Tema 4

Facultad de Lenguas y Educación.
Dr. Carlos Sancho Álvarez

Titulación: Máster Universitario en Procesos
Educativos de Enseñanza y Aprendizaje
Asignatura: Iniciación a la investigación educativa
TEMA 4: Tipos de diseño en

investigación
Profesor
TEMA 4.
ÍNDICE.
Contenido
TEMA 4. ........................................................................................................................................ 2
ÍNDICE. ......................................................................................................................................... 2
OBJETIVOS. ................................................................................................................................... 3
Esquema de la unidad. ................................................................................................................. 4
DESARROLLO DEL TEMA ...................................................................................................... 5
1. Tipos de diseños según el nivel de experimentación. .......................................................... 5
1.1. Diseños pre- experimentales. ............................................................................................ 5
1.2. Diseños experimentales. ................................................................................................... 6
1.2.1 Tipos de diseños experimentales. ............................................................................... 7
1.2.2. Diseños completamente aleatorizados. ..................................................................... 8
1.2.3. Diseños de bloques homogéneos aleatorizados. ....................................................... 9
1.2.4. Diseños de sujetos apareados. ................................................................................. 10
1.2.5. Diseños de medidas repetidas.................................................................................. 11
1.2.6. Diseños de sujeto único............................................................................................ 11
1.2.7. Diseño factorial. ....................................................................................................... 12
1.3. Diseños cuasi experimentales. ........................................................................................ 13
1.3.1. Tipos de diseños cuasi experimentales. ................................................................... 15
1.3.2. Diseño pretest/postest con grupo de control no equivalente. ................................ 16
1.3.3. Diseños de discontinuidad en la regresión. .............................................................. 16
1.3.4. Diseños de series temporales interrumpidas. .......................................................... 22
2. Cómo elegir el mejor diseño. ............................................................................................. 23
BIBLIOGRAFÍA ............................................................................................................................. 24
Tema 4: Tipos de diseño en investigación

Máster en Procesos Educativos de Enseñanza y Aprendizaje 2
Profesor
OBJETIVOS.
_____________________________________________________________________________
1. Conocer los distintos tipos de diseños experimentales y cuasi

experimentales.
2. Valorar las ventajas e inconvenientes de cada diseño.
3. Saber escoger el diseño más adecuado para dar respuesta a la
pregunta de investigación planteada.
4. Detectar problemas educativos y diseñar investigaciones para la
mejora de los procesos de enseñanza aprendizaje.

Profesor
Esquema de la unidad.
Diseño de caso único con una sola medición

Diseños no
experimentales. Diseño pretest postest en un solo grupo
Diseño de comparación con un solo grupo

no tratado experimentalmente
Diseños completamente aleatorizados.
Diseños de bloques homogéneo

aleatorizados.
Diseños Diseños de sujetos apareados.

experimentales.
Diseños de medidas repetidas.
Diseños de sujeto único.
Diseño factorial
Diseño pretest/postest con grupo de

control no equivalente.
Diseños cuasi- Diseño de discontinuidad en la regresión

experimentales.
Diseños de series temporales

interrumpidas.

Profesor
DESARROLLO DEL TEMA
1. Tipos de diseños según el nivel de experimentación.
Campbell y Stanley (1966) distinguen tres tipos de diseño según el nivel de experimentación requerido,
que van de más a menos: pre-experimentales, cuasi- experimentales y experimentales.
1.1. Diseños pre- experimentales.

Los diseños pre-experimentales son aquellos que carecen de control. Kerlinger (1981) denomina a estos
diseños defectuosos.
El primero de estos diseños (tanto si se realiza en forma experimental como expost –facto) es el diseño de
un caso único con una sola medición. Se representaría de la siguiente forma.
X Y
Se denomina estudio de caso con un solo intento. Campbell dice que el mínimo de información científica
útil requiere al menos una comparación formal, o sea un grupo de control.
Un ejemplo de este tipo de diseño realizado de forma experimental sería la aplicación de un nuevo método
de enseñanza de las ciencias sociales por parte de un profesor/a, que tomaría luego una prueba a sus
alumnos/as para ver el efecto del nuevo método.
Es imposible asegurar en este caso que los resultados de Y se deben al efecto de X (el nuevo método), no
sabemos qué habrían aprendido los niños/as, ni de qué forma hubieran respondido a la prueba si en vez de
ese método el profesor/a hubiera empleado otro o el de siempre. Aún cuando el profesor/a tuviera
experiencia de otros años y pensara que sus alumnos/as aprendieron más con el nuevo método que en años
anteriores, no sabríamos si este nuevo grupo de alumnos no son más inteligentes o están más dispuestos
hacia las ciencias sociales que los de años anteriores o si ha influido cualquier otro factor externo, como un
nuevo programa de divulgación científica por la televisión. A veces, si el profesor/a ha comentado con sus
alumnos/as que iba a experimentar con un nuevo método, el saberse centro de un experimento puede
favorecer la motivación, actuando a modo de efecto placebo.
Peor todavía es emplear este método en un estudio ex post facto, con medidas analizadas a posteriori.
Imaginemos a un grupo de adolescentes que están en un centro de reforma porque han cometido algún
delito. Como tenemos las fichas de ingreso relacionamos el nivel socio-económico de sus familias con el
hecho de que hayan cometido un delito y vemos que la mayoría de ellos proceden de un entorno social
medio-bajo. Bajo estas condiciones no podríamos afirmar que son delincuentes porque proceden de un
medio socio-económico desfavorecido. Hay multitud de otras causas que pueden estar actuando y también
hay muchos adolescentes de medios desfavorecidos que no son delincuentes.

