mètodes científics fonamentals

Dades

Facultat

Facultat de Ciències Socials

Departament

Departament de Ciències Polítiques i Relacions Internacionals

Professor (s)

Marco Giuni

curs

Introducció a mètodes científics-polítics

Conferències

  • Curs introductor a mètodes científics-polítics
  • El paradigma positivista i el paradigma interpretatiu
  • Els mètodes científics fonamentals
  • de la teoria de dades
  • Recopilació de dades
  • Processament de dades

Definició

  • inferir: Dibuixa conclusions generals de fets, dades d’observació i dades experimentals. Un es troba en un context d’inferència empírica quan es vol establir enllaços i relacions entre factors explicatius i explicar a la base de dades concreta o empírica.
  • Causalitat: com jutjar les relacions causa-efecte Aquest és un problema central , especialment en metodologia.
  • Empirique: dibuixar conclusions generals d’evidències empíriques.

Els tres reptes

multi-causalitat

  • gairebé tot a un impacte: està determinat per una multiplicitat de causes possibles; Ex, el comportament del vot polític no està determinat per una causa, hi ha diversos factors. Un exemple és el nivell d’educació, però hi ha altres factors contextuals que intervenen: sexe, posició a les classes.
  • Cada fenomen té diverses causes: és difícil defensar una posició que diu que té un fenomen determinat només una causa. Quan hi ha diversos factors, això complica la tasca.

condicionalitat del context

vinculat a l’anàlisi comparativa; Hi ha un canal institucional que permet als ciutadans participar, això ajuda a explicar per què la gent participa a Suïssa, però no en altres països on no hi ha democràcia directa. Les causes d’un fenomen poden variar segons el context al context. El vincle entre la classe social i el vot mostra que hi ha una condicionalitat del context i modifica la relació que pot ser entre dos factors que es poden estudiar. Hi ha efectes variables durant tot el context.

  • L’efecte de gairebé tot depèn de gairebé tota la resta.
  • Els efectes de cada causa per variar a través dels contextos.

Endogeneïtat

Les causes i els efectes influeixen entre si; Aquest és el problema més gran en estudis empírics i, especialment, els que segueixen l’enfocament de l’observació. Ex: l’interès polític influeix en la participació (forta correlació entre interessos (independents) i la participació (dependent)). El problema és que la causalitat es pot invertir: “El que vull explicar pot explicar el que se suposa que explicarà el que volia explicar”.

Aquesta és la dificultat de distingir entre “el que vull explicar” i el factor que explica aquest fenomen. La causa es converteix en un efecte i viceversa.

  • gairebé qualsevol causa gairebé tota la resta.
  • causes i efectes influeixen entre si.

Sovint és difícil dir de quina manera és la causalitat que volem aplicar.

El concepte de causa

article detallat: la inferència causal.

Determinant de la relació causal

En l’enfocament científic de les ciències socials, busquem determinar les relacions causals.

“si c (causa), llavors e (efecte)”

És insuficient! La relació entre C i E de vegades pot ser vàlida o sempre. Exemple: has de ser una mica més precís. Si diem que si hi ha un alt nivell d’educació que podem dir que hi ha un nivell de participació més alt. S’afirma que si hi ha llavors, no hi ha univocitat de la relació, mentre que la relació causa efecte ha de ser inequívoc.

“si c, llavors (i només llavors) sempre e”

En aquest cas hi ha les quatre característiques de la causa i l’efecte Enllaç:

  • condicionalitat: subjecte a la condició que hi ha la causa.
  • Successió : Primera causa l’efecte.
  • Constància: “sempre” sempre que la causa estigui present hi ha també l’efecte.
  • Univocity: l’enllaç és únic.

Introduïm elements importants per definir el que és una causa. – Enfocament encara insuficient! Exemple: si el nivell d’educació és alt, doncs i només llavors sempre hi ha participació més alta.

No obstant això, segons alguns, en l’epistemologia de la ciència, falta l’element de dir que ha d’haver un enllaç genètic, un enllaç de producció de l’efecte a causa de la causa.

“Si C, llavors (i només llavors) E sempre produïda per C”

TRUE. Cal que un efecte determinat no només es correlacioni amb una causa, però l’efecte ha de ser produït i generat per aquesta causa. La distinció és més filosòfica que substancial.

