Conceptos clave para el segundo parcial

FUENTES DE INVALIDACIÓN INTERNA (AMPLIACIÓN Y
EJEMPLIFICACIÓN)

En  el  libro  impreso  se  describieron  estas  fuentes  y  se  mencionó  que  se  deben eliminar mediante el control, lo que León y Montero (2003) denominan: “descartar causas alternativas”. A continuación se amplían y ejemplifican.

1. Historia.  Son  acontecimientos  que  ocurren  durante  el  desarrollo  del experimento, que pueden afectar a la variable dependiente y llegan a confundir los  resultados  experimentales. Diferencias en la variable dependiente pueden atribuirse a la manipulación de la independiente o al acontecimiento que ocurrió durante el experimento.

2. Maduración.  Son  procesos  internos  de  los  participantes  que  operan  como consecuencia  del  tiempo  y  afectan  los  resultados  del  experimento,  tales  como cansancio, hambre, aburrimiento, aumento en la edad y cuestiones similares. Si a un grupo de niños se le expone a un nuevo método de aprendizaje por dos años, los  resultados  pueden  estar  influidos  simplemente  por  la  maduración  de  los infantes  durante  el  tiempo  que  persistió  el  experimento.  En  un  experimento quizá los sujetos se cansen y sus respuestas sean afectadas por ello. Si tenemos dos grupos y la condición experimental del primero implica mucho más tiempo que la del segundo, puede afectar esta fuente.

3. Inestabilidad  del  instrumento  de  medición.  Poca  o  nula  confiabilidad  de  las mediciones, que provoca desconfianza en las puntuaciones obtenidas, no sabemos si las  deducciones  son  certeras,  el  instrumento  a  veces  da  unos  resultados  y  luego, otros. Esto se evita diseñando instrumentos válidos y confiables.

4. Inestabilidad del ambiente experimental. Las  condiciones  o  componentes  del  ambiente  o  entorno  del

experimento  pueden  ser  desiguales  para  todos  los  grupos  participantes. Imaginemos que en un experimento sobre memorización se tienen dos grupos, y al  sortearlos  a  uno  le  corresponde  realizarlo  en  un  aula  cerca  de  donde  se efectúa  una  remodelación  del  edificio  y  al  otro,  en  un  aula  lejos  de  tal

remodelación. Si el experimento requiriera de elevada concentración por parte de los individuos  que  participan  en  él,  pudiera  ser  que la  concentración  de  un grupo fuera diferente de la del otro (a causa del ruido, del tránsito de personas, etc.), y ello afectara la interpretación de los resultados. Tal vez las diferencias en los  grupos  se  deban  a  variaciones  en  la  concentración  y  no  a  la  variable independiente, o es posible que ésta sí  tenga un efecto; pero no podamos estar seguros de ello. No tenemos confianza en los resultados.

5. Administración de pruebas. Se refiere al efecto que puede tener la aplicación de una prueba sobre las puntuaciones de pruebas subsecuentes. Por ejemplo, si en un experimento sobre prejuicio en el cual  tenemos un grupo al que se le aplica una prueba para detectar su nivel de prejuicio, luego se le expone a un estímuloexperimental  (que  supuestamente  debe  reducir  el  prejuicio),  y  después  se vuelve a medir el prejuicio para evaluar si disminuyó o no. Puede ocurrir que las puntuaciones de prejuicio de la  segunda medición  (después del estímulo)  sean influidas  por  la  aplicación  de  la  primera  prueba  sobre  prejuicio  (antes  del estímulo). Es decir, la administración de la primera medición puede sensibilizar a los  participantes  del  experimento  y,  cuando  respondan  a la  segunda  prueba, sus  respuestas  estarían  afectadas  por  esa  sensibilización.  Si  disminuye  el prejuicio  y  no  hay  control,  no  sabremos  cuánto  se  debió  al  estímulo

experimental o a la variable independiente, y cuánto a dicha sensibilización.