Profesor
El segundo de estos diseños defectuosos es el diseño pretest y postest en un solo grupo. Se representaría de
la siguiente forma.
Y₁ X Y₂
En este diseño hay una comparación del grupo consigo mismo. Lo que no puede garantizarse es que en el
pretest Y₁ y el postest Y₂ estén actuando otras variables no controladas además de X
También podría ser que la variación obtenida en el postest se deba a la sensibilización al pretest y no a la
influencia de X
Un tercer diseño erróneo es el de comparación con un grupo no tratado experimentalmente. Su

representación es la siguiente
X Y₂
---------------------------------------------------------------
Y₁
En este caso se usa como medida del pretest Y₁ las tomadas en un grupo diferente al experimental, al que
no se le aplica la variable experimental, pero lo más parecido a él. Es muy difícil asegurar que ambos
grupos puedan ser igualados en todas las variables, por tanto, aunque se intenta un control este no es
suficiente.
Los diseños pre- experimentales pueden adoptar tanto la forma experimental de análisis de la relación de
variables en proceso, con manipulación de la VI, como la forma expost- facto, comprobando esa relación a
posteriori. En ambos casos se trata de diseños poco fiables.
1.2. Diseños experimentales.
Los diseños experimentales se caracterizan por la manipulación de la VI y los controles rigurosos de todas
las posibles variables extrañas intervinientes. Ello permite establecer relaciones de causa- efecto, no
posibles mediante otro tipo de investigación no experimental.

Profesor
1.2.1 Tipos de diseños experimentales.
De acuerdo al número de variables:
Unifactoriales (Una VI)

De acuerdo al número de
variables independientes.
Factoriales (Más de una VI)
Univariables (una VD)

variables dependientes.
Multivariables (Dos o más VD)
De acuerdo al control de variables:
Técnica Diseños completamente

aleatorización. aleatorizados.
Técnica constancia.
Diseños de bloques
De acuerdo a la técnica de homogéneo aleatorizados.
control de variables.
Diseño de sujetos apareados.
Técnica: El sujeto
como propio Diseños de medidas
control repetidas.
Técnica: Control Diseños de covariantes

estadístico.

Profesor
De acuerdo al número de sujetos.
Diseños experimentales clásicos o

entre sujetos (N> 1)
sujetos
Diseños de sujeto único o diseños

intrasujetos (N=1)
1.2.2. Diseños completamente aleatorizados.
Los diseños completamente aleatorizados controlan la influencia de variables extrañas mediante la

asignación aleatoria de las unidades experimentales (grupos) a los diferentes niveles de tratamiento.
El modo más sencillo de este tipo de diseño es el siguiente.
AZAR Y₁ X Y₂
AZAR Y₃ Y₄
Se trata de distribuir los sujetos al azar en dos grupos, a uno de los cuales se aplicará la variable
experimental y al otro no. La ausencia de X no significa que el segundo grupo no reciba ningún
tratamiento sino que generalmente se sigue aplicando en este grupo el tratamiento habitual. Por
ejemplo, se quiere probar la eficacia de un método de enseñanza interactiva de las matemáticas en
alumnos de 2º de ESO. En el colegio hay 60 alumnos/as de 2º de ESO, se reparten al azar en dos
grupos (30 en un grupo y 30 en otro) y se designa al azar a cada grupo el tipo de enseñanza que
recibirán (método interactivo o tradicional) Se supone que el azar hará que se neutralicen las
diferencias debidas a cualquier variable extraña, o sea que los grupos serán homogéneos respecto a
cualquier variable, salvo la experimental. En uno de los grupos se aplica el método interactivo, en
tanto en otro se sigue aplicando el método tradicional. Se pasa un pretest en ambos grupos para
asegurarse que al inicio el nivel de matemáticas es equivalente en los dos grupos, es decir que sus
puntuaciones no difieren significativamente. Si luego de aplicar la variable experimental (X) los
resultados de Y₂ son mejores que los de Y₄ se supone que es por efecto del método interactivo.
Sin embargo el azar puede jugar malas pasadas, nada nos dice que “por azar” en el grupo
experimental hayan coincidido los estudiantes más inteligentes. Los diseños completamente
aleatorizados como única técnica de control requieren muestras de gran tamaño. Cuanto más
pequeña es la muestra más probabilidades de error debidas al azar.
Por esta razón y por las limitaciones en la medida de las variables (errores de medida, fiabilidad que
estudiaremos posteriormente) no es posible comparar directamente las dos medias Y₂ - Y₄