Definició del que és una causa

  • E {Displatstyle e} es genera per c {displaytyle c} {displaystyle c}, de manera que no n’hi ha prou d’observar una covariacia entre una causa i un efecte, però és També és necessari, per parlar de la causa, que l’efecte es genera per la causa.
  • La causa ha de produir l’efecte. (Ex- Si tenim un alt nivell educatiu, això genera la participació en la política).

A la part inferior, en el context del pensament causal, només pertany a nivell teòric. Quan parlem de causa, estem a nivell purament teòric i no empíric. Per tant, mai no podem dir que empíricament, una variació de C {DisplayStyle C} {Displatstyle C} produeix una variació d’e {displaytyle e} {DisplayStyle E}.

No es pot aconseguir que no tingueu èxit en establir enllaços causa-efecte, es pot fer exclusivament en el pla empíric.

Si observem empíricament, a la base de dades, una variació de C {DisplayTyle C} {DISPLAYSTYLE C} i seguit regularment per una variació de E {DisplayStyle E} , es pot dir que hi ha un element de corroboració empírica d’una hipòtesi causal. Cal distingir una distinció entre el nivell teòric i el nivell de causalitat que és el nivell empíric que només pot ser un per apropar-se per l’estudi de les covites.

En altres paraules, si observem que una variació de C {DisplayStyle C} iv , hi ha un element de corroboració, però encara és necessari per eliminar qualsevol altra causa possible. Empíricament, la tasca és dir que volem trobar una covariació, però com hi ha multicausalitat, com podem assegurar-nos que aquesta covariació existeix realment i afirmar que tenim un element de corroboració empírica del vincle prèviament d’efecte postulat?

Corroboració empírica d’una relació causal

Si observem empíricament que una variació de x {displaytyle x} {displaystyle x} segueix regularment una variació de {displaystyle y} {DisplayStyle y} mantenir constant totes les altres x {displaytyle x} {Displatstyle X} Possible (altres causes i factors explicatius) Tenim un element fort de la corroboració científica de la hipòtesi que X {DisplayTyle X} {DisplayStyle X} Deixa la causa de Y {DisplayStyle y} {DisplayStyle y}.

a Empiriq Search UE, mai no podia parlar de causa i efecte; Cal tenir en compte que la relació que causa efecte es manté en l’àmbit de la teoria, empíricament, només podem apropar-nos sota certes condicions, observació de la covariació mantenint constants els altres factors.

  1. covartion Entre la variable dependent (depèn) i independent (causa, no depèn d’una altra cosa): els dos han de variar.
  2. Direcció causal: hem de donar una direcció a la causalitat, el problema de l’endogeneïtat.
  3. La impossibilitat lògica: si tenim una teoria de la classe social que influeix en l’orientació política, és obvi que és la classe que determina. La causalitat no es pot invertir.

Hem de recordar que en les ciències socials volem anar a una idea d’explicació causal. No obstant això, mai no es pot fer, perquè en el nivell epistemològic la idea de causa a efecte és a nivell teòric. A nivell empíric, només podem parlar de “variació”, però sota certes condicions que podem corroborar, és a dir, verificar empíricament una relació causal.

corroboració empírica d’una relació causal

Hi ha tres condicions per respectar-se per garantir empíricament una relació causal.

Covartion entre variable independent i variable dependent

  • Variació de la variable independent: aquesta és la causa (x {displaystyle x} { DisplayStyle X}) Ex: Educació
  • Variació de la variable dependent: depèn de x {Displaytyle X} {displaystyle x} És l’efecte; Per exemple, la participació: el que se suposa que expliquem ha de variar! També la variable independent!

Podem maximitzar empíricament empíricament la relació causal teòrica.

Direcció causal

“No puc dir si és el X {DisplayStyle X} {Displatstyle X} que determina l’y {Displaistyle y} {displaystyle y} o per altra banda “. Hi ha tres maneres de determinar la direcció causal i abordar l’ideal teòric per definir una relació causa-i efecte.

  • Manipulació de la variable independent: anàlisi experimental, es tracta de diferents mètodes científics fonamentals.
  • Successió temporal: hi ha algunes variables que precedeixen lògicament altres variables. Per exemple, la socialització primària precedeix (influència) el comportament de vot d’algú que té 30 anys. (El problema de l’endogeneïtat és en aquest cas resolt). En alguns casos hi ha successions evidents. A nivell empíric, això és important per determinar una direcció per a la causalitat.
  • impossibilitat lògica: la classe social no determina una orientació política. Hi ha alguns factors que no poden dependre d’altres factors. Hi ha impossibilitats lògiques que permeten establir l’enllaç de causa i efecte.

