Investigación Acción

Psicología Organizacional Humana Volumen Volumen 2, 2, número número 3, 3, Diciembre Diciembre 2009 2009

artículos

Tras una Investigación Acción Efectiva y Válida Rafael Estévez Valencia. Estrés: el Costo Económico y Emocional de Trabajar con un Jefe Tóxico Franco Lotito Catino Actuar como un Buen Jefe Carlos Altschul. Fundamentos de la Horizontalidad Relacional: Un Concepto Emergente en las Empresas Andrés Álvarez Banda, Catherine Currie Ríos, David Espinoza Espinoza, Rosario Zúñiga. Coaching corporal: sentido emergente para la efectividad personal Luis Felipe Correa Bengochea, Tomás Fleischmann Chadwick, Martín Pastene Pinochet, Nicole Pizarro Reculé.

3

Gestión del clima organizacional como herramienta estratégica para generar valor en las organizaciones: la experiencia de empresas reconocidas en el ranking Great Place to Work Chile Octavio López De Oliveira, Luis Roberto Illanes Álvarez, Benjamín Maldonado Keller, Hery Segovia Embry. Subcontratación: una aproximación estratégica al outsourcing Francisca Bustamante Molina, José Tomás García Larraín, Carolina Moya Moreau, Paula Sáa Molina.

comunicación breve

Conocimiento e “Insight”en la Organización Juan Magliano Evaluación ROI de un programa de capacitación Cristián Irarrázaval Jory,Tomás Vergara Sandoval.

1

Editorial

Este número de Psicología Organizacional Humana tiene 4 focos: profundizar la mirada respecto de los efectos del rol de las jefaturas, abordar algunas estrategias de gestión de personas y su impacto en la gestión estratégica, presentar una propuesta metodológica para el ejercicio del coaching y efectuar una reflexión sobre las organizaciones desde una perspectiva académica. En relación al rol de las jefaturas, compartimos el aporte de Franco Lotito y su evaluación del impacto económico del stress y las jefaturas tóxicas. Resulta de particular interés esta mirada, pues pone el foco en los efectos negativos del rol de los jefes, aspecto escasamente abordado por la literatura. Como reverso de esta mirada, la lucidez de Carlos Altschul hace énfasis en cómo actuar como buen jefe, qué significa y cómo se traduce en el ejercicio cotidiano del liderazgo. En esta línea apreciativa, encontrará un artículo seminal sobre uno de los conceptos centrales de la Psicología Organizacional Humana: la horizontalidad relacional como base de las vinculaciones entre la jefatura y su equipo. Se detallan las bases conceptuales y se establece una primera definición de horizontalidad y sus alcances. Desde la perspectiva de la efectividad de las estrategias de gestión de personas, se aborda cómo se lleva a cabo la gestión del clima como herramienta estratégica en las mejores empresas para trabajar en Chile, una interesante mirada al outsourcing como estrategia organizacional y una evaluación ROI a un programa de capacitación. Uno de los temas de mayor desarrollo en los últimos años ha sido el coaching y la formación de coaches, básicamente desde una perspectiva ontológica con énfasis en el lenguaje y las conversaciones. En este número se presenta una nueva mirada al coaching desde la perspectiva corporal y cómo ella vehiculiza el contacto con el emergente sentido personal. En perspectiva de reflexión académica, se presenta un destacado artículo de Rafael Estévez sobre cómo realizar investigación acción efectiva y aplicable, en un aporte concreto y pragmático para unir investigación académica e investigación empresarial, y la psicológica reflexión de Juan Magliano sobre cómo ocurren los insights organizacionales y su impacto en la generación de conocimiento.

Ignacio Fernández Director Psicología Organizacional Humana

5

Tras una Investigación Acción Efectiva y Válida

Rafael Estévez Valencia, TOP Consultores S.A. 7

Tras una Investigación Acción Efectiva y Válida Rafael Estévez Valencia, TOP Consultores S.A

Resumen Se revisita y actualiza el enfoque clásico de la Investigación Acción a la luz del enfoque sociotécnico y con una metodología trazable que asegura cumplir compromisos con el cliente y simultáneamente generar conocimiento publicable. La propuesta recoge experiencias de cambio en grandes empresas, que se inician en una unidad de prueba y se extiende progresivamente a toda la organización. Respetando el perfil distintivo de la Investigación Acción, el análisis aborda temas metodológicos críticos buscando fortalecer la validez y confiabilidad de los procesos que articulan la gestión efectiva del cambio con la producción de conocimiento científico. Este propósito dual se complementa con un sistema de meta aprendizaje construido sobre tres formas de reflexión que cubren los contenidos, procesos y premisas del proyecto que está en curso. El artículo concluye analizando asuntos relativos al término del proyecto, el aseguramiento de la satisfacción del cliente, la administración del alejamiento del consultor, al tiempo que dejan abiertas las puertas para reingresar en caso que se requiera y finalmente, acordar términos sobre difusión y publicación de aprendizajes de fracasos y logros. Palabras Claves: Investigación Acción, Socio-técnico, Cambio Organizacional

Abstract The classic approach to Action Research is revisited and updated in the light of both a sociotechnical approach and a replicable methodology that assure to deliver what was agreed with the client system and simultaneously, generate publishable knowledge. Such a proposal is built on change experiences in large organizations that begun in a testing unit and spread out progressively along the whole organization. Honoring Action Research`s distinctive profile the analysis moves into critical issues of methodology in a search for strengthening reliability and validity of processes that articulate both effective change management and production of scientific knowledge. This dual purpose is being complemented by meta learning processes grounded on three forms of reflection that cover the current project’s contents, processes and premises. The paper concludes analyzing issues related to ending the consultancy/research project, ensuring client’s satisfaction, working withdrawal from the organization and at the same time, readiness for coming back if it is required and finally, agreeing terms for diffusion of learning from both of successes and failures. Key words: Action research, socio-technical, organizational change.

8

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

1. Origen de la Investigación Acción Kurt Lewin (1946) usó la denominación Investigación Acción (IA) para referirse al proceso dual en que se investiga al tiempo que se actúa sobre un sistema social. Su iniciativa desafió la idea dominante que la investigación científica era un acto especial y distinto de una intervención de cambio o desarrollo. La propuesta de Lewin fue el comienzo de una metodología que genera nuevos conocimientos al tiempo que realiza una intervención de cambio organizacional en el propio sistema investigado. Hoy en día, quienes practican la IA son fieles al propósito fundacional de generar conocimiento mientras se trabaja en mejorar un sistema concreto. Casi siempre, este propósito dual se implementa con una práctica participativa que incorpora activamente en el rol investigador/gestor a una contraparte o representante del sistema estudiado e intervenido. Los campos principales de aplicación de la metodología han sido organizaciones, sistemas educacionales (Freire, 1997; Carr y Kemmis, 1986), grupos o personas en procesos de terapia y crecimiento personal, pacientes con enfermedades crónicas, etc. En las dos últimas décadas del siglo XX el Desarrollo Organizacional la adoptó como su estilo característico (French y Bell, 1999). Recientemente se han publicado varios trabajos de IA en el diseño e implementación de Sistemas de Información (Baskerville y Myers, 2004). En este artículo se han consultado publicaciones de esos campos pero el foco se concentra en la aplicación de la IA al mejoramiento y al estudio de las organizaciones.

2. Concepto de Investigación Acción (IA) El año 2003 Sage Publications difundió el primer número de una revista llamada “Action Research”. Su artículo editorial fue escrito por Brydon-Miller, Greenwood y Maguire (2003) y en ese texto se recoge como definición de la disciplina la que propusieran dos años antes de Reason y Bradbury, que reproducimos a continuación: ..un proceso participativo y democrático relacionado con el desarrollo de conocimientos aplicados a la consecución de los propósitos del bienestar de la humanidad, enraizada en una visión participativa del mundo que pensamos está emergiendo en estos tiempos históricos. Busca conciliar acción y reflexión, teoría y práctica, con la participación de otros en la búsqueda de soluciones prácticas para los asuntos que preocupan y tensionan a las personas y sus comunidades. Reason y Bradbury (2001, p.1) Esta definición es la más citada en la literatura, pero a nuestro entender, la que mejor se aplica a las organizaciones es la de Shani y Pasmore: La IA puede definirse como un proceso emergente de indagación en el que se aplican conocimientos de las ciencias del comportamiento que se integran con el saber existente sobre las organizaciones para resolver problemas y desafíos de organizaciones reales y concretas. Se caracteriza por ocuparse simultáneamente de facilitar y gestionar cambios en las organizaciones, desarrollar competencias de autoayuda entre los miembros de la organización y aportar al conocimiento científico. También se distingue por ser un proceso evolutivo que se aborda con un espíritu de colaboración y coindagación. (Shani y Pasmore, 1985, p. 439)

