"La vida es una cosa maravillosa y hay tantas cosas por hacer".
Stephen Hawking Los experimentos “verdaderos” son aquellos que reúnen dos requisitos para lograr el control y la validez interna: 1) grupos de comparación (manipulación de la variable independiente o de varias independientes) y 2) equivalencia de los grupos.
Los diseños “auténticamente” experimentales pueden abarcar una o más variables independientes y una o más dependientes. Asimismo, pueden utilizar pre pruebas y pos pruebas para analizar la evolución de los grupos antes y después del tratamiento experimental. Desde luego, no todos los diseños experimentales utilizan pre pruebas, pero la pos prueba es necesaria para determinar los efectos de las condiciones experimentales (Wiersma, 1986).
22.1 Diseños Experimentales Estos se clasifican según:
a. Función de la variable independiente : Diseños Simples y Diseños Factoriales
b. En función de la variable Dependiente: Univariados y Multivariados c. En función del modo en que los sujetos experimentales son
asignados a los distintos niveles de la/s variable/s independiente/s manipulada/s por el Experimentador: Diseño intragrupo o intrasujeto y Diseño intergrupo o intersujeto
22.1.1 Diseños Simples y Factoriales
Los diseños simples son los más sencillos y solo estudia un factor, mientras que los diseños factoriales permiten estudiar varios factores y la interacción entre ellos sobre la variable dependiente.
Un diseño Simple es por ejemplo, probar dosis de un fertilizante sobre la producción de un cultivo, la influencia de la música en la concentración para el estudio, la influencia de programas de televisión violentos sobre la conducta violenta de los niños televidentes. En todos estos casos hay solo una variable que influye en una respuesta.
Los diseños factoriales manipulan dos o más variables independientes e incluyen dos o más niveles de presencia en cada una de las variables independientes. Han sido sumamente utilizados en la investigación del comportamiento.
La construcción básica de un diseño factorial consiste en que todos los niveles de cada variable independiente son tomados en combinación con todos los niveles de las otras variables independientes. Así se puede tener diseños 2 x 2, 3 x 3, 4x 4 etc.
En los Diseños factoriales, el diseño de tratamientos es independiente del Diseño experimental propiamente dicho.
El Diseño de tratamientos consiste en la elección de los factores a estudiar (variables), sus niveles y las combinaciones entre ellos.
El Diseño experimental indica la forma en que los tratamientos se aleatorizan a las diferentes unidades experimentales y la forma de controlar la variabilidad natural de las mismas. El D.E. puede ser Completamente al azar (CAA), en Bloques completos al azar (BCA), Cuadrado latino,
Ejemplo: Un Factorial 2X 2, es el diseño factorial más simple, manipula (hace variar) dos variables, cada una con dos niveles. El número de dígitos indica el número de variables independientes: 2 X 2
Un digito = primera variable independiente), segundo digito = segunda variable Independiente.
Supongamos que para el Factor A se tienen L niveles y para el factor B se tienen K niveles, los tratamientos (i) serán la interacción entre ellos:
Estos diseños no suelen ser muy complicados puesto que el tener muchas variables con muchos niveles vuelve engorroso el experimento y se dificulta el análisis y la interpretación.
La necesidad de estudiar conjuntamente varios factores, obedece a la posibilidad de que el efecto de un factor cambie según los niveles de otros factores, es decir que existe la posibilidad de una interacción entre ellos.
También se utiliza cuando se quiere determinar el valor óptimo de la variable dependiente. Por ejemplo, probar diferentes dosis de fertilización y de riego en la producción de un cultivo. Se pueden tener 3 niveles de fertilizante y 3 frecuencias de riego y determinar la combinación con la que se obtiene el mayor rendimiento. Si se investigan los factores por separado, el resultado puede ser diferente al estudio conjunto y es mucho más difícil describir el comportamiento general del proceso o encontrar el óptimo.
Los diseños factoriales presentan varia ventajas:
Economía en el material experimental al obtener información sobre varios factores sin incrementar el tamaño del experimento (el número de u.e).
