Técnicas de Control de Variables Extrañas y Validez en la Investigación Estadística

Técnicas de Control de Variables Extrañas en Investigación

Balanceo o equilibración: Equilibrar el efecto de una Variable Extraña (VE) manteniendo constante la proporción de cada valor de la VE en todos los grupos. Se pueden usar varios valores distintos de 0 si se mantiene la proporción. Esto se logra mediante técnicas de:

Aleatorización: (Asociada a diseños de grupos aleatorios) Es el método más utilizado e importante. Permite el control de las variables conocidas y desconocidas. Se usa cuando no se sabe cómo pueden influir ciertas VE. Se reparten aleatoriamente los distintos valores de la VE entre los distintos grupos (para asignar los participantes a los grupos o para asignar los tratamientos a los grupos). Las VE tienen las mismas probabilidades de actuar en todos los grupos. Requiere un gran número de sujetos.
Bloques: Se forman subgrupos (bloques) con puntuaciones similares en una VE relacionada con la Variable Dependiente (VD) → variable de bloqueo y se asigna el mismo número de sujetos de cada bloque a cada grupo.
Emparejamiento o equiparación: Asignar a cada uno de los grupos sujetos que posean la misma magnitud en una o varias VE muy relacionadas (variable de emparejamiento) con la VD. Su efectividad depende del grado de correlación entre las VE y la VD. Quedan fuera los que quedan sin pareja. Adecuado para muestras pequeñas.

Sujeto como control propio: Asociada al diseño intrasujeto. Para controlar las VE de los sujetos. Todos los sujetos pasan por todas las condiciones. Puede que la respuesta del sujeto esté influida por el orden de presentación de las condiciones → efecto de orden o error progresivo, que se controla con el contrabalanceo, o puede pasar que cuando se le aplica al sujeto un nuevo tratamiento no se le haya pasado el efecto del anterior → efectos residuales o de arrastre, que se controla espaciando más las condiciones y con el contrabalanceo.

Contrabalanceo o equiponderación: Para controlar el error progresivo, se basa en la existencia de una relación lineal entre el error progresivo y el orden de cada tratamiento dentro de una secuencia experimental (aumenta el número de orden, aumenta el nivel de error). Pretende distribuir el error equitativamente entre todas las condiciones. A cada sujeto se le presentan las condiciones en un orden diferente; cada una debe aplicarse el mismo número de veces y en el mismo orden.

Contrabalanceo intrasujeto: Controla el error progresivo individual. Primero tratamientos en un orden y luego en el inverso. Esta técnica distribuye el error progresivo por igual en la secuencia experimental. Inconveniente: Cada sujeto recibe más de una vez el tratamiento.
Contrabalanceo intragrupo: Controla el error progresivo grupal. Distintas secuencias de tratamientos a diferentes subgrupos.
- Completo: Si se utilizan todas las combinaciones posibles de tratamientos. Se calculan hallando el factorial del número de condiciones.
- Incompleto: Si se utilizan solo algunas de las combinaciones posibles de tratamientos.
  1. Estructura de cuadrado latino: Solo se utilizan tantas frecuencias como tratamientos haya en el experimento y cada secuencia se administra a un subgrupo diferente. Para saber qué secuencia utilizar vamos rotando la condición inicial sucesivas veces hasta llegar al número deseado. Con tantas filas y columnas como número de tratamientos. Cada condición aparece una vez en cada fila y en cada columna y en cada posición ordinal.
  2. Aleatorio: Selecciona al azar de todas las secuencias posibles, tantas secuencias como número de participantes, y aplica aleatoriamente una secuencia a cada participante. Requiere un número elevado de sujetos.

Simple y doble ciego: Controla errores de la “demanda de la situación experimental” y del “efecto del experimentador”.

Simple ciego: Los participantes desconocen la situación experimental en la que se encuentran y el tratamiento que se les aplica.
Doble Ciego: Ni los participantes ni el experimentador conocen en qué condición se encuentran.

Sistematización de las VE: El investigador convierte una VE en una Variable Independiente (VI) y la incorpora a la investigación.

Técnicas estadísticas: El control no se hace sobre las VE sino aplicando procedimientos estadísticos posteriormente. Nos permiten separar el efecto de la VI sobre la VD del efecto de las VE sobre la VD. Útiles cuando la conducta es muy compleja. Las más utilizadas son: correlación parcial y análisis de covarianza (ANCOVA).

