Please enable JavaScript.

Coggle requires JavaScript to display documents.

Diseños y métodos de investigación comparativa - Coggle Diagram

- - - - En un sentido muy básico, es importante distinguir tres nociones fundamentales (y campos de investigación):
        
        Ontología ("el estudio del ser") tiene que ver con la pregunta "¿qué existe?" ●¿Hay un mundo “transcendental”? ¿Cómo se ha producido nuestro mundo? ¿Hacia dónde va? Este es el terreno de la filosofía general, de la religión, de distintas perspectivas del mundo (“Weltanschaungungen”) e ideologías, declarando cada una algunas “verdades” absolutas que, sin embargo, a menudo son conflictivas o incompatibles entre sí. Aquí, solo podemos “estar de acuerdo o no”.
        
        Epistemología (el "estudio del conocimiento", por ejemplo, la teoría de la ciencia) dirige la pregunta ●“¿qué podemos saber?" ●¿Cuáles son los cimientos del conocimiento científico? ●¿Cómo podemos estar seguros de nuestras percepciones? De nuevo, hay muchas controversias en estos aspectos, pero en ciertas “escuelas de pensamiento” y en las respectivas disciplinas científicas se pueden encontrar algunas concordancias.
        
        Por último, metodología (el reflejo del conocimiento y de los procedimientos y herramientas en la ciencia) responde a la pregunta “¿cómo adquirimos el conocimiento científico"? ●¿Cuánto son fiables y válidas nuestras herramientas y técnicas? ●¿Cómo podemos estar seguros de la prueba? ●¿Cómo pueden transmitirse y aceptarse de forma inter-subjetiva estas percepciones (por ejemplo, entre los científicos de un determinado ámbito)?
      - Las ciencias sociales (relativo a los seres humanos y a sus interactuaciones) cubren una particular área que se distingue de las ciencias “naturales” (relativas con los objetos inanimados y la “naturaleza”) en un número importante de sentidos. Estos afectan a la “multidimensionalidad” de su tema, la “maleabilidad” y la “plasticidad” de sus objetos cambiando a lo largo del tiempo y al hecho de que nosotros, como seres humanos e investigadores, somos parte del tema que, de nuevo, plantea problemas epistemológicos especiales de interactuación con el mismo. Estas distinciones se presentan en las próximas diapositivas. El tema de la sustancia multidimensional/5 Las ciencias sociales se ocupan, implícita o explícitamente, de tres dimensiones diferenciadas. ●una “objetiva”: algunos objetos tangibles, como en las ciencias naturales; ●una “subjetiva”, de las percepciones y conciencia humana; ●y una “normativa”, de los valores y juicios humanos.
      - Multidimensionalidad de las ciencias sociales: Dichas distinciones son comunes en todas las ciencias que se ocupan de la existencia humana (Immanuel Kant 1787/1956). ●en medicina, corresponde a distinciones entre “cuerpo” y “alma”, o anatomía y psicología; de forma parecida distinguimos entre “hardware” y “software” en nuestros equipos informáticos; pero en todas estas disciplinas, la dimensión y aspectos normativos/éticos se expresan mediante el “juramento de Hipócrates” en medicina y mediante la “ética de internet” que hoy también los recoge. En las ciencias sociales, distintos enfoques enfatizan una de estas dimensiones: ●por ejemplo, los enfoques histórico-materialistas (Marxista) toman la dimensión del “objeto” (la economía y los modos de producción) como punto de partida; ●los conductistas enfatizan la percepción “subjetiva” y el comportamiento; ●los enfoques "normativo-ontológicos" (por ejemplo "Straussiano") debaten sobre valores básicos de un “buen” orden político.
    - - Desde el punto de vista de la enciclopedia libre de Karl Popper (1972), el grado de determinación de las teorías se encuentra en un continuo entre “relojes” y “nubes”, situados en sus extremos.
        Los “relojes” son altamente deterministas, sistemas mecánicos que permiten una gran precisión en pre-decir o retro-decir (como en astronomía). Por el contrario, las “nubes” son casi intangibles, no tienen estructuras claras o patrones y conservan su falta de predictibilidad. Entre ambos existe un tema de sustancia más maleable y “plástico” donde Almond y Genco (1977) sitúan a las ciencias sociales (
      - Los epistemologistas distinguen entre teorías “naturalistas” que dan por sentado el “mundo real” y, en el extremo opuesto, las “teorías constructivistas” que consideran que el mundo está meramente “construido” por nuestros conceptos y percepciones; ●Las teorías “realistas” toman una posición intermedia aceptando un mundo “real” como percibido por nuestros sentidos, pero “construyendo” e interpretándolo a través de nuestros conceptos y teorías (Moses/Knutsen 2012);●Las teorías naturalistas se sitúan a la izquierda del continuo en la Figura 2, las teorías constructivistas a la derecha;●Entre ambas se encuentra el área de las teorías de “rango medio” en la delimitación en el tiempo y en el espacio de Robert Merton (1968);●En las leyes de Carl Hempel (1965) se hace referencia de la mejor manera posible a los “relojes” a la izquierda;●Los métodos (y las restricciones) estadísticos se aplican al terreno “probabilístico”, situado todavía más a la izquierda, con posibilidades, basándose en grandes números, de deducción estadística;●En las ciencias sociales con una “N minúscula” a menudo se pueden establecer solo “condiciones de acontecimiento”, más al centro.
      - De hecho, no hay una sola “ley” absoluta en las ciencias sociales, incluso “la ley de Duverger“(1954) relativa al impacto de los sistemas electorales de los sistemas de partidos o al “teorema del votante mediano” de Anthony Downs (1957) están altamente contextualizados; los métodos comparativos sistemáticos como “Análisis Comparativo Cualitativo” (ACC) pueden establecer algunas “condiciones de acontecimiento” en estos sentidos; más hacia la derecha, se pueden encontrar estudios “cualitativos” de incluso menos acontecimientos, y estos pueden ser “más profundos” y más complejos, aunque menos generalizables. Todas estas cosas son todavía más complicadas por el hecho de que nosotros mismos formamos parte de este tema sustancial (Niklas Luhmann 1996). Esto sitúa problemas específicos de percepción u “objetividad” y crea interactuaciones con los objetos que estudiamos, como por ejemplo las profecías del “auto-cumplimiento” o de la “auto-derrota” en estudios electorales o en el mercado de valores, pero también específicas posibilidades de entendimiento (“Verstehen” en el sentido de Max Weber (1949)) e interpretaciones más sensibles de otros y del mundo en el que vivimos.
      - Aspectos “autorreferenciales”: Los enfoques “constructivistas” pueden investigar más profundamente esta subjetividad y la posible pluralidad de significados en el sentido de Foucault (1970). Esta es otra “differentia specifica” de las ciencias sociales si se comparan con las ciencias naturales. De todo esto, nos sigue también un alto nivel de responsabilidad social y política y la importancia (práctico-política) sobre qué estamos haciendo en un sentido normativo.
    - - En las ciencias sociales hay que distinguir varios niveles de análisis: un “macro” nivel, referido a las grandes entidades sociales como enteras sociedades, economías, estados; un “micro” nivel de personas individuales que viven y actúan en estas entidades; y un “meso” nivel de grupos de personas más o menos organizados y asociaciones intermedias.
        
        Los vínculos entre estos niveles y sus interactuaciones se pueden ilustrar con la “bañera” de James Coleman (1990) (Figura 3). Una explicación de eventos sociales empieza en el macro nivel, situado en la parte superior izquierda (las “condiciones del acontecimiento”) y, a continuación, estas moldean las posibles percepciones y acciones de individuos en el micro nivel. Para llegar a ser efectivas en un mayor sentido, estas acciones a menudo se tienen que agregar por organizaciones del meso nivel, situado en el lado derecho (por ejemplo, movimientos sociales, grupos de interés, partidos políticos), influenciando así el resultado final en el macro nivel, situado en la parte derecha (el “explanandum”).
      - En este sentido, también se puede ilustrar el mayor énfasis de importantes enfoques teóricos:
        
        Macro teorías (por ejemplo, histórico-materialistas) se pueden situar en la parte superior izquierda emanando conclusiones directas, así como con el “explanandum”, situado en la parte superior derecha; Por el contrario, los “metodológicos individualistas” comienzan en el micro nivel, a menudo basándose en presunciones muy fuertes como la del comportamiento “racional” de los actores, la Teoría de la Elección Racional, por ejemplo sobre un “homo oeconomicus” en la teoría económica maximizando sus beneficios materiales o votantes y tomando su decisión según dichos criterios. Dichas presunciones se pueden ampliar para incluir una situación más comprensiva de actores individuales como “Hombres (o mujeres) Limitados, Ingeniosos, Analizadores, Anticipadores, Maximizadores” (RREEMM) en el sentido de Hartmut Esser (1993). Ulteriores aspectos afectan a varias identidades sociales (vínculos familiares, miembros de grupos étnicos, religiosos, etc.) y tendencias más individualistas en sociedades modernas que conducen a presunciones de RREEIIMM (en alemán esto se puede usar para crear un juego de palabras: hacer un “Reim” (en inglés, rima) sobre algo significa que tiene sentido). La "Responsabilidad limitada" por lo menos considera algunas restricciones en el macro nivel (“conjunto de oportunidades”, Jon Elster 1989) o "marco cultural". El "meso- nivel" a la derecha plantea específicos problemas de agregación, por ejemplo para "acciones colectivas" (Mancur Olson 1968) con la posibilidad de “parasitismo” por aquellos que no forman parte de una organización particular pero que comparten los beneficios (por ejemplo, de actividades de unión). Está claro que todo este patrón también se puede “secuenciar” mostrando interactuaciones dinámicas, pero a veces también una cierta “dependencia del camino” a lo largo del tiempo. Así, todos vivimos en un mundo multidimensional y cambiante del que formamos parte en nuestros caminos específicos y con el que tenemos que lidiar con nuestros varios métodos y enfoques. Esto hace que nuestros esfuerzos se comprendan en lo más complejo y difícil, ¡pero también en lo más cambiante y útil!
  - - - Los cimientos del análisis comparativo sistemático han sido establecidos por John Stuart Mill en su comprensivo Un sistema de lógica (2 vol. primera edic. 1843). En él, desarrolló cinco “cánones” (reglas básicas del derecho canónico).
        
