Introducción Hemos escrito este libro porque, en nuestra propia enseñanza, encontramos que muchos de los textos sobre métodos o filosofía de las ciencias sociales dicen muy poco sobre una de las preguntas más fundamentales en los diseños de investigación: ¿Qué seremos capaces de afirmar conocer como resultado de hacer esta investigación? El libro trata los temas claves de la metodología -como opuesto a método- desde el nivel básico hasta el avanzado. Lo hemos escrito para abordar las necesidades de los investigadores novatos, incluidos los estudiantes de posgrado que realizan cursos de maestría para los cuales se espera que lleven a cabo investigaciones empíricas y los investigadores de doctorado que realicen la capacitación en métodos para respaldar sus doctorados. Las primeras secciones podrían ser útiles para los estudiantes universitarios que estén preparando su tesis. Pero también creemos que lo importante y original, y tal vez controvertido, de los argumentos que desarrollamos será también empleado por investigadores experimentados, ya sea que trabajen en universidades o realicen o encarguen los crecientes volúmenes de investigación social que ahora se realizan para empresas, gobiernos y agencias sociales. ¿Qué es la “metodología”? Este libro es sobre metodología y diseño de investigación. Por “metodología”, queremos expresar el entendimiento de como proceder desde los hallazgos de una investigación empírica, hasta hacer inferencias sobre la verdad – o al menos la adecuación- de teorías. Su importancia radica en la visión fundamental de que los hallazgos sobre hechos empíricos, a menudo son más interesantes cuando nos permiten hacer sentencias más profundas sobre lo que podría estar pasando debajo de esos hechos. El punto de comprender la “metodología” es que podría permitirnos diseñar nuestra investigación, de tal manera que podamos obtener conclusiones defendibles sobre lo que podría estar causando que las cosas que observamos, incluyendo aquellas causas derivadas de las formas en la cual las personas piensan sobre el mundo. Como obtener conclusiones defendibles no es el mismo problema de como “generalizar” a partir de nuestros resultados. En su forma más común, la generalización no es un problema muy profundo. Si es que hemos observado un conjunto de casos -talvez jóvenes quedándose sin hogar, o compañías yendo a la bancarrota, o partidos políticos recuperándose de una derrota electoral – y tenemos buenas razones para pensar que esos casos son típicos de otros casos en la misma “población”, entonces, muchos de nosotros podríamos correr el riesgo de generalizar a los casos que de hecho no hemos observado. Un problema mucho más profundo es que la obtención de conclusiones, incluso sobre casos que hemos observado, de patrones o hechos sobre tales cosas a “explicar” o “interpretar”. La “Metodología” es el estudio de este problema. Difiere del estudio de los “métodos de investigación”, los cuales tratan con técnicas para colectar datos y para analizarlos. Los buenos métodos son, obviamente, esenciales para hacer buena investigación. Una metodología defendible no sirve de nada, si es que los datos son colectados pobremente o codificados descuidadamente, o se han llevado a cabo tests estadísticos o análisis cualitativos incorrectos. Pero la inversa es también cierta. Una buena comprensión de la metodología puede ayudarnos a evitar el riesgo de colectar y analizar datos competentemente, pero no podemos extraer conclusiones sólidas porque el diseño de la investigación es defectuoso. El estudio de los métodos esta comúnmente dividido por el tipo de datos que se usa. En general, se usan diferentes métodos para colectar, codificar y analizar datos cuantitativos y cualitativos. En contraste, muchos problemas del diseño de investigación y la metodología son muchas veces los mismos, sin importar si la investigación usa números o tiras de texto. Necesitamos asegurar que podemos sacar conclusiones interesantes de cualquier cosa que descubrimos. Por esta razón, este libro no tiene capítulos separados sobre enfoques de investigación cualitativo y cuantitativo Desacuerdos metodológicos: la imposibilidad de la neutralidad La metodología es un sujeto sobre el cual los científicos sociales discrepan, probablemente mucho mas que en el método. Esto significa que hay pocos asuntos no contenciosos en los cuales introducir la metodología de la investigación social. Por lo tanto, debemos emitir un aviso de precaución. Ningún libro sobre metodología puede ser enteramente neutral entre argumentos metodológicos. Como investigadores en ejercicio inevitablemente mantenemos nuestra posición, la cual, ha influenciado como conducimos nuestra propia investigación. Hemos encontrado también de la enseñanza de este tema muchos años, que los estudiantes se benefician de tomar parte en debates académicos vigorosos. Por esta razón, este libro toma partido en algunas disputas actuales importantes. Hemos empeñado, no obstante, cubrir las principales líneas del debate metodológico de un rango de perspectivas que precisamente revelan la base lógica para posiciones en competencia. Intentamos, de esta manera, que el libro te equiparará para desarrollar tu propia perspectiva. Un lector que no comparte nuestro enfoque, o que sostiene uno contrario, puede, esperamos, usar este libro con la confianza de que no contrabandearemos asunciones no reconocidas o disfrazar el espacio para posiciones rivales. Hemos intentado en todas partes establecer claramente los contrargumentos disponibles, incluso cuando indiquemos que los consideramos débiles. Nos dispusimos a escribir un libro que sea útil para las ciencias sociales, incluida la sociología, la politología, la antropología, los estudios de desarrollo, los estudios de negocio y administración, la criminología, las políticas públicas, las políticas sociales y los estudios de ciencia y tecnología. De hecho, extraemos ejemplos de cada una de estas disciplinas y campos. Tenemos razones, tanto de principios como de prácticas, para creer que este enfoque interdisciplinario es apropiado. El motivo principal, es que todas estas disciplinas comparten fundamentos comunes en la metodología y el diseño de investigación. Esto no es sorprendente, porque todas se han desarrollado a partir de una fuente común. A mediados del siglo XIX, estas disciplinas apenas se distinguían unas de otras, excepto como campos empíricos dentro de la amplia competencia de las ciencias sociales. La razón práctica, es que, es cada vez más común que los estudiantes aprendan el método y la metodología en grupos multidisciplinarios. De hecho, en muchos países, incluido el Reino Unido, esta práctica es activamente fomentada por los organismos públicos que financian la capacitación en investigación. Damos la bienvenida a los enfoques multidisciplinarios para la capacitación en investigación, porque sabemos por nuestra propia experiencia, cuanto se benefician los estudiantes y los primeros investigadores de carrera, al ver como trabajan los colegas en otras disciplinas a través de problemas metodológicos. Igual de importante, puede ser más fácil entender un problema complejo de un ejemplo fuera de nuestro propio campo, porque es más fácil reconocer la estructura lógica del problema, sin distraerse con los hechos empíricos de la ilustración en particular. El contorno y los contrastes se vuelven más claros y fáciles de leer cuando miramos algo desde la distancia. Así, por ejemplo, los politólogos deberían encontrar un valor considerable en el estudio de los problemas metodológicos, a través del lente de los ejemplos tomados, por ejemplo, de la antropología, la política pública o los estudios de negocios. El alcance de este libro Este es un libro sobre metodología, por lo que no cubrirá mucho de lo que generalmente se encuentra en los textos sobre métodos de investigación, ya sea cualitativos o cuantitativos. Aquí no decimos nada, por ejemplo, acerca de cómo realizar pruebas estadísticas estándar o como realizar entrevistas o análisis de transcripciones. Más bien, este libro aborda el problema de que inferencias podrían esperar extraer de los resultados producidos por tales métodos. Por lo tanto, aborda el problema de como diseñar una investigación que sea metodológicamente defendible y proporcione la confianza de que se puede hacer un buen uso de sus hallazgos. Este libro tampoco trata principalmente sobre filosofía de las ciencias sociales. Dedicamos los Capítulos 2, 3, y 4 a temas filosóficos que son de importancia central para la metodología, pero este libro no proporciona una guía completa para el pensamiento de las figuras clave en la filosofía de las ciencias sociales o temas filosóficos y problemas. También insistimos en que comprender los métodos de investigación y la filosofía de las ciencias sociales, por importantes que sean ambos, no son suficientes para que un investigador social sea competente. Demasiados investigadores nuevos se embarcan en su trabajo con algunos antecedentes en método y filosofía, pero muy poco en metodología. Peor aún, es posible que ni siquiera se den cuenta de que la metodología del diseño de la investigación se ocupa de cuestiones distintas del diseño del estudio del método y la filosofía. El libro trata principalmente de lo que a menudo se conoce como “investigación observacional”. No cubrimos en profundidad los problemas metodológicos en juego en el trabajo experimental, aunque en el Capítulo 4, se dicen algunas cosas importantes sobre el diseño experimental para mostrar lo que es distintivo de la investigación observacional. La estructura del libro El libro está dividido en cuatro partes, cubriendo respectivamente: - Fundamentos – ¿Que es la metodología y que hace? Diseños – Los tipos principales de diseño de investigación y los desafíos metodológicos de cada tipo. Logros – Los tipos de productos o argumentos de los cuales los investigadores pueden hacer inferencias de los hallazgos producidos por el análisis Combinación y compensación – formas de adoptar dos o más diseños de investigación juntos, para apoyar uno al otro, y como pensar sobre los compromisos que todos los tipos de diseños de investigación deberían hacer. La parte I plantea dos cuestiones que se repiten a lo largo del libro. Explicamos porque el estudio de la metodología es controvertido en una manera y con una profundidad que, por ejemplo, el estudio del método no lo es. En segundo lugar, todas las cosas buenas prescritas por la metodología no van bien en el mismo diseño. Un diseño de investigación puede exhibir varias virtudes diferentes, pero generalmente, tenemos que hacer