Ensayo sobre Método y Técnica de Investigación Científica

*
El Poder del Conocimiento
Un ensayo sociológico

I. Definición de Conocimiento.
II. Historia del Poder del Conocimiento.
III. Cómo adquirir poder por medio del conocimiento
IV. Cómo adquirir el conocimiento
V. Cómo usar el poder del conocimiento
VI. Riesgos del poder del conocimiento. "Sabía demasiado".

El conocimiento es un bien inmaterial. Está constituido por ideas, que se transforman en conceptos y luego en categorías. Las categorías son ideas precisas, elaboradas a lo largo del tiempo, la experimentación, científica, si llegan a ser categorías, y por ser precisas son contradictoriamente, universales, valen para todos los idiomas y para todas las realidades, pero por un tiempo determinado hasta que se vuelven más precisas en un eterno devenir, como eterna es la realidad...y recordando a Hegel, en el absoluto que se mueve siempre.

Examinemos los métodos para conocer. Métodos Generales y Métodos Especiales. Métodos Teóricos y Métodos Experimentales.

Método Cualitativo y Cuantitativo

El conocimiento integral de un fenómeno implica que hay que caracterizarlo y si se puede categorizarlo. Un fenómeno, cualquiera que sea, de la naturaleza, de la sociedad o del pensamiento contiene indisolublemente ligados elementos de calidad y elementos de cantidad y más bien dicho, toda calidad se expresa en ciertas cantidades, pero no se puede decir esto al revés, que la cantidad se expresa en ciertas calidades. La calidad es el sujeto, la cantidad es el adjetivo, la calidad contiene propiedades cuantitativas pero la cantidad no contiene propiedades cualitativas. Incluso en la teoría pura de los números, lo que se expresa es la generalidad del comportamiento cualitativo de los fenómenos.

Esto es importante para no equivocarse. Si tomamos las dos grandes ciencias generales, la filosofía que califica y la matemática que cuantifica, de la filosofía podemos deducir o inducir leyes matemáticas, pero de la matemática no se pueden obtener leyes filosóficas. Dicho escuetamente la cantidad es una propiedad de la calidad.

La matemática es en esencia un instrumento de la filosofía y otras ciencias, técnicas y artes.

Asimov nos recuerda que las bases de la matemática y que constituyen su contenido actual, se encuentran en la necesidad humana de contar. La matemática es la ciencia de la cuantificación, su objeto de estudio es la cantidad.

El ser humano cuenta, cuantifica y para ello crea números y figuras íntimamente asociados a los fenómenos de la naturaleza, físicos, astrológicos, geográficos; a los fenómenos de la sociedad, como el comercio, la producción y la navegación y a los fenómenos asociados al pensamiento, como la lógica matemática, la nomogramía y la lógica simbólica.

Asociados al problema de contar y medir la tierra y sus productos surgieron los sistemas de numeración y de graficación. Y las dos operaciones matemáticas principales: sumar y restar.

"...la cuerda evolucionó hacia la regla y el compás..." (El legado de Pitágoras, History Channel)

Tipos de investigación social en la era de la inteligencia artificial

 Introducción

La investigación social ha experimentado una transformación profunda en las últimas décadas. Tradicionalmente basada en métodos cualitativos y cuantitativos clásicos, hoy se enfrenta a un nuevo escenario marcado por la digitalización masiva de datos, el desarrollo de algoritmos de inteligencia artificial y la automatización del análisis científico.

En este contexto, los tipos de investigación no desaparecen, pero sí se reorganizan y se amplían. La inteligencia artificial (IA) no sustituye la lógica científica, sino que introduce nuevas formas de recolección, procesamiento e interpretación de la información.

Este artículo actualiza la tipología clásica de la investigación —según objeto de estudio, nivel de conocimiento y tipo de variables— incorporando las tendencias contemporáneas de la investigación social digital e inteligente.