Control de variables estrangeres

empíricament, es podria dir que el nivell polític La participació varia segons diverses variables. Aquesta és tota la participació de control de variables estrangeres. Es pot dir que el 90% del que es fa en el context de la investigació científica social consisteix a garantir que puguem controlar l’efecte dels factors explicatius que no ens interessen. Element decisiu: control d’altres variables.

  • Aplicació de la regla “Ceteris Paribus”: es pot determinar la relació causa i efecte sabent que la resta no intervé, totes les coses iguals.. Hi ha una relació entre un fenomen determinat i un altre fenomen totes les coses iguals, és a dir, que hem d’assegurar-nos que tots els altres factors es controlen o, en altres termes, feta constants.
  • depèn de la lògica de El dibuix de cerca: és la meva manera de controlar el paper de les altres causes potencials que depenen del disseny del model de cerca. Depèn de la lògica del dibuix de la investigació; Dibuix de recerca observacional. Com evitar aquest problema i diferent segons el model de cerca. L’objectiu és controlar l’efecte d’altres causes potencials que volem mostrar l’efecte.

Relació causal fallily

Relació causal de Fallace (espiriosa): és un Relació causal aparent, però inexistent, pensàvem que he trobat una relació causal, però finalment no hi havia cap relació causal, sinó només una covarian. És una covariació entre dues variables (x {displaytyle x} {DisplayStyle X}; {Displaystyle y} {Displaytyle y }) que no derifiqui amb un enllaç causal entre x {displaystyle x} {displaystyle x} i {Displaystyle y} {DisplayStyle Y}, però depèn del fet que x {Displaystyle X} {DisplaStyle X} i {DisplayStyle y} {DisplayTyle Y} està influenciat per una tercera variable Z {DisplayTyle Z} {displaystyle z}. La variació de Z {DisplayStyle Z} {DisplayStyle Z} produeix la variació simultània de X {DisplayStyle X} IV i {displaystyle y} {Displatstyle y} sense que hi hagi una relació causal entre els dos.

Sempre hi ha Perill que una relació observada no sigui l’índex d’una relació causal.

Posem una relació de causa entre X {DisplayStyle X} {DisplayStyle X} i {DisplayStyle y} {\ Displaytyle y }, però això és incorrecte. La relació entre X i Y és enganyosa. Només hi ha una covariada, hem d’introduir variables de control.

Exemple de relació causal fataly

Exemple 1

La intenció de votar està influenciada per diversos factors ( Edat, tipus, educació, classe social, orientació política familiar, etc.).

Podeu trobar un enllaç entre educació (x {displaystyle x} {\ dispishostyle x }) i vot (y {displaystyle y} {DisplayTyle y}), però finalment és la classe social (z {displaystyle z} {displaystyle z}) que determina els dos. Un cop hagueu d’introduir variables de control !! En cas contrari, pot ser una covariació que no té cap enllaç causal.

Ús de la televisió per dos candidats (x {displaytyle x} {displaystyle x} En les eleccions presidencials per comunicar el seu programa.

Volem explicar el vot (\ Displatstyle y} {displaystyle y}), però el El vot està influenciat per diversos factors que tenen un paper com a educació, però és la classe social que genera una multicalitat. La idea és veure l’efecte de l’exposició a la campanya de televisió dels votants. Per tant, hi ha una relació molt forta entre X {DisplayStyle X} {DisplayStyle X} i {DisplayStyle y} {DisplayStyle y }. Podem confiar en la covariació entre X {DisplayStyle X} {Displatstyle X} i {DisplayStyle y} {DisplayStyle y}?

Els votants que van seguir la campanya telefònica (x {displaystyle x} {displaystyle x}) va votar més per un dels dos candidats (\ Displaystyle y} {displaystyle y}). Es podria dir que l’exposició a la campanya produeix el vot, però s’ha de tenir en compte que: votants més antics (Z {Displaistyle Z} {DisplayStyle Z}) Veure més Sovint la televisió, de manera que l’edat influeix en el vot (vell dret, jove).

L’edat (z) influeix en les dues exposicions a la campanya de televisió (x {displaystyle x} {DisplayStyle X}), l’estada més antiga a casa i mirant la televisió, i la votació per un dels dos candidats (Y {Displaistyle y} {Displaystyle y }).

