Los estudios de línea de base en la investigación participativa

Transcripción

1 Modulo II: Diagnóstico, línea de base, indicadores. Facilitador: Oscar Ortiz. Los estudios de línea de base en la investigación participativa Generalidades. En la literatura sobre investigación participativa, el concepto de diagnóstico participativo aparece en la década de 1980 y se populariza con las técnicas del sondeo rural participativo que tenía como objetivo involucrar a los usuarios en la definición de problemas. En el Módulo I se describen varias técnicas que se pueden usar para realizar diagnósticos participativos. El término de estudio de línea de base para la investigación participativa es relativamente nuevo, se comienza a usar con más fuerza en la década de 1990, cuando crece el interés de los centros de investigación y de los donantes para medir el impacto de las tecnologías agrícolas. El término de estudio de línea de base es la traducción literal de base line study. Este término es común en las Ciencias Sociales, especialmente en estudios económicos cuantitativos y se utiliza para definir el punto de partida o punto inicial con el cual se comparan cambios posteriores. También es común en estudios referidos a educación y salud, donde se establece el punto de partida para medir los efectos de técnicas educativas o tratamientos. Un estudio de línea de base se puede definir como el establecimiento sistemático de indicadores y sus respectivos valores iniciales referidos a variables que se desean medir. Los valores que se establecen no son necesariamente cuantitativos, también se pueden establecer valores cualitativos. Es un estudio de diagnóstico igual a un estudio de línea de base? Con frecuencia se confunden los términos de diagnóstico participativo con estudio de línea de base. En realidad son dos etapas diferentes de un mismo proceso. Tradicionalmente, dentro de la teoría de investigación participativa, se han realizado estudios de diagnóstico para definir problemas, prioridades y alternativas de solución desde la perspectiva de los usuarios. Sin embargo, los estudios de diagnóstico tradicional no han incluido la definición sistemática de indicadores y sus valores, para poder medir los cambios generados por el proceso de búsqueda participativa de tecnologías. La Tabla 1 presenta algunas semejanzas y diferencias entre estas dos etapas. 1

2 Tabla 1. Algunas características diferenciales entre diagnóstico y estudio de línea de base desde la perspectiva de la investigación participativa. Características Diagnóstico Línea de base Busca entender el agroecosistema Si Si, pero identificando variables específicas que puedan medirse Identifica problemas Si Si Prioriza los problemas Si Si, pero trabaja sobre los problemas identificados definiendo indicadores para medir los efectos* Identifica alternativas de solución Es parte de un proceso de monitoreo y evaluación del impacto Si No necesariamente No Si, es parte inicial y esencial del proceso Define indicadores No necesariamente Si, los indicadores son definidos por los participantes en el proceso Uso de técnicas participativas Prioriza las grupales Prioriza las individuales * La técnica para identificar causas y efectos de los problemas (Apéndice 14, Módulo I) es útil para identificar indicadores. Se puede concluir que para iniciar un proceso de investigación participativa, el estudio de diagnóstico no estaría completo si no se termina con un estudio de línea de base con variables e indicadores claramente definidos, de tal manera que se puedan medir cambios en el futuro. Definiendo el número de informantes: teorías cualitativas y cuantitativas. Una de las preguntas más comunes cuando se hacen estudios de diagnóstico y de línea de base se refiere al número mínimo de informantes que se deberían involucrar para poder tener una muestra representativa. La representatividad o validez de un estudio ha sido la fuente de un intenso debate entre los defensores de la investigación participativa (cualitativa) y los defensores de los estudios basados en encuestas formales (cuantitativos). En realidad, hay dos filosofías que tienen ciertas contradicciones. Están, por un lado, los defensores de los estudios cualitativos, cuyos orígenes se remontan a los primeros estudios antropológicos, cuando científicos sociales visitaban remotas comunidades y vivían allí largos periodos para entender la cultura de la gente. En estos estudios, la representatividad estadística no tenía importancia, ya que se pretendía describir y entender las formas de pensar de las personas. Los defensores de esta filosofía plantean que no se puede hablar 2

