2.1: Diseños de investigación

Por Christie Napa Scollon

Universidad de Administración de Singapur

Los psicólogos prueban preguntas de investigación utilizando una variedad de métodos. La mayoría de las investigaciones se basan en correlaciones o experimentos. Con correlaciones, los investigadores miden las variables tal como ocurren naturalmente en las personas y calculan el grado en que dos variables van juntas. Con experimentos, los investigadores realizan activamente cambios en una variable y están atentos a cambios en otra variable. Los experimentos permiten a los investigadores hacer inferencias causales. Otros tipos de métodos incluyen diseños longitudinales y cuasi-experimentales. Muchos factores, entre ellos las limitaciones prácticas, determinan el tipo de métodos que utilizan los investigadores. A menudo los investigadores encuestan a las personas a pesar de que sería mejor, pero más caro y lento, rastrearlas longitudinalmente.

objetivos de aprendizaje

• Articular la diferencia entre diseños correlacionales y experimentales.
• Entender cómo interpretar las correlaciones.
• Entender cómo los experimentos nos ayudan a inferir la causalidad.
• Entender cómo se relacionan las encuestas con la investigación correlacional y experimental.
• Explicar qué es un estudio longitudinal.
• Enumerar una fortaleza y debilidad de diferentes diseños de investigación.

Diseños de Investigación

A principios de la década de 1970, un hombre llamado Uri Geller engañó al mundo: convenció a cientos de miles de personas de que podía doblar cucharas y relojes lentos usando solo el poder de su mente. De hecho, si estuvieras en el público, probablemente habrías creído que tenía poderes psíquicos. Todo parecía auténtico, ¡este hombre tenía que tener habilidades paranormales! Entonces, ¿por qué probablemente nunca has oído hablar de él antes? Porque cuando se le pidió a Uri que realizara sus milagros en línea con la experimentación científica, ya no era capaz de hacerlos. Es decir, a pesar de que parecía que estaba haciendo lo imposible, cuando fue probado por la ciencia, demostró ser nada más que un mago inteligente.

Cuando miramos los huesos de dinosaurios para hacer conjeturas educadas sobre la vida extinta, o trazamos sistemáticamente los cielos para aprender sobre las relaciones entre estrellas y planetas, o estudiamos magos para descubrir cómo realizan sus trucos, estamos formando observaciones, la base de la ciencia. Aunque todos estamos familiarizados con el dicho “ver es creer”, dirigir la ciencia es más que solo lo que perciben tus ojos. La ciencia es el resultado del estudio sistemático e intencional del mundo natural. Y la psicología no es diferente. En la película Jerry Maguire, Cuba Gooding, Jr. se hizo famoso por usar la frase, “¡Muéstrame el dinero!” En psicología, como en todas las ciencias, podríamos decir: “¡Muéstrame los datos!”

Uno de los pasos importantes en la investigación científica es poner a prueba nuestras preguntas de investigación, también conocidas como hipótesis. Sin embargo, hay muchas formas de probar hipótesis en la investigación psicológica. El método que elijas dependerá del tipo de preguntas que estés haciendo, así como de qué recursos tienes a tu disposición. Todos los métodos tienen limitaciones, razón por la cual la mejor investigación utiliza una variedad de métodos.

La mayor parte de la investigación psicológica se puede dividir en dos tipos: la investigación experimental y la correlacional.

Investigación Experimental

Si alguien te diera 20 dólares que absolutamente tenían que gastarse hoy, ¿cómo elegirías gastarlo? ¿Lo gastarías en un artículo que llevas semanas mirando, o donarías el dinero a organizaciones benéficas? ¿Qué opción crees que te traería más felicidad? Si eres como la mayoría de la gente, elegirías gastar el dinero en ti mismo (duh, ¿verdad?). Nuestra intuición es que estaríamos más felices si gastáramos el dinero en nosotros mismos.

