Analizar datos cualitativos y cuantitativos con ayuda

Antes de escribir un solo prompt necesitas dos cosas: datos limpios y datos protegidos.

Protegidos. Tus entrevistados te dieron información bajo un consentimiento informado. En Colombia, el tratamiento de datos personales está regulado por la ley de protección de datos (conocida como Habeas Data), y tu comité de ética o tu director te dirá qué puedes hacer. La regla práctica es sencilla: nunca subas a una herramienta en internet un texto donde aparezca el nombre, la cédula, el teléfono, el correo, el cargo exacto o el barrio de alguien. Haz seudonimización: reemplaza cada nombre por un código (E01, E02, E03), "el colegio X", "la empresa Y". Guarda la tabla que conecta el código con la persona real en un archivo aparte, en tu computador, sin subirla a ningún lado. Ese archivo no lo ve la IA nunca.

Limpios. Distingue tus dos tipos de datos:

• Cualitativos: texto. Transcripciones, respuestas abiertas, diarios de campo. Guárdalos en archivos .txt o en un documento por entrevista, con los turnos marcados (ENTREVISTADOR: / E01:).
• Cuantitativos: números y categorías en una tabla. Una fila por persona, una columna por pregunta, la primera fila con nombres cortos de variable (edad, semestre, usa_ia), sin celdas combinadas ni títulos decorativos arriba. Google Sheets exporta esto a .csv sin problema.

Revisa a ojo antes de analizar: ¿hay filas vacías?, ¿hay edades de 999?, ¿la misma respuesta escrita como "Sí", "si" y "SI"? La IA no va a notar esos errores; los va a analizar como si fueran reales y te va a entregar resultados falsos con mucha seguridad.

Codificar es ponerle a cada fragmento de texto una etiqueta corta que diga de qué trata. Si diez entrevistados hablan de que no tienen internet estable, todos esos fragmentos reciben el código conectividad_limitada. Después agrupas códigos parecidos en categorías y de ahí salen tus hallazgos.

El error de principiante es pedirle a la IA que codifique todo de una. El orden correcto tiene tres pasos:

1. Codifica tú dos entrevistas a mano. Sí, a mano. Así conoces tus datos y descubres los códigos que salen del terreno, no de la imaginación del modelo. 2. Escribe un libro de códigos. Es una tabla con tres columnas: nombre del código, definición en una frase, y un ejemplo real. Cinco a quince códigos para empezar. 3. Ahora sí, usa la IA para aplicar ese libro al resto del material, fragmento por fragmento, no entrevista completa.

Dos precauciones que cambian todo. Primera: exige que la IA copie la cita textual del fragmento, no que la reescriba; así puedes buscarla con Ctrl+F en tu archivo y comprobar que existe. Si no aparece, ese resultado se descarta entero. Segunda: dale permiso explícito de decir "ninguno". Un modelo al que no le das salida siempre encuentra algo, y te llena de códigos falsos.

Cuando aparezcan fragmentos que no encajan en ningún código, no los borres: son los más interesantes. Márcalos como nuevo y decide tú si merecen un código propio. Ese juicio es tuyo y es lo que tu jurado va a evaluar.

Una encuesta tiene dos mundos y se tratan distinto.

Preguntas cerradas (opción múltiple, escalas de 1 a 5, sí/no). Aquí no necesitas IA para el cálculo: necesitas una tabla dinámica. En Google Sheets, selecciona tus datos, Insertar > Tabla dinámica, pon la variable en Filas y la misma variable en Valores como COUNTA. Eso te da la frecuencia de cada respuesta. Para cruzar dos variables (por ejemplo, semestre contra uso de IA), pon una en Filas y otra en Columnas. La IA sí te sirve para explicarte la fórmula o escribirte un =CONTAR.SI($B$2:$B$241;"Sí") cuando no recuerdas la sintaxis. Que ella cuente y que tú confíes en el número es otra cosa: los modelos de lenguaje no calculan bien de memoria.

