Fundamental Methods

Datos clave

Facultad

Facultad de Ciencias Sociales

Departamento

Departamento de Ciencias Políticas y Relaciones Internacionales

Profesor (s)

marco giugni

CURSO

INTRODUCCIÓN A MÉTODOS CIENCIOS-POLÍTICOS

LECTURAS

  • Curso introductivo a los métodos de ciencia-políticos
  • El paradigma positivista y el paradigma interpretativo
  • los científicos fundamentales
  • de la teoría de los datos
  • > Recopilación de datos
  • Procesamiento de datos

Definición

  • inferir: Dibuje las conclusiones generales de los datos, los datos de observación y los datos experimentales. Uno se encuentra en un contexto de inferencia empírica cuando desea establecer vínculos y relaciones entre factores explicativos y explicar en la base de datos concreta o empírica.
  • Causalidad: Cómo juzgar las relaciones causa-efecto: este es un problema central , especialmente en la metodología.
  • Empirique: Dibuja conclusiones generales de evidencia empírica.

Los tres desafíos

Multi-causalidad

  • casi todo a un impacto: está determinado por una multiplicidad de posibles causas; EX, el comportamiento de voto político no está determinado por una causa, hay varios factores. Un ejemplo es el nivel de educación, pero hay otros factores contextuales que intervienen: sexo, posición en las clases.
  • Cada fenómeno tiene varias causas: es difícil defender una posición que dice que un fenómeno dado tiene Sólo una causa. Cuando hay varios factores, esto complica la tarea.

condicionalidad del contexto

vinculado al análisis comparativo; Hay un canal institucional que permite a los ciudadanos participar, esto ayuda a explicar por qué las personas participan en Suiza, pero no en otros países donde no hay democracia directa. Las causas de un fenómeno pueden variar de un contexto al contexto. El vínculo entre la clase social y el voto muestra que hay una condicionalidad del contexto y modifica la relación que puede ser entre dos factores que se pueden estudiar. Hay efectos variables a lo largo del contexto.

  • El efecto de casi todo depende de casi todo lo demás.
  • los efectos de cada causa para variar a través de los contextos.

endogeneity

Causas y efectos influyen entre sí; Este es el mayor problema en los estudios empíricos y especialmente aquellos siguientes al enfoque de observación. Ej: Intereses de la política influye en la participación (fuerte correlación entre los intereses (independientes) y la participación (dependiente)). El problema es que la causalidad puede revertirse: «Lo que quiero explicar puede explicar lo que se supone que debe explicar lo que quería explicar».

Esta es la dificultad de distinguir entre «lo que quiero explicar» y el factor que explica este fenómeno. La causa se convierte en un efecto y viceversa.

  • casi cualquier causa casi todo lo demás.
  • Causas y efectos influyen entre sí.

A menudo es difícil decirlo de qué manera es la causalidad que queremos aplicar.

el concepto de causa

detallada Artículo: la inferencia causal.

Determentante de la relación causal

En el enfoque científico en las ciencias sociales, buscamos determinar las relaciones causales.

«Si c (causa), entonces e (efecto)»

¡Es insuficiente! La relación entre C y E a veces puede ser válida o siempre. Ejemplo: tienes que ser un poco más preciso. Si decimos que si hay un alto nivel de educación, podemos decir que hay un mayor nivel de participación. Se afirma que si hay entonces, no hay una univocidad de la relación, mientras que la relación causa el efecto debe ser inequívoca.

«Si c, entonces (y solo entonces) siempre e»

En este caso, hay las cuatro características del enlace de causa y efecto:

  • condicionalidad: sujeto a la condición de que exista la causa.
  • sucesion : Primero causa el efecto.
  • Constancia: «Siempre» siempre que la causa esté presente, también está el efecto.
  • Univocity: El enlace es único.

Introducimos elementos importantes para definir qué es una causa. – ¡Enfoque aún insuficiente! Ejemplo: Si el nivel de educación es alto, entonces, y solo entonces siempre hay una participación más alta.

Sin embargo, según algunos, en la epistemología de la ciencia, le falta el elemento de decir que debe haber un enlace genético, un enlace de producción del efecto debido a la causa.

«Si C, entonces (y solo entonces) E siempre producido por C»

VERDADERO. Es necesario que un efecto dado no solo esté correlacionado con una causa, sino que el efecto debe ser producido y generado por esta causa. La distinción es más filosófica que sustancial.

