Documentos de Académico
Documentos de Profesional
Documentos de Cultura
estrategias.
Marco metodolgico de la investigacin psicolgica:
Paradigma experimental
- Hiptesis causales
- Manipulacin
- Control
- Verificacin de concomitancia
[Diseos experimental y cuasiexperimentales]
Paradigma asociativo
- Hiptesis de Covariacin
- No manipulacin
- Control deficiente
- Verificacin de simultaneidad
[Diseos de encuensta y
observacional]
Diseo experimental:
Modelo de variacin y constancia:
a) Variacin sistemtica de la variable independiente
b) Control y neutralizacin de las variables extraas
Estrategia de comparacin de grupos:
Se forman dos (o ms) grupos de forma aleatoria. Se manipula la variable independiente,
dndoles un valor diferente a cada grupo. Las variables extraas se controlan, y las
dependientes se miden.
Clasificacin del diseo experimental:
Diseo experimental:
Entre grupos:
Simple
Complejo
Intra-sujetos
Simple
Complejo
Mixto (hay tanto variables entre grupos como variables intra-grupos.
Son estrategias de comparacin el entre grupos, intra-sujetos y mixta, mientras que las
opciones de cada una de las estrategias son modalidades.
Diseo cuasi-experimental (diseos aplicados):
Es un plan de trabajo con el que se pretende estudiar le impacto de los tratamientos
y/o los procesos de cambio, en situaciones donde los sujetos o unidades de observacin
no han sido asignados de acuerdo con un criterio aleatorio. Desde la perspectiva cuasiexperimental se plantea la discusin y estudio de los principales diseos de investigacin
aplicados.
La representacin grfica de la estrategia transversal sera una lnea vertical (un estudio
en un momento determinado), mientras que la de la estrategia longitudinal sera una
linea horizontal (un estudio a lo largo del tiempo).
Clasificacin de las estrategias cuasi-experimentales:
Diseos de investigacin aplicados:
Estrategia transversal
Incluye a los diseos de comparacin de grupos o de grupos paralelos
Comparacin esttica
Estrategia longitudinal:
Incluye a los diseos que repiten medidas de la variable de respuesta.
Comparacin dinmica
I. Aplicada
- Validez externa
- Mxima generalizacin
- No aleatorizacin
Datos
Independientes
Relacionados
Paramtricos
T Student muestras no
relacioandas
T Student muestras
relacionadas
Ordinales
U Mann-Whitney
T Wilcoxon
Nominales
Probabilidad exacta de
Fisher
McNemar
Yij = + j + ij
ij
ij
ij
NID(0, 2)
ij
Para poder llevar a cabo el ANOVA, hay tres supuestos que han de cumplirse:
Independencia de las observaciones
Normalidad de los datos
Homogeneidad: Igualdad de las variancias de lo grupos.
Para calcularlo est la prueba de Hartley, siempre y cuando n por grupo sea
constante (haya el mismo nmero de muestra en cada grupo)
Se calcula F
terico y emprico [se hace a travs de tablas, del mismo modo
max
cada grupo te los dan para poder calcularlo, no los tenemos que encontrar
nosotros]
Si el valor de F
es menor que el F
(que es el valor de F
terico), se
max
max0.95
max
JvDJJ09UAr2A&cad=rja
[todo junto a pesar de los espacios que pone el
word] veris el power point de un ao anterior con el resultado correcto.]
Para F: Se comprueban las tablas para obtener el resultado. [[Sospecho que para
hacer los contrastes, el primer nmero (aquel que obteniamos mediante (a-1)
es siempre igual a 1, mientras que la segunda parte, la obtenida por a(n-1), se
sigue calculando igual]]
Si los nmeros empricos tanto en t como en F son mayores que los tericos, se concluye
que los contrastes son significativos.
Anlisis de tendencias:
2- ORTOGONALES
Una de las tcnicas de anlisis de tendencias es el mtodo de polinomios ortogonales.
En virtud de ese procedimiento, es posible dividir la variacin o Suma de Cuadrados de
tratamientos en una serie de componentes independientes de tendencia como, por
ejemplo, lineal, cuadrado, cbico, etc. Cada componente ortogonal aporta informacin
particular sobre una clase de tendencia o relacin entre la variable independiente y la
variable dependiente. Al mismo tiempo, este procedimiento permite verificar
estadsticamente la significacin de cada componente de tendencia.
TEMA 3: ESTRATEGIA FACTORIAL ENTRE GRUPOS
El diseo factorial es una estructura de investigacin en la que se manipulan
simultneamente dos o ms variables independientes o de tratamiento. En funcin de la
cantidad de factores o variables de tratamiento, los formatos factoriales se denominan,
tambin, diseos de tratamientos x tratamientos, tratamientos x tratamientos x
tratamientos, etc, y se simbolizan por AxB, AxBxC, etc.
Ventajas del diseo factorial:
Adems de permitir el anlisis de los efectos principales tambin posibilitan
examinar los efectos de interaccin.
