La forma urbana constituye la estructura espacial de la ciudad, que depende de las calles, bloques, lotes, edificios e infraestructura (Capel, 2002; de Solà-Morales i Rubió, 1997; Oliveira, 2016); del uso del suelo (Herold et al., 2002; Huang et al., 2007); de la topografía, los elementos naturales, los flujos de energía y materiales (Lynch, 1984); de los aspectos socioeconómicos, como el número de habitantes y la densidad de población (Frenkel & Ashkenazi, 2008; Kasanko et al., 2006; Tsai, 2005); o de los procesos de transformación, como la construcción y el mercado (de Solà-Morales i Rubió, 1997). Sin embargo, en todos los casos, la forma urbana se refiere a las propiedades de la ciudad en un momento específico del tiempo. Coppola et al. (2014) han mostrado que las formas urbanas tienen diferencias en su grado de sostenibilidad, y parecería que el desarrollo urbano compacto es mejor que otras formas de desarrollo espacial. A pesar de esto, algunos críticos han sugerido que el desarrollo compacto podría implicar un aumento del nivel de congestión urbana (Cheshmehzangi & Butters, 2016; Turok, 2016) y también un aumento de los precios de la vivienda, que en algunos casos crean exclusión social y segregación (Palm et al., 2014).

Varios autores coinciden en la relación intrínseca que existe entre la expansión urbana y el desarrollo de las tecnologías del transporte (automotores e infraestructuras) (Ewing & Hamidi, 2015; Zhao & Lu, 2011), sin desconocer otras variables que han provocado la expansión de las ciudades (políticas públicas, mercado inmobiliario, separación de usos de suelo, cambios en los niveles de ingreso y en la conformación familiar, etcétera). Li y Lai (2013) analizaron 36 ciudades en el mundo y encontraron seis tipos de formas urbanas que surgen de conectar el uso del suelo con el transporte. Los resultados son heterogéneos, evidenciando las particularidades de cada región, determinadas por las características socioeconómicas y preferencias culturales de la población. Esto explica, por ejemplo, por qué en ocasiones una buena infraestructura para cierto modo de viaje, no necesariamente garantiza una alta participación en dicho modo, resaltando la dependencia contextual de las soluciones (Klinger et al., 2013).

El método Q, propuesto por William Stephenson (1953), es un conjunto de principios psicológicos, estadísticos y de filosofía de la ciencia aplicados para analizar la subjetividad en las perspectivas de un grupo heterogéneo de personas acerca de un tema específico, y extraer los discursos predominantes (Watts & Stenner, 2012). El método Q utiliza herramientas cualitativas y cuantitativas para realizar un estudio sistemático de la subjetividad implícita en las perspectivas de los participantes de un grupo, a partir de una técnica de ordenación de afirmaciones y de análisis factorial. Aunque el método Q tiene más de sesenta años, es poco conocido en la literatura de estudios de ciudad, por lo que se lo presenta brevemente en esta sección. Se puede encontrar un tratamiento más profundo del método y ejemplos de aplicación en el trabajo de Van Exel y De Graaf (2005). Para una revisión sistemática y un listado de los elementos clave que se requiere reportar en un estudio basado en el método Q, se puede consultar el trabajo de Dziopa y Ahern (2011). Además, para una explicación detallada de la técnica de bootstrap para el método Q se recomienda revisar Zabala y Pascual (2016).

En el método Q, un grupo de participantes (conjunto P) recibe un juego de tarjetas con declaraciones que representan un amplio rango de puntos de vista (conjunto Q) sobre la temática de estudio y las ordena en una estructura piramidal (ordenación Q), según su grado de acuerdo individual (Figura 1). Durante el ejercicio, el investigador indaga y registra los razonamientos y motivaciones expresadas por el participante, para utilizarlos más adelante durante la etapa de interpretación. Las ordenaciones resultantes de todos los participantes se tabulan, asignándole a cada declaración un puntaje según su posición en la pirámide, y se calcula la matriz de correlación entre ordenaciones. A continuación, se realiza un análisis de factores de la matriz de correlación para identificar el número de agrupamientos naturales. Cada factor o agrupamiento natural resultante representa una perspectiva sobre el tema por tratar, y cada ordenación Q recibe un valor de “carga”, que representa el nivel en el que se asocia con cada factor. Finalmente, el conjunto original de factores se rota de acuerdo con una función estadística (p.e., máxima varianza) o consideraciones teóricas del investigador para facilitar su interpretación. Cada factor del conjunto final representa un grupo de puntos de vista individuales que tienen alta correlación entre sí y baja correlación con otros. El paso final del análisis consiste en calcular los puntajes de factor y puntajes de diferencia. Estos puntajes permiten detectar declaraciones definitorias (que definen un factor), diferenciantes (que diferencian factores entre sí), y de consenso (compartidas por diferentes factores). Cada factor extraído puede ser interpretado como un discurso y representado en la misma estructura piramidal para facilitar la interpretación. Además, cada participante del conjunto P puede ser “cargado” en uno o más discursos en función del grado de similitud entre su ordenación y los factores extraídos.

