Going qual in: towards methodologically inclusive data work in academic libraries

Jessica Hagman, Hilary Bussell

IASSIST Quarterly, ISSN 0739-1137, v. 56, n.2, 2022

Se presentan los resultados de una investigación en relación a los conceptos de alfabetización de datos, la investigación cualitativa y la infraestructura de las bibliotecas académicas en torno a la investigación cualitativa. En la última década, las bibliotecas académicas han centrado su atención en la alfabetización en datos y en la oferta de servicios para los datos de investigación, debido, en gran medida, a la creciente cantidad de datos disponibles en línea y a la idea de que se requieren nuevas competencias para su gestión. En este contexto, a menudo se considera que los datos sólo hacen referencia a datos numéricos y estadísticos, por lo tanto, las definiciones de la alfabetización informacional a menudo se basan en concepciones de los datos como únicamente cuantitativos. Sin embargo, la investigación cualitativa hace referencia a cualquier investigación que utilice datos no numéricos y, en consecuencia, debe ser objeto de la alfabetización de datos y de la programación de servicios de datos de investigación. Para el estudio se realizan una serie de entrevistas con bibliotecarios académicos acerca de: ¿Cómo definen los bibliotecarios académicos la investigación cualitativa?; ¿Definen los bibliotecarios académicos la alfabetización en datos de forma que incluya los datos cualitativos y los métodos de análisis?; ¿Cómo perciben los bibliotecarios académicos el apoyo de su biblioteca a la formación en alfabetización en datos de investigación cualitativa y a los servicios de datos de investigación?. A partir de las entrevistas, se propone un modelo de alfabetización de datos que incorpora elementos interpretativos e instrumentales. Se concluye con sugerencias para la incorporación de datos cualitativos y métodos de análisis en la programación de la biblioteca académica y los servicios en torno a la alfabetización de datos y datos de investigación para mejorar en el proceso de descubrimiento e innovación, reconociendo el valor de los diversos enfoques de la investigación hacia un trabajo de datos más inclusivo.

https://iassistquarterly.com/index.php/iassist/article/view/1022