Class Summary
¿Crees que investigar en Internet es solo copiar comentarios? 🛑 Estás a punto de cometer un error que podría invalidar tu tesis. En este video te enseño a dominar la Netnografía, la metodología científica para analizar comunidades digitales con el rigor que exigen las revistas de alto impacto. Muchos tesistas fracasan porque se ahogan en el Big Data, pero hoy descubrirás el poder del Thick Data (Datos Densos). Te mostraré mi protocolo de validación digital, desde la selección de la comunidad hasta el uso de software como Atlas.ti y NVivo, sin olvidar el punto más crítico: la ética y el Escudo de Alteridad. 🎁 RECURSO GRATUITO: Descarga aquí mi Checklist Netnografía: https://drive.google.com/file/d/1ptNmf6ks2glhldF32MjArWe0p-hkxueT/view?usp=sharing Descarga aquí Resumen Netnografía: https://drive.google.com/file/d/1VrFw4WsrRctrJ4PgbLxQuXpFMQtU_uXF/view?usp=sharing ⏱️ ÍNDICE: 00:00 ¿Hacer capturas es investigar? (El error fatal) 00:43 ¿Qué es la Netnografía? (Robert Kozinets) 01:28 Caso Real: Estrés docente en LinkedIn 01:56 Big Data vs. Thick Data: ¿Qué vs. Por qué? 03:04 Los 3 niveles de inmersión profunda 04:30 El Protocolo de Rigor Académico 05:47 Uso de software CAQDAS (Atlas.ti / NVivo) 06:21 Ética Digital y el Escudo de Alteridad 07:46 Cómo crear un Libro de Códigos profesional 09:14 El secreto de la honestidad en redes 09:55 Checklist Gratuita de Ética Digital 📢 📌 Recursos adicionales: 🔗 Explora más contenido educativo 👉 https://www.facebook.com/share/g/19nDcr1J4a/ 🔗 Sitio Web 👉 asesoriaeducacional.com 🎓 Únete a la comunidad y accede a contenido exclusivo 👉 Hazte miembro aquí https://www.youtube.com/channel/UCC47ELuNUCJx5HhjoHypv0Q/join 📌 No olvides suscribirte para más contenido sobre metodología de investigación y análisis de datos. ¡Dale like y comparte con otros investigadores! #Netnografia #InvestigacionCualitativa #TesisPasoAPaso #Metodologia #AsesoriaProfeLuisa
Class Transcript
### Marcas de Tiempo - `[00:00]` Hacer capturas de pantalla no es investigar. Si quieres que tu tes siglos sobre redes sociales tenga rigor científico, necesitas dominar la necnografía. Aquí te digo cómo investigar en internet parece fácil hasta que te enfrentas a miles de comentarios, memes y jergas que no comprendes. En este video aprenderás el paso a paso para realizar una etnografía virtual con rigor académico. Basada en - `[00:25]` años de análisis de datos y metodología científica, te daré la hoja de ruta clara desde cómo elegir tu comunidad hasta el análisis ético de los datos. Primero, definiremos qué es y qué no es la nenografía. Segundo, diseccionaremos un caso real de estudio y al final te revelaré las herramientas de software que te ahorrarán semanas de trabajo. La - `[00:47]` necnografía, término acuñado por Robert Cosinex, no es simplemente observar personas en línea, es el estudio de las culturas y comunidades que emergen a través de las comunicaciones mediadas por computadora. La diferencia clave con la etnografía tradicional es la presencia. En el mundo físico usas tus cinco sentidos. En el digital, tu sensor principal es el rastro de datos. Pero - `[01:15]` cuidado, no basta con leer. Debes entender el habitatus digital, los códigos, los silencios y las jerarquías de poder en un grupo de Facebook o un servidor de Discord. Imagina que queremos investigar el estrés laboral en docentes de Latinoamérica. En lugar de encuestas frías, entramos a un foro de apoyo mutuo en LinkedIn. Paso uno, la entrada. No entras preguntando, entras observando - `[01:44]` las normas, se quejan mediante el humor, usan sarcasmo. Paso dos, la recolección y el dilema de la densidad. Entramos en el corazón metodológico, la recolección. Aquí enfrentas el dilema del investigador digital, el big data frente al six data. Muchos cometen el error de usar herramientas de scrapping para descargar 5000 comentarios de un tirón. Pero en la investigación académica