Para interpretar los resultados del análisis, el investigador examina los factores extraídos y los analiza como discursos, prestando atención a las declaraciones que se encuentran en los extremos izquierdo y derecho de las pirámides, y a las declaraciones definitorias y diferenciantes. Además, las cargas de los participantes en los discursos permiten explorar posibles asociaciones entre las características de los participantes y de los discursos. Adicionalmente, el investigador examina las explicaciones y razonamientos de los participantes registrados durante la ordenación como una guía para interpretar, verificar e ilustrar los discursos. Los discursos resultantes suelen ser nombrados con etiquetas o nombres representativos.

Aunque el método Q tiene varias décadas, su componente analítico ha tenido pocas innovaciones, y la confiabilidad de sus resultados ha sido puesta en duda ocasionalmente. Por ejemplo, no se conoce si el resultado de un ejercicio podría haber variado en el caso de que uno o más miembros del grupo hubieran sido reemplazados. Recientemente, Zabala y Pascual (2016) propusieron una técnica de bootstrapping para determinar la estabilidad y confiabilidad de los discursos extraídos, así como para mejorar su interpretación. En la técnica propuesta, se aplica n veces un remuestreo con reemplazo al conjunto de Ordenaciones Q, realizando el análisis completo (extracción de factores, asignación de cargas a los factores) para cada remuestreo. Los resultados de todos los remuestreos representan una estimación de la distribución de cada una de las medidas obtenidas (por ejemplo, los puntajes de factor), que puede ser analizada con estadísticos de centralidad y dispersión (por ejemplo, media y desviación estándar). Estas medidas son estimaciones alternativas de la muestra original.

figura 1
Ejemplo de plantilla para la ordenación Q
Elaboración propia

En el campo de la movilidad se ha aplicado el método Q para entender las actitudes, preferencias, percepciones y subjetividades detrás de las decisiones (Hickman & Vecia, 2016; Jones et al., 2012; Rajé, 2007; Van Exel et al., 2011), para establecer relaciones entre medioambiente y movilidad (Morinière & Hamza, 2012), o para evaluar la aceptación ciudadana a políticas de transporte (Cools et al., 2009). Otros investigadores lo han usado para estudiar las opiniones y preferencias con respecto al barrio (Borth & Summers, 2018; Van Dijk et al., 2015), o a entornos específicos del vecindario (Annear et al., 2009).

El objetivo último del método Q es encontrar discursos predominantes. Por ejemplo, en el estudio de Rajé (2007) se encontraron cuatro líneas discursivas: el residente contento, el usuario del vehículo como un escape por las deficiencias locales, el defensor de la multimodalidad y el teórico descontento con los problemas del transporte y que cree teóricamente en la participación ciudadana. Cools et al. (2012) detectaron también cuatro discursos sobre la opinión acerca de las políticas públicas: aquellos viajeros que apoyan las medidas de reducción de velocidad, aquellos en contra, los viajeros que están a favor de políticas de restricción de la demanda, y aquellos opuestos a medidas innovadoras. Morinière y Hamza (2012) aplicaron el instrumento a expertos para explorar la percepción sobre la relación entre ambiente y movilidad, y encontraron también cuatro discursos: los humanistas determinados, los pragmáticos benévolos, los proteccionistas cínicos y los realistas críticos. En varios estudios las líneas discursivas resultantes revelaron fuertes inclinaciones hacia uno u otro modo de desplazamiento (bicicleta, a pie, vehículo privado, transporte público) (Cools et al., 2009; Hickman et al., 2018; Hickman & Vecia, 2016; Jones et al., 2012; Van Exel et al., 2011).

