Resumen:
El artículo aborda la problemática del análisis de textos extensos, como entrevistas, dentro del ámbito de la investigación cualitativa. En los estudios de ciencias sociales, las herramientas de análisis cualitativo son fundamentales para organizar y extraer información relevante de corpus textuales. Estos datos son esenciales para investigaciones en áreas diversas como estudios económicos, investigación de mercados, opiniones electorales y temas sociales importantes como la violencia de género y la pandemia de COVID-19. El análisis de opiniones y testimonios presenta desafíos complejos, tales como: 1) la dificultad para distinguir entre opiniones y hechos, lo cual puede afectar la objetividad de los resultados; 2) la complejidad estructural de las entrevistas, que pueden variar significativamente en formato y contenido; y 3) el tiempo considerable que debe invertir el investigador para leer y analizar manualmente cada entrevista, lo cual limita la eficiencia y la productividad. Para enfrentar estos desafíos, se ha desarrollado el método de Codificación Cualitativa (CodCual), que incorpora técnicas de Procesamiento de Lenguaje Natural (PLN), como la segmentación automática de oraciones, utilizando la biblioteca NLTK (Natural Language Toolkit) en lenguaje de programación Python. Esta segmentación permite dividir el texto en unidades oracionales, facilitando la identificación y el marcado de fragmentos relevantes en entrevistas en español. Si bien no se emplean modelos complejos de PLN, este enfoque permite acelerar la codificación manual, organizar de mejor manera la información textual para reducir la carga operativa del análisis. La efectividad de CodCual fue evaluada mediante pruebas con 145 usuarios, demostrando que el método puede ser utilizado eficazmente por personas con diferentes niveles de experiencia en análisis cualitativo. Los resultados de las pruebas de funcionalidad con 75.2%+16.6% y usabilidad con 57.9%+28.3% como propiedades de la calidad de los productos de software destacan que CodCual mejora significativamente la eficiencia en la codificación y recuperación de información, permitiendo a investigadores y estudiantes concentrarse en el análisis profundo en lugar de en la lectura exhaustiva de textos. Esto convierte a CodCual en una herramienta valiosa, gratuita y de software libre para incrementar la productividad y precisión en la investigación cualitativa.
Descripción:
Fue parte de un proyecto cuyos recursos no pudimos usar. Sobre un analizador cualitativo dfe textos en español, que se usa para identificar los mensajes principales de una entrevista con preguntas abiertas.
Excepto si se señala otra cosa, la licencia del ítem se describe como openAccess