concesiones entre ellos. Por lo tanto, una parte clave de cualquier defensa metodológica de una investigación consiste en afirmar que la compensación entre estas virtudes es razonable. La segunda parte, trata de los conceptos que estructuran todo el libro. Describe los principales tipos de diseño de investigación distinguiendo entre diseño deductivo e inductivo, análisis dentro y entre casos, y entre investigación orientada a variables, basadas en casos y comparativa de casos. La tercera parte del libro trata sobre los principales tipos de logros, productos o resultados de la investigación en ciencias sociales, o sobre qué conclusiones buscan sacar las investigaciones. Estos productos son descripciones, explicaciones e interpretaciones. En la práctica, sin embargo, algunas investigaciones de ciencias sociales combinan estos elementos. En la parte final, examinamos los servicios que la descripción, explicación e interpretación pueden proporcionar en un estudio combinado. En el capitulo final, discutimos algunas de las formas en que se puede lograr compromisos entre virtudes particulares apropiadas para diferentes diseños de investigación. Nuestra experiencia de enseñanza de este material a clases multidisciplinarias de maestrantes y estudiantes de doctorado, sugiere que los primeros nueve capítulos brindan un curso básico o “fundamental”, mientras que los últimos nueve capítulos son compatibles con un curso de nivel avanzado. La metodología es un negocio práctico, porque comprender la metodología nos permite entregar los bienes prometidos por la investigación en ciencias sociales. Entonces, mientras este libro trata de los principios derivados de la teoría de la metodología, lo hace en el espíritu del viejo adagio que dice “no hay nada tan útil como una buena teoría”. Y, por lo tanto, es importante que usted pueda ver claramente como estos principios pueden aplicarse a su propia investigación. Con este fin, proporcionamos dos tipos principales de ayudas pedagógicas: ejemplos y ejercicios. Aparecen en recuadros numerados en cada capítulo. Ejemplos Los ejemplos están tomados de muchas disciplinas, y son de dos tipos. Algunos usan piezas influyentes de investigaciones publicadas como vehículos para mostrar como investigadores experimentados, incluidos los autores de algunos estudios clásicos en ciencias sociales, han enfrentado tipos particulares de desafíos metodológicos. Esperamos que desee leer los textos originales, porque es importante que los nuevos investigadores se familiaricen con al menos algunos de los elementos principales del canon metodológico. Pero hemos intentado proporcionar una explicación suficientemente clara de cada ejemplo para que sea útil para los lectores que no tienen acceso a las publicaciones originales o el tiempo para leerlas todas. Otros son ejemplos ficticios redactados para ayudarlo a pensar en problemas metodológicos que podrían surgir en su propia investigación. Hemos tomado ambos tipos de ejemplos de una variedad de disciplinas de ciencias sociales, y nos hemos asegurado de que algunos de ellos traten temas prácticos en la investigación en negocio y políticas públicas. Repasando el libro hay varios ejemplos de ficción. Algunos se refieren, a la investigación sobre el sueño brusco y el comportamiento en el reciclaje de residuos domésticos. El propósito de crear ejemplos vinculados es, en parte, para mostrar como los diferentes problemas en la metodología podrían desarrollarse en relación con el mismo tema de investigación o incluso la misma pregunta. También muestra como las diferentes estrategias metodológicas pueden iluminar diferentes aspectos de un problema y acumularse para proporcionar una compresión de él. Esta serie de ejemplos habla de nuestro propósito general en este libro, que es ayudar a los lectores a comprender como los diferentes aspectos de la metodología contribuyen a un buen diseño de investigación, a veces, pero no siempre, en el mismo estudio. Ejercicios y lecturas complementarias También incluimos ejercicios prácticos en cada capítulo, para que los lectores puedan probar su comprensión de los puntos clave. Algunos de estos también se ejecutan a lo largo del libro. La mayoría son apropiados para su uso en la discusión en clase. Al final de cada capitulo se ofrecen sugerencias para lecturas adicionales, tanto en el nivel básico como en el avanzado. Estas son lecturas selectivas en lugar de exhaustivas. Hemos indicado lo que creemos que son los artículos o capítulos de libros más importantes y accesibles, al mismo tiempo que alentamos a los lectores a leer algunas de las contribuciones clásicas a la metodología de las ciencias sociales. Debido a que la lista de referencias al final del libro también incluye todas las lecturas recomendadas, sirve como una bibliografía bastante completa sobre la metodología. Somos conscientes de que incluso los lectores con experiencia en ciencias sociales pueden no estar familiarizados con parte del vocabulario de este libro. Por lo tanto, hemos proporcionado un glosario de términos técnicos importantes. PARTE I Fundamentos Que es la metodología y que hace UNO Inferencia y garantías en el diseño de investigación Este capítulo: - - Explicará que se entiende por metodología y como difiere del método; Introducirá los tres tipos principales de preguntas de investigación en las ciencias sociales; y como se responden cada una mediante la obtención de inferencias de los patrones encontrados en los datos; y Explicará que la metodología siempre es controvertida, porque todas las cosas buenas no van juntas, y que hay que hacer concesiones entre las virtudes de un buen diseño de investigación. ¿Cómo difiere la metodología del estudio de los métodos? Ya que este libro es sobre metodología, debemos de empezar con ese término. Pero, primero, debemos señalar que muchos de los textos estándares lo usan pobremente para referirse a todo lo que hacen con métodos de investigación. Así que no se sorprendan si leen libros o artículos que afirmen ser sobre metodología, los cuales versan sobre asuntos que están excluidos de este libro. Nuestra definición, si embargo, es estrecha y específica, y distingue claramente entre método y metodología en ciencias sociales. En este libro, definimos método como el conjunto de técnicas reconocidas por la mayoría de los científicos sociales que son apropiadas para la creación, colecta, codificación, organización y análisis de los datos. - Los métodos de creación de datos son usados para producir el material en bruto de la investigación, denominado datos bien estructurados – o conjuntos de información- que pueden ser usados para desarrollar nuevas investigaciones, del tipo que describimos - abajo. Los métodos de creación de datos incluyen la etnografía o la observación participante, grupos focales, entrevistas individuales, cuestionarios de encuestas y otros. Los métodos de colecta de datos son procedimientos para capturar lo que es importante para responder la pregunta de investigación de los datos que se han creado. Ello puede involucrar el escaneo de textos para temas particulares, código o contenido o cuentas de empresa o procedimientos cuantitativos más avanzados. Sin embargo, solo podemos contar o codificar una vez hemos decidido como identificar que es importante, como lo mostramos en el Ejemplo 1.1 ---------------------------------------------------------------------------------------------------------------------------Ejemplo 1.1. Vida de la calle Se afirma que el numero de indigentes en las calles de las ciudades británicas cayó bruscamente en los cuatro o cinco años posteriores a la iniciativa del gobierno Laboralista Británico sobre los indigentes en 1998. Pero se ha nivelado, y al momento de escribir estas palabras parece incrementarse nuevamente. Sin embargo, como muestra un documento de consulta emitido por la coalición de gobierno subsecuente (Departamento de comunidades y gobierno local, 2010), existen un problema mayor con esta afirmación, en que nadie cree que los datos sobre los indigentes sean precisos, porque el conteo de numero de indigentes esta lejos de ser franco. El gobierno esta preocupado de que su definición oficial de indigentes como “personas que duermen o alojan al aire libre” significa que el que consejo local no cuenta a las personas que pasan la noche despiertos o sentados o en sleeping. Pero, de eso se sigue que el consejo ¿debería contar a todas las personas en las calles con sleeping? ¿Que sucede, por ejemplo, con las personas que podrían usar los sleeping como ayuda para mendigar, pero no son indigentes? Y ¿Deberían los concejales contar a las personas que duermen en tiendas, callejones o bloques de viviendas o quienes toman refugio en las noches frías en albergues de caridad?. ---------------------------------------------------------------------------------------------------------------------------- - - - Los métodos de codificación de datos son procedimientos para determinar si la información indicada por un dato particular o un conjunto de datos cumple los estándares o límites requeridos por ser clasificados bajo un categoría, donde dicha categoría esta relacionada a la pregunta de investigación o hipótesis Los métodos organización de datos son procedimientos para preparar la totalidad del conjunto de datos o serie de datos, que han sido creados, colectados y codificados por los investigadores para los propósitos del proyecto, o han sido tomados de otras fuentes -por ejemplo, un conjunto de datos de una encuesta nacional tales la encuesta de crimen británica o, como en el Ejemplo 1.1, la estimación anual del gobierno británico de los indigentes. La organización de datos involucra configurar los datos en una base común adecuada – por ejemplo, tabulándolos – de tal manera que puedan ser analizados. Los métodos de análisis de datos son procedimientos para manipular los datos de tal manera que la pregunta de investigación pueda ser respondida, usualmente mediante la identificación de patrones importantes. Los procedimientos estadísticos son ejemplos obvios. Hay muchas técnicas cualitativas también, tales como análisis de contenido, y una variedad de técnicas comparativas de base teórica para el manejo de datos históricos cualitativos del tipo que discutiremos en el Capítulo 17. --------------------------------------------------------------------------------------------------------------------------Ejercicio 1.1. Considerando los desafíos identificados en el Ejemplo 1.1. arriba, piensa sobre como podrías desarrollar un conteo consistente y preciso de los indigentes. ¿Qué criterios podrías usar? ¿Cómo podrías