Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño
Metodológico
Wilfredo Bulege Gutiérrez
wilfredobulege@gmail.com
1
Pre prueba, pos
prueba y GC
Pos prueba y GC
Experimentos Cuatro Grupos
de Solomon Series
puros
cronológicas
múltiples
Factoriales
Diseños Cuasi Series
experimentales experimentos Estudio de caso cronológicas de Series cronológ.
con una un solo grupo con repetición
medición Series de estimulo
Pre
Pre prueba / Pos cronológicas con Series cronológ.
experimentos prueba con un múltiples grupos con tratamientos
Diseños de
solo grupo múltiples
investigación
Exploratorio
Transversales
Descriptivo
Diseños no Correlacionales -
experimentales causales
Longitudinales
De tendencia
De evolución de
grupo
Panel
Diseños experimentales
Es una situación de control en la
cual se manipula de manera intencional,
una o más variables independientes
para analizar las consecuencias sobre
una o más variable dependientes.
Creswell (2013a) y Reichardt
(2004) llaman a los experimentos
estudios de intervención, porque un
investigador genera una situación para
tratar de explicar cómo afecta a quienes
participan en ella en comparación con
quienes no lo hacen.
2
Simbología de los diseños experimentales
Símbolo Concepto
R Asignación al azar.
G Grupos de sujetos.
• GE: Grupo experimental, recibe tratamiento.
• GC: Grupo de control, no recibe tratamiento.
X Tratamiento, estímulo, reactivo experimental.
- Ausencia de tratamiento.
O Medición que se hace a uno o más grupos a través de
pruebas, cuestionarios, observaciones, etc.
Experimentos puros
Son aquellos que reúnen los dos requisitos para lograr el control y
la validez interna:
1. Grupos de comparación.
2. Equivalencia de los grupos.
Estos diseños llegan a incluir una o más variables independientes y
una o más dependientes. Así mismo, pueden utilizar pre pruebas y post
pruebas para analizar la evolución de los grupos antes y después del
tratamiento experimental, ejemplo:
Efecto de los contenidos televisivos en la conducta de los niños.
Podría exponerse a un grupo de niños a un programa de televisión con
contenido antisocial y otro expuesto a un programa con contenido de
promoción social; posteriormente observar cuál de los dos grupos
muestra una conducta más agresiva.
3
Tipos de experimentos puros
⚫ Diseño con pre prueba, post prueba y grupo de control:
Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE R O1 X O2
GC R O3 - O4
4
⚫ Diseños factoriales:
Variable A
A1 A2 …
Variable B
B1 A1B1 A2B1
B2 A1B2 A2B2
Criterios Diseño
Cantidad de niveles por • Cantidad de niveles constante: 2k, 3k, etc.
factor • Cantidad de niveles variable: 2x3, 2x3x4, etc.
Cantidad de combinaciones • Diseño factorial completo.
de tratamientos • Diseño factorial incompleto y fraccionado.
Grado de control • Diseño factorial completamente al azar.
• Diseño factorial de bloques.
• Diseño factorial de cuadrado latino.
• Diseño factorial jerárquico.
• Diseño factorial de medidas repetidas.
10
5
Cuasi experimentos
Son diseños de investigación experimentales en los cuales los
sujetos o grupos de sujetos de estudio no están asignados
aleatoriamente. Los diseños cuasi-experimentales más usados siguen la
misma lógica e involucran la comparación de los grupos de tratamiento y
control como en las pruebas aleatorias, ejemplo:
Comportamiento de los pacientes respecto a la realimentación de
los médicos en el tratamiento prescrito.
Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE O1 X O2
GC O3 - O4
11
12
6
Pre experimentos
Son el diseño de un solo grupo cuyo grado de control es mínimo.
Generalmente es útil como un primer acercamiento al problema de
investigación en la realidad.
Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE O1 X O2
13
14
7
Diseños no experimentales
Se caracteriza por no manipular
deliberadamente la variable
independiente. El investigador para
este tipo de diseños no
experimentales solo se sustrae a
contemplar los fenómenos en su
estado natural para luego
analizarlos.
15
Diseños transversales
Es la recolección de datos con el propósito de describir las variables y
analizar su comportamiento en un mismo tiempo.
Estudio T1
M1 O1
M2 O2
Donde:
M1, M2 son muestras
O1, O2 son observaciones.
16
8
Tipos de diseños transversales
17
Diseños longitudinales
Consiste en analizar los cambios que se dan a través del tiempo, de
determinadas categorías, conceptos, sucesos, eventos.
Este diseño toma una sola muestra y los mide a través del tiempo.
Estos diseños pueden ser prospectivos o retrospectivos.
Estudio T1 T2 T3
M O1 O2 O3
Donde:
T1, T2, T3 : son los periodos en los cuáles se realizan las observaciones.