Esquema del artículo

TIPOS DE INVESTIGACIÓN SOCIAL + IA NORMALMENTE INTEGRADOS
1. Por el objeto de estudio

        └─Teórica
        └─ Aplicada
2. Por el nivel de conocimiento
        ├─ Exploratoria
        ├─ Descriptiva
        └─ Explicativa
3. Por variables a analizar
        ├─ Cualitativa
        ├─ Cuantitativa
        └─ Computacional
4. Inteligencia Artificial Integrada
        ├─ Búsqueda de información
        ├─ Análisis de datos
        ├─ Predicción
        └─ Simulación
5. Investigación Social Contemporánea
→ Mayor nivel del conocimiento científico con datos masivos, automatización, interdisciplinariedas o relación de causalidad entre ciencias y disciplinas. Transformación positiva en metodología de investigación social.
→ Mayor nivel de omprensión de la realidad social. Elevación del nivel de abstracción y capacidad crítica del investigador social.

1. Tipos de investigación según el objeto de estudio en la era digital

1.1 Investigación teórica o pura potenciada por IA

La investigación teórica sigue siendo el núcleo de la producción científica, pero ahora se apoya en sistemas de inteligencia artificial para acelerar la revisión de literatura, la detección de patrones conceptuales y la organización del conocimiento.

Sus características actuales incluyen:

• Uso de asistentes de IA para análisis bibliográfico.
• Exploración automatizada de grandes bases de datos académicas.
• Modelos de lenguaje para síntesis conceptual.
• Mayor velocidad en la construcción teórica.

En economía política, por ejemplo, la IA permite comparar automáticamente cientos de teorías del precio, facilitando análisis comparativos más amplios.

1.2 Investigación aplicada basada en datos masivos

La investigación aplicada contemporánea está profundamente ligada al uso de big data y algoritmos predictivos. Su objetivo sigue siendo resolver problemas concretos, pero ahora lo hace con herramientas computacionales avanzadas.

Características principales:

• Uso de datos en tiempo real.
• Modelos predictivos basados en aprendizaje automático.
• Simulación de escenarios sociales y económicos.
• Optimización de políticas públicas mediante IA.

Ejemplo: sistemas que predicen pobreza, desempleo o inflación a partir de datos masivos de consumo, empleo y movilidad.

2. Tipos de investigación según el nivel de conocimiento en la investigación contemporánea

2.1 Investigación exploratoria aumentada por IA

La fase exploratoria ha sido una de las más transformadas por la inteligencia artificial. Hoy es posible analizar millones de documentos, redes sociales o bases de datos sin estructuras físicas previas como bibliotecas, visitas de campo, uso de, papeles para escritura, por ejemplo..

Características actuales:

• Minería de datos automatizada.
• Análisis de tendencias emergentes en redes digitales.
• Identificación de patrones no visibles al análisis humano tradicional.
• Uso de IA generativa para formular hipótesis iniciales.

Esta fase ya no depende únicamente, en el caso de las ciencias sociales de la intuición o la imaginación sociológica, económica o política del investigador, sino de sistemas que detectan correlaciones iniciales en grandes volúmenes de información.

2.2 Investigación descriptiva digital

La investigación descriptiva contemporánea se basa en la visualización y estructuración de grandes volúmenes de datos.

Sus características incluyen:

• Tableros interactivos (dashboards).
• Estadísticas en tiempo real.
• Cartografía digital de fenómenos sociales.
• Descripción automatizada mediante IA.

Por ejemplo, hoy es posible describir la desigualdad social utilizando mapas dinámicos que se actualizan continuamente con datos fiscales, laborales y demográficos.

2.3 Investigación explicativa o analítica algorítmica

Este nivel ha sido profundamente transformado por la inteligencia artificial, especialmente mediante modelos de aprendizaje automático y econometría avanzada.

Características actuales:

• Modelos predictivos complejos (machine learning).
• Identificación automática de relaciones causales probabilísticas.
• Simulación de sistemas sociales complejos.
• Uso de algoritmos para detectar correlaciones ocultas.

Sin embargo, un desafío central es que la IA no siempre explica causalidad en sentido teórico, sino correlaciones estadísticas o correlaciones formales cualitativas. Por ello, el rol del investigador sigue siendo fundamental para interpretar los resultados, para ratificar, modificar, desarrollar o descubir leyes que rigen el comportamiento de los fenómenos que son objeto de estudio, incluída la misma IA.

3. Tipos de investigación según las variables: cualitativa, cuantitativa y computacional

3.1 Investigación cualitativa digital

La investigación cualitativa no ha desaparecido; se ha transformado mediante herramientas digitales.

