Métodos mixtos modernos · cualitativo riguroso en la era IA

Material asincrónico · cuando tu pregunta no cabe en cuanti puro · 2026

Cuando tu pregunta no cabe en cuanti puro. U6 enseña la lógica DAG → estrategia → método con 6 patrones canónicos cuanti. Pero algunas tesis MAE tienen preguntas de mecanismo · proceso · casos · contexto donde lo cuantitativo es insuficiente — el JC 3/6 del Sprint 1 (slide “DAG cuali y mixto”) presenta el panorama; este recurso es la profundidad asincrónica. Léelo si tu pregunta es de mecanismo, si tu n es pequeño, si tu tesis combina explícitamente cuali y cuanti, o si tu hipótesis primaria (de U5) es mecanística, exploratoria, comparativa o descriptiva. Está alineado con el DAG H2 (U5), el modo AIAS 4 del Lab L4 (U6) y la frontera 2025 (LLMs como herramienta de codificación · Ludwig, Mullainathan, y Rambachan (2025)).

Tipo: recurso asincrónico · ~90 min de lectura · Conexión: U5 (tipo de hipótesis · 6 tipos) → U6 (JC 3/6 · DAG cuali y mixto) → U7 (comunicación) · Modo AIAS: 3-4 (LLM como segundo codificador, nunca único)

🗺️ Mapa rápido · ¿dónde estás en el curso?

Curso	Lo cuanti	Lo cuali/mixto
U5 · Tipos de hipótesis	causal · descriptiva · comparativa (JC 3/6)	mecanística · exploratoria (mismo JC)
U6 · DAG → estrategia → método	6 patrones canónicos (JC 2/6)	Process tracing + Joint displays (JC 3/6 · este recurso)
U6 · Lab L4	Pair programming · did / DIDmultiplegt	LLM como segundo codificador (§3.3 · este recurso)
H3 PAP moderado	Especificación + cross-check con ≥2 estimadores	Joint display + audit log cuali + reflexividad

1 · La honestidad de los métodos cuantitativos

Antes de ir a mixtos hay que admitir lo que cuanti no resuelve. Las regresiones más finas chocan con 4 realidades:

4 muros que cuanti choca solo

1. Selección de modelos y validación de supuestos. El DAG decide; el modelo opera. Si el supuesto principal es indefendible (parallel trends, exclusion restriction, ignorability), el coeficiente es decoración.
2. Resultados no significativos. Tu n es lo que es. El MDE de tu diseño define qué efectos podés detectar — más allá, null no es ausencia.
3. Resultados adversos a la hipótesis. El signo te salió al revés. Eso es información — pero exige entender el mecanismo, y el mecanismo es donde cuali entra.
4. Disponibilidad de información. Tus datos administrativos son una sombra del fenómeno real. La sombra puede no incluir las variables que el DAG demanda.

Mixed methods no es decoración — es la respuesta sistemática a estos 4 muros. Pero sólo si está integrado al DAG. Si no, es teatro (§6).

2 · Cuali vs cuanti · tabla actualizada para 2026

Dimensión	Cuantitativo	Cualitativo
Datos	Números (escalas · conteos · IDs)	Palabras · imágenes · interacciones · documentos
Lógica	Identifica relaciones para generalizar a una población más amplia	Comprende significados locales / contextuales · contribuye a comprensión general
Profundidad	Superficial pero ancho · muchos participantes · poder estadístico	Estrecho pero rico · “descripciones densas” (Geertz) · pocos participantes
Búsqueda	Patrones / consenso / promedio · reduce diversidad	Patrones y divergencia · acomoda la diferencia
Postura	Desprendimiento · objetividad (positivismo / post-positivismo)	Implicación · reflexividad · subjetividad declarada (constructivismo / transformadora)
Método	Fijo · difícil cambiar enfoque post-recolección	Adaptable · puede ajustarse en curso
Tiempo	Puede completarse rápido si los datos existen	Largo · interpretativo · no hay fórmula
Rol de IA² (2026)	Modo 4 — pair programming auditado (Lab L4)	Modo 3 — LLM como segundo codificador (Ziems et al. (2024) ~85% acuerdo con humanos · NUNCA único)
Estándar de transparencia	Pre-registro · PAP moderado (Banerjee et al. 2020) · código reproducible	Audit trail · saturación documentada · reflexividad explícita (Braun y Clarke 2006)

Tip

Lectura clave 2026: la era IA borra la antigua frontera “cuali es lento · cuanti es rápido”. Con LLM-aided coding, un análisis temático de 200 entrevistas que tomaba 6 semanas hoy toma 5 días si se audita bien. La cuestión moderna no es “qué tan rápido” — es “con qué auditoría”.