        El primero es el “método del acuerdo”: un factor en común, mismo resultado. En sus propias palabras: “Si dos o más instancias del fenómeno sometido a investigación solo tienen una circunstancia en común, la circunstancia en la que solo todas las instancias coinciden es la causa (o el efecto) del fenómeno dado.” Para descubrir más, lee la definición de Razonamiento Causal.
        
        El segundo es el “método de diferencia”: ausencia de un factor, diferente resultado. “Si una circunstancia en la que se produce el fenómeno sometido a investigación, y una instancia en la que no ocurre, tienen todas las circunstancias en común menos una, esa una sucede solo en la primera; la circunstancia en la que solo las dos instancias difieren, es el efecto, o la causa, o una parte indispensable de la causa, del fenómeno.”
        
        El “método indirecto de diferencia” se aplica al método del acuerdo una vez antes y una vez después de un evento (por ejemplo un estímulo externo, una sustancia adicional). Este factor adicional individual se ve entonces como responsable para el resultado cambiado.
        
        El “método de residuos” consiste en el uso repetido del método del acuerdo para eliminar causas previas.
        
        El “método de variación concomitante” muestra las correlaciones entre dos factores o un factor externo común que no puede eliminarse (como el punto de ebullición del agua dependiendo de la altura sobre el nivel del mar).
    - - Métodos de Mill: La marisquería de Pop: Cuatro amigos en Noruega comen fuera en “la marisquería de Pop”. Volviendo a casa todos se encuentran mal. Han comido platos tal y como se representan en la tabla 1: Método del acuerdo como método de eliminación. Un ejemplo de los libros de Moses/Knutsen "Formas de conocimiento: Metodologías competitivas en la investigación social y política", capítulo 5. Pero ¿qué comida provocó la enfermedad? El único plato que todos tienen en común eran las ostras, por lo que (¿posiblemente?) el resto de los platos se pueden descartar. Sin embargo, su repentina enfermedad también puede deberse a otras circunstancias en común, por ejemplo la falta de higiene de este lugar o algún otro tipo de infección. Por lo tanto, hace falta otro control: el método indirecto de la diferencia. Otros tres chicos llegaron para comer.
      - Probaron todos los platos, excepto las ostras, y ninguno de ellos se enfermó. Ahora podemos decir con mucha mayor certeza que las ostras fueron las responsables de la enfermedad. Sin embargo, muchas situaciones “del mundo real” son mucho más complejas que esta y no se pueden reducir a una causa o efecto individual. Para descubrir más, lee la definición de Causalidad.
    - - El mismo Mill era mucho más consciente de esto cuando escribió: “La ciencia del hombre en la sociedad..., las acciones de las masas colectivas de la humanidad, y los varios fenómenos que constituyen la vida social... son más complejos; porque el número de causas simultáneas, todas ellas ejercitando una mayor o menor influencia sobre el efecto total, es mayor, en la proporción en la que una nación, o las especies en general, exponen una mayor superficie a la operación de agentes, psicológicos y físicos, que cualquier individuo solo” (5ª ed., 1862, p. 456). También era muy crítico con el estado de las ciencias políticas en su momento: “Los estudiantes de políticas... intentaron estudiar la patología y la terapéutica del cuerpo social, antes de que hubiesen apoyado la base necesaria en su fisiología; para curar la enfermedad, sin entender las leyes de la salud” (ibíd., p. 457). Lee más en la "Enciclopedia Internacional de Ciencias Políticas". En total, los métodos de Mill se basan en mecánica y determinación, relaciones “naturales”; no serán “descubrimientos” sin incluir factores “reales”. Esto significa que presuponen un modelo comprobable o una teoría y no son meramente inductivos. Sin embargo, son útiles los "dispositivos de falsificación" (Karl Popper). En las ciencias sociales normalmente encontramos una pluralidad de causas y relaciones probabilísticas. Dichas causas pueden ser múltiples o “coyunturales” en el sentido de J.S. Mill, lo que significa que varias combinaciones de factores pueden llevar al mismo resultado (“equifinalidad”). Los métodos de Mill también son útiles para identificar “condiciones de acontecimiento” de un fenómeno más generales (Cohen y Nagel 1934) al macro-nivel (esquina superior izquierda de la “bañera de Coleman”).
      - Métodos de Mill, recientes avances: Los métodos de Mill también se pueden aplicar en la forma de los “cuasi-experimentos” (Cook y Campbell 1979). En él, se eligen dos grupos al azar, solo uno recibe un estímulo, el otro sirve como grupo de control. Esto se hace a menudo, por ejemplo, en exámenes clínicos de nuevos fármacos o terapias médicas. Los exámenes del “doble ciego” en este sentido también pueden realizarse para los efectos placebo. En este sentido, se puede determinar por lo menos la “validez interna” de dichos descubrimientos. La “validez externa” (el alcance de la teoría) solo se puede establecer dibujando un ejemplo al azar de un gran universo de casos asumiendo una "distribución normal" a forma de campana (Carl Gauss), por ejemplo, en las encuestas de opinión pública. Sin embargo, esto no es viable con una “N minúscula” en el macro-nivel de los análisis.
- - - - Cuando no es posible un ejemplo al azar procedente de un gran universo de casos, como en el macro nivel de los países, economías, etc.; 1-la selección del caso se debe determinar por otros criterios: Cuando no es posible un ejemplo al azar procedente de un gran universo de casos, como en el macro nivel de los países, economías, etc., la selección del caso se debe determinar por otros criterios:
        
        Este principio se ilustra en la Figura 1 para tres casos (representados por los círculos). Se pueden buscar solo en las áreas sombreadas las posibles causas para el respectivo resultado. Todas las zonas blancas se pueden excluir y “controlarse” en esta forma (se ofrecerá una operatividad detallada en la Lección 4).
      - En las últimas décadas, la búsqueda orientada al caso y la de la N minúscula se ha desarrollado de muchas formas: La “Inducción analítica” (Blalock 1984); las “narrativas analíticas” (Bates 1998) y el “eclecticismo analítico” (Sil/Katzenstein 2010), por ejemplo, comenzado con un caso individual o con pocos casos para llegar a percepciones teóricas más amplias, se han practicado con varios enfoques en distintos campos. Se han sistematizado estudios de casos no solo para llegar a descubrimientos idiográficos (válidos solo para un caso individual, así como para un evento histórico o en una historia detectivesca), sino también para contribuir a una ulterior teorización en un sentido nomotético (por ejemplo, más generalizado) (George/Bennett 2005, Gerring 2007). Bates, R.H., Greif, A., Levi, M., Rosenthal, J., et al.: Narrativa analítica
        
        En este sentido, también es importante distinguir entre observaciones (estáticas) de “conjunto de datos” y (dinámicas) de “proceso causal” (Brady/Collier 2010, Beach/Pedersen 2010). Los análisis de N minúsculas y medianas permiten un constante “diálogo entre teoría y datos” (Ragin 1987), enriqueciendo las perspectivas, dándoles un mayor significado y, posiblemente, una mayor importancia social y política. Sin embargo, no se espera ninguna ley universal en las ciencias sociales (recuerda la lección 1).
    - - Dependiendo del número de casos observados y del número de posibles factores causales (variables) que se consideran, se pueden identificar los siguientes e importantes diseños de investigación comparación (Figura 2):
        