Características actuales:

• Análisis de discursos mediante IA (análisis de sentimiento y pensamiento).
• Procesamiento de entrevistas con software de transcripción automática.
• Estudio de interacciones en redes sociales.
• Interpretación de narrativas digitales.

Esto permite analizar fenómenos culturales a una escala antes imposible.

3.2 Investigación cuantitativa automatizada

La investigación cuantitativa ha evolucionado hacia la automatización estadística.

Características:

• Análisis masivo de bases de datos (big data).
• Modelos econométricos automatizados.
• Predicción estadística en tiempo real.
• Uso de IA para limpieza y estructuración de datos.

En este contexto, la estadística ya no depende únicamente del investigador, sino de sistemas computacionales que ejecutan análisis complejos de manera autónoma.

3.3 Investigación computacional o híbrida (emergente)

Una de las grandes novedades contemporáneas es la aparición de un tercer enfoque: la investigación computacional o híbrida.

Este tipo combina:

• Métodos cualitativos,
• Métodos cuantitativos,
• Algoritmos de inteligencia artificial.

Características:

• Simulación de sistemas sociales complejos.
• Modelos híbridos humano–máquina.
• Uso de redes neuronales para análisis social.
• Integración de textos, imágenes y datos numéricos.

Este enfoque es especialmente importante en economía política, sociología digital y estudios de sistemas complejos.

4. Integración de los niveles clásicos con la inteligencia artificial

El esquema tradicional sigue siendo válido, pero ahora se expande:

• La investigación teórica se acelera con IA.
• La investigación aplicada se vuelve predictiva.
• La exploratoria se automatiza mediante minería de datos.
• La descriptiva se vuelve visual y dinámica.
• La explicativa incorpora modelos algorítmicos.

Sin embargo, existe un principio fundamental: la inteligencia artificial no reemplaza la teoría, la amplifica. Los algoritmos pueden identificar patrones, pero la interpretación crítica sigue siendo una tarea humana.

5. Características generales de la investigación social contemporánea

5.1 Predominio del dato masivo

La investigación actual se basa en grandes volúmenes de información generados por sistemas digitales, redes sociales, sensores y plataformas económicas.

5.2 Automatización del análisis

Muchos procesos de clasificación, limpieza y análisis de datos son realizados por IA, reduciendo el tiempo de investigación.

5.3 Interdisciplinariedad

La investigación contemporánea combina economía, sociología, informática, estadística y ciencia de datos.

5.4 Importancia de la interpretación crítica

A pesar del avance tecnológico, la interpretación sigue siendo central. La IA puede procesar datos, pero no sustituye el juicio teórico ni el análisis histórico-social.

5.5 Relación entre correlación y causalidad

Uno de los principales desafíos actuales es distinguir entre correlación algorítmica y causalidad teórica, especialmente en estudios sociales complejos.

Conclusión

La tipología de la investigación social no ha desaparecido en la era de la inteligencia artificial; por el contrario, se ha ampliado y complejizado. Los enfoques teóricos, aplicados, exploratorios, descriptivos y explicativos siguen siendo fundamentales, pero ahora se articulan con herramientas digitales avanzadas.

La inteligencia artificial introduce una nueva capa metodológica: la investigación computacional e híbrida, que combina datos masivos, algoritmos y análisis humano.

En este nuevo escenario, la investigación social se vuelve más rápida, más amplia y más precisa en términos de procesamiento de datos. Sin embargo, su valor científico sigue dependiendo de un elemento esencial: la capacidad humana de interpretar críticamente la realidad.

Cómo hacer una tesis con inteligencia artificial en 2026: guía metodológica basada en herramientas digitales

Introducción

La inteligencia artificial ha transformado de manera significativa los procesos de investigación académica. En la actualidad, la elaboración de una tesis ya no depende exclusivamente de métodos tradicionales de búsqueda, lectura y análisis, sino que puede apoyarse en herramientas digitales que facilitan la organización del trabajo científico.
Este artículo presenta una guía metodológica estructurada para desarrollar una tesis utilizando inteligencia artificial como apoyo. El enfoque se mantiene dentro del rigor académico, donde la IA funciona como herramienta auxiliar y no como sustituto del investigador.

