriz de codificacin con los nodos que arrojo la codificacin automtica y por ltimo se cre un modelo de los nodos y su interaccin entre ellos. El primer ejemplo que ilustraremos es referente a la categora de analizar, donde entra la opcin de Codificacin Automtica, para esto describimos como se lleva acabo el procedimiento de codificacin de una base de datos. Nvivo contiene un asistente para realizar este tipo de codificacin, existen dos formas de codificar una es por columnas seleccionadas y la otra se realiza por valor en las columnas, la opcin a elegir tiene que ver con el tipo de llenado en las bases de datos, para este ejemplo nosotros utilizamos la codificacin por valor en cada columna, una vez hecho esto el siguiente paso es elegir las columnas que se convierten en los nodos, otra actividad dentro de este paso es agregarle la jerarqua a los nodos, es decir, acomodarlos de acuerdo al nivel de importancia, una vez realizado lo anterior se procede a la seleccin de columnas que contendrn las referencias de cada nodo y por ltimo la insercin de los recursos en donde se introduce un nombre y se visualiza cules sern los nodos que se crearon y las columnas que se seleccionaron del conjunto de datos.

6, 7 y 8 de Noviembre 2013

617

Celaya, Guanajuato, Mxico

Congreso Internacional de Investigacin ISSN 1946-5351 Online 1948-2353 CD ROM

www.celaya.academiajournals.com
Vol. 5, No. 3

Figura 5. Nodos de la Codificacin Semiautomtica

El procedimiento anterior se realiz en tres ocasiones, es decir, en tres bases de datos distintas, cada una referente a una empresa, una vez codificados los tres recursos se procedi a realizar una matriz de codificacin (herramienta que pertenece a la categora consulta), el procedimiento que se llev a cabo fue con un asistente donde el primer paso es seleccionar los elementos (nodos) que pertenecen a las filas, una vez ubicados se agregan a la lista, el siguiente paso es el agregado de columnas que es una situacin similar a la anterior donde se localizan los elementos (recursos) a incluir en la matriz, una vez realizado esto se procede a hacer la ejecucin que arroja como resultado una tabla y grafica como la que se aprecia en la Figura 6.

Figura 6. Matriz de codificacin El ltimo ejemplo que se muestra es un modelo donde se crea un contexto visual sobre los nodos y la interaccin que tienen cada uno de ellos, existen dos categoras los jerrquicos que se componen de uno o ms nodos en un mismo nivel y los nodos simples que representan una sola variable o funcin, los pasos que se siguieron para realizar el modelo fue ir a la pestaa explorar despus se seleccion la herramienta de nuevo modelo se le otorg un nombre y una descripcin, una vez creado el modelo el siguiente paso es agregar los elementos que se encuentran dentro del proyecto para este ejemplo los nicos elementos que se ocuparon fueron nodos, una vez seleccionado los nodos la siguiente tarea es agregar los datos asociados; en los datos asociados existen varias categoras en las cuales solamente se marcaron las categoras (Principales y Relaciones), cuando ya se crea el modelo el usuario puede manipular y agregar caractersticas segn sean necesarias para lo que es su objeto de estudio. La figura 7 muestra el modelo realizado al estudio donde se pueden apreciar los nodos y relaciones.

6, 7 y 8 de Noviembre 2013

618

Celaya, Guanajuato, Mxico

Congreso Internacional de Investigacin ISSN 1946-5351 Online 1948-2353 CD ROM

www.celaya.academiajournals.com
Vol. 5, No. 3

Figura 7. Modelo realizado en Nvivo Conclusin El CAQDAS (Anlisis cualitativo asistido por computadora) ha evolucionado de manera significativa en los ltimos aos convirtindose en una herramienta til para los investigadores. En el mercado existe una gran cantidad de paquetes de software que varan en caractersticas y herramientas, incluso para plataformas diferentes (Software Libre y Software Propietario), por ello es menester revisar cuidadosamente las alternativas disponibles. La suite de Nvivo en sus herramientas de analizar, consultar y explorar apoya al campo de la investigacin cualitativa, ya que ayuda al usuario en el ahorro de tiempo y esfuerzo cuando se requiere hacer codificacin de textos, audios, bases de datos (conjunto de datos), entre otros, as como tambin es una excelente herramienta de ayuda para realizar actividades como lo son la elaboracin de modelos, informes, tablas, etc. Sin duda alguna estas utilidades pueden tener un impacto positivo para aquellos investigadores que aun utilizan mtodos artesanales y cotidianos para la elaboracin de estudios de corte cualitativo. Si bien se necesita contar con destrezas en Tecnologas de Informacin, esto no se convierte en una barrera para que los investigadores de este sector se inmiscuyan en el uso de este u otro tipo de paquetes software que le ayude a realizar las tareas anteriormente mencionadas. Referencias
Cisneros Puebla, C. (2003). Anlisis cualitativo asistido por computadora. Sociologias, 288-313. Escalante Gmez, E. (2009). Perspectivas en el anlisis cualitativo. Theoria - Ciencia, Arte y Humanidades, 55-67. Fielding, N. & Lee, r., (1998) Computer Analysis and Qualitative Research. London: Sage. Glaser, B. & Strasuss, A. L., (1967). The Discovery of Grounded Theory. New York: Aldine. Caro Gonzlez, F., & Dez de Castro, E. (2005). Investigacin cualitativa asistida por ordenador en economa de la empresa. Investigaciones Europeas de Direccin y Economa de la Empresa, 45-58. Tagg, C. (2011). Reflecting on the Impact of Qualitative Software on Teaching. Forum: Qualitative Social Research, 1-9. International, Q. (10 de Febrero de 2013). QRS international. Obtenido de http://download.qsrinternational.com/Resource/NVivo10/NVivo-10Overview-Spanish.pdf

6, 7 y 8 de Noviembre 2013

619

Celaya, Guanajuato, Mxico