Revista Internacional de Ciencias Sociales

ISSN 2955-8921  e-ISSN 2955-8778

Vol. 4, No. 1, Enero – Abril, 2025

Recibido: 05/01/25; Revisado: 30/01/25; Aceptado: 12/03/25; Publicado: 17/03/25

DOI: https://doi.org/10.57188/RICSO.2025.658

¿Por qué la investigación cualitativa es tan científica como la investigación cuantitativa?

Oscar Igor Carreón Valencia*

Universidad Tecnológica de Ecatepec, México

Minerva Isabel Pérez Ortega

Universidad de Cantabria, España

José Alfonso Aguilar Fuentes

Universidad Autónoma del Estado de México, México

Isabel Cristina Rincón Rodríguez

Universidad de Investigación y Desarrollo UDI, Colombia

Jorge E. Chaparro Medina

Universidad Nacional Abierta y a Distancia UNAD, Colombia

Resumen

La digitalización y el uso de software avanzado han redefinido la relación entre los métodos cualitativos y cuantitativos en la investigación científica, promoviendo su equiparación y complementariedad. Tradicionalmente, la distinción metodológica entre ambos enfoques ha sido un obstáculo para su integración. Sin embargo, la evidencia demuestra que esta barrera se ha reducido significativamente, permitiendo una mayor flexibilidad en el análisis de datos. La triangulación metodológica, lejos de ser una alternativa secundaria, se perfila como una estrategia fundamental para enriquecer los estudios científicos y fortalecer la validez de sus resultados. Aunque las diferencias epistemológicas en la interpretación de los datos persisten, el avance tecnológico ha propiciado una convergencia operativa en la práctica investigativa. Esta transformación no solo facilita el análisis de datos desde múltiples perspectivas, sino que también amplía las posibilidades de exploración y validación en la producción de conocimiento.  Desde una perspectiva aplicada, los hallazgos de este estudio ofrecen una base empírica para la toma de decisiones tanto en la academia como en el ámbito profesional, incentivando la adopción de metodologías mixtas. La integración de enfoques en la era digital no es solo una tendencia emergente, sino una necesidad imperante para garantizar investigaciones más robustas y holísticas. En este contexto, el debate sobre la pertinencia de esta convergencia metodológica adquiere mayor relevancia, dado su impacto en la construcción del conocimiento y en la evolución de la investigación científica.

Palabras clave: Investigación; Método; Modelo; Cualitativo; Cuantitativo.

Why is Qualitative Research as Scientific as Quantitative Research?

Abstract

Digitization and the use of advanced software have redefined the relationship between qualitative and quantitative methods in scientific research, promoting their equalization and complementarity. Traditionally, the methodological distinction between the two approaches has been an obstacle to their integration. However, evidence shows that this barrier has been significantly reduced, allowing greater flexibility in data analysis. Methodological triangulation, far from being a secondary alternative, is emerging as a fundamental strategy to enrich scientific studies and strengthen the validity of their results. Although epistemological differences in the interpretation of data persist, technological progress has brought about an operational convergence in research practice. This transformation not only facilitates the analysis of data from multiple perspectives, but also broadens the possibilities of exploration and validation in the production of knowledge.  From an applied perspective, the findings of this study provide an empirical basis for decision-making in both academia and the professional sphere, encouraging the adoption of mixed methodologies. The integration of approaches in the digital era is not only an emerging trend, but an imperative need to ensure more robust and holistic research. In this context, the debate on the relevance of this methodological convergence acquires greater relevance, given its impact on the construction of knowledge and the evolution of scientific research.

Keywords: Research; Method; Model; Qualitative; Quantitative.

Por que a pesquisa qualitativa é tão científica quanto a pesquisa quantitativa?

