Cuando vimos los pasos de la investigación, dijimos que la manera que obteníamos información se llamaba diseño de investigación. La investigación experimental es una forma de obtener información. Según la forma que yo tenga de procesar la información, va a ser CUALITATIVO o CUANTITATIVO (En general es éste).
La experimentación es constante en la vida diaria. ¿Qué pasa si…?
El diseño experimental es definido como aquel diseño donde el investigador manipula la variable independiente para ver el efecto que tiene sobre la variable dependiente. Ej: Al hacer una torta (variable dependiente), la cantidad de huevos (variable independiente, que es la que se manipula).
En psicología, para ser considerada ciencia, tengo que poder experimentar y medir las situaciones en lo que se conoce como psicología experimental.
El diseño experimental tiene elementos:
1) Variable independiente: es la variable que manejo, altero o modifico en sus valores para ver qué efectos tiene en la variable independiente. El manejo de esa variable independiente se llama manejo experimental.
Según maneje una o varias variables independientes, voy a estar en presencia de:
En el diseño experimental se busca saber cuál es la causa que produce un determinado efecto o fenómeno.
2) Variables dependientes: Hay que definirla para saber qué es lo que se va a medir. Ej: inteligencia.
3) Grupo experimental: Es el conjunto de personas (unidades de prueba) que reciben el efecto de la variable independiente.
4) Grupo control: Es el grupo de personas o unidades de análisis que no recibe el efecto de la variable independiente y se utiliza para controlar.
Las unidades de prueba son cada uno de los individuos.
En todo diseño experimental habrán variables extrañas o externas que tengo que controlar para asegurarme que la variable independiente es la causa de la dependiente. Esas variables no se pueden eliminar, pero hay que minimizar el efecto de esas variables. Para eso, tengo que intentar que los 2 grupos sean similares, en todo menos en la variable independiente.
Para neutralizar el efecto de las variables externas, asigno a las unidades de prueba de forma aleatoria. Así logro grupos homogéneos y similares.
Otro elemento que influye en el método experimental son los errores, que siempre se van a filtrar. Hay pruebas de validez y de confiabilidad, test y re-tests para detectarlos. Si bien se pueden disminuir, no se pueden eliminar.
Validez.
El objetivo de la investigación experimental es determinar si una determinada variable es causa de un determinado efecto. Entonces entramos en el campo de la validez. La validez en un diseño experimental es la certeza de que los resultados que voy a obtener son ciertos.
Hay 2 tipos de validez:
Según las variables que haya, puedo hacer pre-mediciones (mido antes) y post-mediciones (mido después). Estas son un elemento más del diseño experimental. La pre-medición es antes de intervenir, por ejemplo, en una capacitación. Después se vuelve a medir (post-medición) y la respuesta será distinta.
En la variable interna, tengo que asegurarme que es la variable independiente (ej. Capacitación) la causa de un mejor manejo de situaciones problemáticas. La validez interna apunta a asegurarme que realmente esa variable independiente sea la causa del efecto sobre la variable dependiente.
Los diseños experimentales pueden clasificarse según la cantidad de variables independientes que intervengan, como vimos, según:
Simples: Interviene una variable.
Complejas: varias variables.
Según el ámbito donde se desarrollen, pueden ser:
De campo: en la situación real. No garantizo validez interna.
De laboratorio: garantiza validez interna porque elijo las unidades de análisis por las características que quiera.
Todo diseño experimental está conformado por:
X: variable independiente.
R: asignación aleatoria (random).
O: medición. Los números de la O son las distintas mediciones.
Diseños:
Según como se combinen los elementos anteriores, los diseños pueden ser:
Preexperimentales. No hay asignación aleatoria de las unidades de los grupos experimentales y de control. La R está solamente puesta en los experimentales. El manejo experimental está en todos. Según el tipo de diseño que elija puede haber un grupo experimental y un grupo de control. Puede haber una pre-medición o puede haber solamente una post-medición. También pre-medición y post medición. La post-medición siempre va a existir. Lo que puede haber o no haber es la pre-medición.