Varios estudios con método Q se han enfocado en las preferencias del lugar de residencia. Borth y Summers (2018) segmentaron a los compradores de bienes inmuebles por su preferencia de localización, encontrando tres líneas discursivas: el nuevo habitante suburbano, el habitante suburbano maduro y el habitante consciente de la importancia de la localización. Algunos estudios exploraron las preferencias del lugar de residencia de adultos mayores y descubrieron discursos relacionados con la predilección por un lugar de calma, la necesidad de equipamientos, y la posibilidad de interacción social (Annear et al., 2009), así como relacionados con la accesibilidad y la seguridad (Van Dijk et al., 2015).

En la literatura revisada surgen algunas similitudes y diferencias en las decisiones metodológicas que han servido de guía para el presente estudio. Mientras que el tamaño del conjunto Q y el número de participantes en el conjunto P es variable, los discursos representativos extraídos se mantienen siempre entre tres y cuatro. La definición del conjunto P se estratifica, por lo general, en función de edad y género, junto a otros criterios específicos de cada proyecto. Los trabajos revisados han sido llevados a cabo mayoritariamente en países desarrollados: Reino Unido (Hickman & Vecia, 2016; Jones et al., 2012; Rajé, 2007), Estados Unidos (Van Exel et al., 2011), Bélgica (Cools et al., 2009; Cools et al., 2012), Canadá (Borth & Summers, 2018) y Holanda (Van Dijk et al., 2015). La presente investigación representa, por lo tanto, el primer ejemplo de la exploración de la relación entre movilidad y forma urbana utilizando el método Q en una ciudad latinoamericana. En este sentido, se pretende aportar a disminuir la brecha entre los conceptos globales y las realidades regionales al momento de abordar las temáticas urbanas (Dobbs et al., 2019).

Cuenca es una ciudad intermedia de aproximadamente 400.000 habitantes en los Andes Sur del Ecuador. Tiene un clima húmedo de montaña caracterizado por temperaturas templadas y precipitaciones distribuidas a lo largo del año, con una época seca entre julio y septiembre. El centro histórico de la ciudad, declarado Patrimonio Cultural de la Humanidad en 1999, constituyó el límite urbano hasta la década de los sesenta. Desde entonces, la ciudad comenzó a experimentar un rápido crecimiento físico debido a un plan basado en los principios del urbanismo moderno, el cual fue generando diferentes tipos de tejidos urbanos que, a manera de hipótesis, consideramos que están relacionados con la movilidad. Definimos el tejido urbano como un área homogénea de la ciudad, caracterizada por similitudes en los patrones y diseños de calles y manzanas, por la manera en que se dividen y organizan los predios, la forma y escala de los lotes, el diseño de vías y espacios de estacionamiento, y las relaciones entre el paisaje mineral y vegetal (Wheeler, 2015). En la ciudad de Cuenca existe actualmente un total de 17 tejidos urbanos (Hermida et al., 2019). Para esta investigación se analizaron las percepciones sobre los diez más representativos (Figura 2). Aquellos que datan de la fundación de la ciudad y los que han sido parte de procesos de lotización previos a los años setenta, se caracterizan por tener densidades adecuadas, buena conectividad y espacio público. Tal es el caso del damero urbano, cuasi damero, damero de cuadras rectangulares y las villas ajardinadas. A partir de los años setenta, el modelo neoliberal imperante en la región llevó a transformaciones urbanas no sustentables y a una expansión urbana descontrolada, por lo que aparecen tejidos como los denominados en proceso de consolidación tanto dentro como fuera del límite urbano, los de expansión rural, los caminos rurales y las urbanizaciones (cerradas), donde la planificación llegó tarde o nunca. Entre estos dos extremos, se encuentra el tejido orgánico, que cumple con características de densidad y diversidad propias de las áreas más consolidadas, pero cuyos patrones de calles son irregulares y, por ende, presenta una conectividad moderada.

El Municipio de Cuenca asumió las competencias de planificación y regulación de transporte a partir del año 1999, creando el Plan de Tráfico Sustentable 1999-2000. Este plan tuvo varias actualizaciones y transformaciones a lo largo de los siguientes años, hasta que en 2012 se planteó el reemplazo de la línea troncal de autobuses por una troncal tranviaria. El proyecto del tranvía no estuvo libre de fuertes cuestionamientos técnicos, económicos y políticos; a pesar de ello, inició su operación con pasajeros en mayo del 2020. También destacan otros proyectos, como el sistema de bicicletas públicas que, a pesar de su limitada extensión, resultó un hito interesante para la movilidad activa de la ciudad.