Profesor
La opción (que también se verá posteriormente) es el análisis de covarianza que estudia las
diferencias finales entre Y₂- _ Y₄ ajustándolas a las diferencias iniciales entre Y₁ e Y₃
Solomon ofrece un diseño más completo empleando aleatorización que supera en posibilidades de
generalización al anterior. Se trata de un diseño con cuatro grupos, cuyo esquema sería el siguiente:
AZAR Y₁ X Y₂
AZAR Y₃ Y₄
AZAR X Y₅
AZAR Y₆
Los dos primeros grupos reproducen el primer diseño expuesto, los dos siguiente suponen un control
respecto a estos. Este diseño permite comparar Y₂ con Y₄,, Y₂ frente a Y₁; Y₅ con Y₆, Y₆ con Y₃. O sea
que este diseño permite estudiar la existencia de diferencias en situaciones diferentes.
Se trata, sin embargo de un diseño muy complicado de llevar a la práctica por la coordinación entre
tantos grupos y porque no existe ninguna prueba estadística que permita analizar conjuntamente
todas las diferencias para responder en forma global a las preguntas de la investigación.
Una modalidad más sencilla de este tipo de diseño aleatorizado es la siguiente:
AZAR X Y₁
AZAR Y₂
En este caso se ahorraría la realización del pretest, dado que la distribución al azar de sujetos y
tratamientos supone compensar las diferencias iniciales debidas a variables extrañas. Para el análisis
estadístico de los resultados no es necesario, como en el primer caso, recurrir al análisis de
covarianza, sino que puede aplicarse la prueba t de Student para ver la significatividad de la
diferencia entre dos grupos de puntuaciones.
1.2.3. Diseños de bloques homogéneos aleatorizados.
Los diseños de bloques homogéneos aleatorizados no sólo emplean la aleatorización, sino que, a efectos
de un mayor control, introducen en el mismo diseños aquellas variables que suponen pueden influir en
los resultados. Por ejemplo, si quieren comprobar la efectividad de tres métodos distintos en la enseñanza
de la lengua y piensan que la aptitud verbal de los estudiantes puede influir en el rendimiento en lengua

Profesor
deciden introducir la variable aptitud verbal. La variable extraña introducida en el diseño recibe el nombre
de variable de bloqueo.
Los sujetos del experimento pasan previamente una prueba de aptitud verbal y son clasificados según sus
resultados en nivel alto, nivel medio y nivel bajo. El investigador forma un bloque para cada nivel.
Imaginemos que necesitamos una muestra de 72 sujetos para el experimento. Formaríamos 3 bloques
de 24 cada uno. Dentro de cada bloque los sujetos serán equivalentes en cuanto a aptitud verbal. En el
primer bloque estarían los 24 sujetos con un novel alto en aptitud verbal, en el segundo los de nivel medio
y en el tercero los de nivel bajo.
A continuación se forman los grupos experimentales, uno para cada uno de los métodos. Se distribuyen
los sujetos de los bloques en los tres grupos, de manera que en cada grupo haya el mismo número de
sujetos con nivel alto, medio y bajo. Por último se asignan los métodos al azar a cada grupo.
El esquema para este diseño sería el siguiente:
Aptitud Sujetos. Asignación Métodos de enseñanza de la lengua.

verbal. aleatoria.
Bloques. 72 sujetos. AA M1 M2 M3
Nivel alto 24 sujetos. AA 8 8 8
Nivel medio 24 sujetos. AA 8 8 8
Nivel bajo 24 sujetos. AA 8 8 8
Para cada grupo docente tenemos el mismo número de sujetos con aptitud verbal alta, media y baja. Con
lo cual se asegura que los métodos se aplican a grupos que son homogéneos respecto a esa variable, con
mayor seguridad que si han sido distribuidos por simple azar. Asignando aleatoriamente las personas a
los grupos se intenta también el control del resto de variables extrañas que pudiera estar operando.
1.2.4. Diseños de sujetos apareados.
Podíamos considerarlo una modalidad más sencilla que el diseño de bloques apareados, pero el
presupuesto en el que se basa es el mismo, reemplazar el azar por la selección de los sujetos participantes
igualados en una variable o atributo que se considera pueda influir en la relación entre VI y VD.
En el caso de sujetos apareados el apareamiento puede hacerse en más de un atributo. Por ejemplo
podríamos aparear los sujetos de a dos teniendo en cuenta el nivel de inteligencia, además del tipo de
motivación (intrínseca o extrínseca) En este caso los miembros de cada par deben asignarse al azar a
cada grupo. Asimismo resulta conveniente que el azar determine qué grupo será experimental y cuál
control. Kerlinger aconseja no usar más de dos grupos en este tipo de diseño.

