¡Descarga apuntes de procesos parte 1 y más Ejercicios en PDF de Psicología solo en Docsity!
TEMA 1: INTRODUCCIÓN
- Definición de proceso psicológico.
- Evaluación multidimensional.
- Los métodos formales de evaluación de procesos. 1. Definición de proceso psicológico
“All scientific theory is wrong. It is the job of science to improve theory.... In laying out the theory, we speak of what we think we know. We say that something is known if there is evidence to support the claim that it is known. Since such evidence is never fully adequate or complete, we do not imply that what we say “is known” is really (really) known to be true.” – John Horn & Nayena Blankson, 2005.
Aunque los modelos teóricos vayan modificándose con el tiempo disponemos de herramientas para la evaluación de los procesos psicológicos.
Los procesos se entienden como una transformación: es decir, en un proceso psicológico, mediante operaciones mentales se elabora un input, se transforma, se almacena, se usa. La mayoría de estos procesos suelen ser automáticos.
Carroll (1993) define proceso cognitivo como aquel en el cual los contenidos mentales son operados para producir alguna respuesta. Estos contenidos mentales pueden ser representaciones o codificaciones de estímulos externos o de imágenes, conocimientos, reglas y materiales similares de la memoria a corto o largo plazo. La respuesta puede ser o encubierta (no observable) o abierta (observable).
2. Evaluación multidimensional
Si aumentan los métodos de recogida de información → Mejora la interpretación y la validez de la evaluación.
Tenemos métodos formales (test…) e informales (entrevista…).
Consideraciones interesantes antes de comenzar:
- Control de las condiciones de un laboratorio.
- Control de las características del evaluado.
- Considerar la secuencia temporal de las mediciones 3. Métodos formales de evaluación de procesos psicológicos
Los procesos no son directamente observables.
Los principales métodos formales son:
- Tests estandarizados → Técnicas psicométricas
- Técnicas de registro psicofisiológico
- Respuestas conductuales
La informatización → Mejora de la administración y el análisis.
ANOVA de medidas repetidas
Clasificación de las técnicas de registro psicofisiológico: [Sólo mirárselo, no sabérselo de pe a pa]
a) Sistema nervioso central: Nos proporciona información de las etapas de procesamiento y las estructuras asociadas a procesos atencionales, emocionales, cognitivos.
- Actividad electroencefalográfica (actividad espontánea).
- Potenciales evocados (actividad provocada).
- Cartografía de la actividad eléctrica cerebral.
- Tomografía por emisión de positrones (PET).
- Resonancia magnética funcional (fMRI).
b) Sistema nervioso somático:
- Actividad electromiográfica → Estudio de movimientos reflejos y aprendidos.
- Movimientos oculares → Procesamiento de la información visual. Procesos atencionales.
- Actividad respiratoria.
c) Sistema nervioso periférico:
- Actividad electrodérmica → Respuesta de orientación y a EE emocionales. Habituación en contextos de aprendizaje.
- Actividad cardiovascular → Un Δ en la respuesta se interpreta como un Δ en la motivación, emoción o actividad cognitiva. Condicionamientos en contextos de aprendizaje.
- Actividad pupilar → Ante estímulos emocionales y de carácter cognitivo (sobrecarga o esfuerzo).
Media cuadrática asociada:
- Variabilidad error: se refiere a aquello que no se puede explicar ni por efecto del factor ni por efecto del sujeto.
Media cuadrática asociada:
Se refiere a lo que se queda en las casillas. Para cada una de las puntuaciones se van restando lo que no puede explicar el factor ni el propio sujeto.
Estadístico de contraste: F
Con el estadístico de contraste lo quer se hace es comparar la variabilidad intergrupo frente a la varibilidad error. Es decir ¿cuál de las dos es más grande? ¿son iguales (1)?
Sólo cuando la v.intergrupo > v.error se entiende que existe un efecto del factor que medimos.
Supuestos del modelo:
- Interdependencia de las observaciones. Todos los efectos de la repetición producen que este supuesto no se cumpla (Aprendizaje, memoria, cansancio…)
- Normalidad de las mediciones. Las distribuciones son normales.
- Esfericidad o circularidad. Se tiene que cumplir que las varianzas de las puntuaciones diferencia sean iguales. Si sólo hay un factor con dos niveles, este supuesto no hace falta que se cumpla, pues únicamente tenemos un grupo de puntuaciones diferencia y nada con qué compararlo para ver si son iguales.
Cuando se incumple este supuesto –algo que no es nada raro– se puede continuar por varias vías:
a. rebajar los grados de libertad del estadístico de contraste F: cuando no se cumple lo que pasa es que F es demasiado liberal, que es muy fácil rechazar la hipótesis. Al rebajar los grados de libertad lo que hacemos es que F se vuelva más conservador para que cueste más rechazar la hipótesis. b. fijarnos en otros estadísticos.