En el Corner Perk Cafe los clientes pagan rutinariamente por las bebidas de extraños. ¿Es esta la manera de obtener la mayor felicidad de una taza de café? La investigación de Elizabeth Dunn muestra que gastar dinero en otros puede afectar nuestra felicidad de manera diferente a gastar dinero en nosotros mismos. [Imagen: El paquete de la isla, goo.gl/DMXA5n]

Sabiendo que nuestra intuición a veces puede estar equivocada, la profesora Elizabeth Dunn (2008) de la Universidad de Columbia Británica se propuso realizar un experimento sobre el gasto y la felicidad. Ella le dio a cada uno de los participantes en su experimento 20 dólares y luego les dijo que tenían que gastar el dinero al final del día. A algunos de los participantes se les dijo que debían gastar el dinero en sí mismos, y a algunos se les dijo que debían gastar el dinero en otros (ya sea de caridad o un regalo para alguien). Al final del día, midió los niveles de felicidad de los participantes mediante un cuestionario de autoreporte. (Pero espera, ¿cómo mides algo así como la felicidad cuando realmente no puedes verla? Los psicólogos miden muchos conceptos abstractos, como la felicidad y la inteligencia, comenzando con definiciones operativas de los conceptos. Consulte los módulos Noba sobre Inteligencia [noba.to/ncb2h79v] y Felicidad [noba.to/qnw7g32t], respectivamente, para obtener más información sobre estrategias de medición específicas.)

En un experimento, los investigadores manipulan, o provocan cambios, en la variable independiente, y observan o miden cualquier impacto de esos cambios en la variable dependiente. La variable independiente es la que está bajo el control del experimentador, o la variable que se altera intencionalmente entre grupos. En el caso del experimento de Dunn, la variable independiente era si los participantes gastaban el dinero en sí mismos o en otros. La variable dependiente es la variable que no se manipula en absoluto, o aquella en la que ocurre el efecto. Una forma de ayudar a recordar esto es que la variable dependiente “depende” de lo que le suceda a la variable independiente. En nuestro ejemplo, la felicidad de los participantes (la variable dependiente en este experimento) depende de cómo los participantes gasten su dinero (la variable independiente). Así, cualquier cambio observado o diferencia de grupo en la felicidad puede atribuirse a quien se gastó el dinero. Lo que Dunn y sus colegas encontraron fue que, después de que se había hecho todo el gasto, las personas que habían gastado el dinero en otros estaban más felices que las que habían gastado el dinero en sí mismas. En otras palabras, gastar en otros nos hace ser más felices que gastar en nosotros mismos. ¿Esto te parece sorprendente?

¡Pero espera! ¿La felicidad no depende de muchos factores diferentes, por ejemplo, la crianza o las circunstancias de la vida de una persona? ¿Y si algunas personas tuvieran infancias felices y por eso son más felices? ¿O qué pasa si alguna gente dejó caer su brindis esa mañana y se le cayó al revés y arruinó todo su día? Es correcto reconocer que estos factores y muchos más pueden afectar fácilmente el nivel de felicidad de una persona. Entonces, ¿cómo podemos concluir con precisión que gastar dinero en otros causa felicidad, como en el caso del experimento de Dunn?

Lo más importante de los experimentos es la asignación aleatoria. Los participantes no pueden elegir en qué condición se encuentran (por ejemplo, los participantes no eligieron si se suponía que iban a gastar el dinero en ellos mismos frente a otros). El experimentador los asigna a una condición particular basada en el volteo de una moneda o el rollo de un dado o cualquier otro método aleatorio. ¿Por qué los investigadores hacen esto? Con el estudio de Dunn, existe la razón obvia: puedes imaginar en qué condición elegiría estar la mayoría de la gente, si se le diera la opción. Pero otra razón igualmente importante es que la asignación aleatoria hace que los grupos, en promedio, sean similares en todas las características excepto en lo que manipula el experimentador.