3 de representatividad estadística porque cada persona es diferente y se autodefine según sus propios criterios. Hay muchos estudios que demuestran que el uso de cuestionarios formales y muestras representativas no arrojan resultados confiables porque cada persona interpreta el mundo en forma particular. La representatividad no es una prioridad para este tipo de estudios, los cuales priorizan entender casos concretos y comprender la realidad desde el punto de vista de las personas. Es decir, es más importante entender las razones y el por qué? de las cosas. El tipo de muestreo que se usa no es probabilístico, sino selectivo o dirigido, ya que se trabaja con individuos con características predefinidas. Por otro lado, están los defensores de los estudios cuantitativos basados en la estadística. Dentro de las Ciencias Sociales, la economía es la disciplina que más usa este tipo de estudios. Los orígenes de la estadística aplicada a las Ciencias Sociales están en los estudios estadísticos realizados con plantas y animales, para determinar la representatividad de las muestras. Este tipo de estudios priorizan la representatividad estadística, porque buscan inferir los resultados de una muestra y estimar lo que podría suceder a nivel de una población. Es decir, aquí es más importante responder a la pregunta cuánto?. Hay una tercera vía en el debate expuesto anteriormente y es el grupo de investigadores que defiende la compatibilidad de ambas filosofías y que indica que se pueden usar ambas para entender mejor la realidad de los usuarios. El Banco Mundial, en los últimos años, ha tomado mayor interés en estudios que combinan aspectos cualitativos y cuantitativos; especialmente después de darse cuenta que los estudios cuantitativos (encuestas sobre pobreza) realizados durante décadas con muestras estadísticamente representativas no habían ayudado a entender la pobreza, sus orígenes y las formas de reducirla. Estudios recientes se orientan a entender qué opinan los pobres de ellos mismos, y eso se logra con estudios cualitativos. Pero, para medir cambios en estrategias de lucha contra la pobreza, se requieren datos cualitativos. Por tanto, ambas filosofías se combinan. En estudios referidos a investigación participativa relacionada a la agricultura, también es necesario combinar ambas filosofías para mejorar las posibilidades de generar tecnologías útiles. El tamaño de muestra en estudios cualitativos. El objetivo de los estudios cualitativos es entender cómo y por qué suceden los fenómenos en un caso específico. La generalización o inferencia estadística a poblaciones más grandes no es la finalidad de estos estudios; por tanto el tamaño de muestra en términos estadísticos no tiene importancia. Además, cuando se trata de estudiar un grupo de informantes con una característica específica, no se conoce el número total de la población con esa característica. Es decir no se conoce el tamaño total de la población (marco de muestreo) de donde se podría tomar una muestra. 3

4 Para estudios cualitativos se utiliza un muestreo dirigido o selectivo, es decir que cuando se selecciona a los informantes no se selecciona al azar sino en función al fenómeno que se quiere analizar. Por ejemplo, si se quiere conocer la opinión de agricultores sobre el uso de variedades nativas, se tiene que trabajar con agricultores que siembren este tipo de variedades. El problema es que no se conoce cuántos agricultores de una comunidad o región siembran este tipo de variedades, por lo tanto no se puede establecer el tamaño de la población que se quiere muestrear. La alternativa es identificar casos dentro de la comunidad y trabajar a partir de estudios de caso. Aunque la selección de los casos si puede ser hecha al azar, es decir, siguiendo algún método predefinido. Por ejemplo, en entrevistas a los consumidores en un mercado, se podría definir entrevistar al tercer, sexto, noveno, duodécimo, etc. comprador de papas nativas que lleguen a un puesto de venta especifico. De esta manera se evita el sesgo del entrevistador. La teoría del punto de saturación se usa en estudios cualitativos para saber si se debe seguir entrevistando informantes. Esta teoría se basa en el principio de la variabilidad de opiniones de los informantes. Si no hay mucha variabilidad, se podría trabajar con una pequeña muestra. Por ejemplo, si se quiere saber la opinión de los agricultores sobre por qué no usan ropa protectora cuando aplican pesticidas, se podría comenzar entrevistando a 10 informantes y se ve si sus opiniones son similares o diferentes. Si se observa que los 10 opinan lo mismo, se podría indicar que con 10 informantes se alcanza el punto de saturación. Si hay diferentes opiniones se podría entrevistar más informantes y ver si con cada caso adicional se puede definir cuál es la tendencia de opinión. Si al llegar a 15 se observa una tendencia clara, ese sería el punto de saturación. En términos generales, estudios de tipo cualitativo realizados en los Andes indican que el punto de saturación en comunidades relativamente homogéneas se alcanza entre 15 a 20 informantes. El tamaño de muestra en estudios cuantitativos. El número de personas que se debe incluir en un estudio para que sea representativo en términos estadísticos se puede definir desde dos puntos de vista. Primero, el punto de vista netamente estadístico para poder generalizar a la población con cierto grado de confianza. Segundo, desde el punto de vista práctico considerando, el presupuesto y el tiempo que se tiene disponible y la utilidad de la información. La definición del tamaño de muestra en términos estadísticos depende de la variable que se quiere medir. Hay variables continuas como rendimiento, grado de daño causado por una plaga, ingresos, costos de producción, etc. que se pueden medir con el muestreo simple aleatorio. Hay otras variables que se refieren a proporciones. Por ejemplo, porcentaje de agricultores que usan insecticidas de etiqueta roja, porcentaje de agricultores que ha usado la 4

