5.2: Conceptos básicos del experimento
- Page ID
- 144669
¿Qué es un experimento?
Como vimos anteriormente en el libro, un experimento es un tipo de estudio diseñado específicamente para responder a la pregunta de si existe una relación causal entre dos variables. En otras palabras, si los cambios en una variable (referida como variable independiente) provocan un cambio en otra variable (denominada variable dependiente). Los experimentos tienen dos características fundamentales. La primera es que los investigadores manipulan, o varían sistemáticamente, el nivel de la variable independiente. Los diferentes niveles de la variable independiente se denominan condiciones. Por ejemplo, en el experimento de Darley y Latané, la variable independiente fue el número de testigos que los participantes consideraban presentes. Los investigadores manipularon esta variable independiente diciendo a los participantes que había uno, dos o cinco estudiantes más involucrados en la discusión, creando así tres condiciones. Para un nuevo investigador, es fácil confundir estos términos al creer que hay tres variables independientes en esta situación: uno, dos o cinco estudiantes involucrados en la discusión, pero en realidad solo hay una variable independiente (número de testigos) con tres niveles diferentes o condiciones (uno, dos o cinco alumnos). La segunda característica fundamental de un experimento es que el investigador ejerce control sobre, o minimiza la variabilidad en, variables distintas de la variable independiente y dependiente. Estas otras variables se denominan variables extrañas. Darley y Latané probaron a todos sus participantes en la misma sala, los expusieron a la misma situación de emergencia, y así sucesivamente. También asignaron aleatoriamente a sus participantes a condiciones para que los tres grupos fueran similares entre sí para empezar. Observe que aunque las palabras manipulación y control tienen significados similares en el lenguaje cotidiano, los investigadores hacen una clara distinción entre ellas. Manipulan la variable independiente cambiando sistemáticamente sus niveles y controlan otras variables manteniéndolas constantes.
Manipulación de la Variable Independiente
Nuevamente, manipular una variable independiente significa cambiar su nivel sistemáticamente para que diferentes grupos de participantes estén expuestos a diferentes niveles de esa variable, o el mismo grupo de participantes esté expuesto a diferentes niveles en diferentes tiempos. Por ejemplo, para ver si la escritura expresiva afecta la salud de las personas, un investigador podría instruir a algunos participantes a escribir sobre experiencias traumáticas y a otros a escribir sobre experiencias neutrales. Los diferentes niveles de la variable independiente se denominan condiciones, y los investigadores suelen dar a las condiciones nombres descriptivos cortos para que sea fácil hablar y escribir sobre ellas. En este caso, las condiciones podrían llamarse la “condición traumática” y la “condición neutra”.
Observe que la manipulación de una variable independiente debe implicar la intervención activa del investigador. Comparar grupos de personas que difieren en la variable independiente antes de que comience el estudio no es lo mismo que manipular esa variable. Por ejemplo, un investigador que compara la salud de las personas que ya llevan un diario con la salud de las personas que no llevan un diario no ha manipulado esta variable y por lo tanto no ha realizado un experimento. Esta distinción es importante porque los grupos que ya difieren de una manera al comienzo de un estudio probablemente también difieran en otras formas. Por ejemplo, las personas que optan por llevar diarios también podrían ser más concienzudas, más introvertidas o menos estresadas que las personas que no lo hacen. Por lo tanto, cualquier diferencia observada entre los dos grupos en cuanto a su salud podría haber sido causada por si llevan o no un diario, o podría haber sido causada por alguna de las otras diferencias entre las personas que llevan y no llevan diarios. Por lo tanto, la manipulación activa de la variable independiente es crucial para eliminar posibles explicaciones alternativas para los resultados.
Por supuesto, hay muchas situaciones en las que la variable independiente no puede ser manipulada por razones prácticas o éticas y por lo tanto un experimento no es posible. Por ejemplo, no se puede manipular si las personas tienen o no una experiencia significativa de enfermedad temprana, lo que hace imposible realizar un experimento sobre el efecto de las experiencias tempranas de enfermedad en el desarrollo de la hipocondriasis. Esta advertencia no significa que sea imposible estudiar la relación entre las experiencias tempranas de la enfermedad y la hipocondriasis, solo que debe hacerse usando enfoques no experimentales. Discutiremos este tipo de metodología en detalle más adelante en el libro.
