¡Descarga Diseño de Experimentos: Manipulación de Variables y Control de Factores Extraños. - Prof. y más Apuntes en PDF de Veterinaria solo en Docsity!
TEXTO 4
Texto adaptado a partir de la siguiente fuente:
R. Hernández-Sampieri, C. Fernéndez-Collado y P. Baptista-Lucio. (2007). Fundamentos de metodología de la investigación. Madrid: Mc Graw Hill. (Capítulos 4 y 6).
DISEÑOS DE INVESTIGACIÓN
- Definición del alcance de la investigación a realizar.
Antes de iniciar una investigación conviene decidir cuál será el alcance del estudio a efectuar. Según su “alcance”, las investigaciones pueden ser de cuatro tipos: exploratorias, descriptivas, correlacionales y explicativas (en realidad, es preferible pensar en ellos como puntos dentro de un continuo). Esta clasificación es muy importante, pues del alcance del estudio depende la estrategia de investigación. El diseño, los datos que se recolectan, la manera de obtenerlos, el muestreo y otros componentes del proceso de investigación son distintos en los estudios exploratorios, descriptivos, correlacionales y explicativos. En la práctica, cualquier estudio puede incluir elementos de más de uno de estos cuatro alcances de la investigación.
Los cuatro tipos o alcances de investigación son igualmente válidos e importantes. Todos han contribuido al avance de las diferentes ciencias. Cada uno tiene sus objetivos y razón de ser. Los estudios exploratorios sirven para preparar el terreno y por lo común anteceden a los otros tres tipos. Los descriptivos por lo general fundamentan las investigaciones correlacionales, las cuales a su vez proporcionan información para llevar a cabo estudios explicativos que generan un sentido de entendimiento y son altamente estructurados. Las investigaciones que se están realizando en un campo de conocimiento específico pueden incluir diferentes alcances en las distintas etapas de su desarrollo. Es posible que una investigación se inicie como exploratoria, después de ser descriptiva y correlacional, y terminar como explicativa. ¿De qué depende que el estudio se inicie como exploratorio, descriptivo, correlacional o explicativo? La respuesta no es sencilla, pero se puede decir que depende básicamente de dos factores: el estado del conocimiento sobre el tema de investigación (mostrado por la revisión de la literatura científica) y la visión que se pretenda dar al estudio.
1.1. ¿En qué consisten los estudios exploratorios?
Los estudios exploratorios se efectúan, normalmente, cuando el objetivo es examinar un tema o problema de investigación poco estudiado, del cual se tienen muchas dudas o no se ha abordado antes. Es decir, cuando la revisión de la literatura científica revela que sólo hay guías no investigadas e ideas vagamente relacionadas con el problema de estudio, o bien, si deseamos indagar sobre temas y áreas desde nuevas perspectivas o ampliar las existentes.
Los estudios exploratorios sirven para familiarizarnos con fenómenos relativamente desconocidos, obtener información sobre la posibilidad de llevar a cabo una investigación más completa en un contexto particular, investigar nuevos problemas científicos que consideren cruciales los especialistas de determinada área, identificar conceptos o variables prometedoras, establecer prioridades para investigaciones futuras o sugerir afirmaciones o postulados.
Los estudios exploratorios en pocas ocasiones constituyen un fin en sí mismos. Generalmente sirven para determinar tendencias, identificar áreas, ambientes, contextos y situaciones de estudio, así como relaciones potenciales entre variables. Todo ello ayuda a establecer investigaciones posteriores más elaboradas y rigurosas. Se caracterizan por ser más flexibles en su método en comparación con los estudios descriptivos, correlacionales o explicativos, y son más amplios y dispersos que estos otros tres tipos. Asimismo, implican un mayor “riesgo” y requieren gran paciencia, serenidad y receptividad por parte del investigador.
1.2. ¿En qué consisten los estudios descriptivos?
Con mucha frecuencia, el propósito del investigador consiste en describir situaciones, eventos y hechos. Esto es, decir cómo es y cómo se manifiesta determinado fenómeno. Los estudios descriptivos buscan especificar las propiedades, las características y los perfiles importantes de sujetos, grupos, poblaciones o cualquier otro fenómeno que se someta a un análisis. Miden, evalúan o recolectan datos sobre diversos aspectos, dimensiones o componentes del fenómeno a investigar. Desde el punto de vista científico, describir es recolectar datos. Es decir, en un estudio descriptivo se selecciona una serie de cuestiones y se mide o recolecta información sobre cada una de ellas, para así (valga la redundancia) describir lo que se investiga.
Los estudios descriptivos pretenden medir o recoger información de manera independiente o conjunta sobre los conceptos o las variables a los que se refieren. Desde luego, pueden integrar las mediciones o información de cada una de dichas variables o conceptos para decir cómo es y cómo se manifiesta el fenómeno de interés, pero su objetivo no es indicar cómo se relacionan las variables medidas.
