Resumen Metodo

RESUMEN MÉTODO
TEÓRICO 1 (TEMA 1): Psicología como ciencia

El mundo es abordado de la misma forma por las diferentes disciplinas que conforman las
Ciencias Fácticas, generando un saber particular: el conocimiento científico.
Conocimiento Científico  ofrece información confiable a la sociedad que permite
abordar problemas fundamentales para su mantenimiento y desarrollo.
La complementariedad disciplinar es posible en las ciencias debido a que comparten una
estrategia común en cuanto a generar conocimiento: el método. Lo que hacen es partir de las
mismas premisas o principios básicos indemostrables (ejemplo: sólo les es accesible la realidad
material, o que la realidad material puede conocerse por medio de los sentidos y puede
comunicarse, etc.).
Método Científico  es el método que produce conocimiento científico. Deben
considerarse dos cuestiones: la lógica subyacente (hipotética deductiva – inductiva) y los
aspectos lingüísticos de las premisas (las hipótesis y las teorías se redactan con términos
teóricos).
El método científico es el Método Experimental, que es el único que permite cumplir con
todos los objetivos de la Ciencia: describir, predecir y explicar. Estos niveles de desarrollo se
alcanzan de manera progresiva, y esta progresión en el desarrollo del conocimiento
evidencia la complejidad que es llegar al último objetivo de la ciencia: explicar la realidad,
conocer las causas de los fenómenos que delimitan los diferentes campos de estudio. En el
camino se utilizan diferentes métodos dependiendo del conocimiento disponible en cada
momento, por lo cual es común que se utilicen métodos menos exigentes (no experimentales y
correlacionales -inductivos-
) en las primeras etapas de generación de nuevo conocimiento, y el método
experimental (hipotético deductivo) esté reservado para la etapa de justificación
(explicación).
Las ciencias explican por medio de teorías, que son cuerpos de conocimiento
expresado en hipótesis.
Teorías  son construcciones conceptuales, abstractas, son creaciones que permiten predecir
y explicar fenómenos. No son verdades sino que son creaciones provisorias que van siendo
reemplazadas por nuevas ideas que resultan más predictivas y explicativas.
Características del conocimiento científico

• Origen o carácter empírico: la construcción de conocimiento científico
empieza siempre en la observación de la realidad. También la verificación y
justificación del mismo es mediante la observación. Podemos decir que el
conocimiento científico se origina en lo empírico, evoluciona a las teorías y vuelve
a lo empírico para poder poner a prueba las mismas.
• Acuerdo inter e intra observadores: debe existir un consenso con respecto a las
proposiciones que componen la ciencia por parte de los miembros de la comunidad
científica. Esto es lo que confiere a la ciencia su carácter fundamentalmente social. La
ciencia se extiende a través del tiempo y de infinidad de países y culturas.
Investigadores de distintos lugares comparten
Este archivo fue descargado de https://filadd.com

sus investigaciones y se apoyan en lo que investigaron otros a lo largo del tiempo.
Es por este motivo que, para que la ciencia sea viable, es crucial ponerse de
acuerdo. Para poder lograr ese acuerdo es necesario tener un código común, y ese
código común está dado por el método científico.
• Capacidad de repetitividad del hecho observado: esta característica es
consecuencia de la anterior. Las investigaciones tienen que poder ser repetibles para
que distintos investigadores puedan obtener los mismos resultados bajo las mismas
condiciones, o para que el mismo investigador pueda observar los mismos hechos en
condiciones idénticas. Es uno de los criterios básicos del saber científico. La
repetitividad es importante para tener una idea de cuan consistente es el resultado
obtenido.
• Objetividad de las observaciones: las observaciones, incluso las realizadas sobre
uno mismo, deben ser hechas como si se tratara de otro. Se debe hacer explícita la
distinción entre el investigador u observador y la cola o fenómeno observado.
• Relacionabilidad y comunicabilidad: los fenómenos observados y las relaciones
inferidas deberán poder ser coordinadas e integradas en un esquema de relaciones que
constituye la estructura formal de la ciencia. Por otro lado, la ciencia es un
conocimiento abierto al cual se puede acercar cualquier persona interesada en el
mismo. Cuando se hace una investigación se trata de darla a conocer a la comunidad
científica y a la sociedad. Los descubrimientos científicos deberán ser presentados
mediante un informe para que otros científicos puedan conocerlos.
Etapas del proceso científico

El método científico supone una serie de etapas que han de seguirse, y son las
siguientes:
1) Definición y planteamiento del problema: pregunta para la cual no
encontramos respuesta. Es necesario que sea resoluble y debe ser planteado en
términos adecuados.
2) Revisión de la teoría.
3) Formulación de la hipótesis: la hipótesis es una formulación que supone una
solución alternativa al problema de investigación plateado. La hipótesis supone una
relación entre variables. Es la “verdad provisional” o cómo se explica el problema a la
luz de lo que se sabe.
4) Determinación del diseño de investigación: para aceptar o rechazar la
hipótesis se elige un determinado diseño de estudio o experimento cuyo objetivo
será poner a prueba la misma a través de un plan de acción sistemático sobre la
realidad empírica.
5) Recogida de datos.
6) Confrontación de los datos con la hipótesis: se procederá al procesamiento
estadístico de los datos obtenidos en el diseño o experimento. Se confrontarán los datos
obtenidos en la realidad empírica con aquellos que propone la hipótesis planteada.
7) Conclusiones y generalización de los resultados: si los datos avalan la
hipótesis, la misma será confirmada y eventualmente, si puede ser replicada en otros
estudios, se incorporará al marco teórico. En caso contrario se concluirá que en las
circunstancias contempladas, la hipótesis no ha sido confirmada y/o

se volverá a la segunda etapa proponiendo otra hipótesis. También, en caso de no
verificarse la hipótesis con los datos empíricos, puede revisarse el diseño o experimento
planteado en la medida en que pudieron haberse cometido errores metodológicos en su
planteamiento o realización.
8) Comunicación de los resultados en Congresos o mediante
comunicaciones (papers) en revistas de la especialidad: aquí se cumple
con el criterio de comunicabilidad para el conocimiento científico.

PRÁCTICO 1 y 2 (TEMA 2): Variables e Hipótesis
El proceso de la investigación involucra una serie de pasos que comienzan con la delimitación
de un área temática donde surgen problemas de interés que propician que el investigador realice
preguntas con pertinencia, no sólo social, sino de relevancia científica. La forma de responder a
dichos interrogantes es mediante un enunciado: la hipótesis. Los experimentos se realizan para
poner a prueba hipótesis sobre el efecto que produce determinados tratamientos sobre el
fenómeno o la conducta estudiada.
Hipótesis  es una explicación tentativa de un hecho o conducta, una solución tentativa al
problema. Una hipótesis será siempre una afirmación, la cual va a indicar una relación entre
dos o más variables. En Psicología, las hipótesis especifican un resultado como consecuencia
de un argumento antecedente.
Un problema fundamental en el empleo de las hipótesis lo constituye la solidez del argumento
antecedente, ya que puede estar condensando una forma de pensar, observaciones casuales o las
corazonadas de un investigador, y aunque todo esto debe ser respetado, no justifica que se
formulen hipótesis que a largo plazo implicarán una serie de esfuerzos desperdiciados por un
gran número de personas. La hipótesis es fundamental en una investigación, siempre y cuando
esté correctamente formulada, ya que se convierte en la transición del problema al
procedimiento experimental.
El problema es una formulación general de lo que se pretende investigar en el
experimento, mientras que la hipótesis sería la formulación más específica de los
resultados que se esperan encontrar en el mismo.
Hipótesis experimental  consiste en una relación funcional entre, por lo menos, dos
variables: la independiente, el factor que se manipula (causa), y la variable dependiente, el
fenómeno o conducta que se estudia (efecto). El objetivo del investigador es llevar a cabo
un experimento que permita poner a prueba la hipótesis apropiadamente. Definición:
En esta definición aparecen las siguientes ideas:
Es1)
unaSolución
solución tentativa:
tentativa al es problema
la soluciónquequehaplantea
dado lugar a la investigación,
la hipótesis, aunque no debiendo
es estar
expresada, en su enunciado, de la forma más concreta posible, los resultados que se
necesariamente la que se va a encontrar al analizar los resultados empíricos obtenidos esperan
encontrar en la misma,
al realizar la relaciónPero
la investigación. que es
se la
cree existe
que, segúnentre
los la/s VI/s que sedel
conocimientos manipula/n y la/s
investigador
VD/s que se estudia/n.
sobre el tema estudiado, tiene la mayor probabilidad de producirse. Es por esto que se
debe subrayar el término tentativa.
2) Relación concreta entre variables: la hipótesis debe establecer la relación que se
espera encontrar entre las variables incluidas en la investigación. Esa relación debe ser
explicitada de la forma más concreta posible, porque de su forma va a depender el
proceso del investigador e incluso la técnica de análisis de datos empleada.

Clasificación de hipótesis
 Según la relación con el tipo de investigación:
• Hipótesis inducidas: nacen a partir de los hechos observados (se
obtienen de la investigación). Consisten en suponer la existencia de
determinada relación entre dos hechos, por lo que la presencia, ausencia o
modificación de alguno de ellos implicará la presencia, ausencia o
modificación del otro, y la explicará.
• Hipótesis deducidas: aparecen en un estadio más avanzado de la
investigación y se deducen de las relaciones o teorías ya conocidas; es decir,
de un cuerpo de conocimientos ya elaborado. Básicamente, dirigen la
investigación.
 Hipótesis según su valor explicativo:
• Hipótesis relacionales o asociativas: son aquellas cuyo contenido se
refiere exclusivamente a la relación existente entre dos o más variables
(investigaciones correlacionales). Estos estudios las variables son la predictiva
y la variable criterio. Por ejemplo: el consumo de alcohol es un factor asociado
a accidentes; en sujetos adultos la baja autoestima se relaciona con una mayor
presencia de sintomatología depresiva.
• Hipótesis experimentales: implican la presencia de una relación de
causalidad entre las variables incluidas en las mismas. Por ejemplo: si se
supone (hipótesis) que el nivel de estrés afecta la memoria de los sujetos, se
indica que la causa de la disminución o aumento de la capacidad de
memorización depende del nivel de estrés que experimentan los sujetos y se
deberá diseñar un experimento para ponerlo a prueba.
Las variables en la investigación psicológica

Teoría  tiene la función de establecer relaciones entre los hechos.
Experimento  consiste en evaluar y examinar dichas relaciones sometiéndolas a la
contrastación empírica.
Cuando se observa con el propósito de recoger información para probar una hipótesis, no
alcanza con simplemente observar: previamente, se debe establecer el objeto de la
observación, es decir, se debe tomar una decisión sobre lo que se va a enfocar la observación,
y la mejor manera de hacer esto es limitando el objeto de la observación mediante la utilización
de conceptos.
Concepto  es una abstracción de algunos aspectos que presentan los hechos observables.
El concepto expresa una abstracción que se construye por generalización partiendo de aspectos
particulares. En Psicología existen gran cantidad de conceptos, por ejemplo: “inteligencia”,
“rendimiento”, “agresión”, “emoción”, “tendencia”, “impulso”, etc. El concepto de
“rendimiento escolar”, por ejemplo, es una abstracción formada a partir de la observación de
ciertas conductas de los escolares. Estas distintas conductas observadas se reúnen y expresan
con una sola palabra: “rendimiento”.
Los conceptos que más frecuentemente se utilizan en el campo de la teoría científica, suelen
recibir el nombre de constructos.

Constructo  es un concepto creado deliberadamente con fines científicos. El constructo, a
diferencia del concepto, tiene una dimensión relacional y es susceptible de observación y
cuantificación. Por ejemplo, “inteligencia” es un concepto, una abstracción hecha a partir de la
observación de una serie de conductas. Como constructo, “inteligencia” tendría otra serie de
características: por un lado, entra a formar parte del marco teórico y se relaciona de diversas
formas con otros constructos, y por otro, la inteligencia se define y especifica de tal modo que
puede ser observada y medida, es decir, con las pruebas apropiadas se pueden medir los
distintos aspectos de la misma.
Cuando los científicos operan con constructos susceptibles de tomar diversos valores, prefieren
emplear el término “variable”.
Variable  en toda investigación, el científico se ocupa de variables: manipula unas, mide
otras y controla las restantes. Estas variables pueden ser de distintos tipos según su naturaleza y
el papel que asumen en la investigación.
Es importante describir las variables incluidas en una investigación, ya su naturaleza de
influye en el diseño que debe utilizar el investigador y también en las pruebas estadísticas que
aplicará posteriormente al realizar el análisis de los resultados obtenidos.
No se puede aplicar el método experimental a variables no observables o no cuantificables.
Deben ser cuantificables en alguna forma, o al menos diferenciables, a partir de características
observables a las que se les pueda atribuir valores (representarlas numéricamente).
Definición de variable
Una variable es una propiedad, característica o rasgo que puede tomar diferentes valores.
Por ejemplo: a la variable “sexo” se le pueden asignar los valores “varón” y “mujer”, que se
pueden representar con los números 0 y 1, respectivamente.
En psicología se puede definir la variable como cualquier aspecto del organismo o del
ambiente que pueda variar adoptando, por lo menos, dos valores distintos.
Niveles o escalas de medición
Las escalas asignan diferentes símbolos en función de una serie de reglas, para cada
característica que toma una variable.
Tipos de escalas de medición:
 Nominal: es aquella en las que los números u otros símbolos son utilizados solamente
para diferenciar unos objetos de otros. No se determina si algo es mayor o menor, sino
si son iguales o diferentes. Por ejemplo: sexo (femenino, masculino), ocupación, etc.
Los números en una escala nominal solo sirven para diferenciar entre diferentes
objetos, sucesos, personas u atributos, y su única característica es que son distintos
entre sí. No puede realizarse ninguna operación aritmética con ellos.