Resumo

A digitalização e o uso de softwares avançados redefiniram a relação entre os métodos qualitativos e quantitativos na pesquisa científica, promovendo sua equiparação e complementaridade. Tradicionalmente, a distinção metodológica entre as duas abordagens tem sido um obstáculo à sua integração. Entretanto, as evidências mostram que essa barreira foi significativamente reduzida, permitindo maior flexibilidade na análise de dados. A triangulação metodológica, longe de ser uma alternativa secundária, está surgindo como uma estratégia fundamental para enriquecer os estudos científicos e fortalecer a validade de seus resultados. Embora persistam diferenças epistemológicas na interpretação dos dados, o progresso tecnológico trouxe uma convergência operacional na prática da pesquisa. Essa transformação não apenas facilita a análise de dados de várias perspectivas, mas também amplia as possibilidades de exploração e validação na produção de conhecimento.  De uma perspectiva aplicada, os resultados deste estudo fornecem uma base empírica para a tomada de decisões em ambientes acadêmicos e profissionais, incentivando a adoção de metodologias mistas. A integração de abordagens na era digital não é apenas uma tendência emergente, mas um imperativo para garantir uma pesquisa mais robusta e holística. Nesse contexto, o debate sobre a relevância dessa convergência metodológica assume maior relevância, dado seu impacto sobre a construção do conhecimento e a evolução da pesquisa científica.

Palavras-chave: Pesquisa; Método; Modelo; Qualitativo; Quantitativo.

1. Introducción

El objetivo de esta investigación es analizar la evolución y convergencia de los enfoques cualitativo y cuantitativo en la investigación científica, destacando el papel del software en la reducción de barreras epistemológicas y metodológicas. Se busca examinar cómo las herramientas digitales han permitido la triangulación metodológica y han contribuido a la complementariedad de ambos enfoques en distintos campos del conocimiento (Creswell & Plano Clark, 2017; Flick, 2018).

En la investigación científica, históricamente se ha debatido la diferencia entre los enfoques cualitativo y cuantitativo. Sin embargo, con la evolución del software y las herramientas digitales, la dicotomía entre ambos ha comenzado a desdibujarse. ¿De qué manera ha impactado la tecnología en la equiparación de estos enfoques? ¿Cómo influye la convergencia metodológica en la generación de conocimiento en la sociedad de la información? ¿En qué medida la digitalización del análisis de datos ha transformado la percepción y aplicabilidad de los métodos cualitativos y cuantitativos en la academia y el ámbito profesional? (Borgman, 2015; Silverman, 2020).

La distinción entre los enfoques cualitativos y cuantitativos ha sido un tema recurrente en la epistemología de la ciencia (Guba & Lincoln, 1994). Durante el siglo XX, la supremacía del positivismo promovió el método cuantitativo como el más riguroso y objetivo, mientras que el paradigma interpretativo defendió la validez del análisis cualitativo para comprender fenómenos sociales complejos (Denzin & Lincoln, 2018). No obstante, el desarrollo de tecnologías de procesamiento de datos ha permitido la convergencia de estos enfoques, fomentando la triangulación metodológica y reduciendo la brecha entre ambos (Flick, 2018; Creswell & Plano Clark, 2017). Investigaciones recientes han demostrado que el uso de software avanzado como NVivo, Atlas.ti y R facilita el análisis de grandes volúmenes de datos, permitiendo la integración de metodologías mixtas y promoviendo la complementariedad entre los enfoques cualitativo y cuantitativo (Onwuegbuzie & Leech, 2005).

El desarrollo tecnológico ha generado un cambio paradigmático en la investigación científica, reduciendo las barreras entre los enfoques cualitativo y cuantitativo. La digitalización del análisis de datos ha permitido que variables tradicionalmente categorizadas como cualitativas sean transformadas en cuantificables y viceversa. Esta situación ha llevado a un debate sobre la validez epistemológica de los métodos utilizados en la era digital y sobre cómo estos afectan la construcción del conocimiento. Además, la influencia de políticas públicas y marcos regulatorios ha contribuido a esta convergencia, promoviendo estándares de calidad que integran ambos enfoques (Latour, 2005). En este sentido, la pregunta fundamental es si esta integración metodológica contribuye a una mejor comprensión de los fenómenos investigados o si, por el contrario, genera una homogeneización que diluye la riqueza interpretativa de cada enfoque (Hammersley, 2013).

La categoría de ciencia es atribuible a la verificación de los hallazgos a través de un método transparente y técnicas reconocidas por una comunidad. No obstante, el creciente uso de software parece dotar de significado científico los propósitos exploratorios, descriptivos, explicativos o comprensivos (Borgman, 2015). De este modo, las epistemologías, teorías, modelos, métodos y técnicas han sido reducidas a softwares que analizan datos o procesos sin diferenciarlos en cualitativos o cuantitativos, sino como elementos de interfaz y códigos de programación (González & López, 2019).

