Introducción

[La ciencia social cualitativa] abarca dos tensiones al mismo tiempo. Por un lado, se siente atraído por una sensibilidad amplia, interpretativa, posmoderna, feminista y crítica. Por otro lado, también se puede recurrir a concepciones positivistas, postpositivistas, humanistas y naturalistas más estrechamente definidas de la experiencia humana y su análisis (Lincoln & Denzin, 1994, p. 409).

En general, en la metodología social los debates suelen presentarse recurriendo a la división entre dos perspectivas: la separación tradicional entre metodología cualitativa y cuantitativa. Los manuales metodológicos suelen presentar las estrategias y técnicas de investigación agrupadas bajo la etiqueta de alguna de estas dos, ya sea como metodologías cualitativas y cuantitativas (Cea D´Ancona, 1996; Cook & Reichardt, 1986), como metodologías estándar y no estándar (Marradi et al., 2011) o como métodos rígidos y métodos flexibles (Della Porta & Keating, 2013).¹

Este “bifurcación” dentro de la investigación social, como la llaman King et al. (1994, p. 5), se remonta hasta los debates del siglo XIX, cuando filósofos de la ciencia neokantianos argumentaron una epistemología propia de las “ciencias del espíritu” o de las “ciencias de la cultura” en oposición a las “ciencias de la naturaleza” y la epistemología positivista (Villoro, 1954). Sin embargo, la práctica de la investigación (Allwood, 2012) y la influencia de corrientes como el pragmatismo (Dewey, 1952), han ido diluyendo esas fronteras; en la actualidad los investigadores suelen optar por una estrategia u otra según sea más acorde con su problema de estudio. Lo que señalaron Lincoln y Denzin (1994) en la cita que abre esta introducción parece aplicar hoy de forma más general al conjunto de la ciencia social.

En este artículo examinamos tres para ilustrar el rango en que se desenvuelve la investigación social. Presentamos en primer lugar, el modelo postpositivista, en segundo lugar, el modelo interpretativo o tradición interpretativa (Rausky et al., 2023) —también llamado construccionismo social— y, en tercer lugar, el modelo hermenéutico.

Entendemos las distintas formas de practicar la investigación social como parte de un amplio rango que recorre desde los supuestos fundacionalistas² más estrictos hasta las formas interpretativistas más relativas; nuestro objetivo no es argumentar a favor de unas u en contra de otras, sino ilustrar esa heterogeneidad —y explorar algunas de sus semejanzas y diferencias— con los tres modelos que reconstruimos aquí. Esperamos que esta exposición sirva al lector/a para tener una visión global de la heterogeneidad de formas de practicar la investigación social.

Entendemos por modelo de investigación (o modelo metodológico, no hacemos diferencia entre ambos términos) a un conjunto de prácticas de investigación con afinidades en sus supuestos, hipótesis y estrategias de investigación; estos modelos no son conjuntos rígidos con fronteras delimitadas, sino que deben entenderse como aproximaciones teóricas para conceptualizar el quehacer científico, que pueden resultar de utilidad para sistematizar semejanzas y explorar diferencias entre las distintas formas de practicar la investigación.

Agrupamos dentro de la perspectiva postpositivista a los investigadores que sostienen una clara posición fundacionalista del conocimiento: en esta perspectiva las explicaciones están respaldadas por una realidad objetivable y objetivada en observaciones³ que el conocimiento científico representa completamente, este conocimiento tiene un sesgo instrumental, permitiendo manejar o modificar hechos sociales. Como señalan Creswell y Poth (2018), la influencia del postpositivismo puede verse en el énfasis en considerar la investigación “como una serie de pasos lógicamente relacionados”, creer en “múltiples perspectivas de los participantes en lugar de una sola realidad” y propugnar por “métodos rigurosos de recopilación y análisis de datos” (Creswell & Poth, 2018, p. 77).

Dentro de la perspectiva interpretativa agrupamos las posiciones realistas del mundo social que postulan una aproximación parcial e interpretativa a su conocimiento: el mundo social está conformado tanto por las interpretaciones de los actores —interpretaciones de primer nivel— como por la interpretación que los investigadores hacen de esta interpretación de segundo nivel (Schütz, 2003). Creswell y Poth (2018) prefieren hablar de “constructivismo social” porque consideran que los significados “no se imprimen simplemente en los individuos, sino que se forman a través de la interacción con los demás (de ahí la construcción social) y a través de las normas históricas y culturales que operan en la vida de los individuos” (p. 78). En esta dirección señalan que los individuos buscan comprender su mundo y desarrollan significados variados y múltiples que llevan al investigador “a buscar la complejidad de los puntos de vista en lugar de reducir los significados a unas pocas categorías o ideas”; además, los investigadores suelen preferir generar o “desarrollar inductivamente una teoría o patrón de significado (…) en los contextos específicos en los que las personas viven y trabajan con el fin de comprender los entornos históricos y culturales de los participantes” (Creswell & Poth, 2018, p. 78). También se le llama a este modelo de “investigación interpretativa tanto por el peso que tiene la interpretación de los propios actores que son estudiados, como el de la interpretación del investigador sobre esos procesos” (Creswell & Poth, 2018, p. 78).

Finalmente, dentro de la perspectiva hermenéutica, incluimos a las posiciones que sostienen un rechazo a las nuevas formulaciones del positivismo (Schwandt, 1998) y cuyo principal interés sobre la realidad social es entender cómo ésta es moldeada por las experiencias de los sujetos —con énfasis en situaciones límites— y cómo influyen las relaciones desiguales de poder de la sociedad.

Ubicamos a los modelos postpositivista y hermenéutico en extremos opuestos del rango de investigación, y al modelo interpretativo en el centro, entendiendo que este comparte elementos con los otros dos.Por un lado, con el modelo hermenéutico comparte el supuesto de que el mundo social debe ser interpretado para ser comprendido, por el otro, con el modelo postpositivista, comparte la división ente subjetividad y objetividad, y la búsqueda de sistematizar la experiencia en observaciones contrastables (Schwandt, 1998). A continuación, presentamos la metodología utilizada, los resultados y las conclusiones.

Metodología

Para presentar los modelos analizamos trabajos recientes que formulan cada una de estas perspectivas de forma sofisticada: King et al. (1994) argumentan a favor de un modelo postpositivista para la ciencia social; Hammersley (2023) y Brady y Collier (2010) argumentan a favor de un modelo interpretativo; y, Bergman y Coxon (2005), Breuer y Reichertz (2002) y Hodkinson y Smith (2009) defienden un modelo hermenéutico.