Així, la covariació entre x {displaytyle x} {displaystyle x} i {displaystyle y} {DisplayTyle Y} No es comprova perquè la variable Z {DisplayStyle Z} {displaystyle z} influeix en les altres dues variables al mateix temps. Per això heu d’introduir una variable de control.

Ens centrarem en factors que expliquen plausiblement el que volem explicar.

Exemple 2

Per exemple, Si estem interessats en el nombre de frigos i el nivell de democràcia, que reclamen un vincle entre els dos és irrellevant. No obstant això, es podria explicar que una tercera variable que seria el grau d’urbanització que genera la democràcia segons determinades teories i alhora augmenti el nombre de frigorífics. Així, la covariació no és una relació causa-i efecte, ja que hi ha una tercera variable que influeix en tots dos i que és una relació de causa i efecte.

Exemple 3

Si participació política (\ Displaystyle y} {Displatstyle y}) s’explica pel compromís associatiu (x {displaystyle x} {DisplayStyle X }) Es podria pensar que aquesta relació es fa la fal·làcia, ja que hi ha una altra variable que influeix en la participació i la participació associativa. Aquesta variable (z {displaystyle z} {displaystyle z}) podria ser la participació política. De nou hi ha una relació fallida; Començaríem un error si conclouem a partir de la simple observació d’aquesta relació que hi ha una causa de causa d’efecte entre X {DisplayStyle X} {DisplayStyle X} i y {DisplayStyle y} {DisplayTyle y} perquè no hem controlat l’efecte d’una altra variable.

dues maneres de controlar empíricament una afirmació causal

En el cas de problemes relacionats amb les relacions causals fal·làtiques (multical i endogeneïtat), hi ha dues maneres de controlar empíricament l’afirmació causal.

Anàlisi de la covariabilitat (dades d’observació)

  • control: transformació de variables estrangeres (z {displaystyle z} {displaystyle z}) en constants, de manera que no té efectes perquè no hi ha una covariada , no varia. Hem de tenir en compte les possibilitats de les relacions falses. (ex.Mirem entre tots els que van a la universitat de la classe social més alta, i després d’analitzar el seu vot; Així, la classe no tindrà un paper en l’anàlisi). Aquest control es pot fer manualment.
  • Depuració: control estadístic. Fem un model estadístic, introduïm que la variable x {displaytyle x} {DisplayStyle X}, que ens interessa, introduïm variables amb una relació forta, després d’introduir Les altres variables de control, i si encara hi ha un efecte entre X {DisplayStyle X} {DisplayStyle X} i {DisplayStyle y} iv id = “2228808427” {Displaytyle y} , això significa que la relació no era enganyosa. Això es fa mitjançant un ordinador que calcula la relació entre totes les variables i també considera totes les relacions de cavaciació. Al final determina si hi ha una correlació falsa o no. El control estadístic és una manera de comprovar les variables i proves l’efecte causa-eficàcia causa.

experiment (dades experimentals)

c és l’establiment d’un mètode experimental. En l’anàlisi de la covariació, actuem una vegada que tinguem les dades, en altres paraules, ens ocupem després de bufar les dades a priori des del dibuix de cerca, mentre que en el mètode experimental actuem abans (How-A -We produïm les dades?). El mètode experimental s’utilitza per evitar una relació fallida, una mostra es divideix en dos grups i triem individus a l’atzar. Segons la llei de gran nombre, es pot demostrar que els dos grups són similars, per tant, l’única diferència serà la variable independent.

Conclusió: és una reflexió al voltant de la causalitat; S’ha dit que la qüestió de la causalitat es manté en el nivell teòric, només podem intentar apropar-nos a aquest ideal. Cal buscar una correlació, però és necessari acomiadar les hipòtesis (contra les variables), si no ho fem, es pot caigut en una relació causal.

Covartion: pot estar a prop d’una causal Relació, però és l’efecte d’un Z {DisplayStyle Z} {DisplayStyle Z} (variable no observada) que influeix en el que volem explicar (depenent) i què explicaria Què volem explicar (independent). Una variable influeix en les altres dues variables alhora, també hi ha la possibilitat d’una interacció entre variables explicatives.