3 · Métodos cualitativos modernos (qué llamar a qué)

Método	Pregunta que responde	Cita · ficha
Etnografía	¿cómo se vive el fenómeno desde adentro?	Geertz · Marcus
Investigación-acción participante (IAP)	¿cómo cambia la comunidad cuando participa?	Fals Borda 1979
Teoría fundada	¿qué teoría emerge de los datos?	Strauss y Corbin (1998)
Fenomenología	¿cuál es la esencia de la experiencia X?	Husserl · Moustakas
Estudio de caso	¿qué pasa en este caso específico y por qué?	Yin (2018)
Análisis temático	¿qué patrones de significado emergen?	Braun y Clarke (2006) · ficha
🆕 Process tracing	¿este mecanismo causal opera o no?	Beach y Pedersen (2019) · ficha
🆕 QCA / fsQCA	¿qué combinaciones de condiciones producen el outcome?	Ragin (2008) · ficha
🆕 LLM-aided coding	¿segundo codificador para análisis temático?	Ziems et al. (2024) · ficha

3.1 · Process tracing — el método cualitativo para inferencia causal moderna

(Beach y Pedersen 2019) · cuando tu DAG implica un mecanismo y tenés 1-pocos casos, process tracing prueba la operación del mecanismo con tests formales:

Test	Lógica	Si pasa →	Si falla →
Straw-in-the-wind	Evidencia débil	Sugerencia favorable	No descarta
Hoop test	Necesaria pero no suficiente	Hipótesis sobrevive	Descarta hipótesis
Smoking gun	Suficiente pero no necesaria	Confirma fuerte	No descarta
Doubly decisive	Necesaria y suficiente	Confirma definitivo	Descarta definitivo

Tip

Conexión con DAG (U5): cada arista interna de tu DAG (mecanismo) puede testearse con process tracing usando los 4 tests. Eso valida el mecanismo que la regresión sólo asume. Process tracing rellena las flechas del DAG con evidencia cualitativa — no las reemplaza.

3.2 · QCA / fsQCA — n pequeño con rigor formal

(Ragin 2008) · Qualitative Comparative Analysis (versión crisp o fuzzy-set):

• Cuándo: 5-30 casos donde múltiples condiciones se combinan para producir el outcome.
• Lógica: booleana / álgebra de conjuntos · identifica configuraciones suficientes (no efectos promedio).
• Output: soluciones del tipo “A·B + C·¬D → Y” — es decir, la combinación A-y-B O C-y-no-D produce Y.
• Software: R package QCA, SetMethods; Stata fuzzy; standalone fsQCA.

Advertencia

No es regresión. QCA no estima coeficientes — identifica patrones de coocurrencia. Útil cuando tu pregunta es “¿qué combinaciones funcionan?” en vez de “¿cuál es el efecto promedio?”. Especialmente útil para MAE LATAM con 5-15 municipios / programas / sectores.

3.3 · LLM-aided coding · la frontera 2026

(Ziems et al. 2024) · estudio empírico que comparó GPT-4 con codificadores humanos en 24 tareas de codificación cualitativa estándar:

• ~85% de acuerdo con humanos en tareas estructuradas (sentiment · stance · politeness · misinformation).
• Menos acuerdo en tareas que requieren contexto cultural denso o juicio normativo.
• Sesgos sistemáticos correlacionados con el contenido del texto (consistente con (Ludwig, Mullainathan, y Rambachan 2025)).

Reglas del LLM como segundo codificador (2026)

1. NUNCA único codificador. Mínimo 1 humano + 1 LLM + 1 disagreement resolution.
2. κ de Cohen ≥ 0.7 entre humano y LLM por categoría · si < 0.7, la categoría no está bien definida.
3. Prompt versionado · cada prompt va al audit trail con timestamp + modelo + versión.
4. Subsample de validación · 10-15% codificado a mano para auditoría posterior.
5. 3 diagnósticos de (Ludwig, Mullainathan, y Rambachan 2025) aplicados igual que en regresión: prompt sensitivity · model sensitivity · validation subsample.
6. Reflexividad sobre el sesgo del modelo declarada en el reporte (ChatGPT 4o vs Claude 3.5 vs Llama 3.1 codifican distinto).