Así como los estudios exploratorios se interesan fundamentalmente en descubrir y prefigurar, los descriptivos se centran en recolectar datos que muestren un evento, una comunidad, un fenómeno, hecho, contexto, o situación que ocurre, en sus diferentes aspectos. Este es su valor máximo. En esta clase de estudios el investigador debe ser capaz de definir, o al menos visualizar, qué se va a medir o sobre qué se habrán de recolectar los datos. Asimismo, es necesario especificar quiénes deben estar incluidos en la medición o recolección, o qué contexto, hecho, ambiente, comunidad o equivalente habrá de describirse. La descripción puede ser más o menos profunda, aunque en cualquier caso se basa en la medición de uno o más atributos del fenómeno descrito o en la recolección de datos sobre éste y su contexto.
1.3. ¿En qué consisten los estudios correlacionales?
Los estudios correlacionales pretenden responder a preguntas de investigación como la siguiente: ¿disminuye el grado de implicación de un cliente a medida que avanza la terapia aplicada a su animal? En general, este tipo de estudios tienen como propósito evaluar la relación que existe entre dos o más conceptos, categorías o variables. En ocasiones sólo se analiza la relación entre dos variables, pero frecuentemente se ubican en el estudio relaciones entre tres o más variables (relaciones múltiples). Los estudios correlacionales miden o evalúan el grado de relación entre esas dos o más variables. Es decir, miden cada variable presuntamente relacionada y después también miden y analizan la correlación. Tales correlaciones se expresan en hipótesis sometidas a prueba. Es importante recalcar que, en la mayoría de los casos, las mediciones en las variables a correlacionar provienen de los mismos sujetos. No es común que se correlacionen mediciones de una variable hechas en sujetos o eventos con mediciones de otra variable realizadas en otros sujetos.
La utilidad y el propósito principal de los estudios correlacionales son saber cómo se puede comportar un concepto o una variable conociendo el comportamiento de otras variables relacionadas. Es decir, intentar predecir el valor aproximado que tendrá un grupo de individuos o fenómenos en una variable a partir del valor que tienen en la(s) variable(s) relacionada(s). La correlación puede ser positiva o negativa. Si es positiva, significa que sujetos con altos valores en una variable tenderán a mostrar altos valores en la otra variable. Si es negativa, significa que sujetos con altos valores en una variable tenderán a mostrar bajos valores en la otra variable. Si no hay correlación entre las variables, ello nos indica que éstas varían sin seguir un patrón sistemático entre sí: habrá sujetos que tengan altos valores en una de las dos variables y bajos en la otra, sujetos que tengan altos valores en una variable y altos en la otra, sujetos con valores bajos en una variable y bajos en la otra y sujetos con valores medios en las dos variables.
La investigación correlacional tiene cierto valor explicativo, aunque parcial. En efecto, saber que dos conceptos o variables se relacionan aporta cierta información explicativa. Sin embargo, y esto es muy importante, la existencia de una correlación entre dos variables no indica necesariamente una relación causal entre ambas variables.
1.4. ¿En qué consisten los estudios explicativos?
una situación de control para el investigador. Dicho de otra forma, los experimentos manipulan variables independientes para observar sus efectos sobre variables dependientes en una situación de control.
Debido a que analizan las relaciones entre una o diversas variables independientes y una o varias dependientes, así como los efectos causales de las primeras sobre las segundas, son estudios explicativos (que obviamente alcanzan a determinar correlaciones). Se basan en hipótesis preestablecidas, miden variables y su aplicación debe sujetarse al diseño preconcebido. Al desarrollarse, el investigador está centrado en la validez, el rigor y el control de la situación de investigación. Asimismo, el análisis estadístico resulta fundamental para lograr los objetivos de conocimiento.
3.1.1. ¿Cuál es el primer requisito de un experimento?
El primer requisito es la manipulación intencional de una o más variables independiente. La variable independiente es la que se considera como supuesta causa en una relación entre variables (es la condición antecedente) y al efecto provocado por dicha causa se le denomina variable dependiente (consecuente). El investigador puede incluir en su estudio dos o más variables independientes. Cuando en realidad existe una relación causal entre una variable independiente y una dependiente, al variar intencionalmente la primera, la segunda también variará.
Un experimento se lleva a cabo para analizar si una o más variables independientes afectan a una o más variables dependientes y por qué lo hacen. En un experimento, la variable independiente resulta de interés para el investigador por ser la variable que se hipotetiza, será una de las causas que producen el efecto supuesto. Para obtener evidencia de esta relación causal supuesta, el investigador manipula la variable independiente y observa si la dependiente varía o no. Aquí, manipular es sinónimo de hacer variar o asignar valores a la variable independiente. La variable dependiente no se manipula, sino que se mide para ver el efecto que la manipulación de la variable independiente tiene en ella.
La manipulación o variación de una variable independiente puede realizarse atendiendo tanto al grado de manipulación (siendo su nivel mínimo dos: presencia-ausencia) como a su modalidad. Cada nivel o modalidad de manipulación implica, al menos, un grupo en el experimento. Si hay tres niveles (grados) o modalidades, se tendrán tres grupos como mínimo.