Validez de la Investigación

Toda investigación tiene como objetivo obtener información sobre las relaciones funcionales entre las variables objeto de estudio. La validez de una investigación está relacionada con la veracidad de sus resultados y está en función de la estrategia de investigación utilizada y del cuidado y rigurosidad de su planificación. + Validez, + fuerza en sus conclusiones, + poder de generalización.

Validez: Grado de confianza que puede adoptarse respecto a la veracidad o falsedad de una determinada investigación.

Campbell y Stanley (1966)

Validez interna (amenazas que pueden ser controladas por la asignación aleatoria).
Validez externa (amenazas que no se pueden controlar con la asignación aleatoria). (Hasta entonces se asumía que la mera asignación aleatoria de los sujetos a los tratamientos controlaba los sesgos y llevaba a conclusiones sólidas).

Cook y Campbell (1979)

Validez de conclusión estadística (previa a la validez interna – existe relación).
Validez de constructo (previa a la validez externa).

La validez de una investigación se evalúa en función de:

Calidad de la inferencia causal (validez interna)

Validez de Conclusiones Estadísticas o Validez Inferencial

Potencia de un diseño para detectar el efecto del tratamiento → grado de confianza (dado un nivel determinado de significación estadística) en la correcta inferencia de la hipótesis. Validez principalmente de dos inferencias estadísticas que pueden afectar la covariación (relación empírica entre la VI y la VD):

Si dichas Variables covarían (Error Tipo I y Error Tipo II)
Y si es así, cuál es la magnitud empírica de dicha covariación (Infra o sobreestimación de la magnitud de la covariación)

Amenazas en general: Elección de la prueba estadística y nivel de significación estadística y Aumento de la varianza error, los tratamientos y la muestra.
En particular:
- Violación de los supuestos del modelo estadístico: A veces aplicamos una prueba sin tener en cuenta los supuestos que deben cumplir los datos para que esa prueba se pueda aplicar. Control → Se debe elegir adecuadamente una prueba estadística paramétrica o no paramétrica (procedimientos estadísticos y de decisión basados en las distribuciones de los datos reales. Estas son determinadas usando un número finito de parámetros. Cuando desconocemos totalmente qué distribución siguen nuestros datos entonces deberemos aplicar primero un test no paramétrico, que nos ayude a conocer primero la distribución. La mayoría de procedimientos paramétricos requiere conocer la forma de distribución para las mediciones resultantes de la población estudiada. Para la inferencia paramétrica es requerida como mínimo una escala de intervalo, esto quiere decir que nuestros datos deben tener un orden y una numeración del intervalo. Es decir nuestros datos pueden estar categorizados en: menores de 20 años, de 20 a 40 años, de 40 a 60, de 60 a 80, etc., ya que hay números con los cuales realizar cálculos estadísticos. Sin embargo, datos categorizados en: niños, jóvenes, adultos y ancianos no pueden ser interpretados mediante la estadística paramétrica ya que no se puede hallar un parámetro numérico (como por ejemplo la media de edad) cuando los datos no son numéricos), dependiendo de si los datos cumplen o no los supuestos del modelo.
- Baja potencia estadística: Potencia: es la probabilidad de rechazar la hipótesis nula cuando la hipótesis alternativa es la cierta. Cuando no elegimos bien el nivel de significación estadística ni el tamaño de la muestra podemos concluir que la relación entre la VI y la VD no existe cuando sí existe (Error Tipo II, aceptamos la hipótesis nula cuando la hipótesis alternativa es cierta). A + tamaño de muestra + posible de detectar el efecto del tratamiento. Control → elegir adecuadamente el nivel de significación estadística y el tamaño de la muestra.

Validez Interna

Probabilidad de obtener conclusiones correctas acerca del efecto de la VI sobre la VD. Esta inferencia causal (porque se centra en los factores causantes del cambio observado en la VD) será válida en la medida en que el diseño de investigación permita establecer una contigüidad temporal entre la VI y la VD y eliminar todas las hipótesis explicativas rivales. Además de controlar las VE debe distinguir la dirección de la causación (VI → VD o VD → VI) y esta distinción dependerá del conocimiento de la secuencia temporal de las Variables (es más fácil de detectar en un método experimental que en uno no experimental). Se logra cuando se controla la varianza sistemática secundaria (Variabilidad de la medida de VD por la influencia de VE), cuando los grupos solo difieren entre en el tratamiento y cuando la medición de la VD es fiable.

