Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodo Experimental
Metodo Experimental
Departament de Psicologia
METODOS DE INVESTIGACIN
EN PSICOPEDAGOGIA
B.Objetivo.
Verificacin Emprica
Modelo Explicativo
que el investigador introduce 1 o ms variables con el fin de observar hasta que punto
queda modificada la conducta bajo observacin".
Estas definiciones, as como otras ponen nfasis en tres conceptos bsicos:
-Concepto de control.
-Bsqueda de relaciones.
-Situacin diseada ex-profeso.
Segn el propsito con que llevemos a cabo el experimento podemos
encontrarnos con tres tipos fundamentales de experimentos:
Experimentos Exploratorios: En este tipo de experimentos intentamos poner a
prueba una nueva hiptesis en un dominio concreto del conocimiento a partir de la
observacin, lagunas tericas, experimentos anteriores, consecuencias de teoras, etc.
Experimento crucial: En este tipo de experimento se ponen a prueba dos o
ms hiptesis alternativas. Para ello se disea una situacin cuyas consecuencias
confirmen claramente una de las hiptesis, invalidando completamente la contraria.
Ej. En un laberinto las ratas eligen siempre el camino que saben les lleva a la comida
o, por el contrario, por el instinto de exploracin prefieren buscar nuevos caminos.
Experimento Confirmatorio: Cualquier hiptesis se acepta bajo un nivel de
significacin, a partir de la visin probabilista de la ciencia. Su confirmacin es
mucho mayor si en repeticiones sucesivas del experimento se acepta nuevamente la
misma hiptesis. p(0.05) x p(0.05), etc.
Con anterioridad describimos superficialmente las fases del MC, a
continuacin desarrollaremos con detalle cada una de ellas en el marco del ME.
CONOCIMIENTOS
AUMENTO
DE
CONOCIMIENTOS
DISPONIBLES
PROBLEMA
CONSECUENCIAS
RECOGIDA DATOS
EL PROBLEMA
Uno de los principales objetivos del MC es el plantear problemas,
correspondiendo a la investigacin su resolucin. La solucin de un problema nunca
ser completa, pues la propia solucin generar nuevos problemas. Llegados a este
punto, cabe sealar que es comn juzgar el nivel de desarrollo de una ciencia por el
nmero de problemas que plantea. Hay que tener en cuenta que aunque aumenten el
nmero de problemas, en el mismo grado aumenta el nmero de fenmenos que
pueden ser explicados y predecidos.
Toda investigacin parte de un problema, siendo este ms importante incluso
que el mtodo, dado que ser a partir del problema planteado cuando deberemos
elegir el mtodo ms adecuado para abordarlo. De esta manera, el problema
condiciona el mtodo a utilizar, en lugar de utuilizar un mtodo determinado que
prefiramos a otro. Ej. las diferencias inter-individuales son difcilmente abordables
desde mtodos experimentales.
Exiten diversos origenes de los problemas:
- Lagunas en nuestros conocimientos.
- Resultados contradictorios (buscar problemas metodolgicos en los
experimentos anteriores). P.Ej. los extravertidos tienen tiempos de reaccin ms
cortos que los introvertidos dependiendo del tipo de tarea.
- Generalizacin de resultados anteriores a otros dominios explicativos.
- Confrontacin de teoras opuestas.
El planteamiento del problema implicar :
-Que este sea resoluble; que existan argumentos empricos que permitan
responder al problema. Que pueda comprobarse la hiptesis formulada mediante la
tecnologa disponible en la actualidad. Ello es condicin necesaria pero no suficiente.
- Las variables deben poder ser definidas de forma operacional; de forma que
puedan ser medidas y/o manipuladas. Ej. la ausencia de libertad aumenta el estress no
puede ser comprobado de forma experimental con seres humanos.
- Formular el problema de tal forma que tan solo tenga una respuesta. En caso
de no poder hacerlo, siempre tenemos la posibilidad de realizar en primer lugar
investigaciones exploratorias o correlacionales.
Finalmente cabe sealar que la resolucin del problema siempre tendr un
caracter probabilsticoa partir de un determinado nivel de significacin. De ello se
desprende la necesidad de replicar los experimentos, con el fin de reducir el margen
dejado al azar.
No existe un sistema objetivo sobre la forma en que los problemas deben ser
elaborados con el fin de un planteamiento correcto, no obstante existen una serie de
criterios que pueden ayudarnos a conseguirlo:
- Formular los problemas con claridad; definir los trminos sin ambiguedades,
intentando definir en la forma ms operacional posible las diversas variables.
- Especirficar los constituyentes del mismo.
-Determinar las relaciones entre el problema y el marco tercio de referencia,
dado que ello es posible que genere hiptesis concretas.
-Formular el problema en los trminos ms simples que podamos.
-Buscar problemas anlogos en base a documentacin bibliogrfica, ello nos
permitir plantear nuevos problemas, as como reformular el nuestro.
-Extensin del problema a otros mbitos: permite un contraste de
metodologas y aproximaciones al problema.
La resolucin del problema.
Ningn problema cientfico presenta una solucin definitiva. La validacin de
una hiptesis ser siempre probabilstica. A partir de ello podemos afirmar que la
resolucin se centra en reducir al mximo las probabilidades de que la respuesta
adoptada sea la errnea. La propia resolucin plantear nuevos problemas que
profundizan la cuestin que es objeto de estudio.
La Hiptesis experimental
Arnau "Se entiende por hiptesis experimental a una clase de enunciado
relacional entre 2 ms variables que puede representar la solucin a un problema".
Kerlinger; " Es la definicin conjetural de la relacin entre dos o ms
variables"
McGuigan: " Afirmacin comprobable de un relacin potencial entre dos o
ms variables"
Durham: " Explicacin tentativa de los fenmenos que interesan al cientfico y
que han sido observados y apropiadamente descritos".