• Presencia-ausencia de la variable independiente. Implica que se expone un grupo a la presencia de la
variable independiente (“grupo experimental”) y el otro no (“grupo de control”). Luego los dos grupos se comparan para saber si el grupo expuesto a la variable independiente difiere del grupo que no fue expuesto. A la presencia de la variable independiente muy frecuentemente se le llama “tratamiento experimental” o “estímulo experimental”. Es decir, el grupo experimental recibe el tratamiento o estímulo experimental o, lo que es lo mismo, se le expone a la variable independiente; el grupo de control no recibe el tratamiento o estímulo experimental. Tanto el grupo experimental como el de control participan en el experimento. Es decir, el hecho de que el grupo de control no se exponga al tratamiento experimental no significa que su participación en el experimento sea pasiva. Por el contrario, significa que realiza las misma actividades que el grupo experimental, excepto someterse al estímulo. En general, en un experimento puede afirmarse lo siguiente: si en ambos grupos todo fue “igual” menos la exposición a la variable independiente, es muy razonable pensar que las diferencias entre los grupos se deban a la presencia-ausencia de la variable independiente.
• Más de dos grados. En otras ocasiones, es posible hacer variar o manipular la variable independiente en
cantidades o grados. Manipular la variable independiente en varios niveles tiene la ventaja de que así no sólo se puede determinar si la presencia de la variable independiente o tratamiento experimental tiene un efecto, sino también si distintos niveles de la variable independiente producen diferentes efectos. Es decir, si la magnitud del efecto depende de la intensidad del estímulo.
• Modalidades de manipulación (en lugar de grados). Existe otra forma de manipular una variable
independiente que consiste en exponer a los grupos experimentales a diferentes modalidades de ella, pero sin que esto implique cantidad. Supongamos que un investigador desea probar el efecto en el aprendizaje de tres métodos de enseñanza de la estadística. A un grupo lo expone al método 1, a otro al método 2 y al tercero al método 3. Después compararía el aprendizaje de los grupos. En este caso no se está manipulando la presencia-ausencia de la variable independiente, ni administrando distintas cantidades de
ésta, sino que los grupos se exponen a modalidades de enseñanza de la estadística (métodos), no a intensidades. La variación es provocada por categorías distintas de la variable independiente que no implican en sí cantidades. El mismo caso sería experimentar con diferentes clases de semillas, vacunas, piensos o tratamientos farmacológicos.
En ocasiones, la manipulación de la variable independiente conlleva una combinación de cantidades y modalidades de ésta. Por ejemplo, métodos educativos (modalidades: métodos 1, 2 y 3) y tiempo de aplicación del método (grados: un año, seis meses y tres meses).
3.1.2. ¿Cuál es el segundo requisito de un experimento?
El segundo requisito consiste en medir el efecto que la variable independiente tiene en la variable dependiente. La medición o evaluación de ese efecto sobre la variable dependiente debe ser válida y fiable. Si no podemos asegurar que se midió de manera adecuada, los resultados no servirán y el experimento será una pérdida de tiempo. Por tanto, en la planificación de un experimento se debe precisar cómo se van a manipular las variables independientes y cómo medir las dependientes.
3.1.3. ¿Cuál es el tercer requisito de un experimento?
El tercer requisito que todo experimento debe cumplir es el control o la validez interna de la situación experimental. El término “control” se refiere a que, si en el experimento se observa que una o más variables independientes hacen variar a las dependientes, la variación de estas últimas se deba a la manipulación de las primeras y no a otros factores o causas; y si se observa que una o más variables independientes no tienen un efecto sobre las dependientes, se pueda estar seguro de ello. Cuando hay control es posible conocer la relación causal entre las variables; cuando no se logra el control, no se puede conocer dicha relación. En la estrategia de la investigación experimental, el investigador no manipula una variable sólo para comprobar lo que le ocurre con la otra, sino que al efectuar un experimento es necesario realizar una observación controlada. Dicho de otra manera, lograr “control” en un experimento es controlar la influencia de otras variables extrañas sobre las variables dependientes, para así saber en realidad si las variables independientes que nos interesan tienen o no efecto en las dependientes.
Existen diversos factores o fuentes extrañas que pueden llegar a confundirnos haciendo que no sepamos si la presencia de una variable independiente o un tratamiento experimental surte o no un verdadero efecto. Se trata de explicaciones rivales a la explicación de que las variables independientes afectan a las dependientes. Se las conoce como fuentes de invalidación interna porque atentan contra la validez interna de un experimento. Ésta se refiere a cuánta confianza tenemos en poder interpretar los resultados del experimento y que éstos sean válidos. La validez interna se relaciona con la calidad del experimento y se logra cuando hay control , cuando los grupos difieren entre sí solamente en la exposición a la variable independiente (ausencia-presencia o en grados o modalidades), cuando las mediciones de la variable dependiente son fiables y válidas, y cuando el análisis es el adecuado para el tipo de datos que estamos manejando. El control en un experimento se alcanza eliminando estas explicaciones rivales o fuentes de invalidación interna. Estas fuentes son de muy diversos tipos. Mencionamos algunas, únicamente para que se entiendan lo que son:
• Acontecimientos que ocurren durante el desarrollo del experimento, que pueden afectar a la variable
dependiente y llegan a confundir los resultados experimentales. Las diferencias en la variable dependiente pueden atribuirse tanto a la manipulación de la variable independiente como al acontecimiento que ocurrió durante el experimento.