Profesor
1.2.5. Diseños de medidas repetidas.
A pesar de la aleatorización la varianza de error sigue recogiendo, aunque sea en mínima proporción la
varianza debido a las diferencias individuales, los grupos, aunque por azar resulten homogéneos nunca
son iguales, dado que las personas tampoco lo son.
Los diseños de medidas repetidas son diseños intrasujeto, que a fin de eliminar las diferencias individuales
someten al mismo sujeto a todos los niveles de tratamiento. En el diseño de medidas repetidas cada sujeto
es un bloque en sí mismo. Tiene la ventaja de requerir una muestra menor de sujetos que los anteriores
diseños. Se suelen aplicar sobre todo en variables psicológicas o psicopatológicas. Imaginemos que una
persona tiene altos niveles de ansiedad cada vez que debe hablar en público. Podríamos pensar que si
hace ejercicios de relajación visualizándose hablando con seguridad tendrá un efecto positivo; también
podemos suponer que su ansiedad está causada por una baja autoestima y sería conveniente aplicarle un
método para mejorar la autoestima; o que si repite muchas veces lo que tiene que decir, lo mecaniza, lo
graba y se escucha, le será más fácil enfrentarse al público. Tenemos pues, tres tipos de estrategias
diferentes. Aplicaremos sucesivamente las tres técnicas con 10 sujetos que padecen la misma situación
de ansiedad. El diseño sería el siguiente:
Sujetos. Método relajación. Método autoestima. Método repetición y

sobresaturación.
Sujeto 1 Y₁ Y₂ Y₃
Sujeto 2 Y₄ Y₅ Y₆
Sujeto 3 Y₇ Y₈ Y₉
………….. ………………………….. ………………………….. …………………………….
Sujeto 10 Y₀ Y₀ Y₀
Aquí cada sujeto actúa como un bloque.
Un problema que puede afectar a los resultados es que el nivel de ansiedad se vaya reduciendo por sí solo
por el efecto de los anteriores tratamientos, de manera que los resultados del tercer tratamiento aplicado
simulen ser mejores, sin que en realidad lo sean. También puede producirse el efecto contrario, que el sujeto
se encuentre más cansado o desilusionado con el experimento a medida que avanza el tiempo y su falta de
motivación o cansancio afecte negativamente al último tratamiento.
Una forma de evitar esta distorsión es aplicar los niveles de tratamiento en orden aleatorio de forma
independiente para cada sujeto. También se aconseja que exista un intervalo de tiempo suficiente entre cada
tratamiento para que el siguiente no recoja los efectos positivos o negativos del primero.
1.2.6. Diseños de sujeto único.
Este tipo de diseño se emplea sobre todo en el ámbito clínico para comprobar la evolución de un
paciente a lo largo del tratamiento.

Profesor
Se trata de tomar registro de la variable dependiente antes y después del tratamiento. El esquema sería
el siguiente:
O₁ O₂ 0₃ O₄ O₅ TRATAMIENTO O₆O₇O₈O₉O₀
Línea base. Fase de tratamiento.
La variable a estudiar se denomina en este caso variable de registro. Este diseño permite ver en qué
momento del tratamiento comienza la mejora, utilizando la línea base como punto de comparación
y control de las variables extrañas.
1.2.7. Diseño factorial.
Los procesos sociales en general, y los educativos en particular, son fenómenos complejos donde suelen
estar implicadas más de una variable independiente. Los diseños factoriales permiten contrastar
simultáneamente dos o más hipótesis, una para cada variable independiente, así como estudiar la
interacción entre ellas, o sea que el efecto producido por una VI esté condicionado (mejorado o
entorpecido) por la presencia de otra VI.
Imaginemos una investigación donde queremos averiguar la relación existente entre la metodología
(cooperativa, individual y mixta) por un lado y las modalidades presencial, a distancia y mixta por otro.
Para ello decidimos aplicar un diseño factoria, cuya esquema sería el siguiente,
Modalidad
Presencial (A) On-line (B) Mixta (C)

Metodología.
Cooperativa (X) A/X B/X C/X
Individual (Y) A/Y B/Y C/Y
Mixta (Z) A/Z B/Z C/Z
Estadísticamente este diseño se analizaría mediante análisis de varianza. Primero, mediante la prueba F de
Fisher, para comprobar si existen diferencias significativas entre las combinaciones de las distintas celdas.
En caso de existir diferencias significativas hay que hacer contrastes posteriores dos a dos para comprobar
entre qué dos combinaciones se dan esas diferencias. Podremos así comprobar, por ejemplo que la
metodología cooperativa funciona mejor en la modalidad presencial que en la on-line, o que la metodología
individual tiene efectos más positivos en la modalidad on-line que en la presencial.
Profesor
Supongamos ahora que pensamos que también el tipo de motivación (Extrínseca o Intrínseca) puede estar
influyendo en estos resultados. Plantearíamos así un diseño factorial incorporando la nueva variable, cuyo
diseño sería el siguiente.
Modalidad
Presencial (A) On-line (B) Mixta (C)