Se amplía el rango de validez del experimento, ya que la variable dependiente se estudia en relación a diferentes niveles de las otras variables.
Permite conocer el grado de INTERACCIÓN, es decir, la forma en que se modifica el efecto de un factor por los niveles de los otros factores.
En el caso del experimento en plantas de maíz, si se probaran los factores riego y dosis de fertilizante por separado podríamos obtener que la máxima producción se dé con los niveles altos de ambos factores, es decir máxima dosis de fertilizante y máxima frecuencia de riego. Sin embargo, con un diseño factorial podría encontrarse que la máxima producción se obtiene con dosis medias de fertilizante y máxima frecuencia de riego, incluso pudiendo superar la producción obtenida en los experimentos independientes.
Hay situaciones en que el Diseño Factorial resulta “Desbalanceado”, es decir que para alguno de los factores se utiliza un número diferente grados. Esto puede ocurrir bien porque durante el experimento a causa de factores externos se
pierdan algunas observaciones o bien por que las observaciones de alguno de los factores resulten más costosas o difíciles y entonces se prueban menos niveles de ellas. En estos casos, el modelo estadístico se ajusta para poder interpretar los datos obtenidos.
Un diseño factorial desbalanceado podría esquematizarse así:
22.1.3 Diseños Univariados y Multivariados
En un Diseño Univariado, se observa característica por característica, aisladamente de cualquier otra característica.
Por ejemplo, en un estudio poblacional se cuantifica la variable peso, independientemente de la talla de las personas.
Los parámetros estadísticos como la media, la mediana, la moda, la varianza, los porcentajes, entre otros, miden una variable. Es decir, fueron hechos univariados. Ahora bien este tipo de análisis ha sido muy criticado ya que la realidad se presenta interconectada, relacionada. Por ejemplo existe una relación entre el peso y la talla de las personas o entre la el interés y el rendimiento escolar, etc. Como la realidad se presenta relacionada necesitamos métodos más rigurosos para evaluarla. Esto lo podemos hacer de dos modos:
El primero es medir las variables de modo univariado (analizarlas) y relacionarlas luego en la interpretación. Esto es lo que hacemos generalmente cuando decimos “si tal persona pesa 85 k. y mide 1,7 m., entonces esta persona está muy pesada”. El segundo modo es relacionarlas mediante un índice de masa corporal (IMC) que no es otro que dividir el peso (85) entre la estatura al cuadrado. El IMC es una media bivariada y se interpreta de modo diferente. En nuestro caso el IMC sería (85/1,7^2) = (85/2.89) = 29.41 que según ciertas tablas de salud indican que tiene sobrepeso.
De este modo entramos en el Análisis Bivariada y cuando se interrelacionan más de dos factores, por ejemplo, talla, peso y edad, estaremos hablando de modelos o diseños Multivariados.
En el Diseño Multivariado, se registran dos o más variables cuantitativas o cualitativas de naturaleza distinta que en conjunto explican a la variable dependiente o en el caso de estudios sociales, representan una unidad teórica compleja a la que se le denomina constructo.
Los diseños Multivariados son una extensión de los diseños Univariados,donde la única diferencia radica en el proceso de estimación y ajuste de los parámetros y en el criterio utilizados para la prueba de hipótesis.
Las ventajas de utilizar Diseños Multivariados radican en que:
Permiten llevar a cabo investigaciones más acordes con el comportamiento humano.
Permiten establecer relaciones complejas entre varias variables independientes (biológicas o sociales) y por tanto proporciona información más precisa acerca del comportamiento de la variable dependiente.
Son diseños que poseen mayor sensibilidad o potencia probatoria y mayor validez que los diseños univariados (Balluerka & Vergara, 2002).
Un ejemplo de Diseño Univariado es el Diseño intrasujeto. Un ejemplo de Diseño Multivariado es el Diseño de Medias Repetidas. Ambos se verán a continuación.
La combinación de los tipos de diseños anteriores, dan origen a los siguientes tipos de experimentos:
- Simples univariados (con una única V.I. y V.D.).