En este sentido, se adquiere la falsa sensación de que las dimensiones cualitativas y cuantitativas son equiparables en sus búsquedas, análisis y exposiciones (Denzin & Lincoln, 2018). De hecho, la investigación cualitativa y cuantitativa se vuelve indistinguible cuando se les conoce desde softwares avanzados que traducen variables nominales, categóricas u ordinales en intervalares o de razón (Bryman, 2016). Así, la cuestión de si son equiparables las investigaciones que ocupan categorías respecto a los estudios que desarrollan conceptos parece afirmativa.

Sin embargo, hace dos décadas, las diferencias entre la investigación cualitativa y cuantitativa eran observables. Los softwares en sus primeras versiones se limitaban a analizar datos lineales o constantes, sin procesar adecuadamente variables discontinuas (Guba & Lincoln, 1994). En los estudios cualitativos, se afirmaba que sus categorías correspondían a dimensiones de un nuevo paradigma de complejidad (Morin, 1990). Con el avance de la inteligencia artificial y software de programación simplificada, como el programa R, el debate se orientó hacia la colaboración entre investigaciones, en un proceso conocido como triangulación (Flick, 2018).

Este cambio llevó a una divergencia entre la formación académica y la profesional/laboral. Mientras que en la academia persistieron debates ideológicos sobre la supremacía de un enfoque sobre otro, en el ámbito profesional y laboral el desarrollo de software promovió la colaboración entre ambos tipos de investigación (Creswell & Plano Clark, 2017). En este contexto, la discusión sobre la equiparación fue sustituida por la necesidad de garantizar la utilidad de los datos y categorías, alineándose con las exigencias del mercado (Silverman, 2020).

En la sociedad de la información y el conocimiento, los estudios cualitativos y cuantitativos no se contraponen, sino que se complementan (Castells, 1996). Durante las décadas de los 80 y 90, las diferencias entre ambos enfoques fueron parte de una moda académica vinculada a la posmodernidad (Lyotard, 1979). Se observa en las publicaciones de esas décadas una discusión ideológica sobre la preponderancia de un tipo de investigación sobre otro (Giddens, 1991).

Sin embargo, las ideologías académicas se han desgastado ante las exigencias evaluativas de políticas públicas, enfocadas en la acreditación y certificación de la calidad de procesos y productos (Latour, 2005). Aunque persisten revistas o libros que insisten en sus asimetrías epistémicas o en su relación con políticas neoliberales, la dicotomía entre lo cualitativo y lo cuantitativo se ha difuminado (Hammersley, 2013).

El problema no radica en la equiparación de los tipos de estudios ni en la ideología que pretendió polarizarlos. Tampoco en los softwares que han contribuido a diluir falsas asimetrías entre las ciencias, teorías, métodos o técnicas. El verdadero problema es asumir que la comprensión de un problema puede eludir la descripción y explicación, o que la apreciación subjetiva antecede a la codificación y análisis estadístico (Maxwell, 2012).

Las revistas indizadas han buscado compaginar ambos enfoques al exigir un apartado metodológico y la inclusión de fórmulas o diagramas de procesos de selección, procesamiento y análisis de datos (Onwuegbuzie & Leech, 2005). Además, el formato APA establece estilos de redacción que facilitan la colaboración entre distintos tipos de estudios (American Psychological Association [APA], 2020).

Por su parte, las universidades, al centrar sus esfuerzos en los Objetivos del Desarrollo Sostenible (ODS), han descontinuado discursos ideológicos y polarizadores sobre la investigación (United Nations, 2015). No obstante, persisten posturas radicales entre los fundadores de corrientes epistémicas decoloniales, donde la deconstrucción de la ciencia y la construcción de una epistemología del sur siguen siendo asignaturas pendientes en América Latina (Santos, 2014). Paralelamente, el paradigma de la complejidad ha aprovechado la evolución del software para documentar fenómenos de autoorganización, entropía y emergencia (Morin, 2007).

La decolonización y la complejidad dominaron la agenda académica en las últimas décadas del siglo XX. Hoy, sin una ideología predominante, la equiparación entre investigación cualitativa y cuantitativa se encuentra en un estado de discontinuidad. Si la ideología de la ausencia de un paradigma prevalece, las diferencias entre los enfoques de investigación quedan relegadas a las recomendaciones de profesores a tesistas y aprendices de investigación (Patton, 2015).