de alto nivel no - `[02:16]` buscamos solo el volumen, buscamos lo que la etnógrafa Tricia One denomina ths data o datos densos. Estos son los datos que revelan el contexto, las emociones y los significados que las máquinas no pueden leer. La diferencia es clave. Mientras que el big data te dice qué está pasando, como la frecuencia de una palabra o la cantidad de clics, el tip data te - `[02:45]` explica el por qué, el trasfondo social y humano detrás de cada interacción. En nuestro caso sobre renuncia silenciosa, no nos interesaban los miles de comentarios genéricos, sino los hilos ancla, donde el docente narraba su agotamiento real. Aquí es donde ocurre la inmersión profunda. Al analizar estos hilos aplicamos una lectura de tres niveles. Primero, el nivel descriptivo. ¿Qué - `[03:14]` palabras usan? Ejemplo, plataforma, clics, evidencias, el nivel analítico, en qué contexto aparecen. Notamos que la palabra enseñar aparecía vinculada a la nostalgia, mientras que burocracia digital aparecía vinculada a la ira. Tercero, el nivel interpretativo. Aquí surgió el insign. El docente no está quemado por el alumno, está quemado por la hipervigilancia digital que exigen las nuevas plataformas de - `[03:48]` gestión. Este descubrimiento solo es posible si dejas de contar palabras y empiezas a habitar el espacio digital del sujeto de estudio. Es la transición de ser un observador externo a un intérprete de significados ocultos. Pero identificar el patrón es solo la mitad del trabajo. El verdadero reto científico es cómo transformas esas narrativas subjetivas en categorías de análisis que tu tribunal de tesis o tus - `[04:18]` pares académicos acepten como válidas. Eso nos lleva a la fase de codificación que veremos a continuación. ¿Cuál de estas técnicas es la que usarás para estudiar o en tu investigación o tu tesis? Si presentas una etnografía ante un tribunal clásico, la primera crítica será la supuesta falta de control. Por eso no hablamos de pasos, sino de un - `[04:42]` protocolo de validación digital. Primero, el criterio de selección de la comunidad. No elegimos un foro porque sea popular, sino por su saturación teórica. Debes justificar tu elección bajo tres parámetros. Interactividad. Hay debate real, heterogeneidad, hay diversidad de posturas y permanencia. Los datos tienen profundidad histórica. Si la comunidad no cumple esto, tu investigación nace muerta para la - `[05:15]` academia. Segundo, la inmersión y el rastreo de metadatos. Olvida el copiar y pegar. Un investigador serio construye un archivo de campo dinámico. Capturamos no solo el texto, sino los metadatos, la arquitectura del sitio, las jerarquías de los usuarios, quién es moderador, quién es troll y las reacciones no verbales, emoji, sticker, tiempos de respuesta. Todo esto es parte del - `[05:44]` lenguaje que debemos de codificar. Tercero, triangulación y uso de capdas. Aquí es donde el software como Atlas Ti o N Vivo se vuelve tu laboratorio. No lo usamos para que haga el trabajo, sino para crear una codificación hermenéutica. Triangulamos tres fuentes, los datos descargados, tus notas de campo, que es la bitácora de inmersión y la literatura teórica. La validez científica surge - `[06:15]` cuando estos tres puntos convergen en un patrón consistente. Cuarto punto, el dilema ético, público o privado. El error que comete ese 95% de los investigadores es la descontextualización ética por deshumanización digital. Suena complejo, pero es simple. asumen que porque un dato es accesible, el sujeto ha renunciado a su derecho a la privacidad. Muchos tesistas extraen comentarios de - `[06:46]` un foro de sobrevivientes de una enfermedad o de docentes agotados y los publican textualmente en su tesis. Esto no solo es un riesgo éticos, es una vulneración que puede invalidar tu estudio en una revisión por pares. En el entorno digital, el investigador debe practicar la reflexividad