El propósito de esta actividad es ayudarlo a dar sentido a los datos recopilados transformándolos en hallazgos que puedan ayudarlo a evaluar si su solución está conduciendo a los resultados y el impacto previstos.

El análisis y la presentación de informes es un proceso continuo de interrogatorio y descubrimiento. Como tal, esta guía debe verse junto con el módulo sobre mecanismos de retroalimentación y revisión. Debe poder comprender lo que le dicen los datos recopilados, comparar hallazgos y sacar conclusiones para que pueda responder sus preguntas de investigación y cumplir con sus objetivos de aprendizaje. El análisis y la presentación de informes generalmente requieren varios pasos:

• Organización e interrogación de datos: Establecer bases sólidas para el análisis.
• Análisis inicial: Para detectar patrones, temas y relaciones en la información.
• Atribución de causa y efecto: Para probar hipótesis.
• Traducción de los hallazgos en conocimientos: Para ayudar a sacar conclusiones y crear recomendaciones.
• Redacción y difusión de informes: Compartir hallazgos y fomentar la aceptación.

Ya sea que su diseño de investigación haga uso de métodos cuantitativos o cualitativos, o si se lleva a cabo con el fin de mostrar una mejora comparativa o un impacto demostrado, o evaluar el rendimiento y la funcionalidad, todas las actividades de análisis e informes deben considerar estos pasos. La siguiente guía está pensada para ayudarle a navegar por estos pasos.

Por lo general, los datos sin procesar no son muy útiles. Antes de que pueda comenzar cualquier tipo de análisis, deberá organizar sus datos en un formato lógico que se pueda entender fácilmente. Todo análisis debe comenzar con este paso, ya sea que esté utilizando técnicas cualitativas o cuantitativas, o si está trabajando con datos primarios o secundarios.

Documentar sistemáticamente (p. ej., transcribir entrevistas, documentar notas de campo), archivar (p. ej., etiquetar, almacenar), limpiar (p. ej., verificar errores) y organizar (p. ej., etiquetar, clasificar) los datos de investigación son clave para hacerlos lo más utilizables y válidos posible, y hacerlos accesibles para el análisis.

Es en este punto que se puede codificar más información de entrevistas y notas de campo (es decir, agregar etiquetas de categoría y referencias al tema) y los datos numéricos se pueden clasificar, transformar (por ejemplo, agrupar, emparejar, reordenar) y visualizar para identificar tendencias, patrones, temas y relaciones que de otro modo no estarían claros.

Una vez que los datos de su proyecto estén organizados y transformados en formatos útiles y utilizables, también querrá interrogar los datos para asegurarse de que sean de la más alta calidad (determinados por sus objetivos de aprendizaje y requisitos probatorios). Para asegurarse de que sus datos sean válidos, confiables y precisos, puede utilizar una variedad de técnicas, que incluyen:

• Justificación: Preguntar a informantes informados, confiables y objetivos sobre si los datos parecen confiables.
• Triangulación: Comparar sus datos con otros resultados de investigación y datos disponibles, o evaluar los datos con otros datos que se hayan recopilado utilizando enfoques y métodos diferentes a los suyos.
• Comprobación puntual: Tomar selecciones aleatorias de sus datos y verificar que sean precisos.
• Comprobaciones lógicas: Comprobar si sus datos tienen sentido desde un punto de vista lógico.

Tenga cuidado de reconocer su nivel de confianza en los datos y verifique posibles valores atípicos (datos que son sorprendentes o inesperados o parecen contradictorios).

Descubre patrones, tendencias y temas

Su próximo trabajo es transformar sus datos en información útil y significativa revisando los datos sin procesar para determinar qué es significativo en relación con sus preguntas de investigación y objetivos de aprendizaje. Este proceso comienza con la identificación de cualquier característica, tema, patrón, relación y problema interesante y significativo que esté surgiendo. Las preguntas comunes incluyen:

• ¿Qué patrones o temas comunes surgen en torno a elementos específicos de los datos?
• ¿Cómo ayudan estos patrones (o la falta de ellos) a arrojar luz sobre las preguntas de estudio más amplias?
• ¿Hay alguna desviación de estos patrones? En caso afirmativo, ¿qué factores podrían explicar estas respuestas atípicas?
• ¿Qué historias interesantes surgen del conjunto de datos, en su conjunto?
• ¿Alguno de los patrones o temas emergentes sugiere que es necesario recopilar datos adicionales?

Después de identificar temas o patrones, intente reorganizar los datos en gráficos, tablas, matrices o pantallas textuales para ayudar a sacar conclusiones. A través de este proceso, debería poder identificar patrones y relaciones observados dentro de los grupos y entre grupos, y esto también ayudará a señalar valores atípicos y resultados imprevistos. Independientemente del formato que elija, debería poder ayudarlo a organizar y pensar en los datos de nuevas maneras y ayudarlo a identificar patrones y relaciones entre temas y / o contenido.

Atributo Causa y efecto

En la etapa piloto , está introduciendo su solución en contextos del mundo real a través de una intervención humanitaria. Por lo tanto, como mínimo, debe tratar de comprender si su solución ha tenido algún impacto en el grupo objetivo (impacto demostrable).

Consideramos que el impacto significa los cambios positivos o negativos producidos por una intervención, directa o indirectamente, intencional o no. También es posible que desee intentar averiguar si su innovación ofrece o no una mejora con respecto a las intervenciones y formas de trabajo actuales (mejora comparativa).

Ambos casos justifican una comprensión de las relaciones de causa y efecto. No está reuniendo evidencia solo para ver si se ha producido un cambio de condiciones, sino también para comprender el papel de su intervención en la producción de este cambio.

En muchos casos, sin embargo, los resultados y los impactos serán causados por una combinación de factores. Entonces, en lugar de «atribución casual», puede ser más útil hablar de «atribución parcial» y «contribución causal», haciendo la pregunta: ¿La intervención contribuyó de manera plausible a los resultados e impactos que se han observado? (Mejor evaluación). La conclusión es que debe explicar hasta qué punto los resultados observados (resultados o impactos) han sido producidos por su intervención. La causalidad es una función de tres cosas:

• Orden de tiempo: ¿La causa ocurre antes del efecto?
• Co-variación: ¿La introducción (o aumento) de un factor conduce a un cambio observable en el resultado?
• Refutación de explicaciones alternativas: ¿La relación se basa en la causa, en lugar de la correlación?

Por lo tanto, podemos investigar la atribución parcial o la contribución causal de tres maneras:

• Verifique que los resultados sean consistentes con la contribución causal: ¿Existe una relación causa-efecto (covariación) entre la intervención y los impactos observados?
• Compare los resultados con el contrafactual: ¿Los resultados de su intervención son diferentes a los que habrían ocurrido si no hubiera realizado su intervención? Esto es extremadamente difícil de hacer en contextos humanitarios, incluso cuando se utilizan ensayos controlados aleatorios.
• Investigar posibles explicaciones alternativas para los impactos que se han observado: ¿Es posible que los resultados observados hayan sido causados por otros medios? Hay varias formas de hacer esto, algunas deben ocurrir durante su ejercicio de recopilación de datos y otras pueden suceder a través de la forma en que interroga sus datos.