Definición de lo que es una causa

  • e {\ mostrarstyle e} es generado por C {\ DisplayStyle C} {\ DisplayStyle C}, por lo que no es suficiente observar una covariativa entre una causa y un efecto, pero es También es necesario, para hablar sobre la causa, que el efecto es generado por la causa.
  • La causa debe producir el efecto. (Por ejemplo, si tenemos un alto nivel de educación, esto genera participación en la política).

En la parte inferior, en el contexto del pensamiento causal, solo pertenece a nivel teórico. Cuando hablamos de causa, estamos a nivel puramente teórico y no empírico. Por lo tanto, nunca podemos decir eso empíricamente, una variación de C {\ DisplayStyle C} {\ DisplayStyle C} Produce una variación de E {\ DisplayStyle E} {\ mostrarstyle e}.

Nunca puede tener éxito en establecer enlaces de causa por efecto, se puede hacer únicamente en el plano empírico.

Si observamos empíricamente, en la base de datos, una variación de C {\ DisplayStyle C} {\ DisplayStyle C} y seguido regularmente por una variación de e {\ mostrarstyle e} , se puede decir que hay un elemento de corroboración empírica de una hipótesis causal. Se debe distinguir una distinción entre el nivel teórico y el nivel de causalidad que es el nivel empírico que solo puede ser uno para acercar el estudio de las covariaciones.

en otras palabras, si observamos que una variación de C {\ DisplayStyle C} {\ DisplayStyle C} y seguido regularmente por una variación de e {\ displaystyle e} , hay un elemento de corroboración, pero aún es necesario eliminar cualquier otra causa posible. Empíricamente, la tarea es decir que queremos encontrar una covariación, pero como existe una multifualidad, ¿cómo podemos asegurarnos de estar seguros de que esta covariación realmente existe y afirma que tenemos un elemento de corroboración empírica del vínculo de pre-efecto Postulado?

Corroboración empírica de una relación causal

Si observamos empíricamente que una variación de x {\ displaystyle x} {\ DisplayStyle X} es seguido regularmente por una variación de y {\ displaystyle y} {\ displaystyle y} Mantener constante todos los demás x {\ displaystyle x} {\ DisplayStyle X} Posibles (otras causas y factores explicativos) Tenemos un elemento fuerte de la corroboración científica de la hipótesis que x {\ DisplayStyle X} {\ DisplayStyle X} Deje la causa de y {\ displaystyle y} {\ mostrarstyle y}.

en Empiriq Buscar La UE, uno nunca podría hablar de causa y efecto; Debe tenerse en cuenta que la relación causa el efecto permanece en la esfera de la teoría, empíricamente solo podemos acercarnos a ciertas condiciones, observación de la covariación manteniendo constantes los otros factores.

  1. covariation Entre la variable dependiente (depende) e independiente (causa, no depende de otra cosa): los dos deben variar.
  2. dirección causal: debemos dar una dirección a la causalidad, el problema de la endogeneidad.
  3. La imposibilidad lógica: si tenemos una teoría de clase social que influye en la orientación política, es obvio que es la clase la que determina. La causalidad no puede ser invertida.

Debemos recordar que en las ciencias sociales queremos ir a una idea de explicación causal. Sin embargo, uno nunca puede hacerlo, porque en el nivel epistemológico, la idea de causa a efecto es a nivel teórico. A nivel empírico, solo podemos hablar de «variación», sin embargo, bajo ciertas condiciones, podemos corroborar, es decir, verificar empíricamente una relación causal.

Corroboración empírica de una relación causal

Hay tres condiciones que deben ser respetadas para garantizar una relación causal empíricamente.

Covariation entre variable independiente y variable dependiente

  • Variación de la variable independiente: esta es la causa (x {\ displaystyle x} { \ DisplayStyle X}) EX: Educación
  • Variación de la variable dependiente: depende de x {\ mostrarstyle x} {\ DisplayStyle X} Es el efecto; Por ejemplo, la participación: ¡qué se supone que debemos explicar deben variar! También la variable independiente!

Podemos maximizar empíricamente empíricamente la relación causal teórica.

dirección causal

«No puedo decir si es el x {\ DisplayStyle X} {\ DisplayStyle X} que determina el y {\ displaystyle y} {\ DisplayStyle y} o por otra parte «. Hay tres formas de determinar la dirección causal y abordar el ideal teórico para definir una relación de causa y efecto.

