Lección

Técnicas cualitativas de recolección y análisis

🟢 Posgrado  ·  Investigación educativa digital

La técnica cualitativa más conocida no es necesariamente la adecuada: una entrevista, un grupo focal o una observación producen formas distintas de evidencia y exigen decisiones distintas de análisis.

En L7 traducirás tu pregunta y estrategia metodológica en una cadena cualitativa coherente: selección de participantes o materiales, producción de datos, codificación, construcción de patrones, interpretación y criterios de rigor.

🧭 Antes de comenzar

Quieres comprender cómo estudiantes deciden aceptar, adaptar o rechazar retroalimentación generada por IA mientras revisan un texto. ¿Qué estrategia inicial ofrece evidencia más cercana al proceso?

Qué lograrás

Objetivo didáctico

Diseñarás una estrategia cualitativa de recolección y análisis coherente con tu pregunta y con las decisiones de L3–L6. Seleccionarás fuentes de datos, estrategia de muestreo, procedimiento de producción, unidad de análisis, lógica de codificación y criterios de rigor. Si tu protocolo no requiere componente cualitativo, justificarás explícitamente esa exclusión y qué conocimiento renuncias a producir.

Punto de partida

Introducción

La investigación cualitativa en educación digital permite estudiar procesos, significados, prácticas y condiciones que se pierden cuando los rastros de plataforma se tratan como equivalentes del fenómeno. Heinrich (2024) argumenta que el campo necesita investigación cualitativa metodológicamente auténtica y mejor descrita, especialmente para abordar problemas educativos complejos.

Estudios recientes muestran decisiones concretas. Ouhaichi, Vogel Bahtijar y Spikol (2024) utilizaron entrevistas semiestructuradas con investigadores de analítica multimodal y combinaron análisis deductivo y temático. Bautista Godínez et al. (2024) emplearon entrevistas y grupos focales para explorar perspectivas de actores universitarios sobre analítica de aprendizaje en México. En ambos casos, técnica, participantes y análisis responden a la clase de conocimiento buscado.

💡 Cadena cualitativa de evidencia
Relación explícita entre selección de casos o participantes, situación de producción de datos, unidad de análisis, codificación, construcción de categorías o temas e interpretación. El rigor depende de la trazabilidad de esa cadena, no del nombre del software usado.

Decisión de arranque: identifica en tu pregunta qué parte solo podría comprenderse accediendo a significados, razonamientos, prácticas o contexto. Si no existe ninguna, escribe por qué un componente cualitativo no agregaría evidencia necesaria.

El contenido

Desarrollo del tema

01

Muestrear cualitativamente es seleccionar información, no representar porcentajes

En un diseño cualitativo, la selección de participantes o materiales se justifica por su capacidad para iluminar el fenómeno. Puede buscarse variación de experiencias, casos críticos, posiciones contrastantes o actores con conocimiento específico. La pregunta central no es «¿cuántos son suficientes?» en abstracto, sino qué diversidad de evidencia necesitas para poner a prueba y refinar tu interpretación.

Ouhaichi et al. (2024) recurrieron a muestreo intencional de especialistas porque su pregunta requería perspectivas informadas sobre diseño de sistemas de analítica multimodal. Bautista Godínez et al. (2024) diferenciaron administradores, estudiantes y docentes porque las posiciones institucionales modificaban el tipo de experiencia y decisión observada.

Aplicación: define dos criterios de inclusión que aumenten información relevante y un criterio de variación que permita contrastar perspectivas. Explica qué interpretación sería más débil si todos tus participantes compartieran el mismo perfil.

Comparador · Técnicas cualitativas

Compara qué tipo de evidencia produce cada técnica y qué riesgo debe gestionarse.

02

Un instrumento cualitativo orienta sin encerrar

Una guía de entrevista o protocolo de observación debe transformar conceptos en oportunidades de evidencia sin dictar la respuesta. Preguntas que incluyen la conclusión —«¿cómo te ayudó la IA a mejorar?»— reducen la apertura analítica. En cambio, preguntas centradas en episodios concretos —«describe la última vez que rechazaste una sugerencia»— permiten reconstruir criterios y condiciones.

El pilotaje cualitativo no busca únicamente que las preguntas «se entiendan». Permite comprobar si evocan el tipo de experiencia requerido, si el orden crea sesgos y si existen temas sensibles que exigen cambios en consentimiento o privacidad.

Aplicación: redacta tres preguntas o focos de observación. Para cada uno, escribe qué evidencia esperas obtener y qué respuesta mostraría que el ítem está induciendo una conclusión.

Escenario ramificado · Riqueza analítica y riesgo de identificación

Toma decisiones sobre un fragmento cualitativo sensible. La ruta correcta conserva valor analítico sin suponer que cambiar el nombre elimina el riesgo.

03

Analizar no es etiquetar: los códigos deben producir una interpretación

La codificación transforma segmentos de datos en unidades comparables, pero el análisis empieza cuando se examinan relaciones, variaciones, contradicciones y condiciones. Ouhaichi et al. (2024) combinaron una estructura deductiva previa con apertura a categorías emergentes. Ese movimiento es útil cuando el protocolo tiene conceptos teóricos claros pero debe permitir que el campo contradiga o amplíe la estructura inicial.

El análisis temático o de contenido necesita decisiones visibles: qué constituye una unidad, cómo se generan y revisan códigos, cómo pasan a categorías o temas y qué evidencia negativa desafía la interpretación. El software ayuda a organizar; no decide qué significa un patrón.

Aplicación: toma un fragmento piloto o una situación hipotética de tu campo. Propón dos códigos posibles y explica qué diferencia conceptual existe entre ellos. Después escribe qué dato contrario obligaría a revisar cada código.