18
9
Tipos de diseños longitudinales
19
Validez interna
Se refiere al grado en que
ciertamente la manipulación de
la Variable Independiente es
responsable de los cambios en
la Variable Dependiente.
Cualquier factor o fuente que no
sea la Variable Independiente y
que pudiera explicar los
resultados es una amenaza para
la validez interna.
20
10
Validez externa
La validez externa se refiere a la
extensión y forma en que los
resultados de un experimento
pueden ser generalizados a
diferentes sujetos, poblaciones,
lugares, etc.
21
Unidad de análisis
Son los sujetos, objetos o sucesos de estudio, ejemplos: personas,
grupos humanos, poblaciones completas, unidades geográficas
determinadas, eventos o interacciones sociales (enfermedades,
accidentes, etc.), entidades intangibles (exámenes, días de descanso).
La definición de la unidad de análisis responde a la pregunta
¿Qué o quienes van a ser estudiados?
22
11
Ejemplos de unidad de análisis
23
Población
Una población es el conjunto de
todos los casos que concuerdan
con una serie de especificaciones
(Selltiz et al, 1980).
Las poblaciones deben situarse
claramente en torno a sus
características de contenido,
lugar y tiempo.
24
12
Muestra
Una muestra es una porción de
una población como subconjunto
de dicha población.
En el enfoque cuantitativo, para
que la muestra sea representativa
de la población, debe
seleccionarse siguiendo algún
método racional.
25
26
13
Muestras probabilísticas
Una muestra probabilística es un
subgrupo de la población en el
que todos los elementos de ésta
tienen la misma posibilidad de ser
elegidos.
Los tipos de muestra
probabilística son:
27
Ejemplo:
Si de un grupo de 150 estudiantes
se desea seleccionar 20; primero
enumerar a los 150, luego elegir
por sorteo a 20 estudiantes; esa es
la muestra.
28
14
Muestreo sistemático:
29
Ejemplo:
Si tenemos una población de 100
elementos y queremos extraer una
muestra de 25, en primer lugar
establecemos el intervalo de selección
que será igual a 100/25 = 4. Luego
elegimos el elemento de arranque,
tomando aleatoriamente un número
entre el 1 y el 4, y a partir de él
obtenemos los restantes elementos de la
muestra, sería:
2, 6, 10, 14,..., 98.
30
15
Muestreo estratificado:
31
Ejemplo:
Si en Ica, 60 % de empresas son
formales y 40 % informales; y queremos
encuestar a 100 empresas, entonces
debemos dividir las empresas en 2
estratos (formales e informales) luego,
elegir aleatoriamente 60 empresas
formales y 40 informales.
32
16
Muestreo por conglomerados:
33
Ejemplo:
Se realizará la segunda vuelta de las
elecciones regionales en Junín. Los
conglomerados, en este caso, pueden
ser los distritos electorales y, dentro de
ellos, las mesas electorales. Con este
muestreo se eligen algunos distritos
electorales y luego, dentro de ellos,
algunas mesas electorales al azar, luego
se entrevista a todos los sufragantes de
las mesas seleccionadas.
34
17
Tamaño de muestra probabilística
Formula para poblaciones finitas: Formula para poblaciones infinitas:
z2.p.q.N z2.p.q
n= n=
e2.(N-1) + z2.p.q e2
n = Tamaño muestral
z = Nivel de confianza elegido. Generalmente z=1.64 para un nivel de
confianza del 90%; z=1.96 (95%); z=2.17 (97%); y z=2.575 (99%).
p = Proporción de éxito; que se conoce por estudios anteriores o similares.
q = 1-p
N = Tamaño de la población
e = error que se prevé cometer.
35
Ejemplo 1:
36
18
poblacion <-2500
error <-0.05
p <-0.12
x<-c(1.96^2*p*(1-p)*poblacion)/((error^2)*(poblacion-1)+1.96^2*p*(1-p))
names(x)<- c("Nivel confianza 95%")
x
37
Muestras no probabilísticas
38
19
Muestra de casos extremos: conformada por casos muy singulares,
que se alejan de las características comunes de un fenómeno.
Muestra por oportunidad: conformada por casos que se presentan de
manera fortuita ante el investigador justo cuando éste las necesita.
Muestra teórica o conceptual: conformada por casos que pueden
ayudar al investigador a comprender un concepto o teoría.
Muestra confirmativa: conformada por casos que se suman a la
muestra inicial para confirmar o descartar aspectos controversiales
obtenidos a partir de los casos inicialmente seleccionados.
39
40
20
Tamaño de muestra no probabilística
41
https://ctivitae.concytec.gob.pe/appDirectorioCTI/Ver
DatosInvestigador.do?id_investigador=1729
42
21