  • Manipulación de la variable independiente: análisis experimental, estos son diferentes métodos científicos fundamentales.
  • Sucesión temporal: Hay algunas variables que preceden lógicamente otras variables. Por ejemplo, la socialización primaria precede (influencia) el comportamiento de votación de alguien que tiene 30 años. (El problema de la endogeneidad está en este caso resuelto). En algunos casos hay sucesiones obvias. A nivel empírico, esto es importante para determinar una dirección para la causalidad.
  • Imposibilidad lógica: la clase social no determina una orientación política. Hay algunos factores que no pueden depender de otros factores. Existen imposibilidades lógicas que permiten establecer el enlace de causa y efecto.

Control de variables extranjeras

empíricamente, se podría decir que el nivel de político La participación varía según varias variables. Esta es la participación completa de control de las variables extranjeras. Se puede decir que el 90% de lo que se hace en el contexto de la investigación de ciencias sociales consiste en garantizar que podamos controlar el efecto de los factores explicativos que no nos interesan. Elemento decisivo: Control de otras variables.

  • Aplicación de la regla «Ceteris Paribus»: se puede determinar la relación de causa y efecto que sabe que el resto no interviene, todas las cosas iguales.. Hay una relación entre un fenómeno dado y otro fenómeno, todas las cosas iguales, es decir, que debemos asegurarnos de que todos los demás factores se controlen o, en otros términos, se hagan constantes.
  • depende de la lógica de El dibujo de búsqueda: es mi forma de controlar el papel de las otras causas potenciales que dependen del diseño del modelo de búsqueda. Depende de la lógica del dibujo de la investigación; Dibujo de la investigación observacional. Cómo eludir este problema y diferentes según el modelo de búsqueda. El objetivo es controlar el efecto de otras causas potenciales que queremos mostrar el efecto.

Relación causal Falaly

FALLAZE Relación causal (Spirious): Es un Relación causal aparente, pero inexistente, pensamos que encontré una relación causal, pero finalmente no hubo una relación causal, sino solo una covariación. Es una covariación entre dos variables (x {\ displaystyle x} {\ displaystyle x}; y {\ mostrarstyle y} {\ mostrarstyle y }) que no deriva con un enlace causal entre x {\ mostrarstyle x} {\ mostrarstyle x} y y {\ mostrarstyle y} {\ DisplayStyle y}, pero depende del hecho de que x {\ displaystyle x} {\ mostrarstyle x} y y {\ mostrarstyle y} {\ DisplayStyle y} están influenciados por una tercera variable z {\ displaystyle z} {\ mostrarstyle z}. La variación de z {\ displaystyle z} {\ mostrarstyle z} Produce la variación simultánea de x {\ displaystyle x} {\ DisplayStyle X} y y {\ mostrarstyle y} sin que haya una relación causal entre los dos.

siempre hay el Peligro de que una relación observada no sea el índice de una relación causal.

iv.

Postulamos una relación de causa entre x {\ displaystyle x} {\ displaystyle x} y y {\ mostrarstyle y} {\ mostrarstyle y }, pero esto está mal. La relación entre X e Y es engañosa. Solo hay covariación, debemos introducir variables de control.

Ejemplo de la relación causal falaly

Ejemplo 1

La intención de la votación está influenciada por varios factores ( Edad, amable, educación, clase social, orientación política familiar, etc.).

Puede encontrar un enlace entre la educación (x {\ displaystyle x} {\ DisplayStyle X }) y voto (y {\ displaystyle y} {\ displaystyle y}), pero finalmente es la clase social (z {\ displaystyle z} {\ mostrarstyle z}) que determina los dos. Una vez que tienes que introducir variables de control !! De lo contrario, puede ser una covariación que no tiene un enlace causal.

Uso de la televisión por dos candidatos (x {\ displaystyle x} {\ DisplayStyle X}) En las elecciones presidenciales para comunicar su programa.

Queremos explicar la votación (y \ \ displaystyle y} {\ displaystyle y}), pero el El voto está influenciado por varios factores que desempeñan un papel como la educación, pero es la clase social que genera un múltiplo. La idea es ver el efecto de la exposición a la campaña de televisión de votantes. Por lo tanto, hay una relación muy fuerte entre x {\ DisplayStyle X} {\ DisplayStyle X} y y {\ mostrarstyle y} {\ mostrarstyle y }. ¿Podemos confiar en la covariación entre x {\ mostrarstyle x} {\ displaystyle x} y y {\ mostrarstyle y} {\ DisplayStyle y}?

votantes que siguieron la campaña telefónica (x {\ displaystyle x} {\ mostrarstyle x}) Votado más por uno de los dos candidatos (Y \ \ mostrarstyle y} {\ DisplayStyle y}). Se podría decir que la exposición a la campaña produce la votación, pero debe tenerse en cuenta que: votantes mayores (z {\ displaystyle z} {\ DisplayStyle Z}) Ver más A menudo la televisión, por lo que la edad influye en la votación (antigua derecha, joven izquierda).