Para referirnos a los conjuntos de supuestos, hipótesis y estrategias metodológicas que orientan la práctica de investigación preferimos utilizar la noción de modelo. Esta terminología es más flexible y está menos comprometida con una filosofía de la ciencia, a diferencia de nociones como proyecto de investigación (Lakatos, 1978) o de paradigma (Kuhn, 2019), y nos permiten, para los fines de este artículo, argumentar sobre las formas de practicar la investigación social de manera menos normativa.⁴

Nuestro enfoque centrado en modelos es similar al de Creswell y Poth (2018). Ellos agrupan en “marcos interpretativos” de los investigadores: “la ontología (la naturaleza de la realidad), la epistemología (lo que cuenta como conocimiento y cómo se justifican las afirmaciones de conocimiento), la axiología (el papel de los valores en la investigación) y la metodología (el proceso de investigación)” (p. 70). Estos marcos interpretativos “pueden ser paradigmas, o creencias que el investigador aporta al proceso de investigación, o pueden ser teorías u orientaciones teóricas que guían la práctica de la investigación” (p. 76). A diferencia de tres modelos que proponemos ellos analizan cuatro marcos (junto con otras cinco estrategias de investigación): el marco postpositivista, construccionista social, de transformación y posmodernista —similares a nuestro modelo postpositivista, modelo interpretativo y al modelo hermenéutico, donde incluimos los dos últimos marcos—.⁵Pero a diferencia de estos, recurrimos a la idea de modelos de investigación para ilustrar la heterogeneidad de la metodología social, sin la intensión de ofrecer una mirada normativa o elecciones de métodos de investigación.⁶

La exposición de los resultados se organiza de la siguiente manera. En primer lugar, presentamos el modelo postpositivista, introduciendo los supuestos del enfoque y la propuesta de inferencias descriptivas y casuales; en segundo lugar, presentamos el modelo interpretativo, mostramos sus supuestos realistas y su propuesta para analizar la causalidad; en tercer lugar, presentamos el modelo hermenéutico. Por último, señalamos una tendencia actual del debate científico: la simplificación metodológica —con la combinación modelos en un marco común— y la ampliación de los criterios de evaluación de la ciencia.

Resultados

A continuación, presentamos el modelo postpositivista en base al libro Designing Social Inquiry: Scientific Inference in Qualitative Research de King, Keohane y Verba (1994, en adelante KKV),⁷ donde exponen una versión sofisticada de la investigación basada en la epistemología fundacionalista. Para introducir al lector al enfoque, presento, en primer lugar, los supuestos y, en segundo lugar, analizo las características de esta propuesta metodológica.

Primera Parte: El modelo postpositivista de KKV

En primer lugar, los autores se apoyan en la filosofía de la ciencia de Lakatos (1978) para concebir el desarrollo científico como una competencia entre teorías rivales que coexisten dentro de un campo de investigación común: las teorías tienen un núcleo de supuestos —que no se contrastan empíricamente— y un conjunto de hipótesis que deben poder refutarse empíricamente, es decir, no todos los enunciados de una teoría, pero al menos una parte, deben ser potencialmente refutables mediante observaciones; una teoría mejora en la medida en que logra explicar mayor cantidad de observaciones que otras (Chalmers, 2000). En segundo lugar, recurriendo a un lenguaje de la lógica experimental, van a seguir la división entre supuestos, hipótesis e indicadores: los supuestos consisten en afirmaciones sobre el objeto de estudio (qué características tiene), las hipótesis en afirmaciones sobre el comportamiento de las variables (cómo se comportan), y los indicadores son enunciados de un nivel de abstracción más bajo que permiten relacionar las variables con los enunciados observacionales. Por último, las variables pueden ser dependientes (su comportamiento varía según el comportamiento de la variable independiente) o independiente (su comportamiento influye en el comportamiento de la variable dependiente). Los autores argumentan que todas las investigaciones —sean consideradas como cuantitativas o cualitativas— tienen una misma “lógica subyacente”, que van a explicitar para que los investigadores puedan seguir criterios metodológicos que hagan a sus resultados “más confiables” (King et al., 1994, pp. 5-6).

El diseño metodológico: inferencia descriptiva e inferencia causal

El objetivo de la investigación es usar “los hechos que conocemos para aprender sobre hechos que no conocemos” donde “los hechos que conocemos forman nuestros datos u observaciones (cuantitativas o cualitativas)” y “los hechos que no conocemos son los temas de nuestras preguntas de investigación” (King et al., 1994, p. 43).

Los autores van a argumentar a favor de dos tipos de formas de investigar: la inferencia descriptiva y la inferencia causal. La inferencia descriptiva, por un lado, sistematiza datos, halla regularidades y generaliza desde hechos observados hacia hechos no observados. La inferencia causal, por otro lado, establece relaciones causales entre variables independientes y dependientes de casos observados, y extiende esas relaciones causales hacia casos no observados. Ambas formas constituyen inferencias en cuanto “abstraen de una masa de hechos las características claves de la realidad social que queremos comprender” (King et al., 1994, p. 43); ambas inferencias simplifican, codifican y reducen hechos a observaciones de una teoría.

La inferencia, sea descriptiva o causal, debe cumplir tres condiciones: tener capacidad de generalización, seguir una metodología pública y lograr reducir la incertidumbre de los resultados. En primer lugar, la generalización, para KKV tiene que ver con la capacidad de una argumentación de ir desde lo particular hacia un conjunto de casos más amplio, o, dicho de otra manera, inferir más allá de los datos observados; y, para ello, las observaciones deben clasificarse como implicancias deducibles de las hipótesis de alguna teoría, apoyando o rechazando esa hipótesis. En segundo lugar, sobre la metodología señalan que los métodos utilizados deben ser transparentes, posibles de divulgar para que puedan ser evaluados por la comunidad académica. Los procedimientos públicos permitirían que otros investigadores/as aprendan las limitaciones y los beneficios de utilizar esa metodología y verifiquen la validez de los resultados. Y, en tercer lugar, sobre la incertidumbre, recurriendo a la lógica probabilística, argumentan que, si bien no hay “conclusiones perfectamente ciertas”, el diseño de investigación podría reducir la incertidumbre de los resultados adhiriendo a las reglas del diseño inferencial -aumentando la cantidad de observaciones (King et al., 1994, p. 9).

La propuesta de KKV formula una respuesta sofisticada a muchas de las críticas usuales al positivismo (Chalmers, 2000). Por un lado, argumentan que la inferencia descriptiva le da un papel importante a la teoría, la utiliza para “convertir la materia prima de los fenómenos del mundo real” en clases o tipos de fenómenos, que se desagregan, a su vez, en variables o atributos (King et al., 1994, p. 47) sin renunciar a la búsqueda de regularidades. Señalan que gran parte del trabajo descriptivo consiste en diferenciar los elementos sistemáticos (observaciones que se producen de forma regular) y los no sistemáticos (observaciones que se producen de forma infrecuente); distinguirlos permitiría conocer en qué grado nuestras observaciones muestran comportamientos “típicos” o “atípicos” de las variables (King et al., 1994, p. 56). Por otro lado, matizan el fundacionalismo del positivismoargumentando que los modelos descriptivos no son nunca totalmente verdaderos o falsos sino “aproximaciones a algún aspecto del mundo” (King et al., 1994, p. 48).

