Si, como estudiante, alguna vez te han dicho que tu trabajo es “demasiado descriptivo” y que necesitas ser más analítico…
 
Si, como docente, alguna vez le has dicho a tus alumnos que su trabajo es “demasiado descriptivo” y falto de “profundidad analítica”…
 
… ¡este post está escrito pensando en ti!

El análisis es un proceso de transformación. Los datos y la información en sí no tienen significado, eres tú el que extrae significados a través del proceso del análisis.
 
El análisis es un proceso creativo. Lo que produces por medio del análisis es un nuevo discurso sobre el mundo que nos rodea. Esto a su vez permite a otras personas percibir el mundo de una manera diferente, comprender cosas que desconocían o que no entendían antes de leer tu investigación.
 
¿Pero cómo funciona? ¿De qué manera conseguimos comprender el mundo a través del análisis? En resumen, se consigue aportando detalle, sintetizando, categorizando, estableciendo patrones y relaciones que ayuden a otras personas a percibir dichos patrones y relaciones y por tanto a comprender el mundo de un modo diferente.
 
El trabajo de los astrónomos y demás personas dedicadas a identificar constelaciones es una buena metáfora para expresar lo que significa el análisis. El universo está lleno de estrellas. Sin embargo, en un origen algunas personas comenzaron a identificar figuras en el cielo, les dieron nombres e incluso crearon historias en torno a las figuras formadas. Esta manera de comprender el universo fue heredada de generación en generación, enseñada y recogida en libros. A su vez, las personas que aprenden esas constelaciones se acostumbran a verlas de manera intuitiva cada vez que miran al cielo.

​Éstas son un par de definiciones de análisis extraídas de libros de texto sobre metodología:
 
«De manera literal, “desmontar” algo complejo en partes más pequeñas y explicar el todo en función de las propiedades e interrelaciones de las partes» (Robson 2011: 412, traducción del original en inglés).
 
«El proceso de ordenar los datos, organizándolos en función de patrones, categorías y unidades descriptivas, y de buscar interrelaciones entre ellos. La “interpretación” implica atribuir significado y valor al análisis, explicando dichos patrones, categorías y relaciones […]» (Brewer 2000: 105, traducción del original en inglés).
 
Ambas definiciones destacan el doble proceso en que consiste el trabajo de análisis. Por un lado, descomponer y simplificar un fenómeno complejo; por otro, seleccionar determinados elementos para construir patrones que produzcan una manera original y sintética de interpretar el mundo.
 
En la práctica, la transcripción de una hora de entrevista puede ocupar hasta 40 páginas. Por tanto, digamos que la transcripción de 10 entrevistas ocupa unas 400 páginas. Para analizarlas, es necesario dividir todo ese material en segmentos manejables, y a partir de aquí centrarse en ciertos elementos a costa de ignorar otros, para así poder encontrar cuáles son los resultados más interesantes que se puede producir a partir de esos datos.

Es importante en ciencias sociales comprender que el significado no es inherente a los datos, sino que es el resultado de un proceso que implica tanto el material empírico como la labor del investigador o investigadora. Pero eso no implica que cualquier tipo de discurso que puedas crear a partir de esos datos sea relevante en términos científicos.
 
Establecer unos criterios explícitos sobre qué es lo que necesitamos hacer para producir un buen análisis es útil para no perder de vista el objetivo de nuestro análisis. En resumen, el objetivo del análisis es producir una demostración convincente, basada en evidencia empírica, que describa, explique e interprete un fenómeno social.

Cada palabra en la definición que he aportado tiene su importancia. En el esquema de “rueda” que presento a continuación, desarrollo en detalle las diferentes partes de esta definición para clarificar los criterios para un buen análisis:

​Veamos lo que significan estos criterios en más detalle:

• Descripción:

¿Qué está pasando? Asegúrate de que no estés intentando sacar conclusiones antes de haber descrito adecuadamente los datos.

• Explicación e interpretación:

La descripción del material empírico es una dimensión necesaria del análisis, pero no es suficiente. Los lectores necesitan que vayas un paso más allá. Explícales lo que está ocurriendo. En función de tu pregunta de investigación, puede que esto implique, por ejemplo, aclarar las razones que explican una situación, las condiciones de su emergencia, cómo los actores implicados le dan significado en su contexto, etc. Necesitas ir más allá de la mera descripción de lo que muestran los datos, y sintetizar la manera en que interpretas y explicas la situación en cuestión relacionando esos datos con estudios y teorías previas.

• Objeto específico de investigación:

Implica seleccionar el material de análisis que es relevante para responder a la pregunta de investigación —SÓLO el material relevante. Tienes un objetivo y tienes que ceñirte a él. Habrá partes de tu material empírico que sean interesantes pero que no tengan relación directa con la pregunta de investigación, y que por tanto hay que sacrificar sin miramientos. La pasta es muy sabrosa, pero si estás cocinando un pastel no le pondrás pasta, arruinarías el pastel, que es el objetivo. En resumen: puede que haya muchas cosas interesantes que destacar de tus datos, pero lo que se salga del tema hay que apartarlo.

• Discurso para el público objetivo:

El análisis no es un resumen de tus datos que escribes para ti mismo. El análisis es algo creado para ser comunicado a un público. Necesita ser claro e intrigante, es un ejercicio argumentativo, necesitas convencer al lector. Imagina que estás intentando convencer a un conocido tuyo.