Motivación
Metodología
Intrínseca Extrínseca
(I) (E) A/X/I B/X/I C/X/I
Cooperativa (X) A/X/E B/X/E C/X/E
(I) (E) A/Y/I B/Y/I C/Y/I
Individual (Y) A/Y/E B/Y/E C/Y/E
(I) (E) A/Z/I B/Z/I C/Z/I
Mixta (Z) A/X/E B/Z/E C/Z/E
Evidentemente cuantas más variables se agregan más complicado es el diseño, pero más se acerca a la
realidad del hecho educativo.
Un elemento a tener en cuenta para los contrastes posteriores es el n (número de sujetos en cada casilla)
Cuando éste es igual la prueba de Tukey es adecuada, si el n es diferente puede emplearse la prueba de
Sheffé.
1.3. Diseños cuasi experimentales.
A pesar de que el rigor científico está de parte de los diseños experimentales, la realidad hace que la mayoría
de las veces sea casi imposible llevarlos a la práctica en el ámbito social y educativo. Generalmente el
investigador se ve obligado a trabajar con grupos clase (ya constituidos) sobre los que no es posible aplicar
el principio de aleatorización. En otros casos el coste de una investigación experimental excedería los
presupuestos razonables. No debemos olvidar que la investigación social y educativa se realiza
mayoritariamente en contextos naturales, no en el laboratorio. Por todo ello la solución más habitual se
encuentra en el uso de diseños cuasi experimentales. La mayoría de los estudios en estos campos responden
a esta modalidad.
La diferencia fundamental entre los diseños experimentales y los cuasi experimentales se encuentra en la
imposibilidad de estos últimos de distribuir aleatoriamente los sujetos y las dificultades para el control de
otras VE que pudieran estar interviniendo. Por ejemplo, los estudiantes participan de la investigación en
Profesor
sus horas de clase, pero el resto del día interactúan con sus familiares y amigos, entran en internet, ven
televisión, etc. O sea están expuestos a múltiples influencias al margen del ámbito experimental.
Para compensar estas deficiencias los diseños cuasi experimentales suelen contar con al menos un grupo
de control, que no recibe el tratamiento experimental pero está expuesto de igual forma a la influencia de
factores externos, permite así verificar qué parte de la varianza en los resultados finales se debe a la acción
de la VI y qué parte se ha producido simplemente por la acción de factores externos o a la propia maduración
de los sujetos durante el proceso.
La equivalencia inicial entre el grupo experimental y el grupo control se garantiza mediante la aplicación
de un pretest en ambos grupos. Recordemos que en los diseños experimentales esta equivalencia estaba
garantizada por la asignación aleatoria de los sujetos a los grupos.
Cuanto más similares sean las puntuaciones de ambos grupos (experimental y control) en el pretest más
garantías se tienen del efecto diferencial de la VI sobre el grupo experimental. Aun así no puede asegurarse
de que el azar no introduzca una VE no contemplada que afecte sólo a uno de los grupos. Por ejemplo que
en otra clase que no tiene que ver con la materia del experimento el profesor hay llevado un vídeo o
realizado una excursión que ha provocado una mayor motivación o aportado otros conocimientos
adicionales que el investigador ignora.

Profesor
1.3.1. Tipos de diseños cuasi experimentales.
Con un solo
grupo
control.
Diseños pre- Con grupo

control no Con más de
test/post-test
equivalente, un grupo
control.
Con más de
un pretest
Diseños cuasi
experimentales.
Diseños de discontinuidad en
la regresión.
Diseños de series temporales

interrumpidas.

Profesor
1.3.2. Diseño pretest/postest con grupo de control no equivalente.
El diseño más sencillo de este tipo es el de un grupo control y pretest en ambos grupos, cuyo es el siguiente:
Y₁ X Y₂
Y₃ Y₄
Las puntuaciones obtenidas en el pretest (Y₁ e Y₃) deberían ser similares. Si a posteriori se verifican
diferencias significativas entre Y₂ e Y₄, a favor de Y₂ podríamos concluir que se deben al efecto de la
variable experimental X. Pero, como explicamos previamente siempre cabe la posibilidad de que otro
factor desconocido haya actuado sin que el investigador lo haya podido controlar, que incluso le haya
pasado desapercibido.
Para mejorar este diseño se han propuesto modificaciones al mismo como pueden ser la utilización
de más de un grupo control o el aumento de las medidas pretest.
Los esquemas de estos diseños serían los siguientes:
a) Con más de un grupo control
Y₁ X Y₂
Y₃ Y₄
Y₅ Y₆
b) Con un grupo control y doble pretest.
Y₁ Y₂ X Y₃
Y₄ Y₅ Y₆
Ambos pretest se pasarían antes de aplicar la intervención, con un lapso de tiempo entre ambos igual al que
haya posteriormente entre el segundo postest y el postest. Este diseño permite distinguir las diferencias
debidas al proceso madurativo de los sujetos.
1.3.3. Diseños de discontinuidad en la regresión.
En estos diseños la imposibilidad de asignación aleatoria de los sujetos a los grupos se suple mediante la
asignación conocida. La variable de asignación conocida suele ser la puntuación en el pretest, aunque
también pudiera ser la calificación obtenida en el cuatrimestre anterior u otra que el investigador decida.
Esto permite el ajuste estadístico del efecto de esa asignación conocida sobre la VD.