La inferencia causal en el modelo postpositivista: ¿cómo argumentar una relación causal?

Sobre la forma de argumentar el análisis de una relación de causalidad, KKV señalan que, a diferencia de la experimentación de la ciencia natural, en la ciencia social no es posible hacer referencia a la repetición de un hecho —donde todas las variables se comporten de manera constante excepto la variable explicativa, como sucedería en un experimento— por el contrario, en la ciencia social se hace referencia a acontecimientos que se producen de manera natural y no controlada —es decir, que no son inducidos ni controlados por los investigadores—. Para enfrentar este problema formulan dos supuestos: la homogeneidad de la unidad de análisis, que consiste en suponer que distintos acontecimientos que van a analizarse son similares; y la independencia condicional, que consiste en suponer que la variable independiente no está influida por otras variables (King et al., 1994, p.91).

Por un lado, la homogeneidad de la unidad de análisis permitiría superar la limitación de no poder repetir los experimentos. Diferencian entre una homogeneidad estricta, que consiste en suponer que la variable dependiente se modifica en igual grado con los cambios de la variable independiente en las diferentes unidades de análisis; y una homogeneidad laxa, queconsiste en suponer que, aunque el grado de correlación no sea idéntico, en todas las unidades de análisis se mantiene la relación causal entre las variables (King et al., 1994, p.93).

Por otro lado, si la variable independiente y la variable dependiente se influyen mutuamente se genera un problema de endogeneidad que no permite establecer la dirección de la causalidad; y si la variable independiente está influenciada por una tercera variable no considerada —que influye sobre la variable dependiente e independiente— se genera un problema de variable omitida (King et al., 1994, p. 94). Para evitar el problema tanto de la endogeneidad como el de la variable omitida, sin poder recurrir a la experimentación; KKV proponen el supuesto la independencia condicional, es decir, suponer que el comportamiento de la variable explicativa es independiente al comportamiento de otras variables —tanto de la variable dependiente como de terceras variables—.

Recomendaciones al proceso de investigación

Por último, presento las recomendaciones al proceso de investigación. KKV dividen el proceso de investigación en cuatro componentes: la pregunta de investigación, la teoría, los datos y el uso de los datos.

En primer lugar, sobre la pregunta de investigación, los autores sugieren que las preguntas mejoran si se relaciona con temas relevantes y con los antecedentes del campo (King et al., 1994, p. 20). Para KKV dependerá el estado de conocimiento de un campo el tipo de contribución posible: si se requieren muchas observaciones y descripciones antes de intentar esbozar una explicación, una descripción puede ser una contribución significativa, si el estado del campo es más avanzado, poner a prueba una hipótesis relevante de la literatura puede consistir en una contribución significativa. También tomar una hipótesis aceptada en la literatura y revisar si las evidencias la apoyan o si otras teorías explican mejor esos datos, estudiar un tema relegado en la bibliografía, o mostrar la utilidad de los hallazgos de un campo para otro pueden ser formas de contribuir al campo (King et al.,1994, p. 20).

En segundo lugar, sobre la teoría, los autores recomiendan, en primer lugar, elegir teorías falsables, es decir, que sus hipótesis tengan muchas implicancias deducibles lo cual las hace más fácil de ser contrastadas empíricamente. En segundo lugar, recomiendan que las teorías sean lo más simples posibles: el principio de “parsimonia” supone que el mundo es simple y las teorías lo explican mejor si se mantienen lo más simples posibles (King et al., 1994, p. 21). Y, por último, sobre la relación de la teoría con los datos señalan tres escenarios, o bien los resultados respaldan la teoría ampliando su alcance; o bien no la respaldan y se rechaza la hipótesis, lo cual también puede ser una contribución al campo; o bien los resultados no respaldan la teoría, pero es posible reformular la hipótesis para que explique los resultados y realizar nuevas pruebas, evitando descartarla.

En tercer lugar, sobre los datos, señalan tres recomendaciones: en primer lugar “registrar e informar el proceso mediante el cual se generan los datos” para que la metodología sea pública (King et al., 1994, p. 22). En segundo lugar, recopilar datos sobre la mayor cantidad posible de implicancias, es decir no solo sobre las variables principales sino sobre variables secundarias, otros periodos de tiempo o áreas geográficas vinculadas a esas implicancias, para aumentar las observaciones disponibles para la contrastación (King et al., 1994, p. 24). Y, en tercer lugar, controlar la validez de las mediciones, es decir estar seguros de que nuestros indicadores refieren a lo que se quiere medir. Esto se relaciona con la “fiabilidad” de las técnicas —es decir, que el uso de esas mismas técnicas en otro momento debería generar el mismo resultado— y la replicabilidad de los datos y el análisis —que otros investigadores puedan “duplica los datos y rastrear la lógica por la que llegamos a nuestras conclusiones” (King et al., 1994, p. 26)—.

Por último, sobre el uso de los datos, recomiendan evitar los sesgos. En estadística el sesgo se define como una tendencia de los valores de las variables que puede llevar a conclusiones erradas. Los autores destacan dos formas de sesgo: el sesgo de la “variable omitida”, que ocurre cuando se excluye alguna variable que podría influir en la relación causal, y el “sesgo de selección”, que se produce al no seguir una selección aleatoria de los casos y las observaciones —que se produce, por ejemplo, al elegir observaciones que sabemos apoyan de antemano las implicancias de la teoría o seleccionamos casos donde conocemos el valor de su variable dependiente (más adelante mostramos porque los propios autores reconocen que este tipo de sesgo no es necesariamente un problema)—. Para KKV deberíamos evitar cualquier tipo de sesgo en la selección por dos motivos, por un lado, siguiendo la analogía con el método experimental, en un experimento no se conoce el resultado de la variable dependiente antes de realizarlo, de forma que no deberíamos seleccionar casos conociendo su variable dependiente; por otro lado, siguiendo la lógica probabilística, cada una de las observaciones tiene un margen de error, pero el promedio de muchas observaciones hace más “imparcial” a la muestra que una observación aislada porque diluye su error en el conjunto de datos, de manera que cuantas más observaciones sin un sesgo intensional tengamos, resultará en un menor margen de error de esas observaciones en promedio (King et al., 1994, p. 28).