 Ordinal: los números que se asignan a los distintos valores de la variable indican
diferencias y orden entre los mismos. En las escalas ordinales, la distancia entre los
distintos valores contiguos no es necesariamente la misma. Por ejemplo: nivel educativo
(primario, secundario, universitario). Se supone que el universitario tiene un mayor
nivel educativo que el secundario o primario, pero no debe suponerse que la distancia
entre primario y secundario es de la misma magnitud que entre los valores secundario y
universitario. Tampoco se pueden hacer operaciones aritméticas con estos valores.
 De intervalo: no sólo indica diferencia y orden, también expresa cuánto mayor o
menor es. La distancia entre dos valores contiguos es la misma. Aquí va a existir el
valor 0 pero no va a representar la ausencia de la característica en cuestión sino un
punto arbitrario elegido por el investigador (por ejemplo: el 0 grado centígrado de la
escala de temperatura Celsius). Tiene las propiedades de orden y adicionabilidad. Por
ejemplo: escalas de temperatura, puntuaciones en test de inteligencia, etc. Las escalas
permiten sumar y restar sus valores, así como multiplicar y dividir las sumas y
diferencias que existen entre dichos valores.
 De razón: no sólo proporcionan información sobre la igualdad de las diferencias entre
dos valores consecutivos de una variable, comparándolas entre sí, sino que también
tiene un verdadero punto 0, como punto de ausencia de la característica en cuestión. Por
ejemplo: escala de longitud, escala de peso, velocidad de un automóvil, etc.
Clasificación de las variables

 Clasificación según el nivel de medida que impliquen:
• Variables continuas: son aquellas que pueden adoptar número infinito de
valores ordenados dentro de una cierta amplitud. Por ejemplo: la altura, el
peso, la latencia de las respuestas, etc.
• Variables discretas: son aquellas que solo pueden adoptar un número
limitado de valores ordenados dentro de una cierta amplitud. Por ejemplo:
número de hermanos, número de hijos, número de clics que da un aparato, etc.
 Clasificación desde el punto de vista de la manipulación:
• Variables activas o manipuladas directamente por el investigador:
son susceptibles de manipulación directa por parte del investigador. Los valores
que adoptan las variables son aplicados por el investigador (manipulación
directa).
• Variables asignadas o seleccionadas: son aquellas cuya manipulación
directa resulta imposible. Por ejemplo: edad, sexo, curso escolar, nivel
socioeconómico, etc.
 Clasificación desde el punto de vista metodológico:
• Variables independientes.
• Variables contaminadoras o extrañas.
Variables relevantes
Las variables relevantes son aquellas que afectan o modifican al fenómeno que en el
experimento se presenta como variable dependiente. Entonces, la variable

dependiente es el fenómeno que se está estudiando y en especial se quiere determinar de
qué manera las variables independientes lo modifican o afectan. Una o varias de estas
variables relevantes, serán las independientes; el resto serán las variables
contaminadoras.
Dentro de las variables relevantes distinguimos entre:
• Variables contaminadoras o extrañas: son todas aquellas variables que
pueden afectar a la variable dependiente, pero no fueron tomadas en la
investigación para ser usadas como variable/s independiente/s.
• Variables independientes: es la variable que el experimentador manipula
deliberadamente para conocer sus efectos sobre el fenómeno que se está
estudiando (VD).
Variables contaminadoras
Si los valores de la variable dependiente se modifican en función de los cambios que se
introducen en la variable independiente, se dice que la variable independiente es la causa de los
efectos que se observan en la dependiente. Pero, a su vez, otros factores pueden ser la causa de
los cambios observados en la variable dependiente. Estos factores presentes en un experimento,
que no son los que se están estudiando pero que pueden afectar al fenómeno estudiado, se
denominan variables extrañas o contaminadoras.
Estas variables, entonces, ni se manipulan como la variable independiente, ni se miden
como la dependiente, sino que se deben controlar.
En un experimento bien diseñado la única variable que debe variar sistemáticamente es la
variable independiente (todos los demás aspectos del experimento deben permanecer
constantes). Si esto no sucede, los resultados experimentales no pueden ser interpretados con
certeza: al final del experimento no se sabrá si los cambios observados en la variable
dependiente son debidos a los cambios introducidos por el experimentador en la variable
dependiente, o si son debidos a las variables contaminadoras que han variado
sistemáticamente. Si esto ocurre, el experimento está contaminado.
Las principales fuentes de variables contaminadoras en un experimento psicológico son:
• Losvariable
La sujetos.contaminadora es aquella que tiene efectos sistemáticos sobre la
• variable dependiente y puede actuar conjuntamente con la variable independiente
El experimentador.
• La situación experimental.enmascarando sus efectos.
• Los aparatos.
• El error progresivo.
Estas variables contaminadoras deben ser eliminadas o controladas en el
experimento:
1) Al diseñar el experimento el investigador debe realizar una lista de variables
relevantes para el fenómeno de estudio.

2) Luego, deberá distinguir las variables independientes que va a manipular, y las
potenciales variables contaminadoras que deberá controlar para que no contaminen los
resultados de su experimento. Para controlarlas, se dispone de una serie de técnicas
experimentales de control.
Variables independientes
Es la variable que el experimentador manipula deliberadamente para conocer sus efectos
sobre algún aspecto de la conducta o fenómeno que se está estudiando. El experimentador va a
hacer variar sistemáticamente la variable independiente para comprobar si la conducta que
estudia varía simultáneamente. Se denomina variable independiente precisamente porque
sus valores dependen únicamente de los deseos del experimentador, no estando afectados por
ningún otro factor. Ésta es la principal variable del experimento.
Definición:
Cuando un cambio introducido en la variable independiente da lugar a una modificación en la
Es el factor
conducta de un que manipula
sujeto, el que
se afirmará experimentador, haciéndolo
dicha conducta está variar sistemáticamente,
bajo el efecto de esa variable
para comprobar los efectos que produce en la variable dependiente.
independiente. Sin embargo, a veces puede suceder que, aunque se hayan introducido cambios
en la variable independiente, no se produce ninguna modificación en la conducta observada o
variable dependiente. Esto puede ser debido a que:
a) El investigador puede haber estado equivocado al suponer que su variable
independiente iba a influir en la dependiente.
b) El investigador puede no haber manipulado correctamente su variable
independiente y le ha hecho adoptar unos valores que no han producido
cambios significativos en la variable independiente, aunque la variable
independiente sí tenga influencia sobre la conducta estudiada.
c) La presencia de alguna variable contaminadora que el investigador no haya
controlado y cuyos efectos se hayan confundido con los de la variable independiente.
Tipos de variables independientes
 Variable independiente situacional: hacen referencia a los estímulos que proceden

del ambiente físico y social, así como de la tarea que debe realizar el sujeto. Por
ejemplo: tipo de estímulo (luz, sonido), la presión que el grupo ejerce sobre el
individuo, el tipo de material con el que tiene que trabajar el sujeto, etc.
 Variable independiente de sujeto: son todas las variables propias del individuo, es
decir inherentes a él. Por ejemplo: edad, sexo, personalidad, clase social, ansiedad, etc.
Se diferencian de las anteriores porque el investigador no puede asignarlas a cada
grupo, sino que los sujetos mismos son los que poseen ya un determinado valor de la
variable en cuestión. Es decir, estas variables no pueden ser manipuladas directamente
por él.

Manipulación
La manipulación de las variables independientes es el conjunto de tareas que lleva a cabo el
experimentador para hacerlas adoptar distintos niveles (valores), y para asignar cada
tratamiento experimental (niveles o combinaciones de niveles) a los diferentes grupos
experimentales de sujetos.
Tipos de manipulación:
 Manipulación experimental. Se caracteriza por:

a) El experimentador decide que valores de la variable independiente va a utilizar en su
investigación.
b) El experimentador decide aleatoriamente el sujeto o grupo a quienes va a
asignarse cada valor de la variable independiente.
Este tipo de manipulación es propia del método experimental. Por ejemplo: variables
ambientales.
 Manipulación de selección. Se caracteriza por:

a) El experimentador decide los valores de la variable independiente que va a
emplear en su investigación.
b) No puede determinar aleatoriamente que sujetos van a recibir los valores de la variable
independiente, ya que es el valor elegido de la misma el que determina qué sujetos van
a formar parte de cada grupo experimental, al tener ya cada sujeto el valor que le
corresponde de la variable independiente.
Por ejemplo: edad, sexo, cultura, estatura, etc. (son variables de sujeto). Cuando un investigador
se encuentra con variables a este nivel de manipulación pierde libertad de maniobra, entonces se
encuentra en una investigación cuasi experimental.
Definición de términos importantes:

• Niveles: son los valores que adopta la variable independiente.
• Tratamientos experimentales: es la combinación de niveles que se aplica a cada
grupo de sujetos (cuando se usa más de una variable independiente).
• Grupo experimental: cada grupo de sujetos al que se aplica un tratamiento
experimental diferente.

La variable dependiente
La variable dependiente es el aspecto del fenómeno o la conducta en el que se
esperan encontrar los efectos producidos por los cambios introducidos por el
experimentador en la variable independiente al manipularla.
La observación permitirá verificar o rechazar la hipótesis de que su variabilidad es el efecto de
los cambios introducidos en el factor manipulado (VI). La variable dependiente es la variable
que se mide para comprobar si la variable independiente tuvo un efecto en ella. Por lo tanto,
sus valores depende de los que adopte la variable independiente.
Criterios para elegir la forma de medir la variable dependiente:
• Fiabilidad. Una medida es fiable cuando se obtienen los mismos valores al
llevarse a cabo repeticiones idénticas del experimento.
• Sensibilidad. Una medida es sensible cuando es capaz de variar ante los cambios
que se introducen en la variable independiente, si es que realmente existe entre
ambas variables una relación de causa-efecto.
• Validez. Una medida es válida cuando mida lo que realmente se pretende medir
con ella.
Definición operacional de las variables de un experimento

Uno de los criterios para determinar si un problema es o no resoluble es el hecho de que sus
variables pudiesen ser o no definidos operacionalmente. Se deberá estudiar el papel que las
variables juegan en el experimento que se va a llevar a cabo, y para poder hacerlo es necesario
que estén claramente especificadas y definidas, lo que implica que se deben definir
operacionalmente.
La definición operacional especifica el significado preciso de una variable en un
experimento determinado, y para ello se define en términos de:
 Operaciones observables.
 Procedimientos para medirla.
 Medidas empleadas.
La definición operacional puede ser de dos tipos:
1) Definición operacional experimental. Indica todos los detalles de la
manipulación de una variable por el experimentador. Solo se puede aplicar a
variables independientes y contaminadoras de un experimento.
2) Definición operacional de medida. Describe como se medirá una variable.
Indicará qué instrumentos se usarán, en qué unidades, etc. Se refiere a la variable
dependiente del experimento (también puede aplicar a las variables contaminadoras
y en oportunidades a las variables independientes).

PRÁCTICO 3 (TEMA 4): Control.
La relación causal entre la VI y la VD puede no existir, y los cambios observados en esta
última pueden deberse a otra variable, que actuando junto a la VI, da lugar a resultados que
son interpretados erróneamente como una expresión de la relación existente entre la VI y la
VD. Esta variable es la variable contaminadora.
Variables contaminadoras  son factores extraños que pueden estar haciendo que los
resultados obtenidos en el experimento estén contaminados. Si los resultados de un experimento
incluyen alguna VC no detectada y, por lo tanto, no controlada, las consecuencias que se
derivan de los resultados de dicho experimento son a veces tan difíciles de detectar, que estos
resultados pueden ser aceptados como válidos por el mundo científico durante mucho tiempo.
Por eso es necesario que estas posibles VC sean identificadas y controladas.
Control
Es decir, son técnicas que utiliza el experimentador para poder afirmar si la VI ejerce o no
Sonsobre
efectos los procedimientos
la VD. A mayorque aseguran que el factor manipulado
control experimental, mayor es ola VI es la única
validez interna del
causa de las diferencias
experimento realizado. halladas en las puntuaciones de los sujetos en la VD.
Experimento  observación objetiva y sistemática de fenómenos provocados en

situaciones estrictamente controladas en las que varía un factor mientras todos los demás se
mantienen constantes.
Al utilizar la palabra “control” se refiere a que el experimentador tiene cierto poder sobre las
condiciones de su experimento, es decir, es capaz de manipular y controlar variables en el
esfuerzo por llegar a una conclusión firme en su investigación. La palabra “control” tiene dos
sentidos:
1) Un experimentador controla su VI cuando la hace variar de forma conocida y
específica, es decir, cuando la manipula haciéndola variar sistemáticamente y
haciéndola adoptar, por lo menos, dos valores: presencia y ausencia.
2) Un experimentador controla las VC de su experimento cuando es capaz de
eliminarlas, o si no es posible, las mantiene constantes, evitando que provoquen
efectos diferenciales sobre la VD en los distintos grupos experimentales,
contaminando su experimento.
Tipos de situaciones experimentales

1) Tipo I o con medidas independientes: aquella en la que cada sujeto o grupo de
sujetos es sometido a un solo tratamiento experimental (diseños intergrupos). Aquí el
experimentador debe conocer y controlar las VC en torno a una fuente concreta: los
sujetos o grupos de sujetos. El experimentador deberá asegurar la equivalencia de
los grupos experimentales, su homogeneidad, en todos aquellos factores que no
sean la VI (sexo, edad, nivel cultural, nivel socioeconómico, etc.).
2) Tipo II o con medidas repetidas: aquella en la que todos los sujetos o grupos de
sujetos son sometidos a todos los tratamientos experimentales (diseños

intragrupo). En un experimento con dos tratamientos experimentales A y B, en un
principio se sometería a cada sujeto al tratamiento experimental A, y luego al
tratamiento B. Pero cuando respondan al tratamiento 2 estarán afectados por
aprendizaje o fatiga generadas por la respuesta al tratamiento anterior, esto se llama
“error progresivo”. Entonces, el tratamiento estará contaminado.
En este tipo de situación, el experimentador no tiene que preocuparse de las VC
provenientes de los sujetos, porque los sujetos o grupos de sujetos son los mismos en
los distintos tratamientos, y por lo tanto, las VC provenientes de los mismos ya están
controladas. Pero no está controlada la posible influencia del error progresivo en las
respuestas de los sujetos, por lo que se deberá proceder a su control, utilizando los
métodos de equiponderación o balanceo.
3) Tipo III o mixta: esta situación se da cuando en un experimento alguna VI se
estudie con medidas independientes y las restantes con medidas repetidas (diseños
factoriales).
Fuentes de variables contaminadoras

Pereda Marín afirma que para estudiar las variables contaminadoras deben dividirse las
fuentes de las que proceden en:
a) Sujetos.
b) Experimentador.
c) De procedimiento.
d) Aparatos.
e) Error progresivo.
En detalle:
 Sujetos.
Las variables de sujeto hacen referencia a las diferencias individuales existentes entre los
sujetos de un experimento, las cuales pueden opacar el efecto de la VI sobre la VD. Algunas
hacen referencia a aspectos estables (sexo, edad, personalidad, aptitudes, etc.), mientras que
otras hacen referencia a aspectos no estables (si los sujetos son o no voluntarios, que se les
pague por participar del experimento, etc.).
Esta fuente afecta solo a situaciones experimentales de tipo I y III (intergrupo y mixta). Para
controlar las VC de sujeto, hay una serie de técnicas de control:
- eliminación,
- balanceo,
- constancia, y
- aleatorización.
 Experimentador.
El sexo, la edad, las expectativas del experimentador, etc., son aspectos que, si no se controlan
adecuadamente, pueden influir en los resultados del experimento y contaminarlo. Las dos
técnicas de control más idóneas para controlar las VC provenientes del experimentador son:

- eliminación, y
- constancia.
 De procedimiento.
Todas aquellas variables que se refieren a aspectos del ambiente (iluminación, humedad,
ruidos, temperatura, etc.), la tarea experimental (características de la tarea como por ejemplo
la manera de responder los sujetos, etc.), las instrucciones (como son dadas), etc., pueden
variar de un grupo experimental a otro, haciendo que dicha variación sea confundida con las
de la VI e invalidando los resultados de la investigación. Con respecto a las instrucciones, al
dar instrucciones a los sujetos se puede, inadvertidamente, revelarles cuál es la hipótesis que
se está probando con el experimento y como consecuencia de ello, influir en su repuesta o en
su rendimiento.
Para controlar estas VC, se dispone de la técnica de eliminación.
 Aparatos.
Los instrumentos empleados en el experimento pueden variar en cuanto a su sensibilidad y
fiabilidad, introduciendo un error sistemático (introducen modificaciones sistemáticamente en
la VD hacia determinados resultados del experimento) en los resultados de la investigación si
no se controlan adecuadamente. Por esto, antes de iniciar el experimento, conviene revisar
todos los aparatos que se vayan a emplear y confirmar su sensibilidad y fiabilidad.
Para controlar estas VC, se dispone de las siguientes técnicas:
- eliminación, y
- constancia.
 Error progresivo.
Cuando los tratamientos experimentales se presentan siempre en un mismo orden temporal
o espacial, puede ocurrir que el experimento quede contaminado.
Se deberá tener en cuenta el tipo de tratamientos que se van a emplear antes de llevar a cabo un
experimento con medidas repetidas, y si determinado tratamiento tiene efectos residuales, se
deberá dejar transcurrir, entre una aplicación y otra, un período de tiempo lo suficientemente
amplio como para que desaparezcan los efectos del primer tratamiento.
El responder repetidamente puede afectar de dos formas diferentes a los sujetos
experimentales:
1. Efectos de la práctica. Pueden mejorar las puntuaciones porque la repetición hace
que aumente la familiaridad con los materiales, la tarea y la situación experimental
misma. Cuando un sujeto pasa por un tratamiento después de otro, en la realización
del primero adquiere cierta experiencia que puede ayudarle a pasar los siguientes
tratamientos.
2. Efectos de la fatiga. Pueden deteriorarse las puntuaciones debido a la fatiga o hastío.
Se utiliza el término “error progresivo” porque la cantidad de error que se introduce en un
experimento en el que se emplean medidas repetidas va aumentando a medida

que avanza la investigación, por lo que será mayor en cada tratamiento posterior que se
aplique.
Esta fuente afecta solo a situaciones experimentales de tipo II y III (intragrupo y mixta).
Para controlar esta VC se utilizan las técnicas especiales denominadas métodos de
equiponderación o balanceo.
Técnicas de control de las variables contaminadoras