- Simples multivariados (con una única V.I. y varias Vs.Ds.). - Factoriales univariados (con varias Vs.Is. y una única V.D.). - Factoriales multivariados (con varias Vs.Is. y V.sDs.).
La única condición que deben compartir todos ellos, es que existan tantos grupos de sujetos distintos como niveles tenga/n la/s variable/s independiente/s considerada/s por el experimentador. Además, y dado que la asignación de sujetos en los diseños experimentales debe ser aleatoria, a este tipo de diseños también se le denomina diseño de grupos aleatorios independientes (o de muestras independientes) (Begoña & Qintanal, 2000).
22.1.4 Diseño intragrupo o intrasujeto
En este grupo de diseños experimentales, los distintos niveles de la variable independiente o variables independientes si se trata de un factorial, son aplicados al mismo grupo de sujetos; es decir, las mismas personas son sometidas, aunque en momentos diferentes, a varios tratamientos o condiciones experimentales. Como es lógico, al existir una única muestra de estudio, no es posible distinguir entre grupo control y grupos experimentales ya que ambos coinciden; eso sí, en caso de que nuestra variable independiente tenga un nivel 0 es evidente que
nuestro grupo de sujetos funcionará en esa ocasión como grupo control y en las otras, como grupo experimental.
A este tipo de diseños se les denomina también diseños de medidas repetidas y ofrecen la ventaja de asegurar que no existirán variables extrañas inherentes a los sujetos que puedan influir en la variable dependiente, ya que se anulan al aplicarse a todos los sujetos de la muestra todas las condiciones experimentales incluidas (Begoña & Qintanal, 2000).
Experimento con n=1
Este tipo de diseño es un caso especial de experimento intrasujeto, en el que participa un único sujeto. Su objetivo suele ser el de solucionar problemas y, por lo tanto, suelen estar muy vinculados a la práctica clínica (tanto médica como psicológica); además, y a pesar de la esperable falta de control y otras características propias de un buen experimento (amenazas a la validez), suelen producir aportaciones interesantes al conocimiento.
En general, se suele justificar el uso de los diseños de n = 1 cuando:
- El aspecto a estudiar es muy sencillo y/o tiene un fuerte componente biológico (como por ejemplo, el estudio de los distintos tipos de condicionamiento).
- En aquellos casos en los que, además, el sujeto en cuestión viene en demanda de ayuda y/o resulta muy complejo (o imposible) encontrar casos similares para poder obtener una muestra sobre la que desarrollar un verdadero experimento. Ejemplo: el sujeto-paciente desea que desaparezca su fobia, quiere dejar de fumar o de morderse las uñas, etc.
Las fases que incluye un experimento de n = 1 son:
1º) Establecer la línea base (A): el investigador mide el comportamiento objeto de estudio (V.D.) tal y como lo manifiesta el sujeto antes de iniciar cualquier tipo de tratamiento (V.I.).
2º) Aplicar la intervención (B): el investigador vuelve a medir el comportamiento objeto de estudio (V.D.) una vez aplicado el tipo de tratamiento que se consideró necesario (V.I.).
3º) Comparar A con B e interpretar los resultados: supone valorar el efecto terapéutico que ha tenido el tratamiento aplicado, ya que si se observa que el comportamiento que se deseaba eliminar es menos frecuente (o intenso, duradero, etc.) en B que en A, habremos tenido existo en nuestro objetivo de mejorar la situación del sujeto-paciente.
Cualquier diseño de n = 1 en el que se den las tres fases que acabamos de exponer, se denomirá diseño AB. Es el tipo más simple de diseños con un único sujeto, ya que nos limitamos a establecer una línea base (A) y a medir de nuevo el comportamiento una vez aplicado el tratamiento (B).
Sin embargo, puede ocurrir que para eliminar o mejorar el comportamiento indeseado del sujeto-paciente, sea necesario repetir el tratamiento en varias
ocasiones tras ciertos períodos de descanso en lo que se llama diseños ABAB. Todo ello permitirá observar la evolución de dicho comportamiento y, por supuesto, el mantenimiento (o no) del éxito del tratamiento empleado.
