UNIVERSIDAD MEXIQUENSE DEL BICENTENARIO

UES EL ORO

MATERIA: METODOLOGÍA DE LA INVESTIGACIÓN EN ENFERMERÍA

DOCENTE: M.E.P. ANA LAURA HERNÁNDEZ MENDOZA

TRABAJO: RESUMEN DE TEMAS 2 A 2.3 DEL BLOQUE 4 DE DISEÑO DE

INVESTIGACION

ESTUDIANTE: ANGEL DE JESÚS MERCADO JULIÁN

GRUPO: 27LE-161 MATRICULA: 27200108

LICENCIATURA EN ENFERMERÍA
VALIDEZ INTERNA Y EXTERNA DE UN DISEÑO EXPERIMENTAL

El problema de la validez de un diseño experimental es una preocupación

permanente en el contexto metodológico de las ciencias humanas. Si bien hoy no
se han alterado las circunstancias que condicionan dicha validez cierto es también
que puede resultar interesante un replanteamiento de dichas circunstancias y de los
presupuestos de actuación experimental del investigador de las ciencias del
hombre. Así pues, el objetivo de las líneas que siguen a continuación es doble:
Preocupación por las circunstancias experimentales que condicionan la validez de
un diseño. Nuevas pautas de conducta aconsejables para la experimentación en el
contexto de las ciencias humanas. Tradicionalmente, y siguiendo la opinión de
Campbell y Stanley, quienes sin duda más importancia han concedido al tema, se
acostumbra a diferenciar dos tipos de validez exigibles a todo diseño experimental:

VALIDEZ INTERNA Y VALIDEZ EXTERNA.

a) Validez interna: Nos determina hasta qué punto el investigador puede

atribuir la variación observada en la variable dependiente a la presencia de
la variable independiente. Es el requisito mínimo imprescindible sin el cual es
imposible interpretar el modelo: ¿Introducen, en realidad, una diferencia los
tratamientos empíricos en este caso experimental concreto? Pueden cifrarse
en ocho las variables o factores que han de ser objeto de control por su
incidencia en la validez interna de un diseño:

a. Historia

Acontecimientos ocurridos durante las diferentes mediciones. el control del efecto

historia en el primero de los momentos señalados pues, a menudo, los tratamientos
son simultáneos y no es posible equiparar determinadas fuentes de sesgo, por
ejemplo, la propia persona encargada de realizar el experimento. Por supuesto que
se reducirá el influjo de este factor si existen instrucciones previas respecto al
comportamiento del investigador en las diferentes sesiones y tratamientos. Otras
fuentes de sesgo pueden igualmente controlarse: hora de la sesión experimental,
día de la semana, circunstancias académicas, etc., lo que contribuirá igualmente a
reducir la influencia del factor historia en las posibles diferencias entre los
tratamientos y, por tanto, a mejorar la validez interna del diseño. En control de este
factor se dificulta a medida que los tratamientos requieren aplicación
individualizada, siendo preciso entonces extremar las condiciones de igualdad de
aplicación de los tratamientos del proceso experimental.

b. Maduración:

Evolución de los procesos internos de los participantes por el mero paso del tiempo
(edad, hambre, cansancio, etc.). Este efecto abarca todos aquellos procesos
biológicos o psicológicos que varían de manera sistemática con el correr del tiempo
e independientemente de determinados acontecimientos externos. La maduración
es a menudo el punto más crítico de los estudios experimentales en educación,
debido a que entre las diferentes mediciones del esquema experimental clásico
(pre-test, tratamiento, post-test) transcurría un determinado tiempo capaz muchas
veces de explicar por sí mismo, o mejor por los cambios habidos en los sujetos
experimentales durante ese tiempo, las diferencias encontradas entre las dos
mediciones realizadas. El problema de la enorme dificultad de control de la
maduración de los sujetos se traduce en un criterio importante para definir la calidad
de un experimento, hasta el punto que determina la categorización del diseño como
experimental, preexperimental, etc.

c. Administración de test

Cuya mera aplicación puede modificar los resultados de aplicaciones posteriores.