04

Rigor cualitativo: trazabilidad, reflexividad y contraste

El rigor se construye mostrando cómo se llegó a una interpretación. Pueden contribuir el registro de decisiones analíticas, triangulación entre fuentes, discusión entre investigadores, búsqueda de casos negativos, devolución a participantes cuando sea epistemológicamente pertinente y una descripción suficiente del contexto para valorar transferibilidad.

En investigación educativa digital, la reflexividad incluye la posición del investigador frente a la tecnología estudiada. Si quien investiga diseñó la plataforma, imparte la asignatura o promueve la herramienta, esas relaciones pueden afectar reclutamiento, respuestas e interpretación. Reconocerlo permite diseñar salvaguardas, no invalida automáticamente el estudio.

Aplicación: escribe una nota de reflexividad de cinco líneas: qué relación tienes con el contexto, qué expectativa llevas al estudio y qué procedimiento usarás para detectar interpretaciones que solo confirmen esa expectativa.

🧭 Control de comprensión

Durante el análisis, una categoría aparece en la mayoría de entrevistas, pero dos casos contradicen su interpretación. ¿Qué decisión es más rigurosa?

Pirámide de profundidad del análisis cualitativoLa pirámide asciende desde fragmentos y observaciones hacia códigos, categorías, temas o patrones y finalmente una interpretación que relaciona condiciones y significado. Fragmentos y observaciones Códigos Categorías y relaciones Temas o patrones Interpretación Subir de nivel exige justificar qué transforma datos particulares en una afirmación conceptual.

Figura 7: Niveles de profundidad del análisis cualitativo. Elaboración propia a partir de Ouhaichi et al. (2024), Bautista Godínez et al. (2024) y Heinrich (2024).

Cierre

Conclusión

Una estrategia cualitativa rigurosa conecta selección, producción de datos, unidad de análisis, codificación e interpretación. El objetivo no es acumular testimonios, sino producir una explicación trazable capaz de mostrar variación, condiciones y casos que desafían la interpretación inicial.

En L8 trasladarás esta misma exigencia de coherencia a la rama cuantitativa: constructos, variables, medición, estructura de datos, modelo analítico e incertidumbre deberán formar otra cadena verificable.

🔭 Para seguir aprendiendo

  • ¿Qué parte de tu fenómeno desaparecería si solo conservaras lo que una plataforma puede contar automáticamente?
Ahora tú

Actividad de aprendizaje autónoma

Etapa D · Parte 1 — Instrumentación y análisis cualitativo. Retoma la Etapa C y decide si tu protocolo necesita evidencia cualitativa. Si la respuesta es sí, diseña la rama completa. Si es no, justifica qué pregunta o inferencia no requiere esa evidencia y qué conocimiento aceptas dejar fuera.

De dónde vienes. Usa la pregunta, diseño, salvaguardas éticas, método y estado del arte ya construidos. Revisa explícitamente si la evidencia cualitativa prevista en etapas anteriores sigue siendo coherente.

Qué decides. Define participantes o materiales, criterios de selección, técnica, instrumento o protocolo, unidad de análisis, estrategia de codificación, construcción de categorías y procedimientos de rigor.

Qué documentas. Conserva versiones del instrumento, cambios de pilotaje, decisiones de codificación, casos discrepantes y fuentes metodológicas. Si un sistema de IA ayuda a transcribir, codificar o resumir, registra su función y cómo verificarás fidelidad, privacidad y decisiones interpretativas.

  1. Justifica si el protocolo necesita una rama cualitativa.
  2. Define selección de participantes, casos o materiales.
  3. Construye o bosqueja el instrumento/protocolo y vincula cada apartado con la pregunta.
  4. Define unidad de análisis y ruta de codificación hacia categorías o temas.
  5. Establece procedimientos de rigor, reflexividad y protección de datos.
  6. Indica qué decisión de etapas previas revisaste a partir de este diseño.

Planificador · Rama cualitativa del protocolo

Construye la cadena desde selección hasta interpretación.

Evidencia de logro

Entrega el apartado cualitativo de la Etapa D: instrumento o protocolo cuando corresponda, criterios de selección, plan de análisis y procedimientos de rigor. Si tu estrategia es exclusivamente cuantitativa, entrega una justificación metodológica de la exclusión cualitativa y sus consecuencias inferenciales.

🤔

¿Tu plan cualitativo produce una interpretación o solo una colección ordenada de citas?

Referencias bibliográficas

  • Bautista Godínez, T., Castañeda Garza, G., Pérez Mora, R., Ceballos, H. G., Luna de la Luz, V., Moreno-Salinas, J. G., Zavala-Sierra, I. R., Santos-Solórzano, R., Moreno Arellano, C. I., & Sánchez-Mendiola, M. (2024). Perspectives and opportunities for learning analytics integration: A qualitative study in Mexican universities. Journal of Learning Analytics, 11(1), 49–66. doi:10.18608/jla.2024.8125
  • Heinrich, E. (2024). Revolutionising educational technology: The imperative for authentic qualitative research. Social Sciences & Humanities Open, 10, 101073. doi:10.1016/j.ssaho.2024.101073
  • Ouhaichi, H., Vogel Bahtijar, V., & Spikol, D. (2024). Exploring design considerations for multimodal learning analytics systems: An interview study. Frontiers in Education, 9, 1356537. doi:10.3389/feduc.2024.1356537
  • Prosen, M., & Ličen, S. (2025). Evaluating the digital transformation in health sciences education: A thematic analysis of higher education teachers’ perspectives. BMC Medical Education. doi:10.1186/s12909-025-07420-3