• Procesos internos de los participantes que operan como consecuencia del tiempo y que afectan a los
resultados del experimento tales como cansancio, hambre, aburrimiento, aumento en la edad y cuestiones similares.
• Instrumentos de medición no equivalentes entre los grupos. Esta fuente hace referencia a cambios en
los instrumentos de medición o en los observadores participantes, los cuales son capaces de producir variaciones en los resultados que se obtengan.
manera. La equivalencia inicial implica que los grupos son similares entre sí en el momento de iniciarse el experimento. Si el experimento se refiere, por ejemplo, a los métodos de aprendizaje de la estadística, los grupos deben ser equiparables en cuanto a número de personas, inteligencia, aprovechamiento, disciplina, memoria, sexo, edad, nivel socioeconómico, motivación, alimentación, conocimientos previos, estado de salud física y mental, capacidad de concentración, interés por los contenidos, extroversión, etc. Si no son equiparables en su inicio en algunos de estos factores, las diferencias entre los grupos no podrían atribuirse con certeza a la manipulación de la variable independiente. Quedaría la duda de si se deben a dicha manipulación o a que los grupos no eran inicialmente equivalentes. La equivalencia inicial no se refiere a equivalencias entre individuos sino entre grupos. Si tenemos dos grupos en un experimento, es indudable que habrá, por ejemplo, sujetos muy inteligentes en un grupo, pero también debe haberlos en el otro grupo. Si en un grupo hay hembras, en el otro debe haberlas en la misma proporción. Y así con todas las variables que lleguen a afectar a la(s) variable(s) dependiente(s), además de la variable independiente. El promedio de inteligencia, motivación, conocimientos previos, interés por los contenidos y demás variables debe ser el mismo en los dos grupos. Desde luego, es prácticamente imposible alcanzar una equivalencia perfecta o ideal, pero no deben permitirse diferencias iniciales significativas en estas variables entre los grupos. Además, durante el experimento los grupos deben mantenerse similares en los aspectos concernientes al desarrollo experimental, excepto en la manipulación de la variable independiente (es decir, mismas instrucciones, personas con las que tratan los sujetos y maneras de recibirlos, lugares con características semejantes, misma duración del experimento, mismo momento, etc.). Cuanto mayor sea la equivalencia durante su desarrollo, habrá mayor control y posibilidad de que, si observamos o no efectos, estemos seguros de que verdaderamente lo hubo o no.. ¿Cómo se logra la equivalencia inicial? Existe un método muy difundido para alcanzar esa equivalencia: la asignación aleatoria o al azar de los sujetos a los grupos del experimento. La asignación al azar nos asegura probabilísticamente que dos o más grupos son equivalentes entre sí. Es una técnica de control que tiene como propósito dar al investigador la seguridad de que variables extrañas, conocidas o desconocidas, no afectarán de manera sistemática los resultados del estudio. Esta técnica ha demostrado durante años y con pruebas que funciona para hacer equivalentes a los grupos. La asignación al azar puede hacerse de muchas formas (lanzando monedas no cargadas al aire, empleando trozos de papel en los que se escriben los nombres de los sujetos, utilizando tablas de números aleatorios, etc.). La asignación aleatoria funciona mejor cuanto mayor sea el número de sujetos con que se cuenta para el experimento, es decir, cuanto mayor sea el tamaño de los grupos. Muchos autores recomiendan que para cada grupo se tengan, por lo menos, 15 sujetos.
3.2. Diseños específicos de experimentos.
Recordemos que los experimentos son aquellos que reúnen los dos requisitos para lograr el control y la validez interna: (1) grupos de comparación (manipulación de la variable independiente o de varias independientes) y (2) equivalencia de los grupos. Los diseños experimentales llegan a abarcar una o más variables independientes y una o más dependientes. Asimismo, pueden utilizar prepruebas y pospruebas para analizar la evolución de los grupos antes y después del tratamiento experimental. No todos los diseños experimentales utilizan preprueba, aunque la posprueba sí es necesaria para determinar los efectos de las condiciones experimentales.
Se describen a continuación algunos de los diseños experimentales más comunes y sencillos. En ellos se manipula una sola variable independiente (X) y se mide una sola variable dependiente (en el punto de observación O). Sin embargo, lo normal es que se midan muchas variables dependientes para optimizar el costo, analizando los efectos de la variable independiente sobre varias dependientes. También hay diseños que incorporan más de una variable independiente (dos, tres o más), los diseños factoriales, pero no los trataremos en esta breve introducción al diseño de experimentos.
El significado de la simbología utilizada en esta sección será el siguiente:
• Asignación al azar o aleatorización (R). Cuando aparece quiere decir que los sujetos han sido asignados
a un grupo de manera aleatoria.
• Grupo de sujetos (G). Donde G 1 es el grupo 1, G 2 es el grupo 2, etc.