        ● estudios de casos individuales con muchas variables que permiten una "descripción densa" (Clifford Geertz 1973); ● comparaciones parejas (Rokkan 1970); ● en los extremos, se pueden encontrar dos tipos diferentes de análisis del “sistema del mundo”: un caso (el mundo), una variable (desarrollo del capitalismo) (I. Wallerstein 1979); ● todos los casos (países), con muchísimas variables (K. Deutsch 1990)
      - En el medio, se pueden distinguir los métodos comparativos (“configurativos”) con una N minúscula o mediana y muchas variables (condiciones); y los métodos estadísticos (N mayúscula, normalmente con un pequeño número de variables).
        Entre los métodos configurativos (conjunto-teórico) de los diseños de sistemas más parecidos (MSDO), se pueden distinguir (Figura 3) los diseños de sistemas más diversos (MDSO), Análisis Comparativos Cualitativos de conjuntos marcados (cs-ACC), ACC de múltiples valores (mv-ACC) y ACC de conjuntos difusos.
      - Vista general de los diseños de investigación comparativos: El “caballo de batalla” de muchos estudios estadísticos macro-cuantitativos son los “cuadrados mínimos ordinarios” (OLS) las regresiones y los procedimientos similares. En cualquier caso, ¡se debe evitar un “diseño de sistemas más convenientes” basado solamente en la familiaridad personal con pocos casos, habilidades lingüísticas, atracciones turísticas de lugares particulares, etc.!
    - - Formulación de la cuestión investigativa, basada en la vanguardia, estableciendo hipótesis centrales;● esto es absolutamente crucial: ser absolutamente claro sobre qué quieres hacer y por qué lo quieres hacer;● que no se haya hecho antes no es un motivo suficiente, esto puede estar correctamente justificado;
      - Delineación del universo de casos (comparativos):● para N (muy) minúsculas esto es igualmente importante, se deberían justificar con bases teóricas;● los casos seleccionados deberían ser lo suficientemente homogéneos para poder compararlos, pero internamente heterogéneos para permitir una mayor variedad y el objetivo de la explicación. Incluyendo casos con diferentes resultados (positivos y negativos) se puede lograr un diseño “cuasi-experimental”. Además, no solo como un criterio secundario, pueden jugar un papel algunas consideraciones pragmáticas; (como la experiencia personal, las posibilidades de financiación, capacidades lingüísticas, etc.). Para saber más, lee Pasos del Proceso Investigativo - Fragmento
      - Establecimiento de parecidos y diferencias: La selección de variables (condiciones) se determina por el interrogante investigativo original (Amenta/Poulsen 1994). Hay varias posibilidades: ● probar hipótesis específicas (factor individual); ● probar hipótesis “coyunturales” (diferentes combinaciones de factores); ● “perspectivas”, enfoque “vanguardista” (varias hipótesis alternativas); ● enfoque “comprensivo” (considerando todos los posibles enfoques, posiblemente en una base de “sistema”.
        
        Esto conduce al diseño de búsqueda final y a varios procedimientos de análisis: ● Combinación sistemática de casos, MSDO (controlar por las respectivas zonas, a menudo siendo más exploratorias); ● Contraste sistemático de casos, MDSO (necesitando ya más hipótesis específicas, mejor teoría); ● Vinculando el resultado a hipótesis (confirmación, falsificación, modificación);
  - - - Aplicación del MSDO/MDSO; Ejemplo: Supervivencia o caída de la democracia en la Europa de entreguerras
      - Paso 1: Formulación de la cuestión investigativa, Unido a la teoría empírica democrática, un inmenso cuerpo de literatura, varias hipótesis rivales, inquietudes altamente relevantes (incluyendo prospectos para nuevas democracias en otras partes del mundo), aquí está el enfoque “comprensivo”, acomodando distintas perspectivas al marco de un “sistema político”. Leer más en: Democratización: La Tecnología, Modelo multidimensional (Easton/Almond)
        
        Basándose en este modelo de sistema que ilustra las interactuaciones entre sociedad y políticas y que está integrado en el sistema internacional, se consideraron las siguientes siete categorías (los nombres de los principales autores están entre paréntesis): 1-fondo geopolítico e histórico general (S.Rokkan); 2-desarrollo socio-económico (S. M. Lipset), estructura social (B. Moore); 3-fragmentación social (A. Lijphart); 4-cultura política (G. Almond); 5-estructuras intermedias (G. Luebbert, J. Linz, P. Schmitter); 6-instituciones políticas (R. Dahl, F. Hermens, G. Sartori); 7-factores internacionales (R. Rosecrance).
        
        Desde este cuerpo general de literatura se han seleccionado las principales variables, expresando las varias hipótesis de los autores. Para nuestros objetivos (MSDO/MDSO y, a continuación, el conjunto nítido ACC) estas variables se tienen que dicotomizar, convirtiéndolas en valores de 1 o 0 (presencia o ausencia de una condición). Las operatividades concretas se incluyen en la Tabla 1.
      - Paso 2: Delineación del universo de casos (comparativos), En un contexto (relativamente) homogéneo, claramente delimitado en el espacio y en el tiempo (en el periodo de las 2 Guerras Mundiales que cambiaron el aspecto de Europa de una forma muy significativamente (lee sobre el periodo de entreguerras), casos con resultados diferentes (supervivencia o caída de la democracia) se escogieron incluyendo también un número de países más pequeños y menos investigados, conduciendo a una mayor heterogeneidad. En conjunto, hemos incluido 10 caídas (acrónimos de país en letras minúsculas) y 8 casos de supervivientes (letras mayúsculas).
    - - Paso 3: Establecimiento de parecidos y diferencias en un marco multidimensional. Tres posibilidades: 1-resultado más diferente-igual (casos de supervivencia, zona 1); 2-resultado más diferente-igual (rupturas, zona 2); 3-resultados más parecidos - diferentes (zona 3). Las actuales diferencias para la categoría 1 se citan en la siguiente diapositiva matriz (Figura 2).
        
        Aquí, los casos más diferentes ente los supervivientes (zona 1) fueron Francia y Finlandia y Checoslovaquia y Gran Bretaña (siendo diferentes para cada pareja en 7 de cada 8 variables en esta categoría). Entre los casos de caída (zona 2) España y Estonia eran las más diferentes (6 variables). En la zona 3 (supervivientes contrastantes y caídas), los siguientes pares de casos eran más parecidos (un valor de 0 para las 8 variables): Finlandia/Estonia, Austria/Checoslovaquia, Hungría/Checoslovaquia, Rumanía/Checoslovaquia (esto se puede explicar por el hecho de que la primera pareja formaba parte del Zsarist, y las demás parejas formaban parte del Imperio de los Habsburgo antes de la I Guerra Mundial). Para saber más, lee: Austria, historia y geografía en la Enciclopedia Británica. En el siguiente gráfico (Figura 3) se resumen los resultados de los matrices de distancia para las siete categorías. Muestra los valores mínimo y máximo para todas las zonas. El máximo de 7 en la zona 1 para la categoría 1 en el matriz previo se puede encontrar en la esquina superior izquierda; el máximo de 6 para la zona 2 de esta categoría también se cita ahí; el mínimo de 0 para esta categoría se indica en la esquina superior izquierda de la zona 3.
      - Paso 4 (contraste sistemático de casos). En este punto, las diferencias o similitudes actuales para cada par de casos se pueden establecer dependiendo de la relativa distancia desde el respectivo máximo o mínimo en cada categoría. Por lo tanto, un valor de D0, por ejemplo, significa la distancia más baja desde el máximo (por ejemplo, la mayor diferencia como entre Finlandia y Francia en la categoría 1). D1 es entonces una distancia (una variable) menos, etc. Las distancias a lo largo de todas las categorías para la zona 1 se indican en la Figura 4. Lee más sobre Pehr Evind Svinhufvud presidente de Finlandia en la Enciclopedia Británica. Esta información también se puede representar gráficamente mostrando las distancias relativas desde el caso más diferente (Finlandia) a otros cuatro (Gran Bretaña, Irlanda, Holanda y Bélgica) donde se han identificado el mayor número de distancias y sus relativas fuerzas. Esto se muestra en la parte inferior de la Figura 5.
        Además, al final las respectivas categorías a las que se aplican estas diferencias se indican entre paréntesis (G para fondo general, etc.).
    - - Para el análisis final y la interpretación, se pueden ignorar todas estas diferentes para este grupo de casos y solo entre las similitudes restantes se puede buscar una explicación para el mismo resultado (recuerda: este es un diseño MDSO). Resulta que solo 7 variables en las categorías 2, 4, 6 y 7 siguen pudiendo explicar el mismo resultado entre estos cinco casos (ver Tabla 2). Así, la complejidad se ha reducido considerablemente y el radio entre el número de casos y el número de variables ahora es mucho más favorable. La categoría 9 en la tabla referida a las intervenciones reales por actores se puede ignorar aquí.
      - Tras este procedimiento es imperativo encontrar el sentido a dichos descubrimientos. MDSO/MSDO (y ACC) son solo (relativamente mecánicos) instrumentos para reducir la complejidad y enfocan nuestro punto de vista (como un microscopio en biología), pero los resultados pueden ser tan falsos como en estadística. Ahora los resultados se tienen que interpretar a la luz de nuestras previas teorías e hipótesis. Resulta que, de hecho, un alto nivel de literatura en el sentido de Lipset, la ausencia de una cultura política “subjetiva” (Almond), fuertes derechos políticos y civiles (Dahl) y la falta de participación del ejército en la política (Huntington) han sido propicios para la supervivencia de la democracia. Por el contrario, se puede ignorar aquí el estar entre las culturas no eslavas, ya que la eslava Checoslovaquia también era un caso supervivencia. Los mismos pasos (4 y 6) se hicieron para los casos de caída (zona 2) y, por último, para las correspondencias de supervivientes y caídas (pasos 5 y 6). La configuración para los casos más parecidos con un resultado diferente (Finlandia frente a Estonia y Alemania) se muestra en la parte superior de la Figura 6. Las restantes diferencias donde ahora otra vez se puede buscar la explicación para el resultado se indican en la Tabla 3 (diapositiva 19). Lee más sobre Constituciones y caídas democráticas.
      - Se puede ver que solo sigue habiendo 7 variables (categorías 1 a 7). Una vez más, se tienen que interpretar bajo la luz de la teoría democrática empírica y el conocimiento del caso histórico. Así, una cultura política más igualitaria y participativa en Finlandia y las agriculturas a conducción familiar se encuentran en línea con las expectativas comunes (por ejemplo, T. Vanhanen). Por el contrario, la existencia de una escisión allí (minoría parlante de sueco) no ha jugado un papel a nivel histórico. En este sentido, se puede llevar a cabo el “diálogo entre teoría y datos” (Ch. Ragin). Sin embargo, los resultados siguen limitándose a los casos reales y al periodo examinado (“validez interna”). Se pueden validar ulteriormente examinando otras constelaciones de casos. A largo plazo, la teoría empírica democrática se puede fortalecer en este sentido.
- - - - El ACC permite llevar a cabo un análisis formal en un pequeño diseño a N, basándose en el álgebra de Boole y establecer una teoría. Aquí, el análisis “cualitativo” solo se refiere a la presencia o a la ausencia de condiciones, que no se debe confundir con métodos “cualitativos” (interpretativos). El/los método(s) “configurativo(s)” podrían ser un mejor término. El ACC trabaja con el álgebra booleana: todo es cierto (1) o falso (0); principio también localizado en los circuitos eléctricos (ordenadores, etc.).
      - Base del ACC, ¿cómo funciona el ACC? Los casos se representan por condiciones (variables independientes) y por un resultado (variable dependiente). La presencia de condiciones se nota en cada caso, por ejemplo: X es una democracia elecciones con regla de mayoría en X (“mayoría simple”) los ingresos medios en X son por encima de los 4000 $ (valores sí o no).
        