La edad (Z) influye en la exposición a la campaña de televisión (x {\ displaystyle x} {\ Displaystyle x}), la estancia más antigua en casa y en la televisión, y la votación de uno de los dos candidatos (y {\ displaystyle y} {\ mostrarstyle y }).

Entonces, la covariación entre x {\ displaystyle x} {\ DisplayStyle X} y y {\ DisplayStyle y} {\ DisplayStyle y} no se verifica porque la variable z {\ displaystyle z} {\ mostrarstyle z} influye en las otras dos variables al mismo tiempo. Para ello tiene que introducir una variable de control.

Nos centraremos en los factores que explican plausiblemente lo que queremos explicar.

Ejemplo 2

Por ejemplo, Si estamos interesados en el número de frigos y el nivel de democracia, reclamando un vínculo entre los dos es irrelevante. Sin embargo, uno podría explicar que una tercera variable que sería el grado de urbanización genera democracia según ciertas teorías y, al mismo tiempo, aumentan el número de frijoles. Por lo tanto, la covariación no es una relación de causa y efecto porque hay una tercera variable que influye en ambos y que es una relación de causa y efecto.

Ejemplo 3

Si la participación política (y \ \ mostrarstyle y} {\ mostrarstyle y}) se explica por el compromiso asociativo (x {\ displaystyle x} {\ DisplayStyle X }) Uno podría pensar que esta relación se convierte en falacia porque hay otra variable que influye en la participación y el compromiso asociativo. Esta variable (Z {\ DisplayStyle Z} {\ DisplayStyle Z} podría ser la participación política. De nuevo hay una relación falaz; Compramos un error si concluimos de la simple observación de esta relación que existe una causa de causa que efectúe entre X {\ DisplayStyle X} {\ DisplayStyle X} y y {\ DisplayStyle y} {\ DisplayStyle y} porque no hemos controlado el efecto de otra variable.

Dos formas de controlar empíricamente una afirmación causal

En el caso de problemas relacionados con las relaciones causales falacas (multicial y endogeneidad), hay dos formas de controlar empíricamente la afirmación causal.

Análisis de covariaciones (datos de observación)

  • Control: Transformación de variables extranjeras (z {\ displaystyle z} {\ DisplayStyle Z}) en constantes, por lo que no tiene efectos porque no hay covariación , no varía. Debemos tener en cuenta las posibilidades de las relaciones falazas. (ex.Miramos entre todos aquellos que van a la universidad en la clase social más alta, y después de analizar su voto; Así que la clase no desempeñará un papel en el análisis). Este control se puede hacer manualmente.
  • Depuración: Control estadístico. Hacemos un modelo estadístico, introducimos que la variable X {\ DisplayStyle X} {\ DisplayStyle x}, lo que nos interesa, introducimos variables con una relación fuerte, después de una introducción Las otras variables de control, y si todavía hay un efecto entre x {\ DisplayStyle X} {\ DisplayStyle X} y {\ mostrarstyle y} {\ DisplayStyle y}, eso significa que la relación no fue engañosa. Esto se hace mediante una computadora que calcula la relación entre todas las variables y también considera todas las relaciones de covariation. Al final, determina si hay una correlación falaz o no. El control estadístico es una forma de verificar las variables y pruebe la causa de efecto de causa-eficaz.

Experimento (datos experimentales)

c es el establecimiento de un método experimental. En el análisis de la covariación, actuamos una vez que tenemos los datos en otras palabras, que manejamos después de explotar los datos a priori del dibujo de búsqueda, mientras que en el método experimental actuamos anteriormente (¿Cómo se produjo los datos?). El método experimental se utiliza para evitar una relación falacia, una muestra se divide en dos grupos y elegimos individuos al azar. De acuerdo con la ley de grandes números, se puede demostrar que los dos grupos son similares, por lo tanto, la única diferencia será la variable independiente.