4 · Mixed methods rigoroso · Creswell-Plano Clark 2018 + Fetters 2020

(Creswell y Plano Clark 2018) · los 4 diseños canónicos (3rd ed añadió “embedded”):

Los 4 diseños

Convergente paralelo

• Estructura: cuali y cuanti en paralelo · análisis separados · integración al final (joint display).
• Cuándo: querés triangular dos lentes sobre el mismo fenómeno.
• Ejemplo MAE: RCT de programa de empleo + entrevistas a beneficiarios; los outcomes cuanti dan magnitud, las entrevistas dan mecanismo.

Explicativo secuencial (cuanti → cuali)

• Estructura: cuanti primero (regresión · ATE), cuali después explica los hallazgos.
• Cuándo: tenés resultados cuantitativos sorprendentes o nulos que necesitan explicación.
• Ejemplo MAE: TWFE no significativo → entrevistas con implementadores revelan que el programa nunca se ejecutó como diseñado.

Exploratorio secuencial (cuali → cuanti)

• Estructura: cuali primero genera hipótesis / instrumento, cuanti generaliza.
• Cuándo: el constructo es nuevo · no hay encuesta validada · necesitás construirla.
• Ejemplo MAE: entrevistas en zona de conflicto identifican 3 dimensiones de “vulnerabilidad económica” → diseñás índice cuanti → testás con panel.

🆕 Embedded (incrustado)

• Estructura: un método dentro del otro · uno suplementa al primario.
• Cuándo: RCT con evaluación de proceso · análisis cualitativo dentro de un experimento.
• Ejemplo MAE: RCT con observación etnográfica durante implementación · cuali es el “check de fidelidad” del tratamiento.

Joint display · (Fetters, Curry, y Creswell 2013)

La técnica moderna para mostrar la integración. 3 tipos:

Tipo	Estructura	Cuándo
Side-by-side	Tabla 2 columnas: cuanti·cuali por dimensión	Convergente
Building	Cómo cuali construye sobre cuanti (o viceversa)	Secuencial
Merging	Cómo los hallazgos se integran en una meta-inferencia	Convergente avanzado

Tip

Lectura mínima sobre joint displays: (Fetters, Curry, y Creswell 2013) · Health Services Research — el paper canónico de integración en mixed methods (open access). Ficha. Es la diferencia entre mixed methods serio y dos secciones paralelas en la misma tesis.

Diseños con intervención experimental — cuándo entra el cuali

Cuándo	Para qué
Antes del experimento	Desarrollar instrumento · pre/post · reclutamiento · entender contexto · justificar necesidad · línea base
Durante el experimento	Cómo experimentan los participantes el tratamiento · mediadores · moderadores · fidelidad · barreras · facilitadores
Después del experimento	Por qué los resultados son los que son · feedback · explicar variación · efectos a largo plazo · validar fidelidad

5 · Conexión explícita con el DAG (U5)

El aporte único de mixed methods a una tesis con DAG no es estética — es 3 cosas concretas:

① Identifica confounders no observables Entrevistas en profundidad descubren la U (variable no observable) que tu panel administrativo no capturó. Eso modifica el DAG · cierra backdoors que sin cuali quedarían abiertos.

② Valida mecanismos (aristas internas) Process tracing prueba si la flecha M (mediador) → Y opera como tu teoría asume. La regresión la asume; el cuali la testea.

③ Prueba heterogeneidad sistemática Estudios de caso comparados (Yin 2018) o QCA identifican configuraciones que la CATE de causal forest sólo aproxima estadísticamente.

Advertencia

Sin esta conexión, mixed methods en tu tesis con DAG queda como anexo decorativo. El criterio del U6: cada hallazgo cuali debe modificar, validar o restringir alguna arista del DAG. Si no lo hace → es teatro mixto (§6).

6 · 3 anti-patrones que el jurado va a detectar

Anti-patrón 1 · Teatro mixto

“Hice 5 entrevistas + análisis temático como complemento a la regresión.” → Eso es teatro, no mixed methods. El cuali no responde una pregunta integrada, no modifica el DAG, no entra al PAP. El jurado lo va a marcar como decoración.

