Resumen Método

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
OM
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).
.C
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
DD
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-
LA
) 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.
FI
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.
OM
• 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
.C
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
DD
que otros científicos puedan conocerlos.
Etapas del proceso científico

El método científico supone una serie de etapas que han de seguirse, y son las
LA
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.
FI
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.
OM
.C
DD
LA
FI


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
OM
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,
.C
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
DD
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
LA
apropiadamente. Definición:
Es una solución tentativa al problema que ha dado lugar a la investigación, debiendo
estar expresada, en su enunciado, de la forma más concreta posible, los resultados
que se esperan encontrar en la misma, la relación que se cree existe entre la/s VI/s
FI
que se manipula/n y la/s VD/s que se estudia/n.

En esta definición aparecen las siguientes ideas:
1) Solución tentativa: es la solución que plantea la hipótesis, aunque no es
necesariamente la que se va a encontrar al analizar los resultados empíricos

obtenidos al realizar la investigación. Pero es la que, según los conocimientos

del investigador 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,
OM
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
.C
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
DD
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.
LA
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
FI
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”.
OM
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
.C
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
DD
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
LA
Una variable es una propiedad, característica o rasgo que puede tomar diferentes
valores.
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.
FI
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.

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
OM
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
.C
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.
DD
Clasificación de las variables
→ Clasificación según el nivel de medida que impliquen:
LA
• 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
FI
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
OM
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
.C
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
DD
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
LA
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
FI
contaminadoras que han variado sistemáticamente. Si esto ocurre, el experimento

está contaminado.
La variable contaminadora es aquella que tiene efectos sistemáticos sobre la
variable dependiente y puede actuar conjuntamente con la variable independiente

enmascarando sus efectos.

Las principales fuentes de variables contaminadoras en un experimento psicológico
son:
• Los sujetos.
• El experimentador.
• La situación experimental.
• 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
OM
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:
Es el factor que manipula el experimentador, haciéndolo variar sistemáticamente,
.C
para comprobar los efectos que produce en la variable dependiente.
Cuando un cambio introducido en la variable independiente da lugar a una
modificación en la conducta de un sujeto, se afirmará que dicha conducta está bajo el
DD
efecto de esa variable 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
LA
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.
FI
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.
OM
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
.C
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
DD
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.
LA
FI

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.
OM
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.
•
.C
Validez. Una medida es válida cuando mida lo que realmente se pretende
medir con ella.
DD
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
LA
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.
FI
→ 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
OM
mundo científico durante mucho tiempo. Por eso es necesario que estas posibles VC
sean identificadas y controladas.
Control
Son los procedimientos que aseguran que el factor manipulado o VI es la única
.C
causa de las diferencias halladas en las puntuaciones de los sujetos en la VD.
Es decir, son técnicas que utiliza el experimentador para poder afirmar si la VI ejerce o
no efectos sobre la VD. A mayor control experimental, mayor es la validez interna del
DD
experimento realizado.
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
LA
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
FI
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.
OM
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
.C
Pereda Marín afirma que para estudiar las variables contaminadoras deben dividirse
las fuentes de las que proceden en:
a) Sujetos.
DD
b) Experimentador.
c) De procedimiento.
d) Aparatos.
e) Error progresivo.
En detalle:
LA
→ 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,
FI
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
OM
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
.C
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
DD
confirmar su sensibilidad y fiabilidad.
Para controlar estas VC, se dispone de las siguientes técnicas:
- eliminación, y
- constancia.
LA
→ Error progresivo.
Cuando los tratamientos experimentales se presentan siempre en un mismo orden
temporal o espacial, puede ocurrir que el experimento quede contaminado.
FI
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).
OM
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.
.C
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.
DD
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:
LA
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
FI
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
OM
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).
.C
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,
DD
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).
LA
FI


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
OM
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
.C
(describir, predecir y explicar).
DD
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.
LA
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.
FI

En un primer panorama general podemos hacer la siguiente clasificación:

OM
.C Métodos Explicativos o Experimentales
Son los métodos que investigan, son los únicos que pueden poner a prueba
DD
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.
LA
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
FI
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,
OM
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
.C
establece el “tono” de investigaciones posteriores más elaboradas y rigurosas.
No tienen hipótesis claramente definidas, y no parten de una idea previa bien
establecida.
DD
• 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.
LA
FI