6. Instrumentación. Hace  referencia a cambios en los instrumentos de medición  o en  los  observadores,  los  cuales  son  capaces  de  producir  variaciones  en  los resultados que se obtengan. Si la prueba del grupo experimental es diferente a la del  grupo  de  control  u  otro  grupo  experimental,  puede  intervenir  la instrumentación.  Por  ejemplo,  si  queremos  ver  el  efecto  de  dos  diferentes métodos de enseñanza, a un grupo lo exponemos a un método, mientras que a otro  grupo  al  otro  método;  y  después  aplicamos  un  examen  de  conocimientos para ver la eficacia de cada método y comparar los resultados. Si los exámenes no  fueran  equivalentes  podría  presentarse  esta  fuente.

7.  Regresión estadística. Se refiere a que a veces seleccionamos participantes sobre la  base  de  puntuaciones  extremas  y  cuando  se  miden  por  primera  vez  se encuentran en valores muy altos o bajos en la variable que nos interesa, después tienden  a  regresar  a  su  estado  normal,  y  en  una  segunda  medición  obtienen valores no extremos; la comparación entre las dos mediciones indica un cambio,

pero  en  realidad lo  que  ocurre  es  que los medimos  cuando  su  condición  en la variable era extrema.

En  términos  de Campbell  y Stanley  (1966,  pp.  24‐28):  “se  trata  de  un  efecto provocado por una tendencia que muestran los y las participantes seleccionados sobre la base de puntuaciones extremas, al regresar en pruebas posteriores, a un promedio en la variable en la que fueron elegidos”.

La regresión estadística representa el hecho de que puntuaciones extremas en una  distribución  particular  tenderán  a  desplazarse  (esto  es,  regresar)  hacia  el promedio  de  la  distribución  en  función  de  mediciones  repetidas (Christensen,2006). Entre una primera y una segunda mediciones, las puntuaciones más altas tienden  a  bajar  y  las  más  bajas  a  aumentar.  En  ocasiones,  este  fenómeno  de regresión  se  presenta  porque  ambas  mediciones  no  están  adecuadamente correlacionadas.

8. Selección.  Puede  presentarse  al  elegir  a  las  personas  para  los  grupos  del experimento, de tal manera que los grupos no sean equiparables. Es decir, si no se  escogen  los  participantes  de  los  grupos  asegurándose  su  equivalencia,  la selección resultaría tendenciosa. Por ejemplo, en un experimento sobre métodos educativos,  si  en  un  grupo  se  incluyen  a  los  estudiantes  más  inteligentes  y estudiosos; y en otro grupo a los estudiantes menos inteligentes y estudiosos, las diferencias entre los grupos se deberán a una selección  tendenciosa, aparte del tratamiento experimental o variable independiente.

9. Mortalidad  experimental.  Se  refiere  a  diferencias  en  la  pérdida  de  participantes entre  los  grupos  que  se  comparan.  Si  en  un  grupo  se  pierde  25%  de  los participantes y en otro grupo sólo 2%, los resultados se verían influidos por ello, además de por el  tratamiento experimental. La pérdida de participantes puede deberse  a  diversas  razones,  una  de  ellas  es  la  desmoralización  (Grinnell, Williams y Unrau, 2009), por lo que algunos autores la incluyen como una fuente de invalidación interna  por  sí  misma.  Imaginemos  un  experimento  que  utiliza como estímulo  un  programa  de  televisión  antisocial  que  ha  sido  visto  por  una tercera parte del grupo al que se le expondrá, mientras que al otro grupo se le

expone  a  un  programa  prosocial  que  nadie  ha  visto.  Condiciones  agresivas, dolorosas,  de  cansancio,  etc.,  pueden  provocar  mortalidad  diferencial  en  los grupos, y ésta puede ocurrir no sólo por el experimento en sí, sino por el tipo de personas que componen cada grupo o por factores externos al experimento.

EJEMPLO DE LA TÉCNICA DE EMPAREJAMIENTO EN EXPERIMENTOS

Siguiendo  lo  que  se  expuso  en  el  capítulo  7  del  libro  impreso  sobre  el emparejamiento, a continuación presentamos un ejemplo con dos grupos.