 Técnicas de control en situaciones experimentales tipo I (intergrupos).
En este tipo de situaciones, a cada grupo de sujetos se le aplica un tratamiento distinto y después
se miden sus puntuaciones en la VD para determinar si la VI tiene algún efecto sobre ella.
Varianza intergrupos  diferencias existentes entre los grupos experimentales antes de la
aplicación de los tratamientos.
Ésta es una de las fuentes de contaminación más importantes en este tipo de experimentos,
y por ende, las técnicas de control utilizadas en esta situación van a estar principalmente
dirigidas a asegurar la equivalencia inicial entre los grupos experimentales.
También se utilizan otras técnicas para asegurar que, una vez igualados los grupos antes de
la introducción de los tratamientos experimentales, permanezcan equivalentes durante la
realización del experimento.
Las principales técnicas de control para estas situaciones son:
1) Eliminación: consiste en eliminar la VC, y, en consecuencia, a la variación que
puede producir en la VD. Lo que se hace es no dejar dicha variable, para lo que se
utilizará sólo un valor de la misma, eliminando todos los demás. De esta forma, se
consigue eliminar su influencia como VC.
Por ejemplo: si la variable “sexo” puede contaminar los resultados de un
experimento, se eliminarán los efectos de esta VC suprimiendo de la
investigación los sujetos varones o los sujetos mujeres.
Esta técnica es la más segura, pero no es aconsejable su uso en caso de las VC de
sujeto, porque limita la aplicación de los resultados y su generalización.
2) Balanceo: cuando no es posible o conveniente utilizar la técnica de eliminación, se
puede recurrir a la técnica de balanceo de las VC. Consiste en equilibrar el efecto de la
VC manteniendo constante la proporción de cada valor de la misma que afecta a
cada grupo.
Por ejemplo: supongamos que se trabaja con una muestra compuesta por un 75% de
mujeres y un 25% de varones. El balanceo de la VC “sexo” consistiría en mantener
constante dicha proporción en cada grupo experimental, es decir, cada tratamiento se
aplicaría, por ejemplo, a 100 sujetos de los que 75 (75%) serían mujeres y 25 (25%)
varones.
3) Constancia: es un caso particular de balanceo. Con esta técnica se hace que cada
valor de la VC afecte por igual a todos los grupos de sujetos. Al aplicarla, todos y cada
uno de los tratamientos experimentales van a estar sucesivamente afectados de la
misma forma por cada valor de la VC.

Por ejemplo: si el 50% de los sujetos de cada grupo experimental fueran varones
y el otro 50% mujeres, se habría controlado la variable “sexo” por constancia.
4) Aleatorización: consiste en confiar al azar la distribución equivalente de las
VC entre todos los grupos de sujetos del experimento. Se supone que el azar se
encarga de poner en manos del experimentador grupos equivalentes y
homogéneos.
El azar también puede ser utilizado para igualar los grupos experimentales
antes de aplicar los tratamientos.
Cuando la muestra es pequeña, la aleatorización es poco fiable, ya que al emplear
pocos sujetos se pueden haber introducido diferencias significativas entre los grupos.
Cuando la muestra es grande, se puede esperar que el azar proporcione grupos
equivalentes en los que las VC se distribuyan homogéneamente entre todos los
grupos.
 Técnicas de control en situaciones experimentales tipo II (intragrupo).

Método de equiponderación o balanceo: el objetivo de este método es repartir por igual
los efectos del error progresivo entre todos los tratamientos. No se elimina el error progresivo,
sino que se distribuye por igual entre todos los tratamientos, consiguiendo una constancia en
el experimento. Se equipondera alterando el orden de presentación de los tratamientos en
los diferentes subgrupos (intragrupo) o en el mismo sujeto (intrasujeto).

TEÓRICO 2 (TEMA 3): Diferencia de los métodos de investigación:
experimento, cuasiexperimento y preexperimento.
Los métodos de investigación científica son herramientas que permiten generar
conocimiento. Se basan en ciertas reglas y leyes generales, y pueden abordar distintas etapas
del desarrollo de las disciplinas científicas otorgando distintos niveles de alcance en los
resultados que generan: describir, predecir y explicar.
La finalidad más elevada (explicar) suele llegar al final de un intenso trabajo después de
realizar gran cantidad de investigaciones hasta que el conocimiento acumulado y relacionado
se estructura en teorías.
La siguiente clasificación permite agrupar los métodos según la finalidad para la cual sean
empleados (depende de los objetivos de la investigación). Es decir, no hay métodos
buenos o malos en sí, sino que son adecuados o no para cada estudio. Al mismo tiempo, su
utilización está condicionada por requisitos técnicos, de conocimiento previo y éticos.
La implementación de los diferentes métodos ofrecerá resultados que denominamos alcance
del método, los cuales son progresivos, y cada nivel incluye al anterior (describir,
predecir y explicar).
Clasificación de los métodos de investigación cuantitativos

Métodos cuantitativos  Son distintos métodos que se diferencian en función del tipo
de relaciones que se estudian, las características de sus diseños para llevar a cabo la
investigación, los objetivos de la misma, el momento en el desarrollo de un tema de
investigación, etc.
Si bien son distintos métodos, están cruzados por una misma lógica, por determinados
principios que los unifican como métodos cuantitativos. Podría decirse que vienen a ser
como un tronco del cual salen distintas ramas que son las distintas formas metodológicas.
En un primer panorama general podemos hacer la siguiente clasificación:

Métodos Explicativos o Experimentales
Son los métodos que investigan, son los únicos que pueden poner a prueba relaciones de
causalidad: cuando tenemos una hipótesis experimental que plantea una relación de causa y
efecto entre las variables, recurrimos a estos métodos (están dirigidos a responder por las
causas de los eventos y fenómenos físicos o sociales).
Entre ellos se establecen diferencias en función del grado de validez interna que
tienen.
Relación causal  relación de causa y efecto: la causa es la VI y el efecto es la VD.
Validez interna  tiene que ver con el grado de seguridad que se puede tener de que
los cambios observados en la VD son producidos por la VI y no por las variables
contaminadoras. Este grado de seguridad tiene que ver con cuán adecuados o no sean los
métodos de control de variables contaminadoras que se hayan implementado. Por lo tanto, la
validez interna está directamente relacionada con el control de las variables
contaminadoras o extrañas.
Entonces, tenemos tres métodos diferentes de investigaciones explicativas, y esto se
debe a que los mismos tienen diseños diferentes que brindan un control mejor o peor de las
variables contaminadoras, afectando la validez interna de los mismos. Por este motivo, se
puede decir que estos métodos se diferencian por el grado de validez interna que
tienen. Podemos ubicarlos en el siguiente esquema:
Estos métodos no son excluyentes entre sí, es decir, a veces una investigación puede
caracterizarse como exploratoria, descriptiva, correlacional o explicativa, pero no se sitúa
únicamente como tal. Aunque un estudio sea esencialmente exploratorio,

contendrá elementos descriptivos, así como un estudio correlacional incluirá
componentes descriptivos, etc. Es posible que una investigación se inicie como
exploratoria o descriptiva y después llegue a ser correlacional o explicativa.
1) Método exploratorio.
Características:
• El objetivo es examinar un tema o problema de investigación poco estudiado, del
cual se tienen muchas dudas o no se ha abordado antes.
• Sirve para familiarizarnos con fenómenos relativamente desconocidos, establecer
información sobre la posibilidad de llevar a cabo una investigación más completa
respecto de un contexto particular, investigar nuevos problemas, etc.
• Es común en la investigación, sobre todo en situaciones donde existe poca
información.
• En pocas ocasiones constituye un fin en sí mismo, generalmente determina
tendencias, identifica áreas, ambientes, contexto y situaciones de estudio, o establece
el “tono” de investigaciones posteriores más elaboradas y rigurosas.
• No tienen hipótesis claramente definidas, y no parten de una idea previa bien
establecida.
• Es más flexible en su método en comparación con los correlacionales,
descriptivos o explicativos.
• Es más amplio y disperso que los otros métodos.
• Implica un mayor “riesgo” y requiere gran paciencia, serenidad y receptividad por
parte del investigador.
• Los métodos descriptivos suelen ser mayormente exploratorios.
2) Método experimental.
Características:
• Alcance: cumple con todos los objetivos de las ciencias, es decir, describir,
predecir y explicar.
• La lógica de base es hipotético-deductiva: parte de hipótesis (premisas con
alcance general) para ser puestas a prueba por medio de la investigación empírica, en
un conjunto acotado de sujetos (muestra).
• El objetivo es estudiar una posible relación causal (hipótesis experimental)
existente entre dos variables (VI – causas y VD – efectos).
• Se requiere cierto desarrollo de conocimiento previo (otras investigaciones de
distintos niveles).

• Se requiere que en el marco teórico se cumpla con los aspectos lingüísticos de
toda teoría: términos teóricos (conceptos que hagan referencia abstracta y general a
entidades observables de forma directa), o términos empíricos.
• Tienen alta validez interna, generada por el control de VC.
• La manipulación tiene que ser necesariamente intencional. No puede haber
ningún experimento que no tenga manipulación intencional, pues la manipulación de
selección impide que la investigación constituya un experimento.
• Al haber manipulación intencional, es posible que haya una secuencia de tiempo.
En una relación causal, la causa precede al efecto. Al tener manipulación intencional,
podemos aplicar primero la VI y después observar qué pasa con la VD, es decir,
observar si esta última varía en función de la primera. La variabilidad de la dependiente
sería explicada por la variabilidad de la independiente, y la manipulación intencional
permite esta secuencia de tiempo donde la VI se presenta antes que el efecto en la VD.
Estas características, si bien son necesarias para un experimento, no son suficientes (porque
también las podemos encontrar en los cuasiexperimentos y en los preexperimentos).
Para que una investigación sea un experimento, depende de que el diseño de la investigación
tenga un adecuado control de variables contaminadoras. ¿De qué depende esto?
Marcaremos para esto una diferencia entre los controles específicos y controles generales de
variables contaminadoras.
 Controles específicos: están dirigidos a controlar una o varias variables

contaminadoras en particular, las cuales han sido identificadas para ser controladas.
Las variables contaminadoras para una VD en particular pueden ser muchas, algunas de
ellas son conocidas y otras son desconocidas. Cuando hacemos una investigación
podemos identificar una o varias VC y elegir una o más de ellas para controlarlas a
través de las técnicas de control. Por ejemplo: podríamos controlar, entre otras,
inteligencia, ansiedad, extraversión, las condiciones ambientales de iluminación o
ruido, etc. Estos controles no definen que la investigación sea un experimento, pero son
importantes para la calidad de la investigación e influyen sobre su validez interna.
 Controles generales: como se mencionó, las VC pueden ser varias y, además,
desconocidas, por lo cual no se pueden controlar todas mediante los controles
específicos. Para esto se usan los controles generales. De estos controles depende que
la investigación constituya un experimento.
Entonces, en una investigación explicativa, las comparaciones son fundamentales, ya sea entre
distintas medidas o valores de la VI. A estas comparaciones se les llama comparaciones
formales. Hay tres tipos:
a) Medida pretratamiento.
b) Comparación de grupos.
c) Medidas repetidas.
a) Medida pretratamiento.
Ejemplo 1. – Se quiere poner a prueba una técnica psicoterapéutica para el
tratamiento de la depresión, para evaluar su eficacia.

Variable independiente Variable dependiente
Psicoterapia Depresión
Ejemplo 2. – Se desea implementar una investigación en el ámbito educativo, en la cual se

quiere poner a prueba un taller para incrementar la motivación de los alumnos para que
participen más en determinadas actividades escolares.
Variable independiente Variable dependiente
Taller Nivel de participación
Supongamos que en el ejemplo 1 aplicamos la psicoterapia y luego medimos el nivel de

depresión, y en el ejemplo 2 aplicamos el taller y luego medimos el nivel de participación.
Pero para saber si realmente el taller y la psicoterapia fueron eficaces, se necesita comparar con
algo. Para esto, se puede tomar una medida de la VD anterior a la aplicación de la VI (medida
pretratamiento) y después compararla con la segunda medida de dicha variable (medida
postratamiento). Esto se hace para poder observar, en un caso, si hay una disminución en los
niveles de depresión, y en el otro, si hay un incremento del nivel de participación.
Ejemplo 1.
Medida pretratamiento Tratamiento Medida postratamiento
Depresión antes Psicoterapia Depresión después
Ejemplo 2.
Medida pretratamiento Tratamiento Medida postratamiento
Nivel de participación Taller Nivel de participación
antes después
Cuando no es posible realizar una comparación formal entre la medida pretratamiento y la

postratamiento, se puede reemplazar la VD en la medida pretratamiento por una variable
altamente correlacionada con ella.
La medida pretratamiento, si bien mejora los diseños de investigación, no es suficiente
para asegurar un adecuado control de VC. Esto se debe a que no podemos saber si no intervino
alguna o varias VC entre las medidas comparadas (pre y post), ni si la diferencia entre una y
otra sea efectivamente explicada por la VI y no por dichas VC. Por este motivo, la medida
pretratamiento por sí sola no hace que una investigación sea un experimento (es decir, un
experimento puede tenerla o no).
b) Comparación de grupos.
Estas comparaciones tienen varias funciones, entre ellas la de servir como control de VC. El
control que nos permite es lo mencionado como control general.