Las variables independientes pueden manipularse para crear dos condiciones y los experimentos que involucran una sola variable independiente con dos condiciones a menudo se denominan un diseño de dos niveles de factor único. Sin embargo, a veces se pueden obtener mayores conocimientos agregando más condiciones a un experimento. Cuando un experimento tiene una variable independiente que se manipula para producir más de dos condiciones, se le conoce como un diseño de múltiples niveles de factor único. Entonces, en lugar de comparar una condición en la que había un testigo con una condición en la que había cinco testigos (lo que representaría un diseño de dos niveles de un solo factor), el experimento de Darley y Latané utilizó un diseño multinivel de un solo factor, manipulando la variable independiente para producir tres condiciones (una condición de un testigo, dos testigos y una condición de cinco testigos).
Control de Variables Extrañas
Como hemos visto anteriormente en el capítulo, una variable extraña es cualquier cosa que varía en el contexto de un estudio que no sean las variables independientes y dependientes. En un experimento sobre el efecto de la escritura expresiva en la salud, por ejemplo, las variables extrañas incluirían variables participantes (diferencias individuales) como su capacidad de escritura, su dieta y su género. También incluirían variables situacionales o de tareas como la hora del día en que los participantes escriben, ya sea que escriban a mano o en una computadora, y el clima. Las variables extrañas plantean un problema porque muchas de ellas probablemente tengan algún efecto sobre la variable dependiente. Por ejemplo, la salud de los participantes se verá afectada por muchas cosas distintas de si se dedican o no a la escritura expresiva. Este factor influyente puede dificultar la separación del efecto de la variable independiente de los efectos de las variables extrañas, por lo que es importante controlar las variables extrañas manteniéndolas constantes.
Variables extrañas como “ruido”
Las variables extrañas dificultan la detección del efecto de la variable independiente de dos maneras. Una es agregar variabilidad o “ruido” a los datos. Imagínese un experimento simple sobre el efecto del estado de ánimo (feliz vs. triste) en la cantidad de eventos infantiles felices que la gente puede recordar. Los participantes son puestos en un estado de ánimo negativo o positivo (mostrándoles un videoclip feliz o triste) y luego se les pide que recuerden tantos eventos felices de la infancia como puedan. Las dos columnas más a la izquierda de Table\(\PageIndex{1}\) muestran cómo serían los datos si no hubiera variables extrañas y el número de eventos de infancia feliz que recordaron los participantes se vio afectado solo por sus estados de ánimo. Cada participante en la condición de humor feliz recordó exactamente cuatro eventos de infancia feliz, y cada participante en la condición de humor triste recordó exactamente tres. El efecto del estado de ánimo aquí es bastante obvio. En realidad, sin embargo, los datos probablemente se parecerían más a los de las dos columnas más a la derecha de Table\(\PageIndex{1}\). Incluso en la condición de estado de ánimo feliz, algunos participantes recordarían menos recuerdos felices porque tienen menos para dibujar, usan estrategias de recuerdo menos efectivas o están menos motivados. E incluso en la condición de humor triste, algunos participantes recordarían recuerdos más felices de la infancia porque tienen más recuerdos felices en los que dibujar, usan estrategias de recuerdo más efectivas, o están más motivados. Si bien la diferencia de medias entre los dos grupos es la misma que en los datos idealizados, esta diferencia es mucho menos obvia en el contexto de la mayor variabilidad en los datos. Así, una razón por la que los investigadores intentan controlar variables extrañas es que sus datos se parezcan más a los datos idealizados en Table\(\PageIndex{1}\), lo que hace que el efecto de la variable independiente sea más fácil de detectar (aunque los datos reales nunca se ven tan bueno).
| Datos “silenciosos” idealizados | Datos realistas “ruidosos” | ||
|---|---|---|---|
| Estado de ánimo feliz | Estado de ánimo triste | Estado de ánimo feliz | Estado de ánimo triste |
| 4 | 3 | 3 | 1 |
| 4 | 3 | 6 | 3 |
| 4 | 3 | 2 | 4 |
| 4 | 3 | 4 | 0 |
| 4 | 3 | 5 | 5 |
| 4 | 3 | 2 | 7 |
| 4 | 3 | 3 | 2 |
| 4 | 3 | 1 | 5 |
| 4 | 3 | 6 | 1 |
| 4 | 3 | 8 | 2 |
| M = 4 | M = 3 | M = 4 | M = 3 |
Una forma de controlar las variables extrañas es mantenerlas constantes. Esta técnica puede significar mantener constantes las variables de situación o tarea probando a todos los participantes en una misma ubicación, dándoles instrucciones idénticas, tratándolas de la misma manera, y así sucesivamente. También puede significar mantener constantes las variables participantes. Por ejemplo, muchos estudios del lenguaje limitan a los participantes a personas diestras, que generalmente tienen sus áreas de lenguaje aisladas en sus hemisferios cerebrales izquierdos [1]. Las personas zurdas tienen más probabilidades de tener sus áreas de lenguaje aisladas en sus hemisferios cerebrales derechos o distribuidas por ambos hemisferios, lo que puede cambiar la forma en que procesan el lenguaje y con ello agregar ruido a los datos.