• Tratamiento, estímulo o condición experimental (X). Presencia de algún nivel o modalidad de la variable
independiente.
• Una medición a los sujetos de un grupo (O). Prueba, cuestionario, observación, entrevista, etc. Si aparece
antes del estímulo o tratamiento, se trata de una preprueba (previa al tratamiento). Si aparece después del estímulo se trata de una posprueba (posterior al tratamiento).
• Ausencia de estímulo experimental (-). Nivel “cero” en la variable independiente. Indica que se trata de un
grupo de control.
3.2.1. Diseño con posprueba únicamente y grupo de control.
Este diseño incluye dos grupos, uno recibe el tratamiento experimental y el otro no (grupo de control). Es decir, la manipulación de la variable independiente alcanza sólo dos niveles: presencia y ausencia. Los sujetos se asignan a los grupos de manera aleatoria. Después de que concluye el periodo experimental, a ambos grupos se les administra una medición sobre la variable dependiente del estudio. El diseño se esquematiza de la siguiente manera:
RG 1 X O 1
RG 2 - O 2
En este diseño, la única diferencia entre los grupos debe ser la presencia-ausencia de la variable independiente. Inicialmente son equivalentes y para asegurarse de que durante el experimento continúen siéndolo (salvo por la presencia o ausencia de dicha manipulación) el experimentador debe observar que no ocurra algo que sólo afecte a un grupo. La hora en que se efectúa el experimento debe ser la misma para ambos grupos (o ir mezclando un sujeto de un grupo con un sujeto del otro grupo, cuando la participación es individual), lo mismo que las condiciones ambientales y demás factores mencionados al hablar de la equivalencia de los grupos. La posprueba se aplica de manera simultánea a ambos grupos. Es preferible administrarla inmediatamente después de que concluya el experimento, en especial si la variable dependiente tiende a cambiar con el paso del tiempo.
La comparación entre las pospruebas de ambos grupos (O 1 y O 2 ) nos indica si hubo o no efecto de la manipulación. Si ambas difieren significativamente, esto nos indica que el tratamiento experimental tuvo un efecto a considerar. Si no hay diferencias (O 1 = O 2 ), ello indica que no hubo un efecto significativo del tratamiento experimental (X). En ocasiones se espera que O 1 sea mayor que O 2. Por ejemplo, si el tratamiento experimental es un método educativo que facilita la autonomía por parte del alumno, y si el investigador hipotetiza que incrementa el aprendizaje, cabe esperar que el nivel de aprendizaje del grupo experimental, expuesto a la autonomía, sea mayor que el nivel de aprendizaje del grupo de control no expuesto a la autonomía (O 1 > O 2 ). En otras ocasiones se espera que O 1 sea mayor que O 2. Por ejemplo, si el tratamiento experimental es un fármaco que supuestamente disminuye el colesterol, el nivel de colesterol del grupo experimental deberá ser mayor que el del grupo de control (O 1 < O 2 ). Pero si O 1 y O 2 son iguales, quiere decir que el fármaco no reduce el colesterol. Asimismo, puede suceder que los resultados vayan en contra de la hipótesis. Por ejemplo, en el caso del colesterol, si O 2 es menor que O 1 (el nivel de colesterol es menor en el grupo que no recibió el tratamiento experimental, el que no tomó el fármaco). La prueba estadística que suele utilizarse en este diseño para comparar a los grupos es la prueba “t” para grupos relacionados, al nivel de medición por intervalos.
El diseño con posprueba únicamente y grupo de control puede extenderse para incluir más de dos grupos (tener varios niveles o modalidades de manipulación de la variable independiente). En este caso, se usan dos o más tratamientos experimentales, además del grupo de control. Los sujetos se asignan al azar a los grupos, y los efectos de los tratamientos experimentales se investigan comparando las pruebas de los grupos. Su formato general sería:
RG 1 X 1 O 1
RG 2 X 2 O 2
RG 3 X 3 O 3
RGk Xk Ok RG - Ok+
a través del tiempo varias observaciones o mediciones sobre una variable, sea o no experimental, sólo que en este caso se les llama experimentales porque reúnen los requisitos para serlo. También en estos diseños se tienen dos o más grupos y los sujetos son asignados al azar a dichos grupos. Pero, debido a que transcurre mucho más tiempo entre el inicio y la terminación del experimento, el investigador debe tener cuidado de que no ocurra algo que afecte de manera distinta a los grupos (con excepción de la manipulación de la variable independiente). Lo mismo sucede cuando la aplicación del estímulo lleva mucho tiempo. Con el paso del tiempo es más difícil mantener la equivalencia inicial de los grupos.