Ejemplo 1.
Grupos Medida pretratamiento Tratamiento Medida postratamiento
1 Depresión antes Psicoterapia A (a1) Depresión después
2 Depresión antes Psicoterapia B (a2) Depresión después
Ejemplo 2.
Grupos Medida pretratamiento Tratamiento Medida postratamiento
1 Nivel de participación Taller (a1) Nivel de participación
antes después
2 Nivel de participación Sin taller (a0) Nivel de participación
antes después
En este nuevo esquema tenemos un segundo grupo (podrían ser más). Este nuevo grupo
funciona como grupo de comparación, que nos da un control general de VC.
¿Por qué el grupo de comparación funciona como control general? Supongamos: en el
ejemplo 1, si realmente la psicoterapia A es más efectiva que la B, en el grupo 1 tendría que
haber una disminución significativa de la depresión, mayor que en el grupo
B. En el ejemplo 2, si el taller es eficaz, en el grupo 1 en el que se aplicó el taller tendría
que haber un significativo incremento de la participación, mientras que en el grupo 2,
tendría que haberse mantenido estable. En este sentido, es similar a la medida
pretratamiento.
En el ejemplo 1, si interviniera alguna VC que redujera el nivel de depresión más allá de la
psicoterapia aplicada y afectara a ambos grupos, no habría diferencia entre ellos. Pero si la
reducción se observa en el grupo en el que se aplicó determinada psicoterapia, tendría que
deberse a la mayor eficacia de la misma, ya que justamente la diferencia entre los dos grupos es
que en ambos se aplican psicoterapias distintas. Se puede pensar, entonces, que la diferencia se
debe a los distintos valores aplicados de la VI (psicoterapias A y B), de lo contrario, no habría
diferencias.
En este ejemplo, la comparación fue entre dos grupos experimentales, distintos
valores de la VI, que no incluían el valor ausencia (que no se aplique ninguna
psicoterapia).
En el ejemplo 2, se comparó un grupo donde se aplicó el taller (grupo experimental) con
un grupo donde no se aplicó ningún taller (valor ausencia de la VI), que se indica con el número
0. Cuando no se aplica ningún valor de la VI, se lo llama grupo control.
En este ejemplo, si las VC hubieran producido cambios en la participación (incremento o
disminución), se debieran haber dado en ambos grupos, y no solamente en el que se aplicó el
taller. Pero si en el grupo experimental se observa un incremento significativo de la
participación y en el grupo control se mantiene estable, se puede concluir que la VI tuvo
efecto, porque los grupos difieren en que en uno se aplicó el taller y en el otro no.
Grupo de comparación  permite hacer una comparación formal que sirve como forma
general de control de VC, porque si éstas producen efecto en uno de los grupos, también
deberían hacerlo en el otro, y no actuar de forma diferencial.
La comparación entre grupos se asienta en una premisa básica: los grupos deben ser
similares entre sí en cuanto a las características de los sujetos que los componen.

Esto se denomina equivalencia inicial de los grupos. Esto no quiere decir que los sujetos
tienen que ser idénticos, sino que la variabilidad de sujeto, es decir, las diferencias
individuales, estén repartidas de la misma manera en ambos grupos. Esto es importante para la
validez interna, ya que si los grupos no fueran equivalentes, las diferencias individuales
podrían funcionar como VC.
¿Cómo se puede asegurar esta equivalencia inicial de los grupos? Mediante la
asignación al azar de los sujetos a los grupos. Esta es la técnica de control llamada
aleatorización.
Agregando la aleatorización al diseño del ejemplo 2, quedaría:
Grupos Composición Medida Tratamiento Medida
de grupos pretratamiento postratamiento
1 Azar Nivel de Taller (a1) Nivel de
participación antes participación
después
después
3 Azar Nivel de Sin taller (a0) Nivel de
después
De esta forma, se cumplen los requisitos necesarios para una primera forma de investigación
que constituya un experimento: para serlo, la investigación debe tener comparación de
grupos, los cuales tienen que haber sido formados al azar. Es decir, los diseños de
comparación de grupos, cuando son aleatorios, siempre son experimentos. Por ende, pueden
tener o no medida pretratamiento. Estos diseños son los experimentales de medidas
independientes o intergrupos.
Del requisito de la aleatorización se desprende una conclusión: no puede haber manipulación
de selección en los experimentos. Esto se debe a que este tipo de manipulación hace
imposible la asignación al azar de los sujetos a los grupos, porque el valor de la VI es propio
del sujeto (un aspecto como edad o perfil de personalidad) y no se puede modificar.
c) Diseño de medidas repetidas o intragrupo.

Supongamos que en una investigación se planteará que el contenido emocional de las palabras
influye en el recuerdo de las mismas. Para poner a prueba esto se confeccionan dos listas de
palabras: una con palabras con fuerte contenido emocional, y otra con palabras emocionalmente
neutras. Por lo tanto:
• VD: dos valores:
1. Palabras con contenido emocional.
2. Palabras neutras.
• VI: cantidad de palabras recordadas
Para llevar a cabo esta investigación se podría implementar un diseño de comparación de
grupos:

1 Azar ----- Palabras Cantidad de
emotivas (a1) palabras
recordadas
2 Azar ----- Palabras Cantidad de
neutras (a2) palabras
recordadas
Esta investigación sería un experimento porque tiene grupo de comparación y los grupos
fueron formados al azar.
Supongamos que, aunque los grupos fueron formados al azar, no son demasiado grandes, y nos
preocupa que las diferencias individuales puedan contaminar la investigación. En esta situación
podríamos recurrir a un diseño experimental diferente: tomamos la muestra, pero en lugar de
asignar a cada sujeto a un grupo diferente, a cada sujeto le aplicamos todos los valores de la VI
(a cada sujeto que participa de la investigación se le aplican todos los tratamientos). Este diseño
es el diseño de medidas repetidas o intragrupo. El ejemplo anterior quedaría así:
Grupos Composición de Tratamiento Medida
grupos postratamiento
1 Azar Palabras emotivas (a1); Media de palabras
Palabras neutras (a2) recordadas: lista 1 y
lista 2
El diseño de medidas repetidas o intragrupo es aquel en el que a cada sujeto de la

muestra se le aplican todos los tratamientos.
Ventaja de este diseño sobre el de comparación de grupos:
 Permite eliminar una importante fuente de error que es la varianza dada por las
diferencias individuales.
Desventajas:
 En muchos casos no pueden ser utilizados. Esto se debe a que, para que puedan ser
aplicables, es necesario que el efecto que produce la VI sobre la VD sea rápidamente
reversible, ya que si permanece en el tiempo (como en el caso de talleres o
psicoterapias, por ejemplo), se invalida la aplicación de un segundo tratamiento.
 Error progresivo: tiene que ver con los efectos que se producen por el orden sucesivo
de aplicación de los tratamientos, de manera que la cantidad de error que se introduce
en la investigación va aumentando en los sucesivos tratamientos.
Si el error progresivo (ya sea efecto de la fatiga o efecto de la práctica) puede afectar la validez
interna, es fundamental que sea controlado. ¿Cómo? Mediante la técnica de control llamada
equiponderación o contrabalanceo. Esta técnica consiste en distribuir de la misma forma
el error progresivo en los distintos tratamientos. Esto se logra variando el orden de los mismos.
Las dos formas básicas de esta técnica parten del supuesto de que cada tratamiento genera
la misma cantidad de error progresivo y del mismo signo.

1) Equiponderación o contrabalanceo intersujetos.
Aquí, lo que se hace es ir cambiando el orden de los tratamientos a través de los sujetos. Esto
se hace para que esa cuota de error afecte de forma equitativa a cada uno de los distintos
tratamientos. En un caso básico con dos tratamientos a 1 y a2, las secuencias posibles son dos:
a1a2 y a2a1. Se aplicaría de la siguiente forma:
Sujeto 1 - a1a2
Sujeto 2 - a2a1
Sujeto 3 - a1a2
Sujeto 4 - a2a1
Y así sucesivamente.
¿De qué manera queda controlado el error progresivo? Cuando el primer tratamiento se
aplica, no habría error progresivo (0), y cuando el segundo se aplica, el error progresivo
sería 1. Tomando de a dos sujetos con secuencias diferentes:
Si sumamos el EP para cada tratamiento, nos da lo mismo: el EP
no se elimina pero queda equiparado en ambos tratamientos
a1 a2
0 1 a1 = 0 + 1 = 1
a2 a1
0 1 a2 = 0 + 1 = 1
En este caso es necesario que la cantidad de sujetos sea un número par, para que ambas
secuencias se apliquen igual cantidad de veces. Con esta forma de equiponderación, el EP
no queda controlado en cada sujeto, sino en el conjunto de ellos.
2) Equiponderación o contrabalanceo intrasujetos.
En este caso, el orden se invierte en cada sujeto, de manera que el EP no queda sólo controlado
en el conjunto de sujetos, sino también en cada sujeto. Por ejemplo, con dos tratamientos,
sería:
Sujeto 1 - a1a2a2a1
Sujeto 2 - a2a1a1a2
Sujeto 3 - a1a2a2a1
Sujeto 4 - a2a1a1a2
Y así sucesivamente.
Suponiendo que cada tratamiento genera la misma cantidad de EP y del mismo signo,
tendríamos:
• 1° tratamiento aplicado: 0

Si sumamos el EP para cada tratamiento, nos da lo mismo: el
EP no se elimina pero queda equiparado en ambos
tratamientos
a1 a2 a1 a2 a1 + a1 = 0 + 3 = 3
0 1 2 3 a2 + a2 = 1 + 2 = 3
a2 a1 a1 a2 a2 + a2 = 0 + 3 = 3
0 1 2 3 a1 + a1 = 1 + 2 = 3
De estas dos formas, la que convenga usar, dependerá de las características de la investigación.
Por ejemplo, si hay muchos tratamientos, podría ser más conveniente la equiponderación
intersujetos, porque en intrasujeto tendrían que aplicársele a cada sujeto muchos tratamientos.
En resumen, podemos decir que una investigación será un experimento

cuando:
Tenemos comparación de grupos y fueron formados al azar.
Tenemos un diseño de medidas repetidas o intragrupo y se controla el error progresivo mediante alguna técnica de
3) Método cuasiexperimental.
Un elemento fundamental para determinar la diferencia entre los tres métodos explicativos
tiene que ver con el grado de validez interna que presenten en función de sus diseños. El
cuasiexperimento presenta una validez interna intermedia, menor que la del experimento y
mayor que la del preexperimento.
Para ejemplificar se tomará el ejemplo anterior en el cual se quería poner a prueba un taller
para incrementar la motivación de los alumnos para que participen más en determinadas
actividades escolares. Esta investigación se expresaba en el siguiente diseño:

después
2 Azar Nivel de Sin taller (a0) Nivel de
después
Y será modificado de esta manera:

1 N (grupos Nivel de Taller (a1) Nivel de
naturales) participación antes participación
después
2 N (grupos Nivel de Sin taller (a0) Nivel de
naturales) participación antes participación
después
En este caso, los grupos no fueron formados al azar. Siempre que en una investigación se
puedan formar grupos al azar, se hace para que tenga mayor validez interna. Pero en algunas
ocasiones, esto no es posible, más allá de la voluntad del investigador. En este ejemplo, la
investigación se hace en una institución educativa, que tiene determinada estructura
administrativa. Podría suceder que la institución acceda a que se realice la investigación, pero
que no estuviera dispuesta a que altere su organización. En este caso, el investigador no podría
formar grupos al azar, sino que tendría que trabajar con grupos de alumnos que existieran
previamente. Estos serían grupos naturales.
Grupos naturales  son grupos de sujetos que existen previamente a la investigación, de
manera tal que muchas veces estos sujetos se conocen entre sí o tienen algún nexo, ya sea por
participar de una actividad en común o que coincidan en algún lugar.
Lo que sucede es que, al no formar grupos al azar, no hay ninguna seguridad de la equivalencia
inicial de los grupos, es decir que pueden o no serlo. Por consecuencia, la validez interna del
diseño disminuye, pero al haber medida pretratamiento, se puede saber que los grupos
son equivalentes en la medida de la dependiente antes de aplicar el tratamiento. Este es el
motivo por el cual la validez interna no es tan baja, sino intermedia, y la investigación se
convierte en un cuasiexperimento.
Las investigaciones de series temporales interrumpidas son otro ejemplo de
cuasiexperimento. Es llamado así porque consiste en una serie de medidas que se toman
en un lapso de tiempo y la aplicación de la VI interrumpe la serie. Aquí se toma una
amplia serie de medidas de la VD, cuantas más sean más fácil se podrá luego evaluar el efecto
del tratamiento. Después se aplica la VI y se vuelve a medir la VD igual cantidad de veces. La
lógica de este diseño es que las medidas antes de aplicar el tratamiento sean similares, y si es
efectivo, haya discontinuidad entre las medidas anteriores y posteriores a su aplicación (sea
descenso o incremento, dependiendo del efecto que se espera producir). Esta discontinuidad
daría cuenta del efecto que

produce la VI, ya que, si no produjera efecto, la estructura de las medidas tomadas antes y
después del tratamiento, tendrían que ser similares.
Si se traslada el ejemplo del taller a una serie temporal interrumpida, se podría plantear como
un grupo donde se mide el nivel de participación diario durante 25 días, después se aplicaría el
taller (que tendría que ser una intervención mucho más breve), y se volvería a medir el nivel de
participación durante 25 días más. Si el taller fuera efectivo, tendría que haber dado una
discontinuidad en las medidas de la VD a partir de la aplicación del taller, con un incremento en
el nivel de participación.
1 N (grupo 25 medidas del nivel Taller (a1) 25 medidas del
natural) de participación nivel de
antes participación
después
Respecto a la validez interna de este diseño, podemos decir que es menor que la de un
experimento: porque no hay grupo de comparación (como en este caso), y cuando hay grupo
de comparación, porque son grupos naturales y se desconoce su equivalencia inicial. Al mismo
tiempo, esta validez no es tan baja porque al tomarse una serie de medidas pre y
postratamiento, es mucho más improbable que si el cambio se produjera por una VC, esta
actúe justo en el momento que se aplica la VI y no en cualquier otro momento de la serie de
medidas.
Investigaciones con manipulación de selección o natural
La VI también puede tener manipulación de selección. En estos casos, lo que produce
es que la investigación no puede ser un experimento, ya que, aunque haya grupo de
comparación, los grupos no pueden formarse al azar. Por este motivo disminuye la
validez interna.
Tampoco se daría la secuencia de tiempo, ya que no necesariamente se aplicaría
primero a la VI y después se observarían sus efectos en la VD. Aquí, las VI y VD tendrían
operacionalizaciones de medida, de forma que sólo se las mediría y no se podría establecer
una precedencia temporal.
Cuando en una investigación tenemos manipulación de selección de una variable de
sujeto, es un cuasiexperimento. Por lo tanto, siempre que hay manipulación de selección, la
investigación es un cuasiexperimento.
Atención: la estructura de una investigación con manipulación de selección es muy similar a
las investigaciones correlacionales, las cuales investigan relaciones no causales. Por
este motivo, para que una investigación con manipulación de selección constituya un
cuasiexperimento, es fundamental que tenga una teoría sumamente sólida que permita
identificar la VI y VD con precisión.
Cuando es un diseño factorial, el cual tiene varias VI, y alguna de ellas o todas son de
manipulación de selección, la investigación es un cuasiexperimento.

En resumen, difiere del experimento en que la validez interna es menor debido a que no pueden implement
Equivalencia inicial entre los grupos, o la VI es de manipulación natural (de asignación).
Contrabalancear los tratamientos en el diseño intergrupo.
Control necesario de otras VC por cuestiones éticas, naturaleza de la investigación, ambiente.
3) Método preexperimental.
Estas investigaciones tienen muy baja validez interna, casi no la tienen, por lo que se usan
menos, ya que tienen muy poco peso de prueba para probar relaciones causales. Sin embargo,
manifiestan ventajas económicas y de esfuerzo para sondear dichas relaciones, antes de utilizar
diseños más exigentes.
Supongamos el siguiente diseño:
Diseño estático de dos grupos

1 N (grupos ----- Taller (a1) Nivel de participación
naturales) después
2 N (grupos ----- Sin taller (a0) Nivel de participación
naturales) después
En el diseño preexperimental no sólo se ignora si los grupos son equivalentes (al no poder
formarlos al azar), sino que además, al no tener medida pretratamiento, no se sabe si
antes de aplicar el tratamiento los grupos eran equivalentes en la medida de la dependiente. Por
este motivo, podría ocurrir que la diferencia que se observe en la dependiente ya existiera
desde antes. Esto hace que la validez interna sea muy baja y que este diseño sea
preexperimental.
Siguiendo con la modificación del diseño:
Diseño de grupo único con medida pre y postratamiento

1 N (grupo Nivel de Taller (a1) Nivel de
natural) participación antes participación
después

En este diseño no se tiene el grupo de comparación. Entonces aún cuando se observe una
diferencia entre la medida pre y postratamiento, no es posible que se deba al tratamiento,
porque pudieron haber intervenido diversas VC que darían cuenta de los resultados.
Por último:
Diseño de grupo único solo con medida postratamiento

1 N (grupo ----- Taller (a1) Nivel de participación
natural) después
En este caso no se tiene grupo de comparación ni medida pretratamiento. Por lo tanto, no se

tiene contra qué comparar. Para saber si el taller produce efecto, necesitamos comparar con
algo. Aquí, la comparación que se puede hacer es externa a la investigación: por ejemplo,
se podría comparar contra el nivel histórico de participación en esa institución escolar. Esta
comparación sería pobrísima y muy poco confiable. Por esto este diseño es el de menor validez
interna de todos, y la investigación constituye un preexperimento.
Método Correlacional
Correlación  correspondencia o relación recíproca entre dos o más fenómenos.

