3 Eines d’anàlisi
Un cop es té sistematitzada i quantificada la realitat social que es vol investigar en un marc de dades, l’anàlisi quantitativa permet generar coneixement d’aquests fenòmens a través de tècniques estadístiques. Principalment, l’estadística ofereix dues maneres principals de generar coneixement: l’estadística descriptiva i l’estadística inferencial.
L’estadística descriptiva ens permet resumir volums grans de dades de manera numèrica i visual. Hou et al. (2019) van recollir dades de grups terroristes entre 1970 i 2016, amb les quals van poder generar descriptius com l’evolució del nombre anual de grups terroristes nous (Figura 3.1 (a), esquerra) i la distribució d’incidents terroristes segons la ideologia del grup terrorista i de si el grup terrorista es va formar abans o després de l’any 2002 (Figura 3.1 (b), dreta). Amb les tècniques de l’estadística descriptiva els autors van poder generar resums de les dades, sobre els quals van poder observar que s’estava produint una variabilitat en la formació de grups terroristes a partir de 2007 i que els grups terroristes d’esquerra havien tingut més influència en el nombre d’incidents terroristes entre 1970 i 2001, però havien causat menys morts que els grups religiosos o els nacionalistes.
L’estadística descriptiva també pot ser útil per generar resums de dades sobre mapes. Ash & Obradovich (2020) van construir sobre un mapa per districtes de Síria una visualització del nombre de protestes contra el govern sirià entre els mesos de gener i juliol de 2011. Les dades geolocalitzades del mapa que es mostren a la Figura 3.2 provenen de la Integrated Conflict Early Warning System, generades a partir d’anàlisi de textos mitjançant machine learning en diversos mitjans de comunicació de parla anglesa.
D’altra banda, l’estadística inferencial ens permet fer deduccions sobre una població de casos a partir d’una petita mostra. La importància d’aquesta tècnica és que ens permet emetre judicis sobre l’efecte que tenen alguns fenòmens sobre d’altres. Per exemple, Bakken & Buhaug (2020) van estudiar el potencial transformatiu dels conflictes armats, en concret els efectes que podien tenir la resolució del conflicte sobre l’empoderament femení. Els autors partien de la intuïció que sota certes condicions els conflictes armats podien suposar una finestra d’oportunitat per a les dones. Els resultats de la seva anàlisi quantitativa feta a una població de prop de 6.000 casos, que observem a la Figura 3.3, va trobar que la severitat del conflicte i la resolució negociada del mateix afavorien l’empoderament femení.
Fins que no es llegeixen unes quantes taules estadístiques, interpretar-les resulta complicat al principi. La regla bàsica és que les columnes on apareixen els números són models (1, 2, 3 i 4). Els models dintre d’un mateix estudi acostumen a tenir un sol fenomen a explicar (en aquest cas, el canvi en l’empoderament femení). A cada model s’escullen diverses variables que competeixen entre elles per explicar el fenomen i només les variables que tenen un o més asteriscs tenen un efecte mínimament significatiu sobre el fenomen. Per exemple, en el model 1 veiem que quan el conflicte que finalitza és considerat major (Major Conflict ending) es produeixen canvis en l’empoderament femení a la població afectada (**). En canvi, quan el conflicte és menor (Minor Conflict ending) no es produeixen canvis. Una interpretació correcta d’aquestes taules és més complicat que això, però ja ho veurem més endavant.
L’estadística inferencial també es pot representar en diversos tipus de gràfics. Dancy et al. (2020) van voler estudiar els determinants de les opinions de la població africana sobre el Tribunal Penal Internacional (TPI). Per a això, van utilitzar una enquesta a 507 individus a Kènia i van trobar que les opinions eren més favorables a la justícia internacional si els enquestats havien estat exposats a la violència i més desfavorables si els enquestats pertanyien als grups ètnics Kikuyu o Kalenjin, líders dels quals s’havien manifestat reiteradament en contra del TPI (Figura 3.4).
De les anteriors figures, segurament en podem treure dues conclusions principals. La primera és que l’anàlisi quantitativa és una tècnica fonamental en les RRII. Així ho acrediten les principals revistes especialitzades sobre la matèria, que exploren el món d’una manera sistemàtica i quantificable. La segona conclusió és que la interpretació dels resultats produïts per les tècniques d’anàlisi quantitativa és complicada i requereix un coneixement especialitzat que permeti interpretar aquestes anàlisis. Això accentua encara més la necessitat que algú que estigui interessat a estudiar la realitat internacional sàpiga utilitzar i interpretar no només marcs de dades, sinó també taules i gràfics estadístics.