Este efecto perturbador surge en aquellos experimentos que requieren la realización
de pre-test o algún tipo de entrenamiento previo a la medición experimental
(experiencia de aprendizaje). Parece claro que estas experiencias de aprendizaje
pueden modificar las respuestas experimentales posteriores, se siga o no
tratamiento experimental. Este efecto, denominado a menudo «efecto reactivo», se
produce en mayor cuantía cuando el proceso de medición sea en sí un estímulo al
cambio y no un mero registro de comportamiento. Ejemplos de este tipo de efecto
serían la preocupación surgida en un sujeto ante un control de peso que, por sí
mismo, puede significar un estímulo para adelgazar; la presencia de un micrófono
que puede variar las pautas de interacción del grupo; la presencia de un observador
extraño que puede condicionar las respuestas de los miembros del grupo. En
general, cuanto más nuevo y motivante sea el estímulo, mayor será en influencia su
efecto reactivo.

d. Instrumentación

Los cambios en los instrumentos de medición o en los observadores o calificadores

participantes pueden producir variaciones en las mediciones. Se recogen aquí los
efectos perturbadores producidos por los cambios habidos en los instrumentos de
medición, en las personas encargadas de efectuar las evaluaciones, en los
entrevistadores. Este efecto se controla con facilidad cuando el experimento
posibilita su realización en sesión única, con un único experimentador y con un único
instrumento de medida, que no admita dudas de interpretación de las respuestas.
Si no es posible la realización de esta sesión única habrá que asignar
aleatoriamente los observadores a las diferentes sesiones, tanto en el grupo
experimental como en el grupo control, procurando además que no sepa de que
grupo se trata a fin de evitar que este conocimiento pudiera hacer variar sus
registros.

e. Regresión estadística

Opera allí donde se han seleccionado los grupos sobre la base de puntajes
extremos. Ocurre este efecto cuando en el experimento se incluyen grupos de
sujetos con puntuaciones extremas en el pre-test. Por el efecto de la regresión los
grupos con puntuaciones muy bajas (muy altas) en una variable obtendrán
puntuaciones no tan bajas (no tan altas) en otra variable, sin que esas diferencias
puedan atribuirse al efecto de los tratamientos ni a los efectos de historia,
maduración, etc., sino simplemente al efecto de la correlación imperfecta entre las
variables: cuanto menor sea esta correlación mayor será la regresión hacia la
media. La falta de correlación perfecta puede deberse a error de medición y/o a
fuentes sistemáticas de varianza específicas de una u otra medición.

f. Sesgos

Resultantes de una selección diferencial de participantes para los grupos de

comparación. Este efecto reflejaría el sesgo resultante de una selección diferencial
de participantes para los grupos de comparación. Se controlará este efecto
procediendo aleatoriamente en la asignación de los sujetos a los grupos de
experimentación. En algún caso se ha pretendido sustituir este proceso de
aleatorización por un proceso de equiparación de sujetos. Además de entender que
la equiparación experimental cuando se trata de sujetos es muy difícil de conseguir,
no puede interpretarse, como dijimos anteriormente, como proceso sustitutorio de
la aleatorización sino, en todo caso, como proceso complementario.

La influencia de este efecto se reduce a medida que aumenta el tamaño de los

grupos de experimentación. La fuente de error debida a la diferencia entre los
sujetos seleccionados viene recogida en el término de error experimental de los
modelos estadísticos asociados a las técnicas del análisis de varianza. Recordemos
hasta qué punto es esencial en dicho análisis esta fuente de error teniendo presente
que constituye el paradigma respecto al cual se compara la variación encontrada
entre los diversos tratamientos.

El razonable deseo del investigador de reducir a sus justos límites la cuantía del
error experimental puede lograrse, entre otros medios, homogeneizando las
unidades experimentales lo que puede conseguirse estableciendo bloques
(equiparaciones) entre las unidades experimentales de los diferentes tratamientos,
lo que no elimina la conveniencia de proceder aleatoriamente en la asignación de
las unidades experimentales a los tratamientos. Solución estadística todavía más
radical para evitar este efecto sería la utilización de diseños intra-sujetos o de
diseños factoriales mixtos (intersujetos-intrasujetos).