Como podemos observar en todas las definiciones expuestas existen dos
conceptos bsicos:
- Solucin tentativa: a partir de los conocimientos del investigador y del marco
terico en que se inscribe, la hiptesis representa la solucin con mayor probabilidad
de ser verificdada empricamente.
- Caracter Relacional: la hiptesis debe explicitar el tipo de relaciones que
esperamos encontrar entre las variables incluidas en la investigacin. Dicha solucin
debe ser explicitada en la forma ms concreta posible. (Si........ Entonces............).
La gran ventaja que presenta la utilizacin de las hiptesis es que, adems de
establecer el tipo de relacin que esperamos encontrar entre las variables, es el hecho
de que las variables son definidas de forma operacional, con lo que pueden ser
medidas y manipuladas.
Adems de establecer un enunciado relacional, las hiptesis debern tener
como condicin que las implicaciones derivadas de las mismas puedan ser sometidas
a verificacin emprica. Ello implicar que sus enunciados contengan dos o ms
variables mesurables, y se especifique cual es su relacin.
Las hiptesis son enunciados sintticos,teniendo como caracterstica principal
que su verdad o falsedad no se establece de forma lgica sino que se infiere de la
realidad fsica. Partiendo de ello, la probabilidad de que un enumciado de este tipo sea
verdadero es siempre mayor que cero y menor que uno.
Criterios para la eleccin de Hiptesis.
1.Comprobabilidad: deben existir los medios adecuados para manipular las
condiciones antecedentes y medir la conducta resultante.
LAS VARIABLES
Kerlinger " Es una propiedad que adopta diferentes valores, un smbolo al que
se asignan nmeros o valores ".
Edwards: " Es algo que podemos observar y que es de una naturaleza tal que
cada observacin simple puede ser clasificada de una nica manera dentro de un
conjunto de categorias mtuamente excluyentes".
Rodrigues " Es una propiedad a la que se atribuyen valores numricos que
pueden sufrir variaciones a lo largo de una amplitud finita (variable categrica o
discreta) o infinita (variable continua)".
Tal y como vemos en estas definiciones el trmino variable hace referencia a
una propiedad o caracterstica que puede adoptar diversos valores dentro de un
abanico de posibles valores al que denominamos dominio de la variable.
Un primer problema con que nos encontramos es el de la definicin de las
variables, en tanto que reflejen su significado y al mismo tiempo nos permitan realizar
una verificacin emprica.A partir de ello nos encontramos con un doble nivel de
definicin de las variables:
Definicin constitutiva o conceptual: refiere a la descripcin del fenmeno,
presentando sus caractersticas fundamentales en base a otros constructos,
relacionndose directa o indirectamente con el marco terico de referencia.
Definicin operativa: asigna significados a las variables, especificando las
actividades u operaciones que son necesarias para su medicin y/o manipulacin.
En la medida en que una variable haya sido definida conceptualmente, la
generalizacin de resultados de la experimentacin ser ms fcil, sin embargo cabe
plantearse la validez de dichas conclusiones al darse la posibilidad de que la
definicin conceptual y la definicin operacional presenten un doble nivel al no
corresponderse la definicin operacional con un indicador representativo de la
definicin conceptual.
Categorizacin de las variables.
Existen una serie de criterios de acuerdo con los cuales podemos clasificar las
variables:
A.Punto de vista metodolgico: desde este punto de vista podemos dividir las
variables en dependientes e independientes:
2.Del sujeto:
- Efectos residuales de los tratamientos.
El control depender especialmente de la situacin experimental concreta,
podemos dividir los diferentes situaciones experimentales y los diseos a los que dan
lugar en tres grandes bloques:
1.En el caso en que cada sujeto es sometido a un solo tratamiento experimental
deberemos asegurarnos de la equivalencia entre los grupos experimentales, dando
lugar a los diseos intergrupos.
2.En el caso en que todos los sujetos pasan por todos los tratamientos nos
encontramos con los diseos de medidas repetidas, en ellos el sujeto es su propio
control, en este caso deberemos tener en cuenta los problemas derivados del error
progresivo.
3.En aquellos casos en que se utiliza ms de una variable independiente,
registrndose los efectos de una de ellas intrasujetos y la de la otra entresujetos nos
encontramos con los diseos mixtos o Inter-intra. En ellos debemos prestar atencin a
las dos fuentes de posibles variables contaminadoras: la falta de equivalencia y el
error progresivo.
Las tcnicas de control de la varianza secundaria ms utilizadas son las
siguientes:
A.Eliminacin de la variable extraa: es la tcnica ideal aunque en muchos
casos resulta su aplicacin no es posible. En situaciones de laboratorio podemos
aplicar tcnicas como la insonorizacin, control de temperatura, fijacin de la
posicin del sujeto, de la luminosidad, etc...
B.Mantener constante la variable extraa: (Tcnica de la constancia) todas
aquellas variables extraas que no pueden ser eliminadas pueden en muchos casos ser
mantenidas en valores constantes de tal modo que sus efectos diferenciales no existan.
Por ejemplo podemos mantener constante el nivel de luminosidad, el tipo de
instrucciones dadas a los sujetos, etc. Ello en muchos casos significar una reduccin
en el grado de generalizacin de nuestros resultados.
C.Sistematizacin de la variable extraa: uno de los mtodos que permiten
controlar los efectos de las V.E. y evitar la disminucin de la generalizacin que
comporta la tcnica de la constancia es la utilizacin de la variable contaminadora
como una VI ms, con ello obtenemos mayor informacin y aumentamos el nivel de
generalizacin de nuestros resultados.
D.Aleatorizacin de los grupos: tericamente este sistema controla la totalidad
de las variables extraas derivadas de las caractersticas de los sujetos, eliminando los
problemas derivados de la falta de equivalencia inicial de los grupos.
