Reseña

El objetivo de esta obra es la de introducir al lector en los conceptos básicos del uso del Análisis Cualitativo Comparativo (QCA. Qualitative Comparative Analysis) con el conjunto de datos nítidos (crisp- sets. csQCA) a través de demostraciones de su uso con ejemplos varios en la administración de la innovación.
Desde fines de los años 80, su precursor, el análisis cualitativo comparativo QCA (Qualitative Comparative Analysis) ha estado en el centro de atención de la metodología de las ciencias sociales ya que se fundamenta, en el conjunto de relaciones y objetivos establecidos del descubrimiento de condiciones suficientes y necesarias.
Cabe señalar, que es común referirse a la versión Booleana original del QCA como csQCA, donde cs (crisp-sets) denota un conjunto de datos nítidos, la versión que permite utilizar las condiciones de múltiples categorías, se denomina como mvQCA, donde mv (multi-value) describe el valor múltiple y para la versión fsQCA donde fs (fuzzy-set) describe al conjunto de datos difuso. El objetivo del análisis de QCA, en general, es dar cuenta de un resultado particular, contra los análisis basados en regresión, que por el contrario, generalmente tienen como objetivo ser herramientas base para explicar los efectos de las causas (Wagemann y Schneider, 2010).
Sobre el estado de las ciencias sociales, como base general de la admi- nistración de la innovación, Sartori (1970), llegó a afirmar:
“...se aprecia un pésimo estado de la ciencia oscilando entre dos extremos poco sólidos: el pensamiento inconsciente, lo que hace una abrumadora mayoría, y un pensamiento demasiado consciente, hecho por una pequeña minoría...”
Llamando a los estudiosos a adquirir capacitación en lógica (primaria): “Para dirigir un curso intermedio entre mal manejo lógico crudo por un
lado, y perfeccionismo lógico (y parálisis) por otro lado...”
Fue a fines de la década de 1980, cuando el Dr. Charles Ragin trajo el álgebra Booleana y la teoría de conjuntos, para las ciencias sociales con su innovador libro The Comparative Method (Ragin, 1987) que describe a profundidad todo lo relativo a los componentes del QCA. Aún así, el verdadero estímulo en la atención comenzó algunos años después, con el libro Fuzzy-sets Social Science (Ragin, 2000). Por ahora, ya hay académicos que usan los métodos comparativos configuracionales, dada la posibilidad en formalizar el análisis orientado a casos y de este modo, ofrecer herramientas para mejorar la investigación comparativa. Estos métodos son particularmente aptos para identificar lo mínimamente necesario y/o mínimamente suficiente (combinaciones de) condiciones que producen un resultado de interés (es decir, evaluar las causas de los efectos), con gran potencial de aplicaciones cuantitativas como en la ingeniería (Mendel y Korjani, 2010; Marks, et al., 2018).
Dadas las ventajas que se ofrecen, en discusiones recientes sobre los métodos comparativos configuracionales, los estudiosos sostienen que los enfoques cuantitativos basados en regresiones vs. el QCA, se aplican mejor junto a otro (Ragin 2008; Schneider y Wagemann 2010; Rihoux 2006). Sin embargo, existe una advertencia para los entusiastas, de que los aca- démicos no deban convertirse en monomaníacos del QCA (Ragin y Rihoux 2004, p. 6).
Por otro lado, se tienen primeros esfuerzos de la aplicación de fsQCA, en el área del emprendimiento y la innovación como el trabajo de Kraus et al., (2017) donde se hace una recopliación de 77 artículos publicados de 2005 a 2016 con las palabras clave de: fsQCA, administración de negocios, empredimiento e innovación, revelando un incremento paulatino en estos campos para el uso de la fsQCA. Es así, que las ciencias de la adminis- tración orientadas a la innovación, tienen la posibilidad de aprovechar lo
realizado en las ciencias sociales a través de las importantes aportaciones del Dr. Ragin, por lo que la presente obra, se compone de once capítulos, los cuales describimos brevemente:
CAPÍTULO 1. Análisis de regresión vs. análisis cualitativo comparativo de datos (QCA). El capítulo presenta cómo funciona la regresión y su uso por parte de los investigadores sociales orientados a la administración de la innovación; los errores más usuales en los que se incurre y por lo tanto, las inconveniencias para la investigación. Esto trae como consecuencia potenciales errores al asumir hipótesis que al ser sometidas al QCA, resta mucho su efectividad. El capítulo cierra con la descripción de la fsQCA, que permite visualizar su incursión en las ciencias de la administración de la innovación.
CAPÍTULO 2. Software QCA y configuración fsQCA. Este capítulo, permite al lector conocer los alcances del software fsQCA, diseñado por el Dr. Charles Ragin a fin de conocer cada una de las funciones que lo componen desde crear y abrir un archivo en diferentes formatos, hasta con- figurarlos y probar las funciones disponibles, en doce ejercicios prácticos con el uso del software fsQCA que se describen a detalle.
CAPÍTULO 3. Análisis Cualitativo Comparativo de Datos Nítidos (csQCA). Este capítulo reporta al lector un tipo de datos muy común en el uso de la csQCA, revelando conceptos básicos de su uso a través de el uso de datos binarios, la negación Booleana, el uso de tablas de verdad, los agrupamientos, la adición y multiplicación Booleanas, la lógica combi- natoria, las implicaciones principales, la Ley de De Morgan, las causas necesarias y suficientes y la minimización. Trata los conceptos acerca de los casos contrafactuales, el problema de los casos coincidentes, cómo se comparan los casos contrafactuales vs. QCA y un contraste con la investi- gación convencional cuantitativa. Se aplican seis ejercicios con el uso del software fsQCA que confirman el uso de los principales conceptos.
CAPÍTULO 4. Análisis Cualitativo Comparativo de Datos Difusos (fsQCA). Este capítulo reporta al lector un tipo de datos muy especial, el de tipo difuso que usa el software fsQCA, revelando conceptos básicos de su uso a través del conocimiento de su naturaleza, la posibilidad de usarlos