Conclusión: Es una reflexión alrededor de la causalidad; Se ha dicho que la cuestión de la causalidad sigue siendo a nivel teórico, solo podemos tratar de acercarnos a este ideal. Es necesario buscar una correlación, pero es necesario desestimar las hipótesis (contra las variables), si no lo hacemos, puede caerse en una relación causal.

covariation: puede estar cerca de un causal relación, pero es el efecto de un Z {\ DisplayStyle Z} {\ DisplayStyle Z} (variable no observada) que influye en lo que queremos explicar (dependiente) y lo que explicaría Lo que queremos explicar (independiente). Una variable influye en las otras dos variables al mismo tiempo, también existe la posibilidad de una interacción entre las variables explicativas.

¿Cómo controlar las variables para evitar caer en una relación falaz? Hay dos formas:

  • Análisis de covariación: observamos (datos de observación) después de tener los datos.
    • Control: haremos una variable extranjera en constante, cuando tengamos un Supuesta relación entre dos variables que se hace falacas porque hay una tercera variable, tomamos algunas de las personas que corresponden a la segunda variable, por ejemplo, tomamos personas de la misma edad, para la relación de comportamiento. Entre la exposición a la televisión y votar. Así que controlamos este valor, se hizo constante.
  • depuración: es un control estadístico. Depuración para todas las variables.
    • Análisis experimental: establecimos un diseño de investigación que evita la existencia de variables z que pueden afectar nuestro análisis.

Cuatro métodos científicos fundamentales según Arend Lipjhart

Es posible mencionar tres o cuatro métodos:

  1. Método experimental (diferencia de otros)
  2. Método estadístico

son los tres métodos fundamentales que permiten controlar Las variables también dicen «factores explicativos adicionales». El objetivo es probar suposiciones y eliminar algunos compitiendo con los demás.

Los tres primeros métodos en última instancia tienen el objetivo principal de buscar relaciones de causa y efecto, y tratar de eliminar el ruido producido por z {\ DisplayStyle Z} {\ DisplayStyle Z} que podría producir una relación falacia, tienen el mismo objetivo, pero lo persiguen difieren. Los tres establecen propuestas empíricas generales bajo control de todas las demás variables (z {\ displaystyle z} {\ DisplayStyle Z}). Quieren acercarse al enlace teórico de la causa del efecto entre un fenómeno observado y las causas potenciales, hay diferentes grados de éxito, hemos visto que el método experimental y el que está más cerca de los diferentes. Factores explicativos. La idea es llegar a una corroboración empírica de afirmaciones causales.

Método experimental

Principios

  • Atribución aleatoria: Tomamos al azar, todas las personas tienen la misma posibilidad de estar en el grupo experimental o sujeto a Sujetos (en grupos experimentales y control no experimental). Esta idea nace del principio de la ley de grandes números: la variable aleatoria se supone que elimina cualquier otra explicación.
  • Manipulación de la variable independiente (tratamiento), ¿cómo son los grupos iguales? El investigador, en un momento determinado, introduce una entrada en uno de los dos grupos.

Separamos dos grupos que garantizan que los dos grupos sean los mismos en todas las dimensiones, excepto en un uno en el que queremos probar el efecto. Elegir a una persona y otorgarla al azar significa que ambos grupos son similares. Si, entonces, se introduce un tratamiento en uno de los dos grupos y que hay un cambio que no está en el grupo de control, puede haber un efecto causal en una causa de reflexión a efecto. Por lo tanto, se puede concluir que existe un efecto causal en la variable introducida.

Tipos de experiencia

  • En el laboratorio (experimento de laboratorio): estos son los experimentos hechos en Los laboratorios y los individuos se dividen en grupos a quienes se aplican estímulos para lograr un hallazgo del efecto o no efecto. Sin embargo, las personas de sus condiciones naturales pueden llevar a resultados en la caída de la artificialidad de las condiciones experimentales.
  • en el campo (experimento de campo): contexto natural, puede haber otros factores. Quienes intervienen. Estos son experimentos que se han aplicado en la ciencia política. Los principios siguen siendo los mismos con una distribución aleatoria de sujetos en dos grupos; La variable independiente se maneja y luego vemos si ha habido un efecto de tratamiento en el grupo experimental y no en el grupo de control. Por lo tanto, se pueden evitar la crítica de la artificialidad de los experimentos de laboratorio.
  • Dibujo cuasi-experimental (cuasi-experimento): Este dibujo se mantiene en la idea de que el investigador manipula la variable independiente, pero él no hay Atribuciones aleatorias de sujetos a un grupo experimental y un grupo de control. Si lo hacemos, eso es que no podemos distribuir al azar en dos grupos, nos vemos obligados a tomar los grupos que realmente existen. En otras palabras, el investigador controla el tratamiento, pero no puede atribuir a los sujetos al azar. A veces, cuando estamos en el suelo, es difícil hacerlo de manera diferente. En general, es este método utilizado, porque hay un factor que no podemos controlar.

