6.2: Visión general de la investigación no experimental
- Page ID
- 144646
¿Qué es la investigación no experimental?
La investigación no experimental es una investigación que carece de la manipulación de una variable independiente. En lugar de manipular una variable independiente, los investigadores que realizan investigaciones no experimentales simplemente miden las variables tal como ocurren naturalmente (en el laboratorio o en el mundo real).
La mayoría de los investigadores en psicología consideran que la distinción entre investigación experimental y no experimental es extremadamente importante. Esto se debe a que aunque la investigación experimental puede proporcionar evidencia sólida de que los cambios en una variable independiente causan diferencias en una variable dependiente, la investigación no experimental generalmente no puede. Como veremos, sin embargo, esta incapacidad para sacar conclusiones causales no significa que la investigación no experimental sea menos importante que la investigación experimental. Simplemente se utiliza en casos en los que la investigación experimental no es capaz de llevarse a cabo.
Cuándo usar la investigación no experimental
Como vimos en el último capítulo, la investigación experimental es apropiada cuando el investigador tiene una pregunta o hipótesis de investigación específica sobre una relación causal entre dos variables, y es posible, factible y ético manipular la variable independiente. Es lógico, pues, que la investigación no experimental sea apropiada —incluso necesaria— cuando no se cumplen estas condiciones. Hay muchas ocasiones en las que se prefiere la investigación no experimental, incluso cuando:
- la pregunta o hipótesis de investigación se relaciona con una sola variable más que con una relación estadística entre dos variables (por ejemplo, ¿qué tan precisas son las primeras impresiones de las personas?).
- la pregunta de investigación se refiere a una relación estadística no causal entre variables (e.g., ¿existe una correlación entre la inteligencia verbal y la inteligencia matemática?).
- la pregunta de investigación es sobre una relación causal, pero la variable independiente no puede ser manipulada o los participantes no pueden ser asignados aleatoriamente a condiciones u órdenes de condiciones por razones prácticas o éticas (por ejemplo, ¿el daño al hipocampo de una persona perjudica la formación de largo plazo ¿rastros de memoria?).
- la pregunta de investigación es amplia y exploratoria, o se trata de lo que es tener una experiencia particular (por ejemplo, ¿cómo es ser una madre trabajadora diagnosticada de depresión?).
Nuevamente, la elección entre los enfoques experimentales y no experimentales generalmente viene dictada por la naturaleza de la pregunta de investigación. Recordemos que los tres objetivos de la ciencia son describir, predecir y explicar. Si el objetivo es explicar y la pregunta de investigación se refiere a las relaciones causales, entonces se prefiere típicamente el enfoque experimental. Si el objetivo es describir o predecir, es apropiado un enfoque no experimental. Pero los dos enfoques también se pueden utilizar para abordar la misma cuestión de investigación de manera complementaria. Por ejemplo, en el estudio original de obediencia (no experimental) de Milgram, le interesaba primordialmente una variable —la medida en que los participantes obedecieron al investigador cuando él le dijo que conmocionaran al confederado— y observó que todos los participantes realizaban la misma tarea en las mismas condiciones. Sin embargo, Milgram posteriormente realizó experimentos para explorar los factores que afectan la obediencia. Manipuló varias variables independientes, como la distancia entre el experimentador y el participante, el participante y el confederado, y la ubicación del estudio (Milgram, 1974) [1].
Tipos de Investigación No Experimental
La investigación no experimental se divide en dos grandes categorías: investigación correlacional e investigación observacional.
El tipo más común de investigación no experimental realizada en psicología es la investigación correlacional. La investigación correlacional se considera no experimental porque se enfoca en la relación estadística entre dos variables pero no incluye la manipulación de una variable independiente. Más específicamente, en la investigación correlacional, el investigador mide dos variables con poco o ningún intento de controlar variables extrañas y luego evalúa la relación entre ellas. Como ejemplo, un investigador interesado en la relación entre la autoestima y el rendimiento escolar podría recopilar datos sobre la autoestima de los estudiantes y sus GPA para ver si las dos variables están estadísticamente relacionadas.
La investigación observacional no es experimental porque se enfoca en hacer observaciones de comportamiento en un entorno natural o de laboratorio sin manipular nada. El estudio original de obediencia de Milgram no fue experimental de esta manera. Se interesó primordialmente en la medida en que los participantes obedecieron al investigador cuando les dijo que conmocionaran al confederado y observó a todos los participantes realizando la misma tarea en las mismas condiciones. El estudio de Loftus y Pickrell descrito al inicio de este capítulo es también un buen ejemplo de investigación observacional. La variable fue si los participantes “recordaron” haber experimentado eventos infantiles levemente traumáticos (por ejemplo, perderse en un centro comercial) que en realidad no habían experimentado pero que los investigadores les preguntaron repetidamente. En este estudio en particular, casi un tercio de los participantes “recordaron” al menos un evento. (Al igual que con el estudio original de Milgram, este estudio inspiró varios experimentos posteriores sobre los factores que afectan a los recuerdos falsos).