5 variedad de papa Amarilis, etc. Estas variables se miden con el muestreo de proporciones. - Tamaño de muestra para el muestreo simple aleatorio: n = n o /(1+n o /N) Donde: n : Tamaño de muestra a usar. n o: Valor estimado con fórmula. N: Tamaño de la población. n o = (t 2 (α,n -1)s 2 )/d 2 Donde: n : Tamaño de muestra piloto. t 2 : Valor de t al 0.05 y con n -1 de grados de libertad. s 2 : Desviación estándar al cuadrado. d 2 : Nivel de precisión deseado o error de estimación. Ejemplo: En un valle hay 200 familias de agricultores, se quiere saber cuántos agricultores se deberían muestrear para saber el rendimiento promedio. La muestra piloto (n ) es de 20 familias. El promedio de la muestra piloto es 8.75 t, la desviación estándar (s) es y la precisión (d)que se desea alcanzar es 0.7 t. Datos: N = 200. Promedio de muestra piloto (n ) = s = d = 0.7 t (0.05 con 19 grados de libertad) = 2.093h n o = (t 2 (α,n -1)s 2 )/d 2 n o = (2.093) 2 x (1.8449) 2 / (0.7) 2 n o = (4.38) x (3.40) / (0.49) n o = (14.89)/ (0.49) n o = n = n o /(1+n o /N) n = / ( /200) n = Conclusión: Se requiere incluir 6 familias mas para poder tener una muestra representativa. 5

6 - Tamaño de muestra para el muestreo de proporciones. n = n o /(1+((n o -1)/N)) Donde: n : Tamaño de muestra a usar. n o: Valor estimado con fórmula. N: Tamaño de la población. n o = (t 2 (α,n -1)PQ)/d 2 Donde: n : Tamaño de muestra piloto. t 2 : Valor de t al 0.05 y con n -1 de grados de libertad. P: Proporción de la muestra con la característica A. Q: Proporción de la muestra con la característica B. d 2 : Nivel de precisión deseado o error de estimación. Ejemplo: En la misma comunidad anterior que tiene 200 familias, se entrevistaron 20 familias de las cuales 16 siembran una variedad susceptible y 6 siembran variedades resistentes. Se desea saber si la muestra es representativa para conocer la proporción que siembra variedades resistentes, con una precisión 10%. n o = (t 2 (α,n -1)PQ)/d 2 n o = (2.093) 2 x (0.8 x 0.2) / (0.1) 2 n o = (4.382) x (0.16) / (0.01) n o = n = n o /(1+((n o -1)/N)) n = 70.11/(1+(( )/200)) n = 70.11/(1.35) n = Conclusión: para obtener una proporción significativa se requerirían entrevistar 52 familias, es decir 32 familias más que la muestra piloto. Como se ha visto en los ejemplos anteriores, no hay una respuesta precisa sobre el número de informantes a entrevistar para tener una muestra representativa. La representatividad depende de la variable que se está midiendo y de la precisión que se desea alcanzar. Si se quiere alcanzar un error de cero, es decir precisión absoluta se tendría que entrevistar a toda la población. En estudios reales esto no es posible. Tampoco es posible satisfacer las demandas estadísticas para cada variable del estudio. Por tanto 6

7 se recomienda seleccionar las variables principales para estimar el tamaño de muestra. En estudios reales, el tamaño de muestra estadístico no siempre se puede alcanzar, porque lograrlo depende de los recursos y el tiempo disponible. Si no hay recursos ni tiempo, se tiene que sacrificar la precisión y por tanto incrementar el error. Identificación de problemas vs. definición de indicadores Como se ha indicado anteriormente, el estudio de diagnóstico es útil para identificar problemas y el estudio de línea de base es útil para definir indicadores relacionados a los problemas. Cuando se inicia un proceso de investigación y capacitación participativa, se asume que el proceso va a ayudar a los participantes (agricultores, extensionistas e investigadores) a encontrar soluciones a los problemas. Los indicadores son útiles para determinar en que medida se están encontrando soluciones y cuánto disminuyen los efectos de los problemas. Durante un estudio de línea de base se establece el punto de partida o la medida inicial de los indicadores que se monitorearán en el futuro. Por ejemplo, el porcentaje de daño causado por una plaga, el rendimiento, la proporción de agricultores que usan pesticidas tóxicos, etc. En realidad, los indicadores se definen en función a los objetivos del proyecto que se está comenzando, como veremos más adelante. Los indicadores son una simplificación de la realidad de tal manera de hacer observables los cambios generados por un proyecto. Durante el estudio de línea de base se deben definir un conjunto de indicadores básicos, durante el desarrollo del proyecto se definirán indicadores específicos para cada actividad. En general los indicadores indican la presencia de algo (ejemplo, número de campos con terrazas para conservación), el tipo de acceso a información (ejemplo, proporción de agricultores que han recibido cursos sobre MIP), el nivel de uso de una práctica específica (ejemplo, proporción de agricultores que usan pesticidas), la relevancia de una práctica (ejemplo, reducción de daño causado por plagas cuando se usan prácticas de MIP). La selección de indicadores es esencial para establecer un buen sistema de monitoreo y evaluación del proyecto. Es recomendable tratar de definir un número mínimo de indicadores para medir en el futuro el impacto del proyecto. No se debe caer en la tentación de querer medir todas las variables porque es muy costoso en términos de tiempo y dinero. 7

