Rol de la interpretación en investigación cualitativa.
Algunas interrogantes en tiempos de Inteligencia Artificial[1]
Role of interpretation in qualitative research. Some questions in times of Artificial Intelligence
O papel da interpretação na investigação qualitativa. Algumas questões em tempos de Inteligência Artificial
María Loreto Mora-Olate*[2]
Universidad de Chile*
Fecha de Recepción: 23-09-2024 Fecha de Aceptación: 15-10-2024
Autor de correspondencia: María Loreto Mora-Olate, [email protected]
Cómo citar:
Mora-Olate, M. L. (2024). Rol de la interpretación en investigación cualitativa. Algunas interrogantes en tiempos de Inteligencia Artificial. Revista Científica Cuadernos de Investigación, 2, e37, 1-4. https://doi.org/10.59758/rcci.2024.2.e37
Comentario de Interés Científico
A nivel planetario, especialmente durante los últimos dos años, la vida cotidiana de los seres humanos ha experimentado con mayor énfasis la irrupción de la Inteligencia Artificial (IA) donde el trabajo científico y, por lo tanto, investigativo, no se encuentra exento. No obstante, los debates sobre el futuro de la IA se han concentrado en gran medida en el campo educativo y el aprendizaje digital, pero menos sobre los efectos en la investigación y en las percepciones de los/as investigadores/as (Chubb et al., 2022).
En medio de este contexto, a veces inconmensurable por su vertiginosidad, se vuelve complejo aquilatar, no solo en cuanto al manejo de las herramientas tecnológicas que la IA ofrece para incorporar a los afanes investigativos, sino también en términos de sus alcances más profundos, como lo son los procesos intelectuales comprometidos particularmente en la investigación cualitativa.
En vista de ello, surgen dos interrogantes. La primera, refiere a ¿cuál es el rol de la interpretación en la investigación cualitativa? Para endilgar una respuesta se recurre a una analogía desarrollada por Adu (2019), que resulta muy gráfica al asimilar el trabajo de quien investiga a la labor que realiza un crítico de arte, cuya faena va más allá de la simple descripción de una determinada obra, diciéndole a la audiencia su significado, porque para ello debe indagar antecedentes del creador, sus fuentes de inspiración, lo que deseaba comunicar, sus intenciones, el contexto social de la creación. A su vez, en la investigación cualtitativa, la interpretación persigue adentrarse en los significados profundos de los datos derivados del estudio de un fenómeno social, para ello quien investiga-interpreta se pregunta ¿qué significa esto?, y siguiendo a Willig (2013) “trata de generar una comprensión más profunda y/o más completa de los significados contenidos en una narración” (p. 137).
Lo anterior lleva a afirmar que la interpretación va de la mano del propósito comprensivo de la investigación cualitativa, constituyéndose en un paradigma que, llevado a lo educativo, tiene el propósito de “interpretar y comprender los fenómenos educativos más que aportar explicaciones de tipo causal” (Arnal et al., 1994; p. 219). Se mantiene como supuesto la dimensión cualitativa-fenomenológica, donde se entiende que la inteligibilidad de las prácticas humanas es accesible a través del marco simbólico con el cual la personas interpretan sus pensamientos y acciones.
Por lo tanto, este paradigma investigativo considera las acciones educativas como significativas y reconoce a toda situación de enseñanza-aprendizaje como singular e impredecible. Desde este enfoque, Sabariego et al. (2012), precisan que el estudio de la realidad educativa “parte de su consideración en tanto que una construcción social resultante de las interpretaciones subjetivas y los significados que le otorgan las personas que la protagonizan” (p. 74), entonces pone el énfasis en la perspectiva de los participantes; por lo que este paradigma no busca generalizar u objetivizar la realidad. La finalidad de la investigación educativa desde esta perspectiva interpretativa apunta a la comprensión de los fenómenos educativos, tanto a través del “análisis de las percepciones e interpretaciones de los sujetos que intervienen en la acción educativa” (Albert, 2007; p. 26).
La segunda pregunta que motiva este comentario alude a ¿qué desafíos presenta la interpretación en investigación cualitativa?, y siguiendo la analogía de Adu (2019), se estima que también implica evitar que los prejuicios influyan en la interpretación del arte, o sea, en el caso de la investigación, el fenómeno social en estudio. Es decir, por un lado, quien investiga debe tener la capacidad de apreciar con ojos nuevos y receptivos aquella realidad a la cual se acerca desde los datos; y por otro, en que esa mirada no se quede detenida en un nivel descriptivo, como lo plantea Gibbs (2012): “los principiantes leen las transcripciones y tienden a aceptar la lectura inmediata, impresionista y superficial, la interpretación del contenido que llama su atención en primer lugar” (p. 186). Dicho en otras palabras, en la investigación cualitativa persiste una preocupación permanente por la creación de significado de calidad de los datos (Willig, 2013), que logren ser convincentes sobre qué aspectos del fenómeno son significativos.