1. Formulación del problema de investigación

La primera etapa de una tesis consiste en definir el problema de investigación. En este punto, herramientas como ChatGPT y buscadores inteligentes como Perplexity, Deep Seek, Claude y otros permiten explorar ideas iniciales, identificar temas relevantes y estructurar preguntas de investigación. Son herramientas útiles en todo el proceso de investigación. Estas herramientas permiten explorar tendencias actuales, generar preguntas preliminares, identificar enfoques teóricos posibles, identificar fuentes de información y análisis 

Posteriormente, estas ideas deben ser contrastadas con literatura académica más formal, que se puede encontrar en portales como: Academia.org, ResearchGate, Internet Archives, Marxists Internet Archive, Project Gutemberg, Biblioteca del Congreso de Estados Unidos de América y de otros países,  bibliotecas universitarias en línea, entre otras fuentes académicas digitales y físicas.

2. Construcción del estado del arte

El estado del arte consiste en la revisión sistemática de la literatura existente sobre el tema de investigación. Para esta fase se utilizan herramientas  ampliamente usadas:

• Google Académico
• Dialnet
• Redalyc

Estas plataformas permiten, como las anteriores también acceder a artículos científicos, identificar debates académicos, construir marcos teóricos sólidos, analizar producción científica.

3. Diseño metodológico de la investigación

El diseño metodológico define la forma en que se obtendrán y analizarán los datos.

Alguna herramientas digitales adicionales para apoyarse en el diseño metodológico sonl:

• Google Formularios
• Microsoft Forms

Aspectos fundamentales en los que apoyan son en la validación del instrumento o los instrumentos de medición, chequeo de la confiabilidad de los datos, control de sesgos en la muestra. 

La inteligencia artificial puede ayudar en la redacción de preguntas, pero la validación corresponde al investigador.

4. Recolección y análisis de datos cualitativos

La investigación necesariamente incluye entrevistas y material cualitativo (teorìa sobre el problema, caracteríticas de callidad, clasificación, conceptos, formas de evolución(.  y es necesario transcribir y organizar la información. Algunas herramientas ampliamente utilizadas son:

• Google Documentos (para transcripción manual asistida)
• Microsoft Word Dictado
• ATLAS.ti

Estos portales y otros similares apoyan en organización de entrevistas, codificación de categorías, análisis de patrones temáticos

5. Análisis de datos cuantitativos

El análisis cuantitativo permite identificar patrones en tèrminos de cantidades y relaciones en los datos cuantitativos entre sí y con los datos cualitativos,..

Herramientas usuales:

• Excel
• Power BI
• R (R Project)
• Libreoffice Calc
• Libreoffice Math

Funciones principales: análisis estadístico, visualización de datos, gráficos, modelos estadísticos y matemáticos descriptivos y predictivos.

6. Redacción académica asistida por inteligencia artificial

La etapa final de la tesis consiste en la redacción del documento académico.
Herramientas:

• ChatGPT
• LanguageTool
• DeepL Write
• Grammarly

Funciones:mejora de estilo académico, corrección gramatical, reformulación de textos, claridad argumentativa.

7. Consideraciones éticas en el uso de IA

El uso de inteligencia artificial debe realizarse bajo principios éticos claros:

• Uso responsable de la información generada
• Citas correctas de fuentes originales
• Evitar dependencia total de la IA
• Mantener el análisis crítico del investigador

La IA debe ser entendida como herramienta de apoyo metodológico.

Conclusión

La inteligencia artificial está transformando la metodología de investigación académica. Su uso adecuado permite optimizar tiempos y mejorar la organización del trabajo científico, su profundidad y alcance.. 

Sin embargo, el papel del investigador sigue siendo central, ya que la IA no reemplaza el análisis teórico ni el pensamiento crítico. La IA es una proyección del cerebro humano, como son los cuchillos una proyección de nuestras uñas. Allguien dijo con profundidad: "La IA es el exoesqueleto del cerebro humano" hace livianas las pesadas cargas teóricas del conocimiento de la humanidad.

