A menudo se piensa que el principal motivo de rechazo editorial de un artículo en una revista científica internacional de alto impacto radica en la dificultad de los autores de comunicarse fluidamente en un segundo idioma, como el inglés, pero la evidencia indica que esto no es más que un mito (George, 2012). De hecho, en la era de la inteligencia artificial, hoy más que nunca, los autores no nativos en inglés cuentan con numerosas herramientas que colaboran en la edición de sus manuscritos [ver, por ejemplo, Khalifa y Albadawy (2024)], sobre todo en aspectos relacionados con la gramática, la coherencia, la cohesión y el uso del lenguaje. Pero estas acciones, por sí mismas, no suelen ser suficientes para garantizar un proceso de revisión que culmine con la publicación exitosa del manuscrito.

Como señalan Rynes et al. (2005) en su célebre editorial publicado en el Academy of Management Journal, revista líder del campo de la Administración y los Negocios, titulado “Everything you’ve always wanted to know about AMJ (but may have been afraid to ask)” [“Todo lo que siempre quisiste saber acerca del AMJ (pero que quizás tuviste miedo de preguntar)”], entre las principales razones que explican el rechazo editorial se encuentran: un anclaje insuficiente del problema de investigación en la literatura previa, una contribución teórica limitada, una sustanciación indebida de las hipótesis, una operacionalización débil de las variables de interés, una relevancia práctica insuficiente y un diseño metodológico inadecuado e inconsistente. Todos estos elementos pueden agruparse en lo que Edmondson y McManus (2007) denominan ajuste metodológico (por su nombre en inglés, methodological fit).

En este contexto, el ajuste metodológico representa la interrelación efectiva entre cuatro elementos centrales que determinan la consistencia interna de una investigación: la literatura previa, el propósito, el diseño metodológico y la contribución. Como sugiere la Figura 1, si alguno de estos componentes se encuentra desarticulado del resto, la investigación se torna inconsistente y, por lo tanto, enfrenta un riesgo elevado de rechazo. En otras palabras, un estudio con estas características probablemente sea incapaz de convencer a los principales actores de un proceso de evaluación de que merece ser publicado (en el caso de un artículo), justifica el otorgamiento de un financiamiento específico (en el caso de un proyecto), supera favorablemente una auditoría (en el caso de un informe técnico) o está en condiciones de ser sustentado ante un tribunal (en el caso de una tesis o disertación).

Siguiendo las ideas de Edmondson y McManus (2007), el primer componente del proceso de ajuste metodológico es la literatura previa. Puede ser vista como una “conversación” entre académicos de un campo que permite identificar acuerdos sobre conceptos, modelos consolidados, operacionalizaciones dominantes de constructos y métodos reconocidos [“lo que se sabe”, en los términos de Grant y Pollock (2011)], pero también debates actuales, áreas sin explorar, preguntas sin responder y limitaciones sin resolver [“lo que no se sabe”, según Grant y Pollock (2011)]. Se trata de un diálogo académico vigente y “en movimiento” sobre un determinado tema en el cual aspiramos a que nuestra voz “resuene” con los hallazgos de nuestro trabajo. Dado que actúa como un contexto relativamente fijo en el cual se inserta el estudio y su contribución, la literatura previa es indudablemente uno de los elementos sobre los que el investigador no tiene control, es decir, no puede modificarla para “ajustarla” a lo que “quiere hacer” en su proyecto.

Figura 1.
Componentes del ajuste metodológico
Fuente: elaboración propia a partir de Edmondson y McManus (2007).

La revisión de la literatura previa permite, por ejemplo, identificar áreas en las que existe un alto grado de controversia y disenso, cuestionamientos a presunciones establecidas, definiciones ambiguas, constructos poco establecidos y operacionalizaciones imprecisas, a las que Edmondson y McManus (2007) denominan teorías nacientes, donde se brindan respuestas tentativas a interrogantes novedosos y se proponen nuevas conexiones entre fenómenos. En el otro extremo, están las áreas donde se observa mucho conocimiento y consenso acumulado, identificándose constructos y modelos consolidados que son estudiados a través del tiempo cada vez con más precisión, denominadas teorías maduras. En el medio de este continuo se encuentran las teorías intermedias, donde conviven constructos establecidos con otros más novedosos, y se proponen nuevas relaciones y explicaciones provisorias entre ellos. En esta nota editorial nos concentraremos en los casos más extremos y dedicaremos un próximo trabajo a la discusión de las teorías intermedias.

