Mtodos de investigacin

ndice Mtodo Delphi Mtodo de analoga Extrapolacin Aplicar un modelo estadstico Aplicar un modelo causal Evaluar y describir la incertidumbre Visiones del futuro Cuando miramos hacia el futuro, podemos elegir nuestro punto de vista de entre varias alternativas, del mismo modo que al estudiar el pasado. Estas visiones alternativas comprenden: El enfoque normativo es una descripcin de un futuro deseable, pero que quizs despus podra convertirse en real. Esto es bsicamente la misma accin que planificar o desarrollar una actividad o el diseo de objetos, cuyos mtodos estn bien documentados en la bibliografa y no precisan ser tratados aqu. Las imgenes descriptivas del futuro son de dos tipos: Escenarios de posibles futuros. Despus pueden ser usadas por nosotros o por otros para ilustrar posibles alternativas, para ayudar a seleccionar lo mejor de ellos y a realizarlos. Las "Utopas" son esos "posibles futuros", escritas en estilo de ficcin. El futuro probable. La prediccin puede ser usada para ayudar a la gente a prepararse para lo inevitable. Una prediccin corriente de este tipo es la del tiempo que har maana. Las dos ltimas imgenes, muy particularmente la ltima de todas, ha sido llamada tradicionalmente prediccin o pronstico. Estas actividades son algo corriente en casi todas las ciencias hoy, y de hecho con frecuencia inseparables de los procesos normales de investigacin de muchas ciencias. Parece un tanto superfluo designarlas separadamente como "una ciencia del futuro" o "futurologa". Despus de todo, lo importante en el pronstico es el asunto de que se ocupa, no el hecho de que se site en el futuro. En el pronstico, las preguntas tpicas que intentamos responder son

Qu ocurre al objeto "A" en el tiempo "B" si la evolucin se deja continuar sin interferir? Que sigue a esto si recurrimos a la manipulacin "C" ? Las respuestas a ambas preguntas son buscadas con los mismos mtodos. Hay varios mtodos alternativos. La eleccin depende de la naturaleza de la informacin de que se dispone para sustentar el pronstico.

Mtodo Delphi
El mtodo ms primitivo de pronstico es adivinar. El resultado puede ser calificado de aceptable si la persona que hace la adivinacin es un experto en el asunto. Una cosa importante que hay que hacer notar es que la adivinacin es el nico mtodo que puede hacer uso del conocimiento tcito que el especialista no ha sido capaz de expresar en palabras o cifras exactas. El mejor mtodo para obtener tal pronstico del experto es la entrevista no estructurada. El mtodo de la entrevista nos permite inquirir sobre las razones y explicaciones para el pronstico presentado, que podra optar por criticar y as intentar llegar a un pronstico mejorado. Cuando entrevistamos a un experto puede que tambin aprendamos algo que ms tarde podamos usar si preferimos construir nuestros propios pronsticos con otros mtodos. Podemos en ocasiones conseguir nombres y direcciones de expertos que vivan lejos y a los que sera difcil entrevistar. Para consultar a tales expertos, podemos recurrir a un cuestionario en lugar de a la entrevista. Si deseamos preguntar a varias personas simultneamente, podramos considerar el uso del mtodo Delphi. En al mtodo Delphi, el investigador dirige preguntas idnticas a un grupo de expertos, pidindoles que den sus suposiciones sobre el futuro desarrollo del tema especfico. En el siguiente paso, el investigador hace un sumario de todas las respuestas que ha recibido, las enva a sus correspondientes y les pregunta si algn experto quiere revisar su

respuesta original. Puesto que es difcil hacer sumarios de algo distinto de respuestas cuantitativas, las preguntas que se usan en el procedimiento Delphi suelen ser cuantitativas, como "Cul ser el precio del crudo en dentro de 20 aos?" Sobre la base de este tipo de respuestas, el investigador ser capaz de calcular por ejemplo las medias y los rangos. Una ventaja del mtodo es que siempre se puede usar el rango como una medida de la fiabilidad del pronstico. Por supuesto, nada impide que se usen preguntas cualitativas o de cualquier otro tipo si la naturaleza del objeto as lo exige. Si los encuestados se prestan al esfuerzo suplementario, se les puede pedir que justifiquen su opinin, especialmente si difiere de la de la mayora. El procedimiento Delphi se repite normalmente hasta que los encuestados ya no tengan intencin de ajustar sus respuestas. El mtodo Delphi no es muy fiable. Despus, con los resultados de cuestionarios, suele que se haba predicho el curso real de los acontecimientos notablemente mal. La mayora de incluso eminentes especialistas puede equivocarse, y aquellas pocas personas que podran haber hecho una prediccin correcta, tal vez nunca se habran seleccionado para el grupo Delphi de expertos. "Si hubieras predicho el colapso del muro de Berln un ao antes de que ocurriera, habras mostrado que no eres un experto en poltica."