Al asignar aleatoriamente a las personas a condiciones (autogasto versus otro gasto), algunas personas con infancias felices deberían terminar en cada condición. De igual manera, algunas personas que habían dejado caer su brindis esa mañana (o experimentaron alguna otra decepción) deberían terminar en cada condición. Como resultado, la distribución de todos estos factores generalmente será consistente entre los dos grupos, y esto significa que en promedio los dos grupos serán relativamente equivalentes en todos estos factores. La asignación aleatoria es crítica para la experimentación porque si la única diferencia entre los dos grupos es la variable independiente, podemos inferir que la variable independiente es la causa de cualquier diferencia observable (por ejemplo, en la cantidad de felicidad que sienten al final del día).

Aquí hay otro ejemplo de la importancia de la asignación aleatoria: Digamos que tu clase va a formar dos equipos de basquetbol, y llegas a ser el capitán de un equipo. La clase se va a dividir equitativamente entre los dos equipos. Si llegas a elegir primero a los jugadores para tu equipo, ¿a quién elegirás? Probablemente elegirás a los miembros más altos de la clase o a los más atléticos. Probablemente no elegirás a las personas cortas y descoordinadas, a menos que no haya otras opciones. Como resultado, tu equipo será más alto y más atlético que el otro equipo. Pero, ¿y si queremos que los equipos sean justos? ¿Cómo podemos hacer esto cuando tenemos personas de diferente estatura y habilidad? Todo lo que tenemos que hacer es asignar jugadores al azar a los dos equipos. Lo más probable es que algunas personas altas y algunas bajas terminen en tu equipo, y algunas personas altas y algunas bajas terminarán en el otro equipo. La altura promedio de los equipos será aproximadamente la misma. ¡Ese es el poder de la asignación aleatoria!

Otras consideraciones

Además de usar asignación aleatoria, debes evitar introducir confundidos en tus experimentos. Los confundidos son cosas que podrían socavar tu capacidad para sacar inferencias causales. Por ejemplo, si quisieras probar si una nueva píldora feliz hará que las personas sean más felices, podrías asignar aleatoriamente a los participantes a tomar la píldora feliz o no (la variable independiente) y comparar estos dos grupos en su felicidad autoinformada (la variable dependiente). Sin embargo, si algunos participantes saben que están recibiendo la píldora feliz, podrían desarrollar expectativas que influyan en su felicidad autoinformada. Esto a veces se conoce como un efecto placebo. A veces una persona con solo saber que está recibiendo un tratamiento especial o algo nuevo es suficiente para realmente causar cambios en el comportamiento o la percepción: En otras palabras, incluso si los participantes en la condición de píldora feliz informaran de ser más felices, no sabríamos si la píldora realmente los estaba haciendo más feliz o si fue el efecto placebo, un ejemplo de un error. Una idea relacionada es la demanda de los participantes. Esto ocurre cuando los participantes intentan comportarse de una manera que piensan que el experimentador quiere que se comporten. Los efectos de placebo y la demanda de los participantes a menudo ocurren de forma Incluso las expectativas de los experimentadores pueden influir en el resultado de un estudio. Por ejemplo, si el experimentador sabe quién tomó la píldora feliz y quién no, y la variable dependiente son las observaciones del experimentador sobre la felicidad de las personas, entonces el experimentador podría percibir mejoras en el grupo de la píldora feliz que realmente no están ahí.

Una forma de evitar que estos confundidos afecten los resultados de un estudio es utilizar un procedimiento doble ciego. En un procedimiento doble ciego, ni el participante ni el experimentador conocen en qué condición se encuentra el participante. Por ejemplo, cuando a los participantes se les da la píldora feliz o la píldora falsa, no saben cuál están recibiendo. De esta manera los participantes no deben experimentar el efecto placebo, y serán incapaces de comportarse como el investigador espera (demanda de los participantes). De igual manera, el investigador no sabe qué píldora está tomando cada participante (al menos al principio, posteriormente, el investigador obtendrá los resultados con fines de análisis de datos), lo que significa que las expectativas del investigador no pueden influir en sus observaciones. Por lo tanto, debido a que ambas partes son “ciegas” ante la condición, ninguna podrá comportarse de una manera que introduzca un confundio. Al final del día, la única diferencia entre grupos será qué pastillas recibieron los participantes, lo que permitirá al investigador determinar si la píldora feliz realmente causó que las personas fueran más felices.

