7.2: Relaciones causales

Objetivos de aprendizaje

• Definir y proporcionar un ejemplo de relaciones causales idiográficas y nomotéticas
• Describir el papel de la causalidad en la investigación cuantitativa en comparación con la investigación cualitativa
• Identificar, definir y describir cada uno de los principales criterios para las relaciones causales nomotéticas
• Describir la diferencia entre y proporcionar ejemplos de variables independientes, dependientes y de control
• Definir hipótesis, exponer una hipótesis clara y discutir los papeles respectivos de la investigación cuantitativa y cualitativa cuando se trata de hipótesis

La mayoría de los estudios científicos sociales intentan proporcionar algún tipo de explicación causal. Un estudio sobre una intervención para prevenir el maltrato infantil está tratando de establecer una conexión entre la intervención y los cambios en el maltrato infantil. La causalidad se refiere a la idea de que un evento, comportamiento o creencia resultará en la ocurrencia de otro, evento posterior, comportamiento o creencia. En otras palabras, se trata de causa y efecto. Parece sencillo, pero puede que te sorprenda saber que hay más de una manera de explicar cómo una cosa causa otra. ¿Cómo puede ser eso? ¿Cómo podría haber muchas maneras de entender la causalidad?

Piense en nuestro capítulo sobre paradigmas, que eran lentes analíticos compuestos por suposiciones sobre el mundo. Recordarás el paradigma positivista como el que cree en la objetividad y el paradigma social construccionista como el que cree en la subjetividad. Ambos paradigmas son correctos, aunque incompletos, puntos de vista sobre el mundo social y las ciencias sociales.

Un investigador que opere en el paradigma social construccionista vería la verdad como subjetiva. En causalidad, eso significa que para tratar de entender qué causó qué, necesitaríamos reportar lo que la gente nos dice. Bueno, eso parece bastante sencillo, ¿verdad? Bueno, ¿y si dos personas diferentes vieron el mismo evento desde exactamente el mismo punto de vista y se le ocurrieron dos explicaciones totalmente distintas sobre qué causó qué? Un construccionista social diría que ambas personas tienen razón. No hay una verdad singular que sea cierta para todos, sino muchas verdades creadas y compartidas por las personas.

Cuando los construccionistas sociales se dedican a la ciencia, están tratando de establecer un tipo de causalidad: la causalidad idiográfica. Una explicación causal idiográfica significa que intentarás explicar o describir tu fenómeno de manera exhaustiva, a partir de los entendimientos subjetivos de tus participantes. Estas explicaciones están vinculadas con las narrativas que las personas crean sobre sus vidas y experiencias, y están incrustadas en un contexto cultural, histórico y ambiental. Las explicaciones causales idiográficas son tan poderosas porque transmiten una comprensión profunda de un fenómeno y su contexto. Desde una perspectiva construccionista social, la verdad es desordenada. La investigación idiográfica implica encontrar patrones y temas en las relaciones causales establecidas por los participantes de su investigación.

Si eso no suena como lo que normalmente piensas como “ciencia”, no estás solo. Si bien las ideas detrás de la investigación idiográfica son bastante antiguas en filosofía, solo se aplicaron a las ciencias a principios del siglo pasado. Si pensamos en científicos famosos como Newton o Darwin, nunca vieron la verdad como subjetiva. Había leyes objetivamente verdaderas de la ciencia que eran aplicables en todas las situaciones. Otro paradigma era dominante y continúa su dominio hoy en día, el paradigma positivista. Cuando los positivistas intentan establecer la causalidad, son como Newton y Darwin, tratando de llegar a una explicación amplia y amplia que sea universalmente cierta para todas las personas. Este es el sello distintivo de una explicación causal nomotética.

Las explicaciones causales nomotéticas también son increíblemente poderosas. Permiten a los científicos hacer predicciones sobre lo que sucederá en el futuro, con cierto margen de error. Además, permiten a los científicos generalizar —es decir, hacer afirmaciones sobre una gran población a partir de una muestra más pequeña de personas o artículos. Generalizar es importante. Claramente no tenemos tiempo para preguntar a todos su opinión sobre un tema, ni tenemos la capacidad de mirar cada interacción en el mundo social. Necesitamos un tipo de explicación causal que nos ayude a predecir y estimar la verdad en todas las situaciones.