O1
X1
O2
O3
X0
O4
H.Control Estadstico
Entendido por una parte como el anlisis del error progresivo, viendo si este
realmente afecta de forma significativa a nuestros resultados. Por otra parte refiere a
Orne propuso que este efecto era tan general que no poda ser eliminado
completamente del experimento y, que por otra parte, su efecto est en funcin de
cada individuo (es totalmente subjetivo), con ello no ser percibido de igual forma por
cada sujeto con lo que ser difcil investigar su influencia.
Frente a ello, Kruglansky introduce el concepto de artefacto, definido como
cualquier factor que covariando con la VI o con las condiciones de la investigacin
impide identificar la causa de un suceso observado, de tal forma que se convierte en
una fuente de varianza secundaria o de error.
Partiendo de este punto, el efecto de la demanda es considerado como un
artefacto que podr ser evaluado de forma directa o con controles posteriores a la
experiencia.
Los controles posteriores consisten en entrevistas posteriores a los sujetos en
las que se recoge informacin sobre sus impresiones, etc a lo largo del experimento
(p.ej.sobre la posible utilizacin de estratgias).
Control de la influencia del experimentador.
Existen diversos mtodos para controlar la influencia del experimentador:
A.Eliminar los posibles indicios, tanto visuales como verbales mediante la
utilizacin de aparatos apropiados en lugar del experimentador (Ej.presentacin
mediante el ordenador).
B.Utilizar ayudantes adecuadamente entrenados y, que a ser posible
desconozcan los objetivos de la investigacin.
C.Incluir los efectos del experimentador como una V.I. ms
D.Considerar al experimentador como una variable extraa y aplicar las
tcnicas de control especficas para controlar los efectos de la varianza secundaria
(Eliminacin, Constancia, etc.)
E.Replicar el mayor nmero de veces el experimento con diferentes
experimentadores para ver si los efectos observados son constantes a travs de
diversos experimentadores, o varan de un experimentador a otro.
3.DISEOS EXPERIMENTALES.
Tipo Validez
Constructo
Interna
Externa
Nivel Metodolgico
Nivel Estadstico
A
Diseo/Anlisis
B
Conclusin Estadstica
caso concreto los tratamientos experimentales algn tipo de diferencia entre los
grupos?. Es decir, la variacin observada en la variable dependiente ha sido causada
por la manipulacin de la variable independiente. Ello implicar lgicamente el
problema del control experimental, al implicar la necesidad de que no hayan existido
efectos de las variables extraas. De este modo los resultados obtenidos no permiten
una interpretacin ambigua.
Podemos encontrarnos con diversas variables que afectan a la validez
interna, variables que de no ser controladas en el diseo experimental pueden generar
efectos que se confunden con los del tratamiento:
A.Historia: acontecimientos especficos que pueden producirse durante el
experimento (Ej. entre dos medidas) o fuera del mismo. Estos efectos sern mayores
en el caso de estudios de largo plazo. (Ej. en mitad de una campaa para reducir el
nmero de accidentes de trfico se produce una colisin mltiple en la que mueren
muchas personas).
B.Maduracin: procesos internos de los participantes que operan como
resultado del paso del tiempo. (Edad, hambre, cansancio, etc...) que pueden interferir
con la accin de la variable independiente (tanto procesos biolgicos como
psicolgicos).
C.Efecto de la medida: entendido como el efecto que la propia administracin
de un test puede ejercer sobre los resultados de una pasacin posterior.
D.Instrumentos de medida: pueden sufrir variaciones a lo largo del
experimento (En funcin de la hora del da, del grado de humedad, etc.), incluyendo
como instrumento al propio observador.
E.Efecto de regresin a la media: aparece en los casos en que trabajemos con
un grupo o grupos extremos, al realizar un postest nos encontramos con que las
puntuaciones de dichos sujetos tienden a "regresar" hacia la media.
F.Seleccin diferencial: en muchos casos los resultados reflejan las
diferencias existentes entre los grupos ms que el tratamiento experimental. El
ejemplo clsico es la seleccin de los grupos en funcin del aula, empresa, seccin,
etc.
G.Mortalidad Experimental: puede generar diferencias entre los grupos
especialmente si afecta a sujetos con puntuaciones extremas, cuya desaparicin tiende
a afectar significativamente la media grupal.
H.Interaccin entre seleccin y maduracin: es posible que caractersticas
diferenciales entre los grupos seleccionados interactuen con procesos madurativos, de
tal modo que aunque en un pretest no presenten diferencias entre ellos, la maduracin
pueda afectar diferencialmente a ambos grupos. Igualmente puede producirse una
interaccin entre la seleccin y la historia de cada grupo concreto.
X1 O1
Siendo X Administracin tratamiento O: medida de la variable dependiente.
Tal y como podemos comprobar este diseo no nos permite ningn tipo de
comparacin entre dos series de datos, es decir, no podemos conocer si el tratamiento
ha influido en la variable dependiente. Es por ello que las conclusiones obtenidas en
este diseo no tienen ningn tipo de valor cientfico.
Diseo de grupo nico con pretest y postest.
En este caso el esquema es:
O1 X1 O2
Podemos comprobar como en este caso el diseo utilizado como mnimo nos
permite realizar una comparacin entre las puntuaciones en la variable dependiente
antes y despus del tratamiento. No obstante este diseo esta encuadrado dentro de los
pre-experimentales dado que presenta una serie de amenazas a la validez interna como
pueden ser la historia, la maduracin, etc. Adems debemos tener en cuenta que en
estos casos pueden producirse efectos reactivos del pretest. Pensar por ejemplo que la
ejecucin de los sujetos en un test de aptitud o capacidad suele mejorar la segunda vez
que se administra la prueba.