Correlación estadística  medida que se obtiene de la correspondencia o
dependencia entre variables a partir de aplicar una fórmula estadística llamada
coeficiente de correlación.
Este método investiga relaciones no causales. Permite conocer si dos o más
variables están relacionadas, sin determinar causalidad.
Características:
 Su objetivo es generar predicciones (si observo lo que ocurre en una variable podré
predecir lo que va a ocurrir en otra que considero que está asociada), y puede fijar las
bases para proyectar investigaciones explicativas, causales.
 Cuantifican relaciones: miden el grado de asociación entre esas dos o más
variables. Es decir, miden cada variable presuntamente relacionada y, después, miden
y analizan la correlación.

 La relación entre variables se plantea mediante una hipótesis relacional, también
llamada de asociación. La misma puede contener dos variables o más. En la
redacción de la hipótesis de asociación las palabras que expresan la relación entre
variables generalmente son: se relaciona, se vinculan, se asocian, etc.; a
diferencia de las hipótesis experimentales que se usan en los métodos explicativos
donde el nexo entre las variables de la hipótesis suele ser: influye, causa, provoca,
determina, produce, o cualquier otro que implique causalidad.
Puede suceder también que se omita cualquiera de las expresiones mencionadas.
Una hipótesis podría plantearse de la siguiente manera: “Las personas con altos
índices de depresión presentan bajos niveles de autoestima”. Esta hipótesis
es claramente correlacional porque no se puede determinar que una variable sea
causa de la otra.
 No tiene teoría explicativa: no brinda el “por qué” de la relación entre las
variables en estudio. Lo que sí tiene es teoría vinculada con cada una de las
variables a investigar.
 No hay VI ni VD, ya que estas implican relación de causalidad. Al establecer una
relación, se pueden predecir los valores de una variable a partir de otra(s). En este
caso, las variables asociadas o correlacionadas son:
• Variable predictora (VP): es la que predice.
• Variable criterio (VCr): es la que se predice de la predictora.
 Las variables pueden ser numerosas: la relación a estudiar puede ser entre dos
variables, pero es más útil cuando se relacionan varios predictores con un criterio. Por
ejemplo: tomar varios predictores para predecir el rendimiento académico, que sería el
criterio. Las investigaciones correlacionales con múltiples predictores permiten una
mejor aproximación al fenómeno de estudio y mejores predicciones.
 Son retrospectivas: se miden variables que ya tienen manifestación al momento que
se realiza la investigación. No se manipulan variables, sólo se determinan las
variables a relacionar y se miden (todas las operacionalizaciones son de medida, no
experimentales).
 No hay secuencia de tiempo. Como en las investigaciones correlacionales a las
variable se las mide, por lo general no se puede determinar empíricamente que una
variable necesariamente antecede a otra.
El cuasiexperimento con manipulación de selección puede tener una estructura
muy similar a una investigación correlacional, por eso es importante marcar la diferencia
entre ellos.
Cuasiexperimento con manipulación Método correlacional

de selección
- Se miden variables que ya están - Si bien se tiene teoría respecto a las
manifestadas y tampoco se puede variables a relacionar, no hay teoría
determinar una secuencia de tiempo, pero explicativa que dé cuenta del porqué de esa
hay una secuencia de tiempo teórica que asociación.
viene dada desde el marco teórico, y
establece que una variable
funcionaría como causa de otra.

Relación lógica entre las variables
La conformación y consolidación de teorías es un largo proceso, y las premisas que las
integran deben ser estudiadas en múltiples oportunidades. En el desarrollo de dichas teorías,
la metodología correlacional juega un papel significativo, a mitad de camino entre el
contexto de descubrimiento y el de justificación.
Por este motivo es necesario plantearse criterios a la hora de seleccionar variables para una
investigación. No hay que perder de vista que el objetivo último es la conformación de teorías,
explicaciones que brinden sentido a la hora de comprender la realidad.
Investigar relaciones entre variables porque sí no debería ser una opción. Después de todo la
realidad es una sola y todos los hechos tendrán algún grado de correlación entre sí, aunque sea
extremadamente bajo. La perspectiva teórica y capacidad de justificar con sentido las
relaciones entre variables afecta la selección de variables en el método correlacional.
En consonancia con esto, las variables deben tener una relación lógica entre ellas y que ésta
no esté determinada por la existencia de alguna otra variable que esté impactando sobre
ellas.
Correlación espuria  asociación aparente de dos variables en una relación que no existe
en realidad. Se requeriría de una investigación en un nivel explicativo para saber cómo y por
qué las variables están supuestamente relacionadas.
Control de variables contaminadoras

El control de VC no es un requisito del método correlacional: este método no se define
por el control de variables. Esto no quiere decir que no se realicen controles, sino que son
insuficientes para aislar las variables relacionadas del conjunto de variables que podrían
afectarlas. Aún así, estos controles mejoran notablemente la calidad de la
investigación. La validez interna es intermedia.
En este método, cuando hablamos de VC, no se lo hace en el sentido estricto de factores
causales (métodos explicativos), sino como variables que pueden estar asociadas con
aquella cuya relación se está investigando.
Análisis de datos
Para el análisis de los datos, los coeficientes de correlación tienen un uso privilegiado en el
método correlacional, pero no se define por el uso de los mismos, ya que se pueden usar
otros cálculos estadísticos en función de las características de las variables en
estudio.
El tipo de cálculo que se puede utilizar está determinado (entre otros) por el nivel de
medición (escala de medida) de las variables a utilizar. Esto no sólo se aplica al método
correlacional, sino a cualquier análisis estadístico que se haga, en cualquier método. Por
ejemplo:
- Si se tienen dos variables cuantitativas, se puede usar el coeficiente de
correlación r de Pearson (muy usual en las investigaciones correlacionales).

- Si una de las variables es cualitativa y la otra cuantitativa, y se pueden tomar
distintos grupos de sujetos, se pueden usar estadísticos que comparan grupos
(más usuales en investigaciones explicativas), como la t de Student y el Análisis de la
Varianza.
- Si se usan múltiples predictores para un criterio y las variables son
cuantitativas, podemos usar Regresión múltiple (más usual en el método
correlacional).
- Si se quiere controlar alguna variable se puede usar correlación parcial (más usual
en el método correlacional) o Análisis de Covarianza (más usual en métodos
explicativos).
La diversidad de cálculos que se puede utilizar es mucho mayor, y la elección de los
mismos depende, entre otras cosas, de:
• El nivel de medición de las variables.
• Si se cumplen o no los requisitos para una prueba paramétrica.
• La cantidad de variables involucradas en el análisis.
• Si son medidas independientes o relacionadas.
Muestras
En general, las muestras utilizadas en el método correlacional son grandes, ya que los
distintos cálculos también tienen requisitos y presentan limitaciones en función de la cantidad
de sujetos. Al estar hablando de investigaciones cuantitativas, no se pueden llevar a cabo con
un número reducido de sujetos. Cuando la muestra es pequeña, si bien se puede analizar, hay
limitaciones importantes y se requiere de un análisis de datos más creativo para subsanarlas.
Con muestras muy pequeñas, el método correlacional no es viable.
El sistema de muestreo podrá ser probabilístico (azar) o no probabilístico. Aunque suele
preferirse teóricamente el primero, la mayoría de los estudios suelen utilizar el segundo,
seleccionando sujetos disponibles (selección intencional).
Coeficientes de correlación
Son los cálculos estadísticos más usados en este método. Son fórmulas estadísticas
que brindan información sobre:
- Si hay relación entre las variables.
- La fuerza de la asociación.
- La dirección de la asociación.
Por ejemplo: la r de Pearson y la rho de Spearman, siempre dan un valor que oscila entre 1 y
-1.
Primero es importante saber si efectivamente hay asociación entre las variables (asociación
estadísticamente significativa). Pero que podamos comprobar que las variables están
relacionadas (pruebas de significación estadística), no nos dice cuán relacionadas están
(mucho, medianamente o poco). Cuando se habla de fuerza de la asociación, se refiere a
cuánto están relacionadas las variables (magnitud del efecto). En el caso de los coeficientes de
correlación mencionados, que dan valores entre 1 y -1, cuanto más se acerca el valor obtenido
a los extremos, la asociación es

más fuerte, y cuanto más se acerca al 0, es más débil. Los extremos (1 y -1) implican una
asociación perfecta, lo cual no es muy frecuente. Por ejemplo:
r = - 0.81 es una asociación alta. Si hubiera dado con signo positivo, también sería alta,
porque no depende del signo de la relación, sino del valor obtenido.
Rho = 0.21 es una asociación baja.
El signo de la correlación (+ o -) nos habla de la dirección de la relación.
+ Una asociación positiva es una covariación de las variables en el sentido de que,
cuando una incrementa sus valores, la otra también lo hace, y cuando una decrece sus
valores, la otra también. En consecuencia, valores altos de una variable tienden a
coincidir con valores altos en la otra, los valores medios con los medios, y los bajos con
los bajos.
- Una asociación negativa implica que cuando una variable incrementa sus valores,
la otra los decrementa, y cuando una los decrementa, la otra los incrementa. En este
caso, los valores altos de una variable tienden a coincidir con valores bajos de la otra,
medios con medios, y bajos con altos, respectivamente.
Regresión lineal
Mediante el Análisis de Regresión, es posible generar un modelo que prediga los valores de
alguna de las variables asociadas a partir de los valores de otra. Cuando se estudian varias
variables (regresión múltiple), es posible predecir el comportamiento de una variable a partir
de los valores de las otras. En este proceso se pueden seleccionar las variables más
“independientes entre sí” y más predictoras, descartando otras. Pero hay que tener en cuenta
que, para que estas predicciones sean precisas, se requiere que la fuerza de la asociación
entre las variables sea alta. Caso contrario, las predicciones que se hacen tienen el problema de
que presentan un alto grado de error.

Método Descriptivo
Este tipo de investigación permite la recolección objetiva y sistemática de datos, su

organización, análisis y presentación, con la finalidad de identificar variables de interés y
describir las mismas.
Esta descripción puede ser en función de ciertas características concretas:
 Sociodemográficas: conocer grupos o poblaciones. Por ejemplo: adolescentes en

contextos vulnerables, etc.
 Áreas o temáticas de interés: patologías, problemas psicológicos como violencia,
estrés, etc.
 Situaciones específicas: condiciones o circunstancias tales como aislamiento social,
inicio laboral, etc.
Características:
• Objetivos descriptivos: conocer, describir fenómenos, situaciones, contextos y
eventos (detallar cómo son y se manifiestan).
• Puede partir de hipótesis: las mismas suelen presentar algún factor fijo (no se
compara ninguna situación, no varía).
• No indica relación entre variables: pretende medir o recoger información de
manera independiente o conjunta sobre las variables a las que se refieren.
• Se trabaja con muestras grandes: como se desconocen las características que van
a ser relevantes, suele abordarse gran cantidad de información para someter a
análisis.
• Generalmente son estudios muestrales: a partir de una muestra obtenida de una
población a la que puede accederse y que forma parte de un universo. Si aborda a una
población entera, pasa a ser un censo poblacional.
• Técnicas de recolección de datos: pueden usarse diferentes técnicas, por
ejemplo: cuestionarios estructurados, observaciones, etc.
• Suelen desarrollarse en contextos naturales (donde se encuentran los casos a
relevar).
• Pueden ser prospectivas o retrospectivas, transversales o longitudinales. Lo más
común, por costos y esfuerzos, es que sean retrospectivas y transversales.
• Permiten hacer predicciones incipientes.
• Tratamiento estadístico de los datos: se hace con la estadística descriptiva (son
comunes los datos como MTC, de dispersión, máximos y mínimos, asimetría y curtosis,
frecuencias). Los análisis se presentan en tablas y gráficos particulares según la
información que pretendan comunicar.

PRÁCTICO 4 (TEMA 6): Validez interna, externa y diseño.
Diseño  esquema o plan de acción. Es el conjunto de reglas que el investigador va a
seguir para obtener observaciones sistemáticas y no contaminadas que permitan sacar
conclusiones sobre la posible relación existente entre la VI y la VD.
Su finalidad es permitir al investigador recoger datos, hacer observaciones, lograr un mayor
control de las VC.
Todo diseño depende de los propósitos de la investigación: el modelo de diseño
depende de las decisiones previas tomadas por el investigador (tipo de problema, hipótesis,
sujetos, variables, etc.).
El diseño constituye la estrategia a seguir por el investigador para la adecuada
solución del problema que tiene planteado.
La elección de un buen diseño para la investigación es esencial, ya que:
 Facilita la comprobación científica de su hipótesis, ya que proporciona la

estructura necesaria para recoger los datos que le van a permitir determinar la posible
relación funcional entre los hechos que estudia.
 Permitirá comprobar si existen efectos sistemáticos de la VI sobre la VD y ayudará
a controlar las VC.
Para elegir determinado diseño se deberán cumplir una serie de requisitos:
1) Ausencia de error sistemático: no debe haber efectos sistemáticos de otras
variables que no sean las VI de interés (el experimento no debe estar contaminado).
Para lograrlo, se debe partir de grupos que sean equivalentes antes de aplicar los
tratamientos experimentales, y se deben controlar las posibles VC.
2) Precisión: el diseño debe tener sensibilidad para captar las mínimas diferencias
producidas por los distintos tratamientos experimentales. Estas variaciones sólo se
podrán detectar si se parte de grupos homogéneos y eligiendo los valores más
adecuados del factor manipulado.
3) Simplicidad: no se debe complicar nunca un experimento más allá de lo necesario
para obtener una conclusión inequívoca en la investigación. Es importante que el
problema a investigar sea lo más preciso posible y el diseño que se utilice esté
directamente ligado al problema que se quiere estudiar.
4) Posibilidad de determinar un grado de incertidumbre a las conclusiones
obtenidas: es el único requisito de naturaleza estadística. Se parte de la suposición de
que sujetos que forman los grupos varían de uno a otro grupo sólo en forma aleatoria,
lo cual permite pensar que la diferencia observada después de aplicar la VI se debe a su
acción (así se puede determinar el grado de incertidumbre/confianza de las inferencias).
5) Validez: hay dos tipos:
 Validez interna: es la que permite al experimentador responder
inequívocamente a la pregunta planteada en el problema de la investigación.
Su disminución hace que los resultados obtenidos sean ambiguos y puedan
tener interpretaciones alternativas.
Las principales fuentes de VC que pueden afectar a la validez interna del
diseño, son:
a) VC de sujeto:

• Maduración: cambios biológicos y psicológicos que
operan en los sujetos por el paso del tiempo entre las
diferentes mediciones de la VD. Por ejemplo: entre la
medida pre y postratamiento.
• Selección diferencial de los sujetos: refiere a la falta de
homogeneidad o equivalencia de los grupos antes de
introducir la VI. Para que no existan sesgos en la selección es
preciso que la distribución de los sujetos en los distintos
grupos se haga de forma aleatoria.
• Interacción entre la selección diferencial de los sujetos y
otras VC: se refiere a cualquier situación donde algunas VC
produzcan un efecto diferente en función de algunas
características de los sujetos y que estas características estén
distribuidas en forma desigual en los grupos.
• Mortalidad experimental: la desaparición de los sujetos que
fueron asignados a un grupo o tratamiento determinado y
luego no se presentaron al experimento. Esta posibilidad es
muy alta en los experimentos que se desarrollan en periodos
prolongados.
• Regresión a la media: refiere a la tendencia de los resultados
extremos (muy altos – muy bajos) a retornar a valores
promedio cuando se realizan mediciones posteriores.
b) Variables ambientales:
• Efectos de la historia: son los cambios ocurridos en factores
ajenos al sujeto, que pueden producirse dentro o fuera del
marco del experimento, e influyen en los resultados del mismo.
• La propia situación experimental: la medida tomada a los
sujetos antes de aplicarles el tratamiento, el simple hecho de
que los sujetos del experimento se sometan a los instrumentos
de medida, etc., pueden desencadenar reacciones en los sujetos
que no se deban a la manipulación de la VI.
• Efectos reactivos de la medida pretratamiento: la medida
previa de la VI puede hacer aumentar o disminuir la
sensibilidad de los sujetos hacia la tarea que van a realizar,
afectando las respuestas que den.
• Interferencia de tratamientos múltiples cuando alguno de
ellos produce efectos irreversibles: cuando se aplican
sucesivamente varios tratamientos a los sujetos, es posible que
la conducta de los mismos se vea afectada por la interacción
de los tratamientos anteriores con los posteriores (a no ser que
su acción quede eliminada por el tiempo). Esto se puede dar
en diseños intragrupo.
c) Instrumentación: los instrumentos de medida pueden sufrir
cambios, ya sean falta de precisión o errores en las personas
encargadas de evaluar, registrar, etc.; que pueden provocar
diferencias entre los distintos grupos experimentales.

 Validez externa: representa el punto hasta el cual se pueden
generalizar los resultados obtenidos. Los factores que se deben
controlar son:
a) Representatividad de la muestra: para que una muestra sea
representativa de la población de la que fue extraída, los sujetos de la
misma deberán seleccionarse siguiendo las técnicas adecuadas de
muestreo. Deben ser representativos de la población de estudio para
poder generalizar los resultados de la investigación a dicha población.
b) Representatividad de los tratamientos experimentales : refiere a la
capacidad de generalizar los resultados que se obtengan en el
experimento a los restantes niveles del factor no utilizados en la
investigación.
c) Efectos reactivos de la situación experimental : los sujetos del
experimento son colocados en una situación totalmente artificial para
que den sus respuestas, ante lo cual pueden reaccionar de forma
diferente a como lo harían en la vida normal.
d) Efectos reactivos de los tratamientos múltiples: cuando se utiliza un
diseño de medidas repetidas, a los sujetos se les aplican distintos
tratamientos en forma sucesiva. Esto se aleja de lo que ocurre en la
vida real, donde a la población que se van a generalizar los resultados
generalmente no se le pasan tratamientos múltiples.
Lo explicado en los puntos c y d es llamado validez ecológica, que es la posibilidad de
generalizar a una situación natural los resultados obtenidos en otra artificial.
En conclusión:
 Un buen diseño experimental ayuda a excluir las diferentes variables que podrían
explicar un fenómeno. Pero un experimento determinado no excluye necesariamente
todas las explicaciones alternativas posibles. Desde un punto de vista metodológico, el
mejor experimento es aquel cuyo diseño excluye las explicaciones alternativas
de los resultados.
 Idealmente, los resultados de un experimento tendrán sólo una interpretación, que
sería que la VI es la responsable de los cambios en la VD.
 El investigador busca diseñar estudios sólidos en lo que a validez interna y externa
se refiere. En algunos casos sucede que los requisitos para garantizar un tipo de validez
pueden interferir con la posibilidad de lograr la otra. Cuando se contraponen, suele ser
preferible decidirse por lograr una mayor fortaleza de la validez interna.
 Un experimento resulta válido en la medida que los resultados puedan ser atribuidos a
la VI (validez interna), y en el grado que se generalizan fuera del experimento
(validez externa).
 Al ejercer un alto grado de control para garantizar la máxima validez interna, el
ambiente de la investigación puede tornarse en extremo artificial y amenazar la
posibilidad de generalizar los resultados a entornos más naturales (validez
ecológica).

Clasificaciones de los diseños
- Según su validez interna:
• Diseños preexperimentales (débiles).

• Diseños cuasiexperimentales (nivel intermedio).
• Diseños experimentales (fuertes).
- Según el número de VI y VD que se utilizan:
• Univariado – univariado: una VI, una VD.
• Multivariado – univariado: más de una VI, una VD.
• Univariado – multivariado: una VI, más de una VD.
• Multivariado – multivariado: más de una VI, más de una VD.
- Según el tipo de situación experimental:
• Diseños intergrupos: situación experimental de tipo I.
• Diseños intragrupo: situación experimental de tipo II.
• Diseños mixtos: situación experimental de tipo III.

PRÁCTICO 5 (TEMA 9): Diseños aleatorios, de dos grupos y
multigrupos.
Una investigación experimental es aquella que nos permite establecer inequívocamente
que efectivamente la VI influye sobre la VD, lo que implica haber controlado
adecuadamente las VC.
Para esto último y como punto de partida, contamos con la posibilidad de emplear el principio
del azar (asignación aleatoria) para asegurar dentro de las posibilidades que en un principio
haya una equivalencia inicial entre los grupos experimentales, es decir, que las
diferencias individuales de los que integran la muestra estén distribuidas equitativamente entre
los grupos.
La utilización de este principio requiere:
• Que la asignación de los sujetos a los grupos experimentales sea realizada al
azar.
• Que cada tratamiento experimental sea asignado de forma aleatoria a cada uno de
los diferentes grupos de sujetos.
¿Cómo se entiende el modo en que opera dicho principio? Tomando como punto de
partida que cada elemento de la muestra tiene la misma probabilidad de pertenecer a un
grupo u otro, y que puede recibir cualquiera de los tratamientos disponibles. Bajo esta
condición, se puede estimar que se da el requisito enunciado: que exista equivalencia inicial
entre los grupos, y que las variaciones que se observan en un grupo, también se dan en el otro u
otros.
La asignación aleatoria de los sujetos tiene como finalidad fundamental minimizar la
varianza intergrupos.
Entre los principales modelos de diseños aleatorios se pueden señalar:
 Diseños de experimentos bivalentes o de dos grupos aleatorios, en los que

se manipula un factor haciéndole adoptar dos niveles.
 Diseños de experimentos multivalentes o de más de dos grupos
aleatorios, en los que se manipula un factor haciéndole adoptar más de dos niveles.
 Diseños de experimentos factoriales, en los que se manipula más de un factor.
Investigaciones experimentales con diseños de dos grupos aleatorios

En estas investigaciones se logra la equivalencia inicial entre los grupos producto de la
aleatorización.
Características principales:
- Los sujetos de la muestra se asignan al azar a los grupos experimentales.
- Aleatorización para asignar los grupos de sujetos a los tratamientos
experimentales.
- Cada sujeto o grupo se asigna exclusivamente a uno de los tratamientos
experimentales.
Ambos grupos pueden ser experimentales o uno de ellos puede ser grupo control (al cual no
se le aplica el tratamiento, implica la ausencia del mismo).

Estos tipos de diseños sirven para indicar de forma “grosera” si el factor manipulado ejerce
algún efecto sobre el criterio (VD), y si lo ejerce, cuál es su dirección (directa o inversa) y su
magnitud.
También pueden proporcionar información útil que puede ser aprovechada para
planificar experimentos más complejos.
El fundamento básico de estos diseños es la equivalencia inicial entre los grupos
experimentales.
Los problemas principales que se pueden plantear cuando se utilizan estos diseños son:
1) Son diseños excesivamente simples. Por este motivo, la información que
brindan puede resultar pobre y, a veces, engañosa. Esto se puede comprender señalando
que, en ciertas oportunidades, darle sólo dos niveles a la VI no nos permite detectar qué
sucede con la VD bajo la introducción de otros niveles del factor.
2) Pseudoaleatorización. Este problema aparece cuando la asignación de los sujetos
no se hace verdaderamente al azar, sino siguiendo algún otro procedimiento que,
aunque parece ser aleatorio, no lo es. Por ejemplo: asignar a los primeros sujetos que
llegan al laboratorio a un grupo experimental y a los que llegan últimos, al otro. El
problema es que no se garantiza que cada uno de los sujetos tenga igual probabilidad
de pertenecer a uno u otro grupo.
3) Posibilidad de inequivalencia inicial. Esta probabilidad siempre existirá, y
podría invalidar un experimento. Para neutralizar este riesgo, se puede recomendar
llevar a cabo replicaciones el mayor número de veces posible (repetir la puesta a
prueba de la hipótesis con otros sujetos y en otros contextos). Además, cuanto mayor
es la muestra, mayor probabilidad hay de que las diferencias individuales queden
distribuidas de manera equilibrada entre los grupos.
Desventajas Ventajas
 Dependen de muestras grandes.  Son simples, ya que son muy fáciles de
llevar a cabo.
 Proporcionan información incompleta  Son económicos, por el poco esfuerzo y
debido a su falta de sensibilidad por usar sólo costo que exigen.
dos niveles del factor manipulado.
Hay dos tipos de diseños de dos grupos aleatorios:

a) Diseño sólo con medidas postratamiento.
b) Diseño con medidas pre y postratamiento.
a) Diseño sólo con medidas postratamiento. La

lógica de este modelo es la siguiente:
1) Se forman aleatoriamente los grupos experimentales.
2) Se asignan aleatoriamente los tratamientos a los grupos experimentales.
3) Se aplican los tratamientos experimentales.
4) Se toman las medidas postratamiento.

5) Se comparan estadísticamente las medidas postratamiento.
Representación simbólica de diseño de dos grupos al azar sólo con medida postratamiento con un grupo
de control
Representación simbólica de diseño de dos grupos al azar sólo con medida postratamiento y dos grupos
experimentales
Es preferible este diseño antes que el diseño con medidas pre y postratamiento, a menos que
se tenga alguna duda razonable a propósito de la igualdad inicial entre los grupos
experimentales conseguida gracias a la aleatorización.
b) Diseño con medidas pre y postratamiento. La

lógica de este diseño es la siguiente:
1) Se forman aleatoriamente los grupos experimentales.
2) Se toman las medidas pretratamiento.
3) Se asignan aleatoriamente los tratamientos a los grupos experimentales.
4) Se aplican los tratamientos experimentales.
6) Se comparan estadísticamente las medidas postratamiento.
Representación simbólica de diseño de dos grupos al azar con medida pre y postratamiento con grupo de
control
Representación simbólica de diseño de dos grupos al azar con medida pre y postratamiento con dos
grupos experimentales

Validez interna de este diseño.
Los controles que se deberán ejercer al emplear un diseño de dos grupos aleatorios con medidas
pre y postratamiento para salvaguardar al máximo su validez interna son:
 Historia.
Esta variable puede afectar la validez interna de este diseño, ya que se toman medidas pre
y postratamiento en cada grupo, transcurriendo entre una y otra un intervalo de tiempo
durante el cual pueden ocurrir acontecimientos que afecten de alguna forma a los sujetos y
modifiquen su actitud, alterando los resultados en la segunda medida.
Control:
- Historia intersesión: se deben tomar simultáneamente en los dos grupos las medidas
pre y postratamiento. Así, se puede suponer que habrán afectado por igual a los dos grupos
experimentales.
- Historia intrasesión: son los acontecimientos que están presentes durante la misma sesión
experimental (iluminación, ruidos, experimentador, etc.). Parte de estos aspectos se pueden
controlar y mantenerse constantes, pero el problema es el experimentador, ya que si ambos
grupos pasan a la vez las medidas pre y post, en cada grupo se necesitará un experimentador
distinto. La solución es asignar aleatoriamente los sujetos y los experimentadores a los grupos
experimentales.
 Maduración.
Se refiere a los posibles cambios fisiológicos y psicológicos por el paso del tiempo, entre la
toma de las medidas pre y postratamiento.
¿Cuál es el intervalo de tiempo más idóneo que se debe dejar transcurrir entre las
medidas pre y post? Esto se determinará en función de los sujetos, de la tarea a realizar
y del área o campo en que se lleva a cabo la investigación.
Control: mediante la utilización del grupo de control, ya que se supone que se han
producido los mismos cambios en los sujetos de ambos grupos.
 Instrumentación.
Control: se deben utilizar los mismos instrumentos y en las mismas condiciones
de medida en ambos grupos.
 Experimentador.
Control: deben utilizarse varios experimentadores perfectamente entrenados y
asignarlos aleatoriamente a cada grupo, distribuyendo por igual su influencia entre todos
los grupos.
 Efectos reactivos de la medida pretratamiento.

Esta medida puede sensibilizar a los sujetos, pudiendo afectar la medida
postratamiento.
Control: puede quedar controlada por la utilización del grupo de comparación, pero esto
podría no darse en ciertos casos.

 Selección diferencial de los sujetos.
Control: la asignación aleatoria de los sujetos a los grupos no garantiza la equivalencia
inicial, pero es el único método práctico que se dispone para hacerlo.
 Mortalidad experimental.
Control: considerar sólo a los sujetos que asistan a las dos sesiones.
Validez externa de este diseño.

Los posibles factores que pueden afectar a las posibilidades de generalización de los
resultados de la investigación, son:
 Efectos reactivos de la medida pretratamiento.

Es importante tenerlos en cuenta a la hora de generalizar los resultados, ya que no se puede
olvidar que los datos obtenidos de una muestra “sensibilizada” no son aplicables al resto de la
población, que normalmente no habrá pasado por esa medida pretratamiento. Por eso, este tipo
de diseño se va a utilizar cuando se trabaja con variables que no sensibilicen a los sujetos, o lo
hagan de manera mínima.
 Representatividad de la muestra.
La posible generalización de los resultados dependerá de la representatividad de la muestra
empleada en la población. Una muestra será más representativa de una población cuanto más
grande sea, ya que el método de selección que se emplea es el azar. Por lo tanto, se deben
utilizar muestras numerosas, grandes.
Análisis estadístico de los resultados

Una prueba estadística que se puede utilizar en el diseño de dos grupos con medida pre y
postratamiento es el análisis de covarianza utilizando como variable covariada las
puntuaciones obtenidas en la medida pretratamiento.
A partir de los datos obtenidos con un diseño de dos grupos al azar con medidas pre y
postratamiento, se pueden hacer cuatro tipos de comparación:
1) Comparar las dos medidas pretratamiento. Así se confirma la equivalencia
inicial de los grupos.
2) Comparar las dos medidas postratamiento. Estas medidas son las que aparecen
después de aplicar los tratamientos, por lo que si los grupos eran equivalentes
antes de su aplicación y ahora hay diferencias entre ellos, se puede presumir que estas
diferencias son debidas al efecto de la VI.
3) Comparar las medidas pre y postratamiento en ambos grupos. Las diferencias
entre las dos medidas de un mismo grupo serán debidas al efecto de los tratamientos
experimentales o de algunas VC no controladas.
4) Comparar entre sí las diferencias encontradas en el punto 3. Se comparan las
diferencias entre las medidas pre y postratamiento de ambos grupos. Así se puede
inferir que la diferencia entre las diferencias en ambos grupos es debida o no a la
acción del factor manipulado.

