8.3: Diseños de Grupos No Equivalentes
- Page ID
- 144583
Recordemos que cuando los participantes en un experimento entre sujetos son asignados aleatoriamente a condiciones, es probable que los grupos resultantes sean bastante similares. De hecho, los investigadores los consideran equivalentes. Sin embargo, cuando los participantes no son asignados aleatoriamente a condiciones, es probable que los grupos resultantes sean diferentes de alguna manera. Por esta razón, los investigadores los consideran no equivalentes. Un diseño de grupos no equivalentes , entonces, es un diseño entre sujetos en el que los participantes no han sido asignados aleatoriamente a condiciones. Hay varios tipos de diseños de grupos no equivalentes que consideraremos.
Posttest Solo Diseño de Grupos No Equivalentes
El primer diseño de grupos no equivalentes que consideraremos es el diseño de grupos no equivalentes solo posttest. En este diseño, los participantes de un grupo están expuestos a un tratamiento, un grupo no equivalente no está expuesto al tratamiento, y luego se comparan los dos grupos. Imagínese, por ejemplo, a un investigador que quiera evaluar un nuevo método de enseñanza de fracciones a alumnos de tercer grado. Una forma sería realizar un estudio con un grupo de tratamiento compuesto por una clase de alumnos de tercer grado y un grupo de control compuesto por otra clase de alumnos de tercer grado. Este diseño sería un diseño de grupos no equivalentes porque los estudiantes no son asignados aleatoriamente a clases por el investigador, lo que significa que podría haber diferencias importantes entre ellos. Por ejemplo, los padres de estudiantes de mayor rendimiento o más motivados podrían haber sido más propensos a solicitar que sus hijos fueran asignados a la clase de la Sra. Williams. O el director podría haber asignado a los “alborotadores” a la clase del señor Jones porque es un disciplinario más fuerte. Por supuesto, los estilos de los maestros, e incluso los ambientes del aula pueden ser muy diferentes y pueden causar diferentes niveles de logro o motivación entre los estudiantes. Si al final del estudio había una diferencia en el conocimiento de las fracciones de las dos clases, podría haber sido causada por la diferencia entre los métodos de enseñanza, pero podría haber sido causada por alguna de estas variables de confusión.
Por supuesto, los investigadores que utilizan un diseño posttest solo de grupos no equivalentes pueden tomar medidas para asegurar que sus grupos sean lo más similares posible. En el presente ejemplo, el investigador podría tratar de seleccionar dos clases en una misma escuela, donde los alumnos de las dos clases tienen puntajes similares en una prueba estandarizada de matemáticas y los profesores son del mismo sexo, tienen una edad cercana y tienen estilos de enseñanza similares. Dar tales pasos aumentaría la validez interna del estudio porque eliminaría algunas de las variables de confusión más importantes. Pero sin una verdadera asignación aleatoria de los estudiantes a las condiciones, queda la posibilidad de otras variables confusas importantes que el investigador no pudo controlar.
Diseño de Grupos No Equivalentes Pretest-Posttest
Otra forma de mejorar el diseño de grupos solo no equivalentes del posttest es agregar una prueba previa. En el diseño de grupos no equivalentes pretest-posttest t aquí hay un grupo de tratamiento al que se le da una prueba previa, recibe un tratamiento, y luego se le da un posttest. Pero al mismo tiempo hay un grupo de control no equivalente al que se le da una prueba previa, no recibe el tratamiento, y luego se le da una prueba posterior. La pregunta, entonces, no es simplemente si los participantes que reciben el tratamiento mejoran, sino si mejoran más que los participantes que no reciben el tratamiento.