Com controlar les variables per evitar caure en una relació fallada? Hi ha dues maneres:

  • Anàlisi de la covariable: observem (dades observacionals) després de tenir les dades.
    • Control: farem una variable estrangera en constant, quan tenim un suposada relació entre dues variables que es fa fal·làcies perquè hi ha una tercera variable, prenem algunes de les persones que corresponen a la segona variable, per exemple, portem a la gent de la mateixa edat, per a la relació de comportament. Entre l’exposició a la televisió i vot. Així que controlava aquest valor, es va fer constant.
  • depuració: és un control estadístic. Depuració per a totes les variables.
    • Anàlisi experimental: creem un disseny de recerca que evita l’existència de variables Z que poden afectar la nostra anàlisi.

Quatre mètodes científics fonamentals segons arend lipjhart

Es pot esmentar tres o quatre mètodes:

  1. mètode experimental (diferenciació de Altres)
  2. Mètode estadístic
  3. Mètode comparatiu
  4. estudi de casos

Aquests són els tres mètodes fonamentals que permeten controlar Les variables diu també “factors explicatius addicionals”. L’objectiu és provar les hipòtesis i eliminar algunes competències amb els altres.

Els tres primers mètodes tenen el principal objectiu de buscar les relacions causa i efecte, i busquen eliminar el soroll produït per Z { DisplayStyle Z} {DisplayTyle Z} que podria produir una relació fallable, que tenen el mateix objectiu, però que es diferencien. Els tres estableixen propostes empíriques generals sota control de totes les altres variables (Z {DisplayStyle Z} {DisplayStyle Z}). Volen abordar l’enllaç teòric de la causa d’efecte entre un fenomen observat i les causes potencials, hi ha diferents graus d’èxit, hem vist que el mètode experimental i el que és més proper als diferents. Factors explicatius. La idea és arribar a una corroboració empírica de les afirmacions causals.

Mètode experimental

principis

  • Atribució aleatòria: prenem a l’atzar, totes les persones tenen la mateixa oportunitat de ser en el grup experimental o subjecte a Assignatures (en grups experimentals i control no experimental). Aquesta idea neix del principi de la llei de grans quantitats: se suposa que la variable aleatòria eliminarà qualsevol altra explicació.
  • Manipulació de la variable independent (tractament), com són els grups iguals? L’investigador, en un moment determinat, introdueix una entrada en un dels dos grups.

Se separem dos grups que asseguren que els dos grups siguin els mateixos en totes les dimensions, excepte en què és el un sobre el qual volem provar l’efecte. Escollir una persona i adjudicar-la a l’atzar significa que els dos grups són similars. Si, doncs, s’introdueix un tractament en un dels dos grups i que hi ha un canvi que no estigui en el grup de control, pot haver-hi un efecte causal en una causa de reflexió. Per tant, es pot concloure que hi ha un efecte causal en la variable introduïda.

Tipus d’experiència

  • al laboratori (experiment de laboratori): aquests són els experiments realitzats Els laboratoris i els individus es divideixen en grups als quals s’apliquen estímuls per aconseguir una troballa de l’efecte o el no-efecte. No obstant això, els individus de les seves condicions naturals poden conduir a resultats que cauen sota l’artificialitat de les condicions experimentals.
  • En el camp (experiment de camp): context natural, pot haver-hi altres factors. Que intervenen. Són experiments que s’han aplicat a la ciència política. Els principis segueixen sent els mateixos amb una distribució aleatòria de temes en dos grups; La variable independent es gestiona i llavors veiem si hi ha hagut un efecte de tractament sobre el grup experimental i no en el grup de control. Per tant, es poden evitar les crítiques de l’artificialitat dels experiments de laboratori.
  • dibuix quasi-experimental (quasi-experiment): aquest dibuix continua a la idea que l’investigador manipula la variable independent, però no hi ha Atribucions aleatòries de temes a un grup experimental i un grup de control. Si ho fem, això no podem distribuir aleatòriament en dos grups, estem obligats a prendre els grups que realment existeixen. En altres paraules, l’investigador controla el tractament, però no pot atribuir els temes aleatòriament. De vegades, quan estem a terra, és difícil de fer de manera diferent. En general és aquest mètode utilitzat, perquè hi ha un factor que no podem controlar.

