Les entregué una encuesta con muchas preguntas que requerían respuestas numéricas sobre consumo y estructura familiar: quiénes vivían en el hogar, qué edad tenían, qué habían comido, de qué material era el techo. Esto es algo habitual en la economía del desarrollo.

Llevábamos unos minutos dentro cuando la puerta se abrió de golpe. El marido de una mujer irrumpió en la habitación, la agarró del pelo y la sacó a rastras, gritando que el almuerzo no estaba listo y que estaba perdiendo el tiempo con nosotros.

Por aquel entonces yo era una joven economista, recién doctorada. Mi cuestionario no incluía ninguna pregunta sobre lo que acababa de presenciar. No habíamos venido a estudiar la violencia doméstica; habíamos venido a recabar información sobre cuestiones más prosaicas acerca de cómo los sistemas socioculturales y económicos influyen en los mercados matrimoniales y los niveles de vida.

Este mandato era tan vago que, en principio, casi cualquier cosa debería haber sido relevante; debería haber sido fácil adaptarlo y recopilar más datos que reflejaran con precisión la vida de las mujeres. Pero la encuesta que habíamos traído con nosotros —con todas sus suposiciones inherentes— estaba diseñada para registrar lo que se podía medir con precisión y poco más. Nuestra formación disciplinaria no era adecuada para el propósito.

Pasamos una semana en ese pueblo, bebiendo suero de leche y café, soportando muchos silencios, antes de que una de las mujeres finalmente se sincerara y dijera: «Se han convertido en nuestras amigas y ya no podemos mentirles. Nos sentimos como en la cárcel. Nuestros maridos nos pegan constantemente. Se gastan el dinero de la familia en alcohol. Nadie nos ayuda».

Esa era información nueva. Reescribimos nuestro cuestionario sobre la marcha, añadimos preguntas sobre la violencia contra la mujer, lo que dio como resultado un análisis de métodos mixtos sobre la violencia doméstica y uno de los primeros artículos económicos sobre el tema en un país en desarrollo .

He reflexionado sobre aquella semana durante más de treinta años. No porque la historia sea inusual —cualquiera que haya realizado un trabajo de campo serio tiene una versión similar—, sino por lo que me enseñó sobre mi propia disciplina. Soy economista, y la economía es conocida por su rigor, su énfasis en los métodos cuantitativos y su distanciamiento de sus sujetos de estudio. La economía tiende a centrarse en lo mensurable, lo que puede excluir lo importante; si no se puede incluir en un módulo de análisis, no merece la pena estudiarlo. Pero la vida es mucho más que módulos de análisis, y la barrera entre el economista y el sujeto de estudio no es una conveniencia metodológica. Es el problema central de la disciplina.

He dedicado mi carrera a hacer de espía: un economista que introduce clandestinamente los métodos de la antropología. He escrito la versión académica y rigurosa de este argumento. Lo que sigue es la versión que comentaría informalmente.

Cómo llegamos hasta aquí

Las cosas no empezaron así. A finales del siglo XIX, Charles Booth, un magnate naviero convertido en sociólogo aficionado, se propuso averiguar cómo vivían realmente los pobres de Londres. Dedicó 17 años a esta tarea. Su equipo recopiló información sobre 4 millones de londinenses: inspectores escolares, dueños de fábricas, clérigos, policías y muchos más. Realizaron encuestas, pero también hicieron mucho más: tomaron notas, realizaron entrevistas abiertas y crearon mapas codificados por colores. Booth utilizó tanto datos como historias, porque su pregunta —¿cómo se manifiesta la pobreza en Londres?— requería ambas. Él y su equipo recopilaron toda esta información en 17 volúmenes de «Vida y trabajo de la gente de Londres», mostrando, manzana por manzana, quiénes eran ricos, quiénes indigentes y quiénes se encontraban en una situación intermedia. Esta integración de historias y datos influyó en la política económica y social de Gran Bretaña durante toda una generación.