→ SPSS:
Analizar → Modelo general lineal (MGL) → Medidas repetidas
- Eta cuadrado parcial: el 74% de la varianza de las puntuaciones pueden ser explicadas por el factor que estamos mirando sin tener en cuenta otros.
- Potencia: es la probabilidad de rechazar la hipótesis siendo falsa. Es decir, la probabilidad de un rechazo correcto. Puede traducirse también como la probabilidad de encontrar los efectos del factor en la población.
Hay que comprobar, también, entre qué niveles hay diferencias, es decir, en qué sentido afecta el efecto.
Se ve que en todas hay diferencias. ¿Cómo? Porque las sig son <0. (también nos podemos fijar en los*, que indician que hay diferencias)
Ejemplo de interpretación: Como se observa que la diferencia entre 2 y 3 es negativa (-2,667) se entiende que la tasa cardíaca después del tratamiento (nivel 2) era menor que después de un año (nivel 3). Es decir, tras el tratamiento la tasa base era una y después de un año ésta subió un poquito.
3. ANOVA de 2 factores con MMRR en ambos
La única diferencia que hay en la estructura de los datos es que cada columna no representa un nivel de la VI sino las condiciones que en este caso son la combinación de los niveles de l-as Vis si una VI tiene 3 niveles y la otra también tiene 3 habrá 3x3=9 condiciones.
Ahora no sólo nos interesa el efecto de los factores principales sino también el efecto de la interacción. ¿Cómo puede ser el efecto de la interacción? pues por ejemplo: el efecto de los niveles de un factor sean contrarios, uno mayor que otro, etc. El efecto de interacción en la interpretación de los resultados es mucho más importante que los efectos principales de los factores individualmente; cuando nos fijamos en la interacción las interpretaciones se matizan.
Descomposición de la varanza:
- Variabilidad intergrupos o intrasujeto.
- Asociada al factor A.
- Asociada al factor B.
- Asociada a la interacción AB.
- Variabilidad intersujetos.
- Variabilidad error.
- Debida a la interacción A x S
- Debida a la interacción B x S
- Debida a la interacción AB x S
Estadístico de contraste:
4x2=8 contenidos.
1=números 2=letras
1=hora 2=dia 3=semana 4=mes
En la prueba de esfericidad de Mauchly se pone en hipótesis la igualdad de varianzas de las puntuaciones diferencias.
En la VI contenido como solo hay dos niveles, se asume la esfericidad: no hace falta que cumpla este supuesto.
En la VI tiempo se acepta la hipótesis nula, se acepta la esfericidad porque la probabilidad asociada al estadístico de Mauchly es mayor de 0.05.
Conclusión: nos fijamos en el estadístico F sin rebajar sus grados de libertad.
¿Podemos concluir que existe un efecto del contenido presentado a los sujetos?
Nos tenemos que fijar en la ventana de contenido para comprobar esto. Donde pone esfericidad asumida, pues la hemos asumido. La probabillidad asociada a nuestro estadisitco F es 0.006, como es <0.05 se observa diferencia, el 80,3% dela varianza de las putnuaciones de l-os sujetos se pueden explicar por el contenido sin tener en cuenta otros efectos. La probabilidad de encontrar estos efectos en la población es de 94,5% (potencia).
Pero ¿en qué sentido afecta el contenido?
En letras (2) se obtienen mejores puntuaciones que en números (1), pues su media es mayor, es decir, se recuerdan mejor
¿Afecta el tiempo al número de ítems recordados?
¿Es significativo el efecto dela interacción?
La probabilidad asociada a nuestro estadístico F es 0.01, como es <0.05 se observa diferencia, el 51,5% dela varianza de las puntuaciones de los sujetos se pueden explicar por el tiempo sin tener en cuenta otros efectos. La probabilidad de encontrar estos efectos en la población es de 84,8% (potencia).
Tanto a la hora como al día se recuerda mejor letras que números. Sólo cuando la prueba se realiza 1 hora después y 1 día después existen esas diferencias, después ya no. Una semana después y un mes después ya no hay diferencias entre letras y números en la prueba de memoria (gracias a la comparación de ambos matizamos en que las diferencias entre letras y números sólo afectan en la diferencia hora y día, después números y letras se equiparan; esto sólo con el efecto del factor contenido no lo sabíamos: nos decía que letras superior únicamente).
niveles del factor intersujeto) + igualdad de matrices F 0 E 0Prueba de Mauchly y Prueba de Box
SPSS:
Para cada fila: datos del sujeto Para cada nivel de la variable intrasujeto: una columna. Dentro de las condiciones de la variable intra se situan las puntuaciones de la variable independiente. Para la variable intersujeto: una columna. Dentro de las variables inter se encuentran lso niveles o grupo a los que pertenece cada persona.