9

rafael estévez valencia

3. Principales características de la Investigación Acción. Se orienta a mejorar las organizaciones en congruencia con un marco de valores. Los objetivos de superación incluyen el cumplimiento de la misión social del sistema, mejoras de viabilidad, resultados, eficiencia y la calidad de vida de las personas que trabajan en la organización o se relacionan con ellas. Según Mario Morales, IA aspira a desarrollar organizaciones inteligentes y a escala humana1. Busca congruencia entre lo que el consultor predica y lo que practica. Brydon-Miller (2003) citan a Bill Tolbert diciendo “buscamos mayor congruencia entre lo que declaramos y lo que producimos”. Hay citas similares de otros líderes de la disciplina como Bob Dick y Pat Maguire2. Busca generar conocimiento científico dentro de un marco ético declarado y aceptado por el sistema cliente. (Rapoport, 1970; Argyris, Putman y Smith, 1985). Como corolario se registra un aprendizaje durante el curso del proyecto. Al comienzo del proyecto el consultor/ investigador puede comprometer la entrega de un documento que explicitará experiencias y aprendizajes. Usa una variedad de métodos de recolección de datos, procesamiento y análisis de información. Puede usar métodos cuantitativos y/o cualitativos. En sus orígenes mostró preferencia por metodologías cualitativas, pero a partir de los ‘90s se presentan trabajos que usan métodos cuantitativos de recolección de datos y de análisis de información (Ledford y Susan, 1993). Típicamente se aplica para construir modelos. Tanto para producir nuevos modelos como para validar alguno en uso. También para validar hipótesis, probar correlaciones o relaciones causales. Se aplica tanto dentro del marco positivista como en el contexto de paradigmas subjetivo-interpretativos, sistémicos y radicales. Se destaca su aplicación para construir modelos de sistemas socio-técnicos concretos ya que la IA es particularmente fértil en esa dimensión de producción científica. Son estudios de campo similares a un cuasi experimento. El enfoque más clásico de IA puede describirse como un experimento en las condiciones naturales de un sistema real, llamado también experimento de campo, (Elden y Chisholm, 1993). En sus variaciones más recientes la IA agrega el propósito de desarrollar conocimiento dentro del sistema intervenido para desarrollar la capacidad de hacer mejoras efectivas después que el equipo consultor/ investigador se retire del sistema (Kock, McQueden y Scott, 1995). Se aplica en un proceso cíclico de cinco pasos que se repiten construyendo sobre la base de conocimiento alcanzada en el ciclo precedente. Los pasos son cuidadosamente planeados y ejecutados. Los nombres de esos pasos son: diagnóstico, planificación, ejecución de acciones, evaluación de la acción y sus consecuencias, decantación de aprendizajes específicos. En el ciclo siguiente se reiteran los pasos y así se suman ciclos hasta alcanzar la validación de hallazgos y la confiabilidad del modelo generado. Desarrolla y administra una relación colaborativa y de asociación con miembros del sistema estudiado. Una contraparte del sistema participa en calidad de coinvestigador en los ciclos enunciados en el punto anterior. Esta participación contrasta con los estudios tradicionales donde los miembros del sistema son sujetos u objetos de estudio pero no asumen roles activos durante la intervención/investigación. Incorpora la práctica reflexiva de la dinámica observada en el sistema cliente, el sistema consultor/investigador y de los resultados de la intervención conducida. La reflexión es la práctica de detenerse y observar retroactivamente para apreciar y ponderar las acciones 1 Comunicación Personal de Mario Morales, el más destacado maestro chileno de la psicología del trabajo y las organizaciones. 2

10

Ver Brydon-Miller, Greenwood y Maguire, P. (2003)

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

propias y de otros en el entorno personal inmediato (Raelin, 2001; Seibert, 1995). La temporalidad de la reflexión puede ser anticipatoria, contemporánea o retrospectiva. 3 Desarrolla una comprensión holística de las organizaciones y reconoce tanto sus complejidades e incertidumbres como las formas en que esta condición es gestionada. Su fundamento está en el pensamiento sistémico. La IA busca desarrollar una visión amplia de cómo funciona el sistema estudiado y ser capaz de moverse entre la estructura formal, los subsistemas técnicos, los subsistemas sociales formales, informales y los subsistemas emergentes (Senge, 1990). Ackoff (1999) usa el término “messes” (enredoso, confuso y complicado) para identificar problemas complejos, dinámicos, multi-dimensionados y no trazables, que sólo pueden abordarse y resolverse parcialmente. Estas situaciones pueden ser atractivas para los consultores de la IA. Los investigadores no eluden las situaciones messy a pesar de no anticipar la salida, pues creen que en conjunto con los stakeholders legítimos internos y externos se encontrará una vía para mejorar la situación.

4. La validez del constructo teórico y el enfoque socio-técnico 4.1 La validez interna y la validez del constructo en la Investigación Acción. La validez del conocimiento puesto a disposición de la comunidad científica es un tema crucial de toda investigación. Messick (1995, p.19) define la validez “como un juicio evaluativo global del grado en que la evidencia empírica y la lógica teórica apoyan la concepción y conveniencia de las inferencias y acciones que se realizan basándose en los resultados y mediciones”. Campbell y Stanley (1966) y Cook y Cambell (1976, 1979) distinguieron los cuatro tipos de validez que más han influido en el diseño de investigaciones de campo y cuasi experimentales: • • • •

Validez de conclusiones estadísticas: cuán justificable son las inferencias estadísticas de covariaciones entre variables. Validez interna: juicio sobre si una covariación observada puede considerarse una relación causal. Validez del constructo: juicio sobre la medida en que las variables del modelo o “teoría” usado para observar, analizar e interpretar las covariaciones puede considerarse un constructo teórico bien fundado y consistente. Validez externa: cuan generalizable es el conocimiento postulado en el espacio y en el tiempo.

El propósito dual de la IA exige que validez del constructo y validez interna sean temas relevantes ya que de otra manera, la solución de problemas organizacionales y la producción de modelos o teorías no serían replicables en otras unidades de la misma organización. Cuando no se cumplen estos requisitos de calidad los resultados no serán trazables. La validez externa y la validez de las conclusiones estadísticas son menos importantes cuando el interés es fundamentalmente teórico (Calder, Phillips y Tybout, 1982), pero serán requerimientos de calidad cuando el modelo resultante se pone a prueba en otros escenarios y cuando las variables se puedan operacionalizar en términos estadísticos paramétricos o no paramétricos. Es difícil alcanzar validez de constructo cuando se busca información sin un marco de referencia y sólo se registran opiniones de los miembros del sistema estudiado. Al contrario, la probabilidad de obtenerla crece cuando la indagación responde a un marco que permite 3

Ver sección 5.2.2.-

11

rafael estévez valencia

indagar sobre temas y variables que pueden ser relevantes. Por esa razón la IA propicia usar un modelo tentativo con una actitud abierta a descubrir lo nuevo. Nuestra experiencia ha confirmado que el enfoque socio-técnico provee una base teórica valiosa para construir marcos de indagación que conducen a modelos con validez de constructo.4 4.2 El enfoque socio-técnico. La premisa básica del enfoque socio-técnico es que las organizaciones están compuestas por dos sistemas que tienen propiedades distintas: los sistemas técnicos y los sistemas sociales. El sub-sistema técnico contiene principalmente sistemas cerrados, que reaccionan, son modificados o determinados por relaciones causales. Incluyen maquinaria, dispositivos, lay out, procedimientos de operación y, en general, todo lo que remite a la forma de proceder y al know how que la organización tiene para acometer los procesos de transformación y producción. Su diseño y funcionamiento es asumido principalmente por disciplinas fundadas en las ciencias de la ingeniería y otras llamadas exactas; un complejo cuerpo de conocimientos hace posible, a los iniciados y expertos, poder intervenir en el sistema y predecir su comportamiento, modulándolo y controlándolo con alta precisión y confiabilidad. El sub-sistema técnico es mucho más que la suma de los equipos en la organización, puede identificarse principalmente con los procesos responsables de la conversión de los inputs en outputs del sistema. Los procesos de conversión necesitan controlarse constantemente para asegurar que se pueden alcanzar los resultados esperados de los sistemas. (Badham, Clegg y Wall, 2000). El sub-sistema social incluye la dinámica de las personas y los grupos, y de todos aquellos fenómenos que dan cuenta de ellos: motivación, desempeño, liderazgo, toma de decisiones, relaciones laborales, contingencia sindical, conflicto, clima y cultura, entre otros. Sus componentes son sistemas abiertos con respuestas que incluyen opciones entre menús de alternativas con respuestas y/o comportamientos explicables por actos de voluntad, propósitos, valores, atracciones, intereses, etc. El sub-sistema social es mucho más que un set de controles técnicos de tareas que desempeñan las personas. Las tareas técnicas se combinan con trabajos de personas y responsabilidades asignadas a grupos. Cualquier análisis o rediseño del sub-sistema social implica revisar los trabajos y sus correspondientes roles sociales, ya que, los cambios tendrán gran impacto en el sub-sistema técnico y a su vez, importantes repercusiones que el mejoramiento o empeoramiento de la calidad de vida en el trabajo de las personas y grupos involucrados en las operaciones consideradas (Badham, Clegg y Wall, 2000). El sistema social funciona de manera diferente al sistema técnico. La naturaleza de las personas, los grupos y su dinámica en las organizaciones se hace comprensible y administrable a partir del conocimiento y los métodos del Comportamiento Organizacional y las ciencias que alimentan esa disciplina. El sistema social opera según ciertos patrones y principios. Puede comprenderse en base a patrones o principios generales que dan cuenta del funcionamiento del sistema social, no obedecen a la lógica de causa y efecto. La relación entre las variables sociales ocurre de manera compleja, muchas veces simultánea y circularmente. Los modelos predictivos, de gran aceptación y utilidad en el ámbito de los sistemas técnicos, tienen un uso limitado y restringido tratándose del sistema social. Lo que más aporta para su comprensión es la capacidad de leer y entender la globalidad del sistema antes que el comportamiento de elementos aislados.