También podría utilizarse la t de Student para medidas independientes para las
comparaciones 1, 2 y 4, y la t de Student para medidas repetidas para la comparación 3.
Investigaciones experimentales con diseños aleatorios multigrupos

Son una variante de los diseños aleatorios, es decir que la técnica por la cual es forman los
grupos va a ser la asignación al azar de los sujetos a los grupos experimentales. Entonces, al
igual que en los diseños de dos grupos aleatorios, las VC provenientes de las diferencias entre
sujetos van a ser controladas por la aleatorización, partiendo de grupos homogéneos entre
sí.
La lógica de los diseños de dos grupos es comparar los efectos de dos valores de la VI sobre la
VD, donde cada grupo toma un valor de la VI (situación experimental de tipo I, intergrupos).
A través de los diseños multigrupo se puede complejizar el experimento añadiendo más
valores de la VI, por lo tanto, más grupos.
El objetivo del diseño aleatorio multigrupos es estudiar el efecto de una VI, que adopta
más de dos valores, sobre la VD. La VI tomará tantos valores como desee el
investigador, y, al estar haciendo una comparación entre grupos experimentales
(intergrupos), deberá formar aleatoriamente tantos grupos como valores le haya otorgado a
la VI (como mínimo tres).
No es necesario que el número de sujetos sea el mismo en cada grupo, siempre y cuando ese
número sea lo suficientemente grande como para que pueda actuar el azar. Sin embargo, es
conveniente tener el mismo número de sujetos en cada grupo para simplificar el análisis
estadístico y para aumentar el grado de seguridad en el control ejercido por el azar.
Ventajas del diseño multigrupos

Al poner a prueba el efecto de más de dos valores de la VI sobre la VD, se obtiene mayor
información, ya que al tener más grupos, se puede conocer el efecto de más valores de la VI
sobre la VD (permite conocer con mayor precisión y exactitud la relación que existe entre
la VI y la VD). Además, estos diseños nos permiten evitar errores que podríamos cometer si
tomáramos sólo dos valores de la VI y la relación entre VI y VD no fuera lineal.
Por ejemplo: supongamos que ponemos a prueba la hipótesis “el tiempo dedicado al
estudio afecta el desempeño académico en estudiantes universitarios”.
VI: tiempo de estudio. Operacionalización: cantidad de horas de estudio. a1: 5 h.
a2: 10 h.
VD: desempeño académico. Operacionalización: nota obtenida en el examen.

A partir de esta hipótesis, con un diseño de dos grupos aleatorios, podríamos comparar el efecto
de 2 valores de la VI. Es probable que pensemos que estudiar más tiempo será más beneficioso
que estudiar poco tiempo. Luego de tomar una muestra

representativa de estudiantes universitarios, por ejemplo, 80 alumnos (n = 80), se los
distribuye de forma aleatoria a estas condiciones:
Grupo 1: a1
Grupo 2: a2
Más adelante, se comparan los promedios (de las notas obtenidas en el examen) de cada
grupo por medio de un análisis estadístico. Supongamos:
Grupo 1: 5 pts.
Grupo 2: 8 pts.
Al observar el gráfico de los resultados, vemos que habría una relación lineal directa entre
las calificaciones y el tiempo dedicado al estudio.
Siguiendo esta misma línea, el equipo de investigadores supone que si la relación es lineal, un
tercer grupo que estudie 15 horas semanales alcanzaría un promedio de 10 en sus
calificaciones.
Pero al agregar un tercer valor, es decir, un grupo que estudió 15 horas, el promedio de notas
descendió, siento esta diferencia significativa entre los grupos.
¿Qué conclusiones se pueden extraer? La relación entre tiempo de estudio y desempeño
académico no es lineal, sino que, al incrementar la cantidad de horas de estudio semanales,
llegado un determinado incremento, el rendimiento comienza a decaer. Estos resultados
agregan nuevos datos y abren nuevos interrogantes: ¿cuál

es el punto de quiebre?, ¿cuántas horas aconsejamos estudiar?, ¿por qué ocurre esto?,
¿podría ser por cansancio?, entre otras preguntas.
Podemos decir entonces que, utilizando un diseño con más de dos grupos, aumentan las
posibilidades de:
• Determinar con exactitud si la VI tiene alguna influencia sobre la VD.
• Especificar la relación existente entre la VI y la VD, evitando caer en
conclusiones erróneas.
Validez de los diseños multigrupos

Al comparar la validez de los diseños aleatorios multigrupos con los diseños aleatorios de dos
grupos, podemos ver que su validez es mayor, tanto la interna como la externa. Por este
motivo, si el investigador dispone de los recursos y en función de lo que quiera poner a prueba,
será preferible llevar a cabo una investigación con más de dos grupos.
 Relación entre VI y VD se conoce con mayor precisión; por lo tanto, la

relación establecida entre las variables será más inequívoca.
 Indican el tipo de relación existente entre las variables. Al tener más datos, es decir,
más mediciones de la VD, se puede conocer qué tendencia siguen estos valores.
 Al poner a prueba el efecto de más valores de la VI sobre la VD, mayor será su poder de
generalización (la mayor cantidad de niveles de la VI son más representativos de los
infinitos valores que podría adoptar esta variable en el contexto natural).
Hay dos tipos de diseños multigrupos:

a) Sólo con medidas postratamiento.
b) Con medidas pre y postratamiento.
a) Sólo con medidas postratamiento.

Se mide la VD luego de la aplicación de la VI. Este es el diseño más simple dentro de los
multigrupos, donde la comparación formal será de las medidas postratamiento de cada uno de
los grupos.
La lógica que sigue este diseño es la siguiente:
1) Muestrear los sujetos que van a intervenir en el experimento.
2) Dividir aleatoriamente los sujetos de la muestra en tantos grupos como valores de la VI
se van a utilizar.
3) Asignar aleatoriamente un valor de la VI a cada grupo.
4) Aplicar los tratamientos experimentales.
5) Tomar medidas postratamiento en todos los grupos.

6) Aplicar las correspondientes pruebas estadísticas.
b) Con medidas pre y postratamiento.

Al igual que en los diseños aleatorios de dos grupos, las medidas pretratamiento de la VD
cumplen una doble función: por un lado, si los grupos son realmente homogéneos, no deberían
presentar diferencias significativas en esta medida, y por otro lado, permiten comparar los
cambios ocurridos en cada grupo antes y después de la aplicación de los tratamientos.
La lógica que sigue este diseño es la siguiente:
1) Muestrear los sujetos que van a intervenir en el experimento.
2) Dividir aleatoriamente los sujetos de la muestra en tantos grupos como valores de la VI
se van a utilizar.
3) Tomar medidas pretratamiento.
4) Asignar aleatoriamente un valor de la VI a cada grupo.
5) Aplicar los tratamientos experimentales.
6) Tomar medidas postratamiento.
7) Aplicar las correspondientes pruebas estadísticas.
Lo que se puede concluir, gracias a las medidas pretratamiento, es que el Grupo 1, que estudió
5 h, se vio perjudicado por esta instrucción, mientras que el Grupo 2, que estudió 10 h, fue el
que más beneficio obtuvo, por último, el tercer grupo, que estudió 15 h, no modificó su
promedio (a pesar del gran esfuerzo realizado).
Beneficios que puede otorgar incluir una medida pretratamiento: seguridad en cuanto a
la homogeneidad inicial entre los grupos, y más información al momento de analizar los
resultados obtenidos. Sin embargo, hay que prestar especial atención al hecho de que esta
medida pretratamiento puede sensibilizar a los sujetos (sensibilización de la medida
pretratamiento). Esta sensibilización afectaría la validez interna de la investigación, por lo
cual si existe la posibilidad de que este fenómeno ocurra, no sería correcto incluirla.

PRÁCTICO 6 (TEMA 10): Diseños de grupos apareados.
Existen circunstancias en donde el azar puede no ser suficiente para formar grupos
homogéneos, o que quizás por el tipo de muestra que tenemos debamos modificar un poco
nuestro procedimiento de asignación de los sujetos a los grupos.
Hay casos en los que el investigador desea partir de grupos experimentales
equivalentes en la medida de la VD. Para conseguirlo, recurre a una modificación de la
técnica del bloqueo: el apareo. Al utilizar esta técnica, el investigador utiliza los diseños de
grupos apareados.
Técnica del apareo  consiste en tomar una medida de la VD a los sujetos antes de formar
los grupos experimentales. A partir de esto se forman bloques de sujetos con la misma
puntuación en la variable de apareamiento (variable en la que se quiere conseguir la
equivalencia), cada uno de los cuales incluirá tantos sujetos como tratamientos tenga la
investigación. En el caso particular de los diseños de grupos apareados, la variable de
apareamiento puede ser:
• Una medida de la VD, anterior a la aplicación de los tratamientos.
• Una medida de una variable altamente correlacionada con la VD.
• En algunos casos como una excepción, el apareo se puede hacer según un
rendimiento previo en una tarea. Por ejemplo: cuando el experimento incluye una
serie de ensayos sucesivos, tomar los primeros ensayos como criterio de apareamiento.
El objetivo, entonces, es iniciar el experimento con grupos de sujetos equivalentes, es
decir, con grupos que tienen la misma media y desviación típica en la VD. De esta manera, el
investigador dispone de una base lógica para inferir que cualquier diferencia que se encuentre
en los grupos tras la aplicación de los distintos tratamientos experimentales se podrá atribuir a
éstos, es decir, a la VI.
También se consigue reducir la varianza intergrupos, lo de otorga mayor
sensibilidad para distinguir pequeñas diferencias producidas por la VI.
Los pasos que se siguen al llevar a cabo un diseño de grupos apareados son los
siguientes:
1) Se selecciona una muestra de sujetos.
2) Se toma una medida de la variable de apareamiento.
3) Se forman los bloques de sujetos, constituidos por tantos sujetos como grupos haya
que formar (los sujetos de cada bloque deben tener todos la misma puntuación en la
variable de apareamiento).
4) Se asigna aleatoriamente un mismo número de sujetos de cada bloque a cada grupo.
5) Se aplican los tratamientos.
7) Se realiza el análisis estadístico de resultados.
Representación simbólica de un diseño de grupos apareados

Este diseño no tiene medida pretratamiento, ya que si bien se tomó una medida previa de la VD,
fue para aparear a los sujetos, y no constituye una medida pretratamiento en sentido estricto.
Tampoco es necesaria, ya que el apareo ya garantizó la equivalencia inicial en la medida de la
VD.
Sin embargo, el momento en que se toma la medida de apareo suele coincidir con el
momento en que se tomaría la medida pretratamiento, es decir, presenta todas las
características de una medida pretratamiento, por lo que presenta los mismos
inconvenientes: puede darse la posible sensibilización de la medida. Por este motivo se
recomienda usar una medida anterior de los sujetos, si se dispusiera de ella.
Este tipo de diseño se puede utilizar con más de dos grupos, pero requiere que cada bloque
esté constituido por tantos sujetos iguales entre sí como grupos va a tener el diseño. Por
ejemplo: si se fuese a utilizar un diseño de cuatro grupos apareados, en cada bloque habrá
cuatro sujetos o un múltiplo de cuatro.
La técnica de apareamiento debe ir acompañada de la asignación aleatoria de los
sujetos a los grupos experimentales, ya que de esta forma, la aleatorización asegura el control de
las posibles VC que podrían contaminar los resultados de la investigación.
Cuando los sujetos son pocos, se dificulta aplicar la técnica de apareo, porque es complicado
formar los agrupamientos de sujetos que requiere la técnica, y es más recomendable usar
otros procedimientos. Por este motivo, el diseño de grupos apareados no es
recomendable cuando la muestra está compuesta por muy pocos sujetos.
Otro inconveniente es la cantidad de grupos que haya que formar, ya que si son más de dos
grupos, es más dificultoso hacer los agrupamientos de sujetos, salvo que la amplitud total de
la variable sea reducida y/o la muestra sea numerosa. Por este motivo el diseño de grupos
apareados es más recomendable cuando se trabaja solamente con dos grupos.
 Al utilizar un diseño de grupos apareados, aumenta sensiblemente la validez interna del

experimento. Esto se debe a que, al aparear los sujetos, se obtienen grupos
inicialmente equivalentes. En función de esta equivalencia, la varianza
intergrupos será mínima, y aumentará la validez interna del experimento.
 Lo que este diseño gana en validez interna, lo pierde en validez externa. Esto se debe a
que el apareamiento va a exigir que se eliminen todos aquellos sujetos que no
encajen en los bloques por falta de equivalencia con otros, pudiendo sesgar la
muestra y dificultarse o imposibilitarse la generalización de los resultados.
Este problema se ve incrementado cuando los bloques tienen que estar formados por
más de dos sujetos.
Análisis estadístico de los resultados
Se utilizarán las mismas técnicas que en los diseños de grupos al azar, teniendo en
cuenta el número de factores manipulados y el número de niveles que se le hacen adoptar a
cada factor.

PRÁCTICO 7 (TEMA 11): Diseños con medidas repetidas: diseños
intragrupo.
En los diseños intergrupos, a cada grupo de sujetos se les administraba un valor distinto del
factor manipulado. Una de las principales fuentes de error experimental está en las diferencias
individuales existentes entre los sujetos que componen los distintos grupos (varianza
intergrupos). En estos diseños, por muy equivalentes que sean los sujetos que los componen,
siempre van a presentar alguna variabilidad, por lo que eliminar la varianza intergrupos por
completo es imposible.
En los diseños intragrupo, la varianza intergrupos queda completamente eliminada. Esto
sucede debido a que no se tiene ya diferentes grupos, sino uno solo. Cada sujeto que compone
este grupo constituye por sí mismo un bloque independiente, y de esta forma, las condiciones
de homogeneidad y equivalencia se llevan hasta el máximo (no como en los diseños
intergrupos, donde siempre hay una variabilidad).
De esta manera, el sujeto se convierte en su propio control: al tomar las medidas de la
VD producidas por cada tratamiento aplicado al sujeto y al compararlas entre sí, se podrían
comprobar las diferencias producidas por los distintos niveles del factor en el fenómeno que se
está estudiando. Utilizando esta técnica el diseño resultante es el diseño intragrupo.
Diseño intragrupo/de medidas repetidas/situación experimental de tipo II  se
utiliza un mismo grupo de sujetos que van a pasar secuencialmente por los distintos valores de
la VI. En otras palabras, a cada sujeto se le aplican todos los tratamientos, en distintos
momentos de la investigación.
El propósito de este diseño es, justamente, controlar al máximo los efectos de las
diferencias individuales.
A diferencia de los diseños de bloques al azar, donde se asignaban al azar los tratamientos a
cada uno de los sujetos o grupos que formaban el bloque, en los diseños intragrupo no
se puede mantener este criterio. Esto quiere decir que los tratamientos experimentales
deberán ser aplicados siguiendo el orden que corresponda a la secuencia asignada a cada
sujeto en función del método de equiponderación que se emplee. Además, no es
necesario tomar medidas pretratamiento, ya que no hay varios grupos para los que se
necesite comprobar la equivalencia inicial.
La lógica de este diseño es la siguiente:
1) Se elige una muestra de sujetos.
2) Se construyen tantas secuencias como exijan el número de tratamientos
experimentales y el método de equiponderación empleado.
3) Se aplica una secuencia a cada sujeto.
4) Se toma la medida postratamiento correspondiente tras la aplicación de cada
tratamiento.
5) Se lleva a cabo el análisis estadístico de los resultados.