Imagínese, por ejemplo, que a los estudiantes de una escuela se les dé una prueba previa sobre sus actitudes hacia las drogas, luego se les exponga a un programa antidrogas, y finalmente, se les haga una prueba posterior. A los alumnos de una escuela similar se les da la prueba previa, no se expone a un programa antidrogas, y finalmente, se les da un posttest. Nuevamente, si los estudiantes en la condición de tratamiento se vuelven más negativos hacia las drogas, este cambio de actitud podría ser un efecto del tratamiento, pero también podría ser cuestión de historia o maduración. Si realmente es un efecto del tratamiento, entonces los estudiantes en la condición de tratamiento deberían volverse más negativos que los estudiantes en la condición de control. Pero si se trata de una cuestión de historia (por ejemplo, noticias de una sobredosis de drogas de celebridades) o maduración (por ejemplo, un razonamiento mejorado), entonces los estudiantes en las dos condiciones probablemente mostrarían cantidades similares de cambio. Este tipo de diseño no elimina por completo la posibilidad de confundir variables, sin embargo. Algo podría ocurrir en una de las escuelas pero no en la otra (por ejemplo, una sobredosis de drogas estudiantiles), por lo que los estudiantes de la primera escuela se verían afectados por ello mientras que los estudiantes de la otra escuela no lo harían.
Volviendo al ejemplo de evaluar una nueva medida de enseñanza de alumnos de tercer grado, este estudio podría mejorarse agregando una prueba previa del conocimiento de las fracciones de los estudiantes. Los cambios en las puntuaciones de pretest a posttest se evaluarían y compararían a través de las condiciones para determinar si un grupo demostró una mayor mejora en el conocimiento de las fracciones que otro. Por supuesto, los estilos de los maestros, e incluso los ambientes de aula pueden ser muy diferentes y pueden causar diferentes niveles de logro o motivación entre los estudiantes que son independientes de la intervención docente. Una vez más, la historia diferencial también representa una amenaza potencial para la validez interna. Si se encuentra asbesto en una de las escuelas provocando que se cierre por un mes, entonces esta interrupción en la enseñanza podría producir una diferencia entre los grupos en los puntajes posteriores a las pruebas.
Si los participantes en este tipo de diseño son asignados aleatoriamente a condiciones, se convierte en un verdadero experimento entre grupos en lugar de un cuasi-experimento. De hecho, es el tipo de experimento que Eysenck pidió, y que ahora se ha llevado a cabo muchas veces, para demostrar la efectividad de la psicoterapia.
Diseño de series temporales interrumpidas con grupos no equivalentes
Una forma de mejorar el diseño de series temporales interrumpidas es agregar un grupo de control. El diseño de series temporales interrumpidas con grupos no equivalentes implica tomar un conjunto de mediciones a intervalos durante un período de tiempo tanto antes como después de una intervención de interés en dos o más grupos no equivalentes. Una vez más considere a la empresa manufacturera que mide la productividad de sus trabajadores cada semana durante un año antes y después de reducir los turnos de trabajo de 10 horas a 8 horas. Este diseño podría mejorarse ubicando a otra compañía manufacturera que no planea cambiar su longitud de turno y utilizarlos como grupo de control no equivalente. Si la productividad aumentó bastante rápido después del acortamiento de los cambios de trabajo en el grupo de tratamiento pero la productividad se mantuvo consistente en el grupo control, entonces esto proporciona una mejor evidencia de la efectividad del tratamiento.
De igual manera, en el ejemplo de examinar los efectos de tomar asistencia sobre las ausencias de los estudiantes en un curso de métodos de investigación, el diseño podría mejorarse utilizando a los estudiantes de otra sección del curso de métodos de investigación como grupo de control. Si se encontró un número consistentemente mayor de ausencias en el grupo de tratamiento antes de la intervención, seguido de una disminución sostenida de las ausencias después del tratamiento, mientras que el grupo control no equivalente mostró ausencias consistentemente altas a lo largo del semestre, esto proporcionaría evidencia superior para el efectividad del tratamiento en la reducción de ausencias.
Diseño de prueba previa y posterior a la prueba con replicación de conmutación
Algunos de estos diseños de grupos de control no equivalentes pueden mejorarse aún más agregando una replicación de conmutación. Usando un diseño pretest-posttest con diseño de replicación de conmutación, a los grupos no equivalentes se les administra una prueba previa de la variable dependiente, luego un grupo recibe un tratamiento mientras que un grupo de control no equivalente no recibe un tratamiento, la variable dependiente se evalúa nuevamente, y luego el se agrega tratamiento al grupo control, y finalmente se evalúa la variable dependiente por última vez.