Según el Plan de Movilidad y Espacios Públicos de la ciudad (Municipalidad de Cuenca, 2015), el vehículo privado es el principal medio de viaje para el 32,3% de la población; el autobús lo es para el 30,7%; y la caminata para el 30,4%, lo cual sería indicativo de un sistema de movilidad relativamente sostenible. No obstante, el mismo documento indica que el 66% de la población anhela poder movilizarse en vehículo particular. El 75% de los desplazamientos se realiza en el interior del límite urbano, un 15% entre el interior y el exterior, y el 10% restante entre zonas rurales. El 33% de viajes tiene lugar por motivos de trabajo, mientras que el estudio, las compras y las gestiones personales representan el 18%, 17% y 16% de viajes, respectivamente. La mayor parte de desplazamientos a pie son de menos de 5 minutos, la mayoría de los viajes en autobús toman entre 6 y 15 minutos, y en vehículo entre 16 y 30 minutos.

Para el presente estudio, la ciudad ha sido dividida en tres grandes zonas (Figura 2): la zona central, que incluye el área de la ciudad delimitada por la Av. de las Américas y la Circunvalación Sur; la zona urbana, que abarca el área alrededor de la zona central hasta la demarcación oficial del perímetro urbano de la ciudad; y, finalmente, el área de influencia inmediata definida en el Plan de Ordenamiento Territorial del cantón Cuenca.

figura 2
Área de estudio. Las letras representan los principales tipos de tejidos urbanos
OpenStreetMap y Contribuyentes. Elaboración propia

Para la presente investigación se creó un concurso con declaraciones referidas a sus dos componentes temáticos: i) las preferencias sobre el lugar de residencia según las características de los tejidos urbanos seleccionados; y ii) las preferencias relacionadas con los modos de desplazamiento. Las declaraciones iniciales fueron producto de la revisión de literatura y de ejercicios en proyectos anteriores. Ya que el estudio busca detectar preferencias y anhelos, las frases fueron escritas en tiempo condicional. Las frases fueron revisadas y agrupadas para formar un conjunto Q con 36 declaraciones (Tabla 1) y posteriormente validadas por investigadores externos al proyecto.

tabla 1
Conjunto Q

Elaboración propia

El conjunto P se generó mediante una estratificación basada en la edad, el género, el nivel socioeconómico y el lugar de residencia según la zonificación predefinida. Con estos criterios se identificó y contactó a los potenciales participantes utilizando una técnica de bola de nieve. Se logró concretar la participación de 49 personas distribuidas en las diferentes categorías (Tabla 2). El nivel socioeconómico fue inicialmente estimado por los investigadores y luego corroborado durante la aplicación del instrumento con un sistema de clasificación. La participación de personas de estratos socioeconómicos bajos y de adultos mayores fue un reto importante debido a la utilización de redes sociales electrónicas para el reclutamiento. Esto fue parcialmente mitigado gracias a la técnica de bola de nieve.

tabla 2
Características de los participantes del conjunto P

Elaboración propia* VPC= Vehículo Privado (Conductor), VPP= Vehículo Privado (Pasajero), TC= taxi o camioneta de alquiler

Los investigadores fijaron una cita previa con cada uno de los participantes, explicando el motivo del proyecto y la duración aproximada del ejercicio (una hora). No existió un incentivo por la participación, pero se enviaron mensajes posteriores de agradecimiento a los voluntarios. Durante la aplicación, el investigador explicó detalladamente la técnica e introdujo el ejercicio con el siguiente enunciado: “Este estudio es para medir sus preferencias acerca del barrio donde le gustaría vivir y la forma de desplazamiento que usted preferiría. Lea los siguientes enunciados y ordénelos según cuán de acuerdo esté con cada uno de ellos. No importa el barrio en el que resida o el medio de transporte que utilice actualmente, sino cuál sería el de su preferencia”. A continuación, el participante procedió a una primera ordenación de las tarjetas en tres grupos: (“de acuerdo”, “en desacuerdo”, “indiferente”). A partir de estos tres grupos, el participante procedió a la ordenación final de las afirmaciones en la plantilla piramidal. Al finalizar el ordenamiento, se realizaron las siguientes preguntas: ¿Qué características tiene el barrio de su preferencia? ¿Por qué lo prefiere? ¿Cuál es el medio de transporte de su preferencia? Y ¿por qué lo prefiere? Las respuestas se grabaron en audio para su posterior transcripción verbatim y análisis.