Diseños correlacionales

Cuando los científicos observan y miden pasivamente fenómenos se llama investigación correlacional. Aquí, no intervenimos y cambiamos el comportamiento, como lo hacemos en los experimentos. En la investigación correlacional, identificamos patrones de relaciones, pero generalmente no podemos inferir qué causa qué. Es importante destacar que con la investigación correlacional, solo se pueden examinar dos variables a la vez, ni más ni menos.

Entonces, ¿y si quisieras probar si gastar en otros está relacionado con la felicidad, pero no tienes 20 dólares para dar a cada participante? Podrías usar un diseño correlacional, que es exactamente lo que hizo el profesor Dunn también. Preguntó a la gente cuánto de sus ingresos gastaban en otros o donaban a la caridad, y más tarde les preguntó qué tan felices estaban. ¿Crees que estas dos variables estaban relacionadas? ¡Sí, lo fueron! Cuanto más dinero la gente reportaba gastar en otros, más felices estaban.

Más detalles sobre la correlación

Para saber qué tan bien corresponden dos variables, podemos trazar la relación entre las dos puntuaciones en lo que se conoce como diagrama de dispersión (Figura 2.4.1). En la gráfica de dispersión, cada punto representa un punto de datos. (En este caso se trata de individuos, pero podría ser alguna otra unidad.) Es importante destacar que cada punto nos proporciona dos datos, en este caso, información sobre lo bien que calificó la persona el mes pasado (eje x) y qué tan feliz se sintió la persona en el último mes (eje y). Qué variable se traza en qué eje no importa.

Figura 2.4.1: Gráfica de dispersión de la asociación entre felicidad y calificaciones del mes pasado, una correlación positiva (r = .81). Cada punto representa un individuo.

La asociación entre dos variables se puede resumir estadísticamente utilizando el coeficiente de correlación (abreviado como r). Un coeficiente de correlación proporciona información sobre la dirección y la fuerza de la asociación entre dos variables. Para el ejemplo anterior, la dirección de la asociación es positiva. Esto significa que las personas que percibieron el mes pasado como bueno reportaron sentirse más felices, mientras que las personas que percibieron el mes como malo informaron sentirse menos felices.

Con una correlación positiva, las dos variables suben o bajan juntas. En una gráfica de dispersión, los puntos forman un patrón que se extiende desde la parte inferior izquierda hasta la parte superior derecha (tal como lo hacen en la Figura 2.4.1). El valor r para una correlación positiva se indica mediante un número positivo (aunque, generalmente se omite el signo positivo). Aquí, el valor de r es .81.

Una correlación negativa es aquella en la que las dos variables se mueven en direcciones opuestas. Es decir, a medida que una variable sube, la otra baja. La Figura 2.4.2 muestra la asociación entre la estatura promedio de machos en un país (eje y) y la prevalencia de patógenos (o comunalidad de enfermedad; eje x) de ese país. En esta gráfica de dispersión, cada punto representa un país. Observe cómo los puntos se extienden desde la parte superior izquierda hasta la parte inferior derecha. ¿Qué significa esto en términos del mundo real? Significa que las personas son más bajas en partes del mundo donde hay más enfermedades. El valor r para una correlación negativa se indica con un número negativo, es decir, tiene un signo menos (—) delante de él. Aquí, es —.83.