Los autores no ignoran que en la ciencia social las investigaciones suelen centrarse en uno o en pocos casos, siendo muchas de las recomendaciones de la lógica probabilística para estudios con gran cantidad de casos, poco adecuada a la práctica de investigación social. Reconocen que una de las estrategias más utilizadas en investigación es la selección de un caso conociendo el valor de la variable dependiente —es decir, la selección del caso con un sesgo de forma intencional, un muestreo “teórico” basado en la relevancia teórica del caso seleccionado— por ejemplo, seleccionado casos de estudio paradigmáticos, extremos o inusuales (Flyvbjerg, 2011). Pero, insisten en el beneficio del uso de la lógica probabilística: si un estudio se diseña sin sesgar la variable dependiente puede analizarse de forma similar a un experimento, y si se recopilan datos sin un sesgo de selección, el error de cada observación (inevitable por la “imperfección” de los datos) se diluye en el conjunto de las observaciones, haciendo a los datos más imparciales. Y sugieren, finalmente, que incluso en los estudios de pocos casos, recurrir a esa lógica puede resultar en investigaciones más generalizables (King et al., 1994, p. 66).

En este apartado presenté el modelo postpositivista según el enfoque de KKV. Exploré las características de la inferencia descriptiva y causal, y las recomendaciones sobre los cuatro componentes del proceso de investigación. A continuación, presento el modelo interpretativo según Hammersley (2023) y Brady y Collier (2010), que esbozan una defensa de la metodología interpretativa incorporando discusiones con el diseño inferencial de KKV.

Segunda Parte: El modelo interpretativo

A continuación, presentamos, en primer lugar, la postura epistemológica realista de Hammersley (2023); en segundo lugar, el diseño metodológico defendido por Brady y Collier (2010); y, en tercer lugar, analizamos cómo se resuelve el problema de la causalidad en el modelo interpretativo.

Hammersley (2023) comparte con el modelo postpositivista una visión realista de la ciencia (pero no empirista), y que no hay “una diferencia filosófica fundamental entre los métodos cuantitativos y cualitativos”. Sin embargo, a diferencia de KKV, no considera que ello implique “redefinir radicalmente los supuestos ontológicos, epistemológicos y/o axiológicos de la investigación cualitativa” y defiende que ambos modelos tengan “criterios de validez diferentes” (Hammersley, 2023, p. 1). Propone, por un lado, criterios comunes, y por el otro, adaptaciones particulares al modelo interpretativo. Como criterios comunes propone la plausibilidad y la credibilidad. Laplausibilidad es un criterio que coincide con “la relevancia de los antecedentes” del modelo postpositivista, Hammersley (2023) considera que “los investigadores deben confiar predominantemente en los hallazgos de investigaciones anteriores” para juzgar la plausibilidad de su investigación (p. 7). La credibilidad es el equivalente al “problema de la validez” del modelo postpositivista, Hammersley (2023) señala que dependerá de “las amenazas a la validez asociadas a las fuentes de los datos” (p. 7). Por último, plantea que los criterios específicos del modelo interpretativo sobre credibilidad y plausibilidad dependerán del campo y las técnicas de investigación; si bien ambos criterios son comunes a la ciencia social en general, se deben formular especificaciones según los objetivos, las técnicas y el contexto de cada área de investigación.

El diseño de investigación del modelo interpretativo

Sobre el diseño de investigación del modelo interpretativo Brady, Collier y Seawright (2010) argumentan que, si bien aceptan “el emprendimiento de luchar por un vocabulario y un marco compartidos para la investigación” del postpositivismo, señalan que el diseño basado en la lógica probabilística exagera la importancia de aumentar el número de observaciones y soslaya “las diferentes formas en que se utilizan los datos en la investigación” (Brady et al., 2010, p. 19). Los autores argumentan que, en este modelo, el diseño puede basarse en pocos casos, resulta más relevante el sesgo de selección de los casos, y cómo se usan los datos, que la cantidad de observaciones. Contraponen la propuesta de la observación del proceso causal a la inferencia del modelo postpositivista. La definen como “ideas o conjuntos de datos que proporcionan información sobre el contexto, el proceso o los mecanismos”, que contribuye al conocimiento científico refutando ideas convencionales, desarrollando nuevas ideas y “probando” tanto ideas antiguas como nuevas (Brady et al., 2010, p. 2).

Mientras que Brady, Collier y Seawright aceptan, por un lado, la división entre teoría y datos, y la distinción entre atributos fortuitos y sistemáticos de un fenómeno del modelo postpositivista, destacan por el otro la importancia de la teoría en la investigación cualitativa. Si bien admiten que los enunciados teóricos son de un nivel de abstracción más alto que los enunciados observacionales —de forma que los primeros no pueden ser observados directamente y deben apoyarse en los segundos como evidencia de las teorías— argumentan que el papel de la teoría es establecer tanto los enunciados abstractos como los observacionales, y que resulta más importante para el diseño de investigación elegir una buena teoría que pueda hacer un buen uso de los datos disponibles que elaborar datos que no se relacionen con una teoría de forma significativa. Y si bien aceptan la distinción entre atributos fortuitos y sistemáticos de un fenómeno, argumentan que el trabajo de la investigación no es sólo diferenciar entre unos y otros, sino explicar su relación con el contexto y los cambios en la jerarquía —cuándo algunos atributos se transforman en frecuentes, cuándo dejan de serlo, y cómo se relacionan esos cambios con el contexto (Brady et al., 2010, p. 24)—.

Por último, señalan que diferentes herramientas metodológicas son apropiadas dependiendo “el objetivo y contexto de investigación” y que no todos los objetivos de la investigación pueden alcanzarse simultáneamente. Los diseños suelen enfatizar algunos más que otros, pueden destacar la profundidad o el detalle del análisis, la simplicidad de la teoría o la generalización de los resultados, la búsqueda de regularidades o la conceptualización de lo particular, la observación de mecanismos causales o la búsqueda de conocimiento holístico (Brady et al., 2010, p. 62).

El problema de la causalidad en el modelo interpretativo ¿Cómo se establece una relación causal?

Si bien ambos modelos, tanto el interpretativo como el postpositivista, reconocen que la imposibilidad de la ciencia social de recurrir a la experimentación para establecer relaciones causales presenta un problema, proponen diferentes soluciones.⁸ Como veíamos, el postpositivismo recurre a la probabilidad para resolver ese problema.⁹ Veamos cómo lo resuelve el modelo interpretativo.