Experimentales.
Cuasi experimentales.
Premedición X Postmedición
Observación 1 G.Exp. Observación 2
R
Diseños experimentales simples o básicos.
Diseños preexperimentales. Son aquellos en donde no hay asignación aleatoria. Entonces no puedo controlar las variables externas. Pueden ser
Solo después: Simplemente tomo al grupo, le administro un tratamiento y miro el resultado. Como no hice una selección anterior, no tengo forma de comprobarlo.
Antes-después: Tengo una medición anterior y voy a comparar. Acoto un poco más.
Grupos estáticos: Utilizo un grupo de control (las unidades de prueba no reciben el tratamiento) además de medir el tratamiento que le hice al primer grupo.
Experimentales verdaderos. Sí o sí hay asignación aleatoria (R = random) y asignación de variable experimental (X) y medición.
Antes – después: Es el típico diseño experimental. Se hace una pre-medición, aplicamos la variable independiente y luego hacemos una post-medición. La comparamos con lo que sucede en el grupo de control (pre-medición y post-medición). La desventaja es que la segunda prueba ya no es tan espontánea.
Solo después: Se utilizan cuando tengo solo tengo la posibilidad de hacer una pre-medición. Comparo las post mediciones del grupo experimental con el grupo de medición. Puedo hacer un test de hipótesis o chi cuadrado.
Cuatro grupos de Solomon: Antes-después tiene el problema que con las pre-mediciones se habitúa a los sujetos de análisis a hacer un determinado tipo de prueba. Por eso, el método de Salomon compensa eso. Tengo al grupo experimental y al grupo de control. Hago una pre-medición en un solo grupo experimental y en un solo grupo de control. Luego administro la variable independiente a todos grupos experimentales y miro los resultados en los 4 y ahí empiezo a combinar. Esto evita el efecto de las pruebas anteriores. Este diseño resulta bastante caro.
Cuasiexperimentales. No hay asignación aleatoria ni se tiene la seguridad de grupo de gente recibe la variable independiente.
Series de tiempo: Es el caso de medir las imágenes políticas.
Series de tiempo múltiples: Agrego la presencia de un grupo de control.
No equivalente de control:
Diseños experimentales complejos.
Son aquellos en donde voy a manejar más de una variable independiente. Solamente se pudieron desarrollar a partir de los avances informáticos. Hay diseños factoriales, diseños experimentales a baremos. Se adaptan mucho más a la realidad, porque hay multicausalidad en los hechos.
Trabajo de campo:
Una vez que termina el trabajo de campo (implementación del diseño de investigación). Va a variar según el diseño de investigación que yo elegí. Si estoy en una cualitativa, voy a usar el focus group, por ejemplo. Si estoy en una cuantitativa descriptiva, voy a implementar la entrevista personal o telefónica. Si estoy en una cuantitativa descriptiva sin intervención del encuestador, se va a iniciar cuando ..? Para eso tengo que preparar el trabajo de campo, tengo que preparar el temario para lo que voy a hacer. Una vez que armé e hice todo el focus group, entrevistas en profundidad o cuestionarios, recibo toda esa información que la tengo que resumir y analizar. Luego, hacer un informe.
Una vez que terminó el trabajo de campo, se estructura la información y eso va a depender del diseño de investigación que estoy tratando.
Si estamos frente a un diseño cualitativo o exploratorio, lo que tenemos que hacer es juntar todas las respuestas al temario, ya sea la entrevista en profundidad o focus group. En un listado de temarios, podemos estructurar las entrevistas cortando y pegando los comentarios de cada tema y viendo cuál es el hilo de esos comentarios.
En el focus group, el coordinador tiene que hacer un informe de lo que se habla, siguiendo un temario. Ese informe con los temas que se fueron tratando fueron consensuados con el focus. Puede haber más de un focus group para cada tema, entonces tengo que aunar los comentarios y las conclusiones de todos los temas. Entra mucho la interpretación del encuestador.