Ejemplos de cómo se esquematizan las series cronológicas experimentales se muestran a continuación:
• Serie cronológica sin preprueba, con varias pospruebas y grupo de control:
RG 1 X 1 O 1 O 2 O 3
RG 2 X 2 O 4 O 5 O 6
RG 3 X 3 O 7 O 8 O 9
RG 4 - O 10 O 11 O 12
• Serie cronológica con preprueba, con varias prospruebas y grupo de control:
RG 1 O 1 X 1 O 2 O 3 O 4
RG 2 O 5 X 2 O 6 O 7 O 8
RG 3 O 9 X 3 O 10 O 11 O 12
Las pospruebas pueden ser tantas como se quiera. Asimismo, en otras ocasiones se desea analizar la evolución de los grupos antes y después del tratamiento experimental. En esta situación pueden incluirse varias prepruebas y pospruebas, en cuyo caso se tendrían esquemas como los siguientes:
RG 1 O O O X 1 O O O
RG 2 O O O X 1 O O O
RG 3 O O O - O O O
Una ventaja del diseño con varias prepruebas y pospruebas es que permite evaluar la evolución comparativa de los grupos. Las figuras 6.2 y 6.3 muestran algunas de las configuraciones que pueden surgir a partir de los datos obtenidos en las prepruebas y pospruebas, las cuales enriquecen la interpretación de la evolución de los grupos. En estos casos debe observarse que no haya sido ningún suceso ajeno el que provoque el efecto, en lugar de la manipulación de la variable independiente. Dentro de cada grupo, se compararían los resultados de las prepruebas con los de las pospruebas con el fin de saber si se ha producido algún efecto y, de ser así, si el efecto es creciente o temporal. También se debería comparar el diagrama del grupo de tratamiento con el del grupo de control, ya que podría ocurrir que no se hubiera producido una equivalencia real del los grupos al inicio del experimento. Además de haber un diagrama por cada grupo, también se podrían agrupar los efectos provocados en todos los grupos dentro de un único diagrama ( Figura 6.4 ). Desde luego, si se está midiendo más de una variable dependiente, en el primer caso (diagramas “de cada grupo)” se tendrá un diagrama para cada grupo por cada variable dependiente; en el segundo caso (diagramas “agrupados”) se tendrá un diagrama para cada variable dependiente.
En estos diseños de series cronológicas se controlan todas las fuentes extrañas de invalidación interna, siempre y cuando se lleve a cabo un seguimiento minucioso de los grupos para asegurarse de que la única diferencia entre ellos sea la manipulación de la variable independiente. En algunos casos, llega a haber influencia de la repetición de las mediciones sobre la variable dependiente, sobre todo en las pruebas donde el sujeto participa activamente y sabe que está respondiendo a una prueba (cuestionarios, entrevistas, pruebas estandarizadas), no tanto así en las mediciones en que el sujeto es más pasivo y no es consciente de que se le mide. De cualquier manera, en caso de que exista dicha influencia, se presentará de forma similar en todos los grupos (porque son equivalentes y el número de pruebas aplicadas es el mismo).
3.2.4. Diseños de series cronológicas con repetición de estímulo.
En ocasiones, el investigador anticipa que el tratamiento o estímulo experimental no tiene efecto o es mínimo si se aplica una sola vez, tal como sería hacer ejercicio físico un solo día o consumir vitaminas por una única vez. También en ocasiones el investigador quiere conocer el efecto sobre las variables dependientes cada vez que se aplica el estímulo experimental. Por ejemplo, en una técnica de condicionamiento operante el investigador puede querer saber cuántas veces debe aplicar el reforzamiento a una conducta para lograr condicionar la respuesta a un estímulo. En estos casos es posible repetir el tratamiento experimental y administrar una posprueba después de cada aplicación con el fin de evaluar el efecto de cada una de éstas. Los sujetos se asignan al azar a los distintos grupos y a cada grupo se le administra varias veces el tratamiento experimental que le corresponde.
A continuación se muestra un ejemplo de serie cronológica con repetición del estímulo en el que el tratamiento se aplica dos veces al grupo experimental:
RG 1 O 1 X 1 O 2 X 1 O 3
RG 2 O 4 - O 5 - O 6
3.3. ¿Qué es la validez externa de un experimento?
Un experimento debe buscar, ante todo, validez interna (es decir, confianza en los resultados). Si no se logra, no hay experimento verdadero. Para ello, lo primero es eliminar las fuentes extrañas que atentan contra dicha validez. Pero la validez interna es sólo una parte de la validez de un experimento; junto a ella, es muy deseable que el experimento tenga validez externa. La validez externa se refiere a qué tan generalizables son los resultados de un experimento a situaciones no experimentales y a otros sujetos o poblaciones. Responde a la pregunta: ¿Lo que encontré en el experimento a qué sujetos, poblaciones, contextos, variables y situaciones se aplica?
Existen diversos factores que llegan a amenazar la validez externa (son las llamadas fuentes de invalidación externa). Los más comunes son los siguientes:
• Efecto reactivo o de interacción de las pruebas. Se presenta cuando la preprueba aumenta o
disminuye la sensibilidad o la calidad de la reacción de los sujetos a la variable experimental, haciendo que los resultados obtenidos para una población con preprueba no puedan generalizarse a quienes forman parte de esa población aunque sin preprueba. Un ejemplo: en un experimento diseñado para analizar si un documental aumenta la sensibilidad del público al bienestar animal, la preprueba podría sensibilizar al grupo experimental y el documental lograr un efecto mayor del que tendría si no se aplicara la preprueba. Es decir, podría ocurrir que el documental sólo tuviera efecto cuando se administra la preprueba.