Desde el modelo interpretativo se va a recurrir al papel de la teoría, a la selección sesgada, al uso de datos no estándar y a la sensibilización con el entorno de observación. Por un lado, la teoría desempeña un papel clave en la explicación, la definición de las variables y la recolección de los datos (Brady et al., 2010, p. 132). El tipo de argumentos con que la investigación social busca persuadir a sus lectores de relaciones causales no descansa sobre la selección aleatoria de casos, sino en “la elección de teorías consistente y casos seleccionados intencionalmente” (Rogowski, 2010, p. 96). Además, en el modelo interpretativo, la explicación debe poder modificarse para ajustarse a los datos para volverla “consistente con otras observaciones y sus implicancias” aprovechando datos producidos. Como sostiene Rogowski (2020), las mejores investigaciones no son las que comprueban o descartan hipótesis sino las que hacen “un mejor uso de los pocos datos disponibles” para mejorar las teorías, robustecer su capacidad de postular relaciones entre variables, y mejorar nuestra comprensión de su relación con el contexto (p. 97).

Por otro lado, las observaciones se utilizan de forma diferente. En primer lugar, la definición del contexto de observación tiene un peso mayor en la validez de los datos producidos que la cantidad de observaciones, porque la validez no va a depender de la disminución del margen de error de las observaciones, sino de la consistencia de la selección del caso, la utilización de los datos y la teoría. En segundo lugar, se utilizan un tipo de datos que hacen referencia no sólo a los valores que toman las variables, sino “al contexto, al proceso o a los mecanismos” en que se insertan esas variables, porque el énfasis está en el análisis del proceso y no en el comportamiento de las variables. Y, en tercer lugar, los datos proporcionan conocimiento sobre las relaciones ente las variables y el contexto. Este tipo de observaciones suelen ser más incompletas que la medición estándar y su validez no radica en “la amplitud de la cobertura” sino en la “profundidad” de la comprensión que generan (Brady et al., 2010, p. 24).

En síntesis, para el modelo interpretativo, la causalidad se captura con el conocimiento “de los casos y el contexto”; un conocimiento que sensibiliza al investigador sobre el impacto “de los entornos culturales, económicos e históricos” sobre las variables y le permite descartar aspectos poco significativos y reconocer aspectos significativos de las observaciones (Brady et al. 2010, p. 25). Esta lógica, que podríamos llamar lógica del proceso en contraposición a la lógica probabilística, postula que la endogeneidad (la interacción entre variables dependientes e independientes), la multicausalidad (la variable dependiente influida por muchas variables) y el sesgo de selección (la elección de casos de análisis conociendo su variable dependiente y los valores de sus observaciones) son propios del modelo interpretativo; y, recurre a una definición de causalidad que implica un rol preponderante de la teoría, del sesgo de selección, el uso de tipos de datos no estándar, y la sensibilización al contexto de observación, para analizar los procesos casuales.

En este apartado revisé las características del modelo interpretativo. En primer lugar, presenté el realismo epistemológico de Hammersley (2023). En segundo lugar, presenté algunas características del diseño de investigación en este modelo según Brady, Collier y Seawright (2010) y Rogowski (2010). Por último, resumí la discusión sobre la explicación en el modelo interpretativo centrándome en el problema de la causalidad. A continuación, presento el modelo en el extremo opuesto al postpositivismo: el modelo hermenéutico.

Tercera Parte: El modelo hermeneútico

A continuación, analizo el último modelo, a partir de los trabajos de Bergman y Coxon (2005), Breuer y Reichertz (2002) y Hodkinson y Smith (2009), hago énfasis en el desplazamiento del problema de la causalidad y la flexibilización de los criterios de validez.

Diseño de investigación y causalidad en el modelo hermenéutico

Este modelo se caracteriza en que no busca definir procedimientos o etapas de la investigación, ni delimitar rígidamente los contornos de lo que se puede considerar o no ciencia. Sus investigadores comparten un rechazo a los supuestos del postpositivismo, donde aquel busca “hechos objetivos y universalmente validos siguiendo procedimientos y reglas claras” que incluyen “observaciones cuidadosamente controladas, argumentación imparcial y análisis objetivo, es decir la eliminación de la interpretación por parte del investigador” (Bergman & Coxon, 2005, p. 2), estos buscan, por el contrario, enfatiza el carácter subjetivo de la metodología, el rol preponderante de la interpretación del investigador, la dependencia de las observaciones del contexto, la parcialidad intrínseca de todo análisis social, y la autonomía de articular reglas, procedimientos e interpretaciones de cada investigación.

En primer lugar, se rechaza el realismo y se sostiene una posición relativista de los juicios del investigador, donde la posibilidad de un conocimiento común sobre el mundo social se suspende ante la variedad de juicios prácticos y morales sobre los cuales no es posible sostener un criterio unificador. Con el rechazo al realismo, se abre la puerta a un relativismo de los juicios científicos de manera más acentuada que en otros modelos. El conocimiento científico no sólo es considerado una interpretación de segundo orden —basada en las interpretaciones de primer orden de los actores— sino que es considerada una interpretación más, atravesada por consideraciones morales y relaciones de poder, que viene a formar parte, como tantas otras interpretaciones, del juego de poder social (Foucault, 1968).

En segundo lugar, se reconocen una mayor variedad de objetivos y estrategias de investigación. La investigación puede orientarse a objetivos académicos —como identificar patrones y relaciones generales, o a comprobar y refinar teorías—, a objetivos culturales —como interpretar fenómenos culturales o históricos—, o a objetivos políticos —como “dar voz” a grupos excluidos— (Ragin, 2007, p. 3). Además, se promueve una variedad de estrategias no tradicionales como la fenomenología, la etnografía crítica, el feminismo y los estudios culturales (Denzin & Lincoln, 2012).

En tercer lugar, el estatus de las observaciones es relativizado. Las observaciones no se consideran posibles de generalizar debido a que están atadas tanto al contexto como a consideraciones interpretativas del investigador. Por ejemplo, los datos producidos en entrevistas o en documentos dependen de su contexto y de la interpretación del investigador (que decide lo que es y lo que no es un dato, y cómo analizarlo), y enfrentan desafíos tanto como para replicarse como para generalizarse. La relación entre observaciones y análisis también es relativizada, se sostiene que no puede sostenerse una relación entre datos y argumentos por fuera de la hermenéutica del investigador (Bergman & Coxon, 2005).

El diseño asociado a este modelo desplaza la idea de una causalidad que debe ser probada mediante experimentos repetidos o aproximada de forma multicausal; no hay una diferencia entre descripción y explicación. El rastreo de relaciones de casusa y efecto forma parte de la hermenéutica del investigador, que con su análisis puede hacer inteligibles relaciones entre las variables y el contexto, sugiriendo hipótesis y persuadiendo al lector sobre su utilidad mediante formas sofisticadas de argumentación.