Profesor
El esquema es el siguiente:
Grupo experimental X Y₂
Y₁
Grupo control Y₃
Para asignar los sujetos al grupo experimental o al grupo control se marca en el pretest un punto de
corte, a partir del cual son asignados a un grupo o a otro.
Estos diseños deben su nombre a la técnica estadística que se emplea para analizarlos. Pero, ¿qué es
la regresión estadística? Antes de continuar con la explicación de este diseño vamos a recordar algunos
conceptos, que seguramente habréis visto en clase de estadística.
Un modelo de regresión permite apreciar si existe o no algún tipo de relación

entre dos variables.
Pongamos por ejemplo que queremos saber si existe algún tipo de relación entre la calificación obtenida en
las pruebas de acceso a la universidad y la nota de fin de carrera. Para simplificar el ejemplo tomemos sólo
10 sujetos. Sus calificaciones son las siguientes.
Sujetos. 1 2 3 4 5 6 7 8 9 10
Notas de ingreso. 5 7 7 8 8 6 7 8 8 8
Notas de fin de 6 7 8 8 9 7 7 9 7 9
carrera.
Trasladamos las puntuaciones de sujeto por sujeto a un plano marcando un punto donde se cruza su
puntuación de ingreso en una coordenada con su puntuación de fin de carrera en la otra. Cada punto
representa a un estudiante. Vemos en el plano una nube de puntos organizados de forma que nos indican el
tipo de correlación entre las variables.
Trazamos una línea siguiendo la dirección de los puntos. Si esta es recta y se orienta de izquierda a derecha
en línea ascendente podemos decir que se trata de una correlación positiva (r=+1)
Si trasladamos las puntuaciones de nuestro ejemplo a un gráfico, tal como acabamos de explicar, tendríamos
la siguiente imagen. La línea roja nos indica una regresión lineal positiva.

Profesor
10
5
Valores Y
4
0
0 2 4 6 8 10
Tomemos ahora otro ejemplo. Queremos saber la entre el nivel de ansiedad y los resultados en el examen
de ingreso a la Universidad. Para comprobarlo tomamos antes de examen el test de ansiedad de SEAS
(Sociedad Española para el Estudio de la ansiedad y el estrés) Las puntuaciones de este test varían entre 0
(no hay ansiedad) y 48 (nivel máximo de ansiedad)i
En este caso las puntuaciones de los sujetos serían las siguientesii
Sujetos. 1 2 3 4 5 6 7 8 9 10
Puntuación en el test 38 20 46 12 8 25 42 13 39 29
de ansiedad.
Notas de examen de 6 7 4 8 9 7 3 7 5 6
ingreso.
Si trasladamos las puntuaciones a un plano en un eje de coordenadas, del mismo modo que hicimos
anteriormente el gráfico que obtenemos es el siguiente.

Profesor
Valores Y
10
9
8
7
6
5
Valores Y
4
3
2
1
0
0 10 20 30 40 50
Vemos que aquí la línea tiene la dirección contraria. Esto nos indica una correlación negativa entre las
variables (r= -1)
Otras posibles distribuciones de las líneas de puntos en la relación de variables son las siguientes.
Valores Y
10
9
8
7
6
5
Valores Y
4
3
2
1
0
0 2 4 6 8 10
En este caso tendríamos una correlación no lineal (r=0)