Al introducir varias variables independientes como factores en el diseo, los
efectos asociados a tales factores se sustraen del trmino de error. En
consecuencia, se reduce la varianza de error y se incrementa la potencia de la
prueba estadstica.
Ahorro de tiempo y de sujetos.
Por ltimo, cabe sealar que, dada la complejidad de la conducta humana, es
lgico suponer que la mayora de los comportamientos no se hallan determinados
por la accin de una sola variable, sino que responden a los efectos de un
conjunto de factores.
Clasificacin:
Cantidad de valores por factor: Cantidad fija o variable (2x2; 2x3; 2x3x4; etc.)
Cantidad de combinaciones de tratamientos:
Diseo factorial completo
Diseo factorial incompleto y fraccionado.
Grado de control:
Diseo factorial completamente al azar
Diseo factorial de medidas repetidas
Grficos:
Si las lneas de las dos variables en el grfico son paralelas, entonces la interaccin es
nula y slo se derivan los efectos principales para las dos variables. Si en cambio, se
cruzan, entonces la interaccin entre las variables es significativa.
TEMA 4: ESTRATEGIA INTRAGRUPO (medidas repetidas) Y ESTRATEGIA MIXTA
En el diseo medidas repetidas todos sujetos de la muestra reciben todos los
tratamientos. De este modo, el uso del procedimiento de medidas repetidas
proporciona un control ms efectivo de las fuentes de variacin extraas asociadas, por
lo general, a las caractersticas individuales; es decir, se consigue una reduccin de la
variancia del error. Esto es as porque la variabilidad debida a las diferencias
individuales es eliminada del error. De este modo, el diseo de medidas repetidas
constituye una estructura ms potente que los diseos completamente aleatorizados.
El principal problema de los diseos de medidas repetidas son los efectos de orden que
derivan de la propia estructura del diseo. Estos efectos deben ser neutralizados para
que no confundan los efectos de los tratamientos.
Tipos de efectos de orden:
Efecto de perodo: Ocurren cuando, independientemente del tratamiento
aplicado, el sujeto responde al perodo o posicin que, en la secuencia, ocupa el
tratamiento (perodo de administracin). Cabe, por lo tanto, la posibilidad de que
el sujeto responda mejor al perodo que al tratamiento en s mismo. Cuando esto
ocurre, el efecto del perodo confunde la accin del tratamiento.
Efecto residual: Conocido tambin por error progresivo, se caracteriza por la
persistencia de la accin de un tratamiento ms all del perodo o tiempo de
aplicacin. Representa la progresiva acumulacin tanto de los efectos
facilitadores de la respuesta (efecto de la prctica, aprendizaje, etc.) como de
los efectos obstaculizadores (como la fatiga mental, cansancio fsico, etc.).
Cuando, como es frecuente en esos casos, se produce una persistencia del efecto
del tratamiento anterior sobre el tratamiento siguiente, se corre el riesgo de que
los efectos queden contaminados.
Clasificacin:
De un grupo o muestra:
Simple (SxA)
Factorial (SxAxB, SxAxBxC, etc.)
Multigrupo o Factorial Mixto (S(A)xB)
Diseo simple de medidas repetidas:
La estructura del diseo de medidas repetidas simple es similar al formato factorial de
dos variables independientes. A diferencia del diseo factorial, la variable de sujetos no
se manipula ya que se trata de un pseudo-factor. La variable de tratamiento est
manipulada por el experimentados y se considera como un autntico factor.
Modelo de prueba de hiptesis:
Paso 1: Se asume, por hiptesis de nulidad, que los efectos de los tratamientos
son nulos: H0 : 1 = 2 = 3
Paso 2: Segn la hiptesis experimental o hiptesis de efectividad se asume que,
uno o ms tratamientos o efectos es significativo (distinto de cero). En trminos
estadsticos se afirma que:
H1: 1 2, o 1 3, o 2 3
H1: por lo menos una desigualdad
grupo seleccionado.
Cuando los sujetos se auto-seleccionan.
permanente en el nivel.
Es posible predecir, en segundo lugar, un cambio de carcter transitorio. As,
se espera que la intervencin tenga un efecto sobre la observacin
inmediatamente despus y luego desaparece.
Hay una tercera expectativa de carcter intermedio, en la que el efecto se
amortigua. En otras palabras, el efecto de intervencin tiende a reducirse y a
regresar hacia la lnea base a lo largo del tiempo.
Cambio de tendencia (o de pendiente): Es de inters en donde se espera que la
tasa de incremento o decremento sea resultado de la intervencin.
Efecto continuo: Se produce inmediatamente despus de la intervencin y
persiste durante un largo perodo de tiempo en la serie.
Efecto discontinuo: No persiste en el tiempo; es decir, suele ocurrir cuando el
tratamiento es retirado o bien cuando posee un efecto transitorio.