Así pues, si existe duda en el investigador respecto a la no reducción a límites

razonables (control) del efecto selección con el proceso de aleatorización y la
naturaleza del diseño lo permite, deberá procederse al establecimiento de bloques
aleatorios, siendo necesario entonces aplicar las técnicas estadísticas adecuadas y
que en términos generales constituyen el tipo de diseños denominados BCA o
diseños en bloque completamente aleatorizados.

g. Mortalidad experimental
Pérdida de participantes en los grupos de comparación. Este efecto, debido a las
diferencias que puede implicar la pérdida de participantes en alguno de los grupos
de experimentación, se posibilitará a medida que se incremente la duración del
experimento. En términos generales, cabe aceptar que la «mortalidad» o abandono
de los sujetos a las pruebas de experimentación no es proceso aleatorio, sino que
suele ir unido a una cierta indiferencia por la situación, lo que puede introducir sutiles
diferencias en los grupos, que serán más importantes a medida que sean más
reducidos. El control de este efecto perturbador será efectivo a medida que se evite
el abandono de los sujetos sometidos a experimentación o se disponga de sujetos
reservas que hayan seguido todo el proceso experimental y que previamente hayan
sido asignados al azar a los diferentes grupos de experimentación.

h. Interacción entre la selección y la maduración.

Si bien se ha incluido este octavo factor de perturbación por mantener fiel la idea de
Campbell y Stanley, a quienes estamos fundamentalmente siguiendo en esta
exposición, no se cree que aporte nada nuevo su comentario por considerarlo
implícito en los efectos anteriormente expuestos; es decir, es posible la actuación
conjunta, interactiva, de dos o más de los efectos de cada factor por separado. Y si
entrásemos a discutir sobre los efectos de las interacciones tendríamos que
considerar también otras como maduración-historia, selección-historia, selección-
test, etc., etc., hasta agotar todas las combinaciones de primer orden (entre dos
factores) y de órdenes sucesivos.

b) Validez externa Plantea el interrogante de la posibilidad de generalización:

¿A qué poblaciones, situaciones, variables de tratamiento y variables de
medición pueden generalizarse estos efectos? Los factores que amenazan
la validez externa o representatividad de un diseño serían:

a. Efecto reactivo o de interacción de las pruebas:

Cuando la prueba modifica la calidad de la reacción del participante a la variable

experimental, por lo que no sería legítimo generalizar a poblaciones que no han
recibido el estímulo-prueba. Este efecto ocurrirá cuando el pre-test aumente o
disminuya la sensibilidad o calidad de la reacción del participante a la variable
experimental, haciendo que los resultados obtenidos para una muestra con pre-test
no sean representativos de los efectos de la variable experimental para poblaciones
sin pre-test. El efecto del pre-test sobre la variable dependiente X dependerá del
grado en que las situaciones de medición experimental difieran notoriamente de las
características del conjunto respecto del cual se pretende generalizar. Cuando se
utilizan pruebas de experimentación poco o nada usuales para los sujetos
participantes no resultará procedente la generalización a sujetos que no hayan
vivido el proceso de experimentación.

b. Interacción de los rasgos de selección y la variable experimental.

Este efecto hace básicamente referencia a los problemas de la selección de los
sujetos participantes en un determinado experimento; es decir, a la
representatividad de la muestra utilizada. Si bien no es fácil lograr una muestra
perfectamente representativa de la población a la que pretende representar (por
supuesto, más difícil a medida que la población de referencia aumente), debe
aspirarse a ello como un presupuesto básico de investigación. Lo que de ninguna
manera es aceptable es despreocuparse del problema en la planificación del
experimento y pretender posteriormente generalizar los resultados obtenidos. El
problema de la representatividad de la muestra no es inherente al propio
experimento (validez interna) sino que está relacionado con la generalización de
resultados (validez externa). Sería válida al respecto la pauta de comportamiento
científico de no generalizar en las conclusiones más allá de lo que los datos
permitan.

c. Efectos reactivos de los dispositivos experimentales

Impedirán hacer extensivo el efecto de la variable experimental a las personas

expuestas a ella en una situación no experimental. la importancia que supone la
obvia artificialidad de la situación experimental y la conciencia del sujeto de que está
participando en un experimento, que a menudo son causas más que suficientes de
carencia de representatividad y por tanto impedimentos para el proceso de
generalización. Se ha advertido reiteradamente que, si es posible, deben
planificarse pruebas experimentales acordes con o:la rutina de los sujetos que
integran la muestra experimental, por una parte, y de la población a la que
representan por otra. A medida que no sea posible evitar situaciones experimentales
novedosas (reactivas) habrá que restringir los límites de generalización de
conclusiones.