justificarlo? -----------------------------------------------------------------------------------------------------------------------------Interpretación Habrás notado que no se ha dicho nada sobre la “interpretación” de los datos. El proceso de colecta de datos casi siempre requiere que el investigador “interprete” los datos, y que esto es así, particularmente cuando -como en el ejemplo 1.1- las cosas que son estudiadas no caigan en directamente de unidades ambiguas o inconvenientes. Consideraremos algunos de estos problemas con más detalle cuando discutamos el uso y aplicación de los conceptos en el Capítulo 9. Igualmente codificar envuelve una interpretación, porque la decisión de si el dato indica que un caso satisface un estándar para un código particular es un acto interpretativo de un juicio científico. La “interpretación” es también requerida en el proceso de determinación de si el análisis de datos apoya las conclusiones generales obtenidas de la investigación, y responde la pregunta de investigación. Llamamos a este apoyo, garantía. La garantía es un asunto central en metodología, y por lo tanto uno de los asuntos centrales a los que está dirigido este libro. Un tercer significado de “interpretación” en metodología es discutido brevemente abajo y será discutido otra vez en detalle en el Capítulo 15 y 16. Este tercer significado de interpretación esta restringido a un tipo particular de datos y un tipo particular de conclusiones -a saber, aquellos que atribuyen las creencias, ideas, emociones o formas de clasificar a las personas que están siendo estudiadas. Pero el punto a enfatizar aquí es que todos los enfoques metodológico dependen de gran extensión de “interpretación de datos” y por lo tanto, la “interpretación” no es un estadio o actividad separada de ninguna de la lista de arriba. Aunque las propuestas de investigación son a menudo escritas con tablas de tiempo describiendo la “interpretación de datos” como si fueran el estadio final de un proyecto cuando las conclusiones han sido obtenidas sobre una significancia teórica o practica de la investigación, de hecho la interpretación es el corazón de todo el proceso investigativo. Así que, ¿Qué es la “metodología”? La lección clave de esta discusión es que la metodología no es solo – y a menudo realmente muy poco – un asunto de método, en el sentido del uso de técnicas apropiadas en la forma correcta. Tiene que ver mucho más con lo bien que argumentamos desde el análisis de nuestros datos para obtener y defender nuestras conclusiones. La cuestión metodológica planteada por nuestra ejemplo de los indigentes es que nos permitiría afirmar que un incremento de los indigentes ha ocurrido; eso es, hacer una inferencia a una descripción. Si es que optamos por afirmar que un ascenso en los indigentes esta siendo causado por una recesión económica, entonces esto seria una inferencia a una explicación. O tal vez, seria revelador explorar que indigentes se contarían por si mismos como indigentes y por qué. Esto requeriría una inferencia a una interpretación en el tercer sentido discutido arriba. Debido a que la metodología es sobre argumentos que muestran una garantía para inferencias, no tiene sentido descomponer el estudio de la metodología de acuerdo a diferentes estadios involucrados en el proceso de investigación, de la misma forma que lo hemos hecho arriba para los métodos. Más bien, distinguiremos en este libro entre los diferentes enfoques de la metodología, y discutiremos las estrategias apropiadas para estos enfoques. Empezaremos esta discusión más adelante en este capítulo, cuando discutamos las diferencias entre la investigación diseñada, respectivamente a una descripción, explicación e interpretación. Pero hacemos hincapié en todo el libro que cada uno de estos enfoques plantea la misma pregunta metodológica básica - ¿Cómo y hasta donde puedes argumentar de unos datos particulares hacia conclusiones particulares?, o, para ponerlo en otras palabras, ¿Qué argumento, si alguno, de estos datos de hecho la apoya? Ser capaz de obtener conclusiones sólidas depende del diseño de todos los estadios en el proyecto sobre la base de principios metodológicos sólidos. Inversamente, es enteramente posible seguir métodos prescritos cuidadosamente, pero aun así, se puede producir una investigación metodológicamente sospechosa, si es que las conclusiones obtenidas de ella, no están bien fundamentadas. Estos problemas son ineludiblemente teóricos, porque el estudio de la metodología involucra teorías sobre como y hasta donde el diseño de investigación nos permite obtener sólidas inferencias hacia las conclusiones que proveen las respuestas de nuestra preguntas de investigación, o que determinan hasta donde nuestras hipótesis son apoyadas o desmanteladas. Y eso es de lo que se trata este libro. Inferencia y garantía. El núcleo de conceptos en metodología comprende de estas inferencias y garantías , y deberíamos explicar aquí por que son tan importantes. Estamos acostumbrados a obtener conclusiones de encuestas de opinión sobre las preferencias del voto de mas de 40 millones de electores mediante el muestreo de opiniones de alrededor de mil personas. Esto se hace usando ampliamente principios aceptados de la estadística inferencial. Este ejemplo ilustra el problema que a menudo obtenemos conclusiones de una gran población de lo que podemos encontrar en una pequeña muestra. Un segundo problema es que no podemos siempre observar las cosas que nos interesan directamente, pero estamos forzados a trabajar con proxies o indicadores. Por ejemplo, los psicólogos hacen inferencias sobre el trabajo del cerebro humano o animal de la observación de movimientos muy finos de los ojos. Los sociólogos industriales hacen inferencias sobre la organización moral de la forma en que los trabajadores se comportan o describen sus emociones. Y los antropólogos interpretan como los seres humanos hacen sentido de sus palabras de sus historias u otros artefactos culturales. En ninguno de estos ejemplos se puede observar directamente la transmisión sináptica en los cerebros, la “moral” o el “hacer sentido”. Además, los investigadores podrían hacer inferencias con confianza sin teorías -sin embargo implícita o provisional- sobre las relaciones entre las cosas en las cuales están interesados y esas cosas que pueden observar directamente. Por ejemplo, el uso de artefactos culturales para interpretar la creación de sentido depende de una teoría de la cultura. Podemos por lo tanto, definir la inferencia como (1) el proceso de hacer afirmaciones sobre un conjunto de fenómenos que no pueden ser observados directamente (2) sobre la base de lo que conocemos sobre un conjunto de cosas que hemos observado donde (3) la elección de los instrumentos de investigación depende de una teoría de como esos instrumentos trabajan. Podemos definir la garantía como el grado de confianza que tenemos en una inferencia capaz de entregar verdades sobre las cosas que no podemos observar directamente. La garantía involucra estándares particulares, los cuales discutiremos en más detalle en capítulos subsecuentes. Veremos, también, que algunos de esos estándares están mas sencillamente relacionados a los que métodos que otros. Observación En el transcurso de este libro, tendremos ocasión para usar esta palabra resbaladiza pero absolutamente inevitable de diferentes maneras. Hay cuatro diferentes maneras en las cuales esta palabra es usada en la metodología de las ciencias sociales. 1. El valor tomando por una unidad de datos que esta colectada para, definida por y organizada en un esquema de medición. Por ejemplo, el valor adscrito para una variable ingresada en una celda o una hoja de calculo o tabla es una observación sobre esa variable. “Observación” es usada en este sentido en la pregunta. ¿Qué muestra la observación? 2. Una unidad de dato, tal como un caso de una muestra o un conjunto de datos, como en una pregunta, “¿Cuántas observaciones tienes? 3. La colección sistemática de datos sobre el comportamiento o acción donde el investigador puede no ejercer un control experimental sobre el régimen de estímulos y constricciones bajo las cuales los participantes de la investigación actúan, como en el termino, “investigación observacional”, el cual es alternativo a la investigación experimental. 4. La actividad de un investigador desarrollando una inspección visual y/o de audio del comportamiento de los participantes, como en “un periodo de observaciones de campo” Cuando discutimos algunas preguntas filosóficas en los capítulos 2,3 y 4, usaremos la palabra en el primer sentido como un buen referente. El capitulo 5 considera la investigación observacional, en el tercer sentido. En el capitulo 6, cuando discutimos la investigación orientada a variables, la “observación” que será usada es en el segundo sentido. Aunque tendremos en mente el cuarto sentido en todo, será enfatizado particularmente en los Capítulos 15 y 16. Estás advertido de pausar donde tu veas la palabra, para asegurar que comprendes el significado. Seremos siempre claros del contexto en el cual significado esta embebido, pero puedes revisar esta paginas o la entrada en el glosario si es que necesidades un recordatorio. Algunas afirmaciones controversiales sobre la metodología Con estas definiciones en mente, es tiempo de hacer algunas grandes afirmaciones. Algunas serán controvertidas. Encontrarás, como lees en este libro, que casi todo lo que se dice en el campo de la metodología atraerá un desacuerdo. Esta es otra gran diferencia del estudio de los métodos, porque mucha de las personas que estudian los métodos acuerdan sobre, por ejemplo, que contar, transcribir de una entrevista, o calcular un test de chi-cuadrado. Aquí esta nuestra primera gran afirmación. Hacer inferencias garantizadas es el punto crucial y el único punto de hacer investigación social, sin importar el tipo de dato y que estilo de investigación que usemos. La contribución al conocimiento de cualquier investigación consiste en las inferencias que pueden hacerse de ella. Las inferencias son el producto principal, ellas proveen soporte para los hallazgos; y son las que hacen hallazgos dentro de resultados más que de la especulación, en una mano, o datos puros, en la otra. Hay dos razones para hacer esta afirmación. La primera es semántica y la segunda descansa en una afirmación normativa sobre que sobre que tan ambiciosos deberíamos ser y porque los científicos sociales salen de su cama en las mañanas. La razón semántica es que la atención cuidadosa a la inferencia, y que las garantías, lo que distingue la investigación científica