Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El investigador aunque trata de aproximarse a una situación de investigación experimental, carece de los
medios de control necesarios para poder atribuir a sus resultados la validez interna necesaria.
Es incapaz de producir por lo menos una comparación formal o puede cumplir con este requisito pero
poseer un insuficiente control.
Poseen una relación de causalidad muy limitada. Conclusiones orientativas, exploratorias.
Investigaciones experimentales
Al menos una comparación formal
El experimentados realiza la asignación de los sujetos/grupos de sujetos a los distintos tratamientos
Manipulación experimental
Control de las variables contaminadoras
Investigaciones cuasiexperimentales
Se pueden producir de dos maneras:
1) El factor a estudiar sólo admite manipulación por selección. La única solución en estos casos es la
replicación continuada de las investigaciones ya que se puede poseer un alto nivel de control pero nunca
absoluto ya que se utiliza manipulación por selección.
2) No hay un control absoluto de la situación de investigación (hay manipulación experimental). Se obtiene
una relación de cuasicausalidad.
Características:
Escenarios naturales
Carencia de un control experimental completo
Uso de procedimientos como sustitutos del control experimental
Disponibilidad: puede utilizarse cuando no sea posible realizar una investigación experimental.
Al realizarse múltiples observaciones se minimiza el efecto de algunas de las variables que pueden afectar la validez
interna (no sustituye el control experimental)
Diseño Factorial
Experimentos con más de una variable independiente en donde todos los niveles de una variable se
combinen con los niveles del resto de las variables (hay diseños factoriales llamados incompletos donde no
existen todas las combinaciones).
Permite comprobar los efectos de dos o más factores sobre el fenómeno que se está estudiando así como
saber si dichos factores interactúan entre sí.
Ventajas del diseño factorial en comparación con los simples:
Mayor cantidad de información: Estudia los efectos combinados no aditivos (interacción) de dos o más
factores además de los efectos de cada uno de los factores. Podemos observar cómo se comporta una
variable bajo todas las condiciones de la otra.
Mayor posibilidad de generalización de las conclusiones (validez ecológica: la situación experimental es más
similar a la vida real)
Mayor economía de trabajo: se reduce el tiempo y el número de sujetos.
Favorece el control de las variables contaminadoras
Factor: variable que se manipula para comprobar sus efectos sobre la conducta (el criterio); sistema de
clasificación de condiciones experimentales.
Las siguientes clasificaciones se pueden combinar entre sí.
Permiten establecer categorías pero no ordenar estas categorías
En función de que Factores Cualitativos
en función de su magnitud. Nivel de medida nominal.
implique o no el
Factores Ordinales Permiten establecer una relación de orden entre sus categorías.
concepto de
magnitud Permiten establecer categorías según su magnitud. Nivel de
Factores Cuantitativos
medida de intervalos o de razón.
Factores de No es posible la manipulación intencional. Integran características
En función del nivel clasificación de sujeto. Investigaciones cuasi experimentales.
de manipulación Factores Permite una manipulación intencional. Permiten su asignación
experimentales libre y aleatoria a los sujetos. Investigaciones experimentales.
En función del Factores cuyos niveles fueron elegidos aleatoriamente por el
Factores al azar
procedimiento experimentador a partir del infinito número posible de niveles.
seguido para elegir Factores cuyo niveles han sido elegido siguiendo criterios
los niveles de Factores Fijos específicos (arbitrarios) de los experimentadores o han sido
factores utilizados todos los posibles niveles.
Nivel: son los valores elegidos por el experimentador para que adopten los factores en su experimento.
El número de niveles viene determinado por la naturaleza del problema y el interés del investigador (la
minuciosidad con que desea conocer los efectos de dicho factor y por el tipo de inferencias que desea hacer al
terminar el experimento).
Al aumentar el número de niveles aumenta rápidamente el número de tratamientos experimentales, el número de
grupos y la complejidad del trabajo experimental.
Tratamiento experimental: determinada combinación de niveles de los factores que se quieren estudiar. El
número de tratamientos experimentales se determina a partir de la fórmula del diseño factorial, es decir que viene
determinado por el número de factores y por el número de niveles que adopta cada factor.
Clasificación de los diseños factoriales:
Diseños factoriales Cada grupo pasa sólo por un tratamiento experimental. Los efectos de
con medidas cada tratamiento experimental son probados en un grupo disferente de
independientes sujetos. Número de grupos experimentales = número de tratamientos.