crítica. El usuario tenía la perspectiva de ser leído por un académico o por un par. - `[07:15]` Para proteger tu investigación aplicamos el escudo de alteridad. No solo anonimizas el nombre. Ejemplo, usuario uno. Debes parafrasear el dato conservando el núcleo de significado, pero alterando la sintaxis para que los motores de búsqueda no puedan rastrear el comentario original y llegar al perfil real de la persona. Esto se llama privacidad por oscuridad y es lo que las - `[07:42]` revistas de alto impacto exigen hoy. Ahora hablemos de lo que realmente garantiza tu publicación, el libro de códigos. Si la ennografía es la exploración, el libro de códigos es tu mapa cartográfico. Un error común es empezar a codificar sin estructura. Un libro de códigos de alto nivel debe tener cuatro columnas innegociables. Primero, el código, el nombre técnico, - `[08:10]` ejemplo, sobrecarga burocrática. Segundo, la definición operacional. ¿Qué significa exactamente ese código en tu estudio para evitar la ambigüedad? Tercero, criterios de inclusión y exclusión. ¿Qué frases entran en este código y cuáles, aunque se parezcan, quedan afuera? Cuarto, ejemplos típicos, fragmentos reales anonimizados que sirven de modelo. En nuestro laboratorio de caso con los docentes, el código tecnoestrés no era simplemente estar - `[08:43]` cansado de la computadora, lo definimos como manifestación de ansiedad vinculada específicamente a la obligatoriedad de reportar evidencias en plataformas no pedagógicas. Esta precisión es la que permite la fiabilidad entre codificadores. Si otro investigador toma tu libro de códigos y analiza los mismos datos, debería llegar a las mismas conclusiones. Eso, colegas, es el estándar de oro de la ciencia cualitativa. - `[09:14]` La nenografía nos permite entrar en espacios donde la gente es más honesta que en una entrevista cara a cara. Si logras dominar esta técnica, tus investigaciones tendrán una profundidad que los métodos cuantitativos simplemente no pueden alcanzar. Investigar comunidades digitales no es escrolear con intención, es aplicar un método que respeta la humanidad del otro mientras disecciona la cultura que - `[09:41]` emerge en los bit. Si logras transitar desde el big data hacia el sigata y proteges tu investigación con un libro de código robusto, no solo tendrás una tesis, tendrás un aporte real al conocimiento humano. Para garantizar que tu recolección de datos cumpla con los estándares académicos más exigentes, he preparado una chetl totalmente gratuita. Puedes descargarla ahora mismo haciendo - `[10:07]` clic en la tarjeta que está apareciendo arriba o en el primer enlace que te dejo en la descripción de este video. Ahora, el gran reto es, ¿cómo sabemos si lo que dicen en internet es real o una máscara? Eso nos lleva a la hermenéutica digital que veremos en el próximo video. Cuéntame en los comentarios en qué comunidad digital te gustaría realizar - `[10:29]` tu primera investigación. ¿Crees que el anonimato en redes ayuda o perjudica la honestidad de los datos? Los leo y les respondo. ### Texto Completo Continuo Hacer capturas de pantalla no es investigar. Si quieres que tu tes siglos sobre redes sociales tenga rigor científico, necesitas dominar la necnografía. Aquí te digo cómo investigar en internet parece fácil hasta que te enfrentas a miles de comentarios, memes y jergas que no comprendes. En este video aprenderás el paso a paso para realizar una etnografía virtual con rigor académico. Basada en años de análisis de datos y metodología científica, te daré la hoja de ruta clara desde cómo elegir tu comunidad hasta el análisis ético de los datos. Primero, definiremos qué es y qué no es la nenografía. Segundo, diseccionaremos un caso real de estudio y al final te revelaré las herramientas de software que te ahorrarán semanas de trabajo. La necnografía, término acuñado por Robert Cosinex, no es simplemente observar personas