d. Interferencia de los tratamientos múltiples

Suelen persistir efectos de los tratamientos anteriores. Este efecto tendrá lugar
cuando se apliquen diferentes tratamientos a un mismo grupo de sujetos, ya que
suelen persistir los efectos de los tratamientos anteriores. Si, como se ha
analizando, con un sólo tratamiento surgen posibles efectos que condicionan el
proceso de generalización, éste se verá seriamente comprometido al realizarse
respecto a experimentos que suponen tratamientos múltiples, ya que los efectos
descritos anteriormente pueden aparecer en uno o varios de los tratamientos,
adquiriendo en el conjunto, como es lógico, mayor importancia.

Diseño cuasiexperimental

El diseño cuasiexperimental es un plan de trabajo con el que se pretende estudiar

el impacto de los tratamientos y/o los procesos de cambio en situaciones donde los
sujetos o unidades de observación no han sido asignados de acuerdo con un criterio
aleatorio. A veces incluso, la aplicación del tratamiento no la ejerce directamente el
investigador, viene impuesta por una organización, por mandato gubernamental,
etc., y si este es el caso, tampoco se tiene control sobre las circunstancias que
rodean a la aplicación en este caso con frecuencia se los denomina experimentos
naturales o experimentos de campo. La metodología de este tipo de investigación
se caracteriza por ser descriptiva, la cual consiste en observar el comportamiento
de los individuos y de las diferentes variables sociales y registrar datos cualitativos
y cuantitativos.

La investigación cuasi experimental se ubica entre la investigación experimental y

el estudio observacional. Sin embargo, no tiene el control de variables o de los
elementos que intervienen en el contexto del sujeto de estudio.

La investigación cuasi experimental tiene las siguientes características:

• La población de estudio que forma parte de esta investigación no se

selecciona aleatoriamente, por el contrario, el investigador selecciona
grupos previamente establecidos.
• La investigación cuasi experimental es de suma importancia para
la investigación aplicada.
• Aunque su origen surgió para realizar investigaciones en el sector
educativo, actualmente, también se utiliza en la rama de la psicología
con el propósito de llevar a cabo estudios sociales.
• Este tipo de investigación se enfoca en identificar la forma en la que se
relaciona una variable independiente sobre la variable dependiente y
qué es lo que esto produce.
• La investigación cuasi experimental se lleva a cabo en campo, en un
ambiente donde el sujeto de estudio se desarrolla naturalmente, lo que
disminuye el control de las variables.