En este contexto, conocer el estado de la literatura previa es fundamental para identificar brechas de investigación de las que se desprendan propósitos (u objetivos) viables, pero también relevantes. Este concepto de relevancia se encuentra profundamente relacionado con el de utilidad, ya que, como argumentan Grant y Pollock (2011) en su editorial “Setting the hook” del Academy of Management Journal, sólo porque alguien no haya explorado un determinado interrogante en el pasado no significa que valga la pena hacerlo en la actualidad. Resulta clave, entonces, que el investigador logre desarrollar una lógica clara, persuasiva y convincente que justifique por qué es necesario dirigir la conversación académica en esta nueva dirección y que anticipe qué aprenderemos de ello como comunidad. Por supuesto, el objetivo de la investigación será diferente según la literatura previa (o “la conversación académica”, como hemos dicho antes) se encuentre en un estado naciente, intermedio o maduro.

Frente a teorías más bien nacientes, los investigadores no saben de antemano cuáles son los procesos y constructos clave. Las preguntas de investigación tienen base exploratoria, responden a una lógica, por lo general, inductiva y suelen surgir de vacíos en la teoría existente, de hallazgos inesperados en el campo o de cuestionamientos a supuestos tradicionalmente aceptados. En este sentido, las preguntas de investigación están diseñadas para generar nuevas teorías “sugerentes” o proposiciones “provisorias” que inspiren futuras indagaciones, evitándose formular hipótesis sobre relaciones específicas entre variables. Por el contrario, frente a teorías más bien maduras, el amplio desarrollo de antecedentes teóricos y empíricos sobre el tema permite construir argumentos claros, lógicos y convincentes de los que se deducen hipótesis comprobables y específicas, proceso que Sparrowe y Mayer (2011) denominan sustanciación de las hipótesis deductivas. Esto facilita que los académicos, en el contexto de teorías maduras, puedan enfocarse en refinar una teoría consolidada, probar una teoría en un entorno nuevo, identificar las condiciones de límite de una teoría, desafiar una teoría establecida, examinar un mecanismo mediador, describir los efectos de un mecanismo de moderación o proporcionar nuevo apoyo en favor o en contra de trabajos anteriores.

Ahora bien, establecer un objetivo relevante en el contexto de la literatura disponible no es suficiente para asegurar la consistencia interna de la investigación. Es necesario que, además, se elija el enfoque y diseño metodológico más apropiado y efectivo para lograr el propósito propuesto. Esto implica definir el contexto en el que se realizará el estudio, la población donde se examinará el fenómeno, el tipo de estructura de datos con la que se necesita contar, la muestra que se utilizará, las técnicas de muestreo con las que se seleccionarán las unidades de observación y las estrategias con las que se recolectarán y analizarán los datos. Una buena revisión de la literatura previa ciertamente contribuye a que estas decisiones sean más efectivas, acrecentando así la consistencia interna de la investigación y las posibilidades de aceptación del manuscrito.

Por lo general, los estudios en campos maduros suelen recurrir a enfoques cuantitativos y a estructuras transversales de datos recolectados a través de encuestas y, en particular, escalas de auto-reporte, en muestras no probabilísticas (Spector, 2019). Así lo reveló, por ejemplo, una revisión exhaustiva de la literatura empírica sobre riesgos psicosociales en Latinoamérica realizada en cinco bases de datos líderes como la Web of Science, Scopus, ProQuest, LILACS y SciELO (Pujol-Cols y Lazzaro-Salazar, 2021). Cabe señalar que, si bien las investigaciones cuantitativas en el marco de teorías maduras suelen basarse, en muchos casos, en el uso de escalas psicométricas cuya confiabilidad y validez está demostrada en forma robusta en la literatura internacional, cada vez existe más acuerdo en la academia en que la transversalidad en la recolección de datos puede sesgar potencialmente los hallazgos obtenidos [ver, por ejemplo, Podsakoff et al. (2024)].