Sin embargo, esto no resuelve el problema sobre cómo establecer criterios que reconozcan la lógica “subjetiva e interpretativa” de la investigación y permitan, a la vez, transmitir hallazgos “rigurosos y creíbles” entre los investigadores (Bergman & Coxon, 2005, p. 4). El modelo postpositivista y el interpretativo mantenían la pretensión de que el conocimiento podía avanzar, ya sea mediante la comparación entre teorías donde una tenía mayor poder capacidad explicativa que otras (postpositivismo), o con la mejora de las teorías (modelo interpretativo). Veamos que propone el modelo hermenéutico.

El problema de los criterios en el modelo hermenéutico

Una primera respuesta la dan Bergman y Coxon (2005) con su propuesta de criterios de validez para evaluar las teorías, los datos, y el análisis.

En primer lugar, sobre la teoría, argumentan que no es posible establecer un criterio de validez: diferentes teorías acumulan, codifican, analizan e interpretan los datos de forma diferente, produciendo para una misma pregunta diferentes respuestas. Las preguntas de investigación podrían validarse si se consideran con relación a los antecedentes y los postulados teóricos y metodológicos de la teoría.

En segundo lugar, sobre los datos, sostienen que su validez dependerá de la credibilidad del proceso de producción de los mismos. Por un lado, si las observaciones y el contexto son confiables, por otro, si las observaciones son consistentes con hallazgos anteriores, y, por último, si las observaciones son consistentes entre sí.

Por último, sobre el análisis, los investigadores pueden validar su análisis tanto con citas a otras investigaciones como recurriendo a la teoría o al uso de razonamientos para analizar las observaciones. Una forma de hacer referencia a otros estudios es comparar con los resultados de otras investigaciones o recurrir a argumentos de autoridad (defendiendo la elección de una teoría o procedimiento a través de la referencia directa a otros autores). Y si bien es cierto que la teoría restringe lo que se puede afirmar, también confiere coherencia al análisis. Por último, los razonamientos inductivos, deductivos, comparativos y analíticos son formas de validar la argumentación, permiten agrupar, deducir, comparar, separar y sintetizar la selección y el análisis de los datos, y mostrar cómo las observaciones encajan en las categorías.

Una segunda respuesta al problema de los criterios la dan Breuer y Reichertz (2002). Dejan de lado la división en etapas o componentes de la investigación y proponen criterios de validez asociados a ocho “áreas”: 1. Basada en la lógica de la justificación (criterios vinculados a la relación entre hipótesis y evidencia), 2. Basada en la lógica del descubrimiento (criterios vinculados a la innovación y la creatividad) 3. Basada en la honestidad de los científicos (criterios vinculados a las buenas prácticas en la producción y uso datos, autoría y procedimientos institucionales), 4. Basada en la idoneidad metodológica (criterios vinculados a la adecuación entre método y objeto), 5. Como resultado de la ética humana (criterios vinculados a la interacción entre el investigador y el objeto de estudio, como no exponer a los sujetos investigados y respetar la privacidad de los datos), 6. Basada en la relevancia de la investigación (criterios sobre la aplicabilidad y la utilidad de los resultados de la investigación), 7. Basada en la política de los científicos (sobre la difusión y el impacto de la producción científica, su relación con la burocracia estatal, el mercado, los medios de comunicación, la discusión pública y el uso de técnicas prestigiosas), y, 8. Basada en el resultado de la evaluación externa (vinculada a la asignación de recursos e indicadores que diferencian la calidad según estándares económicos y de resonancia social, como la cantidad de publicaciones, frecuencia de citas, obtención de subsidios, edad y género de un científico; y a los “ranking” entre universidades o centros de investigación) (Breuer & Reichertz, 2002, p. 4).

Mientras la lógica de la justificación suele ser el criterio del modelo postpositivista (comprobabilidad de las afirmaciones, observaciones medibles, precisión conceptual y simplicidad de la teoría), la lógica basada en la idoneidad metodológica suele ser el criterio principal del modelo interpretativo, privilegiando un diseño acorde a la estructura del objeto (Breuer & Reichertz, 2002, p. 5). El modelo hermenéutico parece recurrir mayormente a la lógica del descubrimiento (la capacidad de la investigación de ser creativa e innovar) y en la relevancia de la investigación.

Ambas respuestas al problema de los criterios, la argumentación de la validez del proceso de investigación de Bergman y Coxon o la argumentación de la validez por áreas de Breuer y Reichertz, intentan formular un marco común para el dialogo entre investigadores, y criterios de evaluación, sin hacer referencia a una contrastación inobjetable entre observaciones e hipótesis. Esta apertura implica ampliar la discusión desde argumentos sobre la relación entre la teoría y los datos hacia criterios de origen económico, político y cultural, que empiezan a cobra relevancia en la investigación científica.

En este apartado presenté el modelo hermenéutico, su progresivo alejamiento del realismo, y el problema de criterios que conlleva. Sin la posibilidad de repetir o generalizar la contrastación entre las implicancias observables de las teorías con enunciados observacionales, existe el riesgo de que el relativismo de los juicios se transforme en un relativismo epistemológico, donde todas las afirmaciones —científicas o no— tendrían el mismo estatus. Generar un marco común basado no exclusivamente en criterios fundacionalistas, como los examinados anteriormente, podría ser un camino para sortear ese problema, aunque implica aceptar que los científicos deben discutir con otros actores y argumentos ajenos al mundo académico tradicional.

Cuarta Parte. Comparación de los modelos ¿Pueden reducirse a uno solo?

Si bien el esfuerzo del modelo postpositivista de proponer un lenguaje común para el debate metodológico ha sido relativamente exitoso, la diversidad de objetivos y estrategias de la ciencia social dificulta —y es discutible que sea deseable lo contrario— subsumir en un solo modelo la heterogénea práctica de investigación. El modelo postpositivista requiere una simplificación que puede ser contraproducente, reduciendo la cantidad de variables de las teorías para encajar en el modelo inferencial y generando explicaciones insuficientes.¹⁰

Los dos tipos de argumentos del modelo postpositivista (la inferencia descriptiva y la inferencia causal) no son suficientes; Hammersley (2023), por ejemplo, propone de tres tipos de argumentos propios de la ciencia social: las descripciones, definidas como conjuntos de enunciados que clasifican las observaciones y puede generalizarse a un conjunto más grande de casos; las explicaciones, entendidas como un conjunto particular de factores que causó, directa o indirectamente el fenómeno estudiado; y las teorías, definidas como un conjunto de explicaciones donde además de argumentar un tipo de relación causal, se establecen condiciones generales de ocurrencia de ese fenómeno. Pero incluso con esta definición queda sin considerar otras formas de argumentación y exposición comunes en el modelo hermenéutico —como ensayos, análisis temático, etnografías críticas o análisis de narraciones, que no encajan en ninguna de las tres anteriores—. Por último, los modelos mantienen distintas formas de aproximarse a las relaciones de causalidad, que no son reducibles a la lógica del modelo postpositivista (ver Tabla 1).