de otro tipo de investigaciones. Buenos reportajes periodísticos generalmente no tratan de hacer inferencias, mas allá de contarnos lo que reportero encuentra. Los escritos teóricos o de interés especulativo no deben preocuparse de la garantía. Pero esto es diferente en mucha investigación social – aunque nos hace recuerdo de algún tipo de trabajo histórico – en lo que concierne solo con la inferencia garantizada sobre un caso particular bajo examinación, mientras un buen trato de investigación de ciencias sociales esta interesado en obtener inferencias mas allá del caso particular hacia una amplia población. La razón mas grande y normativa es que la inferencia garantizada vale la pena realizar, porque representa una estrategia para hacer una contribución al conocimiento que ninguna de las otras actividades investigativas puede lograr, dadas sus limitaciones y propósitos apropiados. Necesitamos entender como los procesos sociales generalmente trabajan, y esto no puede se hecho adecuadamente señalando un “culpable” en un caso criminal particular, o perros de caza escarbando nuestros hechos, o incluso leyendo las percepciones de los grandes literarios. Criticas de la ambición inferencial Reconocemos que nuestra primera gran afirmación es controversial, y deberíamos además hablarte de quienes la objetarían, y por qué. Esos quienes resistirían esta afirmación tienden típicamente a argüir una de las siguientes posiciones. - - La investigación social puede ser justificada si es que “damos voz” a las personas – como a los indigentes- cuyas perspectivas sobre la indigencias no podrían estar de otra manera disponibles. Para este propósito, se ha afirmado, que la inferencia garantizada hacia teorías generales no es necesaria y, de hecho, podría ser perjudicial. Lo que, más bien, es necesario es observación y análisis investigativo que sea fiel a la visión de los individuos estudiados. La investigación social no puede, debido a su naturaleza intrínseca subjetiva, lograr justificaciones para inferencias generales, y se debe considerar que carece de fundamentos, así como el periodismo, la escritura especulativa, la literatura o el trabajo de detectives. Desde este punto de vista, el conteo, digamos de los indigentes, ministros del gobierno nacional, administradores de organizaciones benéficas locales y alcaldes locales de por qué la indigencia es un problema, y cuán grande y significativo es, seguramente serán diferentes: No podemos lograr una descripción perfectamente precisa, y mucho menos una explicación verdadera, de estado de cosas. Esta visión es compartida por varias escuelas de pensamiento social, que van desde el escepticismo hasta el relativismo, hacia el antifundamentalismo y el posmodernismo. Una respuesta a las críticas No estamos de acuerdo con ninguna de estas afirmaciones y, para que conste en acta, ofreceremos un par de comentarios para indicar por qué no estamos de acuerdo con la primera es estas opiniones. Para el segundo, lo haremos en los capítulos 2 y 4. “Dar voz” implica atribuir pensamientos, emociones, prácticas, aspiraciones, recuerdos, etc. a otros seres humanos. Los investigadores a menudo desean revelar las preferencias, experiencias o formas de entender las vidas de las personas que estudian. Pero ninguna de estas cosas se pueden observar directamente, ni se pueden leer sin problemas de lo que las personas dicen en las entrevistas o cuando se observan. No se puede dejar de usar información ajena a la situación particular, porque incluso los conceptos que utilizamos están tomados de un vocabulario más amplio. Y cuando intentamos averiguar qué piensan las personas, nos basamos en información sobre otras personas que creemos que son similares a las que estamos estudiando. EL concepto mismo de “indigente”, por ejemplo, se extrae de los documentos de políticas gubernamentales, y nos resultaría difícil escapar de conceptos como la “vulnerabilidad” o la “exclusión social” de los indigentes si intentáramos describir el impacto en sus vidas, digamos, del cierre de un refugio de invierno debido a los recortes de gastos. Las personas a cargo de las políticas públicas, y los investigadores que escriben y leen artículos o monografías académicas, usan el lenguaje de una manera muy diferente a la de muchos de los estudiados por la investigación en ciencias sociales. Así que, “dar voz” a menudo implica actos de traducción arriesgados. La única manera de hacerlo bien, y hacerlo de manera que nos responsabilicemos ante los demás académicos o participantes de nuestra investigación, es adoptar procedimientos que nos obliguen a ser conscientes de las inferencias que hacemos y revelar todo nuestro trabajo. Es decir, una característica de buen diseño de investigación es que nos permite demostrar como obtuvimos nuestras conclusiones de las entrevistas y otras observaciones sobre las vidas de los participantes de la investigación. Este proceso es la inferencia garantizada. Una forma alternativa de proceder está disponible por supuesto. Podríamos escribir lo que pensamos y quizás publicarlo en medios periodísticos. Pero nuestra investigación constituiría entonces un tipo diferente de investigación, realizada para diferentes propósitos y con diferentes tipos de responsabilidad hacia los datos, a los participantes de la investigación y a la comunidad académica en general. La investigación social basada en la inferencia garantizada hace una contribución muy distinta, y claramente valiosa, de la realizada por el periodismo o cualquier otro tipo de investigación para comprender a la gente. Específicamente, la única contribución de las ciencias sociales consiste en el cuidado metodológico que pagamos a las inferencias que hacemos. ¿Inferencia a qué? Todo esto plantea una pregunta importante pero obvia: ¿a qué hacemos inferencias exactamente?. Ya hemos visto que los científicos sociales distinguen entre tres tipos de propósitos para los cuales se hacen inferencias. Estos propósitos son descripción, explicación e interpretación. Inferencia descriptiva La inferencia descriptiva se realiza para responder a ciertas preguntas sobre X (donde X representa cualquier tema empírico para la investigación social) cuando no podemos observarlas en absoluto, o no podemos observarlas todas, o podemos observar solo aspectos de ellas, o no podemos estar seguros que estamos observando de X todo lo que parece ser. Estas preguntas son: “¿Qué tipo de cosa es X?”, “¿Qué tipo de afirmaciones podemos hacer al respecto?” y “¿Cómo podemos caracterizarla?”. El producto de la inferencia descriptiva es un conjunto de afirmaciones sobre X. Estas afirmaciones pueden ser sobre lo que es típico de X, lo que generalmente es cierto sobre X, o lo que es verdad sobre un subtipo o sobre algún espectro de X. Un producto de la investigación sobre la indigencia, por ejemplo, podría ser una descripción de cuantos indigentes hay en una ciudad en particular; que tipo de personas son por edad, género, etc; cuanto tiempo, en promedio, han estado sin hogar; si este periodo es cada vez más largo o corto; y si el numero de personas sin hogar a largo plazo está aumentado o disminuyendo. Esta descripción dependería de la inferencia, ya que, incluso si pudiéramos contar directamente a todos los indigentes en la ciudad en una noche en particular, tendríamos que hacer suposiciones sobre que proporción de indigentes hemos observado. Y también tendríamos que hacer inferencias a partir de datos anteriores o de entrevistas con los indigentes, sobre los cambios en los patrones de indigencia y en las características de la población de indigentes. Algunos libros de textos son muy altaneros. Este engreimiento es, para acuñar una frase, injustificado. La descripción puede ser una ambición modesta, pero es necesaria. Es muy difícil seguir haciendo algo más ambicioso en la investigación social si no se han realizado correctamente las inferencias descriptivas. Es cierto que las revistas más prestigiosas no publican artículos que solo ofrezcan inferencias descriptivas. Pero los artículos que publican se basan, en una parte vital de su argumento general, en la solidez de las inferencias descriptivas, incluso si esas partes de su funcionamiento no se demuestran. Se realizan inferencias explicativas para responder a las preguntas, “¿Por qué X ha generado Z o se ha convertido en Y?”, “¿Qué provocó esto?” y “¿Qué hizo que X se convierta en Y o Z?”. En los capítulos 10-13, veremos con mucho más detalle lo que entendemos por causalidad. Veremos que explicar cómo surgió algo plantea desafíos metodológicos de un orden superior al de su descripción, aunque a menudo la descripción también puede ser bastante complicada. Supongamos que queremos averiguar si los recortes en el gasto publico han contribuido, causalmente, a un aumento en los indigentes. Una vez que se han producido los recortes, ya no podemos observar la indigencia en una ciudad en particular en ausencia de esos recortes. Por lo tanto, nunca podríamos medir el impacto de los recortes en la indigencia comparando la situación que observamos actualmente con uno (en el mismo lugar) en que los recortes nunca se habían producido. Esta dificultad se conoce como el problema fundamental de la inferencia causal contrafactual. Es una de las razones por las que la inferencia explicativa es difícil. Pero a menudo es muy importante intentar dar explicaciones. De hecho, explicar por qué suceden las cosas es la razón principal por la que cualquiera paga por la investigación en ciencias sociales, con la esperanza de que la explicación ayude con el diseño de las intervenciones en los problemas sociales. Hay sentidos más débiles del término “explicación” que no requieren que se revelen las causas. Por ejemplo, los investigadores escriben sobre “explicaciones” estadísticas. Esta frase se refiere al proceso de mostrar que dos variables están fuertemente asociadas entre sí, pero no nos obliga a hacer inferencias acerca de la dirección en la que podría correr ninguna influencia ni a descartar la posibilidad de que una tercera variable influya en ambas variables. Otras explicaciones son de carácter lógico. Es decir, podemos “explicar” una condición o evento, al mostrar cómo se deriva lógicamente de otro. Por ejemplo, podemos explicar los planes del gobierno para el intercambio extendido de información personal sobre ciudadanos individuales entre agencias del gobierno, ya que esto es una implicación directa, es decir, lógica, de un énfasis en las intervenciones de múltiples agencias en problemas sociales como la falta de viviendas. Inferencia interpretativa Finalmente, hay inferencias