Los datos de las ordenaciones Q y del conjunto P se almacenaron en tablas .csv y se analizaron utilizando el software R (R Core Team, 2016) con el paquete qmethod (Zabala, 2014). Se realizó un gráfico de sedimentación y se determinó que, a partir del quinto factor, la varianza explicada no superaba el 5% (Figura 3) y solo tenía una ordenación cargada en él, por lo que solamente se analizaron las características de modelos con 2, 3 y 4 factores.

figura 3
Varianza explicada por los 10 primeros factores
Elaboración propia

Además, se utilizó la técnica de bootstrapping para determinar la estabilidad y confiabilidad de los factores extraídos, así como mejorar su interpretación (Zabala & Pascual, 2016). Una inspección de los modelos permitió identificar el de 3 factores como el más estable y el que permitía una diferenciación más clara y un mayor valor interpretativo de los factores extraídos. Los factores resultantes del modelo seleccionado fueron representados en tablas y gráficos que permitieron distinguir las declaraciones definitorias, diferenciantes y de consenso. Finalmente, se elaboraron descripciones de los discursos representados por cada factor y se asignó un nombre representativo a cada uno. El código fuente y los resultados detallados están disponibles de forma pública en un repositorio online <https://llactalab.ucuenca.edu.ec/investigacion/mas-alla-del-petroleo/>.

Luego de analizar las características de los modelos con 2, 3 y 4 factores, se seleccionó el modelo con 3 factores para el análisis, ya que representa un balance entre simplicidad y poder explicativo. En este modelo, 45 de los 49 participantes estuvieron cargados en al menos un factor, es decir, que los factores extraídos son útiles para representar los puntos de vista integrados de la gran mayoría de participantes. El método de bootstrapping identificó a 33 participantes que fueron marcados al menos un 75% de veces en alguno de los factores. En este modelo, todos los factores tuvieron autovalores mayores a 7,8, indicando que capturan una alta varianza; los valores de la confiabilidad compuesta fueron mayores a 0,98 y los errores estándar de los puntajes fueron menores a 0,14 (Tabla 3).

tabla 3
Características del modelo con 3 factores

Elaboración propia

Con el fin de facilitar la interpretación del discurso correspondiente a cada factor, se representa en la Figura 4 el puntaje Z de cada declaración en cada uno de los factores extraídos mediante la técnica de bootstrapping. La posición de los símbolos en el eje horizontal, con respecto a la línea de 0, indican si el discurso está de acuerdo (puntaje positivo) o en desacuerdo con la declaración (puntaje negativo). Además, la distancia entre los símbolos de los factores en una declaración indica el grado de coincidencia. Adicionalmente, los errores estándar derivados de la fase de bootstrapping se ilustran como líneas grises para estudiar la estabilidad y confiabilidad de los resultados, indicando el rango en el que se podría ubicar el puntaje Z; las barras más largas, por lo tanto, serán indicativas de que el resultado puntual es inestable. Siguiendo las recomendaciones de Zabala y Pascual (2016), se identificaron las declaraciones que tienen alta prominencia (valor absoluto del puntaje Z mayor a 1) y alta estabilidad (error estándar menor a 0,4), obteniendo un conjunto de 10 declaraciones con alto poder interpretativo. De manera similar, las cargas de los participantes en los factores extraídos se representan en la Figura 5, donde se han resaltado con doble línea los participantes que han sido cargados más del 75% de las veces en un discurso durante la fase de bootstrapping.

figura 4
Puntajes Z de las declaraciones en cada discurso (técnica de bootstrapping)

Nota: Los puntos representan el valor medio del puntaje Z de cada declaración para cada factor extraído. Las líneas representan los errores estándar. Los símbolos con doble contorno indican alto poder interpretativo

Elaboración propia

figura 5
Cargas de los participantes en cada discurso (técnica de bootstrapping)

Nota: Los puntos representan el valor medio del puntaje Z de cada participante en cada factor extraído. Las líneas representan los errores estándar. Los símbolos con doble contorno indican que la carga fue significativa

Elaboración propia

Del análisis anterior surgen tres tipos de discurso claramente identificables: i) Orientados a la movilidad activa; ii) Orientados al transporte público; y iii) Orientados a la exclusividad y autosegregación. A continuación, detallamos las características principales de cada uno de ellos.