Amenazas:

Procedencia temporal ambigua de la causa: Falta de claridad sobre causa y efecto. En investigaciones no experimentales y ex post facto (Variables de estudio son de selección de valores). Control → diseños no experimentales/longitudinales y técnicas de análisis de datos (ecuaciones estructurales, análisis de senderos, etc.).
Historia: Acontecimientos que ocurren durante el desarrollo del estudio (dentro o fuera) y que puedan afectar a la VD y confundir los resultados (factores ambientales, vida personal del sujeto, etc.). Control → grupo control o técnicas de aleatorización, de constancia o de eliminación (mantener constantes las VE o eliminarlas de todos los grupos).
Maduración: Procesos internos (del propio sujeto) e independientes del tratamiento, no debidos al aspecto ambiental, como consecuencia del transcurso del tiempo (fatiga, aburrimiento, crecimiento, etc.). Más probables en intervalos de tiempo largos entre el tratamiento y la medición de la VD y cuando los participantes son niños. Control → reducir el tiempo del experimento y añadir un grupo control.
Administración de pruebas: La familiaridad por la administración de una prueba puede distorsionar la respuesta de la siguiente. En diseños intersujetos cuando se utilizan medias pretest y postest, en diseños intrasujetos (efecto de orden o error progresivo y efectos residuales o de arrastre). Control → Grupo control y contrabalanceo.
Instrumentación: Proceso de medición de la VD. Cambios en los instrumentos por el paso del tiempo o la mala calibración y en la metodología observacional por cambios en el observador (conocimientos, percepción, cansancio, etc.). Control → entrenamiento de observadores y utilización de instrumentos estandarizados, válidos y fiables. Cuando son errores aleatorios (aumentarían la varianza de error) que se controla utilizando grupos grandes de sujetos.
Selección diferencial: La formación de grupos debe ser equivalente antes de la aplicación del tratamiento. Amenaza frecuente en diseños cuasiexperimentales (grupos ya formados). Control → Diseño intersujeto: Selección aleatoria, bloques aleatorios, emparejamiento. Diseño intrasujeto: selección aleatoria de la población. Diseños no experimentales: muestras amplias y representativas.
Mortalidad experimental: Pérdida de participantes durante el tratamiento que amenaza la equivalencia inicial. Control → grupos grandes.
Regresión estadística: Cuando la selección de los sujetos es en función de los valores obtenidos en una variable (y no aleatoriamente) y seleccionamos a sujetos con puntuaciones muy extremas y al volver a medir esas puntuaciones se han acercado a valores medios, a consecuencia de la falta de fiabilidad de los instrumentos. Control → Realizar varias medidas antes de seleccionar a los sujetos (pero se podrían familiarizar con el test y aparecer la amenaza “administración de prueba”).
Posibles interacciones de todas con la selección diferencial

Validez de Constructo

Grado de correspondencia entre la manipulación de la VI y la media de la VD y el constructo teórico que se pretende estudiar o medir (hasta qué punto se pueden inferir constructos a partir de relaciones causa-efecto entre las variables).

Validez de constructo de una causa: Grado en que la VI representa el constructo teórico al que se pretende atribuir el efecto del tratamiento de la conducta.
Validez de constructo de un efecto: Grado en que la VD representa el atributo teórico que pretende medir.

Amenazas: Deficiente comprensión, explicación o definición del constructo por parte de los investigadores que da lugar a una inadecuada operativización. Inadecuada medición de los constructos.

Control → Desarrollar una teoría adecuada de constructo que lo relacione con otros constructos y con otras posibles operacionalizaciones. Cuando los participantes son humanos la reactividad a los dispositivos experimentales puede afectar a la validez externa y a la validez del constructo, se controla → con el simple ciego o con el doble ciego.

Validez Externa

Posibilidad de generalización de los resultados a poblaciones (validez poblacional), a las situaciones (Validez ecológica) o a momentos temporales (validez histórica) diferentes a los utilizados en esa investigación. Para que esto suceda es fundamental que la muestra sea representativa y que se haya seleccionado aleatoriamente.

Amenazas: Interacción entre el tratamiento y aspectos de la investigación (selección, situación y momento temporal).