Solución: la pregunta de tu cuali debe ser distinta de la del cuanti y complementaria según uno de los 4 diseños de Creswell-Plano Clark.

Anti-patrón 2 · LLM como único codificador

“GPT-4 hizo el análisis temático de mis 200 entrevistas.” → Eso es delegación, no análisis. Sin κ humano-LLM ≥ 0.7 + subsample manual ≥ 10% + reflexividad sobre sesgo del modelo, el output es alucinación elegante.

Solución: modo AIAS 3 — LLM como segundo codificador con audit trail denso. Ver §3.3.

Anti-patrón 3 · Cuali sin proceso de análisis documentado

“Hice entrevistas y emergieron 3 temas.” → No emergen — los construye el investigador. Sin audit trail (transcripción · codificación · saturación · contraste · reporte), el análisis no es auditable.

Solución: checklist (Braun y Clarke 2006) aplicado y documentado (§7).

7 · Checklist de auditoría · cuali moderno (2026)

Adaptado de (Braun y Clarke 2006) + frontera 2026:

Transcripción

• Nivel de detalle adecuado para la pregunta (verbatim vs orthographic vs jeffersonian)
• Transcripciones cotejadas contra audio para precisión
• Si se usó transcripción automática (Whisper · Otter): declarado + tasa de error verificada en submuestra

Codificación

• Misma atención a cada dato (no sólo a ejemplos vívidos)
• Proceso exhaustivo, inclusivo, completo
• Todos los extractos relevantes recopilados por tema
• Si se usó LLM como segundo codificador: κ ≥ 0.7 por categoría, prompt versionado, subsample manual ≥ 10%
• Reflexividad sobre el sesgo del modelo: GPT vs Claude vs Llama testados, divergencias reportadas

Análisis temático

• Temas contrastados entre sí y con el dataset original
• Temas internamente coherentes, consistentes, distintivos
• Datos analizados (interpretados con sentido), no sólo parafraseados

Reporte

• El análisis cuenta una historia bien organizada
• Balance entre narrativa analítica y extractos ilustrativos
• Lenguaje y conceptos coherentes con la posición epistemológica
• El investigador se posiciona como activo — los temas no “emergen”, el investigador los construye

Conexión con DAG (nuevo 2026)

• Cada hallazgo cuali se mapea a una arista o nodo del DAG
• Hallazgos que contradicen el DAG declarados y discutidos
• Si modifica el DAG → versión 2 con notación de cambios

AIAS reporting (nuevo 2026)

• Modo declarado por sección (0-5)
• Si LLM intervino: prompt + modelo + versión + decisión humana documentados
• 3 diagnósticos (Ludwig, Mullainathan, y Rambachan 2025) reportados si LLM clasifica texto

8 · Software · stack moderno 2026

Cualitativo puro

• Atlas.ti / NVivo / MaxQDA — CAQDAS clásicos (commercial)
• Dedoose — colaborativo · web-based · suscripción
• Taguette — open source · simple · gratis
• QualCoder — open source · feature-rich · gratis

LLM-aided coding

• OpenAI / Anthropic API con prompts versionados
• langchain + chromadb para retrieval-augmented coding
• Custom GPTs / Projects con sources cargadas (NotebookLM-style)

Mixed methods

• R: quanteda (análisis de texto cuantitativo) + tidytext
• R: MMR package (mixed methods research) · joint displays
• Python: bertopic / top2vec — topic modeling moderno
• Stata: txttool + integración manual

Process tracing & QCA

• R: QCA package + SetMethods (Dușa)
• fsQCA standalone (Ragin · gratis)
• Process tracing: no hay software dedicado; documentación estructurada en Markdown + Bayesian process tracing con R (Fairfield-Charman 2022)

9 · Lecturas mínimas

Si tu tesis es mixed methods:

1. (Creswell y Plano Clark 2018) · capítulos 3-6 (los 4 diseños).
2. (Fetters 2020) · capítulo 6 (joint displays).
3. (Braun y Clarke 2006) · artículo completo (~30 págs).

Si tu tesis tiene componente cualitativo causal:

4. (Beach y Pedersen 2019) · capítulos 1-4 (introducción a process tracing).

Si tu tesis tiene n pequeño:

5. (Ragin 2008) · capítulos 1-3 + apéndice software.