        Notación en ACC: Condición cumplida: LETRAS CAPITALES (A) Condición no cumplida: letras minúsculas (b) Conjunción Y: A * b (A es cierto Y B no es cierto) Disyunción O: A + B (A es cierto O B es cierto)
        
        Ejemplos: Berlín: CAPITAL EUROPA ANCHO San Paolo: capital europa ANCHO Pretoria: CAPITAL europa ancho Los casos se representan por configuraciones lógicas; se agrupan en una “tabla de la verdad” en base a estas configuraciones. Los grupos de casos con un resultado contradictorio se reconocen en la tabla de la verdad y se marcan como contradicciones (C →Contradicciones). En el siguiente ejemplo, usamos los cuatro indicadores socio-económicos de Lipset del Producto Interno Bruto (PIB) per cápita, urbanización, alfabetización, industrialización para los casos en el proyecto de entreguerras. Para esta finalidad, los datos originales se tienen que convertir en dicotomizados (datos de Boole) usando ciertos umbrales.
        
        Umbrales: Pibcap = 0: producto interno bruto/cápita (aprox. 1930) por debajo de 600 $, 1 por encima; Urbaniza= 0: urbanización (población en las ciudades con 20000 y más habitantes) por debajo del 50%, 1 por encima; Alfabetización= 0: alfabetización por debajo del 75%, 1 si está por encima; Indlab = 0: fuerza de trabajo industrial (incluida la minería) por debajo del 30% de la población activa; 1 si está por encima
    - - Aquí resulta aparente que la misma constelación de factores, por ejemplo Bélgica, Países Bajos, Reino Unido (como supervivientes) y Alemania (caída de la democracia) se indican como contradictorios. La hipótesis de Lipset, en un sentido negativo, solo se confirma para Italia, Rumanía, Portugal, España y Grecia (todos están descompuestos al tener bajos niveles de desarrollo). Todos los demás casos muestran varias mezclas de condiciones, muchas permaneciendo contradictorias. Como el próximo paso, la tabla de la verdad se “minimiza” → se extraen los principales implicantes. Los implicantes se combinan a las “soluciones de ACC”. El método busca la solución más breve (“la más parsimoniosa”). Los implicantes son expresiones lógicas. Una expresión lógica de un caso está implicada por otra expresión lógica, si la expresión lógica es un subconjunto de la expresión lógica del caso (por ejemplo, “manzana” es un subconjunto de “fruta” y se ve implicada por “fruta”). Los principales implicantes son implicantes lógicos, que solo implican casos con el resultado elegido para la minimización y que no están implicados por ningún otro implicante.
      - Regla de la Minimización; La regla más importante en el ACC: Si dos expresiones booleanas difieren solo en una condición causal, se sigue produciendo el mismo resultado, por lo que la condición causal que distingue a las dos expresiones se puede considerar irrelevante y se puede eliminar para crear una expresión más sencilla y combinada. Ejemplo: ABC + ABc = O Reducido a: A*B = O (Por ejemplo, la condición C, si está presente o ausente, no afecta al resultado, por lo que se puede eliminar). Descubre más sobre el algoritmo Quine–McCluskey.
      - Análisis de ACC; La constelación de factores también se puede ilustrar en un “diagrama de Venn”. Los casos con condiciones idénticas se agrupan en el mismo cuadro. Aquí, de nuevo, las contradicciones resultan aparentes. Los cuadros vacíos (los famosos “casos lógicos restantes”) indican combinaciones de condiciones para las que no se han incluido casos empíricos existentes en el análisis.
      - A veces los cuadros vacíos (restantes lógicos) se pueden usar para una ulterior reducción. Aquí, si se incluyen los tres cuadros vacíos en la mitad superior del diagrama de Venn, solo la baja alfabetización caracteriza los casos de caída. En este sentido empleamos ciertas “presunciones simplificadas”, por ejemplo, los casos lógicos restantes. Estos se enumeran (en el software “TOSMANA”) al final (con los valores de las condiciones mostradas en las esquinas de los cuadros vacíos). Descubre más en Diversidad limitada y lógicas restantes. Observa COMPASSS: Software.
    - - Un padre pregunta por qué algunos niños han sido invitados por su hijo a una fiesta de cumpleaños. Condiciones posibles para una invitación (resultado): Niña: sí (g=1), no (g=0) Edad (4 años o más (a=1); otros (0)) Misma guardería (sí (k=1); no (k=0)) Reglas de reducción: por parejas, graduales, solo una reducción a la vez.
      - Recuerda: Los cálculos en ACC se realizan en múltiples pasos: los casos se agrupan en una tabla de la verdad, los implicantes principales se extraen de la tabla de la verdad, los implicantes principales se combinan a las soluciones más parsimoniosas. El resultado de cada paso es importante.
      - Minimización a mano: 0 Aquí, se comparan los primeros tres pares de casos. Son posibles dos minimizaciones: Ole/Ben = gk y Ole/Ida (ak). Una reducción para Ben/Ida no es posible (¡dos reducciones a la vez!). Así, la solución se lee: los niños no estaban invitados cuando no eran niñas y no estaban en la guardería (Ole y Ben) o cuando eran más jóvenes y no estaban en la guardería (Ole e Ida).
      - Minimización a mano: 1
        Aquí la solución es: los niños estaban invitados cuando estaban en la guardería (Bosse, Paul, Marie y Kerstin) o eran niñas de mayor edad (Inga y Kerstin).
- - - - Las contradicciones aparecen cuando casos con la misma configuración obtienen resultados diferentes. Las contradicciones causan problemas, pero pueden ser una oportunidad, así como revelar hipótesis incorrectas. El resultado diferente no se puede explicar con las condiciones seleccionadas. →Control de la codificación (umbral, mv-ACC) →Buscar ulteriores condiciones (teoría). Contradicciones en el Análisis Comparativo Cualitativo (ACC): Soluciones al Dilema.
      - Restantes lógicas, Estas son configuraciones lógicas posibles pero que no existen en el conjunto de datos. Las restantes lógicas existen en casi todos los conjuntos de datos. Esto aumenta las minimizaciones posibles considerablemente. El número de combinaciones posibles aumenta exponencialmente con el número de condiciones 10 condiciones = 210 combinaciones = 1024 (¡!) Las restantes lógicas se pueden incluir en el análisis por el software. Estas se toman como “no importantes” (por ejemplo, se pueden usar como resultados 1 y 0). No contradicen los casos existentes y se pueden incluir en el proceso de minimización. Por supuesto, esto cambia la solución (incluido un gran número de presunciones simplificadas).
      - Cálculo con lógicas restantes Normalmente la inclusión de restantes lógicas da como resultado más soluciones parsimoniosas. Pero: Cada lógica restante incluida añade una presunción a la solución (¡recuerda el diagrama de Venn!). → Problema: ¿Qué pasa si un caso con esta configuración existe contradiciendo el resultado analizado? → Problema de “presunciones simplificadas contradictorias". Si el mismo recordatorio lógico se incluye para resultados diferentes, esto lógicamente es contradictorio. Descubre más sobre Resolución de presunciones contradictorias simplificadas en el ACC: presentación de una nueva y mejor práctica Si se produce esto (relativamente raro): Controla la lista respectiva de presunciones, si dos o más son iguales para resultados distintos, asigna nombres especiales al caso para estos “hipotéticos” casos en el conjunto de datos y, a continuación, estos se ignorarán en el ulterior análisis. Si hay muchas presunciones simplificadas se puede usar la “calculadora booleana” en TOSMANA. Esto identifica “presunciones de simplificación contradictoria” y puede tener que repetirse varias veces hasta que todas las presunciones de simplificación contradictoria desaparezcan.
      - Valores omitidos Los valores omitidos se pueden considerar en el ACC. Estos se codifican con ‘-’ en Tosmana. Por cada valor omitido se crean nuevas configuraciones insertando todos los valores posibles. Las configuraciones así creadas se incluyen en el conjunto de datos, si no contradicen a otro caso. Pero: ¡Los valores omitidos siempre provocan problemas! ¡Se deberían omitir todo lo posible! En los estudios de la N minúscula los valores se pueden añadir después de una ulterior investigación del caso; los valores cualitativos permiten estimaciones cualificadas.
    - - Para los conjuntos frescos los datos del ACC tienen que estar dicotomizados usando ciertos umbrales (puntos de corte). No existe una regla fija sobre cómo encontrar “buenos” umbrales. Ni siquiera hay una definición fija sobre qué es un “buen” umbral. Siempre que sea posible, usa umbrales basados en teorías. Evita subconjuntos distribuidos muy irregularmente; Evita cortes artificiales.