Relacionadas con la interacción:
1. Interacción entre selección y tratamiento (selección X tratamiento): Carece de validez poblacional cuando los resultados no pueden generalizarse a la población de referencia ni a otras poblaciones debido a que la interacción hallada es específica de los participantes del estudio (no representan a la población). Control → acotando las características de la población de referencia y seleccionando aleatoriamente la muestra (si no es posible hay que incluir muchos sujetos heterogéneos en las variables relacionadas y replicar el experimento en muestras diferentes.
2. Interacción entre situación y tratamiento (situación X tratamiento): Disminuye la validez ecológica. Provocada por la artificialidad de las situaciones experimentales. Muy frecuente en el método experimental y poco frecuente en la metodología cualitativa. Control → Replicar la investigación en situaciones diferentes y que la situación experimental sea lo más natural posible.
3. Interacción entre historia y tratamiento (historia X tratamiento): Déficit de la validez histórica. Si durante la investigación ocurren acontecimientos que interactúan con el tratamiento, los resultados se vincularán a ese momento temporal y no se podrá generalizar a momentos diferentes. Control → Replicar el experimento en momentos temporales distintos.
No relacionadas con la interacción:
1. Interferencia de tratamientos múltiples: En diseños Intrasujetos → varios tratamientos a los mismos participantes. La respuesta del sujeto puede estar condicionada por los tratamientos anteriores, disminuyendo la validez externa e interna y reduce la capacidad de generalización. Control → Contrabalanceo.
2. Efecto reactivo de las pruebas: Parecida a la anterior (también en diseños intersujetos con pretest). El pretest puede sensibilizar al sujeto, disminuyendo la validez externa e interna y reduce la capacidad de generalización. Control → Igual que en administración de pruebas: Grupo control y contrabalanceo.
3. Efecto reactivo de los dispositivos experimentales: Cuando un participante se sabe observado y evaluado puede suponer lo que el experimentador quiere de él (características de la demanda de la situación experimental) y evitar las respuestas que cree suscitarán una reacción negativa. Control → Simple ciego o doble ciego. También puede que los sujetos no respondan al tratamiento sino a la novedad de la situación en la que el tratamiento se administra.

Métodos y Diseños Experimentales

Comienzo de la psicología científica → Fechner, 1º en aplicar los métodos matemáticos a los problemas psicológicos. Comienzo de la psicología como ciencia → Wundt, cuando se aplica el método experimental al objeto de estudio de la psicología.

Definición, Características y Objetivo del Método Experimental

Se crea una situación experimental en la que se pretende buscar una relación de causalidad entre un aspecto del ambiente (VI) y un aspecto de la conducta del sujeto (VD), controlando el resto de los factores (VE) que podrían influir en la conducta estudiada.

Situación experimental

En un laboratorio: (Experimento de laboratorio).
En el marco natural del sujeto: (Experimento de campo).

En ambos casos el investigador crea las condiciones en lugar de esperar que se den de forma natural. Se puede repetir y variar para ver las diferencias.

Replicar

Se realizan ensayos pilotos para estudiar aspectos como la influencia de VE, número de estímulos, etc.: Experimento piloto

Requisitos del Método Científico

Manipulación (Se determinan los valores de la VI y se crean las condiciones para la presentación artificiales de esos valores. Al menos una de las VI debe ser manipulada intencionalmente (cuando solo permiten la manipulación por selección de valores (edad, sexo, inteligencia, status socioeconómico, se usa el método como el ex post facto)) → VI
Mínimo 2 condiciones experimentales (para que contraste la situación se crea, como mínimo, un grupo que pase por dos condiciones o dos grupos uno experimental al que se le aplica el tratamiento y otro de control al que no se le aplica el tratamiento) → Estrategia intrasujeto (1 grupo) → Estrategia intersujeto (2 o más grupos)
Equivalencia inicial de grupos → Aleatorización (Se usa en dos momentos: a) al asignar los participantes al grupo y b) al asignar los grupos a los tratamientos. Con esto se logra la equivalencia inicial)
Estrategia intrasujeto Control (Acción directa y manipulativa del experimentador sobre la VI y las VE, lo que permite que las conclusiones sobre los cambios de la VD son debidos a las modificaciones de la VI)
Fluctuaciones aleatorias Objetivo: Causalidad entre VI – VD

Para que exista causalidad se tienen que dar 3 condiciones:

Contingencia temporal entre las Variables (la VI debe preceder a la VD)
Correlación o covariación entre las Variables (el cambio de valores de la 1º conlleve un cambio proporcional directo o inverso con 2º)
No espuriedad (No debe existir una 3ª variable que explique la relación por ser la verdadera causa)

Clasificación de los Diseños Experimentales

Diseños Unifactoriales Intersujetos

Grupo formado por diferentes sujetos que estudian la influencia de 1 VI sobre 1VD en 2 o + grupos equivalentes.