Diseños factoriales
Según el tipo de Un mismo grupo de sujetos es sometido a todos los tratamiento
con medidas
situación experimentales. Un solo grupo experimental.
repetidas
experimental
Diseños factoriales Uno o varios factores son probados en una situación de medidas
con medidas independientes, mientras que otro y otros factores son probados en
repetidas en una situación de medidas repetidas. Habrá tantos grupos
algunos factores experimentales como factores estudiados con medidas independientes.
Según el criterio Modelo Fijo Sólo se utilizan factores fijos.
de selección para Modelo al azar Sólo se utilizan factores al azar.
elegir los niveles
de los factores Modelo mixto Se utilizan factores fijos y factores al azar.
Técnica de análisis de datos: Análisis de varianza o análisis de covarianza (cuando se tratan de eliminar los
efectos de alguna variable contaminadora no controlada experimentalmente).
Las fuentes de variación que se van a estudiar mediante el AVAR son:
Varianza intertratamiento
- Efecto de los factores
- Efecto de interacción
Varianza de error
En ellas debe aparecer:
Un valor F por cada VI indicando el valor P. Si P es menor que el nivel de significación puede ser suficiente
indicarlo sin que aparezca el valor P.
Un valor F de la interacción entre las dos VI. Si fueran 3 VI tendremos tres valores de F, dos interacciones
dobles y una triple.
Interacción: efecto adicional a la suma de los efectos individuales de las variables independientes. Se dice que no
hay interacción cuando este efecto es nulo, no aparece. En estos casos una variable actúa independientemente de
la otra. Existe interacción cuando el comportamiento de una variable se modifica según los niveles de otra variable.
Representación gráfica:
Interacción nula: las dos líneas de cada gráfica son paralelas. Esto se da cuando los patrones de los efectos
simples son iguales.
Existencia de interacción: las líneas no son paralelas. Esto se da cuando los patrones de los efectos simples
son distintos.
Extensión a más niveles: las dos reglas anteriores se mantienen para cualquier número de niveles y para
cualquier número de variables. Las líneas de resultados pueden ser paralelas a pesar de no ser rectas. Esto
indica que no existe interacción.
Efectos Simples: Descomposición del diseño factorial en dos experimentos simples de una variable. (Estudio si al
pasar de B1 a B2 se producen cambios en la variable dependiente pero no sé nada de qué pasa al pasar de A1 a A2 )
Efecto principal: resultado de analizar un único experimento principal con una variable como independiente y las
otras como controladas (desaparecen las diferencias de las variables controladas) Una variable se comporta de
forma similar en presencia de los niveles de la otra.
Se estudian los efectos principales cuando se ha comprobado que no existe interacción. Dicho estudio consiste en
la influencia de las manipulaciones de una VI sobre la VD a través de los niveles de otra VI.
Interacción Las líneas están unas por encima de las otras sin juntarse. Se puede
Ordinal
interpretar el efecto principal.
La línea condicionada por A1 no mantiene un orden respecto a la línea
No ordinal condicionada A2. Estas líneas se juntan al cruzarse. No se puede interpretar
el efecto principal.
Se producen unos resultados con unos resultados con apariencia de
Efecto
interacción aunque no la hay. En uno de los niveles se alcanza el máximo y
techo
Casos especiales no es posible registrar niveles superiores.
de interacción Se producen unos resultados con unos resultados con apariencia de
Efecto
interacción aunque no la hay. En uno de los niveles se alcanza el mínimo y no
suelo
es posible registrar niveles inferiores.
Validez y confiabilidad
Confiabilidad: consistencia en un conjunto de medidas de un atributo; proporción de la variabilidad verdadera
respecto de la variabilidad obtenida.
El valor observado en la medición está conformado por el valor verdadero y por el error de medición.
Un instrumento será más confiable en la medida que maximice el valor verdadero (aproximándose lo más
posible al valor observado), minimizando el error de medición.
La confiabilidad se refiere específicamente a los errores aleatorios, no a los sistemáticos.
En el análisis de la confiabilidad se consideran 3 aspectos: congruencia interna, estabilidad del instrumento
y equivalencia.
Si un instrumento es poco confiable se podría ver afectada la validez del mismo.
Si un instrumento es poco confiable se está midiendo el atributo más diversas variables que son fuentes de
errores aleatorios.
1) Congruencia interna: verificar si las distintas partes que componen el instrumento están midiendo lo mismo
(correlaciones entre sí).