A lo largo del siglo XX, esa integración se desmoronó. La economía, en su afán por alcanzar el estatus de ciencia, se limitó al análisis de datos cuantitativos. La antropología cultural se separó en la tradición etnográfica, con algunas aportaciones profundamente perspicaces y otras centradas en la crítica y la introspección. La sociología se fragmentó en numerosas ramas y se vio envuelta en una espiral de debates internos sobre métodos. La psicología se volvió experimental. La ciencia política se vio cada vez más influenciada por la economía, tanto en teoría como en metodología, pero conservó una apertura hacia la combinación de métodos cualitativos y cuantitativos. Para la década de 1980, las disciplinas se distinguían entre sí principalmente por aquello que se negaban a investigar.

En economía, hubo algunos intentos por cerrar esta brecha, pero no tuvieron mucho impacto. En 1984, Pranab Bardhan organizó una conferencia fundamental sobre "Conversaciones entre economistas y antropólogos" acerca de datos y métodos mixtos. En 2002, intenté defender la "econometría participativa".

Luego llegó la revolución de la credibilidad. En un esfuerzo por hacer que la investigación fuera más creíble y fiable, la inferencia causal se convirtió en la guía de la economía empírica. Esto significaba que los economistas podían afirmar con seguridad que A causaba B, pero también implicaba descuidar los tipos de preguntas que no podían responderse con estas herramientas.

No quiero que se malinterpreten mis palabras. La revolución de la credibilidad representa un gran avance para las ciencias sociales. Ahora podemos responder preguntas que hace 30 años nos resultaban inabordables. Sin embargo, cuando la única herramienta aceptable es un martillo, se tiende a buscar preguntas que podrían resolverse con un clavo. Los economistas suelen preferir las preguntas que se pueden responder con claridad y dejan de lado las que no. En el ámbito del desarrollo, las consecuencias han sido particularmente evidentes. Ahora podemos estimar con tres decimales cómo una transferencia monetaria afecta la estatura de un niño. Casi no tenemos información sobre cómo funcionó (o no funcionó) el programa y casi nunca escuchamos directamente al niño y a su familia sobre lo que opinaron al respecto, con sus propias palabras.

El problema de la distancia

En 2002, el sociólogo Michael Burawoy estableció una clara distinción entre lo que denominó ciencia positiva y ciencia reflexiva . La ciencia positiva —que, en esencia, es economía— se aísla de sus sujetos de estudio. La recopilación de datos está estandarizada, por lo que no importa quién la realice. El investigador no tiene que estar presente; una empresa de encuestas puede administrarla con la misma eficacia. El mundo se observa, no se participa en él. La ciencia reflexiva —la etnografía, en su máxima expresión— adopta el punto de vista opuesto. La entrevista no está separada de la intervención; forma parte de ella. El investigador no está separado de la investigación; al contrario, su presencia es fundamental para el proceso.

Burawoy pensaba que estas dos maneras de hacer ciencia social eran tan diferentes que jamás podrían conciliarse. No estoy de acuerdo, y he dedicado gran parte de mi carrera a intentar unir las dos que, según él, son incompatibles. Pero tiene razón en una cosa: la distancia entre investigador e investigado es real, y en la economía del desarrollo es abismal.

Casi todos los que conozco que estudian la pobreza nunca han sido pobres. A menudo provenimos de países, clases sociales, castas y razas diferentes, y hablamos idiomas distintos a los de las personas sobre las que escribimos. Nada de eso nos descalifica para trabajar en el tema de la pobreza —sería una profesión extraña que insistiera en que solo los pobres pudieran estudiarla—, pero debería infundirnos cierta humildad. La mayoría de los economistas del desarrollo desconocen cómo es la vida cotidiana de las personas pobres.

Lo que la disciplina premia, en cambio, es la objetividad: los investigadores no deben influir en sus sujetos; deben mantenerse al margen y utilizar las mismas herramientas que los demás. Sus sospechas subjetivas no deben contaminar su análisis. Usted no forma parte del grupo de estudio, ni debería serlo; cualquier influencia sobre ellos restaría validez a su investigación.

En resumen: cuanto más lejos estemos de quienes estudiamos, con mayor claridad los veremos. Lo contrario se acerca más a la verdad. La distancia no produce claridad; produce la misma claridad que se obtiene al entrecerrar los ojos a través de un círculo pequeño que se ha limpiado dentro de una ventana sucia. Te convence de que lo que puedes distinguir desde donde estás es todo lo que hay que ver.