Diseños de grupos aleatorios: Equivalencia inicial de los grupos, mediante su formación aleatoria y asignación de tratamiento aleatorio a cada grupo. Efecto de 1 VI con dos (Diseño de dos grupos aleatorios) o más niveles (Diseño multigrupo) sobre 1 VD.
Diseño de dos grupos aleatorios:
1. Grupo experimental (se le aplica el tratamiento) y Grupo control (no se le aplica el tratamiento o se le aplica un placebo).
2. Dos valores a la VI diferentes de cero. Dos grupos experimentales:

Diseño Multigrupo

3 o más valores de la VI. La asignación de los sujetos a los grupos es aleatoria. Informa sobre el tipo de relación que existe entre las Variables (curvilínea, lineal, etc.). Los grupos pueden ser todos experimentales o uno de control (con placebo), puede tener medidas pre y pos o solo postratamiento (Placebo: Z). Procesos similar al anterior.

Análisis de datos: diferente por la cantidad de medidas a comparar. Análisis de varianza (ANOVA) unifactorial de medidas independientes (para ver si hay diferencias entre las medidas, cuando se compran más de dos grupos)

Amenazas: validez interna y externa, iguales que en los diseños de 2 grupos.

Diseño de Bloques

Cuando las puntuaciones de la medida pretratamiento nos indican que los grupos no son homogéneos, cuando la aleatorización es insuficiente, cuando la muestra es pequeña y no hay equivalencia entre los grupos o cuando creemos que hay una VE que puede estar influyendo en la VD, se utiliza este diseño. Se puede usar en diseños unifactoriales o factoriales. Agrupa sujetos en subgrupos en función de la puntuación obtenida en la VD o en una VE muy relacionada con la VD. Es aconsejable que todos los bloques tengan el mismo número de sujetos. Luego se asigna el mismo número de sujetos de cada bloque a cada grupo, haciendo que la VE se distribuya por igual en todos los grupos y no contamine los resultados. Se controla la varianza sistemática secundaria y se reduce la varianza de error. La Variable que se usa para formar los bloques se llama Variable de bloqueo.

Variable de bloqueo se mide antes de la formación de grupos. Asegura la equivalencia de los grupos.

Medida pretratamiento se mide con grupos ya formados. Comprueba sean equivalentes.

1 Variable de Bloqueo; 1 o + VI; 2 o + Grupos

Diseño cuadrado latino: 2 Variables de Bloqueo (número de bloque en cada Variable de Bloqueo = número de condiciones experimentales)
Diseño Grecolatino: 2 o 3 Variables de Bloqueo (número total de Variables (VI y Variable de Bloqueo) = 4, número de niveles en todas las Variables = 4).
Diseño de bloque completo: Cada bloque es una réplica exacta del experimento (dentro de él se aplican todos los niveles de la VI)
Diseño de bloque incompleto: Se aplican solo algunas de los niveles de la VI (número elevado de tratamientos y número reducido de sujetos)
Diseño de grupos apareados o equiparados: Los sujetos tiene que ser idénticos (no similares como en los anteriores). La Variable de Bloqueo se llama Variable de apareo o Variable equiparada.
1. Medimos la Variable de Bloqueo en todos los sujetos de la muestra y decidimos el número de subgrupos que vamos a formar (+ variedad en las puntuaciones, + subgrupos)
2. Asignamos aleatoriamente a cada grupo el mismo número de sujetos de cada subgrupo (eliminando a los sujetos restantes de forma aleatoria)

Ventajas: Grupos + homogéneos, + validez interna.

Inconvenientes: Esfuerzo, coste, disminución de la validez externa (por la cantidad de sujetos que hay que eliminar por no encajar en los subgrupos) y sensibilidad de los sujetos a la medida previa de la VD cuando se toma con Variable de Bloqueo.

