8.2: Diseños de un grupo

Objetivos de aprendizaje

1. Explicar qué es la investigación cuasi-experimental y distinguirla claramente de la investigación tanto experimental como correlacional.
2. Describir tres tipos diferentes de diseños cuasi-experimentales de un grupo.
3. Identificar las amenazas a la validez interna asociadas a cada uno de estos diseños.

diseño solo posttest de un grupo, se implementa un tratamiento (o se manipula una variable independiente) y luego se mide una variable dependiente una vez implementado el tratamiento. Imagínese, por ejemplo, a un investigador que esté interesado en la efectividad de un programa de educación antidrogas sobre las actitudes de los estudiantes de primaria hacia las drogas ilegales. El investigador podría implementar el programa antidrogas, y luego inmediatamente después de que finalice el programa, el investigador podría medir las actitudes de los estudiantes hacia las drogas ilegales.

Este es el tipo de diseño cuasi-experimental más débil. Una limitación importante para este diseño es la falta de un grupo de control o comparación. No hay forma de determinar cuáles habrían sido las actitudes de estos estudiantes si no hubieran completado el programa antidrogas. A pesar de esta importante limitación, los resultados de este diseño son frecuentemente reportados en los medios de comunicación y a menudo son malinterpretados por la población general. Por ejemplo, los anunciantes podrían afirmar que 80% de las mujeres notaron que su piel se veía brillante después de usar el limpiador Brand X durante un mes. Si no hay grupo de comparación, entonces esta estadística significa poco o nada.

Diseño de Pretest-Posttest de un Grupo

En un diseño pretest-posttest de un grupo, la variable dependiente se mide una vez antes de implementar el tratamiento y una vez después de implementarlo. Volvamos al ejemplo de un investigador interesado en la efectividad de un programa de educación antidrogas sobre las actitudes de los estudiantes de primaria hacia las drogas ilegales. El investigador podría medir las actitudes de los alumnos de una escuela primaria en particular durante una semana, implementar el programa antidrogas durante la semana siguiente y, finalmente, volver a medir sus actitudes la semana siguiente. El diseño pretest-posttest es muy parecido a un experimento dentro de los sujetos en el que cada participante se prueba primero bajo la condición de control y luego bajo la condición de tratamiento. Sin embargo, es diferente a un experimento dentro de los sujetos, en que el orden de las afecciones no se contrapesa porque normalmente no es posible que un participante sea probado primero en la condición de tratamiento y luego en una condición de control “sin tratar”.

Si el puntaje promedio posttest es mejor que el puntaje promedio previo a la prueba (por ejemplo, las actitudes hacia las drogas ilegales son más negativas después del programa educativo antidrogas), entonces tiene sentido concluir que el tratamiento podría ser responsable de la mejora. Desafortunadamente, a menudo no se puede concluir esto con un alto grado de certeza porque puede haber otras explicaciones de por qué las puntuaciones posteriores a la prueba pueden haber cambiado. Estas explicaciones alternativas plantean amenazas a la validez interna.

Una explicación alternativa va bajo el nombre de historia. Otras cosas podrían haber ocurrido entre el pretest y el posttest que provocaron un cambio de pretest a posttest. Quizás un programa antidrogas se transmitió por televisión y muchos de los estudiantes lo vieron, o tal vez una celebridad murió de una sobredosis de drogas y muchos de los estudiantes se enteraron de ello.

Otra explicación alternativa va bajo el nombre de maduración. Los participantes podrían haber cambiado entre el pretest y el posttest en formas que iban a hacer de todos modos porque están creciendo y aprendiendo. Si se tratara de un programa antidrogas de un año de duración, los participantes podrían volverse menos impulsivos o mejores razonadores y esto podría ser responsable del cambio en sus actitudes hacia las drogas ilegales.

Otra amenaza para la validez interna de los diseños pretest-posttest de un grupo es la prueba, que se refiere a cuando el acto de medir la variable dependiente durante el pretest afecta las respuestas de los participantes en el posttest. Por ejemplo, completar la medida de actitudes hacia las drogas ilegales puede haber tenido un efecto en esas actitudes. El simple hecho de completar esta medida puede haber inspirado más pensamientos y conversaciones sobre drogas ilegales que luego produjeron un cambio en los puntajes posteriores a las pruebas.