Si estos todavía parecen términos filosóficos oscuros, consideremos un ejemplo. Imagina que estás trabajando para una agencia comunitaria sin fines de lucro que atiende a personas con discapacidades. Está redactando un informe para ayudar a presionar al gobierno estatal para obtener fondos adicionales para programas de apoyo comunitario, y necesita apoyar su argumento para obtener fondos adicionales en su agencia. Si miraste la investigación nomotética, podrías aprender cómo estudios previos han demostrado que, en general, los programas comunitarios como el tuyo están vinculados con mejores resultados de salud y empleo para las personas con discapacidad. La investigación nomotética busca explicar que los programas basados en la comunidad son mejores para todas las personas con discapacidad. Si miraras la investigación idiográfica, obtendrías historias y experiencias de personas en programas basados en la comunidad. Estas historias individuales están llenas de detalles sobre la experiencia vivida de estar en un programa basado en la comunidad. Utilizando la investigación idiográfica, se puede entender lo que es ser una persona con discapacidad y luego comunicarlo al gobierno del estado. Por ejemplo, una persona podría decir “me siento como en casa cuando estoy en esta agencia porque me tratan como a un familiar” o “esta es la agencia que me ayudó a obtener mi primer cheque de pago”.

Ninguno de los dos tipos de explicación causal es mejor que el otro. La decisión de realizar una investigación idiográfica significa que intentarás explicar o describir tu fenómeno de manera exhaustiva, atendiendo al contexto cultural y a las interpretaciones subjetivas. Una decisión de realizar investigaciones nomotéticas, por otro lado, significa que intentarás explicar lo que es cierto para todos y predecir lo que será cierto en el futuro. En definitiva, las explicaciones idiográficas tienen mayor profundidad, y las explicaciones nomotéticas tienen mayor amplitud. Más importante aún, los trabajadores sociales entienden el valor de ambos enfoques para comprender el mundo social. Un trabajador social que ayuda a un cliente con problemas de abuso de sustancias busca conocimiento idiográfico cuando pregunta sobre la historia de vida de ese cliente, investiga su entorno físico único o investiga cómo entiende su adicción. Al mismo tiempo, un trabajador social también utiliza conocimientos nomotéticos para orientar sus intervenciones. La investigación nomotética puede ayudar a guiarlos para minimizar los factores de riesgo y maximizar los factores de protección o usar una terapia basada en evidencia, confiando en el conocimiento sobre lo que en general ayuda a las personas con problemas de abuso de sustancias.

Relaciones causales nomotéticas

Uno de mis momentos favoritos en el aula ocurrió en los primeros momentos de mi carrera docente. Los estudiantes estaban proporcionando retroalimentación de pares sobre preguntas de investigación. Escuché a un grupo que estaba ayudando a alguien a reformular su pregunta de investigación. Un estudiante preguntó: “¿Estás tratando de generalizar o no?” La enseñanza está llena de momentos divertidos como ese.

Responder a esa pregunta puede ayudarte a entender cómo conceptualizar y diseñar tu proyecto de investigación. Si está tratando de generalizar, o crear una relación causal nomotética, entonces es probable que el resto de estas afirmaciones sean ciertas: utilizará métodos cuantitativos, razonará deductivamente y se dedicará a la investigación explicativa. ¿Cómo puedo saber todo eso? Vamos a tomarlo parte por parte.

Debido a que las relaciones causales nomotéticas intentan generalizar, deben ser capaces de reducir los fenómenos a un lenguaje universal, las matemáticas. Las matemáticas nos permiten medir con precisión, en términos universales, fenómenos en el mundo social. No todos los estudios cuantitativos son explicativos. Por ejemplo, un estudio descriptivo podría revelar el número de personas sin hogar en tu condado, aunque no te dirá por qué están sin hogar. Pero casi todos los estudios explicativos son cuantitativos. Debido a que los investigadores explicativos quieren una explicación limpia de “x causas y”, necesitan usar el lenguaje universal de las matemáticas para lograr su objetivo. Es por ello que las relaciones causales nomotéticas utilizan métodos cuantitativos.

