Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño de investigacionesPERRÓN PDF
Diseño de investigacionesPERRÓN PDF
PSICOLOGA
fenmenos, o, lo que es lo mismo, sus causas. Para que nos sirve conocer las
causas? Si comprendemos por qu ocurren los fenmenos podremos llegar a
predecirlos, es decir, anticiparnos a ellos. En consecuencia, se podr incluso
intervenir en el mundo para mejorar el futuro. Ya a principios de siglo XVII, Francis
Bacon propuso que la finalidad de la ciencia es la mejora de la suerte del hombre en
la tierra, y, segn l, esa finalidad se lograra recogiendo hechos a travs de la
observacin organizada y derivando de ellos teoras.
Para alcanzar su objetivo, la Ciencia procede de una manera especial que es
utilizando el mtodo cientfico. Si nos remontamos al origen etimolgico de la
palabra mtodo comprobaremos que viene de la fusin de las palabras griegas met
y ods, que significan, respectivamente, hacia y camino. As, literalmente, el
mtodo es el camino que nos lleva hacia un fin. En el caso de la ciencia, se trata de
un camino que se caracteriza por la sistematicidad, la objetividad y la rigurosidad.
Este mtodo, seguido en el razonamiento cientfico, se conoce como mtodo
hipottico-deductivo.
Una vez se ha aclarado qu es la ciencia, cul es su objeto y cul es su mtodo
vamos a proceder con la definicin de la investigacin cientfica. Se trata de un
proceso de indagacin que persigue la elaboracin de explicaciones sistemticas,
objetivas y rigurosas de los fenmenos, y que para ello recurre al mtodo cientfico.
Seala Kirk (1995) que no todos los fenmenos pueden abordarse desde un punto
de vista cientfico, puesto que los objetos de investigacin cientfica deber ser
comprobables por la observacin o producidos por medio de un experimento. Con
esto quiere decir que hay cuestiones que no son susceptibles de ser investigadas
cientficamente, como, por ejemplo, la existencia de vida en otras galaxias. En este
caso la razn es muy clara: por el momento no disponemos de tecnologas para
observar otras galaxias distintas a la nuestra.
Hay otra caracterstica que deben presentar los fenmenos para poderlos
investigar: slo podrn ser objeto de la investigacin cientfica aquellos fenmenos
para los cuales pueda repetirse su observacin o puedan volver a producirse. Esto
quiere decir que un cientfico debe asegurarse de que sus resultados puedan ser
reproducidos por otros investigadores.
Para acabar, vamos a presentar los paradigmas metodolgicos o tradiciones de la
investigacin cientfica en Psicologa. Cronbach (1957) en el discurso que realiz en
la 65 convencin anual de la Asociacin Americana de Psicologa en Nueva York
describi dos mtodos de investigacin propios de la Psicologa: el mtodo
DISEOS DE INVESTIGACIN EN PSICOLOGA 3
experimental y el mtodo correlacional. Por su parte, Arnau (1995a) nos dice que
en la ciencia psicolgica estn presentes dos paradigmas: el paradigma
experimental y el paradigma asociativo (puede verse un esquema de stos en la
Figura 2.1). Segn Arnau (1995a) cada paradigma se caracteriza por: (1) la
formulacin de una clase especfica de hiptesis, (2) el grado de intervencin del
investigador en la situacin estudiada, y (3) los procedimientos de recogida de
datos.
Por lo que se refiere al tipo de hiptesis, en el paradigma experimental se
formulan hiptesis causales, mientras que, en el paradigma asociativo se formulan
hiptesis de covariacin. Una hiptesis causal puede definirse como un enunciado
que establece una relacin inequvoca de causa-efecto. En trminos de variables,
esta hiptesis establece una relacin entre la variable independiente y la variable
dependiente, y presenta la forma lgica Si A entonces B. Una hiptesis de
covariacin, por el contrario, es un enunciado en el que se establece una relacin
asociativa (o no-causal) entre fenmenos. Esto quiere decir que este tipo de
hiptesis nos informa de que la variable A est asociada o relacionada con la
variable B. Obviamente, una hiptesis causal implicar relacin entre las variables,
sin embargo, una hiptesis de covariacin no necesariamente implicar causalidad.
Segn Kenny (1979) una relacin ser causal si se dan tres condiciones:
Los cientficos invierten una buena parte de sus vidas intentando dar respuesta a
problemas de investigacin, por lo que el punto de partida de sus investigaciones
en definitiva, el origen de la investigacin siempre ser una pregunta. En palabras
de Pedhazur y Pedhazur Schmelkin (1991) un problema es un enunciado,
usualmente interrogativo, acerca de la relacin entre dos o ms variables (p. 187).