Quinta Parte. La tendencia a la simplificación metodológica y la ampliación de criterios

Por último, en esta sección, reflexiono sobre las consecuencias que el debate sobre la heterogeneidad de la investigación social comienza a tener sobre el debate metodológico. Hay una tendencia a hacer confluir los supuestos epistemológicos y herramientas metodológicas (Tsoukas, 2000)¹² —al contrario de la defensa de la separación entre metodologías cuantitativas y cualitativas y al desarrollo de criterios de evaluación y de validez específicos para cada una (cfr. Denzin & Lincoln, 2012)—. Esta confluencia consiste en establecer un marco común, trazando una línea entre ciencia, por un lado, y artes y humanidades, por el otro, donde la validez no descanse en un listado de criterios estandarizados sino en el saber y los juicios expertos de los investigadores (Hammersley, 2018).

Por un lado, esta tendencia avanza en dirección a simplificar la metodología. Se propone combinar los métodos buscando utilizar herramientas de ambas metodologías cuantitativas y cualitativas, apoyándose en los supuestos y criterios compartidos entre el modelo postpositivista y el interpretativo. El fundacionalismo constructivista se constituye en el trasfondo común de esta tendencia —estableciendo una especia de “ciencia normal” (Kuhn, 2019)— que busca contrastar enunciados observacionales con las implicancias deducibles de las hipótesis, pero asumiendo el rol preponderante de la teoría en la definición de los datos, las variables y el análisis. En cuanto a los criterios comunes, comparten definiciones sobre el uso de la teoría, las preguntas de investigación, el uso de los datos -sean cualitativos o estándar- y la relación entre los datos y la teoría (ver Tabla 2).

Dentro de esta tendencia, Tarrow (2010) señala algunas formas de combinación entre metodologías, como el rastreo de procesos, que utiliza tipos de datos estándar y divide el problema en etapas para aumentar la cantidad de observaciones, pero las analiza como tipos de datos cualitativos; el análisis de inflexiones, que se orienta a hacer una inferencia descriptiva clasificando las variables en sistemáticas y fortuitas, pero, reconstruye los cambios en la interacción entre las variables y el contexto de forma cualitativa; las inferencias, que combinan tipos de datos cualitativos con análisis cuantitativo; la secuenciación, que consiste en una serie de estudios, tanto cualitativos como cuantitativos, de diferentes investigadores sobre un mismo tema donde se repiten las pruebas y se aumenta el conocimiento del comportamiento de las variables; y la triangulación, que consiste en utilizar tantos datos cualitativos como cuantitativos dentro de una misma investigación.

Por otro lado, se avanza en ampliar los criterios de evaluación con juicios no fundacionalistas. El alejamiento del fundacionalismo, formulado como respuesta al problema de los criterios en el modelo hermeneútico, generó una alternativa a los criterios tradicionales del positivismo y estableció una tendencia a ampliar los criterios sobre la investigación trazando la línea, no entre modelos, sino entre áreas (ver Tabla 3).

Estas tendencias presentan desafíos. Por un lado, la combinación de métodos sugiere recurrir de forma pragmática a herramientas y análisis compartidos, pero manteniendo las diferencias entre los tipos de datos, el análisis y la respuesta al problema de la causalidad. Además este intento de alcanzar una “ciencia normal” puede restringir otras expresiones ligadas al modelo hermenéutico. Por otro lado, introducir criterios externos a las lógicas de cada modelo de investigación, puede ampliar las formas de evaluar la validez de producir ciencia, pero pueden limitar la independencia del trabajo científico, como señalan Breuer y Reichertz (2002) hay “un alejamiento de los discursos científicos internos sobre los criterios de calidad hacia los discursos externos, es decir, aquellos criterios que son comunes en la economía, la política y la comunicación”, que presenta el desafío de encontrar un “equilibrio” entre criterios (p. 11).

En resumen, la tendencia del debate metodológico intenta acercar perspectivas epistemológicas, combinar los métodos de investigación, y a ampliar los criterios de evaluación con juicios no fundacionalistas. Ambas presentan desafíos para la ciencia social. Por un lado, la combinación de métodos promueve un uso pragmático de herramientas de ambos enfoques, pero mantiene la separación entre ambas metodologías sin conseguir una unificación más sustantiva, a la vez que restringe la heterogeneidad de los modelos de investigación —soslayando al modelo hermenéutico—. Esta tendencia todavía no logra presentar de forma convincente la utilidad general de combinar herramientas sin una mayor solidez en la unificación de modelos (aunque hay investigaciones especifica donde esta utilidad puede tener lugar), y tiene como contrapartida la exclusión de su formulación de ciencia normal del modelo hermenéutico. Por otro lado, la ampliación de criterios genera un dialogo con otros actores por fuera del mundo académico, pero presenta el desafío de encontrar un equilibrio entre los diferentes intereses y criterios académicos y no académicos.

Conclusiones

En este artículo presenté tres modelos de investigación para ilustrar el rango de heterogeneidad de la ciencia social. Exploré las características de un modelo postpositivista, un modelo interpretativo y un modelo hermenéutico. Por último, presenté algunas de las consecuencias que se han producido con el reconocimiento de esta heterogeneidad de formas de investigar al interior de la ciencia social; presenté la tendencia a la simplificación metodológica y a la ampliación de criterios de evaluación de la ciencia.

Revisé, en primer lugar, el modelo postpositivista. Resumí los supuestos de este enfoque, las características de la inferencia descriptiva y causal, la división en componentes del proceso de investigación y las recomendaciones para cada uno de ellos. En segundo lugar, presenté el modelo interpretativo. Resumí sus supuestos realistas y reflexioné sobre el problema de la causalidad en este modelo. Y, en tercer lugar, revisé el modelo hermenéutico. Recuperé algunas características de este, y dos respuestas al problema de los criterios de validez, basados en principios no fundacionalistas. Por último, señalé la tendencia hacia la unidad de criterios epistemológicos y la simplificación metodológica —en una suerte de intento de establecer una “ciencia normal”— y hacia la ampliación de criterios de evaluación de la ciencia. Esta tendencia no deja de ser problemática tanto sobre la utilidad de combinar herramientas sin una mayor solidez en la unificación de modelos, como sobre si esa dirección de unificación no perjudica otras herramientas que quedan por fuera de esa ciencia normal, como el modelo hermenéutico.

Si bien una parte importante del debate continúa transcurriendo dentro de la tradicional división entre metodología cuantitativa y cualitativa, el reconocimiento de una mayor heterogeneidad en las formas de practicar la investigación social, la creciente sofisticación del debate y el diálogo con criterios no fundacionalistas ha permitido abrir la puerta a nuevos desafíos, tanto el uso de herramientas compartidas entre ambos tipos de investigación social como al debate entre actores académicos y no académicos.