De lo que hemos estado hablando aquí son las relaciones entre variables. Cuando una variable causa otra, tenemos lo que los investigadores llaman variables independientes y dependientes. Para nuestro ejemplo sobre las nalgadas y el comportamiento agresivo, las nalgadas serían la variable independiente y la adicción al comportamiento agresivo sería la variable dependiente. Una variable independiente es la causa, y una variable dependiente es el efecto. ¿Por qué se les llama así? Las variables dependientes dependen de variables independientes. Si todo eso se vuelve confuso, solo recuerda esta relación gráfica:

Figura 7.1 Representación visual de una relación causal nomotética

La fuerza de la relación es otro factor importante a tener en cuenta al intentar hacer afirmaciones causales cuando su enfoque de investigación es nomotético. No estoy hablando de fuerza de tus amistades o matrimonio. En este contexto, la fuerza de la relación se refiere a la significación estadística. Cuanto más estadísticamente significativa se muestra una relación entre dos variables, mayor confianza podemos tener en la fuerza de esa relación. Recordarás de nuestra discusión sobre significancia estadística en el Capítulo 3, que generalmente se representa en la estadística como el valor p.

Una hipótesis es una afirmación que describe la expectativa de una investigadora con respecto a lo que anticipa encontrar. Las hipótesis en la investigación cuantitativa son una relación causal nomotética que el investigador espera demostrar. Está escrito para describir la relación esperada entre las variables independientes y dependientes. Tu predicción debe ser tomada de una teoría o modelo del mundo social. Por ejemplo, puede plantearse la hipótesis de que tratar a los clientes clínicos con calidez y consideración positiva es probable que les ayude a lograr sus objetivos terapéuticos. Esa hipótesis sería utilizar las teorías humanistas de Carl Rogers. El uso de teorías previas para generar hipótesis es un ejemplo de investigación deductiva. Si la teoría de Rogers sobre la consideración positiva incondicional es precisa, tu hipótesis debería ser cierta. Es así como sabemos que todas las relaciones causales nomotéticas deben utilizar el razonamiento deductivo.

Consideremos un par de ejemplos. En una investigación sobre acoso sexual (Uggen & Blackstone, 2004), ^[1] se podría plantear la hipótesis, basada en teorías feministas del acoso sexual, que más mujeres que hombres experimentarán comportamientos específicos de acoso sexual. ¿Cuál es la relación causal que se predice aquí? ¿Cuál es la variable independiente y cuál es la dependiente? En este caso, planteamos la hipótesis de que el género de una persona (variable independiente) predeciría su probabilidad de sufrir acoso sexual (variable dependiente).

En ocasiones, los investigadores plantearán la hipótesis de que una relación tomará una dirección específica. En consecuencia, se podría decir que un aumento o disminución en un área provoca un aumento o disminución en otra. Por ejemplo, podrías optar por estudiar la relación entre la edad y el apoyo a la legalización de la mariguana. Quizás hayas tomado una clase de sociología y, con base en las teorías que has leído, planteas la hipótesis de que la edad está negativamente relacionada con el apoyo a la legalización de la marihuana. ^[2] ¿Qué es lo que acabas de plantear la hipótesis? Se ha planteado la hipótesis de que a medida que las personas envejecen, disminuye la probabilidad de que apoyen la legalización de la marihuana. Así, a medida que la edad (tu variable independiente) se mueve en una dirección (arriba), el apoyo a la legalización de la marihuana (tu variable dependiente) se mueve en otra dirección (abajo). Entonces, las relaciones positivas involucran dos variables que van en la misma dirección y las relaciones negativas involucran dos variables que van en direcciones opuestas. Si escribir hipótesis se siente complicado, a veces es útil dibujarlas y representar cada una de las dos hipótesis que acabamos de discutir.

Figura 7.2 Hipótesis que describe la relación esperada entre sexo y acoso sexual

Figura 7.3 Hipótesis que describe la dirección esperada de relación entre la edad y el apoyo a la legalización de marihuana

^[3]

Es importante tener en cuenta que una vez que comienza un estudio, no es ético cambiar tu hipótesis para que coincida con los datos que encontraste. Por ejemplo, ¿qué sucede si realizas un estudio para probar la hipótesis de la Figura 7.3 sobre el apoyo a la legalización de la marihuana, pero no encuentras relación entre la edad y el apoyo a la legalización? Significa que tu hipótesis estaba equivocada, pero esa sigue siendo información valiosa. Cuestionaría lo que dice la literatura existente sobre tu tema, demostrando que es necesario hacer más investigaciones para averiguar los factores que impactan el apoyo a la legalización de la marihuana. ¡No te avergüences de los resultados negativos y definitivamente no cambies tu hipótesis para que parezca correcta todo el tiempo!