Puntuaciones en depresión medidas mediante un test. LA mitad de ellas se les ha aplicado un tratamiento estándar (tto. 1) y a la otra mitad un tratamietno combinado (tto.2). Se han formado dos grupos de personas distintas, es por tanto, nuestra variable inter –la vriable tratamiento-. Parte de las puntuaciones se explicaran por el trtamiento, pero parte también se explicaran por el hecho de qe son personas distintas, que es nuestra varianza error. Pero a todos ellos los hemos medido: antes(basal), 4 smenas después(“cuatro”) y 8 semans después (“ocho”) de haberles aplicado el tratamiento, ientdo esta nuestra variable intrasujeto,. Queremos saber si hay un efecto debido al tratamiento, queremos saber si hay un efecto debdio al tiempo y queremos saber si hay un efecto debido a la interaccion de ambos factores.
El procedimiento comienza igual que si fuésemos a hacer un análisis de MMRR
Analizar → MLG → Medidas repetidas
Introducimos las 3 condiciones de variable intra en las variables intra-sujeto y la variable inter en la de factores inter-sujeto. Pinchamos en gráficos y los colocas en los ejes
Introducimos la línea en la sintaxis para que saque las comparaciones de la interacción
medidas a las 4 semanas de aplicación y que a las 8 semanas. Es lineal, a medida que avanza la duración del tratamiento disminuyen las puntuaciones en ansiedad.
Hay que comprobar si las varianzas error son iguales. Eso es lo que hace Leven, lo que pasa es que lo hace tantas veces como niveles tiene la variable intra. Por eso tenemos tres pruebas distintas.
Nuestra hipótesis nula es la igualdad de varianzas error. El supuesto se cumple en los tres casos pues son los tres <0.05.
No podemos concluir que exista un efecto del tipo de tratamiento aplicado sobre la diferencia de las medias, puesto que su probabilidad es <0.05.
¿Podemos decir que haya un efecto de la interacción?
Parece que además hay un efecto de la interacción. En este sentido, el 33% de la variabilidad de las puntuaciones en depresión puede explicarse por la interacción sin tener en cuenta otros efectos.
Hasta ahora habíamos dicho que no había diferencias en los tratamientos. Pero al analizar el sentido de la interacción nos damos cuenta de que a las 8 semanas sí que se producen diferencias con una p=0.001, y es que el tratamiento 2 parece más eficaz que el 1 porque reduce las puntuaciones (su media es positiva: 4,950).
← En el gráfico se ve la diferencia, los puntos de más a la derecha.
TEMA 3: REGRESIÓN CURIVLINEA
En el análisis de regresión partiendo de los valores de una variable predictora poder predecir los valores o puntuaciones de otra variable dependiente o criterio. Con la regresión curvilínea el objetivo es el mismo, partiendo de las puntuaciones de una variable independiente o predictora queremos predecir las puntuaciones en una variable criterio o variable dependiente, pero en esta ocasión el modelo que se utiliza para predecir ya no es una recta, no es lineal sino que es cualquier función curva no lineal; puede haber de distintos tipos.
La regresión lineal es la más empleada y la más útil, pero no siempre es la más adecuada.
Se parte de una muestra donde conozca ambas puntuaciones: la predictora y la criterio. Regresión curvilínea: a partir de las puntuaciones en una variable predictora (eje x) podremos predecir las puntuaciones e la variable criterio (eje y). Hemos pasado de usar una recta a usar una curva.
PEDIR PROCEDIMIENTO EN ESTE ANÁLISIS
Por ejemplo, es bien conocida la relación no lineal que hay entre ansiedad y rendimiento; si intentáramos predecir mediante una función lineal el rendimiento a partir de las puntuaciones en ansiedad cometeríamos más errores que si lo ajustáramos a una función no lineal o curvilínea. Ya que para valores medios en ansiedad (arousal) es cuando se obtiene un rendimiento más elevado, al tener un nivel
bajo de arousal el rendimiento es peor y si se tienen elevado arousal también disminuye el rendimiento.
Otro ejemplo, edad de los empleados (eje x, variable predictora) y salario inicial (eje y, variable dependiente). Parecen comenzar a trabajar con un salario inicial inferior aquellos de menor edad en comparación con aquellas personas de mayor edad. Si utilizáramos una función lineal cometeríamos más error que si utilizamos una cuadrática (no lineal como la del ejemplo) Salario inicial = VD o criterio Edad empleado = VI o predictora
Con el SPSS pondremos a prueba 10 modelos no lineales más el lineal, es decir 11 modelos distintos.
NO hace falta aprenderse ninguna de estas fórmulas, las emplearemos pero ella nos dará la función. Introduciremos los datos de la muestra en la variable dependiente y la variable
criterio y el SPSS nos dirá si los datos se ajustan a ese modelos y en caso de que si los coeficientes deberán ser sustituidos en la función correspondiente:
SPSS: Analizar → Regresión →Estimulación curvilínea
Se señala aquellos modelos que se quieran poner a prueba para predecir en el futuro con alguno de ellos si se ajustan a mis datos.