• Demostración:

Una manera excelente de producir un análisis convincente es demostrar rigor. Esto quiere decir hacer algo más que simplemente crear una impresión: necesitas ir más allá de los ejemplos anecdóticos y de los casos que convienen a tu argumento. Proponte que tu demostración sea transparente e identificable, de manera que los lectores puedan comprender el recorrido a través del que has llegado a una determinada interpretación. Clarifica tus premisas, tus procedimientos y tus pasos. Procura que tu demostración sea sistemática: desarrolla estrategias y procedimientos analíticos a partir de listas de pasos claros a ser seguidos con constancia. Esto permitirá que afrontes todos tus datos (cada una de las entrevistas transcritas, por ejemplo) con el mismo marco analítico y las mismas preguntas.
 
Todos tenemos nuestras fortalezas y nuestras debilidades. Por ejemplo, algunos tienen facilidad para expresar sus argumentos con claridad pero les cuesta acotar su tema de investigación. Otros tienen habilidad a la hora de desarrollar interpretaciones interesantes, pero no a la hora de demostrar cómo han alcanzado dichas conclusiones. Es importante adquirir consciencia de cuáles de las dimensiones del análisis son nuestras fortalezas y cuáles nuestras debilidades, o cuáles tendemos a descuidar y por tanto requieren que las trabajemos con mayor atención.
 
La “rueda del análisis” puede ser utilizada como un compás para guiar nuestro trabajo y hacerlo “más analítico.” Otro momento perfecto para usarla es cuando hayas acabado tu primer borrador: usa la rueda como una checklist, comparando sus diferentes elementos con lo que has conseguido hasta el momento. ¿Estás construyendo una interpretación, o simplemente describiendo lo que arrojan los datos? ¿Has escrito tu análisis como un discurso pensado para convencer a un público, o más bien como un resumen para ti mismo? A medida que avances en tu análisis, ves contrastando la rueda con tu trabajo hasta que lo desarrolles lo suficiente como para cubrir todas las dimensiones.

This article is also available in English and Chinese.

Whether you are a teacher teaching qualitative research methods or a student learning methodology, this blog post aims to help you answer the questions people learning how to code qualitative data always ask:

• ‘Am I coding the right way?’
• ‘I start by doing X and then doing Y, is that the right order?’
• ‘How do I know if I am coding right?’...

To set our expectations regarding coding as a research practice, we need to understand what happens when we code:

• Coding is a pattern-finding activity;
• Coding is an iterative process.

Coding as an iterative process
Coding is not a linear process with clear cut steps that you take one after the other. Coding is an iterative process. By iterative, I mean a process for arriving at a decision or a desired result by repeating rounds of analysis or cycles of operations. The objective is to get closer to the desired results with each repetition, or rather, with each iteration.

To give you an example to illustrate what 'iteration' means, we can turn to how the word iteration is used in computer programming. In computer programming, iteration represents a process wherein a set of instructions or structures are repeated in a sequence a specified number of times or until a condition is met. When the first set of instructions is executed again, it is called an iteration.

In the case of coding qualitative data, this means that you keep repeating the process of coding until you meet the criteria of good analysis.

I have prepared an exercise to  enable you to experience and feel first-hand what I mean by coding qualitative data being an iterative and pattern-finding process. If you want to get the full experience, follow my guidelines and do it seriously (no cheating!).
​
​The exercise goes as follows. Let's say that you have conducted a series of interviews to answer the following research question: "How do university teachers experience funny cat videos on the Internet?" and that the first interview you have transcribed goes like this:

​Excerpt from Interview 1:
​​"The thing I really like about kitties is that you can cuddle them. I don’t have kids so basically my cats… they are my best friends. So when I watch them online it just reminds me of that feeling. I love it."

​The exercise goes as follows:
Task 1: Write a few codes for this excerpt (3-5). Work as if you are still in the process of constructing a research question and you are inductively exploring your data to figure out what you can make out of it. While you are coding, think about the kind of things you find relevant and interesting in the transcript. Don't look at the other excerpts yet (no cheating!).

Once you are done with Task 1, let's expand your material by adding excerpts from the transcripts of two other interviews, the interviews with Interviewer 2 and Interviewer 3. This is basically what happens when you start coding you material, you read a first interview and start coding it, not really knowing where it is going, and then you keep on by coding material from other sources.

Task 2: Code the excerpts from Interview 2 and Interview 3. As for the first excerpt, pick a few codes for each excerpt. At this stage, don't touch the codes you have created for the first excerpt (no cheating, again!).

Have you ever heard about the idiom 'Missing the forest for the trees'? This expression refers to a situation when someone is too involved in the details of a problem to look at the situation as a whole... And this is what happens when you start asking yourself questions like "is it ok if I turn my code into a theme?", "is it normal that I start changing the labels of my codes after having constructed my themes?" etc. Remember that coding is only a mean to an end, the end is for you to produce knowledge as interesting and rigorous as possible! Don't lose the big picture of what your objective is (=producing a good analysis) and the nature of the process that is taking you there (=a pattern-finding iterative process). Once you are clear about these points, I believe that all the questions you ask yourself can be better answered by asking yourself the two following questions:

• Among the options available to me, what is the one that enables me to produce the best analysis?
• Does what I am doing look like a pattern-finding iterative process? 

If you are stuck or in case of doubt, try to substitute the questions you are asking yourself with these two to see what happens. In many cases, I bet it will help you move forward and take your analysis to the next level. 

I hope this blog post has helped you unleash the coding force within you and that you are now ready to show the world your full coding potential 😉​.

References
​Gibbs, G. R. (2007) Qualitative Research kit: Analyzing qualitative data. London, England: SAGE Publications Ltd. ​
Saldana, J. (2009) The coding manual for qualitative researchers. Los Angeles, CA: SAGE.

​You can download the pdf of the blog post here.