Análisis de datos:

Diseños de bloques = Diseños de grupos independientes
Incorporar la Variable de Bloqueo como variable de estudio → ANOVA de 2 factores, análisis de covarianza (ANCOVA)

Diseños Unifactoriales Intrasujetos o de Medidas Repetidas

Todos los sujetos pasan por todas las condiciones. Cada sujeto proporciona más de una medida de la misma VD. Puede influir el orden en el que se han presentado los diferentes niveles de la VI → efecto de orden o de arrastre (amenaza la validez interna), que se controla por el contrabalanceo.

Ventajas: Control interno, muestras pequeñas, menos costes y menos tiempo.

Inconveniente: Posible efecto de orden o arrastre (Control por Contrabalanceo) y la mortalidad experimental.

Análisis de datos: t de Student para medidas relacionadas (si comparamos dos medidas) o un ANOVA de un factor de medidas repetidas.

Diseños Factoriales

Influencia simultánea de 2 o + VI sobre 1 o + VD.

VI → Factores. Cada factor tiene 2 o más niveles y, cada tratamiento consiste en la combinación de estos factores. El experimento factorial más sencillo es el de dos factores con dos niveles c/u: AXB

2X2 (2 factores con 2 niveles c/u), 2X3 (2 factores; 2 niveles y 3 niveles) siendo el número tratamientos igual al producto de los niveles de los factores (4 y 6).
Intersujetos: tratamientos a diferentes sujetos
Intrasujetos: tratamientos a los mismos sujetos
Mixtos: algunos tratamientos a todos los sujetos y otros tratamientos a diferentes sujetos.

Ventajas: Permite estudiar los efectos principales, de interacción, diferenciales y simples.

Efecto principal: Influencia de cada VI sobre la VD. Tantos efectos principales como VI haya en la investigación.
Efecto diferencial: Se detecta mediante el estudio del efecto principal, comparando 2 diferentes niveles de un mismo factor. Si un efecto principal es significativo, las comparaciones entre sus niveles (si son más de 2) determina entre qué niveles se dan las diferencias que refleja el efecto principal.
Efecto de interacción: Cuando la influencia de una VI sobre la VD varía en función de los valores que toma la otra u otras VI. Ej.: en el diseño AXB, el efecto de interacción es solo de AXB, en el diseño AXBXC, los efectos de interacción son: AXB, AXC, BXC, AXBXC (+ factores, + posibles interacciones)

Pasos:

Multiplicar los niveles de la VI y ver cuantos tratamientos tenemos.
Asignar aleatoriamente o mediante bloqueo los sujetos a los tratamientos: todos los tratamientos a los mismos sujetos (diseños factorial intrasujeto), a diferentes sujetos (diseño factorial intersujetos), unos a los mismos y otros a diferentes (diseño factorial mixto).

Ventajas:

Comportamiento muy complejo e influenciado por muchas Variables que interactúan. Más ecológico (se asemeja + a la vida real).
Misma muestra de sujetos para evaluar los efectos de 2 o + VI. Efectos evaluados = que en unifactoriales. Más eficientes.
Evalúa la interacción entre las variables (imposible en unifactoriales).

Análisis de datos:

Análisis de varianza (ANOVA) bifactorial o de dos factores (o su equivalente no paramétrico).

Diseño Solomon

Solomon en 1949 → Interacción de la medida pretratamiento con la VD. Resultado de la combinación del diseño de dos grupos aleatorios con medida pre y postratamiento y el diseños de dos aleatorios solo con medida postratamiento. Se puede estudiar el efecto de interacción, por lo que se puede considerar como un diseño factorial 2X2 (medida pretratamiento como un factor.

4 grupos, dos experimentales, dos de control, dos con medida pre y pos y dos con medida pos solamente.

Pasos: Seleccionada la muestra y asignados aleatoriamente los sujetos a los 4 grupos, se decide aleatoriamente que grupos serán los experimentales y los del control y cuáles de ellos tendrán medidas pre pos o solo pos. Se toman las medidas de los grupos seleccionados, se aplica el tratamiento a los dos grupos experimentales (uno con pre y pos y otro con pos) y por último tomamos las medidas pos de los 4 grupos.

Ventajas: Poder comprobar explícitamente la interacción entre la medida pre y el tratamiento.

Análisis de datos: Análisis de varianza de dos factores.

Investigación Cuasi-Experimental

Características

La investigación cuasi-experimental proviene del ámbito educativo.