Es por motivos como este que los estudios cuantitativos recomiendan utilizar diseños longitudinales con datos de panel, de cohorte o, incluso, diarios, así como diseños experimentales y cuasiexperimentales con grupos de control activos o inactivos [ver Aguinis et al. (2021)]. Asimismo, es cada vez más frecuente encontrar en las revistas de alto impacto investigaciones que utilizan fuentes múltiples de información, medidas independientes de las variables de interés, muestras probabilísticas y técnicas sofisticadas de análisis de datos con variables de control, como el análisis de ecuaciones estructurales, el análisis multinivel, el análisis bayesiano, el análisis de perfiles latentes, el análisis de redes, modelos de crecimiento latente, entre otros [considerar para este punto las reflexiones en Spector, (2019)].

En contraste con lo que sucede en las teorías maduras, los estudios en campos nacientes privilegian metodologías que favorezcan la inmersión del investigador y la producción de evidencia rica, detallada y evocativa que arroje luz sobre el tema a explorar. En este sentido, dado que gran parte del mundo es socialmente construido (Weick, 1979), tal reconocimiento exige un enfoque que capture adecuadamente la realidad en cuanto a (1) el significado para las personas que viven la experiencia, y (2) la teorización científico-social sobre dicha experiencia. Por lo general, los estudios cualitativos suelen basarse en los principios de la teoría fundada, empleando estrategias para la recolección y análisis de datos basadas en la observación directa, la entrevista con informantes clave, el muestreo teórico y la codificación de datos [ver, por ejemplo, Rivero et al. (2017), donde, con sustento en el enfoque de teoría fundada, se buscó comprender cómo los graduados de un programa MBA experimentaban los cambios y transiciones de carrera].

Dicho esto, cabe aclarar que la investigación cualitativa no puede ser definida bajo una aproximación única y universal, sino que abarca un conjunto heterogéneo de enfoques con bases ontológicas y epistemológicas diferentes. Por este motivo, Gehman et al. (2018) destacan la necesidad de aumentar la sensibilidad de los académicos hacia la consistencia entre teoría y método en la investigación cualitativa. En efecto, dentro del gran paraguas de la investigación cualitativa existen diferentes aproximaciones, con sus herramientas y metodologías específicas, que debieran ser utilizadas de manera reflexiva para el logro de esta consistencia. Así, por ejemplo, si el objetivo de la investigación es generar una teoría que pueda ser probada de manera deductiva, el método de Eisenhardt (1989) puede resultar el más apropiado; por otro lado, si lo que se busca es comprender las experiencias vividas por los propios actores, el método de Gioia et al. (2013) puede ser el punto de partida ideal; mientras que el enfoque de Langley et al. (2013) puede ser un referente para aquellos casos en los que se pretende comprender las dinámicas de los procesos (por ejemplo, organizacionales) en el tiempo.

Se concluye, entonces, que sólo a partir de un adecuado ajuste entre la literatura previa, el propósito y el diseño metodológico es posible hacer una contribución que dirija la conversación académica sobre un tema en una dirección original y novedosa. La contribución constituye, en los términos de Edmondson y McManus (2007), el cuarto componente central del ajuste metodológico y alude al grado en que el conocimiento generado en el estudio crea, ilumina, integra, desafía o refina una determinada teoría. Cabe señalar que, cada vez con más frecuencia, se procura en la academia que las investigaciones tengan, además de una contribución teórica y/o metodológica, una relevancia práctica o de transferencia, es decir, que sus hallazgos ofrezcan reflexiones útiles para mejorar la realidad bajo estudio [ver la noción de actionability en Colquitt y George (2011)].

Habiendo clarificado el concepto de ajuste metodológico y abordado su importancia en la consistencia interna de una investigación, nos gustaría compartir con nuestra comunidad de lectores una reflexión final. Resulta innegable que, a medida que nos especializamos como investigadores en ciertos temas y nos perfeccionamos en el uso de determinadas metodologías para abordarlos, también vamos desarrollando una cierta preferencia personal por los enfoques, diseños, estrategias, herramientas y técnicas con las que nos sentimos más cómodos o que nos resultan más sencillas de aplicar. Pero es importante tener presente que esta creciente especialización puede convertirse también en un riesgo de “encasillamiento”. En este sentido, cuando una metodología es elegida de manera obstinada y en absoluta desconexión con los restantes componentes del ajuste metodológico no sólo se compromete la consistencia interna del estudio, sino que se reduce sustantivamente la capacidad del investigador de identificar brechas relevantes del conocimiento, de abordar un amplio espectro de preguntas de investigación distintas y de realizar aportes relevantes que movilicen el conocimiento en direcciones novedosas, útiles y poco exploradas.

