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 técnicasLas 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 descriptivaEn 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 probabilísticoLa 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 deterministaLa 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 falsables2. construir teorías que tengan coherencia interna3. seleccionar cuidadosamente las variables dependientes4. maximizar lo concreto5. formular teorías de forma tan incluyente como sea posible.