4

12

La validez interna se retoma en el punto 5.1.5.-

7 - 28

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

Los sistemas sociales y técnicos, si bien son muy diferentes, están íntimamente relacionados: sucesos en uno de ellos inducen, gatillan o potencian determinados efectos en el otro. No debe subordinarse un sistema al otro, sino armonizarlos: al momento de crear u optimizar un modelo de gestión, una tentación de solución rápida que puede surgir, es la de subordinar uno de los sistemas (seguramente el que comprendamos menos) al otro. Lejos de esta solución rápida, un modelo de gestión debe considerar cómo aproximarse sistemáticamente a ambos sistemas, respetando la lógica de funcionamiento de cada uno. Enfoque Socio-técnico Convivencia armónica de dos naturalezas distintas

Leyes y causas físicas, naturales y económicas.

Sistema Técnico

Sistema Social

Leyes , necesidades, motivos, intereses, expectativas, psicosociales y políticas.

Articulación obligada de armonizar Fuentes de recursos para potenciar Capacidades Estratégicas

La tesis principal del enfoque socio-técnico es que el ajuste de ambos subsistemas se logra con un proceso de diseño orientado a la optimización conjunta y no trabajando uno primero y acomodando el otro después5. Todo sistema organizacional maximiza sus resultados sólo si la interdependencia de ambos sub-sistemas es explícitamente reconocida desde el comienzo. Todo proyecto de diseño o rediseño reduce significativamente sus riesgos cuando asegura que ambos sub-sistemas trabajen en armonía y en consecuencia, asume una metodología de aseguramiento de calidad que considera el impacto constante del sub-sistema técnico en el sub-sistema social y viceversa.

5. Las fases de la Investigación Acción. Cuando se interviene en organizaciones grandes y/o complejas se sugiere empezar con una experiencia piloto que involucra una unidad, llamada ventana del cambio, donde se aplicará el proceso completo de la IA, que debería extenderse gradualmente a toda la organización. Esta expansión se desarrolla a través de los ciclos de la IA, donde el primero de esos ciclos es precisamente la experiencia piloto. Cuando se está conduciendo la expansión se producen conocimientos y aprendizajes de las fases preliminares, los que se van puliendo y completando hasta alcanzar el carácter de modelo, una suerte de teoría o hipótesis con alto potencial para una generalización. La metodología propuesta en este artículo recoge la experiencia del autor y sugerencias de varios investigadores, especialmente Coghlam y Brannick (2004); Kock, McQueen y Scott (1995); Susman y Evered (1978). La presentación de la metodología se organiza en las tres fases siguientes: • • •

Preparación. Múltiples ciclos de Investigación Acción. Post-Evaluación.

5 La gran tentación en empresas con cultura de ingeniería dura ha sido hacer la ingeniería del sub-sistema técnico y después adaptar el sub-sistema social a lo ya definido. Este error explica buena parte de los fracasos de grandes proyectos de inversión.

13

rafael estévez valencia

5.1 Primera fase: La preparación. La buena preparación es la mejor manera de prevenir inconvenientes que afectarían el desarrollo exitoso de la investigación/intervención. La experiencia nos ha enseñado que hay problemas que suelen dañar el proceso de Investigación/Consultoría y que no son difíciles de resolver en la fase de preparación de la IA y en los primeros pasos del ciclo de la investigación6. Estas dificultades tienen su origen tanto en el sistema cliente como en el equipo de investigación pero la responsabilidad principal de anticiparlas es de los investigadores7. Los problemas a preveer en el sistema cliente son el desconocimiento que generalmente tienen los miembros de la unidad en estudio del proceso que asumirán y la falta de motivación para la IA del sistema cliente más amplio.8 En el sistema consultor/investigador, por su parte, el principal riesgo de error es la mala elección del caso. Por ello se recomienda revisar la decisión tras terminar la fase preliminar. El segundo problema típico es la falta de experiencia y deficiencias en la formación profesional y metodológica del equipo. Es común que el equipo consultor/ investigador disponga de uno o dos expertos y de varios profesionales que no han vivido experiencias integrales de IA. En la lógica de la IA siempre será necesario que los investigadores continúen su formación metodológica y experiencias anticipándose a las fases que vienen. El complemento de la anticipación es el aprendizaje de la experiencia vivida, por lo que el equipo necesita programar sesiones periódicas de revisión de experiencias, que será necesario entender como parte central del proceso y realizar con gran profesionalismo. Una parte de este tipo de problemas se puede atenuar con las siguientes acciones preliminares: • Definición del conjunto de preguntas abiertas. • Construcción de un modelo preliminar para el problema o desafío que se abordará. • Elección de la organización o sistema que se intervendrá y de la contraparte de investigación. • Definición de los métodos de recolección de datos e información.

5.1.1 Definición del conjunto de preguntas abiertas. En todo proyecto de IA es un dato de la causa que el proceso de investigación estará influido por requerimientos del sistema cliente. En consecuencia, el equipo de investigadores/ consultores deberá anticipar y administrar esos requerimientos. También habrá que administrar intereses y requerimientos del propio investigador y su equipo. Incluyendo expectativas o entusiasmo con una teoría o marco conceptual preconcebido que podría contaminar las apreciaciones de lo que ocurre en la organización. Es clave identificar todas las demandas y requerimientos y también las pre-concepciones teóricas o ideológicas, de otra manera no se podrá navegar en esas aguas ni se podrá controlar presiones que impiden el desarrollo del sistema cliente y del saber de la ciencia. En ese contexto, el valioso marco o modelo inicial es dañino cuando se usa con rigidez, ya que impedirá “escuchar a los datos y ver lo distinto” que permite recrear el saber 9. Las preguntas abiertas al comienzo de la relación permiten recoger las opiniones y expectativas del sistema cliente, reduciendo el riesgo que el investigador guíe las respuestas 6

Referencia a la experiencia del autor y el equipo profesional de TOP Consultores S.A.

7 Los investigadores son “expertos” en el proceso de IA y el cliente confía en que sabrán gestionar el proceso y ayudarán a mejorar su organización. 8 La alta gerencia puede entender las ventajas y aprobar la intervención. Menos frecuente es que el jefe de la unidad y su gente estén informados del proceso en que se verán involucrados. Casi nunca han asumido lo que significa y cual será su rol. 9 La actitud clásica del positivismo es investigar mediante la prueba de hipótesis. La humanidad le debe mucho a ese modelo de hacer ciencia pero la IA ayuda a descubrir aspectos que son invisibles para ese paradigma. Sería fatal asignarle al modelo provisorio de IA el carácter de hipótesis porque la “conducta refleja” será probarla o rechazarla. El modelo provisorio se usa para indagar lo que apunta a percibir lo que el sentido común, los prejuicios y los mapas mentales ocultan

14

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

a la luz de sus intereses o que “se enamore” de su propio marco de referencia. Las preguntas abiertas se diseñan para motivar respuestas completas y significativas que expresan los pensamientos y sentimientos del entrevistado. Su opuesto son las preguntas cerradas que propician respuestas breves o de una palabra. Típicamente las preguntas abiertas empiezan con palabras tales como “por qué” y “cómo” o con frases como “dígame o cuénteme sobre...” o “¿Cómo así... ?” para promover que se enriquezca una respuesta .

5.1.2 Construcción de un modelo preliminar para el problema o desafío que se abordará. La apertura para escuchar al sistema cliente no puede confundirse con laxitud respecto del foco de investigación. Como en el caso de las preguntas abiertas, el modelo preliminar es un paso valioso si se asume como un recurso para construir “el modelo final” que resultará de la IA. El modelo preliminar sería la antítesis de la IA si se persiguiera validarlo. Si se desea probar un modelo existente o previo se recomienda recurrir a un diseño de investigación distinto de la IA. En efecto, durante el desarrollo del proyecto de IA el modelo preliminar será un insumo que pasará por períodos de refutación, reinvención, refinamientos y correcciones para finalmente producir otro modelo que se validará en la fase final de investigación.