Suponga que se tuvieran 16 personas para un experimento sobre desempeño académico  (recuerde  la  sugerencia  de  tener  15  o  más  en  cada  grupo;  aquí  se incluyen  16  únicamente  para  no  hacer  muy  largo  el  caso);  y  se  tuviera  un  grupo experimental  al  cual  se  le  dará  un  estímulo  (50%  de  beca  para  sus  estudios universitarios)  y  un  grupo  de  control  (no  se  le  otorga  ninguna  beca).  La  variable

dependiente  sería  tal  desempeño  académico,  medido  por  el  promedio  de  sus calificaciones en todas las asignaturas. Los estudiantes se ordenarían de la siguiente manera:

Hasta ahora, el grupo 1 lleva dos puntos más que el grupo 2  (grupo 1 = 248, grupo 2 = 246). Hay que compensarlo.

Hasta aquí se ha conservado el balance entre los grupos,  van a la par  (grupo 1 = 477 y grupo 2 = 477).

Son grupos equivalentes en cuanto a la variable deseada. Este procedimiento puede extenderse a más de dos grupos (si se trata de tres grupos, en lugar de parejas se va emparejando por tercias, con cuatro grupos por cuartetos, etcétera). Respecto  al  emparejamiento  debemos  recordar  lo  señalado  en  el  texto 

impreso: la asignación al azar es el mejor método para hacer equivalentes los grupos (más  preciso  y  confiable).  El  emparejamiento  no  la  sustituye  por  completo.  Éste llega a suprimir o eliminar el posible efecto de la variable apareada, pero nunca nos asegura  que  otras  variables  (no  apareadas)  no  vayan  a  afectar  los  resultados  del experimento.  En  cambio,  la  asignación  aleatoria  garantiza  que  otras  variables (además  de  la  o  las  variables  independientes  de  interés  para  el  investigador)  no afecten las dependientes ni confundan al experimentador. Como comentan Nunnally y Bernstein (1994), la bondad de la asignación al azar de los participantes o sujetos a  los  grupos  de  un  diseño  experimental  es  que  el  procedimiento  asegura absolutamente que, en promedio, los grupos no diferirán (antes de que participen en 

los  tratamientos  experimentales)  en  ninguna  característica  más  de  lo  que  pudiera esperarse por pura casualidad. 

DISEÑOS EXPERIMENTALES DE SERIES CRONOLÓGICAS MÚLTIPLES

Cuando  el  experimentador  se  interesa  en  analizar  efectos  en  el  mediano  o  largo plazo, porque  tiene  bases  para  suponer  que  la  influencia  de  la  variable independiente sobre la dependiente tarda en manifestarse. Por ejemplo, programas de difusión de innovaciones, métodos educativos o estrategias de las psicoterapias. En tales casos, es conveniente adoptar diseños con varias pospruebas. A estos diseños 

se  les  conoce  como  series  cronológicas experimentales. En realidad, el término “serie cronológica” se aplica a cualquier diseño que efectúe varias observaciones o mediciones sobre una variable a través del tiempo, sea o no experimental, sólo que en este caso se les llama experimentales porque reúnen los requisitos para serlo.

En  estos  diseños  de  series  cronológicas  se  controlan  todas  las  fuentes  de invalidación interna, siempre y cuando se lleve a cabo un seguimiento minucioso de los grupos, para asegurarse de que la única diferencia entre ellos sea la manipulación de la  variable  independiente.  En  algunos  casos,  llega  a  haber  una  influencia  de  la repetición  de  las  mediciones  sobre  la  variable  dependiente  (administración  de pruebas  múltiples),  sobre  todo  en  las  pruebas  donde  el  individuo  participa activamente y sabe que está respondiendo a una prueba (cuestionarios, entrevistas, tests  estandarizados);  no  tanto  así  en  las  mediciones  en  las  que  el  participante  es más  pasivo  y  no  se  encuentra  consciente  de  qué  se  le  mide  (por  ejemplo,  la observación).  De  cualquier  manera,  en  caso  de  que  exista  dicha  influencia,  se 

presentará  de  forma  similar  en  todos  los  grupos  (porque  son  equivalentes  y  el número de pruebas aplicadas es el mismo).