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
OM
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
.C
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
DD
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
LA
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
FI
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
OM
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,
.C
si hay un incremento del nivel de participación.
Ejemplo 1.
DD
Medida pretratamiento Tratamiento Medida postratamiento
Depresión antes Psicoterapia Depresión después
Ejemplo 2.
LA
Medida pretratamiento Tratamiento Medida postratamiento

Nivel de participación Taller Nivel de participación
antes después
FI
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
OM
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
.C
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
DD
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
LA
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
FI
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:
OM
Grupos Composición Medida Tratamiento Medida
de grupos pretratamiento postratamiento
1 Azar Nivel de Taller (a1) Nivel de
participación antes participación
después
después
3
.CAzar Nivel de
participación antes
Sin taller (a0) Nivel de
participación
después
DD
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
LA
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
FI
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.
OM
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
.C
medidas repetidas o intragrupo. El ejemplo anterior quedaría así:
Grupos Composición de Tratamiento Medida
grupos postratamiento
DD
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.
LA
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.
FI
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 a1 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
OM
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:
.C
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
DD
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
LA
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
FI
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
OM
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.
.C
 Tenemos un diseño de medidas repetidas o intragrupo y se controla el
error progresivo mediante alguna técnica de equiponderación o
contrabalanceo (intersujetos o intrasujetos).
DD
LA
FI
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:
OM
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
.C
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
DD
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
LA
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
FI
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.
OM
1 N (grupo 25 medidas del Taller (a1) 25 medidas del
natural) nivel de nivel de
después
Respecto a la validez interna de este diseño, podemos decir que es menor que la de
.C
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
DD
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
LA
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
FI
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 implementarse todos los controles necesarios. No se logra:
 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.
OM
.C
3) Método preexperimental.
DD
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:
LA
Diseño estático de dos grupos

1 N (grupos ----- Taller (a1) Nivel de participación
FI
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
OM
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
.C
confiable. Por esto este diseño es el de menor validez interna de todos, y la
investigación constituye un preexperimento.
DD
LA
FI
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
OM
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).
.C
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
DD
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.
LA
→ 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
FI
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, explicativa que dé cuenta del porqué de
pero hay una secuencia de tiempo esa asociación.
teórica que 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.
OM
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
.C
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
DD
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
LA
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.
FI
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
OM
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
.C
En general, las muestras utilizadas en el método correlacional son grandes, ya que
DD
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
LA
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).
FI
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
OM
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.
.C
Regresión lineal
DD
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
LA
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.
FI


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.
OM
→ 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
.C
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).
DD
• 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
LA
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
FI
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.).
OM
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.
.C
→ 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:
DD
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.
LA
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
FI
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
OM
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
.C 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
DD
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
LA
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
FI
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
OM
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
.C 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
DD
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:
LA
→ 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.
FI
→ 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).

OM
Clasificaciones de los diseños
- Según su validez interna:
• Diseños preexperimentales (débiles).
• Diseños cuasiexperimentales (nivel intermedio).
• Diseños experimentales (fuertes).
•
.C
- Según el número de VI y VD que se utilizan:
• Univariado – univariado: una VI, una VD.
Multivariado – univariado: más de una VI, una VD.
DD
• 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.
LA
• Diseños mixtos: situación experimental de tipo III.

FI


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.
OM
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.
.C
¿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
DD
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:
LA
→ 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
FI
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:
OM
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
.C
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
DD
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
LA
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.
FI
 Proporcionan información incompleta ✓ Son económicos, por el poco esfuerzo

debido a su falta de sensibilidad por usar y costo que exigen.
sólo 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
OM
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
.C
menos que se tenga alguna duda razonable a propósito de la igualdad inicial entre
los grupos experimentales conseguida gracias a la aleatorización.
DD
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.
LA
3) Se asignan aleatoriamente los tratamientos a los grupos experimentales.

4) Se aplican los tratamientos experimentales.
6) Se comparan estadísticamente las medidas postratamiento.
FI

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.
OM
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
.C
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
DD
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.
LA
¿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.
FI
→ 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
OM
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
.C
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.
DD
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.
LA
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.
FI
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
OM
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
.C
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).
DD
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.
LA
Ventajas del diseño multigrupos

Al poner a prueba el efecto de más de dos valores de la VI sobre la VD, se obtiene
FI
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.
OM
Al observar el gráfico de los resultados, vemos que habría una relación lineal directa
entre las calificaciones y el tiempo dedicado al estudio.
.C
DD
LA
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.
FI

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
OM
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.
.C
→ 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
DD
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

LA
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).
FI
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:
OM
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.
.C
6) Tomar medidas postratamiento.
7) Aplicar las correspondientes pruebas estadísticas.
DD
LA
FI
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
OM
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.
•
.C
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.
DD
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.
LA
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:
FI
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
OM
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.
.C
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
DD
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
LA
motivo el diseño de grupos apareados es más recomendable cuando se trabaja

solamente con dos grupos.