      - La dicotomía del intervalo o las variables ordinales causa la pérdida de información. Hay varias formas de configuración de los umbrales. Evita un umbral entre casos que están cercanos entre sí. Inspecciona siempre la distribución visual. Desplaza el umbral de la forma más apropiada (¡documento!)
      - Condiciones necesarias y suficientes Las condiciones necesarias siempre están presentes para un cierto resultado, por ejemplo, el resultado es un grupo secundario de la condición. Las condiciones suficientes explican el resultado por sí mismas, puede haber varias, pero pueden no ser necesarias (por ejemplo, la condición es un subconjunto del resultado). El ACC también puede identificar partes “Insuficientes pero Necesarias de una condición Innecesaria pero Suficiente” (INUS, por sus siglas en inglés, de Mackie 1965). Por ejemplo, una fórmula que incluye tres términos para distintos casos: ABC (casos 1, 3, 5) + AbC (casos 2, 4, 6) + AD (casos 7, 8), cada término es una suficiente constelación de condiciones para un cierto resultado, pero ya que hay varios términos, ninguno de ellos es necesario. Solo A en todas estas constelaciones es una condición necesaria (produciéndose en todas), pero por sí misma es insuficiente para explicar el resultado. De forma parecida, una condición SUIN es una parte Suficiente pero Innecesaria de un factor que es Insuficiente pero Necesario de un resultado.
    - - El ACC calcula la solución más breve minimizando los valores dicotómicos. Problema: la dicotomización puede causar confusión; mv-ACC es una extensión de ACC con condiciones de múltiples valores. Esto reduce la pérdida de información y permite una mejor representación de los datos ordinales (y nominales) con más de dos valores. Este procedimiento también se incluye en TOSMANA. Lee más sobre Parámetros de adecuación y soluciones intermedias en los Análisis Comparativos Cualitativos con múltiples valores. Los valores se escalan en un rango de {0,..., n} (por ejemplo {0, 1, 2} para una condición con tres valores). Nota: los valores se indican entre corchetes: A{0}, para indicar, por ejemplo, que la condición A tiene valor 0. La minimización solo se produce si se pueden incluir todos los valores posibles: A{0}B{0}+A{1}B{0}+A{2}B{0} se pueden reducir a B{0} para indicar, por ejemplo, que aquí los valores de A son irrelevantes. Se pueden usar múltiples valores aquí solo para las condiciones (variables independientes), no para el resultado (variable dependiente).
      - Mv-ACC - Ejemplo (G) PIB/cap. (ca. 1930); 0: por debajo de 600$, 1: más (U) Urbanización (Ciudades >20,000 habitantes) 0: por debajo de 50%; 1 más (L): Alfabetización por debajo del 75%; 1 más (I)Indlab = 0: parte de trabajadores industriales < 30%; 1 más; Esto da como resultado muchas contradicciones (ver tabla 1):
      - Resultado: Muchas menos contradicciones Ahora esto da como resultado una solución mucho mejor para los casos de supervivencia (resultado 1 incluyendo “restantes” R): G{2} + G{1}*I{0} (Swe, Fra, Bel, Net, UK) + (Ire, Fin) Esto significa que un PIB muy alto o un PIB medio y una baja industrialización explican el resultado. Esto también se aplica a los casos de caída: Solución 0, R (incluyendo restantes): G{0} + G{1}·U{0}·I{1} (Ita, Rum, Por, Esp, Gre, Hun, Est) + (Aut) Esto significa que un PIB muy bajo o un PIB medio y una baja urbanización y una alta industrialización para el caso concreto de Austria explican las caídas. Solo una constelación contradictoria (para Alemania y Checoslovaquia) no encuentran solución. Aquí, miraríamos estos casos más detalladamente para encontrar un factor adicional.
  - - - Aquí aplicamos la “lógica difusa”. Otra vez esto es “configurativo” y “orientado a la diversidad”, pero no hay más grupos dicotomizados “definidos”. Sin embargo, se pueden usar escalas continuas. Esta es otra forma para ocuparse de variables con múltiples valores, “recalibrando” por ejemplo las variables métricas o intervalos en medidas ordinales o variables independientes y dependientes, por ejemplo con escalas de cinco - o de siete - puntas. Esto “difumina” los límites. Ejemplo: un caso puede estar completamente en un conjunto, en su mayor parte, en una transición, en algún modo o completamente fuera. Esto es menos preciso, pero puede ser más significativo, por ejemplo, teniendo categorías más amplias de PIB como en los “países con bajo rédito”, etc.
      - Algunas escalas pueden tener mínimos o máximos absolutos (como la alfabetización), para otras el PIB no presenta límites absolutos en el mundo real.
      - En el software fs/acc también se pueden calcular las escalas continuamente calibradas. Con la función de “cómputo de variables” se pueden configurar los respectivos parámetros para los valores mínimo y máximo y el punto de cruce. Así, esto convierte la escala del intervalo original en una calibrada difusa. Para los datos brutos de Lipset, esto da como resultado la tabla a continuación.
    - - A diferencia del ACC de los grupos definidos (cs-ACC), las condiciones necesarias y suficientes se calculan una tras otra: Cálculo de las condiciones necesarias. Cálculo de las condiciones suficientes. En el cs - ACC: La condición K es necesaria ⇔ cuando K se da en todos los casos con resultado O. Esto se puede escribir como: K(B+C) o KB +K*C (por ejemplo, K se encuentra en todas las condiciones suficientes). En el fs - ACC la decisión sobre si K es necesaria o no se realiza con criterios probabilísticos (no veraces, como en el ACC): O ≤ K es cierto para X% de casos →Confirmación con la prueba de significancia. Para ambas se llevan a cabo pruebas de significancia de la necesidad y de la suficiencia. Esto requiere una N ciertamente mayúscula (en el mundo de la probabilidad). Son posibles varios umbrales (bancos). Parámetros. Bancos para la necesidad, por ejemplo: 0.65 (normalmente necesario), 0.80 (casi siempre necesario). Niveles de importancia (como en la estadística): 0.01; 0.05; (0.10). Ejemplo: Es necesaria la condición K si O ≤ K es cierta para el 80% de los casos en un nivel de significancia del 0.05. En el software fs-acc (2009) las pruebas de necesidad se pueden hacer usando la función “analizar condiciones necesarias”. En él se muestran los niveles de consistencia y cobertura o las condiciones combinadas (Tabla 5).
      - Análisis de condiciones necesarias En este ejemplo, solo la alfabetización es completamente consistente con el resultado (un valor de 1.0). La cobertura (por ejemplo, el porcentaje de casos incluidos en este nivel) solo es (casi) 0.6, por ejemplo, menos de dos tercios. Por el contrario, el PIB/cap. tiene una cobertura mayor, pero una menor consistencia. Esto es cierto también para los demás factores aquí incluidos. Para un mayor detalle, lee Análisis Comparativo Cualitativo de Conjuntos Definidos y Difusos que es un estudio.
    - - La función de los “gráficos” en el fs-ACC muestra las relaciones por dispersión , indicando la necesidad (dando como resultado un subconjunto de la causa, triángulo en la parte inferior derecha) o suficiencia (dando como resultado un subconjunto del resultado, en la parte superior izquierda del triángulo).
        Los “grupos difusos” muestran la relación entre la condición y el resultado como en un diagrama de dispersión triangular (aquí entre alfabetización y resultado) en la Figura 1.
      - En este ejemplo, el diagrama de dispersión muestra la consistencia completa de la condición y el resultado (todos los casos están en el triángulo inferior derecho).
        Este no es el caso, sin embargo, cuando probamos el PIB/cap. como en el siguiente diagrama de dispersión:
      - Otra función en el fs-acc se puede mostrar en las relaciones subconjunto-superconjunto. Así esto produce la cobertura y la consistencia para todas las condiciones en distintas combinaciones, como en la Tabla 6.
        Las combinaciones de condiciones muestran una alta consistencia y la cobertura se puede elegir de esta forma. A menudo hay un intercambio entre estos parámetros. Aquí, la combinación fuzzygnp*fuzzylit muestra los mejores valores.
- - - - Los grupos difusos se pueden usar para distintas finalidades: 1-permiten un mejor “adecuación” de datos recalibrados; 2- pueden identificar condiciones necesarias y suficientes en una base probabilística con los parámetros respectivos; 3-el “algoritmo de la tabla de la verdad” usa grupos difusos para un análisis del ACC.
        