Ejemplo

Un psicológico quería probar los efectos objetivos colectivos sobre las relaciones interpersonales. Quería ver hasta qué punto, cuando uno le dijo a un grupo de persona que hay un objetivo, desaparecen estereotipos negativos conflictivos. Es una experiencia en el lugar en condiciones naturales. Dejó a los niños que interactúan entre sí, los niños están cooperados entre ellos; El investigador intentó crear una identidad colectiva y subdividió el grupo en dos al azar. Los hizo jugar al fútbol; La aparición de rivalidades, o incluso los estereotipos negativos frente al otro equipo. Luego, entregó el grupo juntos fue un objetivo común redefinido para la cooperación. Luego, descubrió que estos conflictos, estos estereotipos negativos, estas hostilidades se transformaron en la cooperación real.

Método estadístico

No podemos hacer un dibujo de investigación que a priori permite probar si hay Son las relaciones de correlación, pero se debe hacer después.

  • Manipulación conceptual (matemática) de datos observados empíricamente: tenemos datos de observación o tratamos de controlar por control estadístico, con correlaciones parciales. Se hace una distinción entre datos experimentales y datos de observación.
  • correlaciones parciales: correlación entre dos variables una vez que salimos del análisis, es decir, para decir que controlan las otras variables que podrían influir en lo que quiere explicar. En otras palabras, es para hacer otro Z como si fueran constantes después de un proceso de depuración. Es una lógica de control variable: controlamos las variables que podrían influir en lo que nos gustaría explicar. En el ejemplo de la votación, todo lo que podría explicar la votación debe tenerse en cuenta, especialmente si se puede pensar que este factor externo puede influir tanto en la votación como en la variable independiente (exposición a los medios). Así que podemos saber si nos acercamos a un efecto causal.

que es importante es ir más allá de un simple análisis bivariado; Tienes que ir a un análisis multivariado o introducido en el modelo explicativo de otras variables.

Método comparativo

Cualquier búsqueda en la ciencia social es por su naturaleza comparativa. Siempre comparamos implícita o explícitamente algo. Podemos cuestionar los objetivos de la comparación. Hemos visto que los objetivos de cualquier método científico están tratando de establecer propuestas empíricas generales controlando todas las demás variables, pero según algunas, como Tilly, hay cuatro objetivos en la comparación, es decir. Las unidades de observación son confrontadas.

Los objetivos de la comparación según Charles Tilly son:

  • individualizar (individualizando): la comparación de individualización: el objetivo es enfatizar y resaltar las características de un análisis dado unidad en un cierto fenómeno; La idea es encontrar comparaciones, para dar una especificidad a un determinado caso dado, en estudios de políticas comparativas, el caso es el país, se comparan los países; El objetivo es, por ejemplo, mostrar ciertas características del sistema político en Suiza en comparación con otros países. La democracia directa determina los valores políticos; La democracia directa suiza puede compararse con los países que no lo tienen. Podemos analizar el impacto de esta característica en las personas. Caracterizar, individualizar, hacer más específicos las características de un país en relación con otro.
  • generalizando (generalizando): no comparamos no individualizar, pero para generalizar, incluimos el mayor número de casos, establecemos propuestas empíricas generales. . Para algunos, la generalización es uno de los dos objetivos principales del método comparativo. Estudiamos los comportamientos que comparamos, queremos ver si las configuraciones y los efectos que se encuentran en un contexto se encuentran en otro contexto.
  • Buscar variaciones sistemáticas (hallazgo de variación): el objetivo es buscar sistemático Las variaciones y prueban una teoría al eliminar las teorías en competencia de las que queremos resaltar. Según Tilly, esta es la mejor manera de comparar. Intentamos probar una hipótesis causal, por lo que descartamos las hipótesis rivales.
  • globalizar (abarcando): el objetivo es globalizar (enfoque sistémico) incluimos a todos los países del mundo, o todas las unidades de comparación posibles . La idea es que si se elimina una de estas unidades de comparación, cambia todo el sistema. Para el profesor Giugni, este no es un enfoque comparativo, porque no comparamos.