Como ejemplo concreto, digamos que queríamos introducir una intervención de ejercicio para el tratamiento de la depresión. Reclutamos un grupo de pacientes con depresión y un grupo de control no equivalente de estudiantes que experimentan depresión. Primero medimos los niveles de depresión en ambos grupos, y luego introducimos la intervención de ejercicio a los pacientes que experimentan depresión, pero retrasamos la introducción del tratamiento a los estudiantes. Luego medimos los niveles de depresión en ambos grupos. Si el tratamiento es efectivo deberíamos ver una reducción en los niveles de depresión de los pacientes (que recibieron el tratamiento) pero no en los estudiantes (que aún no han recibido el tratamiento). Finalmente, mientras el grupo de pacientes continúa participando en el tratamiento, presentaríamos el tratamiento a los estudiantes con depresión. Ahora y sólo ahora deberíamos ver disminuir los niveles de depresión de los estudiantes.
Una de las fortalezas de este diseño es que incluye una replicación incorporada. En el ejemplo dado, obtendríamos evidencia de la eficacia del tratamiento en dos muestras diferentes (pacientes y estudiantes). Otra fortaleza de este diseño es que proporciona más control sobre los efectos de la historia. Se vuelve bastante improbable que algún evento externo coincidiera perfectamente con la introducción del tratamiento en el primer grupo y con la introducción tardía del tratamiento en el segundo grupo. Por ejemplo, si se produjo un cambio en el clima cuando introdujimos por primera vez el tratamiento a los pacientes, y esto explicó sus reducciones en la depresión la segunda vez que se midió la depresión, entonces veríamos disminuir los niveles de depresión en ambos grupos. De manera similar, la replicación de conmutación ayuda a controlar la maduración y la instrumentación. Se esperaría que ambos grupos mostraran las mismas tasas de remisión espontánea de la depresión y si el instrumento para evaluar la depresión cambiara en algún momento del estudio, el cambio sería consistente en ambos grupos. Por supuesto, las características de la demanda, los efectos del placebo y los efectos de la expectativa del experimentador aún pueden ser problemas. Pero se pueden controlar por utilizar algunos de los métodos descritos en el Capítulo 5.
Conmutación de replicación con diseño de eliminación de tratamiento
En un diseño básico pretest-posttest con replicación de conmutación, el primer grupo recibe un tratamiento y el segundo grupo recibe el mismo tratamiento un poco más tarde (mientras el grupo inicial continúa recibiendo el tratamiento). En contraste, en una replicación de conmutación con diseño de eliminación de tratamiento, el tratamiento se elimina del primer grupo cuando se agrega al segundo grupo. Una vez más, supongamos que primero medimos los niveles de depresión de pacientes con depresión y estudiantes con depresión. Luego introducimos la intervención de ejercicio solo a los pacientes. Después de haber estado expuestos a la intervención de ejercicio durante una semana, evaluamos nuevamente los niveles de depresión en ambos grupos. Si la intervención es efectiva entonces deberíamos ver disminuir los niveles de depresión en el grupo de pacientes pero no en el grupo de estudiantes (porque los estudiantes aún no han recibido el tratamiento). A continuación, eliminaríamos el tratamiento del grupo de pacientes con depresión. Entonces les diríamos que dejen de hacer ejercicio. Al mismo tiempo, le diríamos al grupo de estudiantes que comiencen a hacer ejercicio. Después de una semana de los estudiantes haciendo ejercicio y los pacientes no haciendo ejercicio, reevaluaríamos los niveles de depresión. Ahora bien, si la intervención es efectiva deberíamos ver que los niveles de depresión han disminuido en el grupo de estudiantes pero que han aumentado en el grupo de pacientes (porque ya no están haciendo ejercicio).
Demostrar un efecto del tratamiento en dos grupos escalonados a lo largo del tiempo y demostrar la reversión del efecto del tratamiento después de que se haya eliminado el tratamiento puede proporcionar una fuerte evidencia de la eficacia del tratamiento. Además de proporcionar evidencia de la replicabilidad de los hallazgos, este diseño también puede proporcionar evidencia de si el tratamiento continúa mostrando efectos después de haber sido retirado.