Desventajas de la Investigación Experimental

Existen múltiples métodos para averiguar la mejor manera de describir nuestra
realidad y una de ellas es la investigación experimental. Es el método más popular,
sin embargo, hay múltiples desventajas de la investigación experimental.
Aspectos no operatibles, situaciones artificiales y el error humano
El amor, la felicidad y otras ideas abstractas son difícilmente estudiables, es decir,
a diferencia de variables como la longitud, la altura y la temperatura. Las emociones,
por poner un ejemplo, no se pueden medir con precisión. En el laboratorio se crean
situaciones acordes al objetivo a investigar, están muy controladas y difícilmente
pueden representar una situación real. Debido a esta artificialidad, puede darse el
caso de que se excluyan variables que en la naturaleza siempre se dan de forma
conjunta. Los seres humanos somos imperfectos y, aunque la experimentación es
rigurosa, puede darse el caso de que el propio experimentador se equivoque a la
hora de medir las variables.
El entorno influye en los participantes, la manipulación de las variables y el tiempo
Si el laboratorio o cualquier otro lugar en el que se realiza el estudio presenta
algún factor distractor o que pueda alterar el estado anímico del participante, sus
respuestas se verán afectadas. Es posible que, ya sea por un sesgo del investigador
o de forma intencionada, los resultados sean manipulados e interpretados de una
forma que confirmen las hipótesis a verificar en el estudio. La investigación científica
requiere de elegir el objeto de estudio, averiguar sus variables, elaborar un diseño
experimental y otros pasos más. La obtención de participantes para la muestra es
un proceso largo, además de que no es garantía de que inicien o abandonen el
experimento.
Problemas éticos
A lo largo de la historia ha habido casos de experimentos que han generado
controversia debido a que han rozado violaciones de la ética. Por poner un ejemplo,
los médicos nazis experimentaban con los presos de los campos de concentración
de forma inhumana y cruel. Otro aspecto ético a tener en cuenta es la
experimentación animal. Muchos ecologistas y defensores de los derechos de los
animales son totalmente contrarios al uso de animales con finalidad científica,
aunque ello pueda suponer salvar vidas humanas como es en el caso de la
investigación farmacéutica.
Investigación No Experimental
La investigación no experimental es el tipo de investigación que carece de una
variable independiente. En cambio, el investigador observa el contexto en el que se
desarrolla el fenómeno y lo analiza para obtener información. A diferencia de
la investigación experimental, donde las variables se mantienen constantes, la
investigación no experimental se realiza cuando, durante el estudio, el investigador
no puede controlar, manipular o alterar a los sujetos, sino que se basa en la
interpretación o las observaciones para llegar a una conclusión. Esto significa que
el método no debe basarse en correlaciones, encuestas o estudios de caso, y no
puede demostrar una verdadera relación de causa y efecto. Los investigadores no
participan directamente en el experimento. Al ser observacional, también se utiliza
para la investigación descriptiva.
Características de la investigación no experimental
Alguna de las características más importantes de la investigación no experimental
es:
• La mayoría de los estudios se basan en sucesos que ocurrieron
anteriormente y se analizan posteriormente.
• En este método no se realizan experimentos controlados por razones como
la ética o moral.
• No se crean muestras de estudio, al contrario, las muestras o participantes
ya existen y se desenvuelven en su medio.
 • El investigador no interviene directamente en el entorno de la muestra.
• Este método estudia los fenómenos exactamente cómo ocurrieron.

Clasificación de los diseños experimentales

1. El primer criterio clasifica los diseños en función del número de variables

independientes que se manipulan.
Se diferencia, así, entre diseños simples, en los que se manipula una sola variable
independiente, y diseños factoriales, en los que se manipulan dos o más variables
independientes. La ventaja del diseño factorial con relación al diseño simple es que
nos admite estudiar no solamente el efecto de cada una de las variables
independientes separadamente -los llamados efectos principales-, sino que también
nos admite estudiar el efecto conjunto de las mismas -los llamados efectos
interactivos o de interacción entre las variables-. Cabe precisar que el efecto
interactivo recoge el efecto simultáneo de dos o más variables independientes sobre
la variable dependiente. De manera que, con esta información, el diseño factorial
nos permitirá detectar si el efecto de una variable independiente sobre la variable
dependiente es diferente en función de con qué valor de la otra variable
independiente se combina. En términos técnicos, podremos estudiar los efectos
simples de cada variable independiente y determinar en qué medida difiere.
2. El segundo criterio clasifica los diseños en función del número de variables
dependientes que se registren.
Así nos encontramos con diseños univariables, en los que registra una sola variable
dependiente, y con diseños multivariables, en los que se registra más de una
variable dependiente.
3. El tercer criterio clasifica los diseños en función del número de observaciones
por sujeto y condición experimental.
Se diferencia así entre diseño transversal y diseño longitudinal. En el primero
disponemos de una sola medida u observación por sujeto y condición, mientras que
en el segundo disponemos de más de una medida u observación. La diferencia
esencial entre uno y otro tipo de diseño radica en el objetivo que persiguen. Si bien
el primero se interesa en el estudio de un fenómeno en un momento puntual del
tiempo, el segundo, por el contrario, persigue el estudio de la evolución temporal del
fenómeno de modo que, da respuesta a cuestiones acerca de procesos como la
persistencia, el cambio, el crecimiento o el desarrollo.
4. El cuarto criterio de clasificación diferencia los diseños en función de su
capacidad para controlar las variables extrañas y reducir la variancia de error.
Esta reducción de la variancia de error repercute en que el diseño sea más o menos
sensible para detectar el efecto del tratamiento. Así, ordenados de menos a más
reducción de la varianza de error, tenemos los diseños de grupos al azar, los
diseños de bloques al azar y los diseños de medidas repetidas. Nos vamos a dedicar
ahora a presentar con más detalle cada uno de ellos.
Los diseños de grupos al azar se caracterizan porque en ellos la aleatorización
interviene a tres niveles.
• Primero: la muestra se selecciona aleatoriamente de la población, con
objeto de que todos los individuos de la población tengan la misma
probabilidad de pertenecer a la muestra.