Hay diferentes objetivos de la comparación; En comparación con la selección de casos.

estrategias de comparación para variaciones sistemáticas (Przeworski y Teune) Podemos distinguir entre dos estrategias de comparación, son lógicas y formas de proceder metodológicamente en la elección de los casos. Estas son formas de tratar el tema de la causalidad cuando tenemos datos de observación. Existe una distinción entre dos diseños de investigación comparativos, es la comparación de casos análogos (similar) y por caso de contraste (difieren). Cada una de las posibilidades tiene sus ventajas y desventajas.

  • comparación entre casos de contraste (diseño de sistemas más diferentes): elegimos casos que son los más diferentes comparación posible
  • entre casos Analogos (Diseño de sistemas más similares): tiene como objetivo controlar todas las variables, excepto que queremos analizar (ejemplo Francia – Suiza).

Skocpol, T. y Sr. Somers (1994). «Los usos de la historia comparativa en la investigación macrosocial». En Theda Skocpol (Ed.), Revoluciones sociales en el mundo moderno. Cambridge: Cambridge University Press.

Stuart Mill se refleja en cómo analizar este enlace causal. Al seleccionar diferentes casos para alcanzar este ideal, apuntamos a la relación porque el efecto. Pero no estamos en el contexto del control estadístico. En nuestro caso, a través de la selección de casos, Intentamos acercarnos a este ideal.

Stuart Mill Distingue dos casos:

  • El método de AGREMENTE (el diseño del sistema más diferente): la lógica es elegir muy diferente Los países, pero son iguales en un factor clave. Hay x que está presente en todas partes. Luego observamos allí, entonces hay una similitud en el nivel de la variable y que queremos explicar. La lógica es decir que estamos Buscando países donde encontremos el mismo fenómeno que es el que queremos probar el efecto. Observamos lo que está pasando E es que cada vez que haya x, encontramos Y.En este momento, se produce por X porque no puede ser producido por otra cosa, porque otros factores en los países son diferentes, lo encontramos en cualquier otro lugar. La lógica es elegir casos muy diferentes en la mayoría de los factores que se pueden pensar y luego veremos si hay un acuerdo con la variable que uno quiere explicar y el que explica.
  • El método de diferencia (el diseño del sistema más similar): estamos buscando países que parezcan lo más posible. Podemos distinguir entre casos positivos y negativos. Buscaremos casos que factorizan los casos A, B y C y negativos que también tengan un A, B y C. En casos positivos hay un factor presente que no está presente en el caso negativo. Por lo tanto, la votación está presente cuando X está presente y está ausente cuando X está ausente. La conclusión es que x es la causa del efecto y, porque la presencia al menos de Y no puede haber sido producida por A, B y C. A, B y C constantemente.

Ejemplo: el diseño del sistema más diferente: tenemos tres casos (1, 2, n); Un caso puede ser individuos, países, etc. Tenemos una serie de cualidades para estos casos. Estas son características de los diferentes países (desempleo, desarrollo), X es la variable independiente y queremos explicar Y. En esta lógica de comparación, los casos son muy diferentes, pero solo son similares en una propiedad. Así que esta variable explica el factor porque es el único factor común. En la Tabla 2 tenemos casos positivos y negativos; Estos casos son perfectamente similares en un número más alto posible de atributos, propiedades y variables, pero hay una diferencia crucial en lo que se supone que explica lo que queremos explicar. Hay un factor que no está presente. En un caso hay en el otro paso; La diferencia se atribuye a la variable que no está en ambos casos. Este método intenta acercarse al enfoque experimental porque se garantiza que los dos grupos sean lo más cerca posible (se asemejan a A, B, C), pero difieren con la variable independiente, la mayoría del diseño del sistema Simila. El profesor Giugni prefiere de esta manera porque se acerca al ideal de la experimentación. Un ejemplo es estudiar en dos años estudiantes que asisten y cambian las diapositivas que se dan. Luego, comparamos el resultado final (la calificación promedio) en ambos casos.

Ejemplo: la mayoría del diseño del sistema SIM: comparo a los países similares (Francia y Suiza), y quiero demostrar que la policía francesa La represión es más fuerte, es el único factor difiere entre dos países. Luego encontramos que la radicalización de los movimientos sociales es más fuerte en Francia. El problema es que «A», a saber, los factores son similares entre los dos países, nunca son iguales, pero solo son similares (este problema solo se encuentra con el método del diseño de investigación más SIMRE, es por lo que hay investigadores que Prefiere el otro enfoque, en el que se deben encontrar las diferencias), solo podemos acercarnos al ideal. Además, encontramos el problema de la endogeneidad que es decir, saber qué factor influye en el otro.