Una modificacin de este diseo que se utiliza en algunas ocasiones es la
comparacin con un grupo esttico. La representacin de este diseo entonces es la
siguiente:
X1 O1
O2
En este caso substituimos el pretest por las puntuaciones obtenidas en un
segundo grupo que hemos obtenido en un archivo, etc. As por ejemplo podramos
comparar las puntuaciones obtenidas por un grupo de alumnos a los que hemos
aplicado un determinado tratamiento con las obtenidas por otro grupo en el curso
anterior. No obstante este sistema no es vlido dado que difcilmente podemos
controlar la equivalencia de los grupos y, adems, en un ao existen mltiples
variables situacionales que pueden haberse modificado.
Los diseo que hemos expuesto presentan notables deficiencias a nivel de
validez interna, no obstante en otros casos dichas deficiencias son mnimas o por la
propia naturaleza de las variables que intervienen son inevitables, en dichos casos
hablamos de diseos quasiexperimentales.
Este tipo de diseos se dan en aquellos casos en los que deseamos realizar
investigaciones experimentales pero nos encontramos con una de las siguientes
situaciones:
La variable independiente tan slo puede ser manipulada a nivel de seleccin
diferencial, es decir, nos encontramos con una variable independiente asignada.
A pesar de poder manipular de forma correcta la variable independiente por
alguna razn no disponemos del control absoluto de las variables extraas. Las
caractersticas principales de este tipo de investigaciones son:
1.Suelen emplear escenarios naturales.
2.Carecemos de un control experimental completo.
3.Utilizacin de procedimientos como sustitutivos del control experimental.
4.Suelen ser utilizadas en aquellas situaciones en que no es posible realizar un
experimento de laboratorio.
Con ello los resultados obtenidos en este tipo de invesgiaciones deben ser
interpretados con precaucin dada la posibilidad de que alguna variable extraa pueda
ser la responsable de la variabilidad observada en la variable dependiente.
Fundamentalmente nos podemos encontrar con tres grupos de diseos
quasiexperimentales:
Cualquier diseo que cumple todos los requisitos exigibles a un diseo
experimental pero en el cual utilizamos una variable independiente asignada.
VD
2
3
Observaciones
As en la lnea 1 podemos comprobar como el tratamiento genera una
discontinuidad en el registro denominada cambio de nivel que nos seala la
efectividad del tratamiento. En la lnea 2 podemos ver que no existe dicho cambio de
nivel sino que existe un cambio de tendencia en la serie de datos que nos indica
asimismo la posible efectividad del tratamiento. Finalmente en la lnea 3 podemos
comprobar como no existe ningn tipo de discontinuidad y adems la tendencia de los
datos tras el tratamiento es la misma que exista con anterioridad al mismo lo cual nos
induce a pensar que dicho tratamiento no ha tenido ningn efecto. Cabe sealar que
tanto los cambios de nivel como de tendencia pueden ser diferidos, es decir,
producirse un cierto tiempo despus de la aplicacin del tratamiento, de igual modo
sus efectos pueden ser permanentes o tan solo temporales.
La lgica que subyace a este tipo de diseos es que cualquier variable
contaminadora que este relacionada con la maduracin se ver reflejada en la
tendencia que presentan los datos antes del tratamiento de tal modo que sus efectos
podrn ser controlados al disponer de los datos previos al tratamiento y los datos
posteriores, cosa que no podamos llevar a cabo en los diseos pre-experimentales con
pretest y postest. El hecho de que no sean experimentales se deriva de la
imposibilidad de controlar los efectos de la historia dado que cualquier variable de
este tipo que acte conjuntamente con el tratamiento o despus de l no podr ser
distinguida de los propios efectos del tratamiento.
Este tipo de diseos adems conlleva una serie de inconvenientes:
En muchas ocasiones los tratamientos no pueden ser introducidos de forma
instantnea sino que deben serlo de forma gradual. Ello incrementa el tiempo durante
el cual pueden actuar las variables extraas relacionadas con la historia.
Los efectos pueden no ser instantneos sino que pueden producirse con un
retardo que en muchas ocasiones no puede predecirse.
La serie de medidas que debemos tomar es bastante amplia dado que deben
permitirnos por una lado establecer una lnea base estable previa al tratamiento y por
otro lado permitirnos registrar posibles efectos diferidos del tratamiento o la posible
desaparicin de dichos efectos a corto o medio plazo.
Existen mltiples diseos que parten de esta idea no obstante los diseos
bsicos con los siguientes:
Diseo simple de series temporales
Podemos expresar dicho diseo grficamente del siguiente modo:
O1 O2 O3 O4 X1 O5 O6 O7 O8
Las principales amenazas a la validez interna de este tipo de diseo son la
historia y, dependiendo del tipo de medida utilizada, la habituacin de los sujetos a la
misma.
Matemticas
O1 O2 O3 O4 X1 O5 O6 O7 O8
Lengua
O1 O2 O3 O4 X1 O5 O6 O7 O8
Fsica
O1 O2 O3 O4 X1 O5 O6 O7 O8
O1 X1O 2
O 1 Xo O 2
Pretest
Postest
Pretest
Postest
___ Control
----- Tratam.
Pretest
Postest
Pretest
Postest
que ya de por si explicara los resultados obtenidos. Todo ello implica que en este
caso el criterio de seleccin de los sujetos que en un momento puntual presentaban un
bajo rendimiento implica una especie de error de medida cuya consecuencia es una
disminucin en la puntuacin de los sujetos en el pretest y, como consecuencia la
nica direccin en que sus puntuaciones pueden alterarse en una segunda medida es
positiva.
La ltima posibilidad, la expuesta en la figura 4, es la que nos permite con
mayor facilidad la elaboracin de inferencias de tipo causal. Ello se fundamenta en el
hecho de que las diferencias entre ambos grupos, tanto en el pretest como en el
postest, son significativas, pero el patrn de resultados es inverso. La cuestin
principal es que un efecto de regresin a la media o un efecto suelo en el pretest
podran explicar el hecho de que el grupo sometido a tratamiento incremente su
rendimiento hasta alcanzar al grupo control pero en ningn caso puede explicar que el
grupo experimental supere en el postest al grupo control. Obviamente an nos queda
la posibilidad de que la historia o la maduracin hayan afectado al grupo experimental
pero, en este caso sus efectos deberan ser muy notables para explicar este patrn de
resultados.