Exemple

Un psicosociòleg volia provar els efectes objectius col·lectius sobre les relacions interpersonals. Volia veure fins a quin punt, quan es va dir a un grup de persona que hi ha un objectiu, els estereotips negatius conflictius desapareixen. És una experiència en condicions naturals. Va deixar els nens interactuant entre ells, es cooperen els nens entre ells; L’investigador va intentar crear una identitat col·lectiva i va subdividir el grup en dos de forma aleatòria. Els va fer jugar a futbol; L’aparició de rivalitats, o fins i tot estereotips negatius, a l’altre equip. Llavors va lliurar el grup junts va ser un objectiu comú redefinit per a la cooperació. Després va trobar que aquests conflictes, aquests estereotips negatius, aquestes hostilitats es van transformar en una cooperació real.

Mètode estadístic

No podem fer un dibuix de recerca que a priori permeti provar si hi ha Són les relacions de correlació, però s’ha de fer posteriorment.

  • manipulació conceptual (matemàtica) de dades observades empíricament: tenim dades d’observació o intentem controlar per control estadístic, amb correlacions parcials. Es fa una distinció entre dades experimentals i dades d’observació.
  • Correlacions parcials: correlació entre dues variables una vegada que sortim de l’anàlisi, és a dir, controlar les altres variables que puguin influir en el que voleu explicar. En altres paraules, és fer que altres Z com si fossin constants seguint un procés de depuració. És una lògica de control variable: controlem les variables que podrien influir en el que ens agradaria explicar. En l’exemple de la votació, tot el que podria explicar el vot s’hauria de tenir en compte especialment si es pot pensar que aquest factor extern pot influir tant en la votació com la variable independent (exposició als mitjans de comunicació). Per tant, podem saber si ens apropem a un efecte causal.

que és important és anar més enllà d’una simple anàlisi bivariada; Heu d’anar a una anàlisi multivariant o introduïda en el model explicatiu d’altres variables.

Mètode comparatiu

Qualsevol cerca en ciències socials és per la seva naturalesa comparativa. Sempre compartim alguna cosa implícitament o explícitament. Podem qüestionar els objectius de la comparació. Hem vist que els objectius de qualsevol mètode científic estan tractant d’establir propostes empíriques generals controlant totes les altres variables, però segons alguns, com ara Tilly, hi ha quatre objectius en la comparació, és a dir. Les unitats d’observació s’enfronten.

Els objectius de la comparació segons Charles Tilly són:

  • individualitzar (individualitzant) – comparació individualitzadora: l’objectiu és destacar i destacar les característiques d’una anàlisi determinada unitat en un determinat fenomen; La idea és trobar comparacions, per donar una especificitat a un determinat cas donat: en estudis de política comparada, el cas és el país, es comparen els països; L’objectiu és, per exemple, mostrar certes característiques del sistema polític a Suïssa en comparació amb altres països. La democràcia directa determina els valors polítics; La democràcia directa suïssa es pot comparar amb els països que no la tenen. Podem analitzar l’impacte d’aquesta característica de les persones. Caracteritzar, individualitzar, fer més específics les característiques d’un país en relació amb un altre.
  • Generalitzar (generalitzar): ens comparem per individualitzar, però per generalitzar, incloem el major nombre de casos, establir propostes empíriques generals . Per a alguns, la generalització és un dels dos objectius principals del mètode comparatiu. Estudiem els comportaments que comparem, volem veure si les configuracions i els efectes trobats en un context es troben en un altre context.
  • Cerca variacions sistemàtiques (cerca de variació): l’objectiu és buscar sistemàtic Variacions i prova una teoria eliminant les teories en competència de la qual volem destacar. Segons Tilly, aquesta és la millor manera de comparar-la. Tractem de provar una hipòtesi causal, de manera que acomiadarem les hipòtesis rivals.
  • globalitzar (englobació): l’objectiu és globalitzar (enfocament sistèmic) Inclouem tots els països del món, o totes les unitats de comparació possible . La idea és que si es retira una d’aquestes unitats de comparació, tot el sistema canvia. Per al professor Giugni, això no és un enfocament comparatiu, perquè no comparem.

Hi ha diferents objectius de la comparació; Actuar sobre la selecció de casos es compara.

Estratègies de comparació per a variacions sistemàtiques (Przeworski i Teune) Podem distingir entre dues estratègies de comparació, són lògiques i maneres de procedir metodològicament en l’elecció dels casos. Són maneres de tractar el tema de la causalitat quan tenim dades d’observació. Hi ha una distinció entre dos dissenys de recerca comparatius, és la comparació de casos anàlegs (similars) i per part de contrast (difereixen). Cadascuna de les possibilitats té els seus avantatges i desavantatges.

