Jefferson Jaramillo Marín - El helicoide de la investigación - metodología en tesis de ciencias sociales

A pesar de que en las ciencias sociales es habitual que se reduzca la noción de hipótesis a la idea de hipótesis estadística, ésta es sólo una de las tres maneras que se suele emplear para conectar la teoría con la experiencia. Ahora bien, la estadística es una disciplina que trata de las regularidades producidas por el azar, ya sean generadas por la selección de los casos, o bien, como producto de una serie de pequeñas influencias independientes. En principio, se podría dar cuenta de una regularidad observada —que puede asumir la forma de un promedio, un porcentaje, una relación, un conjunto de relaciones— tanto por la proposición teórica sustantivada en un enunciado empírico como por la teoría estadística. De este modo, la estadística se erige en una teoría explicativa alternativa. Hay que recalcar que no siempre la estadística es una teoría rival, sólo cumple este papel si se han tomado muestras aleatorias o se ha introducido el azar en la conceptuación, ya sea por la incapacidad del ser humano para dar cuenta de todos los factores explicativos del fenómeno en estudio o por considerar que el fenómeno en sí es aleatorio (King, Keohane y Verba, 2000: 70-71).

Para ilustrar estas ideas supóngase que interesa analizar la relación entre educación de la madre y el número de hijos, y que no cabe la discusión respecto a qué se entiende por alto o bajo nivel educativo y muchos o pocos hijos. Con las variables observadas, por ejemplo, años de instrucción formal y cantidad de hijos, se puede construir una tabla de contingencia con cuatro casillas en que se registren las frecuencias de las observaciones. Supongamos que interesa someter a prueba la idea —cuyo sostén radica en la sociodemografía— de que el nivel educativo de la madre condiciona su nivel de fecundidad. Si las observaciones se han seleccionado al azar, hay que considerar la posibilidad de que las regularidades observadas se originen en los procesos aleatorios, es decir, que se deban a la operación del principio de regularidad estadística. Es posible calcular las frecuencias que se obtendrían en el caso de que las variables fuesen estadísticamente independientes y contrastarlas con las observadas para saber si la explicación estadística es o no plausible. En el caso de rechazar la hipótesis de independencia estadística, la hipótesis teórica gana en verosimilitud (Stinchcombe, 1987: 15-27). El mismo tipo de razonamiento aplica si se trata del estudio de relaciones funcionales como, por ejemplo, el efecto de los años de instrucción formal sobre el ingreso, en cuyo caso hay que evaluar si el estimador que mide la relación entre ambas variables es o no estadísticamente distinto de cero, caso en el cual no habría relación estadísticamente significativa y se podría sostener que el valor positivo que se observó se debe a fluctuaciones de azar.

La segunda manera de conceptuar la prueba de hipótesis —entendida como el modo particular de contrastar explicaciones alternativas a las regularidades empíricas— se basa en el conjunto de consecuencias que derivan del enunciado teórico en lugar de suponer que hay una teoría que explica las regularidades a partir del azar. La idea central de este procedimiento consiste en aportar evidencia que permita rechazar hipótesis alternativas. En tanto un enunciado teórico enfrenta más teorías rivales cuyas consecuencias empíricas son más diversas, si resultan rechazadas por la evidencia empírica el enunciado conceptual se vuelve cada vez más verosímil.

Tomando pie en la teoría del suicidio egoísta de Durkheim, Stinchcombe (1987: 16) deriva las siguientes proposiciones empíricas: los protestantes en Francia tendrán tasas de suicidio más altas que los católicos; en Alemania, las regiones protestantes tendrán tasas más altas de suicidio que las regiones católicas; en Francia, los hombres casados tendrán tasas de suicidio más bajas que los solteros y menor aún si tienen hijos; los profesionistas liberales con niveles altos de instrucción se suicidarán más que los obreros; en épocas de crisis en Francia las tasas de suicidio se abatirán. El siguiente paso es contrastar estos enunciados con la información empírica. Si, por ejemplo, resultara que la tasa de suicidio entre los protestantes es menor que entre los católicos entonces habría —en sentido estricto— que rechazar la teoría del suicidio egoísta. Ahora, del hecho de que la hipótesis sea consistente con los datos no se deriva inequívocamente que la teoría sea verdadera, ya que aún pueden existir otras explicaciones alternativas que no han sido examinadas como, por ejemplo, el papel de las ocupaciones o la función que desempeña el pecado en el protestantismo en contraste con la posibilidad de recurrir al confesor en la Iglesia Católica (Stinchcombe, 1987:18).

El tercer camino para examinar el papel de las pruebas de hipótesis en la investigación social se encuentra en el trabajo de campo.

During fieldwork, a cyclical pattern of research is taking place quite different from the linear pattern familiar in some kinds of research. We do not start with some ideas we wish to investigate, gather the data, analyze it and then write up. We start with some research questions and with some conceptual ideas, to be sure, and then we gather or absorb data, recorded in our field notes, or sometimes as visual images, which we constantly analyze and write up, leading to further research questions and developing conceptual framework. Of course, this conceptual framework as is develops is tested: and the literature is full of devices for doing this, of which searching for discrepant case and then analyzing it is one excellent example. In interpreting the ‘data’ the researcher constantly ask how good the evidence is for the inference which they are drawing. The data comes from what people say and feel, how they interact with others and what they do in different situations, and these data are constantly cross checked as fieldwork proceeds. As the researcher develops an understanding of what is going on, or an explanation for something, alternative understanding and explanations are considered, modified, incorporated or cast aside (Bechhofer y Paterson, 2000: 99-100).

Esta larga referencia da pie para una serie de consideraciones con respecto al trabajo de campo, sin embargo, en función de los intereses de esta introducción sólo se destacará que la estrategia de investigación reseñada en la cita trata tanto el pasaje de la experiencia al plano conceptual, como el salto desde este último al terreno empírico. En segundo lugar, hay que entender que a pesar de que la técnica de investigación empleada en estos casos no considera la aleatoriedad —y por lo tanto, no da cabida a emplear pruebas de hipótesis estadísticas—, sí se someten a prueba los desarrollos conceptuales contrastando la información con los enunciados conceptuales (casos discrepantes) que han emergido en el proceso de construcción. De la interacción entre las ideas y los datos que proporciona el trabajo de campo, el investigador modifica sus explicaciones, incorpora otras, o bien, las elimina en un diálogo constante, explícito o implícito, con teorías alternativas que compiten por dar cuenta de las observaciones.

En fin, las pruebas de hipótesis se ubican en la discontinuidad de la teoría a la experiencia, sin importar si su origen fue o no una proposición empírica, abstraída de los hechos empleando técnicas diversas, desde las propiamente estadísticas hasta las del trabajo de campo. En algún momento del proceso de investigación hay que enfrentar las explicaciones alternativas o las teorías rivales.

En síntesis:

i) El uso de las pruebas de hipótesis estadísticas se justifica en aquellos casos en que el azar es parte constitutiva de las observaciones. En estas situaciones, la estadística se vuelve una teoría alternativa en tanto los observables pueden presentar regularidades que se deben al azar. El contraste se limita a saber si el comportamiento de los observables es consistente con la explicación estadística o con la explicación sustantiva. El énfasis en esta perspectiva está puesto en la teoría estadística como teoría rival.