El grado de inferencia causal puede ser an mayor en el caso de que en este
tipo de diseo utilicemos ms de dos grupos. As por ejemplo Greene y Podsakoff
(1978) encontraron un patrn de este tipo cuando deseaban comprobar el efecto de los
incentivos dados a la productividad sobre la satisfaccin laboral. Para ello dividieron
los empleados en tres grupos en funcin de si su rendimiento era alto, medio o bajo y
tras un pretest retiraron los incentivos a la productividad. Un efecto de regresin a la
media podra explicar que los tres grupos convergieran hacia un mismo punto (ver
fig.5 , sin embargo el resultado obtenido fue que la satisfaccin de los de alto
rendimiento cayo por debajo incluso de la satisfaccin de los de bajo rendimiento
mientras que los de rendimiento medio continuaron igual (ver fig. 6)
5
---- R. Alto
___R. Medio
__ __R.Bajo
Pretest
Postest
Pretest
Postest
Hay que tener en cuenta que todo lo expuesto en relacin a este tipo de
diseos no implica necesariamente que cualquier resultado distinto del ltimo
expuesto no pueda ser debido a un efecto verdadero del tratamiento sino que debemos
ser cautelosos a la hora de interpretar los resultados obtenidos dado que no poseemos
en ningn caso la seguridad de que una amenaza a la validez interna no sea la
responsable del patrn de resultados observados.
Diseos de cohortes:
En muchas instituciones es relativamente frecuente una constante variacin
cclica en los individuos que las forman debido a que los mismos promocionan, etc.
esto caso es tpico de las instituciones educativas en las cuales los alumnos van
superando los distintos cursos. Los integrantes de uno de dichos grupos en un
momento temporal determinado son conocidos como cohortes. El diseo bsico de
este tipo implicara la comparacin de una cohorte sometida a tratamiento con otra
que no lo ha sido resultando en un esquema como el siguiente:
X1 O1
O2
A modo de ejemplo Minton (1975) comprob el efecto que tena el
aprendizaje utilizando captulos de Barrio Ssamo sobre el rendimiento en un test de
capacidad para nios en un jardn de infancia. Para ello compar las puntuaciones en
dicho test de un grupo de nios que haban aprendido mediante dichos videos con las
puntuaciones obtenidas por sus hermanos en el curso precedente comprobando que las
mismas eran mayores.
Lgicamente la mayor amenaza a la validez interna de este tipo de diseos es
la posible falta de equivalencia entre las sucesivas cohortes. Podemos pensar, por
ejemplo, que en el caso anterior que todos los integrantes de una cohorte ocuparon
una posicin posterior a los de la otra en lo que refiere a su orden dentro de los
hermanos de la familia. Pensando en una empresa por ejemplo puede ocurrir que una
cohorte trabaje con un tipo de contrato y otra cohorte con otra, etc.
Una solucin a este problema es la utilizacin de lo que se conoce como un
diseo de ciclo institucional recurrente. Su estructura formal sera la siguiente:
XO1
O2 X O3
O4
Supongamos que implementamos un tratamiento durante uno de estos ciclos y
medimos el rendimiento de los sujetos al final del mismo O1. Posteriormente
evaluamos el rendimiento de los sujetos al principio del segundo ciclo O2, aplicamos
el tratamiento y volvemos a evaluarlo al final del ciclo O3, finalmente en la tercera
cohorte volvemos a evaluar el rendimiento al principio del ciclo O4.
Lgicamente lo que esperamos es que O3 sea mayor que O2 sin embargo
tenemos un control adicional dado que O2 tiene que ser tambin mayor que O1 y O3
tiene que ser mayor que O4 .Podemos comprobar que la falta de equivalencia entre
O1 X O2
O4
O3
O5XO6
X1O1
XoO2
No obstante existen autores que defienden la necesidad de utilizar un pretest
previo dado que el mismo nos garantiza la total equivalencia de los grupos. Debemos
tener en cuenta que el proceso de aleatorizacin tan slo nos ofrece una determinada
probabilidad de que los grupos sean equivalentes, disminuyendo dicha probabilidad
conforme el grupo se hace ms pequeo.
Una alternativa que consigue complementar ambas aproximaciones es el
diseo de cuatro grupos de Solomon. Dicho diseo se fundamenta en el anterior con
la diferencia de que la mitad de los sujetos realizan el experimento con un pretest y la
otra mitad sin el. El esquema resultante sera el siguiente:
O1 X1 O2
O3 XoO4
X1O5
XoO6
En este diseo las comparaciones entre O2 y O5 respecto de O4 y O6nos
informaran sobre la eficacia del tratamiento. Al mismo tiempo una comparacin entre
O2 y O4 respecto de O5 y O6 nos facilitara informacin sobre el posible efecto del
pretest sobre las puntuaciones en el postest.
Diseos experimentales: Clasificacin actual
A partir de los trabajos de Campbell y Stanley, la clasificacin de los diseos
experimentales ha ido evolucionando a lo largo del tiempo. En la actualidad los
principales criterios para llevar a cabo dicha clasificacin se fundamentan en la
tcnica de control utilizada, el nmero de variables independientes y el nmero de
grupos o niveles de tratamiento utilizados. Esquemticamente, una aproximacin a la
clasificacin actual sera la siguiente:
por niveles ptimos a aquellos niveles que presentan entre ellos la mayor diferencia
posible en la variable dependiente.
Por otra parte la validez interna de este tipo de diseo es superior a la del
diseo de dos grupos al azar dado que, en caso de existir algn grupo no - equivalente
respecto de los dems, sus efectos son en parte atenuados por el resto de grupos.
