Revista Latinoamericana de Metodología de la Investigación Social

Repensando la Metodología en Ciencias Sociales: desafíos de la creación y validación de indicadores

2025-03-06T19:56:10+00:00

Reseña libro: DE SENA, A. (2018). Políticas sociales y microemprendimientos socio-productivos: Indicadores de sustentabilidad. Buenos Aires: Editorial Ciccus

La problematización como método en la indagación social

2025-04-23T11:13:16+00:00

Presentación Relmis Nº29

Delimitación del tamaño muestral en estudios piloto

2024-06-02T00:06:06+00:00

Una idea bastante difundida en las investigaciones, principalmente cuantitativas, es que las muestras deben ser muy amplias, asumiendo que, a mayor tamaño, menores posibilidades de error en los datos, y mejor representatividad estadística de los análisis inferenciales. El objetivo de este trabajo es enfatizar que este principio no es aplicable a todas las investigaciones, pues en algunas como los estudios piloto, el tamaño muestral, además de la representatividad estadística, requiere considerar otros criterios que pueden ser relevantes para un estudio en particular. Por ello, se analizan dos reglas generales al momento de determinar el tamaño muestral en los estudios piloto: las que establecen un número fijo de participantes; y las que sugieren delimitar el tamaño muestral a través de una serie de pasos, diseñados con base en las características propias de la investigación a realizar. Al final, ninguna de estas reglas es mejor que la otra, pues el tamaño muestral deberá ser una decisión ampliamente razonada y crítica por parte del o lo(a)s investigadore(a)s, en relación con las características y fines de su investigación.

Distribución de Pareto: un modelo de probabilidad en investigación social

2023-04-01T16:52:50+00:00

Este artículo metodológico tiene como objetivo exponer la distribución de Pareto de una forma clara y ejemplificada para su comprensión entre investigadores sociales. Esta distribución continua con forma de J invertida, asimetría y cola pesada a la derecha constituye un buen modelo de probabilidad para diversas variables sociales, como riqueza e ingreso, y de conductas que son altamente frecuentes en pocas personas y poco frecuentes en la mayoría. Se desarrolla la distribución tipo I que tiene un parámetro de escala x_m y otro de forma α. Se inicia con una breve reseña histórica. Se muestran las funciones de densidad, distribución acumulativa, de cola, de momentos y característica. Se sigue con las medidas descriptivas, estimadores por los métodos de momentos y máxima verosimilitud, su relación con otras distribuciones y las pruebas de bondad de ajuste. Se aplica todo este material con dos ejemplos: uno de cálculo de probabilidades y medidas descriptivas, y otro de estimación de parámetros y comprobación del ajuste. Finalmente, se hacen sugerencias para su uso.

Uso de Procesamiento de Lenguaje Natural para procesar respuestas abiertas de una encuesta de Opinión Pública

2022-10-28T21:46:25+00:00

Este artículo revisa la utilidad de utilizar Procesamiento de Lenguaje Natural (PLN) para el análisis de las respuestas abiertas brindas a una encuesta de opinión pública. Se utilizan datos de una encuesta sobre percepción de la población costarricense respecto a diversos grupos migrantes y, a partir de ellos, se prueban diversos algoritmos, con el propósito de identificar cuál de ellos realiza una mejor clasificación de los datos. Se concluye que el algoritmo random forest es el que realiza una mejor clasificación automática de las respuestas, ayudando a disminuir la ambigüedad de la clasificación. El trabajo busca resaltar la utilidad que tiene el PLN para las investigaciones en Ciencias Sociales y, en especial, para el análisis de datos de preguntas abiertas aplicadas en estudios de opinión pública, ya que facilita la clasificación y análisis de gran cantidad de información no estructurada.

¿Por qué soy de mi clase social? Un análisis cuantitativo y cualitativo de respuestas sobre autopercepción de clase en un estudio por encuesta del Área Metropolitana de Buenos Aires (2016)

2023-08-22T13:55:13+00:00

El artículo presenta una reflexión metodológica acerca de las siguientes categorías utilizadas para indagar la autopercepción de clase social en un estudio por encuesta (PI-Clases, 2016): “Alta”, “Media Alta”, “Media”, “Obrera” y “Baja”. En primer lugar, presentamos un análisis estadístico de nuestros resultados en comparación con otras encuestas recientes, mostrando cierta estabilidad en las preferencias subjetivas. En la segunda parte analizamos las respuestas a una pregunta abierta incluida en nuestra encuesta: “¿Por qué cree usted que pertenece a esa clase social?” Esto dio lugar a un corpus de 10.146 palabras, analizadas mediante una estrategia cuantitativa (diversas librerías de R) y cualitativa (codificación manual con el software Atlas.ti). Los resultados indican que los/as encuestados/as expresan justificaciones narrativas bien diferenciadas para la selección de diferentes categorías de clase. Aquellos/as que eligieron “Media” y “Media alta” se refirieron a la calidad de vida, educación e ingresos; los/as que seleccionaron clase “Obrera” hablaron, centralmente, de dignidad y esfuerzo; y, por último, los/as autopercibidos/as de clase “Baja” justificaron su elección por la falta de ingresos y diversas carencias en las condiciones materiales de vida.

Experiencia de uso de Chat GPT-3 como asistente de búsqueda en revisiones sistemáticas de literatura

2023-08-13T20:58:13+00:00

Este artículo tiene como objetivo revisar el uso de chatbots GPT como apoyo para investigadores que realizan revisiones de literatura bajo el protocolo SALSA en el ámbito de la investigación educativa, desde una perspectiva crítica sobre el uso de la inteligencia artificial generativa. Se explora la utilidad del chatbot GPT-3 en la primera fase del protocolo (búsqueda/search), articulando la interacción con la herramienta a partir de "autonomía de los alumnos" como palabra o término clave en el diseño de este proceso. La metodología implicó revisión de fuentes académicas que reportan procesos similares, y la implementación del uso del chatbot en la fase de diseño de ecuaciones de búsqueda para el caso. Los resultados indican que el chatbot GPT-3 mejoró la eficiencia al proporcionar resultados precisos, coincidiendo con estudios previos. En conclusión, esta herramienta puede ser valiosa en la realización de estas investigaciones, pero se destaca la importancia de abordar su uso con un enfoque crítico y considerar aspectos éticos en la investigación educativa. Se sugiere explorar más las potencialidades de estas herramientas generativas, así como sus limitaciones, en futuros estudios.