Estudio de caso

Es un método más cualitativo, difiere de los otros tres métodos Porque están más orientados a la investigación cuantitativa-positivista. Hay algunas distinciones hechas por Arend Lipihart, existe una especie de escisión, una distinción entre los datos experimentales y, por otro lado, los datos de observación.

Mientras se basa el método experimental. En la idea de Grandes números, el método comparativo un cierto número de casos que pueden variar, el estudio de caso solo se basa en un caso. Sin embargo, se puede considerar un estudio de caso que puede extenderse sobre más de un caso porque la frontera a veces es flexible.

El estudio de caso es solo el estudio de un solo caso, no tiene comparación. Un caso puede ser muchas cosas como una fiesta, una persona o un país. Intentamos estudiar en profundidad un caso particular, pero no extensivamente como los otros tres métodos que no estudian los casos en profundidad.

En otras palabras, la gran ventaja del estudio de caso es que podemos Ve mucho más en profundidad en la atención del caso. Un estudio de caso es por definición intensiva, mientras que el estudio cuantitativo es extenso. Un método se basa en las normas con la idea de generalizar, mientras que la otra se basa en la interpretación profunda de un caso específico.

Si el método objetivo es generalizar, el estudio de caso por definición no permite la generalización , el objetivo es otro. Hay diferentes estudios de caso y diferentes modalidades para realizar un estudio de caso.Se puede mencionar 6 variantes:

  • Los dos primeros que estaban interesados en el caso específico.
  • Las otras cuatro modalidades tienen un objetivo de crear o generar una teoría.

El estudio de caso se puede usar para lograr objetivos diferentes, por un lado, queremos conocer una situación particular de una manera descriptiva, por otro lado, podemos estudiar varios casos para generar un evento de teoría .

Según Arend Lipihart, el propósito de la búsqueda es probar y verificar una teoría, así como para generalizar los resultados.

Estos dos casos no quieren crear hipótesis, la idea es iluminar algo de un caso:

  • ateorético: no hay teoría, es puramente descriptivo. Es una investigación exploratoria, por ejemplo, el estudio de una nueva organización, solo queremos conocerlo y describirlo, en este caso, no podemos generalizar los resultados porque están vinculados a un caso particular estudiado en particular.. Se utiliza en situaciones o casos que nunca se han estudiado antes.
  • interpretativo: utilizamos propuestas teóricas que existen en la literatura, en este enfoque cualitativo, el papel de la literatura es menos importante, se aplica una generalización existente. A un caso determinado, aquí, el caso se relaciona con un caso específico, sin la voluntad de crear una teoría como Atheoria. El objetivo es no confirmarlo ni invalidarlo, pero es solo para aplicarlo. Propuestas existentes o teorías que se aplican a un caso; Las generalizaciones existentes se aplican para ver si la generalización tiene este caso específico. Interpretamos una situación particular a la luz de una teoría existente.

Los cuatro que siguen desean crear una teoría o sacar algo de los casos. Su objetivo es crear o generar teorías o hipótesis:

  • generando hipótesis: queremos crear suposiciones donde no haya ninguno. Estudio un caso no solo porque me interese, sino porque quiero hacer suposiciones que voy a probar en otro lugar. Ej: Organización que comete política. Estudiamos una situación dada porque queremos hipótesis que no se pueden encontrar en otros lugares. Un caso se explora en el objetivo de formular hipótesis. Las hipótesis tienen principalmente tres fuentes: la literatura existente, la imaginación sociológica, los estudios exploratorios.
  • confirmando una teoría: Para probar una teoría en un caso particular para confirmar esta teoría, este tipo de estudio de caso no es muy Útil porque no es el hecho de que haya un caso que refleje una teoría existente que fortalecerá la teoría de que este sistema no es muy útil.
  • Note una teoría: esto tiene mucho más valor, hay un Teoría que se aplica en un caso específico, no buscamos confirmar la teoría, sino que demuestre que no funciona, tratamos de invalidar una teoría. Esto nos empuja a reflexionar sobre la teoría, es algo importante con el fin de desarrollar una teoría.
  • Caso desviado: ¿Por qué un caso se desvía de la generalización, este caso es muy útil cuando queremos enfermar una teoría? Estamos buscando una situación que se desvíe de una situación existente, el estudio de caso busca mostrar por qué este caso se desvía de la generalización.

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *