Este curso está diseñado para dotar a los alumnos de los conocimientos y habilidades esenciales para llevar a cabo investigaciones cualitativas utilizando software de análisis cualitativo de datos asistido por ordenador (CAQDAS). Los alumnos explorarán conceptos y metodologías fundamentales para el diseño y la ejecución de investigaciones cualitativas, incluyendo los fundamentos teóricos de la teoría fundamentada y el análisis temático, así como los flujos de trabajo prácticos con herramientas CAQDAS. El curso hace hincapié en la experiencia práctica con los principales programas informáticos, lo que permite a los alumnos codificar, organizar e interpretar datos cualitativos de manera eficiente. El curso hará hincapié en la utilización de herramientas CAQDAS para la categorización sistemática y la vinculación de códigos, la aplicación del análisis de redes para la representación visual y el perfeccionamiento de la identificación e interpretación temáticas.
Una parte importante del curso se centrará en la integración de la Inteligencia Artificial (IA) en el análisis de datos cualitativos. Los estudiantes explorarán cómo la IA, incluyendo el procesamiento del lenguaje natural (NLP) y los modelos de lenguaje a gran escala (LLM), puede ayudar en la codificación y el análisis temático. El curso también abordará la fiabilidad y las consideraciones éticas de la investigación cualitativa asistida por IA.
Al completar con éxito este curso, los estudiantes estarán bien preparados para aplicar métodos de investigación de carácter cualitativo en sus futuras carreras profesionales, contribuyendo de manera significativa a las disciplinas que hayan elegido.
Este curso está diseñado para dotar a los estudiantes de los conocimientos y habilidades esenciales para llevar a cabo investigaciones cualitativas utilizando software de análisis cualitativo de datos asistido por ordenador (CAQDAS). Los estudiantes explorarán conceptos y metodologías clave fundamentales para el diseño y la ejecución de investigaciones cualitativas, incluyendo los fundamentos teóricos del enfoque de la teoría fundamentada y el análisis temático, así como los flujos de trabajo prácticos mediante el uso de herramientas CAQDAS. El curso hace hincapié en la experiencia práctica con los principales programas informáticos, lo que permite a los estudiantes codificar, organizar e interpretar datos cualitativos de manera eficiente.
A lo largo del curso, los estudiantes adquirirán una comprensión exhaustiva de los principios y flujos de trabajo del análisis de datos cualitativos asistido por ordenador. Esto incluye explorar las consideraciones ontológicas y epistemológicas que sustentan el uso de CAQDAS, comprender las distintas etapas del análisis de datos cualitativos y asimilar las funcionalidades fundamentales comunes a los diferentes paquetes de CAQDAS. Además, el curso se centrará en cómo utilizar las funciones del software para la categorización sistemática y la vinculación de códigos, incorporando técnicas como la codificación selectiva y la comparación constante (en la teoría fundamentada). También se introducirá la aplicación de herramientas de análisis de redes dentro de CAQDAS para representar visualmente las relaciones entre códigos y conceptos, lo que, en última instancia, facilitará niveles más profundos de interpretación de los datos. Además, se abordarán la identificación, el refinamiento y la interpretación de temas (en el análisis temático).
Una parte importante del curso se centrará en la integración de la Inteligencia Artificial (IA) en el análisis de datos cualitativos. Los alumnos explorarán cómo la IA, incluyendo el Procesamiento del Lenguaje Natural (PLN) y los Modelos de Lenguaje a Gran Escala (LLM), puede ayudar en la codificación.
Al completar con éxito este curso, los alumnos estarán bien preparados para aplicar métodos de investigación de carácter cualitativo en sus futuras carreras profesionales.
Competencias (capacidades): Los alumnos diseñarán y llevarán a cabo proyectos cualitativos rigurosos utilizando CAQDAS para el análisis de datos. Dominarán las habilidades técnicas de codificación sistemática, categorización y análisis de redes para representar visualmente las relaciones y afinar los temas. Además, el curso ofrece experiencia práctica en la integración de la IA (NLP y LLM) en los flujos de trabajo, al tiempo que se evalúan de forma crítica los retos éticos y de fiabilidad que plantea la investigación asistida por IA.