Fuentes y herramientas utilizadas

• https://scholar.google.es/
• https://dialnet.unirioja.es/
• https://www.redalyc.org/
• https://www.scielo.org/es/
• https://www.microsoft.com/es-es/microsoft-365/excel
• https://www.microsoft.com/es-es/microsoft-365/power-bi
• https://www.atlasti.com/es
• https://www.languagetool.org/es
• https://www.deepl.com/es/write
• https://support.microsoft.com/es-es/word
• https://docs.google.com/forms/about/?hl=es

---

Sobre lo cualitativo y lo cuantitativo

Una explicación de estos planteamientos básicos:

• El hecho de que todo fenómeno, de la naturaleza, de la sociedad y del pensamiento, tiene leyes, sobre todo, conceptos y teorías que caracterizan su proceso de cambio, y su dinámica llena de procesos y problemas consustanciales.
• Estan implícitas en ello su medición cuantitativa, en donde los números, funciones, ecuaciones, proyecciones, concretos o abstractos expresan en cantidades esas cualidades o calidades. 
• En definitiva, lo cuantitativo es una propiedad de lo cualitativo y no al revés.

¿Por qué todo fenómeno tiene leyes? Lo cuantitativo depende de lo cualitativo

Vivimos en un mundo lleno de cambios. Todo se transforma: la naturaleza, la sociedad, nuestras ideas. Pero estos cambios no ocurren por casualidad. Cada fenómeno, por simple o complejo que parezca, tiene leyes internas que lo rigen. Desde la caída de una hoja hasta una crisis económica, todo responde a ciertos principios que, aunque no siempre los veamos a simple vista, están ahí, funcionando como un reloj oculto detrás de la realidad.

Esto no significa que todo sea predecible con exactitud, pero sí que nada sucede sin una razón. Comprender esas razones es lo que ha movido a la humanidad a desarrollar ciencia, filosofía, arte. Y es ahí donde entran los conceptos y teorías: herramientas que nos permiten entender el “por qué” y el “cómo” de las cosas. No se trata solo de acumular datos, sino de encontrar el sentido detrás de ellos.

Y hablando de datos, llegamos al tema de lo cuantitativo: números, porcentajes, ecuaciones, proyecciones. Todos esos elementos son fundamentales para analizar los fenómenos. Pero hay algo muy importante que muchas veces se olvida: los números por sí solos no explican nada si no entendemos la cualidad que están representando. Es decir, lo cuantitativo no tiene vida propia; es una forma de expresar en cifras algo que tiene una naturaleza más profunda, cualitativa.

Pongamos un ejemplo sencillo. Si decimos que una ciudad tiene 35 grados centígrados, estamos usando un número. Pero ese número representa una sensación de calor, un estado físico del ambiente, incluso una condición que afecta el ánimo y la salud de las personas. El número es una manera de capturar esa cualidad. Lo mismo ocurre si hablamos del desempleo, del crecimiento económico, del rendimiento escolar: detrás de cada cifra hay una historia, un proceso, una dinámica social o natural que no se entiende solo mirando el número.

Es común pensar que “los datos hablan por sí solos”. Pero eso no es del todo cierto. Los datos necesitan ser interpretados. Necesitan contexto, teoría, una mirada crítica. Porque los fenómenos no son estáticos; están en movimiento, están llenos de contradicciones y problemas. Cambian con el tiempo, y a veces ese cambio es tan profundo que se transforma no solo la cantidad de algo, sino su naturaleza.

Un ejemplo de esto lo encontramos en muchos procesos sociales o naturales. Un aumento gradual de la temperatura en el planeta, por ejemplo, no solo implica “más calor”: en cierto punto, eso puede desencadenar transformaciones cualitativas en los ecosistemas, en las formas de vida, en los hábitos humanos. Es decir, cuando lo cuantitativo se acumula, puede llevar a un salto cualitativo. Lo mismo puede pasar en la economía, en la política, en la cultura.

Por eso, si queremos entender de verdad lo que ocurre a nuestro alrededor, no basta con mirar los números. Hay que mirar más allá, preguntarnos qué significan, qué procesos expresan, qué problemas revelan. Solo así podremos tener una comprensión profunda y actuar con mayor conciencia.

Todo fenómeno —sea natural, social o mental— tiene leyes y dinámicas propias. Estudiarlos es buscar esas leyes, construir conceptos y teorías que nos permitan entenderlos. Y si bien lo cuantitativo es una herramienta poderosa, nunca debemos olvidar que siempre está al servicio de lo cualitativo. El número es importante, sí, pero solo tiene sentido cuando lo conectamos con la realidad viva que intenta representar.