En principio, los investigadores pueden controlar variables extrañas limitando a los participantes a una categoría muy específica de persona, como las carreras de psicología de 20 años, heterosexuales, mujeres, diestros. La desventaja obvia de este enfoque es que disminuiría la validez externa del estudio, en particular, la medida en que los resultados pueden generalizarse más allá de las personas realmente estudiadas. Por ejemplo, podría no estar claro si los resultados obtenidos con una muestra de mujeres lesbianas más jóvenes se aplicarían a hombres homosexuales mayores. En muchas situaciones, las ventajas de una muestra diversa (mayor validez externa) superan la reducción de ruido lograda por una homogénea.
Variables extrañas como variables de confusión
La segunda forma en que las variables extrañas pueden dificultar la detección del efecto de la variable independiente es convirtiéndose en variables confusas. Una variable confusa es una variable extraña que difiere en promedio entre los niveles de la variable independiente (es decir, es una variable extraña que varía sistemáticamente con la variable independiente). Por ejemplo, en casi todos los experimentos, los cocientes de inteligencia (IQ) de los participantes serán una variable extraña. Pero siempre y cuando haya participantes con un coeficiente intelectual cada vez mayor en cada condición para que el coeficiente intelectual promedio sea aproximadamente igual en todas las condiciones, entonces esta variación probablemente sea aceptable (e incluso puede ser deseable). Lo que sería malo, sin embargo, sería que los participantes en una condición tuvieran un coeficiente intelectual sustancialmente más bajo en promedio y que los participantes en otra condición tuvieran un coeficiente intelectual sustancialmente más alto en promedio. En este caso, el coeficiente intelectual sería una variable confusa.
Confundir significa confundir, y este efecto es exactamente por lo que las variables de confusión son indeseables. Debido a que difieren sistemáticamente entre las condiciones, al igual que la variable independiente, proporcionan una explicación alternativa para cualquier diferencia observada en la variable dependiente. La figura\(\PageIndex{1}\) muestra los resultados de un estudio hipotético, en el que los participantes en una condición de estado de ánimo positivo obtuvieron puntuaciones más altas en una tarea de memoria que los participantes en una condición de estado de ánimo negativo. Pero si el coeficiente intelectual es una variable confusa, ya que los participantes en la condición de estado de ánimo positivo tienen un coeficiente intelectual más alto en promedio que los participantes en la condición de humor negativo, entonces no está claro si fueron los estados de ánimo positivos o el coeficiente intelectual más alto lo que provocó que los participantes en la primera condición obtuvieran una puntuación más alta. Una forma de evitar las variables confusas es manteniendo constantes las variables extrañas. Por ejemplo, se podría evitar que el coeficiente intelectual se convierta en una variable confusa limitando a los participantes solo a aquellos con un coeficiente intelectual de exactamente 100. Pero este enfoque no siempre es deseable por razones que ya hemos discutido. En breve se discutirá en detalle un segundo enfoque mucho más general —la asignación aleatoria a las condiciones—.
Condiciones de Tratamiento y Control
En la investigación psicológica, un tratamiento es cualquier intervención destinada a cambiar el comportamiento de las personas para mejor. Esta intervención incluye psicoterapias y tratamientos médicos para trastornos psicológicos pero también intervenciones diseñadas para mejorar el aprendizaje, promover la conservación, reducir los prejuicios, etc. Para determinar si un tratamiento funciona, los participantes son asignados aleatoriamente a una condición de tratamiento, en la que reciben el tratamiento, o a una condición de control, en la que no reciben el tratamiento. Si los participantes en la condición de tratamiento terminan mejor que los participantes en la condición de control —por ejemplo, están menos deprimidos, aprenden más rápido, conservan más, expresan menos prejuicios— entonces el investigador puede concluir que el tratamiento funciona. En la investigación sobre la efectividad de las psicoterapias y tratamientos médicos, este tipo de experimento a menudo se denomina ensayo clínico aleatorizado.
Existen diferentes tipos de condiciones de control. En una condición de control sin tratamiento, los participantes no reciben ningún tipo de tratamiento. Un problema con este enfoque, sin embargo, es la existencia de efectos placebo. Un placebo es un tratamiento simulado que carece de cualquier ingrediente activo o elemento que deba hacerlo efectivo, y un efecto placebo es un efecto positivo de dicho tratamiento . Muchos remedios caseros que parecen funcionar, como comer sopa de pollo para un resfriado o colocar jabón debajo de las sábanas para detener los calambres nocturnos en las piernas, probablemente no sean más que placebos. Aunque los efectos del placebo no se entienden bien, probablemente estén impulsados principalmente por las expectativas de las personas de que mejorarán. Tener la expectativa de mejorar puede resultar en una reducción del estrés, la ansiedad y la depresión, lo que puede alterar las percepciones e incluso mejorar el funcionamiento del sistema inmunológico (Price, Finniss, & Benedetti, 2008) [2].
