Beruflich Dokumente
Kultur Dokumente
Experimento: comparar grupos de sujetos que son expuestos a diferentes condiciones controladas
por el investigador
La selección al azar se refiere a la misma probabilidad que tienen los sujetos para ser seleccionados
dentro de la población. La selección al azar pertenece a la generalidad (validez externa) de los
resultados experimentales entre los sujetos. La generalidad de los resultados depende de la
representatividad de los participantes en el experimento respecto de los individuos que no fueron
incluidos.
Hay una limitación obvia en la selección al azar tanto en teoría como en práctica. Los sujetos de un
experimento no pueden ser seleccionados de una población a menos que la población esté
específicamente definida.
La asignación se logra obteniendo los números 1,2 y 3 en cualquier orden en la medida en que cada
bloque abarque cada número (1,2,3). La asignación al azar es la mejor garantía para hacer
inaceptables varias amenazas a la validez interna (selección con x historia, x maduración) y para
tratar el rango de las influencias no intencionadas (como las diferentes características de los sujetos
en los grupos) que pudieran contribuir a las diferencias entre los grupos.
Equivalencia de los grupos: la asignación añ azar es importante como un medio para distribuir las
características de la muestra entre los grupos. Hay características de los sujetos, circunstancias de la
participación y otros factores que pudieran, si no se controlan, interferir con la interpretación de las
diferencias entre los grupos. La asignación al azar es una manera de asegurarse que las variables
extrañas se distribuirán de forma no sistemática entre los grupos.
La asignación al azar a veces es vista como una forma confiable de crear grupos equivalentes. Sin
embargo, la asignación al azar se refiere solo al metodo de distribuir los sujetos a los grupos, y en
un experimento dado no tiene necesariamente una conexión con un resultado específico. Son más
probables las diferencias entre los grupos cuando los tamaños de las muestras son pequeños y
cuando hay puntuaciones extmas en la muestra. Con la asignación al azar, la probabilidad de que
los grupos sean equivalentes incrementa en función del tamaño de la muestra. Lo que significa que
con las muestras pequeñas no se puede asumir laequivalencia entre los grupos.
En situaciones en las cuales es menos probable que la asignación al azar obtenga equivalencia
(muestras pequeñas), también sucede que tales diferencias pueden ser lo más difícil de detectar. El
uso de tamaños de muestra más grande de lo común puede aumentar la confianza de la
equivalencia de los grupos.
Apareamiento: a menudo el investigador no desea dejar al azar la equivalencia de los grupos para
una característica determinada de la muestra. Si se sabe que una variable específica del sujeto se
relaciona con puntuaciones de la medida dependiente, es importante tomar en consideración esta
variable para asegurar que los grupos no difieran antes del tratamiento. El apareamiento se refiere a
agrupar a los sujetos con base en la semejanza de una característica particular o conjunto de
características. Las características de los sujetos de cada nivel aparecen en cada grupo y los grupos
no difieren en esa característica antes del tratamiento.
Una manera de aparear a los sujetos es buscar pares de sujetos con idénticas puntuaciones
anteriores al tratamiento sin embargo, buscar conjuntos de puntuaciones idénticas para aparear
sujetos es por lo regular limitante porque significa que no se usaría a la mayoría de los sujetos que
no tuvieran una calificación idéntica a la puntuación de otro sujeto.
Este diseño controla las amenazas a la validez interna. Si los períodos de intervención entre las
evaluaciones previas y posteriores al tratamiento son las mismas para cada grupo, se controlan las
amenazas, como la historia, la maduración, las pruebas repetidas y la instrumentación.
El uso del pretest proporciona varias ventajas: los datos permiten al investigador aparear a los
sujetos en diferentes variables y asignar a los sujetos de forma aleatoria a los grupos. El
apareamiento permite al investigador igualar a los grupos en el rendimiento previo a las pruebas.