Digamos que realizas tu estudio y encuentras evidencias que respalden tu hipótesis, a medida que aumenta la edad, disminuye el apoyo a la legalización de la marihuana. ¡Éxito! Explicación causal completa, ¿verdad? No del todo. Sólo has establecido uno de los criterios de causalidad. Los principales criterios de causalidad tienen que ver con covariación, plausibilidad, temporalidad y espuriedad. En nuestro ejemplo de la Figura 7.3, solo hemos establecido un criterio: la covariación. Cuando las variables covarían, varían juntas. Tanto la edad como el apoyo a la legalización de la marihuana varían en nuestro estudio. Nuestra muestra contiene personas de diferentes edades y diferentes niveles de apoyo a la legalización de la marihuana.

El hecho de que pueda haber alguna correlación entre dos variables no significa que una relación causal entre las dos sea realmente plausible. Plausibilidad significa que para hacer la afirmación de que un evento, comportamiento o creencia causa otro, la afirmación tiene que tener sentido. Tiene sentido que las personas de generaciones anteriores tengan actitudes diferentes hacia la marihuana que las generaciones más jóvenes. Las personas que crecieron en la época de Reefer Madness o los hippies pueden tener puntos de vista diferentes a los criados en una era de uso medicinal y recreativo legalizado de la marihuana.

Una vez que hemos establecido que existe una relación plausible entre las dos variables, también necesitamos establecer si la causa ocurrió antes del efecto, el criterio de temporalidad. La edad de una persona es una cualidad que aparece mucho antes de cualquier opinión sobre la política de drogas, por lo que temporalmente la causa viene antes del efecto. No tendría ningún sentido decir que el apoyo a la legalización de la marihuana hace que aumente la edad de una persona. Incluso si pudieras predecir la edad de alguien en función de su apoyo a la legalización de la marihuana, no se podría decir que la edad de alguien fue causada por su apoyo a la legalización.

Por último, los científicos deben establecer la falta de espuria. Una relación espuria es aquella en la que una asociación entre dos variables parece ser causal pero de hecho puede explicarse por alguna tercera variable. Por ejemplo, podríamos señalar el hecho de que las cohortes mayores tienen menos probabilidades de haber consumido marihuana. A lo mejor en realidad es el uso de la marihuana lo que lleva a las personas a estar más abiertas a la legalización, no a su edad. Esto a menudo se conoce como el problema de la tercera variable, donde una relación causal aparentemente verdadera en realidad es causada por una tercera variable que no está en la hipótesis. En este ejemplo, la relación entre la edad y el apoyo a la legalización podría tratarse más de haber probado la marihuana que de la edad de la persona.

Los investigadores cuantitativos son sensibles a los efectos de relaciones potencialmente espurias. Son una forma importante de crítica del trabajo científico. Como resultado, muchas veces medirán estas terceras variables en su estudio, para que puedan controlar sus efectos. Estas se denominan variables de control, y se refieren a variables cuyos efectos se controlan matemáticamente en el proceso de análisis de datos. Las variables de control pueden ser un poco confusas, pero piénsalo como un argumento entre tú, el investigador y un crítico.

Investigador: “Cuanto mayor sea una persona, menos probabilidades hay de apoyar la legalización de la marihuana”.

Crítico: “En realidad, se trata más de si una persona ha consumido marihuana antes. Eso es lo que realmente determina si alguien apoya la legalización de la marihuana”.

Investigador: “Bueno, medí el consumo previo de marihuana en mi estudio y controlé matemáticamente sus efectos en mi análisis. La relación entre la edad y el apoyo a la legalización de la marihuana sigue siendo estadísticamente significativa y es la relación más importante aquí”.

