Seis formas de representar gráficamente los resultados con webQDA

Seis formas de representar gráficamente los resultados con webQDA

Por: Sonia Verdugo (Universidad de Salamanca)

La representación visual de los resultados ofrece al investigador la posibilidad de mostrar, mediante la vía gráfica, los productos y frutos del estudio.

Al investigar e implementar el análisis y la interpretación de los datos, divulgación de los resultados, redacción del informe, etc., los modelos visuales son una herramienta y potente estrategia de comunicación directa y representativa de los datos, que permite tanto a los investigadores como a otros lectores del estudio visualizar aquello que se necesita expresar.

Como indican Martí & Pozo (2000) la representación gráfica es otra manera de entender la realidad. Ya que los medios visuales son una manera de apoyar a la palabra escrita (Banks, 2010). La selección idónea de los datos que se quieren compartir y su medio de visualización consigue que la comunicación no tenga que ser directamente explícita (Willers, 2015). Cabe destacar, que la correcta visualización de los datos tiene relación con el aprendizaje de los conceptos (Sedrakyan, Mannens, & Verbert, 2019). Además, como señalan Pértega & Pita (2001), es fundamental que los medios visuales que se utilicen sean claros y los adecuados, para la correcta interpretación de los resultados, así como su comprensión.  En este sentido, Friel, Curcio, & Bright (2001), matizan cuatro factores críticos que interfieren en la comprensión gráfica: el objetivo de usar gráficos, y las características de la tarea, de la disciplina y del lector. Y es que, como indica Kosslyn (2012), a veces los medios visuales, los gráficos, no se comunican de manera efectiva, porque no se tienen en cuenta los objetivos, las necesidades y las capacidades de los lectores. Por todo esto, los CAQDAS, como la webQDA, son importantes, ya que ayudan al investigador con estas tareas (Rodrigues, Costa, & Moreira, 2019).

Actualmente, el software de análisis de datos cualitativos webQDA permite llevar a cabo la presentación gráfica de las fuentes, la codificación y consultas del proyecto sobre el que se esté trabajando en el software. Para ello, la webQDA dispone actualmente de: mapas de códigos, mapas de densidades, gráficos circulares, gráficos de barras, mapas conceptuales y nubes de palabras.

A partir de la codificación del proyecto en la webQDA, se pueden realizar mapas de códigos y mapas de densidades.

Los mapas de códigos ofrecen una visión de ramificación de las categorías que se establecen, mientras que los mapas de densidades revelan una visión en sectores según la organización de las categorías y subcategorías definidas.

Se puede realizar tanto de los códigos libres, como de los códigos de árbol y los descriptores.

1 – Mapa de Códigos

En primer lugar, se debe abrir dentro de codificación la pestaña deseada. Después, se selecciona el mapa de códigos o de densidades.

Posteriormente y poniendo el ejemplo con los códigos de árbol, se puede crear el mapa de códigos y el mapa de densidades. Como se observa en el mapa de códigos se crea una estructura ramificada.

2 – Mapa de Densidade

Por otro lado, el mapa de densidades en este caso le ofrece al investigador la posibilidad de representar visualmente las categorías del proyecto, y lo hace en sectores.

Los sectores se forman en relación a las subcategorías existentes, de esta manera se puede ir de la categoría superior a la inferior o en el sentido inverso.

Al seleccionar cualquiera de las categorías el programa muestra cuántas referencias hay en la categoría. Esto quiere decir que se puede acceder al contenido que se ha codificado. Además, al tratarse de un modelo visual vivo, se puede acceder a una de las categorías de menor rango e ir en sentido inverso hacia la categoría de mayor rango.

3 – Nube de Palabras

Y por último, un medio visual de visualizar las palabras más repetidas en el proyecto es la creación de una nube de palabras, a través de la búsqueda de las palabras más frecuentes, desde la opción de consultas. Esta opción, además te da la posibilidad de elegir cuántas palabras y de qué extensión de caracteres.

4 – Gráfico de Barras y Gráficos Circulares

Por otro lado, si lo que se necesita es hacer la representación de una búsqueda de texto, es decir, de un término y ver dónde se localiza su frecuencia, entonces se deberá efectuar la búsqueda desde la pestaña de consultas y tras la realización de la búsqueda solicitar al programa dos opciones: gráficos de barras o gráficos circulares.

5 – Mapas Conceptuales

Así mismo, y generando desde la opción de consultas una matriz, combinando en filas y columnas los códigos, descriptores, etc., que se precisen, se pueden extraer mapas conceptuales, como el que a continuación se muestra:

El mapa conceptual es vivo y si se selecciona una referencia concreta reporta mayor información:

La principal utilidad del mapa conceptual es la visualización inmediata de las ideas interesantes para el estudio de una forma dinámica, pudiendo seleccionar los códigos y descriptores necesarios.

Finalmente, como se observa, la comunicación de los datos y de los resultados no solo es importante realizarla mediante el uso de la palabra, sino que también la representación gráfica y visual ofrece grandes oportunidades de comprender la información mediante el uso de diagramas, mapas, etc., como se ha indicado. Esta posibilidad es la que ofrece la webQDA favoreciendo que el estudio sea analizado e interpretado de manera completa y así, facilitando al investigador que la divulgación de los resultados sea accesible para los lectores.

Lo más importante, como consideración final, es que el investigador conozca bien y tenga definido el objetivo y qué información quiere transmitir, para seleccionar el medio visual más adecuado.

Referencias:

Banks, M. (2010). Los datos visuales en Investigación Cualitativa. Morata.

Friel, S. N., Curcio, F. R., & Bright, G. W. (2001). Making sense of graphs: Critical factors influencing comprehension and instructional implications. Journal for Research in Mathematics Education, 32(2), 124-158. https://doi.org/10.2307/749671

Kosslyn, S. M. (2012). Graph Design for the Eye and Mind. https://doi.org/10.1093/acprof:oso/9780195311846.001.0001

Martí, E., & Pozo, J. I. (2000). Más allá de las representaciones mentales: la adquisición de los sistemas externos de representación. Infancia y aprendizaje, 23(90), 11-30.

Pértega, S., & Pita, S. (2001). Representación gráfica en el Análisis de Datos. Investigación: Representación gráfica en el análisis de datos.

Rodrigues, A. I., Costa, A. P., & Moreira, A. (2019). Using CAQDAS in Visual Data Analysis: A Systematic Literature Review. Advances in Intelligent Systems and Computing, 861, 235-247. https://doi.org/10.1007/978-3-030-01406-3_20

Sedrakyan, G., Mannens, E., & Verbert, K. (2019). Guiding the choice of learning dashboard visualizations: Linking dashboard design and data visualization concepts. Journal of Visual Languages and Computing, 50, 19-38. https://doi.org/10.1016/j.jvlc.2018.11.002

Willers, B. (2015). Show, don’t tell. En New Challenges for Data Design (pp. 3-22). https://doi.org/10.1007/978-1-4471-6596-5_1