FI
→ 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
OM
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
.C
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
DD
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.
LA
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
FI
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  Error progresivo: pueden aparecer
que los diseños al azar y de bloques. efectos del orden dado a los
tratamientos, pues son aplicados en una
✓ Utilizando al sujeto como control, secuencia temporal al mismo grupo de
permite eliminar la varianza intergrupos. sujetos.
 Superposición de efectos: cuando los
✓ Requiere menor cantidad de sujetos. tratamientos tienen efectos irreversibles,
este diseño no se debe utilizar nunca. Se
aconseja usarlo sólo en situaciones en
las que los efectos de los tratamientos
son temporales.
OM
→ 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.
.C
→ 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
DD
experimentales (validez ecológica).
LA
FI


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.
OM
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:
.C
a) El investigador cuenta con un solo grupo de sujetos que han sido
seleccionados sin seguir una técnica especial.
b) No existe medida pretratamiento.
DD
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,
LA
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.

FI
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
OM
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:
.C
a) Se toman dos grupos de sujetos formados naturalmente, sin seguir una técnica
especial.
b) No se toman medidas pretratamiento.
DD
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

LA
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
FI
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.
OM
• 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.
.C
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,
DD
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
LA
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:
FI
- 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
OM
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,
.C
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.
DD
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.
LA
FI


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.
OM
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:
.C
a) Varianza sistemática.
b) Varianza no sistemática.
Varianza sistemática
DD
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).
LA
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
FI
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
OM
variación de los datos, lo que dificulta la separación de la varianza debida a la variable
experimental.
.C
DD
LA
FI


Resumen Método

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 Método

Cargado por

Copyright:

Formatos disponibles

RESUMEN MÉTODO

TEÓRICO 1 (TEMA 1): Psicología como ciencia

) en las primeras etapas de generación de nuevo conocimiento, y el método

Teorías → son construcciones conceptuales, abstractas, son creaciones que permiten

Características del conocimiento científico

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

Etapas del proceso científico

4) Determinación del diseño de investigación: para aceptar o rechazar la

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

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

que se manipula/n y la/s VD/s que se estudia/n.

obtenidos al realizar la investigación. Pero es la que, según los conocimientos

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

Las variables en la investigación psicológica

observación, y la mejor manera de hacer esto es limitando el objeto de la observación

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

Niveles o escalas de medición

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

• Variables continuas: son aquellas que pueden adoptar número infinito

valores que adoptan las variables son aplicados por el investigador

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

es la variable independiente (todos los demás aspectos del experimento deben

contaminadoras que han variado sistemáticamente. Si esto ocurre, el experimento

enmascarando sus efectos.

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

independiente iba a influir en la dependiente.

c) La presencia de alguna variable contaminadora que el investigador no haya

Tipos de variables independientes

→ Variable independiente situacional: hacen referencia a los estímulos que

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

implica que se deben definir operacionalmente.

→ Procedimientos para medirla.

1) Definición operacional experimental. Indica todos los detalles de la

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

sobre las condiciones de su experimento, es decir, es capaz de manipular y controlar

haciéndola adoptar, por lo menos, dos valores: presencia y ausencia.

experimentales, contaminando su experimento.

Tipos de situaciones experimentales

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

Fuentes de variables contaminadoras

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

El responder repetidamente puede afectar de dos formas diferentes a los sujetos

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

Técnicas de control de las variables contaminadoras

1) Eliminación: consiste en eliminar la VC, y, en consecuencia, a la variación que

experimento, se eliminarán los efectos de esta VC suprimiendo de la

se puede recurrir a la técnica de balanceo de las VC. Consiste en equilibrar el

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

En un primer panorama general podemos hacer la siguiente clasificación:

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

Relación causal → relación de causa y efecto: la causa es la VI y el efecto es la VD.

sean los métodos de control de variables contaminadoras que se hayan

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

hacemos una investigación podemos identificar una o varias VC y elegir una o

de la investigación e influyen sobre su validez interna.