Frontera 2026 (todos):

6. (Ziems et al. 2024) · empírico sobre LLM coding.
7. (Ludwig, Mullainathan, y Rambachan 2025) · LLMs como variables (mismo deck de U6).

10 · Conexión con el resto del curso

• U5 (tipo de hipótesis): si declaraste tu hipótesis primaria como mecanística, exploratoria o comparativa (JC 3/6 de U5), este recurso es tu camino metodológico — no los 6 patrones cuanti de U6.
• U6 (métodos modernos): el JC 3/6 del Sprint 1 (“DAG cuali y mixto”) presenta el panorama en 5 minutos; este recurso es la profundidad. La sesión presencial prioriza la lógica DAG → estrategia → método con los 6 patrones cuanti — el cuali/mixto vive aquí.
• U6 (Lab L4 · §3.3 de este recurso): si usás LLM como segundo codificador, las reglas son las mismas del Lab L4 — auditar línea por línea, ≥1 error detectado, validation subsample.
• U7 (comunicación): el póster Quarto debe incluir joint display si tu tesis es mixed methods. La sustentación U8 exige defender la integración, no las dos partes por separado.

11 · Si tu tesis es 100% cualitativa · sin componente cuanti

Es válido para MAE. Hay tesis premiadas con sólo cuali — pero exige rigor doble. Mínimo:

• Pregunta investigable (no descriptiva pura)
• Diseño cualitativo justificado (caso · etnografía · fenomenología · IAP)
• Saturación documentada (no se sigue entrevistando indefinidamente)
• Process tracing si la pregunta es causal
• Audit trail completo
• Reflexividad explícita

Hablá con JC en S05 lockdown o antes para diseñar trayectoria específica.

---

Mixed methods no es la mitad de cuanti + la mitad de cuali. Es una pregunta que ninguno de los dos resuelve solo, respondida por una integración que el jurado puede auditar.

Referencias

Banerjee, Abhijit, Esther Duflo, Amy Finkelstein, Lawrence F. Katz, Benjamin A. Olken, y Anja Sautmann. 2020. «In Praise of Moderation: Suggestions for the Scope and Use of Pre-Analysis Plans for RCTs in Economics». NBER Working Paper 26993. National Bureau of Economic Research. https://doi.org/10.3386/w26993.

Beach, Derek, y Rasmus Brun Pedersen. 2019. Process-Tracing Methods: Foundations and Guidelines. 2nd ed. Ann Arbor, MI: University of Michigan Press.

Braun, Virginia, y Victoria Clarke. 2006. «Using Thematic Analysis in Psychology». Qualitative Research in Psychology 3 (2): 77-101. https://doi.org/10.1191/1478088706qp063oa.

Creswell, John W., y Vicki L. Plano Clark. 2018. Designing and Conducting Mixed Methods Research. 3rd ed. Thousand Oaks, CA: SAGE Publications.

Fetters, Michael D. 2020. The Mixed Methods Research Workbook: Activities for Designing, Implementing, and Publishing Projects. Thousand Oaks, CA: SAGE Publications.

Fetters, Michael D., Leslie A. Curry, y John W. Creswell. 2013. «Achieving integration in mixed methods designs: Principles and practices». Health Services Research 48 (6pt2): 2134-56. https://doi.org/10.1111/1475-6773.12117.

Ludwig, Jens, Sendhil Mullainathan, y Ashesh Rambachan. 2025. «Large Language Models: An Applied Econometric Framework». NBER Working Paper 33344. National Bureau of Economic Research. https://doi.org/10.3386/w33344.

Ragin, Charles C. 2008. Redesigning Social Inquiry: Fuzzy Sets and Beyond. Chicago, IL: University of Chicago Press.

Strauss, Anselm, y Juliet Corbin. 1998. Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory. 2nd ed. Thousand Oaks, CA: SAGE Publications.

Yin, Robert K. 2018. Case Study Research and Applications: Design and Methods. 6th ed. Thousand Oaks, CA: SAGE Publications.

Ziems, Caleb, William Held, Omar Shaikh, Jiaao Chen, Zhehao Zhang, y Diyi Yang. 2024. «Can Large Language Models Transform Computational Social Science?» Computational Linguistics 50 (1): 237-91. https://doi.org/10.1162/coli_a_00502.