Los efectos del placebo son interesantes por derecho propio (ver Nota “El poderoso placebo”), pero también plantean un problema grave para los investigadores que desean determinar si un tratamiento funciona. La figura\(\PageIndex{2}\) muestra algunos resultados hipotéticos en los que los participantes en una condición de tratamiento mejoraron más en promedio que los participantes en una condición de control sin tratamiento. Si estas condiciones (las dos barras más a la izquierda en la Figura\(\PageIndex{2}\)) fueran las únicas condiciones en este experimento, sin embargo, no se podría concluir que el tratamiento funcionó. Podría ser en cambio que los participantes en el grupo de tratamiento mejoraron más porque esperaban mejorar, mientras que aquellos en la condición de control sin tratamiento no lo hicieron.
Afortunadamente, hay varias soluciones a este problema. Una es incluir una condición de control de placebo, en la que los participantes reciben un placebo que se parece mucho al tratamiento pero que carece del ingrediente activo o elemento que se cree que es responsable de la efectividad del tratamiento. Cuando los participantes en una condición de tratamiento toman una píldora, por ejemplo, entonces aquellos en una condición de control de placebo tomarían una píldora de aspecto idéntico que carece del ingrediente activo en el tratamiento (una “píldora de azúcar”). En la investigación sobre la efectividad de la psicoterapia, el placebo podría implicar ir a un psicoterapeuta y hablar de manera desestructurada sobre los problemas de uno. La idea es que si los participantes tanto en el tratamiento como en el grupo control placebo esperan mejorar, entonces cualquier mejora en el grupo de tratamiento por encima de la del grupo control placebo debe haber sido causada por el tratamiento y no por las expectativas de los participantes. Esta diferencia es lo que se muestra mediante una comparación de las dos barras exteriores en la Figura 5.4.
Por supuesto, el principio del consentimiento informado requiere que se les diga a los participantes que se les asignará ya sea a un tratamiento o a una condición de control de placebo, aunque no se les pueda decir cuál hasta que termine el experimento. En muchos casos a los participantes que habían estado en la condición de control se les ofrece entonces la oportunidad de tener el tratamiento real. Un enfoque alternativo es utilizar una condición de control de lista de espera, en la que se dice a los participantes que recibirán el tratamiento pero deben esperar hasta que los participantes en la condición de tratamiento ya lo hayan recibido. Esta divulgación permite a los investigadores comparar a los participantes que han recibido el tratamiento con los participantes que actualmente no lo están recibiendo pero que aún esperan mejorar (eventualmente). Una solución final al problema de los efectos del placebo es dejar fuera completamente la condición de control y comparar cualquier tratamiento nuevo con el mejor tratamiento alternativo disponible. Por ejemplo, un nuevo tratamiento para la fobia simple podría compararse con la terapia de exposición estándar. Debido a que los participantes en ambos padecimientos reciben un tratamiento, sus expectativas sobre la mejora deben ser similares. Este enfoque también tiene sentido porque una vez que hay un tratamiento efectivo, la pregunta interesante sobre un nuevo tratamiento no es simplemente “¿Funciona?” pero “¿Funciona mejor de lo que ya está disponible?
Referencias
- Knecht, S., Dräger, B., Deppe, M., Bobe, L., Lohmann, H., Flöel, A.,. Henningsen, H. (2000). La mano y el dominio del lenguaje hemisférico en humanos sanos. Cerebro: Una revista de neurología, 123 (12), 2512-2518. http://dx.doi.org/10.1093/brain/123.12.2512
- Price, D. D., Finniss, D. G., & Benedetti, F. (2008). Una revisión integral del efecto placebo: Avances recientes y pensamiento actual. Revisión Anual de Psicología, 59, 565—590.
- Shapiro, A. K., & Shapiro, E. (1999). El poderoso placebo: De sacerdote antiguo a médico moderno. Baltimore, MD: Prensa de la Universidad Johns Hopkins.
- Moseley, J. B., O'Malley, K., Petersen, N. J., Menke, T. J., Brody, B. A., Kuykendall, D. H.,... Wray, N. P. (2002). Un ensayo controlado de cirugía artroscópica para artrosis de rodilla. The New England Journal of Medicine, 347, 81—88.