• Efecto de seleccionar sujetos atípicos. Este factor se refiere a que se elijan sujetos con una o varias
características que hagan que el tratamiento experimental produzca un efecto que no se daría si los sujetos no tuvieran esas características. Por ejemplo, si seleccionamos propietarios de perros bastante motivados para un experimento sobre terapias “alternativas”, podría ocurrir que el tratamiento sólo tuviera efecto en este tipo de sujetos y no en otros. Ello se resolvería con una muestra representativa de todos los propietarios de perros. A veces este factor se presenta en algunos experimentos donde se reclutan voluntarios.
• Artificialidad de la situación experimental. La “artificialidad” de las condiciones puede hacer que el
contexto experimental resulte atípico respecto a la manera en que se aplica regularmente el tratamiento. Por ejemplo, a causa de la presencia de observadores y equipos, los sujetos llegan a alterar su conducta normal en la variable dependiente medida, la cual no se alteraría en una situación común donde se aplicara el tratamiento. Por ello, el experimentador tiene que hacer lo posible para que los sujetos reduzcan su “reactividad” al mínimo.
• Imposibilidad de replicar los tratamientos. Cuando los tratamientos son tan complejos que no pueden
replicarse en situaciones no experimentales, es difícil generalizar a éstas. Para lograr una mayor validez externa, es conveniente tener grupos lo más parecidos posible a la mayoría de los sujetos a quienes se desea generalizar y repetir el experimento varias veces con diferentes grupos. También hay que tratar de que el contexto experimental sea lo más similar posible al contexto que se
investigador debe analizar si los grupos son o no equiparables; de no serlo, el investigador debe declinar hacer la investigación con fines explicativos y limitarse a propósitos descriptivos y/o correlacionales.
Con excepción de la diferencia que acabamos de mencionar, los cuasiexperimentos son muy parecidos a los experimentos. Por lo tanto, podemos decir que hay casi tantos diseños cuasiexperimentales como experimentales. Sólo que no hay asignación al azar. Pero por lo demás son iguales, la interpretación es similar, las comparaciones son las mismas y los análisis estadísticos iguales (salvo que a veces se consideran las pruebas para datos no correlacionados).
- Diseños no experimentales.
La investigación no experimental podría definirse como la investigación que se realiza sin manipular deliberadamente varias variables. Es decir, se trata de investigación donde no se hace variar de forma intencional las variables independientes. Lo que se hace en la investigación no experimental es observar fenómenos tal y como se dan en su contexto natural para después analizarlos. En la investigación no experimental no es posible manipular las variables o asignar aleatoriamente a los participantes o tratamientos. De hecho, no hay condiciones o estímulos a los cuales se expongan los sujetos del estudio. Los sujetos se observan en su ambiente natural.
En un experimento, el investigador construye deliberadamente una situación a la que son expuestos varios individuos. Esta situación consiste en recibir un tratamiento, una condición o un estímulo bajo determinadas circunstancias, para después evaluar los efectos de la exposición o aplicación de dicho tratamiento o tal condición. Dicho de otro modo, en un experimento se “construye” una realidad o un ambiente. En cambio, en un estudio no experimental no se construye ninguna situación, sino que se observan situaciones ya existentes no provocadas intencionalmente por el investigador. En una investigación no experimental las variables independientes ya han ocurrido y no es posible manipularlas. El investigador no tiene control directo sobre dichas variables, ni puede influir sobre ellas, porque ya sucedieron, al igual que sus efectos. En resumen, en un estudio no experimental los sujetos ya pertenecían a un grupo o nivel determinado de la variable independiente por autoselección. Un ejemplo no científico (y tal vez demasiado coloquial) para ilustrar la diferencia entre un experimento y un no experimento sería el siguiente:
• Experimento: Enfadar intencionadamente a una persona y analizar sus reacciones.
• No experimento: Analizar las reacciones de una persona cuando llega enfadada.
Tanto la investigación experimental como la no experimental son herramientas muy valiosas y ningún tipo es mejor que el otro. El diseño a seleccionar en una investigación depende más bien del problema a resolver y del contexto que rodea al estudio. Desde luego, ambos tipos de investigación poseen características propias que es necesario resaltar. El control sobre las variables es más riguroso en los experimentos que en los cuasiexperimentos y, a su vez, ambos tipos de investigación logran mayor control que los diseños no experimentales. En un experimento se analizan relaciones “puras” entre las variables de interés, sin contaminación de otras variables y, por ello, es posible establecer relaciones causales con mayor precisión. En cambio, en la investigación no experimental resulta más complejo separar los efectos de las múltiples variables que intervienen. En la investigación experimental las variables pueden manipularse por separado o conjuntamente con otras para conocer sus efectos; en la investigación no experimental no se manipula. Ahora bien, en los experimentos (sobre todo en los de laboratorio) las variables independientes pocas veces tienen tanta fuerza como en la realidad o la cotidianidad. Es decir, en el laboratorio tales variables no demuestran la verdadera magnitud de sus efectos, la cual suele ser mayor fuera del laboratorio. Por lo tanto, si se encuentra un efecto en el laboratorio, éste tenderá a ser mayor en la realidad. En cambio, en la investigación no experimental estamos más cerca de las variables hipotetizadas como “reales” y, en consecuencia, tenemos mayor validez externa (es decir, la posibilidad de generalizar los resultados a otros individuos o situaciones cotidianas). Una desventaja de los experimentos es que normalmente se selecciona un número de sujetos poco o medianamente representativo respecto a las poblaciones que se estudian. La mayoría de los experimentos, además, utilizan tamaños muestrales de pequeño tamaño, lo que dificulta la generalización de los resultados a poblaciones más amplias. Por esta razón, los resultados de un experimento deben observarse con precaución y es a través de la réplica de éste (en distintos contextos y con diferentes tipos de sujetos) como van generalizándose dichos resultados. En resumen, ambas clases de investigación (experimental y no experimental) se utilizan para el avance del conocimiento y en ocasiones resulta más apropiado un tipo u otro, dependiendo del problema de investigación a que nos enfrentemos.
