7.1
De
la postura de Arnau (1995)[1] vamos a diferenciar entre tres tipos de diseños de
investigación y que a continuación detallamos:
·
Diseños experimentales,
·
Diseños cuasi-experimentales
·
Diseños no experimentales.
7.1.1.
Diseños
experimentales
7.1.1.1.
Definición
y características
Arnau
(1990)[2] define el diseño
experimental como un plan estructurado de acción tendente a la demostración de
relaciones de carácter causal entre la variable independiente y la dependiente.
Con este objeto, el diseño experimental recoge los tres supuestos implícitos en
el enfoque experimental:
·
Aleatorización
·
Control y
·
Manipulación.
De
las definiciones anteriores se desprenden las principales características del
diseño experimental:
a) Manipulación
de la variable independiente: el experimentador interviene de forma directa
sobre el fenómeno que quiere estudiar con el objeto de provocar cambios sobre
el mismo. Tales cambios se registrarán en la variable dependiente de la
investigación. En muchas ocasiones para referirnos a la manipulación de la
variable independiente decimos que hemos introducido un tratamiento. Por esta
razón algunos autores utilizan el término variable de tratamiento y variable
independiente como sinónimos. La variable independiente o de tratamiento, por
definición, tendrá como mínimo dos valores, niveles o tratamientos, y su
manipulación implica que el investigador asignará aleatoriamente estos valores
a los distintos grupos.
b) Control
de las variables de confundido: el experimentador controlará todas las
variables que puedan incidir sobre el fenómeno que está estudiando. En un caso
ideal, el experimentador debería asegurarse de que la variable dependiente
varía exclusivamente por su intervención, de manera que debería controlar toda
variable que incida sobre ésta. Dicho de otro modo, la variabilidad en la
variable dependiente se debería poder atribuir a la acción de la variable
independiente. Como acabamos de decir, éste sería el caso ideal. En la realidad
es imposible controlar absolutamente todas las variables de confundido, por lo
que el investigador deberá poner todo su empeño en controlar todas las que
pueda y minimizar el efecto de aquellas que no pueda controlar completamente.
c) Equivalencia
inicial de los grupos: el investigador, cuando opta por un diseño experimental
de grupos, asignará aleatoriamente los sujetos o unidades a los grupos
experimentales. El objetivo de la formación aleatoria de los grupos es
conseguir que éstos sean inicialmente equivalentes. ¿Para qué nos sirve esto?
La respuesta es muy clara: si los grupos son equivalentes antes de aplicarles
sus respectivos tratamientos, entonces, cualquier diferencia entre ellos
después de la intervención se podrá atribuir a la acción del experimentador.
Dicho de otro modo: la equivalencia inicial de los grupos garantiza que las
diferencias que encontremos entre éstos después de la intervención -y supuesto
que se hayan controlado el resto de variables extrañas- se puedan atribuir a la
acción de la variable independiente.
Consecuente
con este principio la aleatorización garantizará la equivalencia de los grupos
sólo si se forman grupos con un tamaño grande. La lógica subyacente a la
aleatorización en la formación de los grupos es que cualquier variable extraña
de sujeto quedará repartida aleatoriamente en los distintos grupos, por lo que
se neutralizará su efecto.
Estas
características del diseño experimental son las que le conducen a presentar una
alta validez interna -puesto que es un diseño que nos permitirá establecer
relaciones causales inequívocas entre variables-, y una baja validez ecológica
-puesto que aborda el fenómeno en una situación tan artificial que hace que se
cuestione la posibilidad de generalizar los resultados a una situación natural
(recordemos que en un experimento no sólo se provoca el fenómeno sino que,
además, se aísla)-. También son estas características las que determinan el
ámbito de aplicación más frecuente del diseño experimental. Aunque podemos
encontrar algunas excepciones, se trata de un tipo de diseños que se utilizan
principalmente en investigaciones de carácter básico que se llevan a cabo en
laboratorios. Este es el tipo de contexto que facilita al investigador el
máximo control del fenómeno que estudia.
7.1.1.2.
Clasificación
de diseño experimental
Seguidamente
se presenta cuatro criterios de clasificación de los diseños experimentales
siguiendo la propuesta de Viader (1995)[3] según el detalle:
El primer criterio clasifica los diseños
en función del número de variables independientes que se manipulan.
Se
diferencia, así, entre diseños simples, en los que se manipula una sola
variable independiente, y diseños factoriales, en los que se manipulan dos o
más variables independientes. La ventaja del diseño factorial con relación al
diseño simple es que nos admite estudiar no solamente el efecto de cada una de
las variables independientes separadamente -los llamados efectos principales-,
sino que también nos admite estudiar el efecto conjunto de las mismas -los
llamados efectos interactivos o de interacción entre las variables-. Cabe
precisar que el efecto interactivo recoge el efecto simultáneo de dos o más
variables independientes sobre la variable dependiente. De manera que con esta
información, el diseño factorial nos permitirá detectar si el efecto de una
variable independiente sobre la variable dependiente es diferente en función de
con qué valor de la otra variable independiente se combina. En términos
técnicos, podremos estudiar los efectos simples de cada variable independiente
y determinar en qué medida difiere.