interpretativas. La inferencia interpretativa se dirige a una variedad de preguntas, algunas de las cuales ya hemos discutido. Hemos visto que la inferencia interpretativa más elemental es cuando determinamos si algo se debe contar, para un propósito de investigación determinado, como parte de alguna categoría, y por lo tanto decidimos que se le debe dar un código o medida en particular. Llamamos a esto una interpretación de su significado categórico. Decidir, por ejemplo, quien cuenta como un indigente – una pregunta que precede a la pregunta descriptiva de si podemos sacar conclusiones sobre el número de indigentes – es claramente una cuestión de interpretar el concepto de indigente. Y eso, a su vez, depende de nuestra visión de si ese concepto capta los aspectos particulares de la condición subyacente de la falta de vivienda absoluta en la que estamos interesados. En segundo lugar, dar voz es solo una forma de explicar cómo piensan, caen, comprenden, entienden problemas, etc., las personas. La inferencia interpretativa no es simplemente el desarrollo de descripciones de las experiencias subjetivas de las personas, sino que también puede producir una explicación integrada, o interpretación, de la importancia subjetiva para la vida mental de las personas, en la que los patrones observados tienen un sentido más amplio. Por ejemplo, al interpretar cómo el administrador de los departamentos de vivienda del consejo local percibe las implicaciones del edicto del gobierno para considerar a los indigentes de una manera diferente, probablemente deberíamos ir más allá de una simple repetición de nuestros datos descriptivos (por ejemplo, el 37% de los encuestados estuvo de acuerdo con la propuesta que se menciono en nuestra encuesta) haciendo inferencias acerca de la importancia que conceden a las propuestas del gobierno para las vidas de sus indigentes y su capacidad para ayudarles. Si los datos lo permiten, también podríamos, quizás, hacer más inferencias acerca de lo que estos gerentes creen que tiene el significado de estas propuestas más ampliamente para la justicia o la inclusión sociales y sobre los estándares que parecen adoptar implícitamente para medir la justicia y la inclusión. Finalmente, hay inferencias a las cuentas integradas en las que el sujeto de la interpretación no es vida mental de un grupo o grupos de personas, sino un conjunto de eventos. La interpretación histórica, que es muy importante en la sociología histórica, la ciencia política comparada, la historia de los negocios e incluso en la economía institucional, es un buen ejemplo. Su objetivo es detectar patrones generales de eventos históricos, por ejemplo, aquellos involucrados en el surgimiento de corporaciones empresariales multinacionales en el periodo posterior a la Primera Guerra Mundial o en el crecimiento de un estado de bienestar después de 1945, para proporcionar la base para una cuenta integrada o interpretación de su significado objetivo. Relaciones entre inferencias descriptiva, explicativa e interpretativas Gran parte del libro se dedicará a considerar por separado los estándares garantía requeridos para las inferencias en la investigación explicativa e interpretativa. Pero veremos que casi toda la investigación explicativa e interpretativa se basa en inferencias interpretativas categóricas y descriptivas. También veremos que incluso aquellos investigadores que insisten ferozmente en un enfoque exclusivo en la interpretación de la significación subjetiva no pueden, en la práctica, llevar a cabo esa tarea sin dar una explicación de por qué las personas piensan como lo hacen. Es muy difícil desarrollar una explicación de, digamos, las formas en que las personas de bajos ingresos piensan en “enmarcar” los riesgos de los problemas de salud que surgen de sus dietas, sin hacer referencia a las categorías que implican causalidad. Por ejemplo, al tratar de decidir entre interpretaciones que enfatizan las opciones dietéticas limitadas disponibles para personas con bajos ingresos y aquellas interpretaciones que enfatizan su limitada disposición seriamente a considerar comer alimentos saludables, los investigadores necesariamente se encuentra implicando algo sobre el papel causal que pueden desempeñar las creencias en la explicación de la conducta dietética poco saludable. Este ejemplo ilustra el punto de que separar categorías descriptiva de explicaciones causales no es sencillo, porque a menudo describimos utilizando categorías que implican una explicación. Por ejemplo, podríamos, contar el número de personas “dependiente de drogas” que están registradas para recibir tratamiento en el Reino Unido, pero el uso mismo de esta categoría reconoce la dependencia adictiva como una causa importante del uso de drogas ilegales y conlleva la afirmación implícita de que debe ser tratado en lugar de castigado. Veremos en los capitulo 15 y 16 que hay otras razones mas profundas por la que es difícil hacer una investigación interpretativa sin llevar un equipaje explicativo. Las preguntas abordadas por la investigación descriptiva, explicativa e interpretativa son, sin embargo, analíticamente muy distintas. Estos tres tipos de investigación preguntan, respectivamente, “¿Qué esta pasando con X?”, “¿Por qué la X han generado Y?”, “¿Qué entiendo de X por la forma de X?”. Por lo tanto, es muy útil considerar por separado los desafíos metodológicos planteados por cada uno de estos tres enfoques, y esto es lo que haremos en este libro. Compensaciones entre virtudes en la garantía de la inferencia. Al examinar estos desafíos, exploraremos las virtudes que deben ser demostradas por una investigación metodológicamente sensata, si es para justificar las inferencias que busca respaldar. De hecho, ya hemos notado algunas de estas virtudes. Primero, al analizar la descripción, hemos dado a entender que una virtud clave de una descripción es que debe ser lo más precisa posible dentro de las limitaciones impuestas por las formas en que se han creado y recopilado los datos. Por ejemplo, el tipo de precisión que esperamos de una descripción estadística de tendencias generales es muy diferente del tipo que puede lograr un meticuloso antropólogo que verifica cuidadosamente cada observación significativa registrada en sus notas de campo. Segundo, hemos asumido que nuestras inferencias deben capturar la importancia de tantos datos en el conjunto como sea posible. En otras palabras, la cuenta debe resumir e integrar nuestros hallazgos, pero con el mínimo, pérdida de los hechos, matices, diferencias y contrastes que son relevantes para la pregunta. Cuanto mejor lo haga nuestro registro, mejor será su bondad de ajuste. Tercero, al contrastar la investigación social con el trabajo de detectives y el periodismo de investigación, señalamos que los investigadores de las ciencias sociales desean sacar conclusiones más allá del caso particular a una población más amplia de personas, eventos o casos. Es decir, estamos interesados en lograr generalidad en alguna categoría. En cuarto lugar, mencionamos que los investigadores a menudo buscan algunos patrones generales que son de la mayor importancia en la configuración de los estilos de pensamiento o las emociones o en la explicación de los resultados o eventos. Si bien puede ser tentador rastrear con gran detalle la interacción de una gran cantidad de factores complejos que podrían explicar, por ejemplo, el aumento de las penas de custodia dictadas por los tribunales penales, es poco practico y distraído continuar acumulando cantidades de factores diversos sobre un gran numero de casos. Puede ser mejor comparar la influencia de algunos factores importantes, como los cambios en las pautas de sentencias nacionales, las actitudes de los jueves al interpretarlos y las creencias de jueces y jurados acerca de como funcionan las sentencias comunitarias. Es decir, otra virtud tanto de las explicaciones como de las interpretaciones en parsimonia. Hay otras virtudes, que consideraremos a su debido tiempo. Sin embargo, también veremos que a menudo es imposible en el mismo diseño de investigación maximizar la bondad de ajuste, la generalidad, la parsimonia, por no hablar de otras virtudes (Prxeworski and Teune, 1970). Por ejemplo, cuanto más precisos intentamos ser, más detalles acumulamos y cuanto mas nos acercamos a la granularidad de los casos particulares, mas difícil se vuelve generalizar los casos. También se vuelve mas difícil identificar los efectos de algunos factores realmente centrales, ya que no realizarán de manera consistente su trabajo explicativo o interpretativo al nivel de detalle. A la inversa, cuando más parsimoniosos queramos ser, más probable es que estemos obligados a restringir el dominio de los casos sobre los que podemos generalizar, porque son pocas las cosas que son comunes en todos los casos, especialmente en los que pertenecen a categorías amplias como “sin hogar” o “comportamiento judicial”. Este problema significa que debemos hacer concesiones entre las virtudes en el diseño de nuestra investigación. La necesidad de hacer concesiones entre las virtudes de un buen diseño de investigación es una de las razones por las cuales no existe una investigación que esté más allá de la impugnación metodológica. Es posible quejarse de algo en cada investigación social, un científico social, por ser un peleador, no se demora en encontrarlo. Pero eso no significa que todo salga en sorprendentes compensaciones. Siempre se pueden encontrar mejores y peores compromisos para abordar una pregunta de investigación particular, y hay algunos que se encuentran tan por detrás de la curva de intercambio, o hasta el extremo de esa curva, que claramente constituirían un pobre diseño de investigación. ¿Qué es el “diseño de investigación” Pero, en realidad, ¿Qué es el “diseño de investigación”?. Por diseño de proyecto de investigación , para el científico social significa (1) la especificación de la forma en que los datos se crearán, recopilarán, construirán, codificarán, analizarán e interpretarán (2) para que el investigador pueda obtener inferencias descriptivas, explicativas o interpretativas garantizadas (3) donde la garantía se calcula para lograr una compensación razonable entre virtudes en competencia; y (4) donde los estándares de garantía puedan variar ligeramente, pero se basan en un conjunto de virtudes básicas para cada tipo de inferencia. Un diseño de investigación generalmente se establece antes de emprender un proyecto, en un plan o propuesta de investigación. Una declaración más detallada de la defensa metodológica de una propuesta de investigación a menudo se proporciona