Metodología de Investigación Científica.

lunes, 12 de agosto de 2013

DISEÑOS EXPERIMENTALES


1.1.        Diseños experimentales

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.
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.