22.1.5 Diseño intergrupo o intersujeto
Diseño con pos prueba únicamente y grupo de control
Este diseño incluye dos grupos, uno recibe el tratamiento experimental y el otro no (grupo de control). Es decir, la manipulación de la variable independiente alcanza sólo dos niveles: presencia y ausencia.
Los sujetos son asignados a los grupos de manera aleatoria. Después de que concluye el periodo experimental, a ambos grupos se les administra una medición sobre la variable dependiente en estudio. El diseño puede diagramarse de la siguiente manera:
R G1 X O1 R G2 -- O2
En este diseño, la única diferencia entre los grupos debe ser la presencia- ausencia de la variable independiente. Estos son inicialmente equivalentes y para asegurar que durante el experimento continúen siendo equivalentes _ salvo por la ausencia de dicha manipulación, el experimentador debe observar que no ocurra algo que afecte solo a uno de los grupos.
Debe recordarse que la hora en que se efectúa el experimento debe ser la misma para ambos grupos (o ir mezclando a un sujeto de un grupo con un sujeto del otro grupo - cuando la participación es individual - ), lo mismo que en las condiciones ambientales y demás factores que fueron ventilados al hablar de equivalencia de grupos.
La prueba estadística que suele utilizarse en este diseño para comparar a los grupos es la prueba "t" para grupos correlacionados, al nivel de medición por intervalos.
El diseño con pos prueba únicamente y grupo de control, puede extenderse para incluir más de dos grupos, es decir, se usan dos o más tratamientos experimentales, además del grupo de control.
Si se carece de grupo de control, el diseño puede llamarse "diseño con grupos aleatorizados y pos prueba únicamente".
En el diseño con pos prueba únicamente y grupo de control, así como en sus posibles variaciones y extensiones, se logra controlar todas las fuentes de invalidación interna.
Diseño con pre prueba-pos prueba y grupo de control
Este diseño incorpora la administración de pre pruebas a los grupos que componen el experimento. Los sujetos son asignados al azar a los grupos, después a éstos se les administra simultáneamente la pre prueba, un grupo recibe el tratamiento experimental y otro no (es el grupo de control); y finalmente se les administra, también simultáneamente una pos prueba.
La adición de la pre prueba ofrece dos ventajas: primera, las puntuaciones de las pre pruebas pueden usarse para fines de control en el experimento, al compararse las pre pruebas de los grupos se puede evaluar qué tan adecuada fue la aleatorizacion.
La segunda ventaja reside en que se puede analizar el puntaje ganancia de cada grupo (la diferencia entre la pre prueba y la pos prueba).
El diseño controla todas las fuentes de invalidación interna por las mismas razones que se argumentaron en el diseño anterior (diseño con pos prueba únicamente y grupo de control). Lo que influye en un grupo deberá influir de la misma manera en el otro, para mantener la equivalencia de los grupos.
Diseño de cuatro grupos de Solomon
En los diseños con varios grupos, existe un problema asociado a las mediciones previas al experimento. Dicho inconveniente consiste en que las mediciones pretest pueden sugerir de algún modo a los sujetos que participan en el experimento, las intenciones y objetivos del mismo, pudiendo influir esto en su actuación posterior, apartándola de su comportamiento natural.
Por ello, Solomon ideó un tipo de diseño intergrupo alternativo que da lugar a los llamados diseños Solomon con cuatro grupos.
El diseño de Solomon, combina el diseño de dos grupos con sólo medición "después" y el diseño clásico de dos grupos con mediciones "antes" y "después". En esta forma se controlan los efectos de selección y de mortalidad (por la asignación al azar); los de maduración e historia (por el uso de grupos de control) y el efecto de interacción de la prueba pues como no existe medición "antes" en algunos grupos, ésta no puede, lógicamente, actuar sobre los resultados "después".
