Resumen: “El diseño de la investigación social”.

Gary King,
Robert O. Keohane y Sindey Verva

Capitulo 1: La ciencia en las ciencias sociales.

Nos dice que el libro tiene por objetivo práctico: diseñar investigaciones que
generen inferencias válidas sobre la vida social y política. Nos dice como plantear
preguntas y moldear los estudios académicos para extraer inferencias descriptivas
y causales validas.
Plantea que las técnicas “cuantitativas y cualitativas” muchas veces se enfrentan
entre ellas por sus deferencias, pero para ellos esas diferencias son solo de estilo y
técnicas
Las técnicas cuantitativas se ayudan de números y métodos estadísticos, parte de
casos concretos para llegar a conclusiones generales o formular hipótesis.
Las técnicas cualitativas abarcan varios enfoques, pero ninguno con técnicas
numéricas, utiliza un método discursivo e intenta estudiar de forma global un
acontecimiento.
Para entender el mundo social que se encuentra en constante cambio en necesario
comparar los fenómenos que se parecen más o menos en cuestión de grados
(cuantitativo) o de tipo ( cualitativo).

Investigación Científica:

1.-El objetivo es la inferencia: se obtienes inferencias descriptivas o explicativas a

partir de la información empírica que se tenga del mundo.

2.-Los procedimientos son públicos: esto permite que los resaltados de la

investigación se comparen con otras, que se reproduzcan los estudios de proyectos
ajenos y que los académicos aprendan.

3.-Las conclusiones son inciertas: la inferencias es, por definición un proceso

incierto.

4.-El contenido es el método: el principal contenido de la ciencia son sus métodos y

reglas, no su objeto de estudio, ya que podemos utilizar tales métodos para
estudiar prácticamente todo.

Un proyecto de investigación tiene que plantear una pregunta importante para el

mundo real, también tiene que hacer una aportación completa a lo escrito n un área
académicamente identificable, aumentando la capacidad colectiva de dar
explicaciones científicas verificables a algún aspecto del mundo.

El primer paso para desarrollar un investigación es crea una teoría, lo primero es

elegir teorías que puedan estar equivocadas, ya que se aprende mucho mas de
estas, en segundo lugar, para asegurarse de que una teoría se falsable hay que
elegir una que pueda generar tantas consecuencias observables como sea posible.
Y en tercero hay que ser lo mas concreto posible.

Capitulo 2: La inferencia descriptiva

En las ciencias sociales las investigaciones (cualitativas y cuantitativas) tienes por
objetivo: describir y explicar, estas dependen de las reglas de la inferencia
científica.
Describir no es en absoluto algo mecánico, es inferir información sobre hechos no
observados a partir es hechos que si han sido observados, describir resulta
determinante en toda explicación y es una actividad fundamental en si misma.
La inferencia, ya sea descriptiva o causal, cualitativa o cuantitativa, es el objeto
último de toda ciencia social de calidad.

Interpretación e inferencia: los interpretacionistas quieren explicar las razones de

las acciones intencionadas relacionándolas con todo los conceptos y practicas con
los que estas inmersas. Para ellos es muy importante de los investigadores se
inmersa en la cultura y tengan un intenso conocimiento de la materia para poder
plantear preguntas concretas e hipótesis útiles.
Los procedimientos inferenciales de los científicos sociales interpretacionistas
deben respetar las mismas reglas que las de otros investigadores cualitativos y
cuantitativos.
* Verstehen: empatía, comprender el significado de las acciones e interacciones a
partir del punto de vista de lasque participan en ellas.

Singularidad, complejidad y simplificación: algunos investigadores cualitativos

sostienen que los hechos o unidades que estudian son únicos, por lo tanta la
singularidad de las cosas forma parte de la condición humana, no distinguen entre
las situaciones que son susceptibles de generalización científica y aquellas en las
que no es posible generalizar. Pero incluso los acontecimientos únicos pueden
estudiarse de forma científica si se presta atención a las consecuencias
observables de las teorías que se han desarrollado para explicarlos.
La singularidad nos plantea el problema de la complejidad, es por esto que los
investigadores tienen que simplificar sus descripciones, siempre que sea posible,
solo después de comprender la riqueza histórica y cultural.

Estudios de casos comparados: los estudios de caos comparados pueden generar

inferencias causales validas cuando se utilizan los procedimientos correctos.

Modelo formal sobre la recogida de datos:

La regla más importante para toda recogida de datos es dejar claro como se han
creado y de que manera hemos accedido a ellos. Toda información que recojamos
tiene que concentrar las consecuencias observables de nuestra teoría.
Se hacen modelos con los datos por medio de variables, unidades y observaciones.
Lo que en verdad se plantea es ¿Cómo podemos hacer inferencias descriptivas
sobre la historia tal como fue sin perdernos en un mar de datos irrelevantes?