en un protocolo que establece en detalle los pasos a través de los cuales se procederá a la inferencia y el grado en que la conclusión puede apoyarse dada la naturaleza de los datos y la naturaleza de los métodos utilizados para crearlos, recopilarlos, codificarlos, construirlos y analizarlos. Estándares de un buen diseño de investigación. Los estándares mas simples de solidez en metodología son los de confiabilidad y validez. La confiabilidad tiene que ver con la forma en que medimos, o si estamos utilizando datos cualitativos, codificamos las cosas que nos interesan. Un sistema confiable de medición o codificación es consistente en que, cada vez que se usa en los mismos datos, produce la misma medida o código. Si dos investigadores trabajan juntos, y ambos siguen el mismo procedimiento en los mismos datos, deben producir la misma medida o código. Rehacer la codificación o la medición, para ver que tan confiable es el procedimiento, se denomina método de “prueba/reevaluación” para evaluar la confiabilidad. Una segunda forma de evaluar la confiabilidad a nivel de método se denomina método de “consistencia interna”. Esto no se basa en repetir la codificación o medición de los mismos datos, sino en recopilar datos adicionales utilizando el mismo diseño. En una encuesta por cuestionario, por ejemplo, podríamos insertar varias preguntas, cada una con una frase algo diferente, para preguntar lo mismo. Si obtienen las mismas respuesta de los encuestados como hizo la primera, entonces proporcionan alguna evidencia de que la primera pregunta fue confiable. Validez La validez es, en términos generales, el grado en que nuestras declaraciones se aproximan a la verdad. Es convencional distinguir entre validez de construcción y conclusión, y entre validez interna y externa. La validez de construcción es el grado en que las medidas que utilizan los códigos para operacionalizar un concepto realimente capturan lo que pretendemos capturar. Por ejemplo, supongamos que queremos saber cuánta “buena voluntad” tiene la gente hacia sus vecinos en su propia calle. La buena voluntad no es un concepto sencillo. Podríamos preguntar las actitudes de las personas hacia otras personas en general y hacia sus vecinos en particular. Tal vez deberíamos preguntar sobre el futuro vecino hipotético que podría diferir en formas importantes, por ejemplo, en sus orígenes étnicos, de los actuales. Pero seguramente deberíamos querer saber, también, cómo se comportan las personas con respecto a los diferentes vecinos. Tal vez nos gustaría saber como piensan que se comportarían en ciertas situaciones hipotéticas, como una fuerte caída de nieve en el vecindario. También podríamos querer saber como esperan que sus vecinos se comporten con ellos. Habiendo establecido un conjunto de medidas o códigos, podríamos evaluar su validez de construcción de varias maneras. La forma más sencilla podría ser mirar las teorías de buena voluntad y comparar nuestras medidas o códigos con las características utilizadas en esas teorías. Si estamos recolectando datos cuantitativos, podríamos usar el análisis estadístico para determinar si hay factores comunes en cada una de nuestras medidas elegidas, por ejemplo, si la buena voluntad se basa, digamos, en la “afinidad social” (compartir ideales y creencias” o” reciprocidad social” (ayudándose mutuamente), o si, en nuestros casos observados, los valores apuntan en diferentes direcciones: por ejemplo, la buena voluntad puede ser fuerte cuando depende de la afinidad, pero menos si depende de la reciprocidad. Si es así, podríamos preguntarnos, si, de hecho, la “buena voluntad” es un fenómeno único después de todo, y en su lugar estipular diferentes “tipos” de buena voluntad. Este proceso aumentaría la validez de construcción de nuestro concepto de buena voluntad, al otorgarle una mayor precisión operativa. La validez de medida es un subtipo de validez de constructo. Captura la medida en que cualquier medida o código nos permite atribuir valores, por ejemplo, a diferentes factores o dimensiones de “buena voluntad” sin importar sesgos sistemáticos. La validez de la medición es importante ya sea que utilicemos números cardinales (1,2, 3…) u ordinales (1°, 2°, 3°…), códigos de encendido y apagado (si/no) o valores cualitativos (como “fuerte/moderado/débil”). La validez de conclusión se refiere a la garantía que tenemos para hacer inferencias a partir de nuestras conclusiones. Se relaciona con el grado de apoyo que los patrones observados en los datos proporcional las conclusiones extraídas de ellos. Si concluimos, por ejemplo, que la buena voluntad basada en la afinidad social tiene a ser más fuerte que la basada en la reciprocidad social, la pregunta es si esta conclusión es una declaración razonable de lo que muestran los datos. La validez interna se aplica dentro de un estudio, independientemente de si queremos generalizar a otros. Se refiere a la garantía que tenemos para inferir que un resultado puede explicarse por un factor causal particular. Si afirmamos, por ejemplo, que nuestro estudio muestra que la “reciprocidad social” se hace más fuerte a medida que las personas más tiempo son vecinas, independientemente de factores como la raza, entonces la prueba de la validez interna del estudio es la medida en que podemos demostrar a partir de nuestros datos que este realmente es el caso. La validez externa se refiere a la garantía que tenemos para inferir que nuestros hallazgos se mantendrían en otras situaciones o estudios que fueron similares en formas relevantes. Claramente, hay un gradiente de similitud y disimilitud. A medida que las muestras o los casos se vuelven menos similares, la validez externa está destinada a disminuir, junto con nuestra capacidad para generalizar a partir del estudio. Así, por ejemplo, se puede esperar que los resultados de un estudio sobre la buena voluntad de los vecinos en una pequeña ciudad estadounidense se realicen ciudades de tamaño similar y con una estructura sociodemográfica similar, pero no en una ciudad pequeña con diferente población. Esto significa que un tema clave para asegurar la validez externa es saber qué características de nuestros casos o nuestra población son “relevantes” para este propósito, y que los hace “similares” Compromisos entre validez y fiabilidad Del mismo modo que existen compensaciones entre diferentes virtudes en el diseño de la investigación, también puede haber compensación entre la validez y la fiabilidad. A primera vista, esto podría parecer una afirmación extraña. Después de todo, si una medida o un código disminuye en confiabilidad, también debe ser menos válido. Pero hay algunas cosas que podemos querer medir o codificar en las ciencias sociales que no son susceptibles de medición o codificación directa. Supongamos, por ejemplo, que queremos entender las diferencias entre las personas con respecto a su capacidad para emitir juicios discriminatorio y reflexivos en los campos de las artes, como la música, el teatro, la literatura y la danza. Medir el gusto, o el juicio estético, requiere un conjunto de diferentes dimensiones, porque no es solo una cosa. Deberíamos necesitar medir o codificar la amplitud de las artes sobre las cuales alguien fue capaz de ejercer un juicio; si lo hicieran de manera consistente; y también las diferentes maneras en que podrían ser más y menos articulados en sus juicios; y así. Reunir todas estas medidas o códigos en un solo indicador compuesto de sabor se puede hacer de diferentes maneras. Podríamos, por ejemplo, aumentar la validez de nuestra medida compuesta o código de gusto agregando más medidas subsidiarias, como el alcance, la consistencia y la articulación. Este proceso recogería más dimensiones de este concepto complejo, pero aumentaría la dificultad elegir una forma de combinarlas, y nuestra medida compuesta sería sensible al método que elegimos para ponderar y relacionar medidas de dimensiones particulares del gusto. En otras palabras, arriesgaríamos la confiabilidad por ganancias en validez. Mas allá de cierto punto, un sacrificio demasiado grande de la confiabilidad también arruinará la validez, y el rango compensaciones aceptables entre los valores, por ejemplo, entre precisión confiable y relevancia válida, especialmente en la medición de conceptos cualitativos complejos o ricos como el gusto es probablemente bastante estrecho. Pero generalmente hay más de una compensación defendible para ser tratada con este problema. A veces, sin embargo, el problema de la compensación puede llegar a ser cruel. Los problemas surgen agudamente cuando el proceso mismo de hacer la medición o la codificación cambia la cosa que se está midiendo. Por ejemplo, hacer una investigación sobre el comportamiento que es ilegal o que se considera inmoral puede hacer que las personas estudiadas se comporten con más cautela porque están siendo observadas o, alternativamente, muestran valentía exagerando su comportamiento pecaminoso. Este es un problema que es bien reconocido, por ejemplo, entre los investigadores que desean realizar estudios etnográficos sobre el racismo institucional o el acoso escolar, donde los intentos de observar directamente el comportamiento mediante la observación no participante terminan minando seriamente tanto la validez como la confiabilidad. Este problema también es familiar para los responsables políticos. La ley de Goodhart se desarrolló originalmente en las décadas de 1970 y 1980, cuando los bancos centrales desarrollaron medidas más complejas y nuevas, que contaban como “dinero”. La razón para medir el dinero de diferentes maneras fue que los bancos centrales comenzaron a ser acusados de ganar sobre la oferta de dinero, y necesitaban saber qué tan bien estaban haciendo. Desafortunadamente, la introducción de medidas y el uso de medidas políticas para influir en la oferta de dinero interactuaron de manera inesperada. Sencillamente, cuando las medidas se enfocaban en una definición, las personas creaban dinero en alguna otra definición: el trabajo de los bancos centrales parecía como apretar un globo en una parte, solo para expandir la protuberancia en otra. El execonomista del banco de Inglaterra Charles Goodhart concluyó que el esfuerzo mismo por medir el dinero hacia que esas medidas fueran menos válidas. Generalizó su hallazgo a cualquier situación en la que la medición estuviera asociada a una acción política y, por lo tanto, tuviera consecuencias de comportamiento. La formulación original de Goodhart de su ley refería a la aplicación de medidas políticas: “cualquier regularidad estadística observada tenderá a colapsarse una vez que se