Consideremos algunos ejemplos adicionales del mundo real de espurias. ¿Sabías, por ejemplo, que se ha demostrado que las altas tasas de venta de helados provocan ahogamiento? Por supuesto, eso no es realmente cierto, pero hay una relación positiva entre ambos. En este caso, la tercera variable que causa tanto altas ventas de helados como aumento de muertes por ahogamiento es época del año, ya que la temporada de verano ve aumentos en ambos (Babbie, 2010). ^[4] Aquí hay otro bueno: es cierto que a medida que suben los salarios de los ministros presbiterianos en Massachusetts, también lo hace el precio del ron en La Habana, Cuba. Bueno, duh, podrías estar diciéndote a ti mismo. Todo el mundo sabe cuánto aman a los ministros en Massachusetts su ron, ¿verdad? No tan rápido. Tanto los salarios como los precios del ron han aumentado, cierto, pero también lo ha hecho el precio de casi todo lo demás (Huff & Geis, 1993). ^[5] Por último, la investigación muestra que cuantos más bomberos estén presentes en un incendio, más daños se hacen en el lugar de los hechos. Lo que esta afirmación deja fuera, por supuesto, es que a medida que aumenta el tamaño de un incendio también lo hace la cantidad de daños causados al igual que el número de bomberos llamados a ayudar (Frankfort-Nachmias & Leon-Guerrero, 2011). ^[6] En cada uno de estos ejemplos, es la presencia de una tercera variable lo que explica la aparente relación entre las dos variables originales.

En suma, se deben cumplir los siguientes criterios para que una correlación se considere causal:

• Las dos variables deben variar juntas.
• La relación debe ser plausible.
• La causa debe preceder al efecto en el tiempo.
• La relación debe ser no espuria (no debida a una tercera variable).

Una vez que se cumplen estos criterios, un investigador puede decir que ha logrado una explicación causal nomotética, una que es objetivamente cierta. Es un reto difícil de cumplir para los investigadores. Casi nunca escucharás a los investigadores decir que han probado sus hipótesis. Una afirmación que audaz implica que se ha demostrado que una relación existe con absoluta certeza y que no hay posibilidad de que existan condiciones bajo las cuales la hipótesis no sería cierta. En cambio, los investigadores tienden a decir que sus hipótesis han sido apoyadas (o no). Esta forma más cautelosa de discutir los hallazgos permite la posibilidad de que se descubran nuevas pruebas o nuevas formas de examinar una relación. Los investigadores también pueden discutir una hipótesis nula. Se abordó en el Capítulo 3 que la hipótesis nula es aquella que predice que no hay relación entre las variables que se estudian. Si una investigadora rechaza la hipótesis nula, está diciendo que las variables en cuestión están de alguna manera relacionadas entre sí.

Relaciones causales idiográficas

Recuerda nuestra pregunta: “¿Estás tratando de generalizar o no?” Si respondiste no, estás tratando de establecer una relación causal idiográfica. Puedo adivinar que si estás tratando de establecer una relación causal idiográfica, probablemente vas a utilizar métodos cualitativos, razonar inductivamente, y realizar investigaciones exploratorias o descriptivas. Podemos entender estas suposiciones recorriéndolas, una a una.

Los investigadores que buscan relaciones causales idiográficas no están tratando de generalizar, por lo que no tienen necesidad de reducir los fenómenos a las matemáticas. De hecho, usar el lenguaje de las matemáticas para reducir el mundo social hacia abajo es algo malo, ya que roba la relación causal de su significado y contexto. Las relaciones causales idiográficas están ligadas dentro de las historias e interpretaciones de las personas. Por lo general, estos se expresan a través de palabras. No todos los estudios cualitativos utilizan datos de palabras, ya que algunos pueden usar interpretaciones de arte visual o performance, aunque la gran mayoría de los estudios de ciencias sociales utilizan datos de palabras.

Pero espera, predije que una relación causal idiográfica utilizaría investigación descriptiva o exploratoria. ¿Cómo podemos construir relaciones causales si solo estamos describiendo o explorando un tema? ¿No necesitaríamos hacer investigación explicativa para construir algún tipo de explicación causal? La investigación explicativa intenta establecer relaciones causales nomotéticas; se demuestra que una variable independiente causa cambios en una variable dependiente. La investigación cualitativa exploratoria y descriptiva contiene algunas relaciones causales, pero en realidad son descripciones de las relaciones causales establecidas por los participantes en su estudio. En lugar de decir “x causa y”, tus participantes describirán sus experiencias con “x”, que te dirán que fue causado e influido en una variedad de otros factores, dependiendo del tiempo, el ambiente y la experiencia subjetiva. Como dijimos antes, las explicaciones causales idiográficas son desordenadas. Tu trabajo como investigador en ciencias sociales es describir con precisión los patrones en lo que te dicen tus participantes.