Profesor
Valores Y
3,5
2,5
2
Valores Y
1,5
0,5
0
0 0,5 1 1,5 2 2,5 3 3,5 4
En este caso estaríamos hablando de variables no correlacionadas (r= 0)
Aclarados estos conceptos volvemos al diseño de discontinuidad en la regresión. Recordemos que para la
asignación de sujetos a los grupos lo hacíamos tomando las puntuaciones del pretest y estableciendo un
punto de corte. Los sujetos con las puntuaciones más bajas se destinarán a uno de los grupos, en tanto los
otros se destinarán a otro.
Sigamos con el ejemplo del nivel de ansiedad. Imaginemos que somos profesores de instituto, realizamos
la misma investigación durante varios años y siempre obtenemos la misma correlación inversa de tipo
lineal.
Este nuevo curso, antes de que nuestros/as estudiantes se sometan al examen, decidimos poner a prueba un
método de relajación una semana antes de la fecha fijada para la prueba de ingreso. Para valorar el efecto
de nuestra intervención decidimos usar el diseño de discontinuidad en la regresión. Pasamos el test de
ansiedad. Las puntuaciones de nuestros estudiantes varían entre 8 (los menos estresados) y 46 (los más
estresados) con una media de 27,2. Dividimos a los estudiantes en dos grupos de acuerdo a su media. A los
de media más alta le aplicamos la intervención experimental para que reduzcan la ansiedad. Con
posterioridad tomamos las calificaciones en el examen y observamos la correlación entre ambas variables.
Sabemos, por la experiencia en años anteriores, que existía una correlación lineal inversa entre ellas.
Podríamos hacer una previsión del posible resultado que obtendrán los estudiantes en función del nivel de
ansiedad registrado en el test. La representación gráfica esperada sería la siguiente. La línea verde separa
el gráfico dejando de un lado los sujetos con menor nivel de ansiedad y de otro los de mayor de acuerdo al
punto de corte fijado en 27,2 correspondiente a su media.

Profesor
Valores Y
10
9
8
7
6
5
Valores Y
4
3
2
1
0
0 10 20 30 40 50
Pero aplicamos el tratamiento experimental y los estudiantes obtienen mejores calificaciones que las
esperadas, de manera que cuando trasladamos las mismas a la gráfica nos encontramos con lo siguiente:
Valores Y
12
10
6 Valores Y
0
0 10 20 30 40 50
En esta imagen vemos que la línea continua, que antes formaban las puntuaciones de los sujetos con más
ansiedad y los de menos ansiedad, se ha roto. Los sujetos del grupo experimental (rodeados con un círculo)
han obtenido calificaciones que rompen el modelo lineal esperado. Ello hace suponer que la intervención
aplicada ha resultado positiva ya que en el grupo experimental han aumentado las calificaciones en el
examen, lo que lleva a la ruptura de línea de continuidad esperada. Si trazamos la línea que divide a ambos

Profesor
grupos vemos que la discontinuidad se produce precisamente en el punto de corte que hemos tomado para
separar los grupos.
La capacidad para establecer relaciones causales del diseño de

discontinuidad en la regresión se debe a que es muy poco probable que
existan explicaciones alternativas del cambio en las rectas de regresión que
ocurre en el punto exacto definido por la variable de asignación (Navas Aras,
2001, p.358)
1.3.4. Diseños de series temporales interrumpidas.
Los diseños de series temporales interrumpidas tienen el objetivo de estudiar las causas y efectos a lo
largo del tiempo. Se trata de una serie de observaciones realizadas en distintos momentos. Aquí la
manipulación la realiza el investigador sobre la variable tiempo, fijando los plazos en los que se hará la
observación.
El esquema de este tipo de diseño es el siguiente:
O₁O₂O₃O₄….O₁₂ X O₁₃O₁₄O₁₅O₁₆…O₂₀
Por ejemplo podemos observar el número de conductas agresivas en niños con dificultades de
control de la agresividad. La X es el refuerzo positivo al observar una conducta de control de la
agresividad, las observaciones posteriores permiten apreciar si el refuerzo mantiene la conducta
positiva y por cuanto tiempo. Con el paso del tiempo es posible que el efecto vaya desapareciendo y
se necesitará un nuevo refuerzo. Estos refuerzos pueden administrarse en forma constante, cada
tanto tiempo y luego irlos espaciando en el tiempo para controlar mejor sus efectos.
Si administramos y retiramos el tratamiento (en este caso el refuerzo) en más de una ocasión
estaríamos en lo que se denomina diseños de series temporales interrumpidas con replicaciones
múltiples, cuyo esquema sería el siguiente:
O₁O₂O₃O₄…O₆ X O₇O₈O⁹…O₁₂ X O₁₃…O₁₉ X O₂₀…O₂₅ X O₂₆…O₃₂
O también es posible aplicar el tratamiento en más de un grupo en momentos temporales diferentes

a efecto de controlar otras posibles variables. En este caso se trataría de un diseño de series
temporales interrumpidas con replicaciones intercambiables, cuyo esquema sería el siguiente:
O₁O₂O₃…O₁₀ X O₁₁O₁₂…O₂₀ X O₂₁O₂₂O₂₃…O₃₀ X O₃₁O₃₂………………………..O₄₀
O₁O₂O₃…………………….O₁₅ X O₁₁O₁₂…….O₂₅ X O₂₆O₂₇O₂₈…O₃₅ X O₃₆O₃₇….O₄₀