H1: El avance en software de análisis de datos ha facilitado la equiparación metodológica entre la investigación cualitativa y cuantitativa, promoviendo la triangulación metodológica y la complementariedad de ambos enfoques (Creswell & Plano Clark, 2017; Flick, 2018).

H2: La digitalización de los procesos investigativos ha transformado la percepción epistemológica de los métodos cualitativo y cuantitativo, difuminando las fronteras tradicionales entre ellos (Silverman, 2020; Borgman, 2015).

H3: La implementación de software en la investigación ha influido en la percepción académica y profesional sobre la validez y aplicabilidad de los métodos cualitativos y cuantitativos, favoreciendo la colaboración interdisciplinaria (Onwuegbuzie & Leech, 2005; Morin, 2007).

2. Metodología

El presente estudio adoptó un enfoque mixto, con un diseño explicativo secuencial (Creswell & Plano Clark, 2017). Se seleccionó este diseño debido a su capacidad para integrar datos cuantitativos y cualitativos de manera complementaria, lo que permitió un análisis profundo de la convergencia metodológica en la investigación científica. Epistemológicamente, el diseño se sustentó en el pragmatismo, el cual enfatiza la utilidad del conocimiento generado más que la distinción ontológica entre enfoques (Tashakkori & Teddlie, 2010).

La muestra estuvo compuesta por 250 investigadores de universidades y centros de investigación en América Latina y Europa. La selección se realizó mediante un muestreo intencional para garantizar diversidad en los siguientes criterios:

· Sociocultural: Se incluyeron investigadores con diversas perspectivas epistemológicas y disciplinas.

· Socioeconómico: Participaron académicos de instituciones públicas y privadas con distintos niveles de acceso a software especializado.

· Sociolaboral: Se contemplaron tanto investigadores con trayectoria consolidada como jóvenes académicos en formación.

· Socioeducativo: Se seleccionaron participantes con niveles de formación de maestría y doctorado en diversas áreas del conocimiento.

· Sociodemográfico: Se garantizó una distribución equitativa en términos de género, edad y ubicación geográfica.

Se diseñó un cuestionario estructurado con subescalas para evaluar la percepción sobre la convergencia metodológica. Se midieron la integración de software, la percepción sobre la complementariedad de métodos y la relevancia epistemológica de la triangulación. La fiabilidad del instrumento fue alta (α de Cronbach = 0.89), y la validez se estableció mediante análisis factorial confirmatorio (KMO = 0.82, p < .05).

El estudio se llevó a cabo en tres fases: (1) diseño y validación del instrumento, (2) recolección de datos y (3) análisis e interpretación. Se respetaron criterios éticos como el consentimiento informado y el resguardo de datos bajo normativas internacionales (American Psychological Association [APA], 2019).

Se utilizaron técnicas estadísticas como el análisis factorial exploratorio y confirmatorio para evaluar la validez del instrumento. Se aplicaron pruebas t de Student y ANOVA para comparar percepciones según las características de la muestra. Además, se realizaron análisis cualitativos mediante codificación axial en NVivo para identificar patrones en las respuestas abiertas (Saldaña, 2016). Los resultados se interpretaron con base en umbrales estándar de significancia estadística (p < .05) y criterios de saturación teórica para los análisis cualitativos.

3. Resultados

Los hallazgos indicaron que la mayoría de los participantes percibió una reducción significativa en la brecha metodológica entre la investigación cualitativa y cuantitativa (véase Tabla 1). Se observó que el uso de software especializado permitió una mayor integración de ambos enfoques, favoreciendo la triangulación metodológica y la complementariedad de técnicas. En términos de percepción epistemológica, los investigadores coincidieron en que la digitalización contribuyó a la equiparación de los métodos, aunque persisten diferencias en cuanto a la interpretación y aplicabilidad de los datos obtenidos.