        Esto también considera el número de casos incluidos (“cobertura”) y el grado de relación del subconjunto (“consistencia”). Algunas características especiales: fs-acc analiza los resultados respectivos (diversificados) todos a la vez (no en procedimientos separados con resultados positivos y negativos, como en el cs-ACC). Esto significa que para cada condición se puede tomar su valor positivo o su valor negativo (escritos con una tilde): 1 – A = ~A. En la lógica Y la combinación se expresa ahora por A * B = min (A, B), (por ejemplo, la intersección de 2 o más condiciones tomando el valor más bajo de una de ellas).La combinación lógica OP ahora es: A + B = máx (A, B) (por ejemplo, la unión de 2 o más condiciones tomando el valor más alto de una de ellas). Esto se muestra en las Tablas 1 y 2 (diapositivas sucesivas).
      - Principios; En la Tabla 3 se enumeran todas las posibles combinaciones para 3 condiciones (222=8). Se evidencian todos los casos con resultados mayores de 0.5 para una combinación, indicando el número de casos por espacio vector. Las combinaciones sin casos con resultados mayores son “restantes”
      - Casos; Así, los casos tienen grados de pertenencia que varían en cada espacio vector. Aquí, para los parámetros de cobertura y consistencia se tienen que definir: por lo menos un caso empírico para la cobertura (para estudios con una N mayúscula los parámetros mayores pueden reducir el “ruido” en los datos). Para la consistencia se recomienda un nivel de >0.75 o >0.80, una consistencia menor indica “contradicciones”. Para saber más lee Rediseñando la encuesta social: Grupos difusos y más.
    - - Aquí, tomamos de nuevo en consideración 3 de las condiciones de Lipset como ejemplo (esta vez en versiones negadas de las escalas de intervalo calibradas, el resultado 1 ahora representa casos de colapso). Para un ulterior estudio, lee Seymour Martin Lipset y el Estudio de la Democracia. La tabla 4 muestra la tabla de la verdad resultante con las varias combinaciones.
      - Fórmulas del ACC; Basándose en esto, las fórmulas del ACC se pueden computar de nuevo (con o sin “restantes”). Las condiciones necesarias (presentes en todos los casos del resultado respectivo) se pueden controlar primero con la función “condiciones necesarias de análisis” en fs-acc. A menudo estas no se incluyen en las fórmulas más parsimoniosas del ACC. Aquí, la alfabetización con un punto de consistencia igual a 1.0 resulta ser una condición necesaria para los argumentos de supervivencia. Usando la función “análisis, grupos difusos, algoritmo de la tabla de la verdad” en fs-acc se conduce a una caja en la que se pueden seleccionar el resultado y las condiciones. A continuación, en la caja “editar la tabla del a verdad” se tienen que elegir los parámetros para la consistencia y la cobertura (ir a “editar” y, a continuación, a “eliminar y codificar”). La fórmula compleja para los casos de supervivencia es la siguiente:
        
        (límite de frecuencia: 1.0, límite de consistencia: 0.78): fuzzygnpfuzzylit (por ejemplo, alto PIB y alta alfabetización) (cobertura de la solución: 0.72; consistencia de la solución: 0.81 ) Casos con pertenencia mayor de 0.5 en el término fuzzygnpfuzzylit: UK (0.93, 1), NL (0.92,1),BE (0.91,1),FR (0.91,1), SW (0.86,1), GE (0.76,0), AU (0.67,0.33),IR (0.59, 0.83) .
        
        Esto significa que el término fuzzygnp*fuzzylit reducido de algún modo se explica para 8 casos en este subconjunto (el primer valor entre paréntesis tras cada caso indicando el grado de pertenencia del subconjunto, la segunda figura indicando el resultado real). De hecho, los casos con una caída más desarrollada que la de Alemania y Austria se incluyen aquí, lo que significa que en relación a estas condiciones siguen conservando su contradicción. Para un ulterior estudio, lee Más allá de la hipótesis de Lipset. Examen de la correlación entre desarrollo económico y democracia. Si se elige un cierto umbral de consistencia mayor de 0.80, se obtiene una cobertura de solución mucho menor de 0.43 (incluyendo solo los Países Bajos, Bélgica, el Reino Unido y Alemania). Se produce un común intercambio entre los puntos de cobertura mayores y menores de la consistencia. La solución parsimoniosa (ahora incluye los “restantes” para los mismos parámetros que en la solución compleja anterior es: fuzzygnp (cobertura de la solución: 0.72; consistencia de la solución: 0.81). Casos con pertenencia mayor a 0.5 en el término fuzzygnp son: BE (0.95, 1), UK (0.93, 1), NL (0.92, 1), FR (0.91, 1), SW (0.86, 1), GE (0.76, 0), AU (0.67, 0.33), IR (0.59, 0.83). Así, la solución se reduce ulteriormente al término fuzzygnp individual, y se mantienen las mismas contradicciones.
      - ACC; La solución intermedia para los supervivientes (incluyendo condiciones necesarias) en este ejemplo sigue siendo la misma que para la solución compleja: fuzzygnpfuzzylit (por ejemplo, la alfabetización se incluye nuevamente). Para las caídas se obtienen los siguientes resultados:*text
        
        solución compleja (límite de frecuencia: 1.0 ; límite de consistencia: 0.76):~fuzzygnp~fuzzyurban (cobertura de la solución: 0.77; consistencia de la solución: 0.78) Casos con pertenencia mayor a 0.5 en el término ~ fuzzygnp~fuzzyurban: PO (0.95, 0.67), RO(0.92, 0.67), GR (0.84, 1), ES (0.8, 0.67), HU (0.77, 0.67), PL (0.75, 0.67), IT (0.71, 1), SP (0.65, 1), FI (0.53, 0.17).
        
        Esto significa que aquí se indican 8 de los casos de caída, pero la inclusión de Finlandia muestra que este término también es contradictorio. Solución parsimoniosa (con los mismos umbrales): ~fuzzygnp~fuzzyurban (por ejemplo, bajo PIB y baja urbanización) (cobertura de la solución: 0.77; consistencia de la solución: 0.78) Casos con pertenencia mayor a 0.5 en el término ~ fuzzygnp~fuzzyurban: PO (0.95, 0.67), RO (0.92, 0. 67), GR (0.84, 1), ES (0.8, 0.67), HU (0.77, 0.67), PL (0.75, 0.67), IT (0.71, 1), SP (0.65, 1), FI (0.53, 0.17). Aquí, la solución parsimoniosa no ha conducido a una ulterior reducción, la solución intermedia también es la misma.
    - - fs-acc es más exigente, pero presenta un número de ventajas: 1-la codificación de casos se mantiene más próxima a la realidad y a la importancia teórica (calibrado de datos);
        2-el grado de pertenencia de casos en un subconjunto se determina de forma más precisa (consistencia); 3-el análisis es más incluyente considerando todos los casos a la vez; 4-soluciones complejas, intermedias (incluyendo las condiciones necesarias) y parsimoniosas pueden identificarse claramente.
      - En este sentido, se consideran las relaciones menos “determinísticas” permitiendo que algunos términos “ruidosos” y errores en los datos, como sucede a menudo en las ciencias sociales, destaquen; pero a pesar de ello, con algunas expresiones “de configuración” y posiblemente “coyunturales” altamente reducidas. Sin embargo, se debe ver que al estar relacionados con un cierto y mayor número de casos, que es necesario para las relaciones de probabilidad, se puede perder algún tipo de familiaridad con los casos en el diálogo entre la teoría y la prueba.¡Los procedimientos también permiten un mayor grado de “manipulación” de datos que permite que sea imperativo documentar claramente cada paso para una posible inspección crítica! Las “contradicciones” tampoco son tan fácilmente aparentes como en el cs-acc. En comparación con las soluciones csACC y mvACC el análisis del conjunto difuso en este ejemplo no ha conducido a mejores soluciones con menos contradicciones. Esto se debe en parte al hecho de que para dicho análisis, que ya no se basa en presunciones determinísticas sino en las probabilísticas para los puntos de consistencia, se necesita normalmente una cierta N mayúscula. Estos descubrimientos también significan que la supervivencia o la caída de las democracias no se puede explicar por factores socioeconómicos solamente. Tomándolas todas, las variantes diferentes del ACC ofrecen un importante paso en adelante en el análisis sistemático comparativo de pequeños y medianos números de casos (de unos 8 a 10 casos hasta un máximo de 40 o 50). De forma particular, esto se aplica a las “condiciones de incidencia” en el análisis al macro nivel.
        