5.1.3 Elección del sistema que se intervendrá y de la contraparte de investigación.

Los reportes de IAs recalcan cuán decisiva para los resultados del proyecto es la elección de la organización o de la parte de ella en que se trabajará.10 La IA no es un experimento aislado de la realidad. Se desarrolla en escenarios humanos activos y en convivencia con pasiones, temores, intereses, etc. Más aún, esos temas humanos pueden ser parte central de la consultoría/investigación. Es evidente, entonces, que la elección de la organización debe considerar tanto las características del sistema cliente elegido como la naturaleza de la interacción que se anticipa entre consultor/investigador y sistema cliente. Debe subrayarse que la buena IA requiere de cercanía y confianza con el cliente. Esa calidad de relación se construye con contacto personal directo. La distancia física y los tiempos de traslado pueden ser trabas para las relaciones cara a cara. La disposición favorable es también requisito para la elección de la unidad donde se comenzará. Cabe recordar que la IA no progresará sin un cambio en la organización y es frecuente que las personas de la organización hablen de cambio sin que realmente estén dispuestos a comprometerse e involucrarse para materializarlo. Si los niveles altos del sistema no asumen la relevancia y urgencia del cambio o no lo perciben alineado con la estrategia, es probable que no sea una prioridad real para ellos y eso se reflejará en mandos medios resistentes o reactivos que “estarán siempre muy ocupados” en sus tareas cotidianas. Una vez concordado el foco de cambio que será objeto de aprendizaje será necesario acordar definiciones claras de expectativas y roles. Las siguientes preguntas ayudan a documentar un contrato psicológico de expectativas y roles de las partes antes de empezar la intervención. ¿Cuál será el resultado y/o los productos del proyecto?, ¿Qué beneficios pueden esperarse?, ¿Quién será el gestor del proyecto dentro de la organización?, ¿Cuáles serán los roles del investigador, su equipo y de la contraparte del sistema cliente?, ¿Cómo afectará el proceso a la organización?, ¿Cómo se conducirá la intervención?, ¿Qué deberá hacerse para interrumpir la IA si alguna de las partes así lo requiere?, ¿Cómo se involucrará la contraparte del sistema cliente?, etc.

5.1.4 Definición de la unidad de análisis.

Es la unidad básica de investigación. Cualquier organización que tenga una unidad definida para el análisis es elegible para un proyecto de IA.

10

Ver Kock (2003); Kock, McQueen y Scott, (1995)

15

rafael estévez valencia

Al abordar la unidad de análisis se debe considerar su complejidad socio-técnica incluyendo la infraestructura en que opera, los outputs comprometidos, las capacidades históricas y potenciales del sistema, su articulación con la unidad de negocios, su participación en la gestión de triple resultado, la maquinaria y los puestos de trabajo (estudios ergonómicos), los flujos de información dentro de la unidad y con la organización de que es parte (ej. estudios de comunicaciones verticales, horizontales, sistemas de información), las personas considerando sus competencias, grados de satisfacción laboral, características de la cultura, sistemas de poder formal e informal, etc.

5.1.5 Definición de los métodos de recolección de datos y de análisis de la información. La recolección de datos busca obtener información relevante, completa y de calidad. El análisis de los datos busca develar relaciones e implicancias de los datos previamente obtenidos para producir información valiosa. Los métodos de recolección y de análisis de datos son interdependientes al punto que una opción de recolección reduce las opciones de análisis. Por ejemplo, el Análisis de Discursos es un método primario de análisis de datos que no tiene sentido aplicar a los datos recogidos en cuestionarios que recopilan información sobre variables cuantitativas. La elección de los métodos de recolección de datos es crítica en el diseño de la investigación y es un tema que merece tratarse por sí mismo. Dada sus extensión no se abordará en este artículo. Un tratamiento actualizado del tema puede encontrarse en Shaughnessy, Zechmeister y Zechmeister (2006) y King G., Keohane, R. y Verba, S. (1996)

Métodos de procesamiento y análisis de datos: esquemas de codificación y construcción de modelos causales. La IA necesita una metodología sistemática para procesar la información levantada, especialmente en el paso de “Especificación del Aprendizaje”11. La metodología más recomendada son las “codificaciones de la Teoría Enraizada”12 sistematizada por primera vez por Glaser y Strauss (1967).13 El término enraizada indica que la teoría contendrá sólo afirmaciones y propuestas derivadas de observaciones y registros reales y concretos, de manera que todos los postulados sean trazables hasta su origen en esos datos. La teoría producida con esa metodología está clara y demostrablemente fundada en los datos. La Teoría Enraizada (TE) se caracteriza por aplicar un proceso de codificación de tres fases: codificación abierta, codificación axial y codificación selectiva. Este proceso ha demostrado ser muy útil para extraer significación de datos crudos que no parecen relacionados. Antes de tratar estas codificaciones se explicarán los modelos causales. Esta referencia se hace porque la codificación se facilita cuando se realiza con un propósito definido como es la construcción de un modelo causal. a) Los modelos causales. Un modelo causal es una representación conceptual de una lógica de causa-efecto que describe el comportamiento de un sistema. Estos modelos se construyen con cuatro tipos de variables: independientes, intervinientes, moderadoras y dependientes. La o las variables dependientes son las que el modelo busca explicar y donde se registran 11

La Especificación de Aprendizajes es el paso final de cada ciclo de la IA. Ver sección 5.2 del presente paper.

12

Ver Strauss y Corbin (1990) y Locke (2001) pp.61-91.

13 Muchos investigadores de la IA no hacen uso de las “codificaciones de la Teoría Enraizada”. El autor recomienda este uso tras haber escuchado y aplicado esa recomendación de parte de otros investigadores (Kock, 2003; Zuber Skerrit y Perry, 2002)

16

7 - 28

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

las variaciones que interesa entender, predecir o producir. Las variables independientes son aquellas que explican los cambios observados en las variables dependientes. Pueden ser causas de esas variaciones o estar asociadas de tal manera que cambios en ellas permiten predecir cambios en variables dependientes. El experimento positivista clásico exige una condición aislada en que se controla y manipula toda variación de las variables independientes y registran las variaciones que se producen en las variables dependientes. El resultado esperado se expresa en la sentencia “si se da X (estado de variable independiente) se produce Y (estado de la variable dependiente)”. Las variables intervinientes son estados hipotéticos internos al sistema estudiado que se proponen para explicar covariaciones entre variables independientes y dependientes. Se incluyen cuando la covariación es regular y no hay una explicación causal demostrable. Las variables intervinientes propuestas, tales como “intención” ó “motivación”, proveen una lógica que explica la relación entre las variables independientes y las dependientes. Cuando un modelo incluye variables intervinientes se está sosteniendo que el sistema representado actúa como si esas variables intervinieran en la relación. Las variables moderadoras se incorporan en el análisis porque hay base para hipotetizar que afectan la relación entre variables independientes y dependientes por la vía de modificar el efecto de las variables intervinientes. Estas variables que no son foco de la investigación pero se consideran y miden porque pueden explicar condiciones en que la relación estudiada se da mientras que en otras condiciones no se observa relación. También aportan a una explicación lógica a variaciones en relación a la fuerza y sentido de la covariación. Típicamente pueden incluir variables tales como cultura, clima organizacional, diferencias individuales, etc. Un buen ejemplo de modelo causal aplicado al Comportamiento Organizacional es el que propusieron Hackman y Oldham (1980)14 y que ordenó décadas de sus investigaciones sobre las condiciones que explican el alto desempeño laboral, la satisfacción en el trabajo y el gran compromiso con las responsabilidades asumidas. Relación entre dimensiones socio-técnicas del trabajo, estados psicológicos críticos y el desempeño personal. Hackman y Oldham (1980) Dismensiones del trabajo. (Variables independiente) • Variedad de competencias. • Identidad de la tarea. • Significación de la tarea.

Estados psicológicos críticos. (Variables intervinientes)

Estados psicológicos críticos. (Variables dependientes)

Experiencia de significación del trabajo.

Autonomía y desiciones.

Experiencia de responsabilidad por resultados del propio trabajo.

Feedback: la tarea indica calidad del trabajo.

Conocimiento de avances, logros, errores, aciertos, etc.

• Gran motivación intrínseca en el trabajo. • Desempeño de calidad. • Gran satisfacción en el trabajo. • Bajo ausentismo y rotación.

Diferencias individuales (Variables moderadoras) • Fuerza de la necesidad de crecimiento • Conocimientos y competencias • Cuan satisfactorio es el entorno personal

El modelo se reproduce para mostrar la aplicación que los investigadores hicieron de las variables descritas. En esta representación nos permitimos señalar entre paréntesis y con letras de otro color la ubicación de los cuatro tipos de variables en el modelo referido.