Cuatro cosas que realmente podríamos hacer

¿Qué se necesitaría entonces? Sugiero cuatro medidas que la economía (del desarrollo o de otro tipo) podría tomar para limitar la distancia entre los investigadores y sus sujetos de estudio.

Empatía cognitiva

El sociólogo Mario Small utiliza el término «empatía cognitiva» para referirse a la capacidad de comprender la situación de otra persona desde su propia perspectiva. No basta con pensar en cómo te sentirías si estuvieras en su lugar; debes pensar en cómo la entienden ellos desde su perspectiva. Es mucho más difícil de lo que parece. Requiere que tomes en serio la posibilidad de que la teoría que tienen los sujetos sobre sus propias vidas sea más precisa que la tuya.

Algunos de los mejores economistas del desarrollo que conozco poseen esta cualidad en abundancia. Jean Drèze ha vivido durante décadas en la India rural sobre la que escribe, rechazó financiación de instituciones como el Banco Mundial, que consideraba que comprometería su independencia, e impulsó con éxito una de las mayores garantías de empleo rural del mundo. A pesar de ello, casi nunca publica análisis cualitativos; su trabajo es predominantemente cuantitativo. Pero cada frase está marcada por años de haber escuchado atentamente. No es el único economista con esta visión; Christopher Bliss y Nicholas Stern pasaron ocho meses en la aldea de Palanpur a mediados de la década de 1970 e inspiraron lo que hoy es un proyecto de investigación multigeneracional .

La cuestión no es que la empatía deba figurar como un párrafo cualitativo en el artículo. Simplemente haber realizado un grupo focal y mencionarlo en una nota al pie para dar contexto (y demostrar la propia experiencia en el campo) no es suficiente. Muchos economistas ya lo hacen; claramente no basta para reducir la distancia entre el investigador y los investigados.

Se trata de que el trabajo debe estar condicionado por ello. Y aquí está la incómoda verdad: casi toda la economía del desarrollo contemporánea no lo está. Diseñamos experimentos basándonos en las aportaciones de otros economistas. Leemos artículos, deliberamos en seminarios, creamos nuevos modelos basados en la teoría económica en lugar de la experiencia. La intervención se lleva a cabo a través de un socio implementador, y la encuesta final a través de una empresa de encuestas. Incluso el análisis puede ser realizado por un asistente de investigación (o, ahora, un agente de codificación). El resultado es un conjunto de trabajos técnicamente impecables pero sustancialmente superficiales. Parafraseando un viejo dicho: es una forma costosa de ser precisamente trivial en lugar de tener una idea aproximada correcta.

Las narrativas son datos

La gente no se expresa con números. Se expresa con palabras. Cuenta historias, se contradice, cambia de tema y vuelve al principio. Olvida cosas y las recuerda a mitad de la conversación; se distrae y te cuenta algo interesante pero sin relación. Los instrumentos de encuesta son una especie de violencia contra esto: una violencia útil, a menudo, pero violencia al fin y al cabo. En lugar de la complejidad de la vida humana, te encuentras con un pequeño número de casillas para marcar. Si las casillas están bien diseñadas, obtienes mucha información. Pero nunca lo obtienes todo, y con frecuencia, te perderás lo más importante.

El libro “Carteras de los pobres” es de lectura obligatoria para todo economista en este tema. Los autores —un economista del desarrollo (Jonathan Morduch), un antropólogo, un experto en microfinanzas y un especialista en finanzas— abandonaron las encuestas convencionales y, en su lugar, visitaron 250 hogares en Bangladesh, Sudáfrica e India al menos dos veces al mes durante un año, creando “diarios financieros” a partir de largas conversaciones abiertas. Estimaron que las encuestas puntuales no registraban aproximadamente la mitad de la actividad financiera de un hogar pobre. La mitad. Resultó que los pobres no se limitaban a estabilizar su consumo. Intentaban gestionar carteras de activos en condiciones de extrema incertidumbre, con muy poco margen de error. Ninguna encuesta de consumo convencional habría revelado la complejidad de la gestión familiar de los pobres; los investigadores tuvieron que dejar que los hogares describieran sus finanzas con sus propias palabras.