De igual manera, la instrumentación puede ser una amenaza para la validez interna de los estudios que utilizan este diseño. La instrumentación se refiere a cuando las características básicas del instrumento de medición cambian con el tiempo. Cuando se utilizan observadores humanos para medir el comportamiento, con el tiempo pueden adquirir habilidad, cansarse o cambiar los estándares en los que se basan las observaciones. Por lo que los participantes pueden haber tomado muy en serio la medida de las actitudes hacia las drogas ilegales durante la prueba previa cuando era novedosa, pero entonces pueden haberse aburrido con la medida en la postprueba y haber sido menos cuidadosos al considerar sus respuestas.

Otra explicación alternativa para un cambio en la variable dependiente en un diseño pretest-posttest es la regresión a la media. Esto se refiere al hecho estadístico de que un individuo que puntúa extremadamente alto o extremadamente bajo en una variable en una ocasión tenderá a anotar menos extremadamente en la siguiente ocasión. Por ejemplo, un bombín con un promedio a largo plazo de 150 que de repente lanza un 220 casi seguro anotará más bajo en el próximo juego. Su puntuación “retrocederá” hacia su puntuación media de 150. La regresión a la media puede ser un problema cuando los participantes son seleccionados para su estudio posterior debido a sus puntajes extremos. Imagínese, por ejemplo, que solo a los estudiantes que obtuvieron puntajes especialmente altos en la prueba de actitudes hacia las drogas ilegales (aquellos con actitudes extremadamente favorables hacia las drogas) se les dio el programa antidrogas y luego se volvieron a probar. Regresión a la media casi garantiza que sus puntajes serán menores en el posttest aunque el programa de entrenamiento no surta efecto.

Un concepto estrechamente relacionado, y uno extremadamente importante en la investigación psicológica, es la remisión espontánea. Esta es la tendencia de muchos problemas médicos y psicológicos a mejorar con el tiempo sin ningún tipo de tratamiento. El resfriado común es un buen ejemplo. Si uno fuera a medir la severidad de los síntomas en 100 enfermos de resfriado común hoy en día, darles un plato de sopa de pollo todos los días, y luego volver a medir la gravedad de sus síntomas en una semana, probablemente estarían mucho mejor. Esto no quiere decir que la sopa de pollo fuera la responsable de la mejora, sin embargo, porque se habrían mejorado mucho sin ningún tratamiento en absoluto. Lo mismo ocurre con muchos problemas psicológicos. Un grupo de personas gravemente deprimidas hoy en día es probable que esté menos deprimido en promedio en 6 meses. Al revisar los resultados de varios estudios de tratamientos para la depresión, los investigadores Michael Posternak e Ivan Miller encontraron que los participantes en condiciones de control de lista de espera mejoraron un promedio de 10 a 15% antes de recibir algún tratamiento en absoluto (Posternak & Miller, 2001) ^[1]. Por lo tanto, generalmente se debe ser muy cauteloso al inferir la causalidad a partir de diseños pretest-posttest.

Un enfoque común para descartar las amenazas a la validez interna descritas anteriormente es revisar el diseño de la investigación para incluir un grupo control, uno que no reciba el efecto del tratamiento. Un grupo control estaría sujeto a las mismas amenazas de historia, maduración, pruebas, instrumentación, regresión a la media y remisión espontánea, por lo que permitiría al investigador medir el efecto real del tratamiento (si lo hubiera). Por supuesto, incluir un grupo de control significaría que este ya no es un diseño de un solo grupo.

¿Funciona la Psicoterapia?

Los primeros estudios sobre la efectividad de la psicoterapia tendían a utilizar diseños pretest-posttest. En un artículo clásico de 1952, el investigador Hans Eysenck resumió los resultados de 24 estudios de este tipo mostrando que cerca de dos tercios de los pacientes mejoraron entre el pretest y el posttest (Eysenck, 1952) ^[2]. Pero Eysenck también comparó estos resultados con datos de archivo de registros de hospitales estatales y compañías de seguros que muestran que pacientes similares se recuperaron aproximadamente al mismo ritmo sin recibir psicoterapia. Este paralelo sugirió a Eysenck que la mejoría que mostraron los pacientes en los estudios pretest-posttest no podría ser más que la remisión espontánea. Obsérvese que Eysenck no concluyó que la psicoterapia fuera ineficaz. Simplemente concluyó que no había evidencia de que así fuera, y escribió sobre “la necesidad de realizar estudios experimentales debidamente planificados y ejecutados en este importante campo” (p. 323). Puedes leer el artículo completo aquí:

http://psychclassics.yorku.ca/Eysenck/psychotherapy.htm

Afortunadamente, muchos otros investigadores aceptaron el desafío de Eysenck, y para 1980 se habían realizado cientos de experimentos en los que los participantes fueron asignados aleatoriamente a condiciones de tratamiento y control, y los resultados se resumieron en un libro clásico de Mary Lee Smith, Gene Glass y Thomas Miller ( Smith, Glass, & Miller, 1980) ^[3]. Encontraron que la psicoterapia general fue bastante efectiva, con alrededor del 80% de los participantes del tratamiento mejorando más que el participante control promedio. Las investigaciones posteriores se han centrado más en las condiciones en las que los diferentes tipos de psicoterapia son más o menos efectivos.

Diseño de series temporales interrumpidas

Una variante del diseño pretest-posttest es el diseño de series temporales interrumpidas. Una serie temporal es un conjunto de mediciones tomadas a intervalos durante un periodo de tiempo. Por ejemplo, una empresa manufacturera podría medir la productividad de sus trabajadores cada semana durante un año. En un diseño de serie-tiempo interrumpido, una serie temporal como esta es “interrumpida” por un tratamiento. En un ejemplo clásico, el tratamiento fue la reducción de los turnos de trabajo en una fábrica de 10 horas a 8 horas (Cook & Campbell, 1979) ^[4]. Debido a que la productividad aumentó bastante rápido después del acortamiento de los turnos de trabajo, y debido a que permaneció elevada durante muchos meses después, el investigador concluyó que el acortamiento de los turnos provocó el aumento de la productividad. Observe que el diseño de series temporales interrumpidas es como un diseño pretest-posttest ya que incluye mediciones de la variable dependiente tanto antes como después del tratamiento. Es diferente al diseño pretest-posttest, sin embargo, en que incluye múltiples mediciones pretest y posttest.

La figura\(\PageIndex{1}\) muestra datos de un estudio hipotético de series temporales interrumpidas. La variable dependiente es el número de ausencias de estudiantes por semana en un curso de métodos de investigación. El tratamiento es que el instructor comience a tomar asistencia públicamente todos los días para que los alumnos sepan que el instructor es consciente de quién está presente y quién está ausente. El panel superior de la Figura\(\PageIndex{1}\) muestra cómo podrían verse los datos si este tratamiento funcionara. Hay un número consistentemente alto de ausencias antes del tratamiento, y hay una disminución inmediata y sostenida de las ausencias después del tratamiento. El panel inferior de la Figura\(\PageIndex{1}\) muestra cómo podrían verse los datos si este tratamiento no funcionara. En promedio, el número de ausencias después del tratamiento es aproximadamente el mismo que el número anterior. Esta figura también ilustra una ventaja del diseño de series temporales interrumpidas sobre un diseño más simple de pretest-posttest. Si solo hubiera habido una medición de ausencias antes del tratamiento en la semana 7 y otra después en la semana 8, entonces habría parecido que el tratamiento era el responsable de la reducción. Las múltiples mediciones tanto antes como después del tratamiento sugieren que la reducción entre las Semanas 7 y 8 no es más que la variación normal semana a semana.

Figura\(\PageIndex{1}\): Un diseño hipotético de series temporales interrumpidas. El panel superior muestra datos que sugieren que el tratamiento provocó una reducción en las ausencias. El panel inferior muestra datos que sugieren que no lo hizo.

Referencias

1. Posternak, M. A., & Miller, I. (2001). Curso no tratado a corto plazo de depresión mayor: metaanálisis de estudios utilizando resultados de estudios con grupos de control en lista de espera. Revista de Trastornos Afectivos, 66, 139—146.
2. Eysenck, H. J. (1952). Los efectos de la psicoterapia: Una evaluación. Revista de Psicología Consultora, 16, 319—324.
3. Smith, M. L., Glass, G. V., & Miller, T. I. (1980). Los beneficios de la psicoterapia. Baltimore, MD: Prensa de la Universidad Johns Hopkins.
4. Cook, T. D., & Campbell, D. T. (1979). Cuasi-experimentación: problemas de diseño y análisis en entornos de campo. Boston, MA: Houghton Mifflin.