14 El modelo de Hackman y Oldham (1980) se encuentra en la mayor parte de los textos de Comportamiento Organizacional.

17

rafael estévez valencia

b) Esquemas de codificación y comparaciones constantes de la Teoría Enraizada. Strauss y Corbin (1990) aportan sugerencias para organizar los datos cualitativos recopilados al aplicar la Teoría Enraizada (TE). Las sugerencias incluyen la agrupación de fragmentos de datos relacionarlos entre sí y hacer integraciones progresivas que llevan a proponer los marcos de referencia de la teoría que emerge. Los paradigmas de codificación son esquemas teóricos para traducir datos en conceptos y son también moldes –matrices que permiten “cortar figuras” con datos– que ayudan a agrupar conceptos y relacionarlos para crear categorías. Posteriormente, cuando las categorías son robustas y alcanzan saturación por respaldo de datos, se pasará a la integración de categorías que es la base de la formulación de la teoría substantiva enraizada. La palabra codificación describe el proceso de asignarle nombre (naming) a la conceptualización o de significación teórica que se atribuye a lo observado y a los incidentes registrados. Se codifican conjuntos de datos que comparándolos entre sí y revisándolos “elicitan” una interpretación de lo que está ocurriendo. Al asignar un nombre15 que resume una interpretación se está dando el primer paso de laceración de una categoría conceptual enraizada que aportará a una nueva manera de mirar la realidad en estudio. Las comparaciones constantes ocurren al tiempo de la asignación de nombres que resumen lecturas teóricas de datos y son críticas para crear categorías conceptuales. Son una actividad principal de la construcción de TE y denota la progresiva comparación de datos agrupados bajo un nombre con datos agrupados bajo otro nombre. Esta comparación de semejanzas y diferencias entre grupos de datos permite reagruparlos en categorías que contienen datos que alimentan un mismo concepto teórico y se distinguen de conjuntos de datos que sustentan otros conceptos. Las comparaciones constantes ayudan a asignar un nombre común para grandes conjuntos de datos y observaciones facilitando producir conceptualizaciones más generales y globales llamadas categorías. También ayuda a aclarar y percibir la lectura teórica de datos reales que llevaron a crear esa categoría permitiendo, en consecuencia, refinar y ajustar los conceptos teóricos asignados en la primera aproximación. El conjunto de categorías así construidas son conceptos respaldados por datos reales, más estables y que pasan a ser un insumo valioso para avanzar a las fases siguientes de la formulación de un modelo o TE.16 El proceso básico de codificación consta de tres fases consecutivas: codificación abierta, codificación axial y codificación selectiva. Los códigos resultantes de estos procesos son teóricos y no meras descripciones. Es decir, los productos de la codificación son conceptos con el valor potencial de explicar parte del fenómeno en estudio. La codificación abierta asigna nombre a los datos y los traduce en términos de conceptos directamente derivados de observaciones y registros reales. La codificación axial es el proceso de relacionar códigos, propiedades y categorías mediante una combinación de pensamientos inductivos y deductivos. Strauss y Corbin (1990) sugieren que tras terminar de identificar las relaciones causales entre conceptos se proceda a chequear el set concreto que contiene el conjunto de las relaciones identificadas entre esos conceptos. Si la codificación se hace con referencia a un modelo causal17 la traducción de datos a conceptos se guiará por los cuatro tipos de variables que caracterizan esos modelos.

15 Se debe distinguir el dato registrado de lo que es interpretación. En esa primera codificación ya empezó la teorización: En el proceso nunca se alteran los datos pero son leídos y reordenados muchas veces. La codificación se irá reajustando a la luz de las categorías que la metodología empieza a generar. 16 En este artículo recogemos los procesos de codificación de la TE para evitar la desorientación frente a grandes volúmenes de datos sin saber por donde empezar ni como pasar de ellos a un modelo que aporte al cliente y al desarrollo del saber. 17

18

La TE no tiene a los modelos causales como única opción de construcción teórica.

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

Para simplificar este proceso y evitar el largo camino de buscar todo tipo de relaciones, los teóricos enraizados ajustan las categorías con un marco de relaciones genéricas como los descritos en la tabla siguiente: Elemento

Descripción

Fenómeno

Nombre asignado o concepto teórico cuyas raíces están en los datos recogidos y/o en las descripciones, opiniones o juicios de los miembros del sistema cliente en estudio.

Condición causal.

Contexto

Sucesos o variables que conducen a la ocurrencia o desarrollo del fenómeno. Conjuntos de causas con sus propiedades o características. Consideradas variables independientes. Puede ser difícil de distinguir de las condiciones causales. Atributos, valores o posiciones de las variables del contexto o background. Conjunto de condiciones que influyen la conducta, proceso, desempeño, etc. Posibles variables moderadoras.

Condición interviniente

Variables mediadoras o intervinientes que se usan en la construcción de modelos causales. No todos los teóricos enraizados distinguen entre variables moderadoras e intervinientes.

Estrategias de acción

Actos que son respuestas o conductas orientadas a metas y que expresan propósito o intención de actuar sobre el fenómeno y la condición interviniente.

Consecuencias

Consecuencias de las estrategias y acciones de los actores sean ellas intencionales o no

La codificación selectiva busca elegir unas pocas categorías centrales cuya conceptualización logra articular una teoría que relaciona a todas las otras categorías. Es un paso avanzado que permite identificar temas principales que pueden ser base del modelo o teoría en construcción. La codificación selectiva incluye recopilar datos de las codificaciones previas. Se vuelven a estudiar selectivamente los casos y registros que sustentan los temas identificados como centrales y se vuelven a hacer comparaciones y contrastes con toda la colección de datos elegidos para esta codificación. Se revisitan los datos con el marco teórico más general que se ha producido y se vuelven a mirar las diferencias y semejanzas. Este proceso de revisitar se hace con los conceptos sólidamente fundados en datos y cuando se ha logrado organizar la construcción teórica en torno a un conjunto de ideas centrales que son generalizables. Es decir, esta lectura de los datos permite englobar, dar sentido y explicar los fenómenos o procesos en estudio en el marco de la teoría emergente. En el desarrollo de esta codificación se revisan y afinan los temas principales o conceptos medulares del modelo que será posteriormente puesto a prueba en su capacidad explicativa y predictiva. Salinger, Plonka y Prechelet (2008) recuerdan que en varias entrevistas Strauss y colaboradores declaran que hay tres aspectos que son la clave del método de la TE para producir una teoría substantiva sólida: i.

Codificación teórica: Los códigos son teóricos y no descriptivos. Ellos reflejan conceptos con potencial de explicación valioso para el fenómeno en estudio.

ii. Muestreo teórico: La selección del material a analizar se hace incrementalmente durante el curso del análisis, orientándose por lo que se espera que sea más

19

rafael estévez valencia

relevante para la teoría en desarrollo. iii. Comparaciones constantes: Los fenómenos observados y sus contextos se comparan y contrastan muchas veces con sus códigos y con otros que pudieran ser similares, a fin de asegurar que son unidades conceptuales distintivas, precisas y consistentes.

5.2 Segunda fase: Los múltiples ciclos de la Investigación Acción. La segunda y principal fase de la IA es un proceso cíclico e iterativo de cinco pasos cuidadosamente planeados y ejecutados: diagnóstico, planificación, ejecución de acciones, evaluación de la acción y sus consecuencias, decantación de aprendizajes específicos. Terminados los cinco pasos del primer ciclo se inicia el segundo ciclo actualizando el diagnóstico y aplicando los pasos siguientes hasta completar el segundo ciclo y así, consecutivamente, hasta alcanzar validación de hallazgos y la confiabilidad del modelo generado. El diagnóstico dice relación con la identificación de problemas y desafíos a resolver en la organización del cliente. La planificación de acciones considera los cursos alternativos para resolver o superar los problemas. La ejecución de acciones incluye la selección y la implementación de intervenciones y cursos de acción. La evaluación se focaliza en medir y estudiar los resultados de las intervenciones acciones ejecutadas. La especificación de aprendizajes organiza y deja registro de avances, conocimientos, dudas, hipótesis e interrogantes obtenidos de las fases y ciclos previos. Los aprendizajes se sistematizan en un modelo explicativo de la organización o sistema estudiado y de aportes aplicables a otros sistemas y organizaciones. La figura siguiente muestra que el Ciclo de IA se inicia después que el Investigador/Consultor ha completado la fase de preparación.

Metodología IA incluyendo su Parte Medular: El Ciclo del IA

Diagnóstico (Investigador & Cliente)

Fase de Praparación (Investigador)

Especificación de Aprendizajes (Investigador)

Ciclo de Investigación Acción

Plan de Acción (Investigador & Cliente)

Fase de Post Evaluación (Investigador) Evaluación (Investigador & Cliente)

Ejecución de Acciones (Investigador & Cliente)

El diagnóstico es el primer paso del ciclo y se hace con la colaboración del sistema cliente de manera que los desafíos o problemas a resolver durante la investigación se identifiquen y definan por escrito y de común acuerdo. Este acuerdo es una definición de alcance y límites de batería de la intervención de cambio organizacional que se hará. Por lo tanto, el acuerdo debe cubrir temas de la implementación real. Por ejemplo, necesidad de hacer proyectos pilotos disponibilidad de tiempo y recursos, etc. El trabajo conjunto del equipo de investigación con su contraparte del sistema cliente es