Diseños de series cronológicas con repetición del estímulo

En ocasiones, el investigador anticipa que el tratamiento o estímulo experimental no tiene efecto o es mínimo si se aplica una sola vez, tal como sería hacer ejercicio físico un sólo día  (no se esperaría un cambio en la musculatura); o como sería consumir vitaminas por una única vez. También en ocasiones el investigador quiere conocer el efecto  sobre  las  variables  dependientes  cada  ocasión  que  se  aplica  el  estímulo 

experimental. 

Por ejemplo, en técnicas de condicionamiento es común que uno se cuestione: 

¿cuántas veces debo aplicar el reforzamiento a una conducta para lograr condicionar la  respuesta  a  un  estímulo?  En  estos  casos  es  posible  repetir  el  tratamiento experimental y  administrar  una  posprueba  después  de  cada  aplicación, para evaluar su efecto.

Diseños con tratamientos múltiples

A  veces  el  investigador  desea  analizar  el  efecto  de  la  aplicación  de  los  distintos tratamientos  experimentales  a  todos  los  grupos  o  participantes.  En  estos  casos  es posible utilizar los diseños con tratamientos múltiples. La aplicación de tratamientos puede ser individual o en un grupo y hay distintas variaciones:

a) Varios  grupos.  En  este  caso,  se  tienen  varios  grupos  a  los  cuales  se  asignan  los sujetos  o  participantes  al  azar.  A  cada  grupo  se  le  aplican  todos  los  tratamientos.  La secuencia  de  la  aplicación  de  tratamientos  puede  o  no  ser  la  misma  para  todos  los grupos y es posible administrar una o más pospruebas a los grupos (posteriores a cada tratamiento experimental).

b) Con  secuencia  diferente.  El experimentador  debe  tener  cuidado al interpretar las  segundas  pospruebas  y  mediciones  subsecuentes,  ya  que  quizás  exista  una influencia  diferente  en  los  grupos  provocada  por  distintas  secuencias  de  los tratamientos.  De  hecho,  durante  el  experimento  es  muy  probable  que  haya diferencias entre grupos, incluso al finalizar el experimento los resultados se deban, 

en buena medida, a la secuencia con que fueron administrados los tratamientos. Los  diseños experimentales  con  tratamientos múltiples  y  secuencia  diferente en los grupos,  llegan a tener distintos  efectos  que  deben  analizarse  con  minuciosidad.  Algunos  tratamientos  tienen  efectos  reversibles;  en  esta  situación  no  hay  interferencia  entre tratamientos  y  las  pospruebas  se  ven  influidas  únicamente  por  el  tratamiento inmediato  anterior.

b) Un  solo  grupo.  En  situaciones  donde  sólo  se  cuenta  con  un  número  reducido  de

participantes  para  el  experimento,  es  posible  realizar  un  diseño  con  tratamientos múltiples y un solo grupo. No hay asignación al azar puesto que se tiene a un único grupo.  La equivalencia  se  obtiene  puesto  que  no  hay  nada más  similar a  un grupo que este mismo. El grupo hace las veces de “grupos experimentales” y de “control”. 

DISEÑOS FACTORIALES

Los diseños factoriales manipulan dos o más variables independientes e incluyen dos o más niveles de presencia en cada una de las variables independientes. Se utilizan muy a  menudo  en  la  investigación  del  comportamiento.  La  construcción  básica  de  un diseño  factorial  consiste  en que  todos  los  niveles  de  cada  variable  independiente sean  tomados  en  combinación  con  todos  los  niveles  de  las  otras  variables independientes (Wiersma y Jurs, 2008). 