en línea, es el estudio de las culturas y comunidades que emergen a través de las comunicaciones mediadas por computadora. La diferencia clave con la etnografía tradicional es la presencia. En el mundo físico usas tus cinco sentidos. En el digital, tu sensor principal es el rastro de datos. Pero cuidado, no basta con leer. Debes entender el habitatus digital, los códigos, los silencios y las jerarquías de poder en un grupo de Facebook o un servidor de Discord. Imagina que queremos investigar el estrés laboral en docentes de Latinoamérica. En lugar de encuestas frías, entramos a un foro de apoyo mutuo en LinkedIn. Paso uno, la entrada. No entras preguntando, entras observando las normas, se quejan mediante el humor, usan sarcasmo. Paso dos, la recolección y el dilema de la densidad. Entramos en el corazón metodológico, la recolección. Aquí enfrentas el dilema del investigador digital, el big data frente al six data. Muchos cometen el error de usar herramientas de scrapping para descargar 5000 comentarios de un tirón. Pero en la investigación académica de alto nivel no buscamos solo el volumen, buscamos lo que la etnógrafa Tricia One denomina ths data o datos densos. Estos son los datos que revelan el contexto, las emociones y los significados que las máquinas no pueden leer. La diferencia es clave. Mientras que el big data te dice qué está pasando, como la frecuencia de una palabra o la cantidad de clics, el tip data te explica el por qué, el trasfondo social y humano detrás de cada interacción. En nuestro caso sobre renuncia silenciosa, no nos interesaban los miles de comentarios genéricos, sino los hilos ancla, donde el docente narraba su agotamiento real. Aquí es donde ocurre la inmersión profunda. Al analizar estos hilos aplicamos una lectura de tres niveles. Primero, el nivel descriptivo. ¿Qué palabras usan? Ejemplo, plataforma, clics, evidencias, el nivel analítico, en qué contexto aparecen. Notamos que la palabra enseñar aparecía vinculada a la nostalgia, mientras que burocracia digital aparecía vinculada a la ira. Tercero, el nivel interpretativo. Aquí surgió el insign. El docente no está quemado por el alumno, está quemado por la hipervigilancia digital que exigen las nuevas plataformas de gestión. Este descubrimiento solo es posible si dejas de contar palabras y empiezas a habitar el espacio digital del sujeto de estudio. Es la transición de ser un observador externo a un intérprete de significados ocultos. Pero identificar el patrón es solo la mitad del trabajo. El verdadero reto científico es cómo transformas esas narrativas subjetivas en categorías de análisis que tu tribunal de tesis o tus pares académicos acepten como válidas. Eso nos lleva a la fase de codificación que veremos a continuación. ¿Cuál de estas técnicas es la que usarás para estudiar o en tu investigación o tu tesis? Si presentas una etnografía ante un tribunal clásico, la primera crítica será la supuesta falta de control. Por eso no hablamos de pasos, sino de un protocolo de validación digital. Primero, el criterio de selección de la comunidad. No elegimos un foro porque sea popular, sino por su saturación teórica. Debes justificar tu elección bajo tres parámetros. Interactividad. Hay debate real, heterogeneidad, hay diversidad de posturas y permanencia. Los datos tienen profundidad histórica. Si la comunidad no cumple esto, tu investigación nace muerta para la academia. Segundo, la inmersión y el rastreo de metadatos. Olvida el copiar y pegar. Un investigador serio construye un archivo de campo dinámico. Capturamos no solo el texto, sino los metadatos, la arquitectura del sitio, las jerarquías de los usuarios, quién es moderador, quién es troll y las reacciones no verbales, emoji, sticker, tiempos de respuesta. Todo esto es parte del lenguaje que debemos de codificar. Tercero, triangulación y uso de capdas. Aquí es donde el software como Atlas Ti o N Vivo