20

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

fundamental en los pasos siguientes de Planificación de Acciones, Ejecución del Plan y sus Acciones y la Evaluación del cumplimiento y los logros de los pasos previos. En muchas experiencias reportadas en la última fase del ciclo iterativo de IA, la Especificación de Aprendizajes, el equipo de investigación trabaja internamente y sin la contribución de la contraparte del cliente. En este paso del ciclo se organizan y estructuran hallazgos y resultados identificando variables claves, definiendo relaciones entre ellas, decantando avances y postulando hipótesis explicativas y eventualmente predictivas. El producto de este paso permitirá responder algunas de las interrogantes y líneas de indagación definidas en la fase preparatoria pero, al término del primer ciclo se abrirán nuevas vetas de indagación y se formularán nuevas preguntas de investigación. Al término del ciclo se habrá avanzado en la reformulación y mejoramiento del modelo preliminar que guiara la indagación en el ciclo que se completa. Sin embargo, este avance no siempre será evidente. Puede ser que al completar el primer ciclo el investigador se sienta abrumado frente a una gran cantidad de datos dispersos recogidos y por la falta de foco, coordinación o de estructura de esos datos. Cuando los datos no “hablan por sí mismos” puede ser necesario procesarlos con herramientas que utiliza la TE18 como son las codificaciones abierta, codificación axial y selectiva.19 El avance en la estructuración de resultados permite definir el conjunto de preguntas semi estructuradas y los contenidos de otras herramientas de recolección de datos que se usarán en el segundo ciclo. Cuando se ha avanzado en la iteración de ciclos, al llegar a la fase de Especificación de Aprendizajes, a la luz de los hallazgos acumulados, el equipo de investigación deberá decidir si continúa a un nuevo ciclo de IA o si se ha completado el proceso de recolección, procesamiento y análisis incremental de los datos y ha llegado el tiempo de moverse a la post evaluación20.

5.2.1 Expansión de la cobertura organizacional del proyecto y la generalidad del saber a través de la iteración de ciclos. La necesidad de iterar o repetir los ciclos se reduce cuando la conceptualización del equipo consultor/investigador se acerca a un modelo confiable y válido del sistema en estudio. Una forma probada de alcanzar validez general21 para el modelo teoría que emerge de la IA es mediante la expansión progresiva de las áreas y unidades organizacionales intervenidas. Por ejemplo: Suponga que el consultor busca refinar un modelo que explica la relación entre, por un lado, asumir la gestión de sustentabilidad social y ambiental a nivel de las jefaturas y equipos de operaciones y mantenimiento y, por otro lado, mejorar la competitividad y productividad de esas mismas unidades organizacionales. De acuerdo a la metodología sugerida la intervención/investigación se iniciará estudiando esta relación en una unidad de la organización22. Suponga también que la primera unidad elegida de común acuerdo entre el consultor y el sistema cliente fuera el Departamento de Operaciones. En este ejemplo, los primeros ciclos de la intervención/investigación se harían en esa unidad ventana del cambio. Si el proceso avanza con éxito y produce formas de trabajo y sistemas de control de gestión que asocian y unifican la accountability23 de los procesos operativos con

18 Ver Strauss y Corbin (1990). 19 Los procesos de codificación se explican en la sección 5.1.4.4 de este artículo 20 En secciones siguientes de este artículo (5.2.1 y 5.2.2) se sugieren criterios para decidir cuando detener la iteración de ciclos. 21 Los modelos substantivos tienen validez circunscrita al fenómeno concreto sobre el que se construyeron. Cuando se busca un modelo válido para toda la organización se está buscando una validez más general. 22

Llamada “ventana del cambio”.

23

Accountability en organizaciones significa hacerse cargo y ser responsable a la hora de rendir cuentas.

21

rafael estévez valencia

sustentabilidad social y ambiental24 y, a su vez, al avanzar en la iteración del ciclo de IA se registran indicadores de mejoras de competitividad y productividad, sería necesario saber si la experiencia es replicable en otras unidades. Es decir, probar cuan válido y generalizable es el modelo para producir el cambio en todas las áreas operativas de la organización en que se interviene. Consecuentemente, el paso siguiente del diseño sería extender la intervención a otras unidades. Basando la fase preparatoria de esos nuevos ciclos en el modelo provisorio que es el resultado de la IA conducida en la unidad que fuera ventana del cambio. La reproducción de los ciclos de IA en una o más de esas otras unidades de la organización permitirá encontrar nuevas evidencias y descubrir nuevos factores de influencia, los que a su vez mejorarán la validez y confiabilidad del modelo para su aplicación exitosa en otras áreas de la organización. Los buenos resultados obtenidos con las primeras iteraciones permiten anticipar que no se van a necesitar muchas aplicaciones más para afinar un diseño y contar con un modelo que opera exitosamente en el conjunto de la organización.25 La siguiente figura representa las iteraciones sucesivas del ciclo de IA que empiezan con la fase de preparación y terminan con la post evaluación. La sucesión de ciclos en distintas unidades de la organización permite aumentar la cobertura del cambio y validar la generalidad del modelo.

El número de iteraciones requeridas en la IA depende de la rapidez con que se logre la generalización de la efectividad del modelo de cambio para las distintas unidades en que se requiere la transformación. También está limitado por el tiempo y los recursos de que se dispone.

Varios ciclos de IA iterando en distintos horizontes de tiempo. Coghlam y Brannick (2004) utilizan la imagen de un reloj para representar la idea de los múltiples ciclos de la IA operando concurrentemente y con distintos horizontes de tiempo. El puntero de la hora que toma doce horas en completar el ciclo representa la consultoría/ investigación completa que podría demorar meses o años en completar el ciclo. El puntero de los minutos que demora una hora en completar el ciclo representa etapas o secciones del proyecto. El puntero de los segundos, que completa el ciclo en un minuto, representa

22

24

Gestión de triple resultado.

25

La difusión de innovaciones y cambios requiere del respaldo decidido de la alta gerencia.

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

actividades específicas tales como reuniones y entrevistas. La imagen del reloj representa el concepto que los segundos permiten que se de el minuto y las revoluciones del minutero muestran como se están completando las horas, las que a su vez conforman el día. Es decir, muestra la manera en que la lógica de ciclos iterativos de distintos niveles y tiempos contribuye al buen término del proyecto.

5.2.2 Reflexividad y meta-aprendizaje. La reflexión es la práctica de detenerse periódicamente para ponderar las acciones de uno mismo y de otros que intervienen en nuestro entorno más cercano (Raelin, 2001). El objeto de la reflexión puede abordar tres áreas (Mezirow, 1991): i.

La reflexión sobre el contenido, que es sobre cómo se ha resuelto un problema práctico. ii. La reflexión sobre el proceso, cuyo foco son los procedimientos y secuencias de eventos. iii. La reflexión sobre las premisas, que cuestiona las presunciones y supuestos relacionados con el fenómeno. Schön (1983, 1987)26 caracteriza el trabajo de diseño como una conversación reflexiva con la situación donde el consultor/investigador opera como un agente y como un “experimentador” que es simultáneamente blanco del experimento o parte de esa situación. Usando sus términos, cada ciclo iterativo de la IA debiera comenzar con una comprensión reflexiva de la situación que demanda la acción del consultor. La planificación y la ejecución de las acciones producen resultados que requieren de la conversación reflexiva Shöniana. Hablar o escribir sobre lo que ha pasado conduce a una reflexión que puede preceder nuevas acciones. Este proceso fluye naturalmente en la persona del investigador/consultor pero necesita de disponer de un método para concentrar su atención y darse cuenta de ello. La IA asigna máxima importancia al aprendizaje de la reflexión y postula que el investigador debe administrar y sacar provecho del meta-aprendizaje27 que se produce en los ciclos reflexivos que acompañan a los ciclos de desarrollo del proyecto. En toda Investigación Acción hay dos ciclos de IA que operan en paralelo. Uno es el ciclo que acabamos de describir de diagnóstico, planificación de acciones, ejecución de acciones, evaluación y especificación de aprendizajes. Zuber Skerrit y Perry (2002) lo llaman el ciclo del “Corazón de la Investigación Acción”. El segundo es el ciclo de la reflexión que es una Investigación Acción sobre la IA en curso. A este segundo, Zuber Skerrit y Perry (2002) lo llaman el ciclo de la “Tesis de la Investigación Acción”. Coghlam y Brannick (2004, p.25) Al tiempo que se trabaja en el ciclo que es el corazón de la IA se necesita estar diagnosticando, planificando, ejecutando, evaluando y especificando aprendizajes sobre cómo está desarrollándose el propio proyecto de IA y lo que los investigadores están aprendiendo de ese proceso. Chris Argyris (2003) argumenta que la indagación dentro de los pasos y etapas que el proyecto y los investigadores viven, es esencial para el desarrollo de conocimientos que se puedan llevar a la acción. Para lograrlo, el investigador necesita estar indagando constantemente dentro de cada una de los cinco pasos del ciclo que es el corazón de la IA. Preguntándose cómo se han conducido los pasos y cuán consistentes son entre sí y, en esa progresión, continuar dando forma a la manera que se conducirán las fases siguientes. Es 26

Schön influyó fuertemente en la IA.

27

Meta aprendizaje alude a aprender del aprendizaje.