Uno de los principales desafíos de la investigación cualitativa radica en el proceso de análisis y síntesis, que implica armar todas las piezas (Gibbs, 2012). Esto se complica aún más al considerar la gestión de los volúmenes de información y su naturaleza diversa, ya sea documental o audiovisual. Por lo tanto, es relevante realizar metódica y recursivamente los ciclos de codificación (Saldaña, 2021).
Esto conlleva a otro desafío que implica el constante proceso reflexivo y autorreflexivo por parte de quien investiga-interpreta y requiere gestionarlo mediante la mantención de cuadernos de campos y memos, que permite tomar conciencia de su posición, intereses y sesgos comprometidos en el análisis (Gibbs, 2012); todo lo anterior, al servicio de la interpretación, en diálogo con aspectos teóricos y hallazgos de otras investigaciones. En este punto emerge otro desafío, referido al estilo que la escritura cualitativa debe adoptar para que la interpretación de los datos resulte argumentada, y no descriptivamente reiterativa con la presentación de los resultados.
Como se decía al inicio de este comentario, en la actualidad la irrupción de la IA resulta desafiante en varios niveles para el trabajo en investigación cualitativa ya que existe una oferta de programas que ofrecen simplificar, automatizar y ahorrar tiempo para etapas del análisis cualitativo verdaderamente importantes, como la categorización; sin embargo, los creadores de aquellos programas la desestiman y, aquellas etapas, solo serían un proceso repetitivo.
Si bien ya han emergido algunas orientaciones éticas y fórmulas de declaración de uso de la IA en las diferentes secciones de artículos científicos, al respecto emergen más preguntas que respuestas, a priori: ¿en qué medida el uso de IA ayudaría a profundizar en la interpretación de datos desde un enfoque cualitativo?; ¿las sugerencias de categorías dadas por IA serían deductivas o inductivas?; ¿cómo el uso de la IA dialoga con un determinado enfoque cualitativo, técnica de análisis y tipos de interpretación a desarrollar?; ¿la IA reconoce, siguiendo a Gibbs (2012), “que los datos cualitativos tienen múltiples niveles y se pueden interpretar de formas diferentes, pero igualmente plausibles” (p. 185)?; y por último, a pesar que las autorías pueden declaran uso de IA ¿cómo los árbitros de revistas científicas podrán ponderar en justicia la originalidad de una interpretación de datos?
En suma, esta reflexión, más que entregar certezas, persigue develar una discusión latente, no solo en torno al rol de la interpretación en la investigación en tiempos de IA, sino también llevar la mirada al ser humano que interpreta desde un enfoque cualitativo, ya sea en términos de su función epistemológica como en los desafíos éticos que enfrenta.
Conflicto de intereses
La autora declara no tener conflicto de intereses.
Financiamiento
Este trabajo cuenta con el financiamiento del Proyecto Fondecyt de Postdoctorado n°3230358 (2023-2026). Agencia Nacional de Investigación y Desarrollo (ANID). Ministerio de Ciencia, Tecnología, Conocimiento e Innovación de Chile.
La autora agradece al Dr. Andrew Weeb, por motivar las preguntas que guían esta reflexión.
Referencias
Adu, P. (2019). A Step-by-Step Guide to Qualitative Data Coding. Routledge
Albert, M. J. (2007). La investigación educativa: claves teóricas. McGraw-Hill.
Arnal, J.; Rincón, D. y Latorre, A. (1994). Investigación educativa. Fundamentos y Metodologías. Editorial Labor.
Chubb, J.; Cowling, P. & Reed, D. (2022). Speeding up to keep up: exploring the use of AI in the research process. AI & Soc iety, 37, 1439–1457. https://doi.org/10.1007/s00146-021-01259-0
Gibbs, G. (2012). El análisis de datos cualitativos en investigación cualitativa. Morata
Martín, L. (2023). Investigación Cualitativa e Inteligencia Artificial. [Consulta: 10-05-2024]. https://requalify.ai/es/investigacion-cualitativa-e-inteligencia-artificial/
Sabariego, M.; Massot, I. y Dorio, I. (2012). Métodos de investigación cualitativa. En: A. Bisquerra (Coord), Metodología de la investigación educativa, (pp. 293-328). La Muralla.
Saldaña, J. (2021). The coding Manual for Qualitative Researchers. SAGE.
Willig, C. (2013). Interpretation and Analysis. In: U. Flick (Ed.). The Sage Handbook of Qualitative Data Analysis, (pp.136-149). Sage
[1] Copyright: © 2024, Mora-Olate. Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons de Atribución No Comercial 4.0. Permite su uso sin restricciones, su distribución y reproducción por cualquier medio, siempre que no se haga con fines comerciales y el trabajo original sea fielmente citado.