No obstante este tipo de diseo tambin presenta una serie de desventajas.
Dichas desventajas se derivan fundamentalmente de la utilizacin de la aleatorizacin
como tcnica de control, lo cual implica por una parte una elevada variabilidad
intratratamientos y, por consiguiente una baja sensibilidad del diseo y, la necesidad
de un elevado tamao muestral dado que son precisos como mnimo 25 * j sujetos.
3.3.3.Diseos factoriales.
Los diseos que han sido analizados hasta el momento presentaban como
denominador comn la existencia de una sola variable independiente o factor. Los
diseos factoriales se caracterizan por su parte por la manipulacin concurrente de
ms de una variable independiente, denominadas en este caso factores, asumiendo
cada uno de ellos un mnimo de dos niveles de tratamiento. Es por este ltimo motivo
por el que en algunos casos la nomenclatura utilizada para este tipo de diseos es la de
diseos de tratamientos * tratamientos.
De este modo un diseo 2 * 3 implicar la existencia de dos factores con dos y
tres niveles de tratamiento respectivamente, existiendo ses combinaciones posibles de
niveles de tratamiento. Dichas combinaciones son denominadas celdas. De este modo,
mientras que en los diseos unifactoriales la unidad bsica para decidir la asignacin
de los sujetos eran los grupos, definidos por niveles de tratamiento, en el caso de los
diseos factoriales las unidades bsicas son las celdas.
Las ventajas ms importantes de este tipo de diseos son entre otras, las
siguientes:
A. En primer lugar los diseos factoriales nos proporcionan ms informacin
que el conjunto de experimentos unifactoriales asociados a los factores manipulados.
De este modo, en el caso de la realizacin de un experimento en el que podramos
utilizar un factorial 2 * 2 de forma unifactorial, deberamos realizar dos experimentos
unifactoriales, obteniendo informacin acerca de los efectos de cada uno de los
factores manipulados. Si como alternativa utilizramos un diseo factorial
obtendramos esa misma informacin y, adems, conoceramos la posible existencia
de interacciones entre los factores manipulados.
B. Los diseos factoriales proporcionan un mayor control dado que tienen en
cuenta un mayor nmero de variables que pueden afectar a la variable dependiente.
Hay que recordar que una de las tcnicas de control de la varianza secundaria es
precisamente la sistematizacin de la variable extraa mediante la utilizacin de
diseos de este tipo. Asimismo la potencia del diseo es mayor, dado que al tener un
Unifact. B
Factorial
a1
a2
b1
b2
a1
a2
30
30
30
30
b1
15
15
b2
15
15
a2
b1
b2
ab
4.EL
METODO
EXPERIMENTAL
CORRELACIONAL
EL
METODO
espontnea. Todo ello no implica que en muchas ocasiones los mtodos permitan
acceder a diferentes fenmenos.
Desde esta perspectiva integradora, Cronbach sefal que el ME est
interesado principalmente en la varanza entretratanentos mientras que el MC est
interesado en la varianza entre-organismos, de hecho la varianza que se considera
habitualmente como varianza de error en el ME acostumbra a ser la varianza de
estudio del MC. Nuestro inters debe centrarse especialmente en ambos tipos de
variabilidad, sin olvidar las posibles interacciones entre ambas (interacciones
trataniiento x organismos).
La segunda diferenciacin apuntada, su grado de unidad intema hace
referencia a que el mtodo experimental se aplica sin ningn tipo de variacin a una
gran cantidad de problemas en diferentes reas. En este sentido, por ejemplo, un
diseo multigrupo al azar es igualmente aplicable a un experimento sobre percepcin
o sobre el efecto del entrenamiento en estrategias de aprendizaje sobre el rendimiento
acadmico. El mtodo correlacional por su parte se disgrega en multitud de tcnicas
especficas que tan solo comparten una misma filosofa en el apartado relacionado con
la estrategia de aproximacin a los datos, en este sentido podemos pensar en distintos
mtodos correlacionales como la metodologa de encuestas, los distintos tipos de
observacin, los diseo de investigacin aplicada, etc.
4.3.Dificultades de la Observacin.
Existen cuatro reas bsicas en las que podemos centramos a la hora de
analizar las dificultades inherentes a cualquier observacin.
Dichas
dificultades deben ser tenidas en cuenta y tratar de evitarlas.
Obstculos relacionados con la percepcin:
Si tenemos en cuenta que el proceso perceptivo humano presenta una serie de
limitaciones, dichas limitaciones deben ser tenidas en cuenta a la hora de realizar una
observacin. Existen distintos aspectos en los que se manifiestan dichas dificultades:
1.Selectividad natural de estmulos: Es posible representar el proceso de
observacin del siguiente modo:
O=P + I
Es decir, podemos considerar la observacin como la suma de la percepcin
de un fenmeno por parte del sujeto ms la interpretacin que el sujeto hace del
mismo. Por todo ello, un primer aspecto necesario de la observacin ser la
integridad perceptiva del sujeto que puede verse altemada por numerosos factores
como pueden ser:
A. Localizacin del observador: obviamente puede verse afectada por el
marco fsico en el que se realiza la observacin.
B. Imprecisin de los medios sensoriales: en funcin de la distancia, etc.
existen conductas que pueden pasar inadvertidas para el observador.
C. Selectividad de la atencin: el nmero de acontecimientos sobre los que el
observador puede mantener localizada su atencin es limitado de tal modo que
impone un sistema de filtrado sobre el fenmeno observado.