El  diseño  factorial más  simple manipula  (hace  variar)  dos  variables,  cada  una  con dos  niveles.  A  este  diseño  se  le  conoce  como  “diseño  factorial  2  X  2”,  en  donde  el número de dígitos indica el número de variables independientes.

El valor numérico de cada dígito indica el número de niveles o modalidades de la  variable independiente en cuestión. En este caso es  “2”, lo cual quiere decir que cada una de las variables tiene dos niveles. Como mencionan Wiersma y Jurs (2008), no es necesario que los valores numéricos sean los mismos para todas las variables independientes.  En  teoría,  puede  haber  cualquier  número  de  variables independientes  con  cualquier  número  de  niveles  cada  una.  Por  ejemplo,  el  diseño factorial  2  X  2  X  3  indica  que  hay  tres  variables  independientes,  la  primera  y  la segunda con dos niveles, mientras que la tercera con tres niveles. El diseño factorial 4 X 5 X 2 X 3 indica una variable independiente con cuatro niveles, otra con cinco, otra más con dos y una última con tres. Un  ejemplo  de  un  diseño  factorial  2  X  2  sería  tener  como  variables independientes  “método  de  enseñanza”  y  “género”.  La  primera  con  dos  niveles: 

“método  de  enseñanza  tradicional‐oral”  y  “método  de  enseñanza  por  medio  de video”. La segunda con los niveles “masculino” y “femenino”. 

Utilidad de los diseños factoriales 

Los  diseños  factoriales  son  sumamente  útiles  porque  permiten  al  investigador evaluar los efectos de cada variable independiente sobre la dependiente por separado, así como los efectos de las variables independientes de manera conjunta. Por medio de estos  diseños  se  observan  los  efectos  de  interacción  entre  las  variables independientes.

En  términos de Wiersma y  Jurs  (2008), la interacción es un efecto producido sobre  la  variable  dependiente,  de  tal  manera  que  el  efecto  de  una  variable independiente  deja  de  permanecer  constante  en  los  niveles  de  la  otra  u  otras independientes.  El  efecto  de  interacción  está  presente  si  el  efecto  conjunto  de  las variables  independientes  no  es  igual  a  sus  efectos  por  separado  (aditivos).  Ello significa que el efecto de una  variable independiente por sí mismo no es igual que cuando se toma en combinación con los niveles de otra variable independiente. Por ejemplo,  si  el  alto  contenido  de  violencia  televisada  afecta  sólo  cuando  hay orientación  sobre  el  programa  por  parte  de  la  madre,  pero  no  cuando  dicha orientación está a cargo del padre o de ambos.

Así, hay  dos  tipos  de efectos que es posible evaluar en los diseños  factoriales:  los efectos de cada variable independiente (llamados efectos principales) y los efectos de interacción entre dos o más variables independientes (si se tienen cuatro variables, por  ejemplo,  pueden  interactuar  dos  entre  sí  y  otras  dos  entre  sí,  o  pueden interactuar  tres  o  las  cuatro  variables  independientes). 

Métodos estadísticos de los diseños factoriales

Los métodos estadísticos más usuales para estos diseños son el análisis de varianza factorial (ANOVA) y el análisis de covarianza (ANCOVA), con la variable dependiente medida en intervalos, y la chi­cuadrada (c2) para múltiples grupos, con esa variable medida nominalmente. Por último, a estos diseños se les pueden agregar más variables dependientes (tener  dos  o  más)  y  se  convierten  en  diseños  multivariados  experimentales  que utilizan como método estadístico el análisis multivariado de varianza (MANOVA).

¿QUÉ OTROS EXPERIMENTOS EXISTEN?:

 CUASIEXPERIMENTOS

Ya  se  comentó,  en  el  capítulo  7  del  libro,  que  los  diseños  cuasiexperimentales también  manipulan  deliberadamente  una  o  más  variables  independientes  para observar su efecto y relación con una o varias dependientes, sólo que  trabajan con “grupos  intactos”,  formados  por  motivos  ajenos  al  experimento:  en  los  diseños cuasiexperimentales  los  participantes  no  se  asignan  al  azar  a  los  grupos  ni  se emparejan, sino que dichos grupos ya estaban integrados previamente al experimento.