• Segundo: los grupos se forman al azar, para que cualquier individuo de

la muestra tenga la misma probabilidad de pertenecer a uno u otro grupo.

• Tercero: los tratamientos o valores de la variable independiente se

asignan aleatoriamente a los grupos experimentales, para que todos los
grupos tengan la misma probabilidad de recibir uno u otro tratamiento. La
principal ventaja de este tipo de diseños de investigación ya se ha
comentado anteriormente: al formar los grupos al azar, cualquier variable
extraña que pudiera afectar a la variable dependiente también quedará
repartida al azar en los grupos, por lo que no incidirá de forma sistemática
sobre la variable dependiente que interesa al investigador.

Diseños de caso único

Los diseños de caso único son aquellos en los que se lleva a cabo un
establecimiento de la línea base. Esto implica realizar registros sucesivos de una
conducta para, posteriormente, introducir una variable independiente, tratamiento o
intervención. Este tipo de investigaciones en psicología permiten el análisis
intensivo de la conducta humana según el enfoque concreto de cada trabajo. Los
diseños de caso único son empleados en investigación básica y aplicada, tanto de
carácter no terapéutico como de diagnóstico, evaluación e intervención. Están
considerados como uno de los diseños de investigación que más han contribuido al
análisis experimental de la conducta y el estudio de casos.

Estos diseños se caracterizan por permitir el estudio de la conducta de manera

intensiva y en situaciones controladas, lo que permite que se puedan investigar
aquellas causas que intervienen en la variabilidad de la conducta. Esto favorece que
se puedan estudiar aspectos como la influencia de los tratamientos, el efecto de las
variables extrañas, las causas de los cambios de conducta, etc. Los diseños de caso
único presentan la finalidad de describir, de forma detallada, una serie de casos
individuales a través del estudio intensivo de la conducta de un individuo,
manipulando para ello algún tipo de variable independiente. El diseño está limitado
al cliente, al usuario y al propio diseñador. Lo está también por sus soluciones, por
la industria, por el contexto y por el mercado. El diseño no puede ir mucho más lejos
de allí donde ha llegado la tecnología, aunque puede hacer que ésta vaya mucho
más rápida.
 Fuentes bibliográficas

Manterola, C., Quiroz, G., Salazar, P., & García, N. A. H. (2019). Metodología de los tipos y diseños

de estudio más frecuentemente utilizados en investigación clínica. Revista Médica Clínica

Las Condes, 30(1), 36-49. https://doi.org/10.1016/j.rmclc.2018.11.005

Mdonato. (2019). Desventajas de la Investigación Experimental. Experimentos Sociales.

https://experimentos.dinamicasgrupales.com.ar/desventajas-de-la-investigacion-

experimental/

Moreno-Galindo, E. (2018, 3 marzo). CLASIFICACIÓN DE DISEÑO EXPERIMENTAL. https://tesis-

investigacion-cientifica.blogspot.com/2018/03/clasificacion-de-diseno-experimental.html

Ortega, C. (2023). ¿Qué es un estudio de caso y cómo realizarlo? QuestionPro.

https://www.questionpro.com/blog/es/que-es-un-estudio-de-caso/

Parra, A. (2023). ¿Qué es la investigación cuasi experimental? QuestionPro.

https://www.questionpro.com/blog/es/investigacion-cuasi-experimental/

TECH Universidad Tecnológica México. (s. f.). Diseño de investigación para caso único - Blog

TECH Universidad Tecnológica. https://www.techtitute.com/mx/psicologia/blog/diseno-

investigacion-caso-unico

Velázquez, A. (2023). Investigación no experimental: Qué es, características, ventajas y ejemplos.

QuestionPro. https://www.questionpro.com/blog/es/investigacion-no-experimental/