23

rafael estévez valencia

esta dinámica de “reflexión sobre la reflexión” la que integra el proceso de aprendizaje de la IA y proyecta a la propia IA a ir más allá de una secuencia de soluciones de problemas. Al aprendizaje sobre el aprendizaje lo llamamos meta-aprendizaje. La distinción de Mezirow (1991) que identifica las reflexiones de contenido, proceso y premisas es útil para explicar el ciclo de meta aprendizaje. Estas reflexiones son las que aseguran la calidad de este “aprender sobre el aprender” de la organización y su gente. La resultante de estas reflexiones debidamente registradas y codificadas da forma a un metaciclo de indagación. La figura siguiente representa la aplicación de las tres reflexiones sobre el ciclo del corazón de la IA. Las tres patas del piso representan las reflexiones y en la parte superior se ha dibujado el ciclo de IA de una investigación en curso.

En este proceso de reflexiones encadenadas se estudia y evalúa el contenido de lo que se diagnostica, planifica, ejecuta, evalúa y decanta como aprendizaje. También es materia de escrutinio el proceso de cómo se aborda el diagnóstico. La indagación continúa con el cómo fluye y cómo se conduce la planificación de acciones a partir de ese diagnóstico. Sigue con el flujo de acción que busca implementar los planes. Se estudia cómo se conduce la evaluación y se completa el ciclo investigando como se avanza en el proceso de decantación de aprendizajes. La reflexión sobre las premisas es una indagación sobre supuestos no declarados y a menudo no conscientes. Incluyen con frecuencia supuestos sumergidos que gobiernan actitudes y comportamientos. Un ejemplo frecuente alude al poderoso impacto que tiene la cultura de la organización y las subculturas de unidades y grupos sobre las opiniones y apreciaciones, planteamientos y conductas de las personas, sin que los propios integrantes de esa cultura tengan conciencia de ello. Dirigir la atención a ambas secuencias iterativas de ciclos, el de investigación/intervención y el de meta-aprendizaje puede requerir ir más allá de las conductas y comportamientos observables. Es aquí donde es particularmente útil echar mano de técnicas de la investigación cualitativa como las que se sugirieron en el punto 5.1.1.4 de este texto.

5.3 Tercera Fase. Post Evaluación. Esta fase final comienza cuando la iteración de ciclos de la IA y el Meta Aprendizaje han entregado bases sólidas para: • •

24

aportar soluciones efectivas para el sistema cliente, desarrollar modelos y teorías trazables, válidas y confiables que permiten poner por

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

•

7 - 28

escrito un saber acumulado generalizable dentro del sistema cliente investigado, y proponer una teoría o modelo que sirva de hipótesis para investigar su eventual generalización a otras organizaciones o situaciones de la vida en sociedad.

Esta fase incluye la evaluación de todo el proceso de IA y la post evaluación de los impactos en el sistema cliente. En ella se sugiere prestar especial atención a los siguientes temas: 1. La post evaluación debe considerar los términos acordados con el sistema cliente y dedicar atención a asegurar la satisfacción de los compromisos adquiridos con todos los actores involucrados. La gestión del término y de la retirada son muy importantes y es necesario prevenir errores producto del apresuramiento por terminar y/o publicar resultados. Es fácil dañar la relación por no prestar atención al sistema cliente. 2. El abandono del sistema por parte del equipo consultor/investigador. Debe considerarse que la organización se ha acostumbrado a disponer de un recurso experto especializado en viabilizar cambios organizacionales y que a pesar del empoderamiento de recursos internos, esas personas pueden sentirse inseguras de sus nuevas capacidades. Al respecto, se sugiere consultar la tecnología de retirada creada por el Desarrollo Organizacional, evitando dependencia y dejando listo el sistema para una futura reinserción, (French y Bell 1999). 3. La difusión de lo aprendido y del saber decantado. Ésta es una actividad que interesará tanto a los clientes como a los consultores/investigadores. Ambos apuntan a públicos distintos y probablemente necesitarán de textos y presentaciones diferentes. El equipo investigador/consultor no habrá completado su proyecto mientras no ayude a su cliente en las difusiones que necesite. Además, no debe olvidar dar crédito al sistema que le permitió aprender. Necesitará también obtener autorizaciones del cliente para sus presentaciones y publicaciones en el medio científico. En resumen, un proyecto de Investigación Acción completado adecuadamente debe satisfacer cuatro grandes criterios de calidad: (1)presentar una buena historia de cambio y desarrollo organizacional; (2) mostrar su trazabilidad y referencia a datos reales, (3) acompañarse de una reflexión rigurosa sobre cómo se construyó esa historia y (4) aportar un legado de saber extrapolable y usable en el sistema cliente estudiado que es, al mismo tiempo, material valioso para consultorías y estudios posteriores.

6. Reflexión final. Cooperrider y Srivastva (1987, 2000) señalan que la IA no ha hecho una contribución equilibrada a su propósito dual. Su revisión de la literatura deja un saldo mayor de soluciones de primer orden, soluciones directas a problemas concretos, sin alterar el marco socio organizacional establecido. Mientras que las contribuciones de segundo orden son escasas. Los quiebres o cambios que afectan los paradigmas, ideologías, valores y normas de las organizaciones son contadas excepciones. Creemos que la IA tiene la potencialidad de hacer aportes de gran valor a la sociedad del mañana. Cooperrider y Srivastva también son optimistas pero sostienen que hay que mejorar la capacidad de producir conocimiento científico validado. Hay un capital ganado que es el referente valórico y la definición de hacer ciencia abriéndose a lo nuevo y con la participación de las personas afectadas. La IA contiene la base paradigmática para hacer ciencia generadora de formas organizacionales post burocráticas, que asumen responsabilidades ciudadanas en la construcción de las sociedades más humana e igualitarias que necesita el mundo actual. Al comienzo, nuestra revisión de los desarrollos recientes de la IA buscó construir una metodología trazable para la Ingeniería de Factibilidad en Gestión Integral, Recursos Humanos y Relaciones Laborales del Nuevo Nivel Mina que empezará a operar el año 2017 unos 400 metros bajo la cota de la actual mina del Teniente de Codelco Chile. Tras

25

rafael estévez valencia

terminar la Ingeniería de Pre Factibilidad nos enfrentábamos al desafío de pasar de la conceptualización de lo deseado, con un margen de riesgo aceptable de un 30%, a un plan integral de cambio que conduzca al escenario deseado con un riesgo menor al 10%. A diferencia de la ingeniería dura, la gestión debe modificar diseños, prácticas y culturas actuales para alcanzar el estado deseado. El proyecto de cambio debe empezar en la mina en operación para que la mina futura sea rentable, sustentable y tenga los estándares de calidad de vida que buscamos. El plan de cambio resultante tiene que convencer a los actores del cambio y ser asumido como propio por ellos. Consecuentemente, hay que probarlo y mejorarlo con ellos, aunando voluntades y corrigiendo el modelo a medida que se extiende en la organización. Al comprender el desafío decidimos revisitar la IA y adaptarla para asegurar los resultados comprometidos con el cliente. Completada la revisión de la literatura nos sentimos cómodos con los valores de la IA y pensamos que nuestra experiencia nos permitía robustecer el estado del arte con el enfoque socio-técnico y aportar a la solidez metodológica. Ambas contribuciones buscaron mejorar la trazabilidad requerida por proyectos sometidos a constantes revisiones y que deben convencer que son factibles con un margen de error inferior al 10%. Con la vertiente socio-técnica y el aporte de metodología científica se buscó resolver problemas comunes en aplicaciones poco rigurosas de la IA. Hace sesenta años se acuñó la idea básica que las organizaciones son una conjunción de sistemas técnicos y sociales que funcionan con procesos y leyes científicas muy distintas pero que necesitan articularse. Sin embargo, aún vemos ejecutivos de tradición dura, forzando personas a que se acomoden a soluciones técnicas y también vemos cientistas sociales bregando por soluciones que no consideran la realidad técnica. Demasiados diseños de cambio organizacional tienen gran debilidad metodológica. La historia del Desarrollo Organizacional muestra gran sobrevaloración de procesos experienciales y psicosociales que descansan en intuiciones y competencias personales que a veces ayudan a las personas y sus organizaciones, pero que no aportan conocimiento científico válido. El compromiso con el sistema cliente nos obligó a desarrollar una metodología consistente que integrara el trabajo de diez profesionales responsables de sub proyectos de cambio que son altamente interdependientes y que deben estar en diálogo permanente. Considerando que al final de la fase de factibilidad, las contribuciones deben integrarse en un macro proyecto consistente que minimice contra fuerzas y tensiones esperables por la naturaleza de los temas articulados. Terminada la metodología que buscaba asegurar la calidad de los productos comprometidos con el cliente, nos pareció que nuestro aprendizaje podría ser útil para otros colegas y decidimos ponerlo a disposición de la comunidad del Comportamiento Organizacional. La versión actual busca aportar y promover que los practicantes, doctorantes y académicos de la disciplina desarrollen conocimiento publicable e impulsar un diálogo productivo sobre una forma de hacer ciencia que es tan propia de nuestra disciplina. En ese proceso, nuestro aporte será criticado y superado. Idealmente, todos habremos mejorado algo nuestra capacidad de aportar a la construcción de organizaciones comprometidas con el desarrollo de una sociedad a escala humana que asegure bienestar y calidad de vida para todos, y sea sustentable en el largo plazo.