        También es posible un “enfoque en dos pasos” (Schneider y Wagemann) combinando el análisis de condiciones “remotas” en el macro nivel con factores más “aproximativos” en el micro nivel.
        
        También se están desarrollando ulteriormente los softwares disponibles (TOSMANA, fs-acc y una versión del ACC en R). TOSMANA ofrece un empleo más sencillo para el usuario que cs- y mv-ACC. Además, tiene algunas características sencillas, como el regulador de umbrales y una visualización de datos con la ayuda de los diagramas de Venn. fs-acc es el software estándar para el análisis de grupos difusos. Pero TOSMANA y fs-acc no están disponibles para el hardware Mac (se necesita usar un emulador de Windows). R es el software más integral hasta ahora, pero basándose en la sintaxis y no en el menú, se necesita un conocimiento previo de R, lo que conlleva un considerable tiempo extra antes de su adquisición. Actualmente, los esfuerzos se están realizando para lanzar una versión integral y sencilla que combine la mayoría de las características disponibles y que sea compatible con los ambientes Windows y Mac.
      - COMPASSS: Software
        Esto también conduce algunas de las principales críticas de este enfoque (relativas, por ejemplo, a las limitaciones del algoritmo de Quine-McCluskey, a algunos resultados de simulación comparándolos con descubrimientos estadísticos de la N mayúscula, etc.). Sin embargo, estos se encuentran más allá de la presentación introductoria.
  - - - Al contrario que los procedimientos más recientes sobre el ACC, basados en teoría de conjuntos y el álgebra booleana que se centra principalmente en situaciones de investigación de N minúsculas y medianas, los métodos estadísticos más convencionales también se pueden aplicar al macro nivel. Aquí, normalmente nos enfrentamos a datos socioeconómicos y demográficos agregados procedentes de fuentes como el Banco Mundial, IMF, UNDP etc. Además, algunos datos de eventos políticos irregulares (por ejemplo, manifestaciones generalizadas, asesinatos políticos, ataques terroristas, golpes de estado, revoluciones, etc.) de los medios de comunicación públicos, los “Manuales del Mundo”, etc. son importantes aquí. Descubre más en Los hechos del mundo. v No es posible ninguna “ejemplificación aleatoria” en este nivel, por lo que no se puede asumir ninguna distribución normal, lo que limita los tipos de estadísticas que se aplican aquí. En particular, se puede usar la estadística sin inferencia (infiriendo desde un pequeño ejemplo a un gran universo de casos como las encuestas de opinión pública). Pero se pueden llevar a cabo procedimientos menos exigentes como medios, correlaciones, regresiones y pruebas de significancia. Pero estos también son algunos problemas serios que pueden dar lugar a resultados confusos y que no se deben ignorar: Los datos en el macro nivel se recogen en su mayor parte por organizaciones específicas para sus propias finalidades. Este tipo de selección puede implicar ciertos prejuicios económicos, culturales o políticos en la recopilación e información de dichos datos. Además, a menudo hay problemas de equivalencia, comparabilidad y fiabilidad de los datos, problemas con las palabras de las preguntas y traducciones en investigaciones mediante encuestas internacionales, así como la selección y cobertura de los casos. Vista general de los métodos de ESS | Encuesta social europea (ESS)
      - La suma de datos en índices integrales también puede ser problemática. En las siguientes diapositivas, presentaré brevemente algunos ejemplos de una investigación reciente usando datos de acceso público para medir el rendimiento de distintos tipos de sistemas políticos y empleando sencillos métodos macro cuantitativos. Para ello, usamos una definición básica del concepto de Robert Dahl de “poliarquía”, que se caracteriza por tres dimensiones principales: nivel de participación pública (inclusión), grado de impugnación (elecciones pluralistas y abiertas) y garantía del respeto de los derechos humanos y políticos básicos mediante el estado de derecho. Esto se puede medir por los principales indicadores recogidos por Vanhanen, Polity, Freedom House, PIOOM, el Banco Mundial, Bertelsmann y organizaciones parecidas.
    - - Usando los datos del “buen gobierno” recogidos con regularidad por el Banco Mundial podemos determinar el rendimiento por tipo de sistema en tres dimensiones principales: efectividad del gobierno (“calidad de la burocracia y de los servicios públicos”); carga reguladora (“políticas hostiles al mercado”); control de la corrupción (“ejercicio de poder público para ganancia privada”). Estos datos se indican en la Tabla 2. Los resultados por tipo de sistema están en la Tabla 3.
      - Procedimientos Aquí hemos empleado procedimientos estadísticos relativamente sencillos (medios, desviaciones de los estándares y pruebas de importancia) para determinar las diferencias por tipo de sistema. Como podemos ver, la puntuación de las democracias es claramente la mejor en todas las dimensiones, los estados autoritarios son claramente los peores y los regímenes híbridos siempre están en un punto intermedio. Todos los resultados son altamente significantes (nivel de p < 0.001, tal y como se indica por el número de asteriscos a continuación). Descubre más en Autoritarismo Competitivo.
      - Informe sobre el desarrollo humano Un examen parecido realizado con datos del Informe sobre el Desarrollo Humano recogidos por la UNDP obtuvo resultados muy parecidos. Aquí se usan tres indicadores principales: - PIB/cap. (medidos a paridad de poder adquisitivo); - esperanza de vida; - alfabetización. Estos se unen al “Informe sobre el Desarrollo Humano" (HDI), en la Tabla 4. Los resultados por tipo de sistema se indican en la Tabla 5.
      - Informe sobre el desarrollo humano Una vez más a las democracias les va mejor en casi todos los informes y los resultados son altamente significativos. La única excepción es la alfabetización que ya era muy elevada en todos estos países durante la época comunista. Para buscar alguna explicación causal de estos resultados (no solo alguna relación estadística), inspeccionamos las prioridades presupuestarias de estos países en términos de su gasto en salud y educación por una parte y en gasto militar por la otra (como un porcentaje del PIB). Los datos y los resultados por el tipo de sistema se recogen en las Tablas 6 y 7. Para saber más, lee el artículo "Por qué fracasan las naciones"
      - Informe sobre el desarrollo humano
        Aquí los resultados son menos nítidos de alguna forma, pero a pesar de ello son significativos en un nivel menor (la educación es de nuevo la excepción). Además, obviamente, entran en juego otros factores causales (como la situación geopolítica, los recursos naturales, el apoyo externo, etc.), y estos se tendrían que comprobar por análisis multi variados como la regresión múltiple.
    - - Como ulterior aplicación, presentaré brevemente el resultado de un análisis de regresión ordinario de mínimos cuadrados ordinarios (MCO). Esto se ha convertido en el “caballo de batalla” para muchas comparaciones macro cuantitativas. Sin embargo, este ejemplo también muestra algunos de los daños inherentes y las deficiencias de este procedimiento. Este ejemplo se toma de un estudio que pretendía explicar el nacimiento de estados de bienestar en Europa Occidental a finales del siglo XIX basándose en la hipótesis de que había una fuerte relación entre la fuerza de los partidos de izquierdas (socialismo y social-democracia) y la provisión pública de medidas de bienestar y seguridad social.
      - Regresión
        De hecho, la Figura 1 muestra una relación muy fuerte y la variación general explicada es justamente alta, tal y como se expresa por un cuadro R de 0.40. Pero una inspección de este diagrama de dispersión debería haber servido como advertencia al autor de que este resultado es amplio debido a la posición de un caso individual, Alemania es un caso aparte. Si se elimina este caso (como en la Figura 2) el resultado cae de lleno con un cuadro R de 0.00.
      - Problemas La estadística, como otros métodos, cuenta con sus propios problemas. En la regresión, como en este ejemplo, se puede producir una falta de concretización de variables. Los “casos aparte” no deberían ignorarse. Medios, correlaciones, regresiones, etc., normalmente solo presentan valores medios a lo largo de todos los casos. También se ignora a menudo la posibilidad de causa “coyuntural”. Además, puede haber algunos problemas técnicos como la “multi colinealidad” (relaciones entre las variables independientes), e “endogeneidad” (una relación entre la variable independiente y el término erróneo). Por lo tanto, hay muchos usos, pero también abusos. La estadística se debe aplicar con prudencia y en formas “robustas” (Figura 3).
      - Varias formas para analizar los datos En la Figura 3, por ejemplo, el diagrama de dispersión muestra claramente alguna forma de causa “coyuntural”. Por lo que la parte inferior muestra definitivamente relaciones más importantes y se deben buscar explicaciones diferentes para las dos constelaciones de factores. Los investigadores también tienen sus propias formas y preferencias, tal y como se muestra en la Figura 4.
- - - - Este curso ha ofrecido una vista general de los diseños de investigación comparativos y de métodos comparativos y sus recientes desarrollos en las ciencias sociales con un enfoque especial en las ciencias políticas. Ya hemos debatido el fondo epistemológico: la multi dimensionalidad y la maleabilidad del asunto, la “construcción” de la realidad social y las interacciones “auto referenciales”. Un esbozo de J.S. Mill lo seguía con los “cánones” y los recientes avances en este sentido. En el macro nivel del análisis (estados, sociedades, economías) siempre nos encontramos con una N minúscula - el dilema de las numerosas variables. Esto se puede enfocar de diferentes formas: selección sistemática y combinación y contraste de casos (MDSO/MSDO); reducción de la complejidad mediante análisis configurativos; ACC, mv-ACC, grupos difusos; enfoques multi metodológicos. Características específicas del ACC y relativos procedimientos: configuración de relaciones teóricas en lugar de estadísticas, “orientación al caso” en lugar de “orientación a la variable”; selección consciente, determinada por casos en lugar de procedimientos arbitrarios y aleatorios; posibilidad de la causalidad “coyuntural” o “múltiple” (“equifinalidad”), “inducción analítica”; diálogo entre teoría y datos.
      - Resumen
        El fs-ACC necesita una calibración de datos cuidados, si es posible basada en la teoría y bien documentada. Puede indicar por separado soluciones complejas, intermedias (incluyendo condiciones necesarias) y parsimoniosas (minimizadas). Las posibles contradicciones ya no están aparentemente tan claras como en el cs-ACC. Para cumplir mejor los criterios probabilísticos normalmente se necesita un cierto y mayor número de casos. Esto puede conducir a una pérdida de familiaridad con casos individuales (como en los análisis macro cuantitativos a gran escala) y puede necesitar equipos de investigación internacionales mayores con un conocimiento más amplio y una variedad de habilidades lingüísticas, entre otras. Por lo tanto, cada variante del ACC tiene algunas ventajas y desventajas y es adecuada para un ámbito específico de aplicación.
      - Variantes del ACC - conjunto definido (cs-) ACC usa datos dicotomizados (binarios) tanto para las condiciones (variables independientes) como para el resultado (variable dependiente), se basa en el álgebra booleana y puede dar como resultado una minimización de condiciones complejas para un resultado particular. Una “tabla de la verdad” también puede desvelar rápidamente contradicciones entre casos por las hipótesis que se deben probar. Inconveniente: la dicotomización de las variables implica una pérdida de información, los umbrales se tienen que elegir cuidadosamente y se deben documentar correctamente. - valor múltiple (mv-) ACC se puede usar varias veces pero con un número limitado de valores para una condición. Esto es particularmente idóneo para datos categóricos (escalas nominal u ordinaria), el resultado se mantiene dicotomizado. La prueba de las hipótesis y la minimización se puede hacer como en cs-ACC. - conjunto difuso (fs-) ACC va un paso más allá y permite datos con múltiples valores para las condiciones y para el resultado. Estas pueden ser varias escalas de puntos indicando el grado de pertenencia (“difuso”) en un conjunto de escalas de intervalos calibrados. Las condiciones necesarias y suficientes se pueden probar por separado usando parámetros probabilísticos. En este sentido, el análisis ACC de una tabla de la verdad se puede llevar a cabo indicando el nivel de consistencia de condiciones y cobertura de casos.
    - - Las principales diferencias entre los métodos macro cualitativos (configurativos) y macro cuantitativos (estadísticos) se enumeran en la Tabla 1. Es importante enfatizar que ningún método por sí mismo es mejor o peor que el otro, la aplicabilidad de cada uno depende del problema investigativo específico y del número de casos involucrados.
      - Ambos enfoques también pueden complementar al otro, por ejemplo desarrollando y probando en primer lugar nuevas hipótesis en una situación con una N minúscula y, a continuación, explorando su rango en un análisis macro cuantitativo mayor. Por el contrario, los descubrimientos más amplios macro cuantitativos se pueden explorar ulteriormente para los mecanismos causales reales involucrados “ahondando” en pocos casos. Los patrones causales precisos y su respectiva validez resultan más aparentes de esta forma.
        Los énfasis más detallados en la gama más ancha de métodos desde el caso individual y estudios comparativos sistemáticos con una N limitada a los casos estadísticos con una N mayúscula se indican en la Tabla 2. Estos también se pueden caracterizar como orientados al caso (caso individual), orientados a la diversidad (N minúscula y mediana) y orientados a las variables (N mayúscula).
      - Resumen
        Como podemos ver, el foco explicativo, los tipos de medición, el concepto de causa y los respectivos objetivos varían considerablemente entre estos enfoques y las perspectivas. Pero una vez más: todos los métodos tienen su legítimo lugar en la caja de herramientas de las ciencias sociales. Su aplicación depende del problema de búsqueda específico disponible. Se han realizado grandes avances en todos estos campos en los últimos años y décadas, pero los contrastes entre estos enfoques también se han vuelto más nítidos.
    - - f
        