Consulta inducida, razonada y revisada, a ChatGPT 05-09-2025

Tipos y Métodos de Investigación

 

Sugerencias para una Investigación Exploratoria

Sugerencias para una INVESTIGACIÓN EXPLORATORIA.

Evaristo Hernández

03/2023

1. El proceso del conocimiento viaja de lo superficial a lo profundo. De la comprensión simple de las cosas a la comprensión de la complejidad de las cosas. De la comprensión descriptiva de las cosas a la comprensíón explicativa de las cosas. Entendiendo las cosas como los fenómenos de todo tipo: de la naturaleza, de la sociedad o del pensamiento.

2. La investigación se inicia con recolección de información, la información que se recopila puede ser teórica y práctica, puede provenir, por ejemplo, de los libros, o de la experiencia o experimentación. Por eso usualmente se dice que las fuentes de información son bibliográficas, por un lado o de campo, por otro lado.

3. La inventigación tiene dos dimensiones inter relacionadas: una dimensión descriptiva y una dimensión explicativa. No puede existir la una sin la otra. Para explicar una cosa necesitamos conocerla y la conocemos gradualmente, recopilando información acerca de ella. A partir de esa información recopilada pienso, reflexiono, intentando establecer su forma de funcionamiento, las causas de su comportamiento, su probable evolución y las acciones posibles para incidir en ella.

4. Conforme se avanza en la recolección de la información sobre el tema tratado o la cosa tratada, se van aislando por medio del pensamiento razones causales de la ocurrencia de las cosas, de los problemas que tiene y cómo los resuelve o se resuelven con la acción consciente, con conocimiento del ser humano. Al proceso mediante el cual extraemos mentalmente las razones de causalidad y de casualidad, que ocurren por elementos accidentales, no regulares, en el tema tratado le denominamos "nivel de abstracción" que es en efecto un nivel de extracción mental. El nivel de abstracción varía conforme vamos conocimiento más el fenómeno. La capacidad en el nivel de abstracción es determinante para calificar el nivel profesional.

5. La finalidad de una investigación en el ejercicio de una profesión o en la ciencia, es explicar las cosas, cuáles son sus causas, sus efectos y su tratamiento previsible para obtener determinados resultados.

6. De manera que podemos clasificar la práctica de la investigación académica, cienftífica en dos clases: INVESTIGACIÓN DESCRIPTIVA e INVESTIGACIÓN EXPLICATIVA. Las dos se unen en la INVESTIGACIÓN EXPLORATORIA que se realiza por niveles de abstracción. No es lo mismo por ejemplo, hacer un estudio exploratorio, ya sea descriptivo o explicativo, del Comercio Internacional al inicio de la carrera, que hacerlo como tesis al final de la carrera. No es lo mismo recopilar y describir las cifras del Comercio Internacional y presentarlas en una tabla o gràfica que explicar porqué se comportan de determinada forma las cifras del Comercio Internacional descritas. No puede existir explicación sin descripción, pero puede existir descripción sin explicación causal en un momento, en el entendido que hay razones que explican porque se recoge determinada información.

7. En todo estudio académico científico es necesario tomar en cuenta la historia del fenómeno. Todo fenómeno, toda cosa, tiene pasado, presente y futuro. Es su proceso de desarrollo y cambio lo central. La situaciòn actual tiene relaciòn y se explica por los antecedentes que causaron el comportamiento actual y el comportamiento actual del fenómeno o cosa tratada nos permite visualizar mentalmente, proyectando en nuestro cerebro el posible comportamiento del fenómeno o cosa tratada. En principio en una investigación exploratoria se debe tratar de agrupar la recolección de información en esas tres dimensiones: pasado, presente, futuro  Se le denomina también Método Histórico. 

8. Todo fenómeno tiene CALIDAD y CANTIDAD. Son dos contrarios unidos: lo numérico y lo no numérico. La calidad de las cosas se expresa en cantidades. Para cada una de las tres dimensiones (Pasado, Presente y Futuro) del problema investigado se puede buscar y preferiblemente elaborar un cuadro o mapa mental, para lo cualitativo y un cuadro y gráfica estadística para lo cuantitativo sobre los aspectos que consideren más importantes. La investigación cualitativa se combina con la investigación cuantitativa siempre, aunque predomine una u otra.