Segundo, los datos del pretest permiten la evaluación del efecto de los diferentes niveles de
rendimiento en el pretest. El uso del pretest proporciona ventajas estadísticas para el análisis de
datos. Con el uso del pretest la variabilidad dentro de los grupos se reduce y las pruebas
estadísticas más potentes de la intervención se encuentran disponibles, como los análisis de
covarianza o la repetición de medidas en el análisis de varianza. El pretest permite la identificación
de las personas que cambiaron. Finalmente, utilizando un pretest, podemos observar la pérdida de
sujetos de manera más analítica que si no la usáramos. Lo que no se puede controlar es la
posibilidad de una interacción de examinar el tratamiento x o un efecto de sensibilización pretest.
Quizá la intervención surta su efecto precisamente porque el pretest sensibilizó a los sujetos a la
intervención.
Diseño de grupo control solo con postest: Es esencialmente el mismo que el diseño anterior,
excepto que no se aplica el pretest. El efecto de la intervención solamente se evalúa con una
medición posterior a la intervención.
Segundo, la falta de un pretest aumenta la incómoda posibilidad de que las diferencias entre los
grupos después de la intervención pudieran ser resultado de esas diferencias ante esta. La ausencia
de un pretest significa que el efecto de la intervención no pudo resultar de la sensibilización inicial.
A menudo el pretest puede no ser deseable o factible, pues con grandes cantidades de sujetos y la
asignación al azar a los grupos, la probabilidad de equivalencia entre los grupos es elevada.
Diseño Solomon de 4 grupos: El propósito de este diseño es evaluar el efecto del pretest sobre los
efectos obtenidos de una intervención particular. El diseño puede controlar las comunes amenazas
a la validez interna. Los efectos de hacer pruebas per se pueden evaluarse comparando dos grupos
control que difieren solamente en haber recibido la prueba previa. Más importante aún es que la
interacción de las pruebas previas y la intervención puedan evaluarse comparando a los grupos con
prueba previa y a los grupos no examinados. Otra característica de este diseño es que incluye la
réplica del tratamiento y de las condiciones control. Así, el efecto del tratamiento se puede certificar
por una comparación dentro del grupo y varias comparaciones entre los grupos.
Diseños factoriales: Los diseños factoriales consisten en evaluar el impacto de una variable
independiente simple. Por ejemplo, la variable independiente puede darse a un grupo pero a otro
no. De forma alternativa, se pueden proporcionar diferentes versiones de tratamientos a diferentes
grupos. La limitación principal de estos diseños con variable simple es que con frecuencia originan
preguntas relativamente simples acerca de la variable de interés. Los diseños factoriales permiten la
investigación simultánea de dos o más variables (factores) en un experimento simple. Dentro de
cada variable se utilizan dos o más condiciones. Por supuesto el diseño factorial no es un diseño
simple, sino un conjunto de diseños que varían en cantidad y tipos de variables y en número de
niveles dentro de cada variable. Una razón para realizar un experimento factorial es que puede
resultar interesante el efecto combinado de dos o más variables, es decir, su interacción. Una
interacción significa que el efecto de una variable depende del nivel de una variable o de la otra. La
eficacia de un diseño factorial es que puede evaluar los efectos de las variables separadas en un
solo experimento. La peculiaridad es que comprende un ajuste, porque se pueden estudiar variables
diferentes con menos sujetos e indica en un diseño factorial que en los experimentos separados
para el estudio de la variable única, cada variable es una a la vez. Además, este diseño proporciona
información específica acerca de los efectos combinados de las variables independientes. Las
interacciones identifican las variables que moderan (influyen) el efecto de otras variables. Una razón
para usar este diseño es que el número de grupos en la investigación se multiplica rápidamente al
añadirse nuevos factores o nuevos niveles de un factor dado. Los diseños factoriales son
informativos cuando un investigador predice una relación interactiva entre dos o más variables.
Variación de las condiciones de intervención: se refiere a variar las condiciones a las cuales se
exponen los sujetos. Por ejemplo, un grupo recibe una intervención y el otro no. Una evaluación del
grado en que el tratamiento se realizó como se esperaba es lo que se conoce como integridad del
tratamiento o fidelidad al tratamiento.
Varios pasos se pueden llevar a cabo para evaluar la integridad del tratamiento. Los criterios, los
procedimientos, tareas y características de terapeuta y paciente que definen el tratamiento, pueden
especificarse lo mejor posible.