Tabla 1. Descriptivo de los hallazgos

Categoría	Hallazgos
Percepción sobre la brecha metodológica	Reducción significativa en la brecha entre investigación cualitativa y cuantitativa.
Impacto del software especializado	Facilitó la integración de enfoques, promoviendo la triangulación y complementariedad de técnicas.
Percepción epistemológica	Digitalización ayudó a equiparar métodos, aunque persisten diferencias en interpretación y aplicabilidad.
Estructura del instrumento	Confirmada mediante análisis factorial; se identificaron tres dimensiones clave.
Dimensiones identificadas	1. Percepción de integración metodológica 2. Impacto del software en la investigación 3. Relevancia de la triangulación.
Comparación de grupos	Investigadores con mayor acceso a software mostraron mayor inclinación hacia la integración metodológica.
Hallazgos cualitativos	Emergieron categorías que reflejan la evolución de prácticas investigativas, destacando interdisciplinariedad y adaptabilidad.
Necesidad de enfoque flexible	Se enfatiza la importancia de un enfoque que combine ambos paradigmas sin perder sus fundamentos epistemológico

El análisis factorial confirmó la estructura del instrumento, identificando tres dimensiones clave: percepción de integración metodológica, impacto del software en la investigación y relevancia de la triangulación. Los análisis de comparación de grupos indicaron que los investigadores con mayor acceso a software especializado mostraron una tendencia más positiva hacia la integración metodológica en comparación con aquellos con acceso limitado.

En los análisis cualitativos, emergieron categorías que reflejaron la evolución de las prácticas investigativas, destacando la importancia de la interdisciplinariedad y la adaptabilidad de los métodos según los requerimientos del estudio. Los participantes resaltaron la necesidad de un enfoque flexible que permita aprovechar las ventajas de ambos paradigmas sin perder sus fundamentos epistemológicos.

4. Discusión

Los hallazgos del estudio sugieren una reducción significativa en la brecha metodológica entre la investigación cualitativa y cuantitativa, lo que coincide con la literatura actual sobre métodos mixtos. Creswell y Plano Clark (2017) sostienen que la combinación de enfoques permite una mayor complementariedad y comprensión del fenómeno estudiado, desdibujando la dicotomía tradicional entre paradigmas. No obstante, aunque la digitalización facilita esta integración, sigue habiendo desafíos en la interpretación de los datos, lo que Miles et al. (2020) identifican como un reto persistente en la investigación cualitativa y mixta.

El impacto del software especializado en la investigación también es un aspecto clave. Se identificó que el acceso a herramientas digitales favorece la triangulación y la complementariedad metodológica, lo que coincide con Maxwell (2021), quien señala que los avances tecnológicos han permitido mejorar la validez de los estudios mixtos al proporcionar análisis más rigurosos. Sin embargo, Bryman (2016) advierte que la dependencia excesiva del software podría generar una visión mecanicista de la investigación, reduciendo la riqueza interpretativa del análisis cualitativo.

El análisis factorial confirmó la estructura del instrumento, identificando tres dimensiones clave: percepción de integración metodológica, impacto del software en la investigación y relevancia de la triangulación. Esta estructura es consistente con los planteamientos de Tashakkori y Teddlie (2015), quienes subrayan que los instrumentos diseñados para estudios mixtos deben considerar múltiples dimensiones que reflejen la interrelación entre enfoques metodológicos. Asimismo, los análisis de comparación de grupos mostraron que los investigadores con mayor acceso a software especializado perciben de manera más positiva la integración metodológica, lo que es respaldado por King et al. (2019), quienes encontraron que la disponibilidad de herramientas digitales incide en la adopción de enfoques mixtos.

Desde una perspectiva cualitativa, emergieron categorías que reflejan la evolución de las prácticas investigativas, resaltando la interdisciplinariedad y la adaptabilidad metodológica. Flick (2022) enfatiza que el carácter interdisciplinario es fundamental en la evolución de las metodologías de investigación, ya que permite la integración de diversas perspectivas sin perder rigor analítico. En este sentido, los participantes del estudio destacaron la necesidad de un enfoque flexible que aproveche las ventajas de ambos paradigmas sin comprometer sus fundamentos epistemológicos, un argumento que coincide con Greene (2017), quien plantea que la flexibilidad en los métodos mixtos permite generar interpretaciones más ricas sin perder coherencia teórica.

Los hallazgos del estudio se alinean con la literatura existente, destacando la integración metodológica facilitada por la digitalización y el uso de software especializado. Sin embargo, persisten desafíos relacionados con la interpretación de los datos y la necesidad de enfoques que equilibren la rigurosidad epistemológica con la adaptabilidad metodológica. Esto refuerza la idea de que, aunque la tecnología ha transformado la investigación, la reflexión crítica sobre su aplicación sigue siendo esencial para garantizar la calidad y validez de los estudios en ciencias sociales.