Después de recolectar los datos lo primero que tenemos que hacer es resumirlos,
pero como lo que nos interesa es generalizar y explicar, puede que el resumen no
sea lo suficiente para la investigación en las ciencias sociales.
El modelo que utilizamos para el resumen de los detalles históricos es el estadístico,
para expresar los datos de forma abreviada. (Media muestral o promedio)

Los resúmenes históricos deben centrarse en los resultados que queremos

descubrir o explicar, estos también tiene que simplificar la información que tienen.
Inferencia descriptiva: es el proceso por el cual se comprende un fenómeno no
observado a partir a partir de un conjunto de observaciones.
Uno de los objetivos de la inferencia es distinguir entre los componentes
sistemáticos y el no sistémico dentro de los fenómenos que estudiamos.
Con la inferencia descriptiva pretendemos comprender en que medida nuestras
observaciones muestran fenómenos típicos o atípicos. Uno de los objetivos de la
inferencia es conocer las características sistemáticas de las variables aleatorias Y*

Para comprender esto mejor distinguimos 2 puntos de vista, que constituyen los
extremos de una graduación, pero algunos investigadores se sienten cómodos con
ambas.

Punto de vista 1: un mundo probabilístico

La variación aleatoria existe tanto en la naturaleza como en los mundos social y
político, y nunca podrá eliminarse. Nuestros análisis nunca darán predicciones
perfectas.

Punto de vista 2: un mundo determinista

La variación aleatoria solo representa la parte del mundo que no podemos explicar.

Criterios para juzgar la inferencia descriptiva:

Inferencias no sesgadas: se obtienes estimaciones no sesgadas cuando la variación

que hay entre la reproducción de una medida y la que le sigue no es sistemática y
empuja ese calculo a veces en una dirección y a veces en otra. Se produce sesgo
cuando, en un conjunto de reproducciones, hay un error sistemático de medida que
lleva la estimación más en una dirección que en otra.

Eficiencia: la eficiencia es un concepto relativo que se mide calculando la varianza

del estimador en las reproducciones hipotéticas. En los estimadores no sesgados,
cuanto menor es la varianza, más eficiente es el estimador.

Capitulo 3: Causalidad e inferencia causal.

La causalidad es un concepto teórico que es independiente de los datos para

conocerla.
El lenguaje causal puede ser confuso, a veces la variable de pendiente se denomina
variable de resultados y con frecuencias las variables explicativas son variables
independientes. Dividimos las explicativas entre “variable causal principal”
(también denominada “causa” o “variable de tratamiento”) y “variables de
control”. La variable causal principal siempre adopta dos o más valores, que suelen
conocerse como “grupo de tratamiento” y “grupo de control”.

Mecanismos causales: desde el punto de vista de los procesos con los que opera la
causalidad, los mecanismos causales son intuitivos: toda explicación coherente de
la causalidad tiene que explicar de que manera se producen sus efectos.
Identificar los mecanismos que hacen que una causa tenga un efecto suelen servir
de apoyo a una teoría y en procedimientos operativos. Determinar mecanismos
causales puede darnos más control sobre una teoría, al convertir las observaciones
de otros niveles de análisis en consecuencia de dicha teoría. El concepto también
puede generar nuevas hipótesis causales que investigar.
Causalidad múltiple: para Charles Ragin, cuando diversas variables explicativas
pueden explicar el mismo resultado en una variable dependiente, hay métodos
estadísticos que rechazan equívocamente la hipótesis de que tales variables tengan
un carácter casual. Ragin tiene razón al afirmar que algunos modelos estadísticos (o
relevantes diseños de investigación cualitativa) quizás no alteren al investigador de
la existencia de una causalidad múltiple, pero si los hay adecuados (algunos de los
que Ragin analiza) para manejar con facilidad este tipo de situaciones.
Además, los rasgos fundamentales de la causalidad múltiple pueden
compatibilizarse con nuestra definición de causalidad y son los mismos en la
investigación cuantitativa y en la cualitativa.

Causalidad “simétrica y asimétrica”: Stanley Lieberson distingue entre lo que se

clasifica como forma de causalidad simétrica y asimétrica y se centran en las
diferencias que se producen en los efectos causales cuando se aumenta una
variable explicativa o cuando se reduce.

Reglas para elaborar teorías causales:

1. elaborar teorías falsables
2. construir teorías que tengan coherencia interna
3. seleccionar cuidadosamente las variables dependientes
4. maximizar lo concreto
5. formular teorías de forma tan incluyente como sea posible.