8 La Tabla 2 presenta algunos ejemplos de indicadores. Tabla 2. Algunos indicadores para ser considerados en un estudio de diagnóstico de plagas con agricultores. Indicadores de proceso* Indicadores de resultados** Indicadores de consecuencias o Proporción de agricultores que conoce la biología Número de cursos Número de agricultores realizando investigación Número de agricultores capacitados Areas con variedades Area con prácticas de control Número de agricultores usando prácticas MIP: Pesticidas (tipo, No. aplicaciones, frecuencia, etc.) Prácticas tradicionales Prácticas de MIP impacto*** Rendimientos Niveles de daño Costos de control Valor de la cosecha Pérdidas económicas * Los indicadores de proceso miden cambios generados por las actividades durante el proceso del proyecto. Estos indicadores cambian en el corto plazo. ** Los indicadores de resultados miden cambios en los procesos técnicos del control de plagas. Estos indicadores cambian en mediano plazo. El valor inicial o punto de partida de estos indicadores se debe definir durante el estudio de línea de base. *** Los indicadores de consecuencias miden los cambios generados por las nuevas prácticas adoptadas por los agricultores. Estos son los indicadores que se usan para medir el impacto y cambian en el largo plazo. El valor inicial o punto de partida de estos indicadores se debe definir durante el estudio de línea de base. Los indicadores se definen en función a los objetivos del proyecto, los cuales están definidos en forma jerárquica. Por ejemplo, en un proyecto de investigación participativa para el desarrollo de prácticas de control para el tizón tardío se pueden definir los indicadores que se muestran en la Tabla 3. Los valores iniciales de los indicadores se deben definir durante el estudio de línea de base. De esta manera, se puede monitorear los cambios después de cada campaña agrícola. Los indicadores deben ser definidos con la participación de todos los involucrados en el proyecto. Los agricultores pueden tener diferentes expectativas por lo tanto ellos medirán el éxito del proyecto con diferentes indicadores. Por ejemplo, para un agricultor el costo de producción puede ser un indicador básico. Para un extensionista o un investigador, la disminución en el uso de pesticidas tóxicos puede ser más importante que el costo. Por eso, al inicio del proyecto se deben definir los indicadores en forma participativa. 8

9 Tabla 3. Ejemplos de indicadores en un proyecto de investigación participativa sobre el manejo integrado del tizón tardío. Nivel Arbol de objetivos Indicadores. Actividad Implementar 20 escuelas Número de escuelas implementadas Resultado Consecuencia Impacto de campo Capacitar agricultores sobre el manejo integrado del tizón Usar el conocimiento para el control del tizón Mejora del ingreso por producción de papa Número de experimentos evaluados Número de agricultores capacitados por campaña Proporción de agricultores que conocen las causas del tizón Proporción de agricultores que conocen prácticas de control Proporción de agricultores usando variedades resistentes Proporción de agricultores aplicando fungicidas correctamente Proporción de agricultores que disminuyen sus costos de control Disminución del daño causado por tizón Incremento del rendimiento de papa de agricultores participantes Incremento del ingreso neto de agricultores participantes Bibliografía consultada Guijt, I Participatory monitoring and impact assessment of sustainable agriculture initiatives. SARL discussion paper 1. International Institute for Environment and Development. Londres. 112 p. Huberman, M.; Miles, M Data management and analysis methods. In. Handbook of qualitative researcch. (Eds. N. Denzin and Y. Lincoln). pp Patton, M. Q How to use qualitative methods in evaluation. Sage Publications. Bevery Hills. USA. Pardinas, F Metodología y técnicas de investigación en Ciencias Sociales. Siglo Veintiuno Editores. Méjico. 242 p. 9