Consideremos un ejemplo. Si te preguntara por qué decidiste convertirte en trabajadora social, ¿qué dirías? Para mí, diría que quería ser clínico de salud mental desde que estaba en la secundaria. Me interesaba cómo pensaba la gente. En mi segunda pasantía en mi programa de pregrado, obtuve la asesoría para convertirme en trabajadora social porque la licencia otorgaba mayor autoridad para el reembolso del seguro y flexibilidad para el cambio de carrera. ¡Esa no es una explicación simple en absoluto! Pero sí proporciona una descripción de la comprensión más profunda de los muchos factores que me llevaron a convertirme en trabajadora social. Si entrevistamos a muchos trabajadores sociales sobre sus decisiones de convertirse en trabajadores sociales, podríamos comenzar a notar patrones. Podríamos descubrir que muchos trabajadores sociales comienzan sus carreras en base a una variedad de factores, tales como: experiencia personal con una discapacidad o injusticia social, experiencias positivas con trabajadores sociales, o el deseo de ayudar a otros. Ningún factor es el “factor más importante”, como con las relaciones causales nomotéticas. En cambio, una compleja red de factores, supeditados al contexto, emerge en el conjunto de datos cuando interpretas lo que la gente ha dicho.

Encontrar patrones en los datos, como recordarás del Capítulo 6, es de lo que se trata el razonamiento inductivo. Un investigador recopila datos, generalmente datos de palabras, y nota patrones. Esos patrones informan las teorías que utilizamos en el trabajo social. En muchos sentidos, las relaciones causales idiográficas que creas en la investigación cualitativa son como las teorías sociales que revisamos en el Capítulo 6 (por ejemplo, la teoría del intercambio social) y otras teorías que usas en tus cursos de práctica y teoría. Las teorías son explicaciones sobre cómo diferentes conceptos se asocian entre sí cómo funciona esa red de relaciones en el mundo real. Si bien se puede pensar en teorías como la Teoría de Sistemas como Teoría (con una “T” mayúscula), las relaciones causales inductivas son como teoría con una pequeña “t”. Podrán aplicarse únicamente a los participantes, entorno y momento en el tiempo en el que recopiló sus datos. Sin embargo, aportan información importante al cuerpo de conocimientos sobre el tema que estudiaste.

Con el tiempo, a medida que se realizan más estudios cualitativos y surgen patrones en diferentes estudios y ubicaciones, surgen teorías más sofisticadas que explican fenómenos en múltiples contextos. De esta manera, los investigadores cualitativos utilizan explicaciones causales idiográficas para la construcción de teorías o la creación de nuevas teorías basadas en el razonamiento inductivo. Los investigadores cuantitativos, por otro lado, utilizan las relaciones causales nomotéticas para las pruebas teóricas, en las que se crea una hipótesis a partir de la teoría existente (T grande o t pequeña) y se prueba matemáticamente (es decir, razonamiento deductivo).

Si planeas estudiar violencia doméstica y sexual, probablemente te encuentres con la Rueda de Poder y Control. [6] La rueda es un modelo de cómo operan el poder y el control en las relaciones con violencia física. La rueda se desarrolló a partir de grupos focales cualitativos conducidos por defensores de la violencia sexual y doméstica en Duluth, MN. Si bien los defensores probablemente tenían algunas hipótesis tentativas sobre lo que era importante en una relación con la violencia doméstica, los participantes de estos grupos focales proporcionaron la información que se convirtió en la Rueda de Poder y Control. A medida que se desarrolla una indagación cualitativa como esta, las hipótesis se vuelven más específicas y claras, ya que los investigadores aprenden de lo que comparten sus participantes.

Una vez que se desarrolla una teoría a partir de datos cualitativos, un investigador cuantitativo puede buscar probar esa teoría. Por ejemplo, un investigador cuantitativo puede plantear la hipótesis de que los hombres que tienen roles de género tradicionales tienen más probabilidades de participar en la violencia doméstica. Eso tendría sentido basado en el modelo Power and Control Wheel, ya que la categoría de “usar privilegio masculino” habla de esta relación. De esta manera, la teoría derivada cualitativamente puede inspirar una hipótesis para un proyecto de investigación cuantitativa.