Mtodo de la analoga
Los mejores mtodos de pronstico utilizan algn tipo de modelo que se supone reproduce las relaciones entre los diversos aspectos, atributos, y variables de los acontecimientos que se predicen. Un mtodo para conseguir tal modelo es tomarlo prestado de un sistema "forneo".

Podemos tener buenas razones para creer que ambos sistemas se comportarn del mismo modo. Entonces elegimos un sistema forneo que ha alcanzado un estadio relativamente "posterior" o "ms maduro" en el desarrollo que el sistema "domstico" sobre el que estamos pronosticando (esto es el punto crucial en la lgica). Habitualmente el sistema forneo, o su entorno, tienen varios rasgos que difieren del que se va a predecir, lo que va en detrimento de la credibilidad de nuestra prediccin. As que tendremos probablemente que hacer cierto nmero de correcciones. Una diferencia tpica entre los sistemas se refiere a su tamao (junto a la obvia diferencia de que el sistema "forneo" ha sido medido en el pasado y el sistema "domstico" ha de continuar en el futuro). Casos tpicos del mtodo de la analoga son las predicciones de economas nacionales. El sistema forneo se toma de los EE.UU o cualquier otro pas "desarrollado", y este modelo se aplica entonces para predecir la economa nacional de un pas "menos desarrollado". Las variables tpicas pronosticadas de este modo estn vinculadas a la produccin industrial, el Producto Nacional Bruto, y a cifras que describan el consumo, como el nmero de coches y la cantidad de trfico. En los ejemplos de ms arriba los sistemas se describen con variables cuantitativas; sin embargo, podemos igualmente usar el mtodo de la analoga incluso cuando nuestros modelos son cualitativos. Un ejemplo de esto es el libro de Alvin Toffler The third wave [La tercera ola] (1980), donde la analoga de la ola es usada para describir la evolucin desde la sociedad agrcola a la industrial, y ms tarde a la sociedad de la informacin.-- Oswald Spengler, en el libro Untergang des Abendlandes [La decadencia de Occidente], explica cmo las culturas antiguas de Egipto, Roma y muchos otros pases se desarrollaron como plantas o animales que nacieron, crecieron, florecieron, declinaron y murieron; Spengler hizo la prediccin de que la cultura occidental, de forma analga, seguira el mismo patrn.

Extrapolacin
La extrapolacin es el mtodo ms habitual de pronstico. Se basa en suponer que el curso de los acontecimientos continuar en la misma direccin y con velocidad constante (o con una velocidad creciente o decreciente a un ritmo constante = una extrapolacin logartmica). La base para una extrapolacin ser el conocimiento sobre el reciente desarrollo del fenmeno. Necesitaremos al menos dos (aunque habitualmente tenemos ms) observaciones secuencias hechas en puntos conocidos en el tiempo. Las observaciones son habitualmente registradas como variables cuantitativas, medidas con algn tipo de escala. En otras palabras, nuestro material consiste en una serie cronolgica. Si tenemos ms de dos observaciones, tenemos la opcin de elegir el nmero de observaciones sobre el que basaremos la extrapolacin. Si sentimos que las ltimas observaciones tienen mejor capacidad predictiva que las anteriores, puede que prefiramos hacer caso omiso de las primeras observaciones. Una alternativa es dar ms peso a las ltimas observaciones que a las primeras. Si decidimos usar un amplio nmero de observaciones (en otras palabras, estamos extrapolando la tendencia) probablemente desearemos hacer los clculos con un programa de anlisis de regresin. El mtodo de extrapolacin se aplica tpicamente a las variables cuantitativas. Adems, la prediccin muchas veces se desarrolla tambin en trminos verbales cualitativos, para hacer ms fcil que sea aprehendida. Un ejemplo es el libro Megatrends de Naisbitt (1982). No obstante, nada impide extrapolar tendencias que se describan enteramente en trminos cualitativos. El principio es el mismo: Comenzamos con dos o ms observaciones que se hicieron en distintos puntos en el tiempo, nos fijamos en las diferencias entre ellas, aadimos estas diferencias (tal vez ulteriormente ampliadas) al informe de la ltima observacin, y aqu tenemos nuestro pronstico.