Esperamos que la presente nota editorial promueva la discusión sobre un tema de gran relevancia para la comunidad científica iberoamericana y contribuya a robustecer en forma sostenida la calidad y el rigor metodológico de los trabajos publicados en FACES. Revista Iberoamericana de Ciencias Económicas y Sociales. De este modo, celebramos el lanzamiento de nuestro volumen 30, número 63, correspondiente al año 2024. Agradecemos profundamente a cada uno de los autores, revisores y miembros del equipo que participaron de este número e invitamos cordialmente a la comunidad académica a enviar sus manuscritos a nuestra revista, donde les ofreceremos un proceso de revisión riguroso, eficiente y, sobre todo, constructivo.

Bibliografía

Aguinis, H., Hill, N. S., y Bailey, J. R. (2021). Best practices in data collection and preparation: Recommendations for reviewers, editors, and authors. Organizational Research Methods, 24(4), 678-693.

Colquitt, J. A., y George, G. (2011). Publishing in AMJ - Part 1: Topic choice. Academy of Management Journal, 54(3), 432-435.

Edmondson, A. C., y McManus, S. E. (2007). Methodological fit in management field research. Academy of Management Review, 32(4), 1246-1264.

Eisenhardt, K. M. (1989). Building theories from case study research. Academy of Management Review, 14, 532-550.

Gehman, J., Glaser, V. L., Eisenhardt, K. M., Gioia, D., Langley, A., y Corley, K. G. (2018). Finding theory-method fit: A comparison of three qualitative approaches to theory building. Journal of Management Inquiry, 27(3), 284-300.

George, G. (2012). Publishing in AMJ for non-US authors. Academy of Management Journal, 55(5), 1023-1026.

Gioia, D. A., Corley, K. G., y Hamilton, A. L. (2013). Seeking qualitative rigor in inductive research notes on the Gioia methodology. Organizational Research Methods, 16, 15-31.

Grant, A. M., y Pollock, T. G. (2011). Publishing in AMJ - Part 3: Setting the hook. Academy of Management Journal, 54(5), 873-879.

Khalifa, M., y Albadawy, M. (2024). Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update, 5, 100145.

Langley, A., Smallman, C., Tsoukas, H., y Van de Ven, A. H. (2013). Process studies of change in organization and management: Unveiling temporality, activity, and flow. Academy of Management Journal, 56, 1-13.

Podsakoff, P. M., Podsakoff, N. P., Williams, L. J., Huang, C., y Yang, J. (2024). Common method bias: It's bad, it's complex, it's widespread, and it's not easy to fix. Annual Review of Organizational Psychology and Organizational Behavior, 11(1), 17-61.

Pujol-Cols, L. J., y Lazzaro-Salazar, M. (2021). Ten years of research on psychosocial risks, health, and performance in Latin America: A comprehensive systematic review and research agenda. Journal of Work and Organizational Psychology, 37(3), 187-202.

Rivero, A. G., Dabos, G. E., Marino, J., y Rodríguez, M. C. (2017). Impacto de la educación formal de postgrado en Management: análisis de las transiciones de carrera de los graduados de un Master of Business Administration. Innovar, 27(63), 107-124.

Rynes, S. L., Hillman, A., Ireland, R. D., Kirkman, B., Law, K., Miller, C. C., et al. (2005). Everything you've always wanted to know about AMJ (but may have been afraid to ask). Academy of Management Journal, 48(5), 732-737.

Sparrowe, R. T., y Mayer, K. J. (2011). Publishing in AMJ - Part 4: Grounding hypotheses. Academy of Management Journal, 54(6), 1098-1102.

Spector, P. E. (2019). Do not cross me: Optimizing the use of cross-sectional designs. Journal of Business and Psychology, 34(2), 125-137.

Weick, K. E. (1979). The social psychology of organizing (2nd ed.). McGraw-Hill Humanities/Social Sciences/Languages.

Enlace alternativo

https://eco.mdp.edu.ar/revistas/ (html)