Si estamos frente a una exploración cuantitativa (el resultado se puede cuantificar, sea la variable cuali o cuati), el análisis es más estricto y no tan subjetivo. Hay 3 tipos de análisis:
Univariado: Analizamos los resultados de una variable por vez. Una variable es una característica que estamos estudiando en una población, que puede ser cualitativa o cuantitativa. Depende de la característica que se trate, yo voy a poder utilizar determinadas medidas estadísticas:
Bivariado: Tomo en cuenta 2 variables a la vez. Veo si 2 variables tienen relación entre ellas.
Multivariado: Relaciono muchas variables a la vez, gracias a sistemas informáticos. Hay 2 tipos de análisis multivariados. Hay 2 tipos de análisis multivariados:
Dependencia: Considero una o más variables dependientes y varias variables independientes. Entonces puedo hablar de lo que se llama correlación múltiple.
Multidependencia:
Análisis factorial:
Reúno los ítems que más se relacionan entre sí y los reduzco a un número menor.
Informe de resultados:
El informe de resultados puede ser escrito u oral. Cuando se hace una presentación oral, hay que tener en cuenta el público.
Repaso de estadística:
Las variables pueden ser de dos tipos:
CUALITATIVAS (o atributo): a su vez se dividen en: NOMINALES (clasifica a las unidades estadísticas) u ORDINALES (ordena a las unidades estadísticas).
CUANTITATIVAS: son características susceptibles de asumir diferentes valores cuantitativos. Se subdividen en: DISCRETAS (cuando los valores que asume son enteros) o CONTINUAS (cuando puede asumir cualquier valor dentro de su campo de variabilidad). Los diferentes valores que asume una variable cuantitativa reciben el nombre de categorías.
Serie simple: sucesión ininterrumpida de datos sin ningún tipo de orden. Resultará conveniente sistematizar la información agrupando a los individuos en grupos de similar característica, en función de sus dimensiones. Estas deberán cumplir con dos condiciones:
Exhaustivas: cada uno y todos los individuos de la muestra o población deberán tener una categoría o dimensión en dónde ubicarse.
Excluyentes: un individuo sólo podrá pertenecer a una sola categoría.
Gráficos: sirven para poder visualizar cómo se distribuyen las frecuencias en una población determinada. Estos gráficos dependen del tipo de variable en cuestión:
Variables cualitativas: GRÁFICOS DE BASTONES o GRÁFICO DE BARRAS SEPARADAS para las frecuencias absolutas, relativas o para los porcentajes.
Variables cuantitativas discretas: GRÁFICOS DE BASTONES, GRÁFICO DE BARRAS SEPARADAS o POLÍGONO DE FRECUENCIA (para las frecuencias absolutas, relativas o para los porcentajes); GRÁFICO DE ESCALONES (para las frecuencias acumuladas). Variables cuantitativas continuas: HISTOGRAMA (para las frecuencias absolutas, relativas o para los porcentajes); OJIVA (para las frecuencias acumuladas).
El GRÁFICO DE TORTA se puede usar para las frecuencias absolutas, relativas o porcentajes de las variables cualitativas como así también de las variables cuantitativas, aunque por lo general se grafican los porcentuales.
Medición: es la asignación de números a las propiedades o características de las unidades de análisis de acuerdo a ciertas reglas. Por la medición se establece una relación de formas o isomorfismo, entre la estructura lógica del sistema numérico y la estructura de la naturaleza de la característica a medir. El mecanismo para que las mediciones puedan llevarse a cabo se denomina escalas de medición. Toda escala de medida se basa en el principio de isomorfismo entre las relaciones existentes entre los hechos y las reglas matemáticas de cada escala. Las escalas de medición se clasifican en ESCALAS DÉBILES (cuando suponen mediciones de tipo cualitativo) y ESCALAS FUERTES (cuando suponen mediciones de tipo cuantitativo). Conocer las características de los datos observados lleva a saber qué tipo de escala es aplicable a los mismos y qué tipo de operaciones matemáticas es permitido realizar en ellos.