Suele ser prctico el describir los artefactos existentes con ayuda de imgenes y otros modelos icnicos, y esta forma de presentacin es prctica incluso para las extrapolaciones. El el libro Industrial Design, Raymond Loewy combin dos enfoques: el histrico y el predictivo. En la pgina 74 del libro encontramos el "grfico de evolucin del diseo" que muestra el desarrollo de 1900 a 1942. El comienzo de la serie se muestra en otra parte y la continuacin a la derecha. La ltima imagen es el pronstico de Loewy que ste cre sobre la base de la tendencia de la serie entera, siendo aqu la tendencia principal el movimiento gradual hacia un diseo ms aerodinmico. La debilidad innata de toda extrapolacin estriba en que stas slo pueden atender a aquellos procesos o fuerzas que estn ya interviniendo. Siempre ignoran los impactos nuevos que empiezan a actuar slo en el presente o en el futuro. Con frecuencia se da una situacin en que gradualmente habr ms y ms nuevos impactos. En tales circunstancias, el mtodo de la extrapolacin suele dar resultados tiles slo para periodos relativamente de corto plazo.

Modelo estadstico
Si nuestras mediciones se refieren a dos o ms variables, su anlisis estadstico puede producir una asociacin estadstica entre las variables. Podra haber, por ejemplo, una correlacin lineal que podemos entonces, con ayuda de un anlisis de regresin, expresar como una ecuacin del tipo y = ax + b. O, podra haber otros tipos de relaciones, como puedan ser: La Curva de Gauss es una opcin posible si esperamos que el fenmeno

tenga lugar slo una vez. La curva de seno cclico es algo habitual cuando el fenmeno tiene lugar varias veces secuencialmente, como pueda ser cuando tiene lugar un ritmo anual. La curva de seno decreciente, cuya oscilacin disminuye su intensidad con el tiempo, aproximndose a una lnea recta hacia su final. Predecir sobre la base de modelos estadsticos suele ser factible y exitoso incluso cuando no sabemos la razn o explicacin de la asociacin matemtica que hemos encontrado en los datos histricos. El mtodo podra dar una prediccin correcta incluso en un caso en que la explicacin que hemos supuesto para la asociacin estadstica existente estuviera bastante equivocada! Ejemplos histricos famosos de prediccin sobre la base de modelos matemticos fueron slo los clculos astronmicos en la antigua Mesopotamia, y los de Ptolomeo en Grecia. Los ms, tal vez todos, de estos primeros cientficos crean que la tierra era el centro del universo y que el sol, la luna y los planetas simplemente se movan en torno a ella. Sin embargo, los modelos matemticos de estos movimientos aparentes eran acertados y produjeron predicciones correctas de las salidas y puestas del sol y de la luna, as como de eclipses. Si ahora una de las variables independientes (x en la ecuacin y = ax + b) es el tiempo, slo es necesario insertar cualquier punto en el tiempo futuro en el lugar de la variable independiente, y obtendremos un pronstico del la variable dependiente. Algunas veces la serie cronolgica que deseamos extrapolar incluye simultneamente varios tipos de variacin. Junto a la tendencia, que se trat ms arriba, suele haber uno o varios tipos de variacin estacional. Si este es el caso, el mtodo normal es analizar primero la serie cronolgica, dividindola en sus componentes discernibles. Tras esto, continuamos haciendo pronsticos separados para todos los componentes (la tendencia

y las distintas variaciones estacionales, si procede) y solamente en la ltima fase recombinamos los componentes. Si, por ejemplo, deseamos pronosticar, el consumo de energa para calefaccin de un edificio industrial, nuestro anlisis de datos pasados revelar probablemente que la variacin del consumo ha estado siguiendo simultneamente varios patrones. Algunos patrones se deben al ritmo de trabajo de la empresa, que normalmente vara con tres frecuencias: a lo largo del ao, semanalmente y con un ritmo diario, y quizs con respecto a las coyunturas del negocio. Por otra parte, puede haber tendencias lineales, causadas quizs por un cambio gradual a mquinas mayores, o alternativamente a mtodos y mquinas con ahorro energtico. El pronstico se hace ahora estimando todas las variaciones cclicas, una por una, calculando entonces sus continuaciones, y finalmente combinando todas estas a la vez con una extrapolacin de la tendencia. Suele ser ventajoso el usar un mtodo para el pronstico para el corto plazo y otro para los periodos de largo plazo. Para el futuro prximo, se usa con frecuencia la extrapolacin lineal, mientras que ocurre con frecuencia que el sentido comn, la investigacin, u otra fuente de conocimiento general, nos dicen que la evolucin que estamos pronosticando est sujeta a lmites preestablecidos que dictan los acontecimientos ms prximos, sino ms bien un futuro ms distante. Podemos, por ejemplo, estar estudiando el crecimiento de una planta sabiendo que el crecimiento constante alcanzar en su momento un fin. Si este es el caso, podemos combinar dos mtodos de pronstico: extrapolamos slo los valores ms cercanos, mientras que basamos el pronstico de los valores posteriores sobre una ley general. Un ejemplo tpico de tales desarrollos a largo plazo son: La curva-s es habitual si el crecimiento tiene lmites naturales, como es el caso de las plantas, y con los recursos naturales de la tierra,