Esperamos que esta esquemática aproximación a distintos modelos de investigación permita a los/las investigadores/as tener más herramientas al momento de proyectar sui investigación.

Referencias bibliográficas

Allwood, C. M. (2012). The distinction between qualitative and quantitative research methods is problematic. Quality & Quantity, 46(5), 1417-1429.

Bergman, M. M., & Coxon, A. P. M. (2005). The quality in qualitative methods. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research, 6(2), 1-20.

Boje, D. M. (2000). Narrative methods for organizational and communication research.

Brady, H. E. & Collier, D. (Eds.). (2010). Critiques, Responses, and Trade-Offs: Drawing Toghether the Debate. En H. E. Brady & D. Collier (Eds.). Rethinking social inquiry: Diverse tools, shared standards (pp. 135-160). Rowman & Littlefield.

Brady, H. E. & Collier, D. (Eds.). (2010). Rethinking social inquiry: Diverse tools, shared standards (pp. 15-32). Rowman & Littlefield.

Brady, H., E., Collier, D. & Seawright, J. (2010). Introduction. H. E. Brady & D. Collier (Eds.). Rethinking Social Inquiry. Diverse Tools, Shared Standards.(pp. 1-10). Rowman & Littlefield.

Breuer, F. & Reichertz, J. (2002). Standards of social research. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research, 2(3), 1-11.

Braun, V. & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101.

Cea D’Ancona, A. M. (1996). Metodología cuantitativa: Estrategias y técnicas de investigación social. Síntesis.

Chalmers, A. (2000). ¿Qué es esa cosa llamada ciencia? Siglo XXI.

Charmaz, K. (2006). Constructing grounded theory: A practical guide through qualitative analysis. Sage.

Creswell, J. W. & Poth, C. N. (2018). Qualitative inquiry and research design: Choosing among five approaches (4th ed.). Sage.

Cook, T. D. & Reichardt, C. S. (1986). Métodos cualitativos y cuantitativos en investigación evaluativa. Morata.

Della Porta, D. & Keating, M. (2013). Enfoques y metodologías de las ciencias sociales: Una perspectiva pluralista. Akal.

Denzin, N. K. & Lincoln, Y. S. (2012). Introducción. En N. K. Denzin & Y. S. Lincoln (Coords.), Manual de investigación cualitativa (Vol. II). Gedisa.

Denzin, N. K. & Lincoln, Y. S. (Eds.). (2018). The SAGE handbook of qualitative research (5th ed.). Sage.

Dewey, J. (1952). La búsqueda de la certeza: Un estudio de la relación entre el conocimiento y la acción. Fondo de Cultura Económica.

Flyvbjerg, B. (2011). Case study. In N. K. Denzin & Y. S. Lincoln (Eds.), The SAGE handbook of qualitative research (4th ed.). Sage.

Foucault, M. (1968). Las palabras y las cosas: Una arqueología de las ciencias humanas. Siglo XXI.

Gates, E. & Schwandt, T. (2017). Case study methodology. En N. K. Denzin & Y. S. Lincoln (Eds.), The SAGE handbook of qualitative research (5th ed.). Sage.

Glaser, B. G. & Strauss, A. L. (2009). The discovery of grounded theory: Strategies for qualitative research. Transaction.

Hammersley, M. (2017). Interview data: A qualified defence against the radical critique. Qualitative Research, 17(2), 173-186.

Hammersley, M. (2018). What is ethnography? Can it survive? Should it? Ethnography and Education, 13(1), 1-17.

Hammersley, M. (2023). Are there assessment criteria for qualitative findings? A challenge facing mixed methods research. Forum: Qualitative Social Research, 24(1).

Hodkinson, P. & Smith, J. K. (2009). Challenging neorealism: A response to Hammersley. Qualitative Inquiry, 15(1), 30-39. https://doi.org/10.1177/1077800408325416

Kato, K. (2022). How can we understand illness? Phenomenology and the pillar of person-centred care. British Journal of General Practice, 72(717), 178-179. https://doi.org/10.3399/bjgp22X719177

King, G., Keohane, R. O. & Verba, S. (1994). Designing social inquiry: Scientific inference in qualitative research. Princeton University Press.

Kuhn, T. S. (2019). La estructura de las revoluciones científicas. Fondo de Cultura Económica.

Lakatos, I. (1978). La metodología de los programas de investigación. Alianza.

Lincoln, Y. S. & Denzin, N. K. (1994). The fifth moment. In N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of qualitative research (pp. 575-586). Sage.

Marradi, A., Archenti, N. y Piovani, J. I. (2011). Metodología de las ciencias sociales. Cengage Learning.

Mishler, E. G. (1995). Models of narrative analysis: A typology. Journal of Narrative and Life History, 5, 87-123. https://doi.org/10.1075/jnlh.5.2.01mod

Ragin, C. C. (2007). La construcción de la investigación social. Universidad de los Andes.

Rausky, M., Di Bello, M. & Buschini, J. (2023). La tradición interpretativa: Alfred Schütz. En A. Camou (Coord.), Cuestiones de teoría social contemporánea (pp. 749-770). EDULP.

Riessman, C. K. (2005). Narrative analysis. En Narrative, memory & everyday life (pp. 1-7). University of Huddersfield.

Rogowski, R. (2010). How inference in the social (but not the physical) sciences neglect theoretical anomaly. En H. E. Brady & D. Collier (Eds.), Rethinking social inquiry: Diverse tools, shared standards. Rowman & Littlefield.

Schwandt, T. (1998). Constructivist, interpretivist approaches to human inquiry. En N. K. Denzin & Y. S. Lincoln (Eds.), The landscape of qualitative research: Theories and issues. Sage.

Schütz, A. (2003). El problema de la realidad social: Escritos I. Amorrortu.

Tarrow, S. (2010). Bridging the quantitative–qualitative divide. En H. E. Brady & D. Collier (Eds.), Rethinking social inquiry: Diverse tools, shared standards. Rowman & Littlefield.

Tsoukas, H. (2000). False dilemmas in organization theory: Realism or social constructivism? Organization, 7, 531-535. https://doi.org/10.1177/135050840073012

Van Manen, M. (2023). Phenomenology of practice: Meaning-giving methods in phenomenological research and writing. Routledge.

Villoro, L. (1954). Dilthey y Rickert: Dos intentos de fundamentación de las ciencias del espíritu. Facultad de Filosofía y Letras, UNAM. https://repositorio.unam.mx/contenidos/5053666

Wilkinson, S. (2000). Women with breast cancer talking causes: Comparing content, biographical and discursive analyses. Feminism & Psychology, 10(4), 431-460.

Notas