Tipos de efectos:
Efecto instantneo: Aparece inmediatamente despus de la intervencin
Efecto demorado: Es ms difcil de interpretar, ya que suele aparecer de una
forma bastante posterior a la aplicacin del tratamiento.
Serie temporal interrumpida simple:
El modelo bsico de serie temporal interrumpida est formado por dos perodos de
mltiples observaciones registradas antes y despus de la intervencin, sobre un grupo o
un individuo. Estos perodos se conoce por pre y post-tratamiento. El objetivo es
detectar cambios en los patrones de los datos, antes y despus de la intervencin,
atribuibles a la misma.
Por lo general, el analista espera encontrar que la pendiente o el nivel de la serie sea
contingente a la aplicacin de la intervencin. Este diseo recibe su nombre porque la
inferencia causal se basa en detectar o descubrir un cambio abrupto en los valores de la
variable dependiente.
El hecho del cambio no garantiza que su causa haya sido la intervencin. En esta clase
de diseos cabe la posibilidad de numerosas hiptesis alternativas que rivalizan con la
hiptesis de la intervencin.
Amenazas a la validez interna:
La principal amenaza a la validez interna o validez de inferencia es el factor historia. La
historia se refiere a hechos o acontecimientos externos distintos al tratamiento que
actan en el punto de intervencin y que pueden afectar a la conducta en curso. Entre
los posibles controles del factor historia, el ms efectivo consiste en aadir un grupocontrol sin tratamiento a la serie.
Otra amenaza es la instrumentacin. Un cambio en los procedimientos administrativos
puede modificar la forma como los registros son guardados. As, aquellos responsables de
la administracin, que pretenden mostrar una buena actuacin, pueden simplemente
cambiar los procedimientos de contabilizar los datos. A quienes, por otro lado, se les ha
encargado cambiar alguna estructura u organizacin, pueden introducir cambios en el
sistema de registros o en los criterios, en funcin de los cuales el resultado puede
interpretarse como un xito o un fracaso.
Los diseos de lnea base mltiple son la principal alternativa a los diseos conductuales
de reversin. Son particularmente indicados en aquellas situaciones donde no es
aconsejable la retirada del tratamiento y donde, a pesar de ello, se pretende estudiar el
efecto o impacto de la intervencin.
Puesto que no requieren la retirada temporal de la intervencin, se convierten en una
de las mejores alternativas a los diseos del tipo A-B-A-B en la investigacin conductual
aplicada.
Risley (1970) sugiri la conveniencia de dividir los diseos de lnea base mltiple en las
tres modalidades propuestas. Segn Risley y Wolf (1972), el diseo ideal debera permitir
medir y comparar, de forma simultnea, la conducta de un individuo o grupo tanto en
presencia como en ausencia de las condiciones de tratamiento.
Este ideal de experimentacin se consigue, de acuerdo con estos dos autores, mediante
el diseo de reversin y el de lnea base mltiple. Con ello queda justificada la amplia
utilizacin que, en la prctica, tienen los diseos de lnea base mltiple.
Se miden dos o ms lneas base de un solo sujeto, o grupo de sujetos, para establecer
una serie de lneas base estables; a continuacin se aplica el tratamiento a una de las
conductas, posteriormente a la segunda y luego a la tercera, a fin de evaluar la
efectividad de un tratamiento determinado.
La caracterstica fundamental del diseo de lnea base mltiple es la aplicacin de la
variable de tratamiento de forma escalonada en el tiempo, a travs de una misma
unidad o distintas unidades observacionales. Por otra parte, segn destaca Hayes (1981),
en virtud de la lgica de dicha estructura, se pretende corregir las principales
deficiencias del diseo de cambio simple de fase o diseo bsico A-B.
As, los cambios observados en los patrones conductuales del diseo bsico A-B pueden
ser explicados por factores alternativos al tratamiento (eventos extraos). Es decir, cabe
la posibilidad de que tales cambios sean consecuencia de hechos extraos tales como
maduracin, conducta cclica, evaluacin de la lnea base, etc.
Uno de los procedimientos que permite soslayar estos factores de confundido consiste en
la replicacin sistemtica del elemento A-B con fases de lnea base, a distintas
longitudes. La intervencin se aplica en puntos distintos del tiempo en cada una de las
distintas rplicas.
Por otra parte, dado que la introduccin de la intervencin en las respectivas rplicas es
una decisin que depende exclusivamente del investigador, es improbable que vaya
acompaada por el mismo factor o circunstancia externa capaz de causar el
cambio observado. Por ltimo, una vez aplicado el tratamiento no se requiere
necesariamente su retirada.
Principales modalidades del diseo de lnea base mltiple:
Clasificacin del DLMB:
Entre conductas
Entre sujetos
Entre situaciones
La correcta utilizacin de los diseos de lnea base mltiple requiere la clara
especificacin de dos aspectos que le son relevantes. En primer lugar, el correcto uso de
estos procedimientos de diseo exige la identificacin y definicin precisa de las