D. Efecto de halo: se produce cuando adoptamos un marco de referencia a
partir de la o las observaciones precedentes de tal modo que las observaciones
realizadas se ven afectadas por dicho marco de referencia. As por ejemplo si estamos
en particular. ,Con este fin se precisan un nmero de actos especficos que pueden
darse en una situacin determinada para que posteriormente se precise su ocurrencia o
frecuencia en un determinado lapso de tiempo. As por ejemplo nos podramos
encontrar con un sistema de signos para describir la interaccin entre el profesor y los
alumnos en una clase:
A. Conducta
Verbal del
Profesor
Presenta
objetivo
B. Conducta no
C. Conducta del
verbal del profesor. Alumno
un Mira anotaciones
Sonre
Levanta la mano
Habla
Define
trminos
Da ejemplos
Etc.
Etc.
Etc.
Habitualmente y dado el gran nmero de conductas a las que el observador
debe estar atento se acostumbra a dividir la sesin de observacin en periodos de 3 a 5
minutos anotndose en cada periodo tan slo la primera vez que se produce una
conducta. De este modo no registraremos la frecuencia de ocurrencia de la conducta
si no en cuantos de los intervalos se manifiesta. Normalmente este tipo de sistemas se
acostumbran a utilizar en aquellos casos en que la teora subyacente no est aun
totalmente elaborada y desconocemos cuales son las conductas relevantes.
Un sistema similar lo constituyen los formatos de campo. Este tipo de sistema
de registro se caracteriza por la identificacin de diversos aspectos de una situacin
natural que se dividen en subcategoras representadas en forma de smbolos. De esta
forma se facilita la rapidez en el registro aunque implican una tarea de memorizacin
previa. Ej:
A. Lugar
B. Accin
C. Resultado
01 - Habitacin
21 - Consigue Objeto
02 - Comedor
03 - Cocina
1.3 Llora
23 - Madre le rie
Sistemas de Categoras
Una de las principales necesidades del estudio cientfico del comportamiento
humano es la de poseer un sistema que posibilite una descripcin precisa de los
acontecimientos y conductas y que en ltimo trmino permita una cuantificaci6n de
las mismas. Desde esta perspectiva, la gran mayora de las investigaciones en las que
se utiliza la observacin sistemtica se articulan en tomo a un sistema de categoras
elaborado expresamente para un determinado estudio.
En este sentido el sistema de categoras puede ser considerado como el
instrumento de medida en la investigacin observacional, constituyndose en un
sistema de andamiaje que abarque aquellas conductas que son consideradas relevantes
en funcin del objetivo de la investigacin. Podemos entender el trmino categora
como "El trmino que designa a una clase dada de fenmenos donde se puede ubicar
el comportamiento observado". Desde esta perspectiva una categora existir siempre
que dos o ms objetos o acontecimientos distintos se tratan de forma equivalente. Asi
por ejemplo, dos acontecimientos distintos como insultar y empujar pueden ser
considerados como ejemplos de una categora a la que denominamos "conductas
agresivas".
Un sistema de categoras implicar dos ms de ellas y proporcionar a los
diversos observadores el mismo cuadro de referencia lo cual incrementar la precisin
de la observacin. No obstante, el desarrollo de un sistema de este tipo precisar de
una serie de condiciones previas a la obtencin de categoras. En primer lugar ser
preciso delimitar el objeto de estudio y una seleccin de aquellos aspectos que se
consideran ms relevantes. A partir de este punto se iniciar un proceso iterativo que
partiendo de una serie de macrocategoras establecidas a prior ira refinando en
observaciones sucesivas el sistema con el fin de adaptarlo a la situacin observada y a
las exigencias conceptuales del investigador.
Conducta 1
Conducta 2
Conducta n
Total
I1
I2
In
Total
Partiendo de esta tabla podemos calcular las razones y de ocurrencias. La
razn la calcularemos del siguiente modo:
j
C
i =1
ni
Este ndice nos dar una idea de la frecuencia con que las distintas categoras
aparecen a travs de los distintos intervalos del registro. De este modo nos puede
pemtir eliminar categoras nulas que no se producen o que lo hacen con una
frecuencia extremadamente baja y, hacemos plantear la posibilidad de desdoblar
algunas categoras que presenten una frecuencia excesivamente elevada.
El coeficiente por su parte se calcula del siguiente modo:
j
I
i =1
ni
Oportunidades de respuesta
D
P
G Do
Nivel de la
Calidad de la
Reaccin del
pregunta
respuesta
maestro
R Ps Pd El Op C Jc Jt Nr A Cr A1 A2
P
P
P
P
Ps: La pregunta
implica
una
elaboracin.
Pd: La pregunta slo
implica
una
respuesta corta.
El: La pregunta
implica una serie de
respuestas
alternativas.
Op: La pregunta
refiere a la opinin
del alumno.
C: La respuesta es
correcta.
Jc: La respuesta es
parcialmente
correcta.
Jt: La respuesta es
incorrecta.
Nr:
No
hay
respuesta.
A:
Alaba
la
respuesta.
Cr:
Critica
la
respuesta.
A1: Indica la causa
de
la
respuesta
incorrecta.
A2: Da la respuesta
correcta sin indicar el
error.
para este fin. No obstante las primeras fases de cualquier observacin son cualitativas
y, en algunas ocasiones toda la investigacin puede serlo. Bsicamente utilizaremos
observaciones cualitativas en aquellos casos en que:
. Nos queramos limitar a una descripcin o deseamos una anlisis meramente
cualitativo.
. Cuando estudiemos fenmenos complejos que nos permitan elaborar un
concepto abstracto.
. Cuando deseemos preparar una observacin cuantitativa y nuestro inters
este centrado en verificar la presencia o ausencia de un elemento ms importante por
sus caractersticas que por su presencia o ausencia.
Por el contrario la utilizacin de observaciones cuantitativas ser til cuando
queramos sustituir las impresiones subjetivas por resultados precisos o bien en
aquellos casos en que sea posible y de inters una generalizacin estadstica. La
transformacin de datos cualitativos de tal forma que sea posible aplicarles algn tipo
de tcnica cuantitativa se conoce como codificacin.
