Documentos de Académico
Documentos de Profesional
Documentos de Cultura
intervenciones
psicoeducativas
1
Marco lógico
Objetivo
Llegar a un consenso sobre el
problema a resolver y
comunicar con claridad la
intervención diseñada para
Involucrados Problema Objetivos resolverlo
Alternativas Matriz de ML
2
Unidad III.
Monitoreo
y evaluación de
intervenciones
psicoeducativas
3
VALIDACIÓN SOCIAL
4. Aceptabilidad, factibilidad y
utilidad
MONITOREO DE LA
IMPLEMENTACION
3. Dimensiones de la
EVALUACION DE implementación
RESULTADOS
2. Condiciones para
evaluar impacto
4
Matriz de ML
5
Evaluación de
resultados/impacto
6
Evaluación de impacto
¿Qué habría pasado si la intervención no se hubiese implementado?
(Rubin, 1974)
7
Reflexión
¿Hasta qué nivel podemos reportar los resultados de nuestra innovación?
Para preguntas de nivel descriptivo, las dimensiones de resultado corresponden a los indicadores, pero
estos se utilizan para caracterizar o dar cuenta del objetivo a nivel del propósito.
En las preguntas de nivel normativo, las dimensiones de resultado corresponden a los indicadores del
nivel de propósito, pero dado que se plantean criterios de logro, deben estos acompañarse del valor
que tiene cada indicador antes (línea de base) y después (meta) de implementado el proyecto.
En las preguntas de tipo causal, el éxito de la innovación se interpreta a partir de la fluctuación de los
indicadores a nivel del fin del proyecto. Dado el tipo de diseño que utilizan estas preguntas, esta
fluctuación puede interpretarse como el efecto o impacto de la innovación.
Fin
Propósito
8
¿Cómo redactar los indicadores?
Los indicadores pueden ser promedios o porcentajes:
Por ej: promedio de puntaje en un test o cuestionario; porcentaje de asistencia a una clase
Nivel Diseño Indicador
Descriptivo Posttest grupo interv.; final
Normativo Posttest META - grupo interv.; final
Cuasi- grupo interv.; final - grupo interv.; inicio
experimental
pre-posttest
Cuasi- (grupo interv.; final - grupo interv.; inicio)
Causal experimental - (grupo control; final - grupo control; inicio)
con grupo de
control
Experimental (grupo interv.; final - grupo interv.; inicio)
Al utilizar muestras suficientes, los indicadores de- nivel
(grupo control;
normativo y causalfinal
deben- acompañar
grupo control; inicio)
la estimación puntual
con el resultado de significatividad estadística.
Ejemplo en pre-posttest:
(promedio en un test del grupo de intervención al final – promedio en el test del mismo grupo al inicio)
= (120 puntos – 90 puntos) = 30 puntos promedio, p=.06
9
La estimación puntual fue de 30 puntos, pero valor p >.05
por lo que no hay evidencia de que esta diferencia de 30 puntos sea estadísticamente significativa
Terreno
Antes de utilizar tus indicadores de resultado, evalúa la calidad de los mismos junto a tus compañeros
y docentes del curso. Puedes utilizar esta lámina para pedirles que marquen qué tan bien les parece
que están formulados de acuerdo a los criterios propuestos por Kuzek & Rist (2004)
1. Refleja
directamente su
objetivo
6. Está correctamente
formulado como
2. Permite una variable cuantitativa
medición
suficientemente
objetiva
Excelente
4. Es sensible a la
implementación del
10 proyecto
Evaluación de impacto
¿Qué habría pasado si la intervención no se hubiese implementado?
(Rubin, 1974)
11
Diseño experimental
(RCT - Randomised controlled trial)
12
Diseño experimental
Randomised controlled trial (Gertler et al, 2017)
La asignación aleatoria producirá dos grupos que tienen una alta probabilidad de ser estadísticamente idénticos
siempre que el número de unidades elegibles sea suficientemente grande
(v. gr. grupos con promedios estadísticamente equivalentes en todas sus características)
Ejemplo
Inscripción: 470
.06 .04
kdensity exp_tot
.02 0
¿Cuando ocupar? 0 10 20
x
30 40 50
survey sample
13
Diseño experimental Probabilidad de detectar una
diferencia entre grupos después de la
intervención (cuando esta NO existe en
¿Cuánta muestra es “suficiente”? la realidad)
Probabilidad de
detectar la Tamaños de efecto a detectar
diferencia entre (Cohen, 1988)
grupos después de
la intervención Pequeño >.2
(si esta existe en la Moderado >.5
realidad) Grande >.8
14
Diseño cuasi-experimental
(Emparejamiento)
15
Diseño cuasi-experimental
Matching (Gertler et al., 2017)
Utiliza grandes bases de datos y técnicas estadísticas para construir el mejor grupo de comparación posible sobre
la base de características observables.
(v. gr. para cada unidad de intervención, el procedimiento intenta encontrar una unidad de no tratamiento que tenga
características lo más parecidas posible)
¿Cuando ocupar?
• Gran cantidad de casos
• Variables de selección disponibles
16
Diseño cuasi-experimental
Matching + Diferencias en diferencias (Gertler et al., 2017)
El matching no puede dar cuenta de características no observables que podrían explicar por qué un grupo decide
inscribirse en una intervención, y eso también podría afectar los resultados.
Combinado con diferencias en diferencias al menos se tienen en cuenta cualquier característica no observable que
sea constante a lo largo del tiempo entre ambos grupos
PASOS:
1. Realizar matching a partir de las características
observables de la línea de base.
2. 1ra DIFERENCIA: Para cada unidad de intervención,
calcular la diferencia de resultados antes-después.
3. 2da DIFFERENCIA: Para cada unidad de intervención,
calcular la diferencia de resultados antes-después
de la comparación pareada de esta unidad.
4. (1ra DIFFERENCIA – 2da DIFFERENCIA)
5. Promedio del paso anterior
17
Diseño cuasi-experimental
(pre-post test)
Son imposibles:
1. La asignación aleatoria antes de la intervención
2. La estimación “artificial” del contrafactual
18
Diseño cuasi-experimental
Revisiones sistemáticas
Meta-análisis
RCT (experimental)
Cuasi-experimental
Pre-post test
Post test
Juicio clínico
20