Es eficaz este nuevo frmaco para el tratamiento del trastorno bipolar? Existen
diferencias entre hombres y mujeres en cuanto a su aptitud numrica? Podemos
situar el procesamiento de las emociones en alguna regin concreta del cerebro?
Inciden los prejuicios en los veredictos de los jurados populares? Estos ejemplos
recogen problemas susceptibles de ser estudiados cientficamente. En este
DISEOS DE INVESTIGACIN EN PSICOLOGA 7
momento conviene recordar que la ciencia slo se ocupa de aquellos fenmenos que
puedan observarse o puedan producirse por medio de un experimento. En
consecuencia, una de las caractersticas del problema cientfico es que ste deber
poder solventarse; es decir, deberemos poder encontrar una solucin al mismo en el
mundo emprico. Con esto quedan descartados otros problemas o preguntas que
puedan formularse pero que no se podrn plantear como problema de investigacin
cientfica.
El problema de investigacin, adems de ser resoluble, deber presentar otras
caractersticas. Primero, deber tener relevancia terica o prctica (puede
encontrarse una discusin de este tema en Pedhazur y Pedhazur Schmelkin, 1991);
segundo, deberemos disponer de los recursos necesarios para solventarlo; y,
tercero, se deber solucionar respetando los derechos de los participantes en la
investigacin (vase en Diener y Crandall, 1978, una amplia exposicin sobre el
tratamiento tico en la investigacin).
Una vez que el cientfico haya planteado su problema de investigacin, el
siguiente paso que habr de dar es formular su hiptesis. La hiptesis es la
respuesta al problema de investigacin, es decir, recoge la prediccin del
investigador los resultados que espera obtener. Si hemos definido el problema
de investigacin como un enunciado, usualmente interrogativo, acerca de la relacin
entre dos o ms variables, la hiptesis ser el enunciado conjetural en el que se
concreta el tipo de relacin que esperamos encontrar entre stas. As pues, los
enunciados de las hiptesis contienen dos o ms variables que son medibles o
pueden serlo y la relacin entre stas. Esta relacin se entiende en un sentido
amplio, puesto que en las hiptesis se formularn tanto relaciones de causa-efecto
como relaciones de covariacin. En este sentido, Keppel (1991) cuando se refiere a
las hiptesis de investigacin nos dice:
1. Dirigen la investigacin.
2. Se deducen de las teoras o de un conjunto de investigaciones previas.
3. Se pueden someter a prueba: es decir, se puede demostrar que son
probablemente verdaderas o probablemente falsas.
4. Son predicciones del tipo Si A entonces B, donde se establece la relacin
entre las variables A y B.
5. Son independientes de los valores y opiniones de una persona.
Vamos a ver ahora, a grandes rasgos, cules son los principales elementos que
diferencian estos tres tipos de diseos. Estos elementos son la existencia de
manipulacin de la variable independiente, el uso de la aleatorizacin en la
formacin de los grupos y el control de las variables de posible confundido. Un
experimento verdadero se caracteriza porque en l se manipula la variable
independiente, se recurre a la aleatorizacin para formar grupos equivalentes y se
ejerce un control mximo de las variables de posible confundido. Un
cuasi-experimento, por el contrario, presenta las mismas caractersticas que el
experimento verdadero, pero, a diferencia de ste, trabaja con grupos no
equivalentes esto es: grupos naturales o intactos. Por ltimo, los diseos no
experimentales son aquellos en los que no se manipula la variable independiente,
hay un control escaso o nulo de las variables de posible confundido y no se recurre
a la aleatorizacin para formar los grupos. En la Tabla 2.2 se presenta un esquema
con las principales diferencias entre un experimento verdadero, un cuasi-
experimento y un no experimento. Este esquema ampla el esquema de la Tabla
2.1, donde se muestran las caractersticas diferenciales entre el paradigma
experimental y el paradigma asociativo.
10 M. I. Nez Pea
Manipulacin de la
S S NO
variable independiente
Aleatorizacin en la
S NO NO
formacin de grupos
Control de variables de
S S NO
confundido
Una vez que el investigador haya seleccionado una o varias tcnicas estadsticas,
proceder a analizar sus datos y deber interpretar los resultados. Por lo que se
refiere a esta interpretacin cabe diferenciar entre la interpretacin puramente
estadstica y a la interpretacin sustantiva. Tal como indicbamos al iniciar este
epgrafe, la interpretacin estadstica de los resultados se sita, dentro del proceso
de una investigacin, en el nivel analtico-estadstico, mientras que la interpretacin
sustantiva de los resultados se sita en el nivel terico-conceptual. En efecto, la
investigacin concluye cuando el investigador regresa a su marco terico para
recuperar su hiptesis sustantiva inicial y confrontarla con los resultados que ha
obtenido en el anlisis de datos. Como consecuencia de esta confrontacin, el
investigador confirmar o no su hiptesis original y elaborar sus conclusiones.