Estudios transversales, longitudinales y secuenciales cruzados
Cuando los psicólogos desean estudiar el cambio a lo largo del tiempo (por ejemplo, cuando los psicólogos del desarrollo desean estudiar el envejecimiento) suelen tomar uno de tres enfoques no experimentales: transversal, longitudinal o transversal secuencial. Los estudios transversales implican comparar dos o más grupos preexistentes de personas (por ejemplo, niños en diferentes etapas de desarrollo). Lo que hace que este enfoque no sea experimental es que no hay manipulación de una variable independiente y no hay asignación aleatoria de participantes a grupos. Mediante este diseño, los psicólogos del desarrollo comparan grupos de personas de diferentes edades (por ejemplo, adultos jóvenes que abarcan entre 18 y 25 años de edad frente a adultos mayores que abarcan 60-75 años de edad) en diversas variables dependientes (por ejemplo, memoria, depresión, satisfacción con la vida). Por supuesto, la principal limitación de utilizar este diseño para estudiar los efectos del envejecimiento es que las diferencias entre los grupos distintos de la edad pueden explicar diferencias en la variable dependiente. Por ejemplo, las diferencias entre los grupos pueden reflejar la generación de la que provienen las personas (un efecto de cohorte) más que un efecto directo de la edad. Por ello, los estudios longitudinales, en los que se sigue a un grupo de personas a lo largo del tiempo a medida que envejecen, ofrecen un medio superior para estudiar los efectos del envejecimiento. Sin embargo, los estudios longitudinales son por definición más largos y por lo tanto requieren una inversión mucho mayor por parte del investigador y de los participantes. Un tercer enfoque, conocido como estudios transversales secuenciales, combina elementos tanto de estudios transversales como longitudinales. En lugar de medir las diferencias entre personas de diferentes grupos de edad o seguir a las mismas personas durante un largo período de tiempo, los investigadores que adoptan este enfoque eligen un período de tiempo menor durante el cual siguen a personas en diferentes grupos de edad. Por ejemplo, podrían medir los cambios a lo largo de un periodo de diez años entre los participantes que al inicio del estudio se encuentran en los siguientes grupos de edad: 20 años, 30 años, 40 años, 50 años y 60 años. Este diseño es ventajoso porque el investigador recoge los beneficios inmediatos de poder comparar los grupos de edad después de la primera evaluación. Además, siguiendo los diferentes grupos de edad a lo largo del tiempo, pueden determinar posteriormente si las diferencias originales que encontraron entre los grupos de edad se deben a verdaderos efectos de edad o efectos de cohorte.
Los tipos de investigación que hemos discutido hasta ahora son todos cuantitativos, refiriéndose a que los datos consisten en números que se analizan mediante técnicas estadísticas. Pero como aprenderás en este capítulo, muchos estudios de investigación observacional son de naturaleza más cualitativa. En la investigación cualitativa, los datos suelen ser no numéricos y por lo tanto no pueden analizarse mediante técnicas estadísticas. El estudio observacional de Rosenhan sobre la experiencia de las personas en salas psiquiátricas fue principalmente cualitativo. Los datos fueron las notas tomadas por los “pseudopacientes” —las personas que fingían haber escuchado voces— junto con sus registros hospitalarios. El análisis de Rosenhan consiste principalmente en una descripción escrita de las experiencias de los pseudopacientes, apoyada en varios ejemplos concretos. Para ilustrar la tendencia del personal del hospital a “despersonalizar” a sus pacientes, señaló: “Al ser ingresados, yo y otros pseudopacientes nos hicimos los exámenes físicos iniciales en una sala semipública, donde los miembros del personal se ocupaban de sus propios asuntos como si no estuviéramos allí” (Rosenhan, 1973, p. 256) [2]. Los datos cualitativos tienen un conjunto separado de herramientas de análisis dependiendo de la pregunta de investigación. Por ejemplo, el análisis temático se centraría en temas que emergen en los datos o el análisis de conversación se centraría en la forma en que se decían las palabras en una entrevista o grupo focal.
Validez Interna Revisitada
Recordemos que la validez interna es la medida en que el diseño de un estudio apoya la conclusión de que los cambios en la variable independiente causaron diferencias observadas en la variable dependiente. La figura\(\PageIndex{1}\) muestra cómo las investigaciones experimentales, cuasi-experimentales y no experimentales (correlacionales) varían en términos de validez interna. La investigación experimental tiende a tener mayor validez interna porque el uso de la manipulación (de la variable independiente) y el control (de variables extrañas) ayudan a descartar explicaciones alternativas para las relaciones observadas. Si el puntaje promedio de la variable dependiente en un experimento difiere según las condiciones, es muy probable que la variable independiente sea responsable de esa diferencia. La investigación no experimental (correlacional) es la más baja en validez interna porque estos diseños no utilizan manipulación o control. La investigación cuasi-experimental (que se describirá con más detalle en un capítulo posterior) cae en el medio porque contiene algunas, pero no todas, de las características de un verdadero experimento. Por ejemplo, puede no usar la asignación aleatoria para asignar participantes a grupos o no usar el contrapeso para controlar posibles efectos de orden. Imagínese, por ejemplo, que un investigador encuentre dos escuelas similares, inicie un programa anti-bullying en una, y luego encuentre menos incidentes de acoso escolar en esa “escuela de tratamiento” que en la “escuela de control”. Si bien se está haciendo una comparación con una condición de control, la incapacidad de asignar aleatoriamente a los niños a las escuelas podría significar que los estudiantes en la escuela de tratamiento diferían de los estudiantes de la escuela de control de alguna otra manera que pudiera explicar la diferencia en el acoso escolar (por ejemplo, puede haber un efecto de selección ).
Observe también en la Figura\(\PageIndex{1}\) que existe cierta superposición en la validez interna de experimentos, cuasi-experimentos y estudios correlacionales (no experimentales). Por ejemplo, un experimento mal diseñado que incluye muchas variables de confusión puede ser menor en validez interna que un cuasiexperimento bien diseñado sin variables de confusión obvias. La validez interna es también sólo una de varias validdades que se podrían considerar, como se señala en el Capítulo 5.