ejerza presión sobre ella con fines de control”. Las formulaciones posteriores lo han ampliado hasta el punto de que incluso la introducción o publicación de una medida tendrá consecuencias conductuales que reducirán su validez para captar el fenómeno de interés. El problema de la ley de Goohart es lo más importante en la investigación realizar durante un periodo de tiempo, cuando las personas estudiadas tienen tiempo de reaccionar a la investigación. Por lo tanto, afecta particularmente a la investigación longitudinal o donde la actividad que es estudia es una sobre la cual las personas tienen puntos de vista normativos. Volveremos a estos conceptos en el capítulo 6 para explorar cómo se aplican a los diseños de investigación que utilizan variables. En los capítulos más avanzados sobre explicación e interpretación, veremos varias formas en que se puede buscar la validez interna en la investigación observacional, entre otras cosas porque muchos libros de texto de métodos solo dan ejemplos experimentales de validez interna. La validez de constructo es una preocupación en el capitulo 9 sobre formación de conceptos y está en el centro de los desafíos metodológicos para el buen trabajo interpretativo que discutimos en los capitulo 15 y 16. DOS Metodología y conocimiento de las ciencias sociales Examinará que es lo que la ciencia social busca describir, interpretar o explicar, distinguiendo eventos, tendencias, estados de cosas y condiciones; Discutirá si la metodología de las ciencias sociales para describir, explicar o interpretar es fundamentalmente diferente de la utilizada en las ciencias naturales; Distinguirá tres niveles de afirmación intelectual que examina la ciencia social, a saber, paradigmas o marcos, teorías y modelos; y Examinará las relaciones entre ellos ¿Por qué los investigadores sociales prácticos necesitan conocer alguna filosofía? En los siguientes tres capítulos, entramos en el terreno dentro de la filosofía de la ciencia social, que se ocupa específicamente del estado de conocimiento que pretendemos encontrar mediante la investigación social. No asumiremos ningún conocimiento previo de la filosofía en general o de la filosofía de la ciencia en particular. Pero para dar sentido al resto del libro, es importante que primero adquiera cierta comprensión de los términos principales utilizados de la ciencia social, junto con cierta familiaridad con los contornos de los debates filosóficos que son relevantes para la metodología. La práctica cotidiana de la investigación en ciencias sociales sigue teniendo una estrecha relación con el debate filosófico. Las tradiciones rivales de la teoría sustantiva a menudo afirman basarse en argumentos filosóficos rivales, y los defensores de métodos particulares, como el análisis estadístico de un trabajo de estudio de actitud basado en cuestionarios u observación etnográfica participante, a menudo justifican sus afirmaciones basándose en argumentos filosóficos. Por lo tanto, no es sorprendente que algunos de los errores y confusiones en lo que nos metemos sean tan filosóficos como relacionados con la aplicación de los métodos particulares. En este capítulo, entonces, primero examinaremos los tipos de fenómenos sobre los cuales buscamos conocimiento cuando llevamos a cabo investigaciones de ciencias sociales. Luego, consideraremos los principales tipos de conocimiento generado por las ciencias sociales en las formas de modelos, teorías y paradigmas (o marcos), antes de continuar explorando en el siguiente capítulo, que se entiende cuando afirmamos que la investigación en ciencias sociales puede probar empíricamente, confirmar o falsar sobre la base de nuestros datos. Los científicos sociales a menudo aspiran a decidir entre afirmaciones teóricas rivales. Por lo tanto, examinaremos lo que implica comparar, juzgar y, cuando sea necesario, reemplazar las teorías y hasta qué punto se puede decir que este proceso ocurre de manera definitiva en la ciencia social. En el capítulo 4, revisaremos los mismos argumentos, esta vez utilizando los lentes proporcionados por las principales posiciones filosóficas a la que apelan los científicos sociales cuando tratan de justificar sus metodologías y cuando critican las de otros científicos sociales. Veremos que cada una de estas posturas tiene puntos de vista particulares sobre cada una de las preguntas examinadas en los siguientes dos capítulos. Esta discusión nos ayudará a extraer implicaciones metodológicas de estas preguntas. ¿Qué intentamos describir, explicar e interpretar? Considere las afirmaciones empíricas en el Ejemplo 2.1. Cada uno ha sido tomado de investigaciones reputadas en las ciencias sociales. Ejemplo 2.1. Algunas afirmaciones de conocimiento hechas como resultado de la investigación en ciencias sociales. En abril y principio de mayo de 1962, cuando [el primer ministro soviético] Khrushchev estaba finalizando su decisión de enviar misiles a Cuba, enfrentaba un enorme problema con Berlín. (Allison y Zelikow, 1999; 106) La pobreza infantil … ha caído en 600 000 a los cien mil más cercanos (o algo menos de una quinta parte) en los diez años transcurridos desde 1998-99 y debe caer en un 1.1 más millones en los dos años restantes hasta el 2010-11 para cumplir con este elemento del objetivo [del gobierno] (Brewer et al., 2001: 8-9) Una pérdida de x$ es más aversiva [para las personas en general] de lo que una ganancia de x$ es atractiva. (Kahneman y Tversky, 2000: 3) Azande habla de los sueños como oráculos, porque revelan cosas ocultas (soroka). (EvansPritchard, 1976[1937]: 174) [Los azande son un pueblo que vive en un área hoy ocupada por los estados de Sudán, la República Democrática del Congo y la República Centroafricana.] La primera declaración del Ejemplo 2.1 describe un evento: la decisión fatídica del líder soviético que condujo a la Crisis de los Misiles en Cuba en 1962. La segunda declaración cuantifica la pobreza infantil en los últimos diez años aproximadamente, y describe un cambio de una vez por todas que se produjo durante un período definido, o una tendencia. Los eventos, estados temporales de los asuntos y tendencias han definido fechas y lugares para vincularlos. La tercera declaración describe algo que, si es cierto, no necesita delimitar el tiempo y el lugar. La generalización psicológica de la aversión a la pérdida es una regularidad, una generalización que se basa en un gran número de observaciones, cada una de las cuales muestra el mismo comportamiento consistente. La cuarta declaración describe una condición, o un estado de cosas que presumiblemente tiene algunos límites en el espacio o el tiempo, pero donde esos límites no están claramente definidos. Además, una condición puede o no estar vinculada a cualquier regularidad de comportamientos o acciones particulares. La investigación en ciencias sociales hace afirmaciones sobre cada tipo de fenómenos. Sin duda, hay personas que argumentan que los eventos y los estados temporales de las cosas puedan ser asuntos apropiados para los historiadores o biógrafos políticos, pero no para la investigación en ciencias sociales: por lo tanto, pueden ser asignados adecuadamente a las humanidades. Argumentarían que las ciencia social debería, como cualquier otra ciencia, estar interesada en buscar explicaciones generales, y solo debería estar interesada en casos particulares, como las decisiones de Khrushcev sobre Cuba y Berlín en 1962, en la medida en que son ejemplo más generales. Fenómenos, como la toma de decisiones políticas. Este argumento puede ser exagerado. Los casos individuales pueden ser de considerable interés por varias razones. Pueden ofrecer un ejemplo extremo de algo de gran interés, como la toma de decisiones políticas en una crisis extrema, como la crisis de los misiles en Cuba, o porque son únicos y, por lo tanto, nos proporcionan una importante comprensión de los límites de la generalización. Ejercicio 2.1. Identificación de eventos, estados temporales, tendencias, regularidades y condiciones. Piense en el proyecto de investigación que pretende o espera hacer. ¿es el foco de esta investigación un evento, un estado temporal de cosas, una tendencia, una regularidad o una condición? ¿Y que pretende / desea, describrirlo, explicarlo o interpretarlo? Cada una de las cuatro afirmaciones del Ejemplo 2.1. establece afirmaciones de hecho. Además, cada uno se ha hecho sobre la base de la inferencia de datos. La primera declaración se basa en documentos, como documentos estatales, memorias, diarios y reportajes de periódicos. La segunda afirmación se basa en datos cuantitativos publicados sobre el ingreso familiar. La tercera afirmación se basa en gran medida en los resultados de los experimentos, en lugar de en los datos capturados de personas que no están sujetos a control por parte de los investigadores. Y la cuarta afirmación se basa en datos capturados por el trabajo de campo realizado durante varios años en la décadas de 1920 y 1930, durante los cuales el investigador vivió entre los Azande, toman notas detalladas y haciendo preguntas. El resultado, en cada caso, es una inferencia descriptiva. Los datos en los que se basan están tomados de fuentes muy diferentes, pero lo común es que las declaraciones de hechos putativos se hacen sobre la base de evidencia más o menos estructurada. La descripción es útil, pero los científicos sociales aspiran a una inferencia más descriptiva, ya que también queremos explicar o interpretar nuestros hallazgos. Los científicos sociales presentan los productos de la explicación y la interpretación como teorías, marcos y modelos. Teorías, marcos y modelos funcionan por reducción. Es decir, nos ayudan a ver con mayor claridad lo que está detrás de la profusión y variedad de eventos florecientes y vibrantes, estados de cosas, tendencias, regularidades y condiciones, identificándose como un pequeño número de fenómenos generales y abstractos que los caracterizan o pueden, incluso, causarlos. Así que nos ayudan a ver la forma de la madera teórica en los arboles empíricos. De hecho, a menudo se sostiene que cuanto más convincentemente podamos demostrar que un pequeño número de fenómenos abstractos más, en lugar de menos, explican una amplia gama de fenómenos empíricos, es decir, cuanto más parsímil sea nuestro análisis, mejor. El ejemplo 2.2. muestra cómo una teoría parsimoniosa nos ayuda a entender y lidiar con el crimen. Ejemplo 2.2. Cómo las teorías logran la reducción de la variedad en datos empíricos. En el campo de la prevención del delito, una teoría muy simple pero muy influyente, conocida como la teoría de la prevención del delito situacional (por ejemplo, Clarke, 1980) propone que los activos delictivos que parecen empíricamente muy diferentes pueden explicarse por la presencia de una oportunidad y un individuo oportunista. Esto se debe a que el crimen es el resultado de como una disposición personal al crimen interactúa con las oportunidades (o la tentación) situacionales a través de la mediación del proceso de toma de decisiones de un criminal. De este modo, la teoría reduce la diversidad empírica de delitos como robos, asaltos, gastos complicados y piratería intelectual a estos tres factores generales y abstractos. Propone que la delincuencia se puede prevenir, o al menos se puede reducir su volumen, reduciendo las oportunidades de la delincuencia, y que esto se puede hacer cambiando aspectos clave de las situaciones en las que se comete. Tales medidas incluyen el rediseño de automóviles para hacerlos más difíciles de robar y la introducción de cámaras de CCTV visibles en aparcamientos y en otros lugares. Ciencias sociales y naturales ¿Hay algo filosóficamente distintivo sobre las metodologías utilizadas para la descripción, interpretación o explicación, o sobre los relatos ofrecidos por eventos, tendencias, estados de cosas y condiciones en las ciencias sociales, a partir de los ofrecidos por las ciencias naturales y físicas? Esto puede parecer una cuestión de poca importancia práctica para la mayoría de los científicos sociales que esperan llevar a cabo la mayor parte de su trabajo de investigación dentro de los límites de las ciencias sociales. Sin embargo, la tendencia es hacia una colaboración cada vez más profunda entre los científicos sociales y las ciencias naturales, por lo que esto podría convertirse en un problema práctico para mucho lectores. En los estudios de desarrollo, por ejemplo, ahora es un lugar común para que los antropólogos y sociólogos trabajen junto con los biotecnólogos y los agrónomos para examinar las formas en que las innovaciones en cultivos, de hecho, herbicidas y pesticidas se utilizan realmente en las comunidades rurales y cómo los resultados en estos entornos pueden ser diferentes de aquellos observados en ensayos de campo en centros de investigación. También se gastan grandes sumas de dinero en colaboraciones entre científicos sociales y tecnólogos de la información para comprender las formas en que las personas utilizan las tecnologías de la informática y las telecomunicaciones, y están conformadas por las nuevas tecnologías, produciendo resultados que no podrían haber sido predichos a partir de estudios de ciencias sociales del comportamiento en oficinas o modelos informáticos del cambio tecnológico. En colaboraciones como estas, la conciliación de metodologías para extraer inferencias a partir de datos se vuelve fundamental para el éxito de la investigación. Entones, la afirmación de que hay algo fundamentalmente diferente en las ciencias sociales y naturales es prácticamente importante. Cuatro justificaciones para esta afirmación suele recibir una importancia especial. El primero se puede desechar rápidamente. Esta es la afirmación de que las ciencias naturales y tecnológicas se basan fundamentalmente en el método experimental, en el que la investigación puede controlar las variables independientes, mientras que las ciencias sociales son básicamente observacionales y, por lo tanto, el investigador no puede lograr dicho control. En pocas palabras, ambas partes de la proposición son falsas. Gran parte de la ciencia natural se lleva a cabo a través de modelos matemáticos antes de considerar cualquier experimento, y a veces varios, -o incluso siglos- antes de que la tecnología necesaria esté disponible para realizarlos. En las ciencias naturales como la astronomía, por ejemplo, la experimentación directa está mucho más allá de los poderes humanos: los experimentos solo se pueden realizar con modelos físicos en los que la relación entre los fenómenos que los astrónomos quieren comprender depende de la teoría. La geología trabaja con períodos de tiempo tan vastos que la posibilidad de experimentación es muy limitada. Los oceanógrafos tienen muchas teorías que funcionan a escala de océanos enteros o sistemas globales enteros y que simplemente no admiten experimentos directos. En muchos campos especializados de zoología, como el estudio de los primates y cetáceos, los estudios observacionales probablemente comprenden la mayoría de lo que se publica por razones tanto éticas como prácticas. A la inversa, hay experimentos en las ciencias sociales, y no solo los experimentos de laboratorio tan queridos por los psicólogos. Como veremos en el Capítulo 5, una gran vena de trabajo en ciencia política está relacionada con la realización de experimentos de campo para descubrir, por ejemplo, si ciertos tipos de intervenciones tienen algún efecto sobre la propensión de las personas a votar. De manera similar, en la política social, se están financiando muchos más ensayos controlados aleatorios para examinar el impacto potencial de enfoques particulares, por ejemplo, el tratamiento de la adicción y la prevención del crimen. La segunda afirmación es que la causalidad en los sistemas humanos es fundamentalmente diferente de la de cualquier sistema natural o animal, y requiere formas de modelado fundamentalmente diferentes y, por lo tanto, de diseño de investigación. Durante muchos años, esto se tomó como algo obvio, pero en realidad no está nada claro que la premisa sea cierta o que, incluso si lo fuera, la conclusión se desprenda de ello. Primero, mucho animales exhiben claramente una organización social compleja, realizan rituales, participan en la comunicación, colaboración, participan en la competencia y organizan conflictos, desde estructuras de parentesco, intercambian bienes y servicios, utilizan herramientas, etc. La organización humana puede ser más extensa, pero no se sigue que los procesos causales básicos sean fundamentalmente diferentes. Solíamos creer que los sistemas humanos se distinguen por ser no lineales, complejos en el sentido de tener una autoorganización sostenida y capaces de procesos causales irreversibles y por mostrar dinámicas de retroalimentación tanto positivas como negativas. De hecho, sin embargo, las ciencias sociales han tenido que tomar prestados cada uno de sus modelos para estos procesos causales de las ciencias naturales, como la meteorología, la oceanografía y la biología, y nuestro uso de herramientas sigue siendo primitivo en comparación con el suyo. Una tercera afirmación es que las teorías de las ciencias naturales son más parsimoniosas que las de las ciencias sociales. Es cierto que las famosas leyes básicas de la física, la química, la microbiología y la astronomía son, de hecho, bastante parsimoniosas. Sin embargo, incluso en las ciencias naturales, la aspiración de reducción a veces se califica. Por ejemplo, la botánica se compromete a mantener una gran cantidad de profusión floreciente y vibrante en sus teorías; lo mismo ocurre con la meteorología, la geología, la oceanografía y muchas ciencias tecnológicas, como la agronomía. Social science as the study of “meanings” The fourth claim is the only genuinely interesting one. This is the thesis that social scientist study “meanings”. This capacious term encompasses the full range of mental life including ideas, beliefs, desires, systems of classification, emotions, judgement and styles of thought. Some methodologists argue that studying meanings, in this sense, rather than just studying behavior, makes a fundamental difference not only to the kinds of data with which we work, but also to our methods of analysis. It also makes, they claim, a fundamental difference to the methodologies we use for drawing inferences from data, and to what counts as an explanation. The premise of this argument is true and no longer very controversial. Although in the 1950s and 1960s, behaviouralism in political science aimed to explain political behavior and power without reference to meanings, from rational choice theorists who try to specify people’s goals to describe their utility functions, through to ethnographers. The second stage in the argument, likewise, is true. Data about meanings are different in kind from data about physical behavior, whether they take the form of quantitative survey data about social attitudes or less structured form of interview transcripts or observational field notes. What remains deeply suspect, however, is the conclusion that methodologies used for data about meanings are, or ought to be, fundamentally different in character from those used for data about anything else. If we are engaged in causal explanation, we need to show how, for example, reasons or ideas operate to bring about action. And there can be true or false statements about what relationship a reason or an idea has to an action. Think, for example, about Khrushchev’s decision to deploy nuclear missiles in Cuba in 1962, which was mentioned in Example 2.1. We shall see later in this chapter that there are several theories about what was in his mind. But if one set of reasons was more important than the others, then that would change very fundamentally the way we explain the Cuban Missile Crisis. Beliefs and intentions have to be inferred, and form parts of coherent causal accounts exhibiting certain virtues before they can explain. Inference and building causal accounts are the core explanatory activities of all the sciences. Later in the book, we shall discuss in more detail the argument that a science of meanings is methodologically distinct and that, furthermore, it must somehow eschew explanation altogether and deal with interpretation instead. In Chapters 15 and 16, we shall argue that one reason this argument fails is that it is very difficult indeed to produce an interpretation that does not imply some claims, however well disguised about causal explanation. For the moment, we need only say that the argument is greatly overstated. This conclusion is good news for those who engage in collaboration with natural scientists. But it does not follow from it that the social sciences should emulate the natural sciences. Indeed, this inference would make little sense. As indicated by some of the examples we listed above, there is no great consistency in the methodologies used by different natural sciences: those used by oceanography and fundamental physics are, for example, quite different and it would be impossible to emulate both at once. The fundamental canon of methodology is all sciences must develop methods and methodologies that suit their theories, their puzzles and their data.