Keppel (1991) se refiere a esta ltima etapa de la investigacin como fase
reconstructiva, donde una serie de hechos que no se conocan antes de la
realizacin de la investigacin se integran ahora dentro del marco terico-
conceptual.
que se registrar de cada unidad, la forma en que se medirn las variables, los
controles que se aplicarn sobre el fenmeno que quiere estudiar, etctera.
De acuerdo con Arnau (1995a) hay que diferenciar entre tres tipos de diseos:
diseos experimentales, diseos cuasi-experimentales y diseos no experimentales.
Esta misma terminologa es la que proponen Pedhazur y Pedhazur-Schmelkin
(1991). No obstante, hay otros autores como Campbell y Stanley (1966) que
distinguen entre diseo experimental, cuasi-experimental y correlacional, y otros
que reducen las estrategias de investigacin a dos: diseos experimentales y
diseos ex post facto (Dwyer, 1983; Kerlinger, 1986; Roscoe, 1975).
En nuestro caso, vamos a adoptar la clasificacin propuesta por Arnau (1995a) y
Pedhazur y Pedhazur-Schmelkin (1991). Las diferencias esenciales entre los tres
tipos de diseos experimentales, cuasi-experimentales y no experimentales ya
se han comentado anteriormente y estriban en los principios de manipulacin de la
variable independiente, el control de las variables de confundido y la aleatorizacin
en la formacin de los grupos. Dentro de los diseos experimentales se distingue, a
su vez, entre diseos experimentales clsicos y diseos de N=1, cuya diferencia
esencial es que en los primeros se trabaja con grupos de individuos mientras que en
los segundos se trabaja con una sola unidad de observacin.
Estas caractersticas del diseo experimental son las que le conducen a presentar
una alta validez interna puesto que es un diseo que nos permitir establecer
relaciones causales inequvocas entre variables, y una baja validez ecolgica
puesto que aborda el fenmeno en una situacin tan artificial que hace que se
cuestione la posibilidad de generalizar los resultados a una situacin natural
(recordemos que en un experimento no slo se provoca el fenmeno sino que,
adems, se asla). Tambin son estas caractersticas las que determinan el mbito
de aplicacin ms frecuente del diseo experimental. Aunque podemos encontrar
algunas excepciones, se trata de un tipo de diseos que se utilizan principalmente
en investigaciones de carcter bsico que se llevan a cabo en laboratorios. Este es
el tipo de contexto que facilita al investigador el mximo control del fenmeno que
estudia.
DISEOS DE INVESTIGACIN EN PSICOLOGA 17
H 0 : 1 = 2 = ... = k
Esta hiptesis nos indica que todas las medias poblacionales son idnticas. Por su
parte, la hiptesis alternativa se expresa como sigue:
H1 : i , j | i j
Lo cual quiere decir que, por lo menos, hay dos medias poblacionales que difieren.
A continuacin vamos detenernos para presentar los principios bsicos de tres
tipos de AVAR. Primero: el AVAR para un diseo simple de grupos al azar. Segundo:
el AVAR para un diseo factorial de grupos al azar. Y, tercero: el AVAR para un
diseo simple de medidas repetidas. Nos centraremos en estos tres tipos de AVAR,
porque nos permitirn: (1) destacar las diferencias entre un AVAR simple y un AVAR
factorial, lo que quiere decir que veremos cmo el AVAR nos permite estudiar tanto
24 M. I. Nez Pea
Este tipo de anlisis podr utilizarse, por ejemplo, para el anlisis de los datos de un
diseo simple de grupos al azar. Esto es: para un diseo en el que se manipula una
sola variable independiente y se trabaja con ms de un grupo. En la Tabla 2.3 se
muestra la estructura de la tabla de datos de partida para este tipo de AVAR.
N individuos n1 n2 ... nk n
yij = + j + ij
donde yij es la puntuacin del individuo i del grupo j, : es la media poblacional bajo
yij = j + ij
Podemos utilizar como estimadores para : y "j, los siguientes valores conocidos:
= y..
j = y. j y..
yij y. j
k n k n
j =1 i =1 j =1 i =1
Entonces,
k n k n
k n k n k n
= ( y. j y.. ) 2 + ( yij y. j ) 2 + 2 ( y. j y.. )( yij y. j )
j =1 i =1 j =1 i =1 j =1 i =1
k n
2 ( y. j y.. )( yij y. j ) = 0
j =1 i =1
26 M. I. Nez Pea
n n
(y i =1
. j y.. )( yij y. j ) = ( y. j y.. ) ( yij y. j )
i =1
k n k
n
2 ( y. j y.. )( yij y. j ) = 2 ( y. j y.. ) ( yij y. j )
j =1 i =1 j =1 i =1
n
Como para todo valor de j ser cierto que (y
i =1
ij y. j ) = 0
se concluye que,
k n
2 ( y. j y.. )( yij y. j ) = 0
j =1 i =1
k n k n k n
2
Sentregrupos
F= 2
Sintragrupo
Si ambas variancias son iguales, entonces el valor de F ser 1, lo que nos llevar
a concluir que no hay diferencias entre los grupos.