Distintos autores han adoptado diversos criterios para clasificar los tipos de investigación no experimental. Una clasificación sencilla los divide en transeccionales y longitudinales.
4.1. Investigación transeccional (o transversal).
Los diseños de investigación transeccionales o transversales recolectan datos en un solo momento y en un único tiempo. Su propósito es describir variables y analizar su incidencia e interrelación en un momento dado (o describir poblaciones, eventos, fenómenos o contextos). Es como tomar una fotografía de algo que sucede. Pueden abarcar varios grupos o subgrupos de sujetos, objetos o indicadores, así como diferentes poblaciones, situaciones o eventos. A su vez, los diseños transeccionales se dividen en tres tipos:
• Diseños transeccionales exploratorios. El propósito de estos diseños es comenzar a conocer una
población, un contexto, un evento, una situación, una variable o un conjunto de variables. Se trata de una exploración inicial en un momento específico. Por lo general, se aplican a problemas de investigación nuevos o poco conocidos y constituyen el preámbulo de otros diseños (no experimentales y experimentales).
• Diseños transeccionales descriptivos. Tienen como objetivo indagar la incidencia y los valores en que
se manifiestan una o más variables; también pueden ubicar, categorizar y proporcionar una visión de una población, un evento, un contexto, un fenómeno o una situación (describirla, como su nombre indica). El procedimiento consiste en medir o ubicar a un grupo de sujetos, objetos, situaciones, contextos o fenómenos en una variable o concepto (generalmente más de una variable o concepto) y proporcionar su descripción. Son, por lo tanto, estudios puramente descriptivos y cuando establecen hipótesis, éstas son también descriptivas. Los estudios transeccionales descriptivos nos presentan un panorama del estado de una o más variables en uno o más grupos de sujetos, objetos o indicadores en determinado momento; también presentan el panorama de una población, un contexto, una situación, un fenómeno o un evento en un punto en el tiempo.
• Diseños transeccionales correlacionales-causales. Estos diseños describen relaciones entre dos o
más categorías, conceptos o variables en un momento determinado. Se trata también de descripciones, pero no de categorías, conceptos, objetos ni variables individuales, sino de sus relaciones, sean éstas puramente correlacionales o relaciones causales. En estos diseños, lo que se mide o evalúa es la asociación entre categorías, conceptos, objetos o variables en un tiempo determinado. A veces únicamente en términos correlacionales, otras en términos de relación causa-efecto (es decir, razones por las que se manifiesta una categoría, una variable, un suceso o un concepto), pero siempre en un momento específico. Cuando se limitan a establecer relaciones entre variables sin precisar sentido de causalidad, el diseño se fundamenta en ideas o hipótesis correlacionales; por el contrario, cuando buscan evaluar relaciones causales, se basan en ideas o hipótesis causales (en este último caso, el diseño será explicativo).
4.2. Investigación longitudinal.
En ocasiones, el interés del investigador es analizar cambios a través del tiempo en determinadas categorías, conceptos, sucesos, eventos, variables, contextos o poblaciones, así como en las relaciones entre éstas. En estos casos se pueden utilizar los diseños longitudinales, los cuales recolectan datos a través del tiempo en puntos o periodos, para hacer inferencias respecto al cambio, sus determinantes y consecuencias. Tales puntos o periodos se suelen especificar de antemano y se van determinando, ajustando o reprogramando conforme avanza el estudio.
- Selección de la muestra de estudio.
Llamamos población (o universo) al conjunto de todos los casos que concuerdan con una serie de especificaciones. La muestra es, en esencia, un subgrupo de la población. Es decir, es un subconjunto de elementos que pertenecen a ese conjunto definido en sus características al que llamamos población. La población se suele simbolizar con el símbolo “N” y la muestra con “n”. Con frecuencia leemos y escuchamos hablar de “muestra representativa”, “muestra al azar”, “muestra aleatoria”, como si con los simples términos se pudiera dar más seriedad a los resultados. En realidad, pocas veces es posible medir a toda la población, por lo que es necesario obtener o