Niveles de medición: se pueden clasificar en cuatro tipos:
NOMINAL: es el tipo más simple. Implica una clasificación. Las categorías de esta escala son mutuamente excluyentes y la forma de asignar los números a cada una de ellas es arbitrario. Los números asignados a las categorías pueden ser intercambiados entre sí y esto no afecta el análisis. No se pueden realizar operaciones matemáticas con ellos, pero sí se pueden realizar operaciones con las frecuencias. El isomorfismo está dado porque cada uno de los números son diferentes entre sí, de la misma manera que las dimensiones. La regla matemática que rige este tipo de escala es la de “igual a” o “diferente a”. Este tipo de escalas se basan en variables o características o atributos nominales sexo, nacionalidad, etc)
ORDINAL: se tiene en cuenta la magnitud o volumen con que una propiedad es poseída por cada uno de los miembros pertenecientes a una determinada categoría. La asignación de números a cada categoría implica un orden. La regla matemática que rige a este tipo de escala es “mayor que” y “menor que”. No se pueden realizar operaciones matemáticas, pero sí se pueden calcular la mediana y los cuartiles, el modo, las frecuencias y los porcentajes. Estas escalas se basan en variables o atributos ordinales tales como nivel ocupacional, nivel educacional, niveles de inteligencia, clases sociales, etc.
DE INTERVALO: permite establecer que las distancias numéricamente iguales representan distancias iguales empíricas en la variable que miden. La regla matemática que las rige es “cuánto más” o “cuánto menos” se posee esa característica en términos de distancia porque 1) la asignación de números es arbitraria y 2) no hay un cero significativo real, es decir que no significa ausencia de atributo. El isomorfismo está dado porque los números asignados a cada categoría implican incrementos iguales en el atributo que se está midiendo, a pesar de que son arbitrarios y no tienen un punto cero significativo. Por ejemplo: la temperatura.
DE RAZÓN O PROPORCIÓN: es posible determinar la magnitud absoluta de la característica poseída por un individuo. Tiene un punto cero significativo, real (el cero de la escala coincide con la “nada” en la variable a medir, es ausencia de atributo) y una unidad de medida constante. Como ejemplo de variables o características medidas a nivel de razón, pueden mencionarse la edad, el peso, los ingresos, y cualquier otra variable que implique una cantidad.
MEDIDAS DE POSICIÓN: resumen la información en un único punto.
Modo: valor de variable al que le corresponde la mayor frecuencia o mayor número de casos. Puede aplicarse tanto en distribuciones de variables cuantitativas como en distribuciones de variables cualitativas.
Mediana: divide a la población en dos partes, 50% de las observaciones a la izquierda y 50% de las observaciones a la derecha del valor mediana.
Fractiles: son valores de variable que dividen a la distribución en más de dos partes. Los que más se usan son: CUARTILES (divide a la distribución en 4 partes); DECILES (dividen a la población en 10 partes); PERCENTILES (dividen a la población en 100 partes).
Media aritmética: es la más usada. Es el valor de variable promedio. Es la sumatoria del producto de los valores de variable por sus respectivas frecuencias y dividido por el total de la población.
MEDIDAS DE DISPERSIÓN: expresan la homogeneidad o la heterogeneidad de la distribución.
Amplitud total: considera el primer y el último valor del campo de variabilidad de la variable. En las variables cuantitativas la diferencia entre el valor mayor y el valor menos de la variable recibe el nombre de rango.
Desvío standard o dispersión: la raíz cuadrada del promedio de los desvíos ponderados de los valores de variable con respecto a la media aritmética elevados al cuadrado. Permite medir el grado de concentración de los valores de variable alrededor del promedio o media aritmética. Si se eleva al cuadrado el desvío standard se obtiene la varianza.
Coeficiente de variación: cociente entre el desvío standard y la media aritmética.
Las variables nominales no permiten el cálculo de ninguna medida de dispersión. Las variables ordinales permiten el cálculo de la amplitud total. Las variables cuantitativas, tanto discretas como continuas, permiten el cálculo de la varianza, desvío standard, rango y coeficiente de variación.
No hay comentarios.:
Publicar un comentario