Yo mismo he realizado investigaciones similares. Junto con Paromita Sanyal, dediqué diez años a analizar las transcripciones de 300 reuniones de aldeas en el sur de la India —lo que denominábamos «democracia oral» — para comprender si las comunidades pobres, con bajos niveles de alfabetización y profundamente desiguales podían realmente deliberar de forma significativa. (Spoiler: Sí pueden, y la calidad de esa deliberación depende mucho más de las políticas del gobierno estatal que del índice de alfabetización de la aldea).

Diez años es mucho tiempo. Por eso, tan pocos economistas se dedican a este tipo de trabajo. La evaluación para la titularidad suele ser más lenta; invertir en algo que quizás no dé frutos hasta después de obtener la titularidad es una decisión difícil para muchos profesores noveles. Peor aún, este tipo de datos no siempre conducen a la publicación que permite obtener la titularidad. Mi trabajo finalmente se publicó como libro, no como artículo en una revista de primer nivel, algo de mucho menos valor cuando se aspira a la titularidad.

Hasta hace muy poco, la tecnología para ampliar el análisis de datos narrativos simplemente no existía. Los 10 años de análisis dependían de la tecnología de la época, no de un requisito del método. Con la tecnología actual (dispositivos de grabación, IA para transcripción), recopilar datos cualitativos es más fácil que nunca. Incorporar unas semanas de entrevistas abiertas en un ensayo controlado aleatorizado estándar, leer las transcripciones que los encuestadores de la empresa podrían estar recopilando de todos modos, aprovechar los datos cualitativos existentes: todo esto se ajusta al cronograma de una tesis doctoral, y las herramientas para ampliar su alcance son cada vez más económicas.

La cuestión fundamental reside en el reflejo disciplinario. En economía, la narrativa abierta todavía se trata habitualmente como «anécdota» en lugar de datos. Los investigadores que combinan métodos cuantitativos y cualitativos se encuentran, parafraseando el ingenioso chiste del politólogo Atul Kohli, «entre la espada y la pared». Los revisores los rechazan por una supuesta falta de rigor, y los editores no ven el valor añadido.

Esto me ha sucedido directamente. Los dos primeros artículos sobre violencia doméstica que mencioné antes —uno que utilizaba una combinación de métodos etnográficos y econométricos, y el otro que construía un modelo de teoría de juegos sobre la violencia relacionada con la dote y lo ponía a prueba con datos de encuestas— originalmente eran un solo artículo. Cuando incluí métodos cualitativos, fue rechazado por varias revistas de economía. Mi coautor Francis Bloch y yo desistimos y lo dividimos en dos; uno de los artículos resultantes fue aceptado en una de las revistas más prestigiosas de economía.

Esta aversión a lo cualitativo es una de las supersticiones más extrañas de la disciplina; no existe ninguna razón metodológica por la que una transcripción sea menos informativa que una escala Likert.

Tómese el proceso en serio

La economía empírica, especialmente desde la revolución de la credibilidad, se ha centrado casi obsesivamente en los resultados. ¿Funcionó la intervención? ¿En qué medida? ¿Para quién? Estas son buenas preguntas, pero no son las únicas. Es raro que los artículos de economía empírica dediquen mucho tiempo a analizar cómo se produjo un resultado. ¿Quién dijo qué a quién para iniciar el proceso de cambio? ¿Quiénes fueron los primeros en adoptar la intervención y quiénes tuvieron que sumarse después? ¿Qué opinó la gente sobre la intervención? Un ensayo controlado aleatorizado (ECA) puede indicar si una intervención funcionó; la etnografía puede explicar por qué. Los mecanismos suelen recibir poca atención en la economía empírica. Se realiza un ECA, se obtienen los resultados, se proponen algunas explicaciones plausibles y se elabora un modelo sobre cómo funcionarían esas explicaciones (si son correctas). Esto está bien hasta cierto punto, pero no es suficiente.

El mapa de mecanismos que se puede construir a partir de la teoría es solo una pequeña parte de los mecanismos que operan en la realidad, y razonar a partir de los resultados para deducir los mecanismos es un ejercicio notoriamente poco fiable. La alternativa es ir directamente al lugar, hablar con la gente y observar.