Los pasos del diseño son los que siguen:
a) Se asigna el total de los sujetos, en forma aleatoria, a cuatro grupos.
b) En el primer grupo se hace una medición "antes" de la variable dependiente, luego se aplica el tratamiento experimental y posteriormente se hace una medición "después" de la variable dependiente.
c) En el segundo grupo se hacen mediciones "antes" y "después", sin aplicar el tratamiento experimental.
d) El tercer grupo recibe el tratamiento experimental y se hace en él una medición
"después".
e) Finalmente, en el cuarto grupo se hace sólo una medición "después".
Todos los grupos se forman aleatoriamente. Los grupos 1 y 3 son experimentales, los grupos 2 y 4, de control.
La principal ventaja del diseño consiste en el control del efecto de la medición "antes" de la prueba, en la medición "después". Esto se logra pues a dos de los grupos no se aplica la prueba "antes" (pre prueba): al grupo experimental 3 y al grupo de control 4.
Si se considera que a los grupos 1 y 3 se les aplicó el tratamiento experimental, sus mediciones "después" deberían ser iguales: O — O.
Pero en el grupo 1 también se aplicó la pre prueba, con lo cual, si hay diferencias entre esas dos mediciones, se debería a esa prueba.
Algo similar tendría que ocurrir entre los grupos 2 y 4 que no recibieron el tratamiento experimental. Si se encuentra una diferencia significativa, ésta se debería también al efecto de la pre prueba.
Para realizar todas las comparaciones se utiliza el análisis de varianza.
En la medida en que haya una mayor semejanza entre los dos grupos del estudio "podemos considerar que el diseño controla los principales efectos de la historia, la maduración, la administración de tests y la instrumentación..." (Campbell y Stanley,1966) .
22.2 Diseños Cuasi Experimentales
Las investigaciones o diseños cuasi experimentales reciben su nombre por el hecho que los grupos de estudio no se han conformado al azar y, en algunos casos, no se utiliza un grupo de control.
Sin embargo, como lo dicen Campbell y Stanley, estas investigaciones pueden tener, en diversos grados, tanto validez interna como externa.
De los varios tipos de éstos vamos a presentar dos que suelen ser los más utilizados en el campo de la investigación social y de la educación.
Los cuasi experimentos poseen aparentemente todas las características de los experimentos verdaderos. La principal diferencia con éstos estriba, según los casos, es la imposibilidad de manipular la variable independiente y/o asignar aleatoriamente los sujetos a las condiciones experimentales.
Comparten con los experimentos de campo su ejecución en ambientes naturales, lo cual les otorga un escaso control. Podrían ser calificados de adaptaciones más o menos ingeniosas de los experimentos verdaderos, con el objetivo de separar
los efectos debidos a la intervención de aquellos provocados por las variables no controladas.
Los diseños cuasi experimentales también manipulan deliberadamente al menos una variable independiente para ver su efecto y relación con una o más variables independientes, solamente que defieren de los experimentos “verdaderos” en el grado de seguridad o confiabilidad que pueda tenerse de la equivalencia inicial de los grupos.
En estos diseños los sujetos no son asignados al azar a los grupos, ni emparejados; sino que dichos grupos ya estaban formados antes del experimento, son grupos intactos (la razón por la que surgen y la manera como se formaron fueron independientes o aparte de experimento).
Por ejemplo, si los grupos el experimento son tres grupos escolares existentes que estaban formados con anterioridad al experimento, y cada uno de ellos constituye un grupo experimental. Veámoslo gráficamente:
Como el quid del problema en los métodos cuasi experimentales es el sesgo de selección, no es de extrañar que la mayoría del tema se enfoque en cómo conformar grupos de control adecuados que no son diseñados ad hoc, sino que hay que conformarlos analíticamente.
Diseño de prepuebas - posprueba y grupos intactos (uno de ellos de control) Utiliza dos grupos: uno recibe el tratamiento experimental y el otro no. Los grupos son comparados en la posprueba para analizar si el tratamiento experimental tuvo un efecto sobre la variable dependiente.
Si los grupos no son equiparables entre sí, las diferencias en las pospruebas de