En
virtud de lo expuesto anteriormente, el autor resalta que los diseños
factoriales pueden presentar una estructura de cruzamiento completa o pueden
presentar una estructura incompleta. Un diseño factorial con estructura de
cruzamiento completa es aquél en el que los distintos niveles de cada variable
independiente se combinan con los distintos niveles de la otra variable
independiente, obteniéndose todas las posibles combinaciones de valores. Un
diseño factorial incompleto (aquí se incluyen los denominados diseños
fraccionados y los diseños anidados o jerárquicos) es aquél en el que no se
utilizan todas las posibles combinaciones entre valores de las variables
independientes, sino que sólo se utiliza una parte o fracción de éstas. Este
tipo de diseños se utiliza cuando se trabaja con muchas variables
independientes, por lo que la estructura de cruzamiento completa requeriría
muchos grupos experimentales. El problema básico que presenta este tipo de
diseños es que no nos permiten estudiar todas las interacciones.
a. El segundo criterio clasifica los
diseños en función del número de variables dependientes que se registren.
Así
nos encontramos con diseños univariables, en los que registra una sola variable
dependiente, y con diseños multivariables, en los que se registra más de una
variable dependiente.
b. El tercer criterio clasifica los diseños
en función del número de observaciones por sujeto y condición experimental.
Se
diferencia así entre diseño transversal y diseño longitudinal. En el primero
disponemos de una sola medida u observación por sujeto y condición, mientras
que en el segundo disponemos de más de una medida u observación. La diferencia
esencial entre uno y otro tipo de diseño radica en el objetivo que persiguen.
Si bien el primero se interesa en el estudio de un fenómeno en un momento
puntual del tiempo, el segundo por el contrario, persigue el estudio de la
evolución temporal del fenómeno de modo que, da respuesta a cuestiones acerca
de procesos como la persistencia, el cambio, el crecimiento o el desarrollo
(Pedhazur y Pedhazur Schmelkin, 1991).
c. El cuarto criterio de clasificación
diferencia los diseños en función de su capacidad para controlar las variables
extrañas y reducir la variancia de error.
Esta
reducción de la variancia de error repercute en que el diseño sea más o menos
sensible para detectar el efecto del tratamiento. Así, ordenados de menos a más
reducción de la varianza de error, tenemos los diseños de grupos al azar, los
diseños de bloques al azar y los diseños de medidas repetidas. Nos vamos a
dedicar ahora a presentar con más detalle cada uno de ellos.
Los
diseños de grupos al azar se caracterizan porque en ellos la aleatorización
interviene a tres niveles (Viader, 1996).
·
Primero: la muestra se selecciona aleatoriamente
de la población, con objeto de que todos los individuos de la población tengan
la misma probabilidad de pertenecer a la muestra.
·
Segundo: los grupos se forman al azar, para
que cualquier individuo de la muestra tenga la misma probabilidad de pertenecer
a uno u otro grupo.
·
Tercero: los tratamientos o valores de la
variable independiente se asignan aleatoriamente a los grupos experimentales,
para que todos los grupos tengan la misma probabilidad de recibir uno u otro
tratamiento. La principal ventaja de este tipo de diseños de investigación ya
se ha comentado anteriormente: al formar los grupos al azar, cualquier variable
extraña que pudiera afectar a la variable dependiente también quedará repartida
al azar en los grupos, por lo que no incidirá de forma sistemática sobre la
variable dependiente que interesa al investigador.
Como principales desventajas vamos a
destacar dos
·
La primera es que necesitaremos un número
amplio de sujetos o unidades que formen parte de cada uno de los grupos para que
se alcance la deseada equivalencia inicial entre éstos.
·
La segunda es que presentan una elevada
varianza del error, por lo que son diseños poco sensibles para detectar el
efecto de los tratamientos.
[1]
Arnau, J. (1995). Metodología de la
investigación psicológica. En M. T. Anguera, J. Arnau, M. Ato, R. Martínez,
J. Pascual y G. Vallejo (Eds.), Métodos de investigación en psicología (pp.
23-43). Madrid: Síntesis.
[2]
Arnau, J. (1990). Metodología experimental. En J. Arnau, M. T. Anguera, y J. Gómez,
(1990) Metodología de la investigación en
ciencias del comportamiento. Universidad de Murcia.
[3] Viader,
M. (1996) Diseños y análisis de experimentos en ciencias del comportamiento.
Barcelona: PPU.
No hay comentarios:
Publicar un comentario