Hace unos años, mis colegas y yo trabajamos en un ensayo aleatorio en la zona rural de Karnataka para comprobar si la capacitación intensiva en planificación participativa mejoraría la gobernanza de las aldeas. La intervención consistió en asignar 50 aldeas al programa de capacitación, planificación y monitoreo participativos, y 50 al grupo de control. En lugar de basarnos únicamente en una encuesta inicial y final (que también realizamos), adoptamos la estrategia inusual de integrar a cinco etnógrafos capacitados en pares de aldeas, una del grupo de tratamiento y otra del grupo de control, durante todo el estudio. Estos etnógrafos elaboraron 240 informes mensuales a lo largo de cuatro años.

El resultado principal fue nulo. La intervención no produjo mejoras estadísticamente significativas con respecto a las aldeas de comparación. En el género económico tradicional, ahí habría terminado la historia: un resultado nulo decepcionante. Quizás el artículo incluiría un modelo teórico sobre por qué fracasa la participación, pero habría muy poco que aprender al respecto.

Pero gracias a las etnografías, pudimos observar lo que realmente sucedió: el “fracaso” no radicó en la idea en sí, sino en las condiciones en que se puso a prueba. La calidad de la implementación varió considerablemente: algunos facilitadores fueron excelentes y otros deficientes. Los altos funcionarios del gobierno no tomaron en serio la intervención y frecuentemente trasladaban y reemplazaban a los facilitadores por razones ajenas a la misma. La persistente desigualdad basada en el sistema de castas socavaba activamente cualquier avance logrado con la capacitación. La etnografía constituía la esencia del documento, no solo un elemento decorativo.

Los encuestados como analistas

Si nuestro propósito como investigadores es ayudar a las personas a mejorar su calidad de vida, entonces, como mínimo, deberían conocer nuestros hallazgos. Los profesionales del desarrollo llevan décadas hablando de incluir a quienes estudian en el proceso, pero esto rara vez se implementa. Y presentar los resultados sería solo el primer paso. Sería mejor que participaran en el diseño de nuestras preguntas. Lo ideal sería que pudieran investigar sobre sus propias vidas sin nuestra intervención.

En 2014, junto con un grupo de colegas del Banco Mundial, puse en práctica este método . Trabajamos con representantes de más de 200 aldeas tribales del sur de la India para desarrollar conjuntamente una metodología que denominamos seguimiento participativo. Los aldeanos dedicaron semanas a decidir por sí mismos qué consideraban una buena vida, transformaron esas ideas en preguntas para una encuesta, las pusieron a prueba en sus propias aldeas y, posteriormente, utilizando tabletas y un sistema de capacitación en vídeo, encuestaron a sus vecinos. En un solo distrito, realizamos un censo de 32 000 hogares en aproximadamente seis semanas.

Solo el 17% de las preguntas coincidían con las de la Encuesta Nacional de Muestreo estándar de la India. Los aldeanos preguntaban cosas diferentes porque querían saber cosas diferentes. Por ejemplo, para evaluar si un hogar era pobre, idearon la siguiente pregunta, que resultó extremadamente eficaz: "¿Pasó hambre la última persona en comer en la familia la semana pasada?". Para el encuestado, esta era obviamente una pregunta dirigida a la madre, y las madres en hogares con escasez de alimentos a menudo pasaban hambre para alimentar a los hombres adultos y a los niños de la familia.

Los índices de alfabetización eran bajos, así que colaboramos con los aldeanos para crear visualizaciones de datos con los resultados. Repetimos el proceso hasta que las personas analfabetas pudieron ver de un vistazo cómo iba su aldea en los temas que les interesaban. Posteriormente, los datos se utilizaron en las reuniones de la aldea. La calidad de estas reuniones mejoró notablemente, ya que todos compartían la misma información en lugar de debatir sobre los hechos.

En lugar de la típica tabla de LaTeX, aquí les presentamos una visualización de los patrones matrimoniales que hemos elaborado conjuntamente.