Problema de los diseños cuasiexperimentales 

Estos  diseños  se  utilizan  cuando  no  es  posible  asignar  en  forma  aleatoria  los participantes  a los  grupos  que  recibirán los  tratamientos experimentales. La  falta de aleatorización  introduce  posibles  problemas  de  validez  interna  y  externa.  Como comenta Weiss (1990, p. 89): 

[…]estos  diseños  deben  luchar  con  la  selección  como  fuente  posible  de 

interpretación equivocada, lo mismo que con la interacción de la selección y 

otros factores; así como, posiblemente, con los efectos de la regresión.

Asimismo, diversos elementos pudieron operar en la formación de los grupos (que no están bajo el control del investigador), que impiden afirmar que éstos son representativos de poblaciones más amplias. De este modo, dado que su validez es menor que la de los experimentos “puros”, reciben el nombre de cuasiexperimentos. A  causa  de  los  problemas  potenciales  de  validez interna,  en  estos  diseños  el 

investigador  debe intentar establecer la  semejanza entre los grupos; esto  requiere considerar  las  características  o  variables  que  estén  relacionadas  con  las  variables estudiadas (Wiersma y Jurs, 2008; Babbie, 2009).

La ausencia de asignación al azar hace que se ponga especial atención al interpretar los  resultados  y  se  tenga  sumo  cuidado  de  no  caer  en  interpretaciones  erróneas.  Las limitaciones deben identificarse con claridad, la equivalencia de los grupos debe discutirse y  la  posibilidad  de  generalizar  los  resultados,  así  como  la  representatividad,  deberán argumentarse sobre una base lógica (Wiersma y Jurs, 2008).

Los  cuasiexperimentos  difieren  de  los  experimentos “puros”  en  la  equivalencia inicial  de  los  grupos (los  primeros  trabajan  con  grupos  intactos  y  los  segundos utilizan  un  método  para  hacer  equivalentes  a  los  grupos).

Tipos de diseños cuasiexperimentales 

1. Diseño con posprueba únicamente y grupos intactos.

Este  primer  diseño  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  (01  con  02). Observe que si los grupos no son equiparables entre sí, las diferencias en las pospruebas  de  ambos  grupos  se  atribuirían  a  la  variable  independiente,  pero también  a  otras  razones  diferentes,  lo  peor  es  que  el  investigador  quizá  no  se  dé cuenta  de  ello. 

2. Diseño con prueba­posprueba y grupos intactos (uno de ellos de control). 

Este diseño es similar al que incluye posprueba únicamente y grupos intactos, sólo que en este caso a los grupos se les administra una preprueba, la cual puede servir para  verificar  la  equivalencia  inicial  de  los  grupos  (si  son  equiparables  no  debe haber  diferencias  significativas  entre  las  prepruebas  de  los  grupos).  

TIPOS DE VARIABLES EN EXPERIMENTOS 

Y CUASIEXPERIMENTOS

Como complemento a lo que se menciona en el libro sobre variables y experimentos, únicamente queremos ahondar un poco sobre los  tipos de variables en los diseños experimentales y cuasiexperimentales. Los principales tipos de variables son:

1. Independiente: tratamiento experimental que provoca efectos (causa).

2. Dependiente:  efecto  o  consecuencia  (provocado  o  provocada  por  el tratamiento o variable independiente).

3. Interviniente:  moderador  de  la  relación  causal  entre  la  variable independiente  y dependiente. Si no se conoce su efecto o no se controla, el experimento puede invalidarse. 

4. Explicaciones rivales o fuentes de invalidación interna (pueden ser variables independientes o intervinientes): su influencia debe conocerse o controlarse, de no ser así, el experimento puede invalidarse. Asimismo, es factible que se combine con otras variables para afectar a la dependiente.

5. Variable  de  control:  influye  en  la  dependiente,  pero  es  neutralizada  por  el diseño o por los procedimientos estadísticos.