A diferencia de las relaciones causales nomotéticas, no existen criterios formales (por ejemplo, covariación) para establecer la causalidad en las relaciones causales idiográficas. De hecho, algunos criterios como la temporalidad y la falta de espuria pueden ser violados. Por ejemplo, si un cliente adolescente dice: “Me cuesta saber si mi depresión comenzó antes de que yo bebiera, pero ambas empeoraron cuando me expulsaron de mi primera preparatoria”, están reconociendo que muchas veces no es tan sencillo que una cosa cause otra. En ocasiones, existe una relación recíproca donde una variable (depresión) impacta en otra (abuso de alcohol), que luego retroalimenta a la primera variable (depresión) y también a otras variables (escuela). Otros criterios, como la covariación y la plausibilidad siguen teniendo sentido, ya que las relaciones que resaltes como parte de tu explicación causal idiográfica deben seguir siendo plausiblemente verdaderas y sus elementos deben variar juntos.

Del mismo modo, las explicaciones causales idiográficas difieren en términos de hipótesis. Si recuerdas de la última sección, las hipótesis en explicaciones causales nomotéticas son predicciones comprobables basadas en teoría previa. En la investigación idiográfica, es probable que un investigador tenga hipótesis, pero son más tentativas. En lugar de predecir que “x disminuirá y”, los investigadores utilizarán literatura previa para averiguar qué conceptos podrían ser importantes para los participantes y cómo creen que los participantes podrían responder durante el estudio. A partir de un análisis de la literatura, un investigador puede formular algunas hipótesis tentativas sobre lo que espera encontrar en su estudio cualitativo. A diferencia de las hipótesis nomotéticas, es probable que éstas cambien durante el proceso de investigación. A medida que el investigador aprende más de sus participantes, podrían introducir nuevos conceptos de los que hablan los participantes. Debido a que los participantes son los expertos en relaciones causales idiográficas, un investigador debe estar abierto a temas emergentes y cambiar sus preguntas e hipótesis de investigación en consecuencia.

Dos canastas diferentes

Las explicaciones causales idiográficas y nomotéticas forman las “dos cestas” de elementos de diseño de investigación que se muestran en la Figura 7.4 a continuación. Posteriormente, también determinarán el enfoque de muestreo, las medidas y el análisis de datos en su estudio.

Figura 7.4: Dos canastas (o enfoques) para la investigación

En la mayoría de los casos, mezclar componentes de una canasta con la otra no tendría sentido. Si estás usando métodos cuantitativos con una pregunta idiográfica, no obtendrías la comprensión profunda que necesitas para responder a una pregunta idiográfica. Saber, por ejemplo, que alguien puntúa 20/35 en un índice numérico de síntomas de depresión no te dice lo que significa la depresión para esa persona. Del mismo modo, los métodos cualitativos no suelen utilizarse para el razonamiento deductivo porque los métodos cualitativos suelen buscar comprender la perspectiva de un participante, en lugar de probar lo que dice la teoría existente sobre un concepto.

Sin embargo, estas no son reglas duras y rápidas. Hay un montón de estudios cualitativos que intentan probar una teoría. Hay menos estudios construccionistas sociales con métodos cuantitativos, aunque en ocasiones los estudios incluirán información cuantitativa sobre los participantes. Los investigadores en el paradigma crítico pueden encajar en cualquiera de los dos cubos, dependiendo de su pregunta de investigación, ya que se centran en la liberación de las personas de las fuerzas opresivas internas (subjetivas) o externas (objetivas).

Vamos a explorar más adelante en este capítulo cómo los investigadores pueden utilizar ambos cubos simultáneamente en la investigación de métodos mixtos. Por ahora, es importante que entiendas la lógica que conecta las ideas en cada cubo. ¡Esto no solo es fundamental para cómo se crea y prueba el conocimiento en el trabajo social, sino que habla de los mismos supuestos y fundamentos sobre los que se construyen todas las teorías del mundo social!