Se manipulan las VI No hay asignación aleatoria de los sujetos a los grupos. Los grupos ya están formados y por lo tanto no son equivalentes. Menor control y menor validez interna. Tiene mayor validez externa, ya que la investigación se lleva a cabo en situaciones en donde la conducta se da de forma natural. Busca la relación causal entre las variables. Comparte la lógica del paradigma experimental

Del Principio MAXMINCON, solo se dan MAXMIN (Maximizar las diferencias en la VI y Minimizar la varianza error (Controlar la varianza secundaria sistemática (VE) no se da. Hay muchas VE que ponen en juego la validez interna. Cuantos más factores extraños podemos descartar más valido será el estudio) El los diseños experimentales el criterio de asignación de los sujetos a los grupos es conocido y aleatorio, mientras que en los cuasiexperimentales no es aleatorio y generalmente no es conocido. Por lo que una de las principales tareas del investigador es identificar las amenazas a la validez interna, para poder tenerlas en cuenta y neutralizarlas.

CLASIFICACIÓN DE LOS DISEÑOS CUASIEXPERIMENTALES Campbell y Stanley (1966) Preexperimentales: Ausencia de la media pretest o del grupo de control. No permiten inferencias causales, pero son los módulos básicos para los cuasi-experimentos. Diseños de un solo grupo con medida solamente postest XO Diseño de solo postest con grupo no equivalente (que no recibe el tratamiento) XO Un solo grupo con pretest y postest (frecuente en Ciencias Sociales) O1 X O2

Cuasiexperimentales: Diseños con grupo de control Diseños sin grupo de control Diseños de series temporales interrumpidas

DISEÑOS CUASIEXPERIMENTALES CON GRUPO DE CONTROLGrupos formados de forma no aleatoria. Según sea la regla de asignación conocida o no conocida: *Diseño de grupo de control no equivalente grupos formados (regla de asignación no conocida) Se trata de que los grupos sean lo más equivalente posibles. Su lógica se basa en que las diferencias entre los grupos en el post sean mayores que las tomadas en el pretest. *Diseño pretest-postest con grupo de control no equivalente (muy usado en ciencias sociales) Grupo experimental (con medida pre y postest) (tratamiento), grupo control (con medidas pre y postest) (no tratamiento). Grupos ya formados, sin equivalencia inicial. O1 X O2 Amenazas que pueden confundir el efecto del tratamiento: Instrumentación, regresión estadística, interacción selección x maduración, interacción selección x historia. En análisis de datos se tiene que tener en cuenta estas VE que pueden llevar a una interpretación equívoca ya que en los diseños cuasiexperimentales no se puede ejercer control directo al trabajar con grupos ya formados. Mediante el control estadístico se puede determinar la influencia de las VE sobre la VD, la covarianza (ANCOVA) nos permite separar la varianza error de la varianza primaria y aislar las VE.

*Diseño de cohortes (ámbito educativo) Grupo de personas que pertenecen a algún tipo de institución formal o informal (familiar, social, educativa) sometidos por un período de tiempo a las mismas circunstancias y que van cambiando de un nivel a otro en dichas instituciones. Ventaja: se puede estudiar como un acontecimiento afecta un grupo (cohorte experimental) y compararlo con un cohorte control. Además se supone que las diferencias son pocas en estos grupos (por lo que se descarta la amenaza de la selección diferencial) Los grupos normalmente pertenecen a instituciones y se posee mucha información de los participantes Ventajas: permite establecer inferencias causales razonables, ya que los grupos cohortes son muy similares, pero no se descarta la amenaza de selección diferencial. Puede existir también VE, no se tiene que descartar la historia. *Diseño de discontinuidad en la regresióngrupos por formar, regla de asignación conocida. Alto grado de validez interna. Diseño pretest, postest con grupo de control, con sujetos asignados a da grupo en función de las puntuaciones en la medida pretest. C= corte en el pretest a partir de la cual unos sujetos se asignan al grupo control y al grupo experimental. Asignar a los sujetos en función de un corte en la variable medida en el pretratamiento. Se denomina diseño de discontinuidad en la regresión porque se calcula una recta de regresión a partir de las puntuaciones obtenidas en el pretest y el postest. Si el tratamiento no tiene efecto, se muestra una sola línea continua. Si el tratamiento tiene efecto, aparece una discontinuidad en la línea a partir del punto de corte. Este diseño requiere una medida pretest con una V continua en función de la cual se formarán los grupos. Válido para educación, medicina. Amenazas: tratamiento y maduración Diseño con gran prestigio.