Cada mujer de la aldea está representada por una flor. La altura de la flor indica la edad a la que se casó. El número de hojas representa el número de hijos nacidos del matrimonio. Una flor roja indicaba que la mujer se había casado con un pariente consanguíneo, y una amarilla, que no. Un capullo significaba que el matrimonio no había sido consensuado, y una flor abierta, que sí lo había sido. Las mujeres adaptaron la relación entre la apariencia y el significado de las flores para que fueran más relevantes para sus contextos locales y, por lo tanto, más intuitivas.

Algunos aldeanos que vieron esta visualización desestimaron de inmediato la alta proporción de flores rojas, ya que el matrimonio entre familiares es aceptado y practicado ampliamente. Sin embargo, otras comunidades querían reducir la proporción de flores rojas con respecto a las amarillas educando a las futuras generaciones de mujeres sobre los problemas relacionados con el matrimonio intrafamiliar.

Créanme, sé cómo suena esto. El resto del sector catalogaría este experimento como "encantador pero imposible de escalar". Y en parte es cierto; un proceso de encuesta participativa y coproducida es más lento y laborioso que un cuestionario estándar. No podíamos usar un conjunto estándar de preguntas, porque no era lo que la gente realmente quería saber. Y la alternativa era el statu quo: presentarnos, hacerles a las personas un montón de preguntas sobre sus vidas —que, en realidad, no consideraban relevantes— y escribir un informe que nadie encuestado leería jamás. Por eso, las encuestas coproducidas parecen valer la pena.

El problema del LLM

La tecnología para codificar preguntas de entrevistas abiertas también ha mejorado mucho en la última década. Los grandes modelos lingüísticos son particularmente hábiles para analizar grandes cantidades de texto no estructurado y extraer temas; las capacidades actuales de Claude habrían parecido ciencia ficción en 2014. Ahora, pueden reemplazar esencialmente a un asistente de investigación en la codificación de texto en inglés . Yo también he utilizado modelos lingüísticos. Parte de mi trabajo reciente se basa en un panel de refugiados rohingya y anfitriones bangladesíes donde realizamos largas entrevistas abiertas con 2000 participantes y desarrollamos un método que llamamos iQual. Este analizó una pequeña submuestra utilizando codificación cualitativa sociológica interpretativa y luego utilizó aprendizaje automático para escalar los códigos a la muestra completa. Este tipo de proyecto simplemente no era factible antes.

Pero usar modelos de lenguaje natural (LLM) fuera de contextos occidentales no siempre es sencillo. Comparamos nuestro método personalizado con la codificación basada en LLM y descubrimos que estos últimos arrojaban resultados muy sesgados, posiblemente porque no estaban entrenados con textos en bengalí y dialecto rohingya. El sesgo de una encuesta mal diseñada es, al menos, perceptible. El sesgo de un modelo de lenguaje de vanguardia entrenado con datos de internet no lo es. Esperemos que este sea un problema temporal; con los esfuerzos que se están realizando para mejorar la IA con idiomas con pocos recursos , los LLM mejorarán con el tiempo.

Así que debería estar entusiasmado, y la mayoría de los días lo estoy. Pero quiero ser cauteloso. Es cierto que existe una versión del futuro en la que los LLM democratizan el análisis narrativo del mismo modo que las calculadoras lo hicieron con la aritmética. Son más rápidos y baratos, y pueden ampliar enormemente el número de personas que pueden realizar análisis cualitativos. Sin embargo, lamentablemente, me temo que es más probable que se utilicen para aumentar la distancia entre el investigador y el participante. Si un investigador nunca pasa tiempo con las personas que estudia y simplemente lee el resumen del LLM, no hay empatía cognitiva. El LLM es el único que escucha, no el investigador. Mi regla general es que los LLM no pueden sustituir a un ser humano. Pueden ampliar tu alcance —ayudándote a procesar datos más rápidamente—, pero no pueden reemplazarte. Todavía necesitas pasar tiempo en el campo; todavía necesitas hablar con la gente sobre sus vidas y sus necesidades. Debes leer las transcripciones tú mismo; debes conocer a las personas y el contexto lo suficientemente bien como para poder determinar si la codificación del LLM ha fallado. Los másteres en Derecho (LLM) pueden ser lo suficientemente potentes como para realizar el 90% del trabajo, pero ese 10% restante no debería automatizarse. La empatía no es una habilidad exclusiva de Claude.