  • Comparació entre els casos contrastats (disseny de sistemes més diferents): escollim casos que són els més diferents possibles
  • Comparació entre casos Anàlegs (disseny de sistemes similars): té com a objectiu controlar totes les variables, excepte que volem analitzar (exemple França – Suïssa).

skocpol, T. i Sr. Somers (1994). “Els usos de la història comparada en la investigació macrosocial”. A Theda Skocpol (ed.), Revolucions socials al món modern. Cambridge: Cambridge University Press.

Stuart Mill reflecteix la forma d’analitzar aquest enllaç causal. Seleccionant diferents casos per arribar a aquest ideal, aplanguem a la relació perquè l’efecte. Però no estem en el context del control estadístic. En el nostre cas, a través de la selecció de casos, Intentem apropar-nos a aquest ideal.

Stuart Mill distingeix dos casos:

  • El mètode d’activació (el disseny més diferent del disseny): la lògica és triar molt diferent Els països, però són iguals en un factor clau. Hi ha X que està present a tot arreu. Llavors observem allà, hi ha una similitud a nivell de la variable i que volem explicar. La lògica és dir que som Cerqueu països on trobem el mateix fenomen que és el que volem provar l’efecte. Observem el que passa E és que cada vegada que hi ha X trobem Y.En aquest moment es produeix per X perquè no es pot produir per una altra cosa, ja que altres factors als països són diferents, la trobem en qualsevol altre lloc. La lògica és triar casos molt diferents en la majoria dels factors que es poden pensar i llavors veurem si hi ha una coferència de la variable que es vol explicar i la que explica.

>

  • El mètode de diferència (el disseny més similar del sistema): busquem països que semblen el més possible. Podem distingir entre casos positius i negatius. Busquem casos que facturem els casos A, B i C i negatius que també tinguin A, B i C. En casos positius hi ha un factor actual que no estigui present en el cas negatiu. Així, el vot està present quan X està present i absent quan X està absent. La conclusió és que X és la causa de l’efecte Y, perquè la presència almenys de Y no pot haver estat produïda per A, B i C. A, B i C constantment.

Exemple: el disseny del sistema més diferent: tenim tres casos (1, 2, n); Un cas pot ser individus, països, etc. Tenim una sèrie de qualitats per a aquests casos. Són característiques de diferents països (desocupació, desenvolupament), X és la variable independent i volem explicar Y. En aquesta lògica de comparació, els casos són molt diferents, però només són similars en una propietat. Així doncs, aquesta variable explica el factor perquè és l’únic factor comú. A la taula 2 tenim casos positius i negatius; Aquests casos són perfectament similars sobre un nombre més alt possible d’atributs, propietats i variables, però hi ha una diferència crucial en el que se suposa que explicarà el que volem explicar. Hi ha un factor que no està present. En un cas hi ha a l’altre pas; La diferència s’atribueix a la variable que no és en ambdós casos. Aquest mètode intenta apropar-se a l’enfocament experimental, ja que es garanteix que els dos grups són el més a prop possible (s’assemblen a A, B, C), però es diferencien amb la variable independent, la majoria de disseny de sistemes Simila. El professor Giugni prefereix així perquè s’apropa a l’ideal de l’experimentació. Un exemple és estudiar en dos anys estudiants que assisteixen i canvien les diapositives que es donen. A continuació, comparem el resultat final (la qualificació mitjana) en ambdós casos.

Exemple – La majoria del disseny del sistema SIM: comparo els països similars (França i Suïssa), i vull demostrar aquesta policia francesa La repressió és més forta, l’únic factor difereix entre dos països. A continuació, trobem que la radicalització dels moviments socials és més forta a França. El problema és que el “A” és a dir, els factors són similars entre els dos països, no són mai iguals, però només són similars (aquest problema només es troba amb el mètode del disseny de recerca més sime, és per allò que hi ha investigadors que hi ha Preferiu l’altre enfocament, en el qual s’han de trobar les diferències), només podem apropar-nos a l’ideal. A més trobem el problema de l’endogeneïtat que és a dir, per saber quin factor influeix en l’altre.