La "curva de catstrofe" describe el fin de un desarrollo que ha tenido un comienzo gradual, suave, pero para el que, sin embargo, se prev que ir al final hacia una completa extincin, tal vez abrupta. Hay grandes riesgos en pronosticar sin saber las razones de las asociaciones estadsticas. La mayor parte de los pronsticos cientficos de las economas nacionales son bien conocidos por su baja fiabilidad, lo que, desde luego, es un resultado de la falta de comprensin de las conexiones factuales de las variables de la economa. Hablando de modo general, debemos siempre tratar de descubrir la explicacin racional que hay tras la asociacin estadstica que vamos a usar como base de nuestros pronsticos. Siempre es ms seguro pronosticar sobre la base de un modelo causal (descrito ms adelante), que pronosticar solo sobre la base de la asociacin estadstica.

Modelo causal
El mtodo ms exacto de prediccin, es decir, el modelo causal, es posible si hemos obtenido -mediante investigacin-, un modelo que muestre cmo los atributos y variables que han de predecirse dependen entre s. En el mejor caso una de las variables en el modelo es el tiempo: entonces introducimos el ao correcto en el modelo, e inmediatamente se convierte en el pronstico deseado. Si el tiempo no se incluye en el modelo causal, el modelo puede seguir siendo de ayuda, porque solemos poder predecir el desarrollo de sus variables ms fcilmente que el futuro del sistema entero. El modelo causal suele ser tan complicado que se maneja mejor usando un ordenador. Incluso entonces, necesitaremos habitualmente una presentacin ilustrativa de nuestro modelo para clarificar nuestro pensamiento y finalmente presentarlo en el informe. En dicha ilustracin necesitaremos un sistema de notacin para describir las distintas

relaciones lgicas entre las variables. El programa de ordenador normalmente ser capaz de mostrar el modelo, usando sus notaciones incorporadas. Si no podemos encontrar sistemas de notacin ya listos para usar, podemos idear uno. Un famoso ejemplo de modelo causal amplio fue creado por el llamado Club de Roma en 1972. Este modelo, publicado en el libro Los lmites al crecimiento, consiste en docenas de variables, incluyendo la poblacin mundial, tasa de nacimientos, produccin industrial y agrcola, los recursos no renovables y la contaminacin. En el modelo, los niveles, o cantidades fsicas que pueden ser medidas directamente, se indicaron con rectngulos, las tasas que influyen en esos niveles con vlvulas variables auxiliares que influyen en las ecuaciones de las tasas con crculos . Los lapsos de tiempo se indicaron con secciones dentro de rectngulos. Los flujos reales de gentes, bienes, dinero, etc. se representaron por flechas continuas y las relaciones causales con flechas discontinuas. Las nubes representan fuentes o "pilas" (salidas de material) que no son importantes para el comportamiento del modelo. El Club de Roma comenz a formar su "Modelo mundial" construyendo primero cinco submodelos. stos se concentraron en las cinco "cantidades bsicas": poblacin, capital, alimento, recursos no renovables restantes (medidos fraccin restante ahora de las reservas de 1900), y polucin. Uno de los subsistemas incluy las relaciones causales y los bucles de respuesta entre poblacin, capital, agricultura y polucin (fig. de la derecha). Finalmente los investigadores combinaron los cinco submodelos y as crearon el modelo mundial final, parte del cual se ilustra abajo. Cuando se usa un modelo causal como base de nuestra prediccin, debemos tener en mente que el modelo normalmente ha sido producido estudiando cierta poblacin, lo que significa que el modelo es vlido slo en ese contexto. No debemos generalizar de forma demasiado poco escrupulosa y afirmar que el modelo ser tambin vlido en el entorno , y las

futuro que estamos pronosticando. Si, no obstante, pretendemos simplemente hacer eso, debemos considerar cuidadosamente lo siguiente: Qu aspectos del entorno futuro van probablemente o posiblemente a diferir del contexto del objeto original de estudio? si estas diferencias pueden influir nuestros resultados.