Los hallazgos indicaron que la mayoría de los participantes percibió una reducción significativa en la brecha metodológica entre la investigación cualitativa y cuantitativa. Estos resultados coinciden con los estudios de Creswell y Plano Clark (2017), quienes señalaron que el uso de software ha promovido la triangulación metodológica y la complementariedad de ambos enfoques. Asimismo, Flick (2022) destacó que la digitalización ha generado una mayor apertura a la integración de métodos mixtos, permitiendo el análisis simultáneo de datos cualitativos y cuantitativos.

Sin embargo, algunos autores como Denzin (2017) advierten que esta convergencia metodológica puede llevar a la homogenización de los enfoques, perdiendo la riqueza interpretativa del análisis cualitativo. En este sentido, los resultados del presente estudio sugieren que, si bien la integración de software ha favorecido la complementariedad metodológica, aún persisten diferencias en cuanto a la interpretación y aplicabilidad de los datos obtenidos.

5. Conclusiones

El presente estudio demostró que la digitalización y el uso de software avanzado han transformado la percepción de los métodos cualitativos y cuantitativos, promoviendo su equiparación y complementariedad en la investigación científica. Se evidenció que la barrera metodológica que tradicionalmente separaba estos enfoques se ha reducido significativamente, permitiendo una mayor flexibilidad en el análisis de datos.

Los hallazgos respaldan la idea de que la triangulación metodológica es una estrategia viable para enriquecer los estudios científicos y garantizar la validez de los resultados. La investigación confirmó que, si bien persisten diferencias en la interpretación epistemológica de los datos, la implementación de software ha permitido una convergencia operativa en la práctica investigativa.

Desde una perspectiva aplicada, este estudio aporta una base empírica para la toma de decisiones en la academia y el ámbito profesional, promoviendo la adopción de metodologías mixtas. Asimismo, contribuye al debate sobre la pertinencia de la integración de enfoques en la era digital y sus implicaciones en la generación de conocimiento.

6. Referencias

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). APA.

Borgman, C. L. (2015). Big data, little data, no data: Scholarship in the networked world. MIT Press.

Bryman, A. (2016). Social research methods (5th ed.). Oxford University Press.

Castells, M. (1996). The rise of the network society. Blackwell.

Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). Sage.

Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research. SAGE.

Denzin, N. K. (2017). The research act: A theoretical introduction to sociological methods. Routledge.

Denzin, N. K., & Lincoln, Y. S. (2018). The Sage handbook of qualitative research (5th ed.). Sage.

Flick, U. (2018). An introduction to qualitative research (6th ed.). Sage.

Flick, U. (2022). An introduction to qualitative research. Sage.

Giddens, A. (1991). Modernity and self-identity: Self and society in the late modern age. Stanford University Press.

González, R., & López, M. (2019). Métodos mixtos en la investigación social: Enfoques, técnicas y aplicaciones. Pearson.

Greene, J. C. (2017). Mixed methods in social inquiry. Jossey-Bass.

Guba, E. G., & Lincoln, Y. S. (1994). Competing paradigms in qualitative research. In N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of qualitative research (pp. 105-117). Sage.

Hammersley, M. (2013). What is qualitative research?. Bloomsbury.

King, G., Keohane, R. O., & Verba, S. (2019). Designing social inquiry: Scientific inference in qualitative research. Princeton University Press.

Latour, B. (2005). Reassembling the social: An introduction to actor-network theory. Oxford University Press.

Lyotard, J.-F. (1979). La condición posmoderna: Informe sobre el saber. Cátedra.

Maxwell, J. A. (2012). A realist approach for qualitative research. Sage.

Maxwell, J. A. (2021). Qualitative research design: An interactive approach. SAGE.

Miles, M. B., Huberman, A. M., & Saldaña, J. (2020). Qualitative data analysis: A methods sourcebook. SAGE.

Morin, E. (2007). On complexity. Hampton Press.

Onwuegbuzie, A. J., & Leech, N. L. (2005). On becoming a pragmatic researcher: The importance of combining quantitative and qualitative research methodologies. International Journal of Social Research Methodology, 8(5), 375-387.

Patton, M. Q. (2015). Qualitative research & evaluation methods (4th ed.). Sage.

Silverman, D. (2020). Interpreting qualitative data (6th ed.). Sage.

Tashakkori, A., & Teddlie, C. (2015). Handbook of mixed methods in social and behavioral research. SAGE.

United Nations. (2015). Transforming our world: The 2030 agenda for sustainable development. United Nations.