Siempre que F sea mayor que 1, por el contrario, diremos que hay diferencias
entre los grupos. No obstante, para decidir si dichas diferencias son o no
estadsticamente significativas habremos de obtener el nivel de significacin del
estadstico F. Para conocer el nivel de significacin ser preciso obtener la Prob (F
F 1,2), siendo 1 = k-1 y 2 = n-k
Dado que el AVAR es un contraste global, siempre que concluyamos que hay
diferencias estadsticamente significativas entre las medias, ser preciso llevar a
cabo contrastes parciales entre las medias de los grupos. Tales contrastes nos
permitirn concretar las diferencias detectadas por el AVAR (vanse las distintas
tcnicas estadsticas para comparaciones mltiples de medias independientes, por
ejemplo, en Hays, 1994 y Ramsey, 1993).
El AVAR suele presentarse en forma de tabla, siguiendo la estructura que se
muestra en la Tabla 2.4:
28 M. I. Nez Pea
Tabla 2.4. Cuadro resumen del AVAR unifactorial para datos independientes.
Fuentes de Grados de
Suma de cuadrados (SC) Variancia F
Variacin libertad
k n
SCentre 2
SCentre = ( y. j y.. ) 2
2
= Sentre
Factor k-1 Sentre F=
entregrupos j =1 i =1 k 1 2
Sintra
k n SCintra
SCintra = ( yij y. j ) 2 =
2
Factor n-k Sintra
intragrupo j =1 i =1 nk
k n
Total SCtotal = ( yij y.. ) 2 n-1
j =1 i =1
SCentregrupos
2 =
SCtotal
yij = + j + ij
(tambin conocido como efectos principales de las variables), nos abre la posibilidad
de analizar la interaccin (o efecto interactivo). El anlisis de la interaccin nos
permitir detectar si el efecto de uno o ms valores de la variable de agrupacin
est condicionado a alguno o algunos de los valores de la otra variable de
agrupacin.
A modo de ejemplo presentamos en la Tabla 2.5 la matriz de datos para el caso
ms sencillo del AVAR multifactorial para muestras independientes. Se trata del
caso 2 x 2, donde slo intervienen dos variables de agrupacin, cada una de ellas
con slo dos valores.
VARIABLE B
b1 b2 medias
yijk = + i + j + ij + ijk
Finalmente, obtendremos una razn F para cada uno de los efectos principales y
para la interaccin, dividiendo la variancia de cada efecto entre la variancia residual.
Puesto que el AVAR es un contraste global, siempre que nos indique que hay
diferencias estadsticamente significativas para alguno de los efectos analizados,
deberemos llevar a cabo contrastes parciales a fin de estudiar con ms detalle tales
diferencias. En el caso de que la interaccin alcance significacin estadstica, sta se
estudiar con ms detalle mediante el clculo de los efectos simples. En la Figura
2.1 se ilustran grficamente algunas posibles interacciones entre variables: los tres
casos superiores en los que no se produce interaccin y los dos casos inferiores en
los que s hay interaccin.
32 M. I. Nez Pea
80 80 80
70 70 70
60 60 60
50 50 a1 50
a1 a2 a1
40 40 40
a2 a2
30 30 30
20 20 20
10 10 10
0 0 0
b1 b2 b1 b2 b1 b2
Efecto principal para la variable A Efecto principal para la variable B Efectos principales para las variables A y B
80 80
70 70
60 60
50 50
a1 a1
40 40
a2 a2
30 30
20 20
10 10
0 0
b1 b2 b1 b2
Tabla 2.6. Matriz de datos para un AVAR unifactorial para muestras relacionadas
VARIABLE A
a1 a2 ... ak medias
individuo 1 y11 y12 ... y1k y1.
individuo 2 y21 y22 ... y2 k y2.
. . . ... . .
. . . ... . .
. . . ... . .
individuo n yn1 yn 2 ... ynk yn .
poblacional bajo el supuesto de hiptesis nula verdadera, "j es el efecto del valor j
de la variable, Bi es el efecto del individuo i, B"ij es el efecto de la interaccin (o
efecto conjunto) del valor j de la variable y el individuo i, y ,ij es el residual.
Tanto en un caso como en el otro el trmino de contraste para obtener el valor
del estadstico F ser el componente residual.