La incertidumbre
No hay demasiados mtodos para predecir la fiabilidad de nuestras predicciones. Uno de los mejores es la triangulacin: hacer predicciones paralelas con distintos mtodos si ello es posible. Si distintos mtodos llevan a pronsticos distintos, ello nos da una idea del rango de incertidumbre. El anlisis de sensibilidad es otro mtodo que, sin embargo, funciona slo con modelos numricos. La mayor parte de los mtodos de pronstico nos permiten calcular cul ser el resultado si una de nuestras suposiciones del comienzo o un elemento en los datos de entrada vara. O, si creemos saber el error probable de una de nuestras suposiciones, podemos usar este conocimiento para calcular el error probable del pronstico resultante. Una vez que el investigador ha desarrollado para l mismo una aproximacin de la probabilidad del pronstico, la prxima tarea es revelar esta probabilidad igualmente a su pblico. Muchos mtodos habituales de presentacin del pronstico (como los diagramas) son muy exactos, de hecho su exactitud con frecuencia se corresponde mal con la incertidumbre del pronstico. En lugar de ello, el investigador debe seleccionar una presentacin del pronstico que de la impresin correcta del grado de incertidumbre. Hay, de hecho, varios mtodos que pueden usarse para describir el error probable o la posibilidad de que llegue a cumplirse un pronstico:

La variacin probable. Esta es de hecho la manera normal cuando se usa el mtodo Delphi, que prcticamente siempre produce un amplio conjunto de distintas profecas hechas con varios mtodos. Si las preguntas en cuestionario del mtodo Delphi son cuantitativas, podremos calcular una expresin para la dispersin de las respuestas, como puede ser su rango. A veces, ser tambin posible calcular la probabilidad de que el resultado factual no exceda el rango. Una curva difusa. Esto puede realizarse dibujando la curva como una lnea gruesa o hecha a mano. Una escala difusa. Por ejemplo, el Club de Roma deliberadamente escogi el omitir las escalas de las variables y tambin hizo la escala horizontal un tanto vaga (consistiendo slo de los valores 1900 y 2100). Esto era porque queran indicar que los valores numricos eran aproximados (ibid., p. 123). Explicacin verbal, incluso cuando el pronstico ha sido cuantitativo, puede ser usada para describir la probabilidad del pronstico. El inconveniente es que la gente tiene distintas nociones de lo que pueda significar "probable", por ejemplo.

Escenarios paralelos.
Los escenarios paralelos son bastantes fciles de montar si tenemos un modelo matemtico como base para el pronstico: todo lo que se necesita es alimentar al modelo con varios conjuntos alternativos de datos. Por ejemplo, el ya mencionado Club de Roma hizo una serie de escenarios introduciendo distintos en un nico modelo causal de las relaciones pertinentes, mostrado anteriormente. Su escenario "estndar", mostrado arriba, supone que todas las variables

siguen sus valores histricos de 1900 a 1970. Alimento, produccin industrial, y poblacin crecen exponencialmente hasta que la disminucin repentina de recursos fuerza una ralentizacin en el crecimiento industrial. El crecimiento poblacional finalmente se detiene por una subida en la tasa de mortalidad debida a la alimentacin y servicios mdicos que se han reducido. Hay otro escenario del mismo libro (fig. 36) que se muestra a la izquierda. Aqu las reservas supuestas de recursos fueron duplicadas, mientras que todas las otras suposiciones se mantuvieron idnticas al escenario "estndar". La industrializacin puede ahora alcanzar un nivel ms alto. Las grandes plantas industriales emiten polucin en tales tasas, sin embargo, que los mecanismos de absorcin del entorno llegan a estar saturados. Entonces la polucin causa un inmediato incremento en la tasa de mortalidad y una cada en la produccin de alimentos.

Un tercer escenario de Los lmites al crecimiento (fig. 44, a la derecha) es idntico al "estndar", excepto en que la poblacin se supone que permanece constante tras 1975. La produccin industrial contina creciendo exponencialmente hasta que la reduccin de los recursos no renovables lleva a un repentino colapso del sistema industrial. Sobre la cuestin de informar sobre la investigacin, se incluye un captulo separado.