se vuelve tu laboratorio. No lo usamos para que haga el trabajo, sino para crear una codificación hermenéutica. Triangulamos tres fuentes, los datos descargados, tus notas de campo, que es la bitácora de inmersión y la literatura teórica. La validez científica surge cuando estos tres puntos convergen en un patrón consistente. Cuarto punto, el dilema ético, público o privado. El error que comete ese 95% de los investigadores es la descontextualización ética por deshumanización digital. Suena complejo, pero es simple. asumen que porque un dato es accesible, el sujeto ha renunciado a su derecho a la privacidad. Muchos tesistas extraen comentarios de un foro de sobrevivientes de una enfermedad o de docentes agotados y los publican textualmente en su tesis. Esto no solo es un riesgo éticos, es una vulneración que puede invalidar tu estudio en una revisión por pares. En el entorno digital, el investigador debe practicar la reflexividad crítica. El usuario tenía la perspectiva de ser leído por un académico o por un par. Para proteger tu investigación aplicamos el escudo de alteridad. No solo anonimizas el nombre. Ejemplo, usuario uno. Debes parafrasear el dato conservando el núcleo de significado, pero alterando la sintaxis para que los motores de búsqueda no puedan rastrear el comentario original y llegar al perfil real de la persona. Esto se llama privacidad por oscuridad y es lo que las revistas de alto impacto exigen hoy. Ahora hablemos de lo que realmente garantiza tu publicación, el libro de códigos. Si la ennografía es la exploración, el libro de códigos es tu mapa cartográfico. Un error común es empezar a codificar sin estructura. Un libro de códigos de alto nivel debe tener cuatro columnas innegociables. Primero, el código, el nombre técnico, ejemplo, sobrecarga burocrática. Segundo, la definición operacional. ¿Qué significa exactamente ese código en tu estudio para evitar la ambigüedad? Tercero, criterios de inclusión y exclusión. ¿Qué frases entran en este código y cuáles, aunque se parezcan, quedan afuera? Cuarto, ejemplos típicos, fragmentos reales anonimizados que sirven de modelo. En nuestro laboratorio de caso con los docentes, el código tecnoestrés no era simplemente estar cansado de la computadora, lo definimos como manifestación de ansiedad vinculada específicamente a la obligatoriedad de reportar evidencias en plataformas no pedagógicas. Esta precisión es la que permite la fiabilidad entre codificadores. Si otro investigador toma tu libro de códigos y analiza los mismos datos, debería llegar a las mismas conclusiones. Eso, colegas, es el estándar de oro de la ciencia cualitativa. La nenografía nos permite entrar en espacios donde la gente es más honesta que en una entrevista cara a cara. Si logras dominar esta técnica, tus investigaciones tendrán una profundidad que los métodos cuantitativos simplemente no pueden alcanzar. Investigar comunidades digitales no es escrolear con intención, es aplicar un método que respeta la humanidad del otro mientras disecciona la cultura que emerge en los bit. Si logras transitar desde el big data hacia el sigata y proteges tu investigación con un libro de código robusto, no solo tendrás una tesis, tendrás un aporte real al conocimiento humano. Para garantizar que tu recolección de datos cumpla con los estándares académicos más exigentes, he preparado una chetl totalmente gratuita. Puedes descargarla ahora mismo haciendo clic en la tarjeta que está apareciendo arriba o en el primer enlace que te dejo en la descripción de este video. Ahora, el gran reto es, ¿cómo sabemos si lo que dicen en internet es real o una máscara? Eso nos lleva a la hermenéutica digital que veremos en el próximo video. Cuéntame en los comentarios en qué comunidad digital te gustaría realizar tu primera investigación. ¿Crees que el anonimato en redes ayuda o perjudica la honestidad de los datos? Los leo y les respondo. ---