Adems de los supuestos que han de cumplirse para la aplicacin de cualquier
AVAR, en el caso de que estemos trabajando con muestras relacionadas se aade el
supuesto llamado de esfericidad. Esta condicin supone la homogeneidad de las
variancias de las diferencias entre pares de tratamientos. El procedimiento ms
34 M. I. Nez Pea
Mas adelante, Ato y Vallejo (2007) definen los diseos de N=1 como diseos en
los que una misma unidad de observacin (sujeto, paciente, participante, organismo
o cualquier otra entidad) se mide repetidamente a lo largo del tiempo bajo todos los
niveles de, al menos, una variable independiente (p. 546).
Kennedy (2005) define el diseo de caso nico como aqul que demuestra el
control experimental es decir, la demostracin de que una intervencin concreta
produce un cambio en la conducta con un nico individuo que acta como
participante control y como participante experimental (p. 12). En otras palabras, en
el diseo de caso nico o de N=1 se toman medidas de la variable de respuesta
de forma repetida en una fase de control y en una fase experimental para un nico
individuo.
Kazdin (2001) dice que la razn lgica de los diseos experimentales de caso
nico es similar a la ms conocida de los diseos en grupo. Todos los experimentos
comparan los efectos de las diferentes condiciones (variables independientes) sobre
el comportamiento (p. 207). En la experimentacin tradicional en grupo, el efecto
36 M. I. Nez Pea
O 1 O2 O3 I 1 O4 O5 O6
Hersen, 1984) y recurre a los siguientes smbolos: la letra A simboliza la lnea base
y las otras letras (B, C, D, etc.) simbolizan las fases en las que se introducen los
distintos tratamientos. Este segundo sistema de notacin es el que se utiliza con
ms frecuencia, por lo que lo seguiremos para presentar los distintos tipos de
diseos.
Vamos a presentar la clasificacin de los diseos de N=1 planteada por Hayes
(1981) y Arnau (1994; 1995b), y que, recientemente, tambin han adoptado Ato y
Vallejo (2007) y Balluerka (2001). No obstante, queremos destacar que se pueden
encontrar otros sistemas de clasificacin para este tipo de diseos (vase, por
ejemplo, Kratochwill, 1992).
Los diseos de N=1 se clasifican en funcin de dos criterios. Primero: En funcin
de la reversibilidad de la respuesta a los niveles de la lnea base tras retirar o alterar
el tratamiento. Segundo: En funcin de la estrategia de comparacin que se utiliza
para estudiar la efectividad del tratamiento. El primer criterio diferencia entre los
diseos de reversin y los diseos de no reversin. Los diseos de reversin son
aquellos en los que la conducta es susceptible de regresar al nivel de la lnea base
despus de la intervencin. Los diseos de no reversin, por el contrario, son
aquellos en los que la conducta no puede volver al nivel de la lnea base. El segundo
criterio diferencia entre diseos intra-serie, diseos entre-series y diseos de series
mixtas o combinadas. En los diseos intra-serie se registra la conducta en una sola
serie de datos por ejemplo, un solo individuo y la efectividad de la intervencin
se valora mediante la comparacin entre las sucesivas fases de esa serie. En los
diseos entre-series se registra la conducta en dos o ms series de datos y la
efectividad de la intervencin se valora mediante la comparacin entre series de
datos distintas. En los diseos mixtos se registra la conducta en dos o ms series de
datos y la efectividad de la intervencin se valora mediante comparaciones intra-
serie y entre-series.
Sin nimo de ser exhaustivos vamos a presentar ahora algunos de los diseos de
N=1 que se utilizan con ms frecuencia. En la Tabla 2.7 se presentan clasificados en
funcin de los dos criterios anteriores.
DISEOS DE INVESTIGACIN EN PSICOLOGA 41
Tabla 2.7. Clasificacin de los diseos experimentales de N=1 (adaptada de Ato y Vallejo,
2007).
Diseo de reversin A-B-A. Se trata de un diseo con tres fases: lnea base,
tratamiento y reversin. Dada su estructura supera algunos de los problemas
de validez interna que estn presentes en el diseo A-B; no obstante, es un
diseo que se utiliza poco en la prctica clnica porque acaba con una fase en
la que se retira el tratamiento. Es evidente que si la unidad de anlisis es un
paciente, no es deseable que su conducta revierta a su estado inicial o lnea
base. Este tipo de diseo presenta otro inconveniente que es la posible
presencia de efectos residuales. Estos efectos ya se han comentado cuando
nos hemos referido a los diseos de medidas repetidas.
Diseo de reversin A-B-A con refuerzo diferencial de otras conductas. Se
trata de un diseo con tres fases: 1) lnea base; 2) fase de tratamiento, en
la que se refuerza la conducta de inters; y 3) fase crtica, en la que el
tratamiento se retira de la conducta reforzada en la fase de tratamiento y se
aplica a una conducta alternativa incompatible con la anterior. El principal
inconveniente de este tipo de diseo es que, igual que en el caso anterior,
acaba con una fase en la que no se refuerza la conducta de inters.