Con el fin de realizar dicho proceso se pueden utilizar diversas medidas, que
pueden ser clasificadas en bsicas o primarias y derivadas o secundarias, dado que
estas ltimas se extraen de las primeras. No obstante, un problema previo al
establecimiento de estas medidas estriba en establecer el momento en que los datos
deben ser obtenidos, todo ello nos lleva al problema del muestreo.
4.6.1. Tcnicas de Muestreo.
Podemos encontrarnos con. un doble significada del trmino muestreo en los
registros observacionales. Por una parte este trmino refiere a la seleccin de los
momentos en que iniciaremos y finalizaremos nuestras observaciones, a dicha
seleccin la denominamos muestreo intersesional . Por otra refiere a aquellas unidades
sobre las cuales focalizaremos nueestra atencin durante el registro, denominada
muestreo intrasesional.
Muestreo Intersesional.
Al igual que no realizamos una observacin sobre la poblacin de referencia
que nos interesa dada el coste que supondra dicha estrategia, no podemos realizar una
observacin sobre todo el periodo de tiempo al que deseamos generalizar los
resultados (periodo de estudio). Todo ella implica la necesidad de realizar las
observaciones en sesiones de duracin moderada que no impliquen una elevada fatiga
en el observador pero que al mismo tiempo abarquen un lapso de tiempo lo
suficientemente gran de como para registrar la suficiente variabilidad de la conducta
que nos permita un registro en condiciones.
tiempo de forma rotatoria, realizando diversos barridos de este tipo dentro de una
sesin de observacin.
Este tipo de muestreo puede ser modificada en funcin del tamao del grupo y
de las circunstancias de la observacin. As podemos realizarlo de forma:
-Contigua: la sesin de observacin se divide en tantos intervalos como
sujetos observndose una vez cada uno de elles sin rotaciones.
-Secuencial: despus de dedicar un intervalo a cada individuo vuelven a ser
observados en el mismo orden
-Alternante: se divide el grupo o en subgrupos que son observados uno a uno
realizando relaciones en cada uno de ellos.
4.6.2.Medidas Primarias.
Las medidas primarias dependen fundamentalmente del tiempo invertido en el
registro, siendo las ms utilizadas la frecuencia, la duracin, latencia, y la intensidad.
Categora A
Tiempo
Latencia A-C:
Lapso A-A:
4.6.3.Medidas secundarias.
Tal y como hemos visto anteriormente, las medidas secundarias se ,derivan de
las primarias, siendo su principal caracterstica la posibilidad de comparar las medidas
obtenidas en dos registros distintos aun cuando la duracin de los mismos sea
diferente, dada que estas medidas no dependen del tiempo total de registro. Las ms
utilizadas son las siguientes:
La frecuencia de transicin AC es de 4.
Frecuencia relativa de transicin: (pij) es la probabilidad de la transicin que se
inicia en i y acaba en j. La obtenemos dividiendo la frecuencia de transicin ij por el
nmero total de transiciones entre la categora i y cualquier otra. As en el ejemplo la
frecuencia relativa de transicin AC es de 4/6.
Observador 2
Ocurrencia
(+)
No
Ocurrencia
(-)
Observador
1
Ocurrencia A
(+)
No
C
Ocurrencia
( -)
Siendo
A: Nmero de acuerdos en ocurrencias
B y C: Desacuerdos
D: Nmero de acuerdos en no ocurrencias.
N = A + B + C + D = Nmero de intervalos codificados.
Partiendo de esta tabla podemos considerar distintos ndices de concordancia
entre observadores:
Coeficiente de concordancia total:
T=
A+ D
*100
A+ B +C + D
Este ndice nos proporciona una idea del grado de acuerdo que existe entre los
observadores, no obstante si se encuentran categorizando una sesin en la cual la
frecuencia de las conductas emitidas es muy baja, el gran nmero de intervalos en los
que estarn de acuerdo en que no ocurre nada podr incrementar de forma artificial
dicho coeficiente.
Podra darse el caso por ejemplo de que se produzcan tan slo cinco conductas
para categorizar, que los observadores no estn de acuerdo en ninguna de ellas y que
el ndice de acuerdo sea cercano al 90%. Una posible solucin a este problema es
computar ndices para las ocurrencias y las no ocurrencias por separado.
Porcentaje de acuerdo en ocurrencias:
O=
A
*100
A+ B +C
NO =
D
*100
B+C + D
pc p a
1 pa
Siendo:
Pc= porcentaje de concordancia entre observadores. Pa= porcentaje de
acuerdo debido al azar.
Para calcular este ndice consideremos el siguiente ejemplo:
Dos observadores han categorizado del siguiente modo una secuencia
conductual:
Observador1: AABABABBABCCAC
Observador 2: ABBAAABBAACAAC
Realizamos a partir de estos datos una tabla de doble entrada como la
siguiente:
Observador 1
Observador 2 A
C Total
C
Total 6
4
2
14
0,714 0,377
1 0,377
Pb= 3/6 = .5
Pc= 2/3 = .66
Podemos comprobar que la categora en la que hay un menor acuerdo entre
observadores es la B, aunque en la A el acuerdo tambin es relativamente bajo.
Partiendo de estos datos podramos plantearnos una revisin de la forma en que se han
definida dichas categoras con el fin de intentar verificar las causas del problema.
Otro anlisis interesante es el resultante de volver a calcular el ndice kappa
pero e1iminando la categora que plantea un menor acuerdo, de este modo podemos
conocer si el sistema de categoras presenta una fiabilidad baja debida al efecto de
dicha categora o si realmente existen ms categoras que deberamos revisar. En
nuestro caso, y eliminando la categoria B:
Pc= = .875
Pa= 36/64 = .5625
kappa= .714
Podemos comprobar como hemos pasado de un ndice mediocre a un ndice
aceptable.