Conocimientos: Los participantes adquirirán un conocimiento profundo de los procedimientos cualitativos —incluidos la teoría fundamentada y el análisis temático— con el apoyo de CAQDAS. El programa abarca los fundamentos teóricos de la codificación sistemática y los posibles retos que plantea la integración de la inteligencia artificial, centrándose específicamente en mantener la coherencia y la integridad metodológica al utilizar herramientas automatizadas.
Actitud: El curso fomenta el compromiso con el tratamiento ético de los datos y la transparencia. Los estudiantes desarrollarán una mentalidad colaborativa, utilizando herramientas digitales para participar en la resolución de problemas entre compañeros. Por último, cultivarán una perspectiva crítica, aprendiendo a discernir los puntos fuertes y las limitaciones específicas tanto de las tecnologías CAQDAS como de las de inteligencia artificial en diversos entornos de investigación.
Este curso no tiene requisitos previos específicos, ya que parte de los conceptos básicos e introduce progresivamente los métodos clave de la investigación cualitativa. Está diseñado para estudiantes de todos los niveles, incluidos aquellos que no tienen experiencia previa en investigación empírica.
Babbie, E. R. (2014). La práctica de la investigación social. Cengage Learning.
Bryman, A. (2016). Métodos de investigación social. Oxford University Press.
May, T. y Perry, B. (2022). Investigación social: cuestiones, métodos y procesos. McGraw-Hill Education.
Neuman, W. L. (2014). Métodos de investigación social: enfoques cualitativos y cuantitativos. Pearson Education Limited.
Este curso, que hace hincapié en el aprendizaje centrado en el alumno, las habilidades transversales, las competencias transdisciplinares basadas en la investigación y los principios educativos potenciados por la tecnología, está diseñado para proporcionar a los alumnos una comprensión integral y práctica de los métodos de investigación cualitativa mediante el uso de las herramientas CAQDAS.
Los estudiantes participarán en clases interactivas, debates y actividades en grupo que fomenten la participación activa y el pensamiento crítico. Se llevarán a cabo sesiones periódicas de retroalimentación para abordar las necesidades y el progreso de aprendizaje individuales, garantizando que cada estudiante reciba una orientación personalizada. Además, se implementará un sistema de revisión por pares en el que los estudiantes evaluarán el trabajo de sus compañeros desde diferentes perspectivas disciplinarias. Este enfoque fomenta la evaluación crítica y la retroalimentación constructiva desde diversos puntos de vista, mejorando así la calidad de la investigación y profundizando la comprensión de los estudiantes sobre los enfoques interdisciplinares.
Para mejorar las competencias transversales de los estudiantes, el curso desarrollará su capacidad para presentar investigaciones y analizar los resultados de forma clara y eficaz, tanto por escrito como oralmente, mediante la incorporación de presentaciones periódicas, revisiones por pares y sesiones de retroalimentación.
Para desarrollar aún más las habilidades de investigación de los estudiantes, el curso se centrará en una exploración en profundidad de los conceptos y metodologías clave que resultan fundamentales para el diseño y la ejecución de la investigación cualitativa. Esto incluye experiencia práctica con procedimientos de investigación cualitativa, como la codificación, el análisis temático y el uso de herramientas CAQDAS. Los estudiantes también explorarán la integración de la IA en el análisis de datos cualitativos, adquiriendo habilidades prácticas en el uso del PLN y los modelos de lenguaje grande (LLM) para la codificación y el análisis temático.
Para enriquecer las experiencias de aprendizaje potenciadas por la tecnología, se integrarán herramientas y recursos digitales, incluyendo bases de datos en línea, software de análisis cualitativo y plataformas de colaboración virtual.
Extracto académico