Diseo A-B-A-B. Se conoce tambin con el nombre de diseo de retirada de
cuatro fases o diseo A-B replicado. Sus cuatro fases son las siguientes: lnea
base, tratamiento, reversin y replicacin del tratamiento. Por su estructura
se trata de un diseo experimental en el que se incrementa
considerablemente la validez interna si lo comparamos con los diseos
anteriores. El efecto de la intervencin estar claro si la conducta de inters
cambia en el sentido esperado en la fase de tratamiento (primera B), vuelve a
la lnea base tras la retirada del tratamiento (segunda A) y se produce de
nuevo la mejora en la ltima fase (segunda B). Adems de su elevada validez
DISEOS DE INVESTIGACIN EN PSICOLOGA 43
diseos en los que se utiliza una sola serie de datos para valorar la eficacia de la
intervencin.
Diseo de cambio de criterio. Este diseo comienza con una fase de lnea
base en la que se registra la conducta que se quiere modificar. A partir de
aqu se van introduciendo fases sucesivas en las que el tratamiento se va
administrando en funcin del nivel de ejecucin del sujeto en la fase anterior.
Este nivel de ejecucin en la fase previa se conoce como criterio, y va
cambiando de forma gradual entre las fases. En efecto, una vez se alcanza el
criterio para una fase, se administra de nuevo el tratamiento y se establece
un nuevo criterio. El nuevo criterio ser superior o inferior al criterio anterior,
dependiendo de si nuestro inters se centra en incrementar o reducir la
conducta objetivo. La efectividad del tratamiento quedar demostrada en la
medida en que la conducta se vaya ajustando a los distintos cambios de
criterio y finalmente alcance el nivel deseado (que puede ser la eliminacin
completa de esa conducta). Las ventajas de este diseo son muchas fcil
aplicacin, plasticidad, no se deja al paciente en una fase de reversin, etc..
Sin embargo, presenta el inconveniente de necesitar una relativa estabilidad
entre las fases para poder valorar la efectividad del tratamiento sin
ambigedad.
El anlisis de datos para los diseos de N=1 se suele realizar de dos maneras: (1)
mediante la inspeccin visual de los datos y (2) a travs del anlisis estadstico.
Dada la vinculacin de este tipo de diseo con la prctica clnica y educativa, el
primer tipo de anlisis es el que se ha aplicado con ms frecuencia, hecho que ha
fomentado el desarrollo de una serie de tcnicas y procedimientos para el anlisis
visual (vase una revisin de stas en Franklin, Gorman, Beasley y Allison, 1996).
Sin embargo, los anlisis visuales tambin han recibido muchas crticas,
especialmente por su dudosa fiabilidad (Knapp, 1983; Wampold y Furlong, 1981).
Tales crticas han favorecido la propuesta del uso de tcnicas estadsticas como
complementarias e incluso sustitutivas de este tipo de anlisis. Aunque al principio
algunos autores propusieron el uso de pruebas estadsticas clsicas para el anlisis
de los datos de este tipo de diseo (Gentile, Roden y Klein, 1972; Shine y Bower,
1971), pronto se descart su utilizacin por los problemas que esto supona
bsicamente el incumplimiento de la condicin de independencia de los trminos de
error debido a la dependencia serial de los datos. Esta es la razn por la que se
recurri a otras tcnicas estadsticas: unas de tipo paramtrico, como los modelos
ARIMA (Box y Jenkins, 1970; Box y Tiao, 1965), y otras de tipo no paramtrico,
basadas en los principios de la aleatorizacin (Edgington, 1995). Sin embargo, estas
tcnicas estadsticas no siempre constituyen una buena alternativa a las tcnicas
basadas en la inspeccin visual para el anlisis de este tipo de datos. Balluerka
(2001) destaca sus dos principales inconvenientes. El primero es que estas tcnicas
estadsticas requieren el cumplimiento de una serie de condiciones que resultan
difciles de satisfacer en los contextos aplicados; el segundo es que en muchas
ocasiones el analista no busca la significacin estadstica, sino la significacin clnica
por ejemplo, que se produzca una mejora importante en el funcionamiento
cotidiano del paciente. Estas son las principales razones por las que la utilizacin
de las tcnicas estadsticas no se ha extendido en el anlisis de datos para diseos
de N=1. En definitiva, por el momento, no existe un procedimiento ideal de anlisis
para evaluar el impacto del tratamiento en este tipo de diseos. La sugerencia de la
mayora de los autores (vase, por ejemplo, Arnau, 1995d y Balluerka, 2001) es
que se recurra tanto al anlisis visual como al anlisis estadstico para alcanzar una
evaluacin ms completa de los resultados.