Conclusiones clave

• La investigación idiográfica se centra en la subjetividad, el contexto y el significado.
• La investigación nomotética se centra en la objetividad, la predicción y la generalización.
• En los estudios cualitativos, el objetivo generalmente es comprender la multitud de causas que dan cuenta de la instancia específica que el investigador está investigando.
• En estudios cuantitativos, el objetivo puede ser comprender las causas más generales de algún fenómeno en lugar de las idiosincrasias de una instancia particular.
• Para las relaciones causales nomotéticas, una relación debe ser plausible y no espuria, y la causa debe preceder al efecto en el tiempo.
• En una relación causal nomotética, la variable independiente provoca cambios en una variable dependiente.
• Las hipótesis son afirmaciones, extraídas de la teoría, que describen la expectativa de un investigador sobre una relación entre dos o más variables.
• La investigación cualitativa puede crear teorías que pueden ser probadas cuantitativamente.
• La elección de las relaciones causales idiográficas o nomotéticas requiere una consideración de métodos, paradigma y razonamiento.
• Dependiendo de si buscas una explicación causal nomotética o idiográfica, es probable que emplees componentes específicos de diseño de investigación.

Glosario

• Causalidad: la idea de que un evento, comportamiento o creencia resultará en la ocurrencia de otro, evento posterior, comportamiento o creencia
• Variables de control: los efectos potenciales de “terceras variables” se controlan matemáticamente en el proceso de análisis de datos para resaltar la relación entre la variable independiente y dependiente
• Covariación- el grado en que dos variables varían juntas
• Variable dependiente- una variable que depende de los cambios en la variable independiente
• Generalizar- para hacer afirmaciones sobre una población más grande con base en un examen de una muestra más pequeña
• Hipótesis- una declaración que describe la expectativa de una investigadora con respecto a lo que anticipa encontrar
• Investigación idiográfica- intenta explicar o describir su fenómeno de manera exhaustiva, a partir de los entendimientos subjetivos de sus participantes
• Variable independiente: provoca un cambio en la variable dependiente
• La investigación nomotética- proporciona una explicación más general y amplia que es universalmente cierta para todas las personas
• Plausibilidad- para hacer la afirmación de que un evento, comportamiento o creencia causa otro, la afirmación tiene que tener sentido
• Relación espuria- una asociación entre dos variables parece ser causal pero de hecho puede explicarse por alguna tercera variable
• Significancia estadística- confianza que los investigadores tienen en una relación matemática
• Temporalidad- cualquier causa que identifiques debe ocurrir antes del efecto
• Construcción de teoría: la creación de nuevas teorías basadas en el razonamiento inductivo
• Prueba teórica: cuando se crea una hipótesis a partir de la teoría existente y se prueba matemáticamente

Atribuciones de imagen

Mikado por 3dman_eu CC-0

Pronóstico de TV meteorológico por mohamed_hassan CC-0

Beatrice Birra Storytelling en el Museo de Arte Africano por Anthony Cross dominio público

---

1. Uggen, C., & Blackstone, A. (2004). El acoso sexual como expresión de poder de género. American Sociological Review, 69, 64—92.
   
2. De hecho, existen datos empíricos que sustentan esta hipótesis. Gallup ha realizado investigaciones sobre esta misma cuestión desde la década de 1960. Para más información sobre sus hallazgos, véase Carroll, J. (2005). ¿Quién apoya la legalización de la marihuana? Recuperado a partir de http://www.gallup.com/poll/19561/who-supports-marijuana-legalization.aspx
   
3. Las figuras 7.2 y 7.3 se copiaron de Blackstone, A. (2012) Principios de indagación sociológica: métodos cualitativos y cuantitativos. Fundación Saylor. Recuperado de: https://saylordotorg.github.io/text_...ative-methods/ Compartido bajo CC-BY-NC-SA 3.0 License (https://creativecommons.org/licenses/by-nc-sa/3.0/)
   
4. Babbie, E. (2010). La práctica de la investigación social (12ª ed.) . Belmont, CA: Wadsworth.
   
5. Huff, D. & Geis, I. (1993). Cómo mentir con las estadísticas. Nueva York, NY: W. W. Norton & Co.
   
6. Frankfort-Nachmias, C. & Leon-Guerrero, A. (2011). Estadísticas sociales para una sociedad diversa. Washington, DC: Prensa de forja de pino.