Estudi de cas

És un mètode més qualitatiu, es diferencia dels altres tres mètodes perquè estan més orientats a la investigació quantitativa-positivista. Hi ha algunes distincions realitzades per Arend Lipihart, hi ha una espècie de clivatge, una distinció entre les dades experimentals i, d’altra banda, les dades d’observació.

mentre es basa el mètode experimental. Sobre la idea de Gran nombre, el mètode comparatiu d’un cert nombre de casos que poden variar, l’estudi de cas només es basa en un cas. No obstant això, es pot considerar un estudi de cas que es pugui estendre en més d’un cas, ja que la frontera és de vegades flexible.

L’estudi de cas és només l’estudi d’un sol cas, no té comparació. Un cas pot ser moltes coses com una festa, una persona o un país. Tractem d’estudiar en profunditat un cas particular, però no és àmpliament com els altres tres mètodes que no estudien els casos en profunditat.

En altres paraules, el gran avantatge de l’estudi de cas és que puguem Aneu molt més en profunditat en l’atenció del cas. Un estudi de cas és per definició intensiva, mentre que l’estudi quantitatiu és extens. Un mètode es basa en les normes amb la idea de generalitzar-se mentre que l’altre es basa en la profunda interpretació d’un cas específic.

Si el mètode objectiu és generalitzar, l’estudi de casos per definició no permet la generalització , L’objectiu és un altre. Hi ha diferents estudis de casos i diferents modalitats per dur a terme un estudi de casos.Es pot esmentar 6 variants:

  • Els dos primers que han interpretat en el cas específic.
  • Les altres quatre modalitats tenen un objectiu de crear o generar una teoria.

L’estudi de cas es pot utilitzar per aconseguir diferents objectius, d’una banda volem conèixer una situació particular de manera descriptiva, d’altra banda, podem estudiar diversos casos per generar un esdeveniment de teoria .

Segons Arend Lipihart, el propòsit de la cerca és provar i verificar una teoria, així com a generalitzar els resultats.

Aquests dos casos no volen crear hipòtesis, la idea és il·luminar alguna cosa d’un cas:

  • atheeòtica: no hi ha teoria, és purament descriptiu. És una investigació exploratòria, per exemple, l’estudi d’una nova organització, només volem conèixer-la i descriure-la, en aquest cas no podem generalitzar els resultats perquè estan vinculats a un cas particular estudiat en particular.. S’utilitza en situacions o casos que mai s’han estudiat abans.
  • Interpretatiu: utilitzem propostes teòriques que existeixen a la literatura, en aquest enfocament qualitatiu, el paper de la literatura és menys important, s’aplica una generalització existent A un cas donat, aquí el cas es relaciona amb un cas concret, sense voluntat de crear una teoria igual que Atheoria. L’objectiu no és confirmar-lo ni invalidar-lo, sinó que és aplicar-lo només. Propostes o teories existents que s’apliquen a un cas; Les generalitzacions existents s’apliquen per veure si la generalització té aquest cas concret. Interpretem una situació concreta a la llum d’una teoria existent.

Els quatre que segueixen volen crear una teoria o tirar alguna cosa de casos. El seu objectiu és crear o generar teories o hipòtesis:

  • Generar hipòtesis: volem crear suposicions on no n’hi ha cap. Estudi un cas no només perquè em interessa, però perquè vull fer suposicions que vaig a provar en altres llocs. Ex: organització que compromet la política. Estudiem una situació determinada perquè volem hipòtesis que no es poden trobar en altres llocs. S’explora un cas en l’objectiu de formular hipòtesis. Les hipòtesis tenen principalment tres fonts: la literatura existent, la imaginació sociològica, estudis exploratoris.
  • Confirmant una teoria: per provar una teoria en un cas particular per confirmar aquesta teoria, aquest tipus d’estudi de casos no és molt Útil perquè no és el fet que hi hagi un cas que reflecteixi una teoria existent que reforçarà la teoria que aquest sistema no és molt útil.
  • Nota una teoria: això té molt més valor, hi ha un Teoria que s’aplica en un cas concret, no volem confirmar la teoria, però demostrar que no funciona, intentem invalidar una teoria. Això ens empeny per reflexionar sobre la teoria, és una cosa important per al desenvolupament d’una teoria.
  • Cas desviat: per què un cas es desvia de la generalització, aquest cas és molt útil quan volem fer una teoria. Busquem una situació que es desvia d’una situació existent, l’estudi de casos vol mostrar per què aquest cas es desvia de la generalització.

Leave a comment

L'adreça electrònica no es publicarà. Els camps necessaris estan marcats amb *