Ventajas Desventajas
 Son diseños más precisos y eficientes que  Error progresivo: pueden aparecer efectos
los diseños al azar y de bloques. del orden dado a los tratamientos, pues son
aplicados en una secuencia temporal al
 Utilizando al sujeto como control, mismo grupo de sujetos.
permite eliminar la varianza intergrupos.  Superposición de efectos: cuando los
tratamientos tienen efectos irreversibles, este
 Requiere menor cantidad de sujetos. diseño no se debe utilizar nunca. Se aconseja
usarlo sólo en situaciones en las que los
efectos de los tratamientos
son temporales.
 Siempre que se haya controlado adecuadamente el error progresivo, la validez interna

es mayor a comparación de los diseños de grupos al azar y de grupos apareados.
 La validez interna disminuye en relación con la de los diseños anteriores, ya que

en la vida real los sujetos no pasan habitualmente por varios tratamientos
experimentales (validez ecológica).

PRÁCTICO 8 (TEMA 12): Diseños cuasiexperimentales y
preexperimentales.
Investigaciones preexperimentales
Las investigaciones preexperimentales son aquellas en las que el investigador, por más
que trata de aproximarse a una situación de investigación experimental, carece de los medios
de control necesarios para poder atribuir a sus resultados la necesaria validez interna.
Los posibles diseños preexperimentales son:
 Diseño de grupo único sólo con medidas postratamiento.

En estos diseños sólo se utiliza un valor de la VI y se cuenta con un único grupo de
medidas de la VD. Por este motivo es imposible establecer una relación de causalidad entre
ambos. Esto se debe a que no se tiene la oportunidad de comparar los resultados obtenidos por
ese grupo de sujetos en la VD con ningún otro conjunto de valores, y porque los resultados
pueden estar contaminados.
Por lo tanto, en esta investigación:
a) El investigador cuenta con un solo grupo de sujetos que han sido
seleccionados sin seguir una técnica especial.
b) No existe medida pretratamiento.
c) Se aplica el nivel elegido de la VI al grupo de sujetos.
d) Se miden los resultados de los sujetos en el fenómeno conductual estudiado.
Como sólo se dispone de esta medida, el investigador debe comparar sus resultados con los
resultados hipotéticos fruto de la observación, tradición o fuentes similares.
Para ser un experimento, se necesita que se lleve a cabo al menos una comparación, pero debe
hacerse con medidas exactas. Como esto no ocurre, tanto su validez interna como la
externa son bajas.
VC: historia, maduración y selección diferencial de los sujetos.
 Diseño de grupo único con medidas pre y postratamiento.

Este tipo de diseño permite la comparación de dos grupos de medidas, pero tiene un
deficiente control sobre el factor manipulado y sobre las VC, por lo que sigue siendo
considerado preexperimental.
La lógica de este experimento consiste en:
a) Se forma un grupo de sujetos seleccionados sin seguir una técnica especial.
b) Se toma la medida pretratamiento.
c) Se aplica el tratamiento.
d) Se toma la medida postratamiento.
e) Se comparan las medidas pre y post.
En investigaciones de este tipo se cumple con uno de los requisitos mínimos que exige la
investigación experimental, es decir, comparar las medidas pre y post, ya que es una
comparación formal. Sin embargo, pueden aparecer una serie de VC no controladas que lo
hacen muy vulnerable, ya que pueden contaminar los resultados obtenidos. VC: historia,
maduración, efecto de la medida pretratamiento, instrumentación y regresión estadística.

Este tipo de diseños son bastante débiles y sólo deben ser utilizados en aquellos casos
en los que no haya otro recurso.
 Diseño estático de dos grupos.

Este tipo de diseño permite la comparación de un grupo que ha sido sometido a un tratamiento
con otro grupo que no ha sufrido el efecto de dicho tratamiento. Los grupos son naturales y no
hay medida pretratamiento.
Como el investigador no dispone de criterios que le permitan comprobar la equivalencia y
homogeneidad inicial de los grupos, y la selección de los sujetos se hace sin seguir ninguna
técnica especial, pueden introducirse importantes sesgos en los resultados. Por este motivo,
cualquier diferencia encontrada entre las medidas tomadas, puede ser atribuida al tratamiento
o a las diferencias iniciales entre los grupos.
Este tipo de diseño sólo es aconsejable en las situaciones en que el investigador tiene una
completa seguridad de la equivalencia y homogeneidad inicial de los grupos.
La lógica es la siguiente:
a) Se toman dos grupos de sujetos formados naturalmente, sin seguir una técnica especial.
b) No se toman medidas pretratamiento.
c) Se aplica un tratamiento a un grupo y al otro grupo el tratamiento de control.
d) Se toman medidas postratamiento.
e) Se comparan las medidas postratamiento de ambos grupos.
Estos diseños preexperimentales son con manipulación intencional, pero en algunos casos
pueden incluir la manipulación de selección. Esto podría ocurrir cuando la variable que se
use para hacer la selección no sea una variable de sujeto. Por ejemplo: un grupo que ha tenido
determinada experiencia; si fuera un diseño estático podría haber también otro grupo que no
hubiera pasado por dicha experiencia o que hubiera pasado por otra. En estos casos la variable
usada para hacer la selección no es de sujeto, ya que si la manipulación de selección se hiciera
sobre una variable de sujeto la investigación sería necesariamente un cuasiexperimento.
Investigaciones cuasiexperimentales
En muchas ocasiones no es fácil llegar directamente de una investigación
preexperimental a una experimental, por lo que se debe dar un segundo paso y atravesar
el nivel de la investigación cuasiexperimental.
Investigaciones cuasiexperimentales  hay un defecto de control en la situación
investigadora, siendo esta la causa de que estas situaciones no alcancen el nivel de
experimentales.
Hay dos situaciones por las cuales una investigación puede tener el carácter de
experimental:
1) Porque el factor que se estudia como posible causa de los cambios observados en la VD
sólo admite un nivel de manipulación de selección. Esto sucede, por ejemplo,
en el caso de variables de sujeto (inteligencia, sexo, edad, etc.).

En este caso, la investigación puede reunir todas las características de una investigación
experimental, pero no se puede realizar un control absoluto sobre el factor manipulado.
2) Cuando el investigador, por las razones que sean, no dispone de un control
absoluto de la situación de investigación, aunque pueda manipular
experimentalmente los factores que desea estudiar como posibles causas de los
cambios que aparezcan en la VD.
Características:
• Se usan escenarios naturales.
• No hay control experimental completo.
• Se usan procedimientos como sustitutos del control experimental buscando
minimizar los efectos de las fuentes de invalidez interna.
• Disponibilidad: pueden usarse cuando no sea posible la realización de una
investigación experimental.
Algunos diseños utilizados en estas investigaciones son los siguientes:
 Diseño de series temporales interrumpidas.

Consiste en tomar una serie de medidas de la VD a lo largo de determinado periodo de
tiempo, introducir la aplicación del tratamiento en un momento dado, y luego seguir
tomando medidas de dicha variable por otro periodo de tiempo. Entonces, para estudiar a
un grupo se toman varias medidas pretratamiento, se aplica el tratamiento, y se toman varias
medidas postratamiento (misma cantidad que pre).
El efecto de la variable manipulada se estima a partir de la discontinuidad que presenten las
medidas pre y postratamiento, ya que si el tratamiento no generara cambios, seguiría un patrón
similar. Cuando se analiza dicha discontinuidad, se puede llegar a conclusiones válidas acerca
del efecto del tratamiento.
Uno de los problemas de este diseño es saber hasta qué punto la discontinuidad
presentada es debida al tratamiento o a la presencia de VC. Por esto se originaron diversas
modalidades:
- Diseño simple de series temporales interrumpidas.
- Diseño de series temporales interrumpidas con grupo de control no
equivalente.
- Diseño de series temporales interrumpidas con variables dependientes no
equivalentes.
- Diseño de series temporales interrumpidas con retirada del tratamiento.
- Diseño de series temporales interrumpidas con replicaciones múltiples.
- Diseño de series temporales interrumpidas con replicaciones cambiadas.
Los cambios introducidos al diseño simple buscan poder controlar o minimizar
posibles explicaciones alternativas a las halladas.
Principales obstáculos:
 Algunos tratamientos no se pueden introducir rápidamente, en forma brusca, sino
que hay que hacerlo gradualmente.
 Los efectos del tratamiento pueden no ser instantáneos sino que pueden ocurrir
con una demora impredecible.
 La serie de medidas realizadas debe ser lo suficientemente amplia.

 En muchas ocasiones, el investigador tendrá dificultad para acceder a datos, sobre
todo cuando pertenecen a instituciones.
En estos diseños, mientras mayor sea el número de observaciones realizadas (pre y post), más
fácilmente se podrá evaluar el efecto del tratamiento. No obstante, realizar múltiples
observaciones no sustituye adecuadamente el control experimental, pero minimiza el efecto de
algunas VC.
 Diseño de grupo de control no equivalente.

Frecuentemente utilizados en el ámbito educativo y social. No se parte de grupos
equivalentes, sino que se usan grupos naturales, siendo difícil afirmar su equivalencia
inicial por más similares que parezcan. Por ejemplo: un grupo del turno tarde y otro del
grupo mañana de un colegio.
Grupos naturales  son grupos de sujetos que existen previamente a la
investigación, por lo que muchas veces están compuestos por sujetos que ya se conocen
o que tienen algún nexo.
En este tipo de diseño tienen un papel fundamental las medidas pretratamiento, pues a
partir de ellas se puede comparar la equivalencia inicial de los grupos en la medida de la VD,
siendo obligatorio su uso, pues de no utilizarlas se perdería control de la situación de
investigación y sería un preexperimento.
Al tener grupo de comparación permite controlar los efectos de VC como la historia,
maduración o instrumentación.
Diseños similares a este pueden usarse con dos grupos experimentales, o con más de dos grupos
que pueden incluir o no grupo control.

TEÓRICO 3 (TEMA 13): Tipos de varianza.
La variación que se observa en las medidas tomadas de la VD suele recibir el nombre de
varianza. Existen tres fuentes de variación:
1) La que procede del sujeto: factores como edad, sexo, estado actual del organismo,
y otras variables subjetivas que afectan la conducta del individuo.
2) La que procede del ambiente: conjunto de valores externos que inciden en el
individuo (por ejemplo, sociales).
3) La que procede de la situación experimental: factores que dependen del
experimentador (actitudes, expectativas, procedimiento empleado, etc.), así como
el sistema de medida empleado.
Cada una de estas fuentes actúan en la conducta de los sujetos experimentales y pueden
afectar los cambios producidos en su conducta. Como su acción es simultánea, el
experimentador deberá intentar controlar las restantes fuentes de variación que puedan
afectar a la VD.
Algunas de estas variaciones pueden observarse al comparar los puntajes entre los sujetos, y
otras al comparar los puntajes entre los grupos. Se clasifican entonces en:
a) Varianza sistemática.
b) Varianza no sistemática.
Varianza sistemática
Es la desviación que presentan los datos en una dirección más que en otra. Esta desviación
no siempre se debe a la variable manipulada directamente por el experimentador, sino que
muchas veces es por causa de factores desconocidos o extraños que no han sido
controlados (VC).
Existen dos fuentes de variación sistemática:
- Primaria (manipulación de la VI).
También denominada varianza intergrupos o experimental. Refleja los efectos de la
manipulación directa de la VI. Si sometemos a diversos grupos de sujetos a diferentes
condiciones experimentales, la varianza observada entre los grupos es la varianza pretendida
por el experimentador.
- Secundaria (variables contaminadoras).
Consiste en una desviación sistemática de los datos obtenidos de la medición de la VD, debida
a la intervención de un factor “extraño” a los propósitos de la investigación. Muchas veces este
factor es conocido y no altera ni interfiere la variación buscada por el experimentador.
Puede ocurrir que esta variable extraña interactúe con la VI, aumentando o disminuyendo
la desviación de los datos, por lo que nos encontraríamos con datos contaminados, ya que
no sabemos si su variación se debe a la VI o a las VC.
Varianza no sistemática o del error

Es el conjunto de fluctuaciones que presentan las medidas como consecuencia de la variación
al azar. Estas variaciones tienden a autocompensarse, por lo que su medida es igual a cero. Esta
varianza es absolutamente impredecible.

Las fuentes son:
- Diferencias individuales.
No todos los sujetos reaccionan de la misma forma ante una situación experimental idéntica.
Como las diferencias individuales tienden a dispersar los resultados en sentidos dispares,
esta varianza se considera debida al error.
- Errores de medida.
En ocasiones se utilizan instrumentos de medida poco precisos, o el procedimiento
experimental no se aplica por igual a todos los sujetos, o las instrucciones fueron dadas por
diferentes experimentadores. El conjunto de estos factores aumenta la variación de los datos, lo
que dificulta la separación de la varianza debida a la variable experimental.

Resumen Metodo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Resumen Metodo

Cargado por

Copyright:

Formatos disponibles

RESUMEN MÉTODO

TEÓRICO 1 (TEMA 1): Psicología como ciencia

Características del conocimiento científico

Este archivo fue descargado de https://filadd.com

Etapas del proceso científico

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Las variables en la investigación psicológica

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Clasificación de las variables

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Tipos de variables independientes

 Variable independiente situacional: hacen referencia a los estímulos que proceden

Este archivo fue descargado de https://filadd.com

 Manipulación experimental. Se caracteriza por:

 Manipulación de selección. Se caracteriza por:

Definición de términos importantes:

Este archivo fue descargado de https://filadd.com

Definición operacional de las variables de un experimento

Este archivo fue descargado de https://filadd.com

Experimento  observación objetiva y sistemática de fenómenos provocados en

Tipos de situaciones experimentales

Este archivo fue descargado de https://filadd.com

Fuentes de variables contaminadoras

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Técnicas de control de las variables contaminadoras

Este archivo fue descargado de https://filadd.com

 Técnicas de control en situaciones experimentales tipo II (intragrupo).

Este archivo fue descargado de https://filadd.com

Clasificación de los métodos de investigación cuantitativos

En un primer panorama general podemos hacer la siguiente clasificación:

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

 Controles específicos: están dirigidos a controlar una o varias variables

Este archivo fue descargado de https://filadd.com

Ejemplo 2. – Se desea implementar una investigación en el ámbito educativo, en la cual se

Supongamos que en el ejemplo 1 aplicamos la psicoterapia y luego medimos el nivel de

Cuando no es posible realizar una comparación formal entre la medida pretratamiento y la

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

c) Diseño de medidas repetidas o intragrupo.

Este archivo fue descargado de https://filadd.com

El diseño de medidas repetidas o intragrupo es aquel en el que a cada sujeto de la

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

En resumen, podemos decir que una investigación será un experimento

Este archivo fue descargado de https://filadd.com

Y será modificado de esta manera:

Este archivo fue descargado de https://filadd.com

Este archivo fue descargado de https://filadd.com

Grupos Composición Medida Tratamiento Medida

Grupos Composición Medida Tratamiento Medida

Este archivo fue descargado de https://filadd.com

Grupos Composición Medida Tratamiento Medida

En este caso no se tiene grupo de comparación ni medida pretratamiento. Por lo tanto, no se

Correlación  correspondencia o relación recíproca entre dos o más fenómenos.

Este archivo fue descargado de https://filadd.com

Cuasiexperimento con manipulación Método correlacional