Esto realmente dependerá en gran medida de la disciplina en la que se encuentre, ya que las metodologías utilizadas difieren radicalmente de una disciplina a otra. También dependerá en gran medida de otros problemas metodológicos dentro de esa disciplina.
Conozco a un psicólogo que participa y ha publicado trabajos sobre personas transgénero, el proceso de transición y la salud mental en España. Los problemas que experimentan son algo similares a los de cualquier otra población para la cual las personas realizan un trabajo psicológico, y los resultados generalmente solo son aplicables a la población en estudio o poblaciones similares o cercanas. Tienen que pasar por la aprobación de ética universitaria, encontrar personas dispuestas a participar en su estudio, pasar el tiempo haciendo el seguimiento, etc. La mayoría de los mejores trabajos publicados en España sobre personas transgénero desde una perspectiva psicológica tiende a involucrar investigación equipos, a menudo junto con personas de otras disciplinas médicas. Transexualismo y salud mental es un ejemplo de trabajo. Se necesita este número de personas debido a la complejidad del proceso de transición. No tengo la sensación de que el tamaño de la muestra sea un problema tan grande, porque pueden ser bastante exitosos para conseguir participantes. Es solo que va a tener tantas personas en transición que están usando un centro médico en particular al mismo tiempo. Y de nuevo, los resultados siempre se basarán localmente, por lo que es difícil incluir a otros de todos modos. Más allá de eso, la psicología como disciplina tiende a tener problemas con la repetibilidad con los experimentos. Esto hace que sea menos un problema para mí estudiar a las personas transgénero y más disciplinario.
Hago investigación en redes sociales . Antes de explicar los problemas específicos con la investigación relacionada con transgénero, debe tener un poco de experiencia en algunos de los problemas metodológicos en la disciplina. Gran parte de la investigación en redes sociales tiene problemas, especialmente cuando es cuantitativa y se basa en grandes datos. La facilidad de acceso a big data en ciertas redes influye fuertemente en la capacidad de investigación de estas redes. Twitter está sujeto a grandes cantidades de investigación debido a la facilidad de recopilar grandes conjuntos de datos del sitio. Facebook, que tiene una base de usuarios más grande, tiene una quinta parte de la investigación realizada al respecto debido a la falta de grandes conjuntos de datos personalizados disponibles públicamente generados a través del acceso a la API. Algo de esto se debe a las decisiones de la plataforma sobre la disponibilidad de datos, y algunos debido a la configuración de preferencias del usuario: solo alrededor del 10% de los usuarios de Twitter han privado sus perfiles, mientras que alrededor del 50% de los usuarios de Facebook han hecho que sus perfiles sean privados (Tufekci, 2014).
- Cómo saber si un concepto particular es una hipótesis científica o una teoría científica
- ¿El problema de la inducción se basa en fundamentos no científicos?
- ¿Cuáles son algunas buenas reglas básicas para realizar experimentos científicos en casa?
- Cuando se ejecuta correctamente, ¿alguna vez ha fallado el método científico?
- ¿Qué función cumplen los 5 pasos del método científico?
Uno de los problemas con la recopilación de datos sobre muchos sitios de redes sociales en general, y Quora y Stack Overflow específicamente, es que no registran el género en sus metadatos, permiten a los usuarios no registrarse mientras identifican un género u ofrecen opciones no binarias para el género. identificación (Rao y Yarowsky, 2009; Carstensen, 2009; Mills, 2014, p. 20). Algunas de las soluciones para tratar de identificar las características del usuario, como el género, cuando no se ponen a disposición del público, han incluido contenido y análisis de comportamiento. Otras soluciones incluyen el análisis de nombres basado en el uso típico de género de estos nombres (Rao y Yarowsky, 2009). Sin embargo, en muchos casos, el registro del sitio requiere identificación de género utilizando binarios de género (Carstensen, 2009)
Esto crea una gran cantidad de problemas únicos. Twitter es la red social más estudiada. No recopila datos de género. Por el contrario, el género se infiere a través de una variedad de características, incluidos los enfoques sociolingüísticos con respecto a los estilos de comunicación de género y de tal manera que impone la identificación binaria de género. Se vuelve casi imposible usar los enfoques metodológicos actuales al estudiar el comportamiento de género en las redes sociales (re: Twitter) usando otros géneros que no sean hombre / mujer. Simplemente no hay un conjunto de datos sociolingüísticos lo suficientemente grande en inglés que pueda usar el lenguaje de manera confiable para predecir otros géneros, y esto segrega a los usuarios. Es muuuuucho más simple apegarse a un enfoque binario de género para el análisis.
Entra en una situación en la que si desea estudiar temas específicos para personas transgénero, debe confiar en poblaciones autoidentificadas (que pueden o no ser representativas). Necesita que estos usuarios sirvan como representantes de otras poblaciones de su propia población. [1] Existe el problema en la investigación de las redes sociales de utilizar poblaciones proxy para medir, tratar de entender lo que está haciendo una comunidad. Esto ha producido algunos errores importantes en la comprensión de lo que está ocurriendo en Twitter (Ruths y Pfeffer, 2014). Entonces, elija a las personas transgénero equivocadas e intente usarlas como representantes y sus resultados basados en el monitoreo de las redes sociales pueden ser engañosos. Terminas siendo realmente capaz de hablar sobre las personas que muestreaste, en comparación con las poblaciones más grandes.
Para mí, como investigador de redes sociales, muchos de los problemas relacionados con las personas transgénero son similares a los problemas de muchas otras poblaciones específicas. Como investigador de Quora, realmente no hay mucha diferencia en la metodología sabia entre tratar de encontrar MtF, FtM y otros usuarios binarios sin género, ya que es encontrar usuarios por grupo de edad en Quora. Los datos simplemente lo dificultan, y no sabes cuán representativa es la muestra. Está limitado por el tipo y método de datos recopilados. Para mi enfoque, a menudo se trata de estar lo suficientemente familiarizado con la comunidad (que danah boyd y algunos otros investigadores de redes sociales ven como clave para hacer este tipo de investigación de todos modos) y saber lo que está sucediendo, y si tiene una buena representación. No es tanto “ciencia” como tener esa sensación.
Y realmente espero que eso les dé una idea de algunos de los problemas involucrados. Pido disculpas por no ser más específico.
Notas al pie
1. Según Chan (2009), la baja calidad de los datos demográficos autoinformados es poco más que una leyenda urbana, y es probable que las mentiras sobre autoinformes ocurran en otros lugares (Chan, 2009). No estoy hablando de errores en el autoinforme, solo errores al elegir los representantes de proxy incorrectos.
Referencias
- Carstensen, T. (2009). Problemas de género en la web 2.0: relaciones de género en sitios de redes sociales, wikis y weblogs. Revista Internacional de Género, Ciencia y Tecnología, 1 (1), págs. 106-127.
- Mills, R. (2014). D3.3.1 Informe inicial sobre la dinámica de usuario y comunidad. Comunidad Europea. Comunidad Europea.
- Rao, D. y Yarowsky, D. (2009). Detección de propiedades de usuario latente en redes sociales. Universidad Johns Hopkins, Departamento de Informática.
- Ruths, D. y Pfeffer, J. (2014, 28 de noviembre). Redes sociales para grandes estudios de comportamiento. Science, 346 (6213), 1063-1064.
- Tufekci, Z. (2014). Grandes preguntas para las redes sociales Big Data: representatividad, validez y otras trampas metodológicas. ICWSM ’14: Actas de la 8va Conferencia Internacional AAAI sobre Weblogs y Redes Sociales. Recuperado de http://arxiv.org/abs/1403.7400v2