Lo que realmente se necesitaría para escuchar a los encuestados

Parte de esto se puede lograr si los investigadores deciden trabajar de manera diferente. Sin embargo, gran parte requiere un cambio en la disciplina misma. Actualmente, los incentivos profesionales siguen impulsando a los jóvenes investigadores a seguir haciendo las cosas como siempre.

Los editores de revistas científicas deben dejar de rechazar automáticamente el material cualitativo. Los programas de posgrado deberán ampliar su enseñanza más allá de la econometría e incluir también métodos cualitativos. Los comités de contratación deberán empezar a valorar el tiempo dedicado al trabajo de campo. Los financiadores deben aceptar que un buen trabajo con métodos mixtos puede ser costoso y lento, sin duda más lento que realizar una regresión desde una oficina en Cambridge. Pero también fortalecerá la disciplina económica. Dedicar tiempo a la investigación aportará conocimientos que no se pueden obtener de otra manera.

A corto plazo, no soy optimista. Las disciplinas son tercas, y la economía lo es aún más. Es una disciplina que ya lucha por diversificarse más allá de unos pocos programas de élite , y parece particularmente propensa a reproducir jerarquías de clase . Sin embargo, soy menos pesimista de lo que podría ser, porque parece que las cosas ya están empezando a cambiar.

Una generación de economistas del desarrollo más jóvenes se siente más cómoda realizando trabajo de campo que la mía. Disciplinas afines —ciencia política, sociología, salud pública— llevan mucho tiempo combinando métodos cualitativos y cuantitativos sin perder su identidad disciplinaria. Algunas de estas disciplinas incluso colaboran en la autoría con economistas, lo que aporta mayor profundidad y rigor a los artículos económicos. Además, algunos financiadores están empezando, poco a poco, a plantearse preguntas más complejas sobre qué voces están representadas en los trabajos que financian.

Mi argumento, en esencia, no es tan complicado. Si estudias a las personas, debes escucharlas. Esto es aún más cierto si estudias a personas cuyas vidas son muy diferentes a la tuya. Como investigador, es tu responsabilidad intentar acortar la distancia entre tú y tus sujetos de estudio, construyendo puentes en lugar de muros.

Hace treinta años, Robert Chambers planteó una pregunta crucial: "¿Qué realidad importa?". Aún no se ha respondido. La economía ha preferido eludir la pregunta, fingiendo que la evidencia empírica puede sustituir la respuesta. No creo que deba seguir haciéndolo. De hecho, considero que esta sigue siendo una de las preguntas abiertas más importantes en la investigación sobre el desarrollo.

La mujer de Karnataka a la que sacaron a rastras de nuestro grupo de discusión tirándole del pelo nos estaba diciendo algo: que nuestra realidad no se reflejaba en nuestras preguntas. Tardamos una semana en comprenderlo, y la única razón por la que finalmente lo hicimos fue porque seguíamos en el pueblo una semana después. No hay atajos para esto.

Los números ayudan. Las palabras también. Pero lo más importante es sentarse en el pueblo y escuchar con la suficiente atención y empatía como para que alguien te diga la verdad.

Vijayendra Rao es economista del desarrollo y científico social, especializado en la combinación de métodos econométricos y etnografía. Trabajó durante 27 años como Economista Principal en el Grupo de Investigación de Economía del Desarrollo del Banco Mundial y actualmente es Profesor Distinguido Residente Roberta Buffett en la Universidad Northwestern. Sus áreas de interés incluyen género, cultura, participación, democracia deliberativa, economía política e innovaciones en métodos mixtos. Su reciente trabajo metodológico, realizado con Julian Ashwin, Monica Biradavolu y otros, utiliza el procesamiento del lenguaje natural para analizar entrevistas abiertas a gran escala y lo compara con el análisis cualitativo basado en modelos de aprendizaje por contrato (LLM). Su último libro, Revolution by Stealth: How Women's Groups Catalyzed a Cultural Transformation in Bihar (con Shruti Majumdar y Paromita Sanyal), será publicado por Cambridge University Press en septiembre de 2026.

Si tiene algún comentario sobre este artículo o desea participar en el debate, envíelo por correo electrónico a letters@indevelopmentmag.com. Las respuestas se publicarán en la sección de cartas al director.