48 M. I. Nez Pea
Puesto que una exposicin detallada de todas las tcnicas de anlisis excede los
objetivos de este texto, vamos a centrarnos en las tcnicas del anlisis visual. Nos
detendremos en stas por tres motivos. En primer lugar, porque a pesar de las
crticas que ha recibido el anlisis visual es el que ms se utiliza en el mbito
aplicado (Arnau, 1995d; Kratochwill y Brody, 1978; Poling et al., 1995; Wampold y
Furlong, 1981). En segundo lugar, porque se ha demostrado que el entrenamiento
en el anlisis visual de datos mejora la interpretacin de stos. Fisher, Kelley y
Lomas (2003) informaron de que un grupo de observadores no entrenados
interpretaba los grficos con una precisin de aproximadamente el 55% respecto al
criterio de un grupo de expertos, y que esos mismos observadores incrementaban
su ejecucin hasta aproximadamente el 95 % despus de recibir entrenamiento en
la inspeccin visual. En tercer lugar, nos vamos en centrar en el anlisis visual
porque las tcnicas de anlisis estadstico para este tipo de datos constituyen una
materia ajena a la que ahora nos ocupa. Por lo que se refiere a estas tcnicas
estadsticas pueden encontrarse en Arnau (1995d, 2001), Ato y Vallejo (2007), y
Gorman y Allison (1996), entre otros.
Vamos a abordar el tema del anlisis visual de los datos detenindonos en dos
aspectos esenciales. Primero: expondremos de qu manera se ha de construir un
grfico para que pueda interpretarse sin ambigedad. Segundo: indicaremos qu
elementos del grfico han de captar la atencin del investigador y cmo deber
descifrarlos para poder alcanzar una adecuada interpretacin de los resultados.
Para construir un grfico con los resultados de un diseo de N=1 se suele recurrir
a un diagrama o grfico de curvas. El eje de abscisas se reserva para los periodos
de observacin (ocasiones, sesiones o tiempo) y el eje de ordenadas se reserva
para la variable dependiente o conducta. Por lo que se refiere a la disposicin en el
grfico de otras informaciones relevantes vamos a seguir las directrices para la
elaboracin de grficos formuladas por la Sociedad para el Anlisis Experimental de
la Conducta, que se publican peridicamente en el Journal of Applied Behavior
Analysis (pueden encontrarse tambin en Franklin, Gorman, Beasley y Alllison,
1996).
3. Los puntos del grfico se unirn mediante lneas rectas para facilitar la
visualizacin de la variabilidad y las tendencias presentes en los datos. Los
puntos se han de destacar ms que las rectas para que sean claramente
visibles.
4. Cuando se muestren dos o ms series de datos en un mismo grfico que
representen, por ejemplo, la misma conducta para sujetos distintos o
conductas distintas para un mismo sujeto stas debern aparecer
convenientemente etiquetadas.
5. El nivel de respuesta cero no deber descansar sobre el eje de abscisas, sino
que deber levantarse ligeramente.
6. La escala de medida de la variable dependiente deber ser adecuada para el
tipo de respuesta registrada a fin de evitar las interpretaciones incorrectas
debidas a los cambios de escala.
7. Si la escala en el eje de ordenadas no es continua se ha indicar mediante la
presentacin de una rotura o interrupcin en el eje. Esta directriz es
controvertida porque las interrupciones en el eje de ordenadas pueden
provocar la sensacin de que las diferencias entre las respuestas son
mayores de lo que realmente son.
equivalentes dentro de los lmites del error muestral (p. 142). Esta es la razn por
la cual estos autores utilizan el trmino experimento verdadero en oposicin al
trmino cuasi-experimento.
Kirk (1995) afirma que los diseos cuasi-experimentales son similares a los
experimentos excepto en que los sujetos no se asignan aleatoriamente a la variable
independiente. Se trata de diseos que se utilizan cuando la asignacin aleatoria no
es posible o cuando por razones prcticas o ticas se recurre al uso de grupos
naturales o preexistentes como, por ejemplo, sujetos con una determinada
enfermedad o sujetos que han sido sometidos a abuso sexual (p. 6). Por lo tanto,
los diseos cuasi-experimentales se utilizan cuando el investigador no puede
presentar los niveles de la variable independiente a voluntad ni puede crear los
grupos experimentales mediante la aleatorizacin.
Pedhazur y Pedhazur Schmelkin (1991) definen el cuasi-experimento como una
investigacin que posee todos los elementos de un experimento, excepto que los
sujetos no se asignan aleatoriamente a los grupos. Esta ausencia de aleatorizacin
hace que el investigador se enfrente a la tarea de identificar y separar los efectos de
los tratamientos de los efectos de otros factores que afectan a la variable
dependiente (p. 277).