26

Tras una Investigación Acción Efectiva y Válida Psicología Organizacional Humana, vol.2, n03

7 - 28

7. Referencias Ackoff, R.L, (1999). Ackoff’s Best Classic Writings’ on Management. New York: John Wiley & Sons. Traduc. El Paradigma de Ackoff: Una Administración Sistémica. México: Limusa S.A. de G.Noriega Eds. Argyris,C., Putman R. & Smith, D.M. (1985). Action science: Concepts, methods and skills for research and intervention. San Francisco: Jossey-Bass. Badham, R., Clegg, C. & Wall, T. (2000). Socio-technical Theory. En W. Karwowski (Ed.), Handbook of Ergonomics. New York: John Wiley. Baskerville, R. & Mayers, M. (2004). Information Systems: Making Is Research Relevant to Practice- Foreword. MIS Quarterly, 28 (3), 329-335 Brydon-Miller, M.; Greenwood, D. & Maguire, P. (2003). Why Action Research? Action Research, 1 (1) 9-28. www.sagepublications.co.uk Calder, B. Phillips, L. & Tybout A. (1982). The Concept of External Validity. Journal of Consumer Research, 9 (3), 240-244. Campbell, D. & Stanley, J. (1966). Experimental and Quasi-experimetal Designs for Research. Chicago: RandMcNally. Carr, W. & Kemmis, S. (1986). Becoming Critical: Education Knowledge and Action Research. London: Falmer Press. Coghlam, D. & Brannick, T. (2004). Doing Action research in Your Organization (2° ed.). Thousand Oaks, CA: Sage Cook, T. & Campbell, B. (1976). The Design and Conduct of Quasi-experimental and True Experiments in Field Settings. En Dunnette, M.D. (Eds.) Handbook of Industrial and Organizational Psychology. Chicago, IL: Rand-McNally Cook, T. & Campbell, B. (1979). Quasi-experimentation: Design and Analysis Issues for Field Settings Chicago: Rand McNally. Cooperrider, D.L. & Srivastva, S. (1987). Appreciative Inquiry in Organizational Life. En Woodman, R.W & Pasmore W. (Eds). Research in Organizational Change and Development, (Vol.1, 129169). Greenwich: JAI Press. Cooperrider, D. & Srivastva, S. (2000). Appreciative Inquiry in Organizational Life.. Appreciative Inquiry: Rethinking Human Organization Toward a Positive Theory of Change. Monografía que actualiza artículo publicado en 1987. Elden, M. & Chisholm, R.F. (1993). Emergent Varieties of Action Research. Human Relations, 46 (2), 121-141. Freire, P. (1997). Pedagogy of the Oppressed. Harmondsworth, Middlesex: Penguin Books. French, W.L. & Bell, C.H. (1999). Organization Development: Behavioral Interventions for Organization Improvement (6°ed). Englewood Cliffs, NJ: Prentice Hall. Glaser B. & Strauss A. (1967). The Discovery of Grounded Theory (11°ed, Printing 1980). New York: Aldine Pub. Co. Hackman, J. & Oldham, G. (1980). Work Redesign. Reading, MA: Addison Wesley King, G., Keohane, R. & Verba, S. (1996). Designing Social Inquiry: Scientific Inference in Qualitative Research. Princeton, NJ: Princeton University Press. Traduc. Madrid: Alianza. Kock, N.F. (2003). Action Research: Lessons Learned From a Multi-Iteration Study of Computer-Mediated Communication in Groups. IEEE Transactions on Professional Communication, 46 (2), 105-128. Kock, N.F., McQueen R.J. & Scott, J.L. (1995). A Methodology to IS Study in Organisations through Multiple Action Research Cycles. Research Report No 1995-5 Department of Management Systems, University of Waikato, New Zealand. (Disponible en: [email protected] ). Ledford G.E. & Susan A.M. (1993). Looking Backward and Forward at Action research Reply

27

Paper, Human Relations, 46 (11) 1349-1359. Lewin, K. (1946). Action Research and Minority Problems. En G.W. Lewin (Ed), Resolving Social Conflicts (pp. 301-216). New York: Harper & Row. Locke, K. (2001). Grounded Theory in Management Research. London: Sage Publications. Messick S. (1995). Standards of validity and the validity of standards in performance assessment. Educational measurement: Issues and Practice, 14, 5-8. Mezirow. J. (1991). Transformative Dimensions of Adult Learning. San Francisco: Jossey-Bass. Raelin, J.A. (2001). Public Reflections as the Basis of Learning. Management Learning, 10 (1), 11-30. Rapoport, R.N. (1970). Three Dilemmas in Action Research. Human Relations, 23 (6), 499-513. Reason, P. & Bradbury H. (2001). Handbook of action research: Participative inquiry and practice. London: Sage Publishers. Salinger, S., Plonka, L. & Prechelet, L. (2008). A Coding Scheme Development Methodology Using Grounded Theory For Qualitative Analysis of Fair Programming. Human Technology, 4 (1), 9-25. Seibert, K.W. (1995). Reflection-in Action: Tools for Cultivating On-the-Job learning Conditions. Organizational Dynamics, winter 1995, 54-65. Senge, P.M. (1990). The Fifth Discipline: The Art and Practice of the Learning Organization. New York: Doubleday. Shani, Abraham B., & William A. Pasmore (1985). Organization Inquiry: Towards a New Model of the Action Research Process. En Don D. Warrick (Ed.). Contemporary Organization Development: Current Thinking and Applications (pp. 438-448). Glenview, IL: Scott, Foresman. Shaughnessy, J. Zechmeister E. & Zechmeister J. (2006). Research Methods in Psychology (7° ed.). Boston, MA: McGraw Hill. Shön, D. (1983). The Reflective Practitioner, How Professionals Think in Action. New York: Basic Books. Shön, D. (1987). Educating the Reflective Practitioner. Toward a New Design for Teaching and Learning in the Professions. San Francisco: Jossey Bass Strauss, A. & Corbin, J. (1990). Basics of Qualitative Research: Grounded Theory Procedures and Techniques. Newbury Park, CA: Sage Publications Inc. Susman G.I. and R.D. Evered (1978). An Assessment of the Scientific Merits of Action Research. Administrative Science Quarterly, 23 (December), 582-603. Zuber Skerrit, O & Perry Ch. (2002). Action research within organizations and university thesis writing. The Learning Organization, 9 (4), 171-170.

28

Psicología Organizacional Humana, vol.2, n03

Normas de Publicación

1. Psicología Organizacional Humana valora la diversidad de enfoques y aproximaciones, ya sean estudios empíricos, conceptualizaciones novedosas, reportes de aplicaciones organizacionales efectivas, estudios de casos o propuestas de herramientas y metodologías. Esta revista es una posibilidad académica abierta a personas de cualquier profesión, universidad y nacionalidad que quieran realizar un aporte relevante a la innovación organizacional. La integración interdisciplinaria es un objetivo de la revista. 2. Los artículos deben ser originales e inéditos, estar escritos en castellano o inglés, tener un máximo de 8.000 palabras (incluyendo resumen, palabras clave, nota del autor, texto, referencias, tablas y figuras) y estar elaborados en formato MS Word. 3. Los artículos deben incluir: • Una Página Titular con el nombre de los autores y su organización (universidad, institución o empresa), y el título corrido (título abreviado que irá en el encabezado de cada página). • Una segunda página con resumen bilingüe (castellano e inglés), de 75 a 120 palabras y hasta 5 Palabras Clave, ubicadas a continuación del Resumen. • En la página siguiente a las Referencias, se debe incluir una Reseña del Autor que debe incluir su nombre, institución, dirección y E-mail. • Las figuras y tablas se incluirán al final del manuscrito, una en cada página. Deberán ser compuestas por los autores del modo definitivo como deseen que aparezcan, y estar numeradas correlativamente, indicándose su ubicación en el texto. 4. Los artículos deben ser enviados en versión electrónica y en formato MS Word. 5. Los artículos serán enviados a expertos para su evaluación. En este proceso serán confidenciales los nombres de autores y evaluadores. El Consejo Editorial tomará la decisión de aceptar, revisar o rechazar los artículos en base a las evaluaciones, y será comunicada a los autores por el Editor de la revista. 6. La preparación de los manuscritos ha de atenerse a las normas de publicación de la APA (Publication Manual of the American Psychological Association, 2009, 6ª edición). 7. Las opiniones expresadas en los artículos son de responsabilidad exclusiva de los autores y no comprometen la opinión y política científica de la revista. Igualmente, las actividades descritas en los trabajos publicados estarán de acuerdo con los criterios generalmente aceptados de ética en lo que se refiere a los trabajos con personas. 8. Los trabajos serán enviados en versión electrónica al Director de la revista al mail ignacio. [email protected]. Será informada la recepción del artículo y en un plazo de 4 meses se contestará acerca de su aceptación. El autor recibirá su artículo en formato PDF y un ejemplar de la revista en la que aparecerá su trabajo.

177