Profesor
2. Cómo elegir el mejor diseño.
Hemos expuesto los diseños que consideramos más usuales. Puede haber más diseños, pero el
fundamento de los que hemos expuesto está presente en cualquier otro tipo de diseño. ¿Cómo saber cuál
es el más adecuado en nuestro caso?
En principio tendríamos que guiarnos por aquel que mejor responda a nuestro problema y permita
responder a las hipótesis que hemos planteado y que tenga el mayor control. Pero también debemos
guiarnos por el principio de realidad. El mejor diseño puede que no esté a nuestro alcance porque al
trabajar en un contexto real, una escuela, por ejemplo, tendremos que aceptar los límites que se nos
impongan (respetar los grupos naturales, el horario marcado, la organización escolar…) Otra limitación
suele ser el presupuesto, lo que incide principalmente en el tamaño de la muestra y las dificultades para
emplear la aleatorización en la selección de los sujetos.
Aún así, debemos aproximarnos lo más posible al diseño experimental con más control sobre la varianza
sistemática y la varianza de error.
Otro tema a tener en cuenta es que cada diseño conlleva un tratamiento estadístico distinto.

Profesor
BIBLIOGRAFÍA
Campbell, D.T. y Stanley, J.C. (1966) Experimental and quasi experimental designs for research, Chicago,
IL: Ranf Mac Nally (Traducción española: Diseños experimentales y cuasi experimentales en la
investigación social (1973) Buenos Aires: Amorrortu.
Fidalgo, A.M. (1999) Proyecto docente de diseños de investigación. Universidad de Oviedo.
Navas Ara, María José (2001) Métodos, diseños y técnicas de investigación psicológica. Madrid:UNED.
Kerlinger, Fred (1981) Investigación del comportamiento. México DF: Ed. Mc. Graw Hill.
i
El test puede verse y cumplimentarse en internet. Por si alguien está interesado en ver las características
de dicho test, cuya estructura servirá también para el capítulo de instrumentos de medida.
ii
Las puntuaciones en todos los ejemplos son imaginarias pero la relación entre variables se basa en los
resultados de estudios previos.


Tema 4

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

Tema 4

Cargado por

Copyright:

Formatos disponibles

Facultad de Lenguas y Educación.

Dr. Carlos Sancho Álvarez

TEMA 4: Tipos de diseño en

Tema 4: Tipos de diseño en investigación

1. Conocer los distintos tipos de diseños experimentales y cuasi

Tema 4: Tipos de diseño en investigación

Diseño de caso único con una sola medición

Diseño de comparación con un solo grupo

Diseños completamente aleatorizados.

Diseños de bloques homogéneo

Diseños Diseños de sujetos apareados.

Diseños de medidas repetidas.

Diseños de sujeto único.

Diseño pretest/postest con grupo de

Diseños cuasi- Diseño de discontinuidad en la regresión

Diseños de series temporales

Tema 4: Tipos de diseño en investigación

DESARROLLO DEL TEMA

1. Tipos de diseños según el nivel de experimentación.

1.1. Diseños pre- experimentales.

Tema 4: Tipos de diseño en investigación

Un tercer diseño erróneo es el de comparación con un grupo no tratado experimentalmente. Su

1.2. Diseños experimentales.

Tema 4: Tipos de diseño en investigación

1.2.1 Tipos de diseños experimentales.

De acuerdo al número de variables:

Unifactoriales (Una VI)

Factoriales (Más de una VI)

Univariables (una VD)

Multivariables (Dos o más VD)

De acuerdo al control de variables:

Técnica Diseños completamente

Diseño de sujetos apareados.

Técnica: Control Diseños de covariantes

Tema 4: Tipos de diseño en investigación

De acuerdo al número de sujetos.

Diseños experimentales clásicos o

Diseños de sujeto único o diseños

1.2.2. Diseños completamente aleatorizados.

Los diseños completamente aleatorizados controlan la influencia de variables extrañas mediante la

El modo más sencillo de este tipo de diseño es el siguiente.

Tema 4: Tipos de diseño en investigación

Una modalidad más sencilla de este tipo de diseño aleatorizado es la siguiente:

1.2.3. Diseños de bloques homogéneos aleatorizados.

Tema 4: Tipos de diseño en investigación

El esquema para este diseño sería el siguiente:

Aptitud Sujetos. Asignación Métodos de enseñanza de la lengua.

1.2.4. Diseños de sujetos apareados.

Tema 4: Tipos de diseño en investigación

1.2.5. Diseños de medidas repetidas.

Sujetos. Método relajación. Método autoestima. Método repetición y

Aquí cada sujeto actúa como un bloque.

1.2.6. Diseños de sujeto único.

Tema 4: Tipos de diseño en investigación

Línea base. Fase de tratamiento.

1.2.7. Diseño factorial.

Presencial (A) On-line (B) Mixta (C)

Cooperativa (X) A/X B/X C/X

Individual (Y) A/Y B/Y C/Y

Mixta (Z) A/Z B/Z C/Z

Presencial (A) On-line (B) Mixta (C)

1.3. Diseños cuasi experimentales.

Tema 4: Tipos de diseño en investigación