Ato (1995a) afirma que la metodologa cuasi-experimental incorpora un conjunto
de tcnicas de diseo y anlisis estadstico para afrontar situaciones donde no es
posible o no es tico aplicar la metodologa experimental, o donde los estrictos
requisitos del mtodo experimental no se satisfacen (p. 46).
Arnau define el diseo cuasi-experimental como un plan de trabajo con el que se
pretende estudiar el 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.
A partir de las definiciones anteriores se puede elaborar un listado con las
principales caractersticas del diseo cuasi-experimental. Son las siguientes:
Diseo de grupos no equivalentes con mltiples covariables AVAR, ARM, ACOVAR MLTIPLE
Tabla 2.9. Matriz de datos para un ACOVAR unifactorial con una sola covariable.
yij = + j + xij + ij
62 M. I. Nez Pea
residual.
La inclusin de la covariable en el modelo estadstico afectar al anlisis en dos
sentidos (Maxwell y Delaney, 1990):
Las condiciones que se han de cumplir para poder aplicar un ACOVAR son las
siguientes:
recoger informacin sobre las actitudes o creencias de los individuos con una
finalidad puramente descriptiva o puede querer observar el fenmeno sin intervenir
para no desvirtuarlo. En segundo lugar, nos encontramos con una buena parte de
investigaciones que se realizan en el mbito de la Psicologa en las cuales el objetivo
es estudiar caractersticas de las personas que no son susceptibles de manipulacin
experimental por ejemplo, el cociente intelectual o el nivel de extraversin. Esto
hace que el investigador no pueda provocar el fenmeno que quiere estudiar, y, en
consecuencia, que no pueda recurrir ni a un diseo experimental ni a un diseo
cuasi-experimental. En tercer lugar, puede ocurrir que aunque la variable de inters
se pueda manipular experimentalmente haya razones de tipo tico que lo impidan.
Por ejemplo, no se podr manipular una variable independiente si esta manipulacin
puede producir daos fsicos o mentales a los participantes. Por ltimo, hay
ocasiones en las cuales no se podr llevar a cabo un experimento verdadero por
razones de tipo financiero, administrativos, o simplemente porque supondra
excesivos inconvenientes para los participantes en la investigacin.
Kazdin, A. E. (1982). Single-case research designs: methods for clinical and applied
settings. New York: Oxford University Press.
Kazdin, A. E. (2001). Mtodos de investigacin en psicologa clnica (3 ed.).
Mexico: Prentice Hall.
Kazdin, A. E. y Hartmann, D. P. (1978). The simultaneous-treatment design.
Behavior Therapy, 9, 912-922.
Kennedy, C. H. (2005). Single-case designs for educational research. Boston, MA:
Pearson Education, Inc.
Kenny, D. A. (1975). A quasi-experimental approach to assessing treatment effects
in the nonequivalent control group design. Psychological bulletin, 82, 345-362.
Kenny, D. A. (1979). Correlation and causality. New York: Wiley and sons.
Keppel, G. (1991). Design and analysis: A researchers handbook (3rd ed.).
Englewood Cliffs: Prentice-Hall Inc.
Keppel, G. y Zedeck, S. (1989). Data analysis for research. Analysis of variance and
multiple regression/correlation approaches. San Francisco, CA: Freeman and
Company.
Kerlinger, F. M. (1986). Foundations of behavioural research (3rd ed.). New cork:
Holt, Rinehart and Winston.
Kerlinger, F. N. y Lee, H. B. (2002). Investigacin del comportamiento. Mtodos de
investigacin en ciencias sociales (4 ed.). Mexico: McGraw-Hill.
Keselman, H. J., Keselman, J. C. y Lix, L. M. (1995). The analysis of repeated
measurements: Univariate tests, multivariate tests, or both? British Journal of
Mathematical and Statistical Psychology, 48, 319-338.
Kirk, R. E. (1995). Experimental design: procedures for the behavioral sciences (3rd
ed.). Belmont, CA: Brooks/Ciole Publishing.
Knapp, T. J. (1983). Behavior analysts visual appraisal of behavior change in
graphic display. Behavioral Assessment, 5, 155-164.
Kratochwill, T. R. (1992). Single-case research design and analysis: An overview. En
T. R. Kratochwill y J. R. Levin (Eds.), Single-case research design and
analysis: New directions for Psychology and Education (pp. 1-14). Hillsdale,
NJ: Erlbaum Lawrence Associates.
Kratochwill, T. R. y Brody, G. H. (1978). Single subject designs: A perspective on
the controversy employing statistical inference and implications for research
and training in behaviour modification. Behavior Modification, 2, 291-307.
REFERENCIAS BIBLIOGRFICAS 77