        Los debates epistemológicos (Moses/Knutsen) y metodológicos (King/Keohane/Verba, Brady/Collier) en las ciencias sociales se indican a continuación. En toda su dimensión estos han resultado útiles y han conducido a una mejor y mutua comprensión. También ha habido algunos intentos de “unir” la división cuali - cuanti.
        
        A pesar de esto, sigue habiendo algunas importantes diferencias y controversias. "Una historia de dos culturas" (Goertz/Mahoney) ofrece un buen punto de vista en este sentido.
        
        Estos enfoques y los softwares específicos se siguen desarrollando. Entre las restantes deseables se encuentran:
        
        análisis dinámicos macro cualitativos;
        
        modelos no lineares macro cuantitativos;
        
        enfoques multi metodológicos más coherentes.
        
        También ha habido algunos importantes desarrollos organizativos. El movimiento de la "perestroika“ en la Asociación Americana de Ciencias Políticas (APSA, por su sigla en inglés) a finales de los años 90 y como una revuelta contra la dominación puramente cuantitativa y/o los enfoques de la "elección racional" ha contribuido, por lo menos en parte, a la creación de un nuevo periódico (“Perspectivas de la Política”) con una orientación más práctico-política y la cimentación de una nueva sección bastante exitosa sobre “Búsqueda del Método Cualitativo y Múltiple".
      - fd
        
        Perspectivas
        
        La "Asociación Internacional de Ciencias Políticas“(IPSA) ha sido muy instrumental en la configuración de escuelas estivas parecidas sobre "Conceptos y Métodos en Ciencias Políticas" en la Universidad de San Paolo, la Universidad Nacional de Singapur, la Universidad Técnica de Oriente Medio en Ankara y las Universidades de Stellenbosch y Ciudad del Cabo en Sudáfrica.
        
        Estos esfuerzos se siguen realizando y se expandirán ulteriormente.
        
        En este sentido, excelentes instalaciones para la preparación y la investigación se han puesto a disposición en muchas partes del mundo.
        
        La calidad de los másteres con orientación empírica así como las tesis doctorales seguramente seguirán mejorándose gracias a estos esfuerzos. Las redes de búsqueda internacional se refuerzan de forma similar. Se pueden esperar resultados más profundos, teorías más exigentes y aplicaciones más concretas. Por último, pero seguramente no menos importante, los mejores métodos de ciencias políticas e instalaciones de preparación pueden conducir eventualmente a políticos mejor informados reflejándose en sus políticas.
        
        ¡Esto sigue siendo un reto!
      - Debates y perspectivas continuos
        
        Un enseñamiento ampliamente difundido y las instalaciones de preparación también se han expandido y mejorado considerablemente. Además de las instituciones ampliamente establecidas en la Universidad de Michigan en Ann Arbor y en la Universidad de Essex con un foco principalmente cuantitativo, un nuevo "Instituto para la Búsqueda de un Método Cualitativo y Múltiple" se ha fundado en la Universidad de Siracusa (Estados Unidos).
        
        En otras partes del mundo, el “Consorcio Europeo para la Búsqueda Política" (ECPR) ha establecido escuelas estivas con métodos ampliamente conocidos en la Universidad de Liubliana y, más recientemente, una escuela invernal en la Universidad de Viena (que se está trasladando a la Universidad de Bamberg).