Respuestas abiertas ("¿qué dificultad tuviste?"). Aquí la IA rinde muchísimo. El método que funciona es clasificación con categorías fijas: primero lees 30 respuestas al azar, defines de 5 a 8 categorías más una llamada otra, y luego pides a la IA que clasifique en lotes de 20, devolviendo el número de fila junto a la categoría. Trabajar por lotes con el número de fila es clave: si le pasas 240 respuestas de una, se salta filas, las desordena o resume, y pierdes la trazabilidad con tu tabla original.

Un truco de control barato: pásale el mismo lote dos veces, en dos conversaciones distintas. Las respuestas donde cambie de categoría son las ambiguas; revísalas tú. Ese porcentaje de coincidencia consigo misma es información útil que puedes reportar en tu metodología.

Aquí está el mejor uso de la IA para quien no es estadístico: que te enseñe a elegir, no que te dé el resultado.

La elección de prueba depende del tipo de tus variables:

• Dos variables categóricas (carrera × usa IA sí/no): tabla de contingencia y prueba chi-cuadrado.
• Una categórica de dos grupos y una numérica (nota promedio de dos grupos): prueba t para muestras independientes.
• Dos variables numéricas (horas de estudio × nota): correlación.

Pídele a la IA que te justifique la elección, que te diga qué supuestos exige esa prueba (por ejemplo, tamaño mínimo esperado por celda, o distribución de los datos) y qué haces si no se cumplen. Esa explicación la contrastas con tu director o con el libro de metodología de tu programa.

Regla dura: no le pidas el número, pídele el código o los pasos. Un modelo de lenguaje puede "calcular" un valor p de memoria y equivocarse sin avisar. En cambio, si te escribe cinco líneas de Python que corres gratis en Google Colab, el cálculo lo hace el computador y es reproducible. Si prefieres no programar, pídele los pasos exactos en jamovi, un programa estadístico gratuito con menús, que se instala en tu computador.

Cuando tengas el resultado, exige interpretación en español simple: qué significa el valor p (aproximadamente, la probabilidad de ver una diferencia así de grande si en realidad no hubiera diferencia), y sobre todo el tamaño del efecto, que responde "¿qué tan grande es la diferencia?". Un resultado "significativo" con 240 personas puede ser una diferencia diminuta, irrelevante en la práctica.

Todo lo anterior no vale nada sin esta sección. Validar no es leer por encima y decir "se ve bien": es un procedimiento con reglas fijas, y te toma menos de lo que crees.

1. Muestra al azar del 10 al 20 %. De los fragmentos codificados por la IA, escoge al azar 1 de cada 10 y códificalos tú sin mirar lo que ella puso. Luego compara. Si coinciden en menos de 8 de cada 10, tu libro de códigos está mal definido: no es culpa de la máquina, es que tus definiciones se solapan. Reescríbelas y vuelve a correr.

2. Verificación de citas. Toma diez citas textuales y búscalas con Ctrl+F en la transcripción original. Cualquier cita que no aparezca literal invalida ese lote completo.

3. Recálculo cruzado. Todo número que vaya al documento debe salir dos veces por caminos distintos: la tabla dinámica de Sheets y el código de Colab, o jamovi y una cuenta manual. Si no coinciden, no publiques ninguno hasta entender por qué.

4. Bitácora de análisis. Una hoja con: fecha, qué herramienta usaste, qué prompt, sobre qué archivo, qué cambiaste tú después. Esa bitácora es tu defensa cuando el jurado pregunte "¿cómo llegó a esta categoría?" y es la base de la declaración de uso de IA que vas a escribir en la lección 5.

5. Triangulación. Contrasta lo cualitativo con lo cuantitativo. Si tus entrevistados hablan de falta de acceso y tu encuesta muestra que el 80 % tiene computador propio, ahí hay algo que explicar. Esas tensiones son los mejores hallazgos de una tesis.