Procedimientos para calcular la congruencia interna:
Métodos 1. Se divide el instrumento en dos mitades
basados en 2. Se obtiene la puntuación para cada mitad en forma independiente
la división
3. Se usan estos puntajes para estimar el coeficiente de correlación entre ambas mitades. Este coeficiente
del
de correlación se ajusta mediante la fórmula de Spearman-Brown (Esto es necesario porque las escalas
instrument
de mayor longitud son más confiables que las escalas de menor longitud. El coeficiente obtenido tiende
o en
a subestimar el valor real de la confiabilidad ya que posee la mitad de ítems que el instrumento original)
mitades
Métodos Tratar a cada ítem como si fuese un test de longitud unidad con una puntuación.
basados en El coeficiente más utilizado es el alpha de Cronbach (se ve afectado por el número de ítems ya que al
la aumentar la longitud del instrumento la varianza verdadera aumenta en mayor proporción que la
covarianza varianza de error. Cronbach propuso una fórmula adicional de cosistencia inter-ítem, que cosistía en una
de los estimación de la correlación media inter-ítem que no se vería afectada por la longitud del instrumento)
items Es preferible al método de división por mitades.
2) Estabilidad: se observa en qué grado se obtienen las mismas medidas al aplicar dos veces el mismo
instrumento.
Se aplica la misma prueba en dos momentos diferentes al mismo grupo de sujetos y luego se correlacionan
los puntajes obtenidos en cada toma. Esta correlación sirve para estableces la confiabilidad del
instrumento.
Problema: pueden llegar a confundir las fluctuaciones aleatorias con cambios que se producen realmente
en el atributo.
Cuestiones que podrían afectar la estabilidad:
Modificación en la actitud de los sujetos respecto a la prueba o cambio en la información que manejan
Efectos derivados de la primera aplicación del test
El lapso que medie entre ambas pruebas es fundamental. Un lapso demasiado breve podría incrementar el
efecto distorsivo de la fatiga y la práctica. Si el lapso de tiempo es extenso pueden aparecer variables
relacionadas a la maduración y a la historia.
Factores que modifiquen el contexto de la medida
3) Equivalencia: se quiere determinar la confiabilidad de dos instrumentos que se consideran paralelos (suponen
medir el mismo constructo) o entre dos observadores/evaluadores
Se aplican las dos formas del test en forma simultanea (variando el orden de presentación) y luego se
correlacionan los puntajes de ambas formas. De ser ambas formas equivalentes se debería obtener un
coeficiente de correlación elevado.
A veces entre ambas formas media un período de tiempo. La correlación serviría tanto para la equivalencia
como para la estabilidad.
Validez: Determinar si el instrumento está midiendo realmente el atributo que dice medir.
Validez de contenido: evaluar si los ítems del test son relevantes y luego si ellos constituyen una muestra
representativa del universo de conductas que podrían haberse elegido como indicadores del atributo.
Validez de criterio: se trata de relacionar las puntuaciones del instrumento con otras variables (criterio).
- Validez concurrente: Relacionamos las puntuaciones del test con alguna medida del criterio
tomada en el mismo momento. Implica un diseño transeccional o transversal en los cuales se
recolecta datos en un solo momento, en un tiempo único.
- Validez predictiva: Las puntuaciones del test se utilizan para predecir alguna medida del criterio
que se va a realizar a futuro. Implica un diseño prospectivo.
Validez de constructo: tratar de probar que las conductas que registra el test pueden ser consideradas
indicadores válidos del construco al cual refieren.
Procedimientos para evaluar la validez de constructo:
- Análisis factorial: se utiliza cuando el test está dividido en factores. Analiza las intercorrelaciones
de un conjunto de datos para establecer determinadas agrupaciones de ítems correlaciones entre
sí, las cuales remiten a factores subyacentes, que no son observables, o sea que constituyen
distintos constructos. Se utiliza para estudiar tanto la validez como la contrucción del intrumento.
- Diferenciación entre grupos: se aplica el instrumento a dos o más grupos los cuales deben diferir
en el atributo que se mide.
- Correlaciones con otras medidas del constructo: Cuando ya existe otro test ya validado que mide
el mismo constructo se puede correlacionar el nuevo con aquel.
- Las matrices mutimétodo-multirasgo: deben existir como mínimo dos métodos diferentes para
medir el constructo que se va a validar y otros constructos que puedan ser medidos por los mismo
métodos. Se miden en los sujetos de la muestra los distintos constructos con métodos diferentes.
Se calculan las correlaciones entre todas las medidas y se forma con ellas una matriz que
contendría los coeficientes de fiabilidad ( correlaciones medidas del mismo contructo y mismo
método), validez convergente (correlaciones medidas del mismo constructo obtenidas con
distintos métodos) y validez divergente (correlaciones de constructos diferentes medidos con igual
método y correlaciones de diferentes constructos medidos con distintos métodos).