Figura 2.4.2: Gráfica de dispersión que muestra la asociación entre la estatura masculina promedio y la prevalencia de patógenos, una correlación negativa (r = —.83). Cada punto representa un país. (Chiao, 2009)

La fuerza de una correlación tiene que ver con qué tan bien se alinean las dos variables. Recordemos que en el estudio correlacional del profesor Dunn, el gasto en otros se correlacionó positivamente con la felicidad: Cuanto más dinero la gente reportaba gastar en otros, más felices informaron ser. En este punto puede que estés pensando para ti mismo, conozco a una persona muy generosa que regaló mucho dinero a otras personas pero ¡es miserable! O tal vez conozcas a una persona muy tacaña que es feliz como puede ser. Sí, puede haber excepciones. Si una asociación tiene muchas excepciones, se considera una correlación débil. Si una asociación tiene pocas o ninguna excepción, se considera una correlación fuerte. Una fuerte correlación es aquella en la que las dos variables siempre, o casi siempre, van juntas. En el ejemplo de la felicidad y lo bueno que ha sido el mes, la asociación es fuerte. Cuanto más fuerte sea una correlación, más apretados serán dispuestos los puntos en la gráfica de dispersión a lo largo de una línea inclinada.

El valor r de una correlación fuerte tendrá un alto valor absoluto. En otras palabras, ignoras si hay un signo negativo frente al valor r, y solo consideras el tamaño del valor numérico en sí. Si el valor absoluto es grande, es una correlación fuerte. Una correlación débil es aquella en la que las dos variables corresponden algunas veces, pero no la mayor parte del tiempo. La Figura 2.4.3 muestra la relación entre la valoración de la felicidad y el promedio de calificaciones (GPA). La gente que valoraba más la felicidad tendía a obtener calificaciones ligeramente inferiores, pero hubo muchas excepciones a esto. El valor r para una correlación débil tendrá un valor absoluto bajo. Si dos variables están tan débilmente relacionadas como para no estar relacionadas, decimos que no están correlacionadas, y el valor r será cero o muy cercano a cero. En el ejemplo anterior, ¿es fuerte la correlación entre la altura y la prevalencia de patógenos? En comparación con la Figura 2.4.3, los puntos en la Figura 2.4.2 son más ajustados y menos dispersos. El valor absoluto de —.83 es grande. Por lo tanto, se trata de una fuerte correlación negativa.

Figura 2.4.3: Gráfica de dispersión que muestra la asociación entre valorar la felicidad y GPA, una correlación negativa débil (r = —.32). Cada punto representa un individuo.

¿Se puede adivinar la fuerza y dirección de la correlación entre la edad y el año de nacimiento? Si dijiste que esta es una fuerte correlación negativa, ¡tienes razón! Las personas mayores siempre tienen menores años de nacimiento que las personas más jóvenes (p. ej., 1950 vs. 1995), pero al mismo tiempo, las personas mayores tendrán una edad mayor (p. ej., 65 vs. 20). De hecho, esta es una correlación perfecta porque no hay excepciones a este patrón. ¡Te reto a encontrar a un niño de 10 años nacido antes del 2003! No se puede.

Problemas con la correlación

Si la generosidad y la felicidad están correlacionadas positivamente, ¿deberíamos concluir que ser generoso causa felicidad? De igual manera, si la altura y la prevalencia de patógenos se correlacionan negativamente, ¿deberíamos concluir que la enfermedad causa brevedad? Solo de una correlación, no podemos estar seguros. Por ejemplo, en el primer caso puede ser que la felicidad cause generosidad, o que la generosidad cause felicidad. O bien, una tercera variable podría causar tanto felicidad como generosidad, creando la ilusión de un vínculo directo entre ambas. Por ejemplo, la riqueza podría ser la tercera variable que provoca tanto una mayor felicidad como una mayor generosidad. Es por ello que la correlación no significa causación—una frase a menudo repetida entre los psicólogos.

Diseños Cualitativos

Así como la investigación correlacional nos permite estudiar temas que no podemos manipular experimentalmente (por ejemplo, si tienes un ingreso grande o pequeño), existen otros tipos de diseños de investigación que nos permiten investigar estos temas más difíciles de estudiar. Los diseños cualitativos, incluyendo la observación participante, los estudios de casos y el análisis narrativo son ejemplos de tales metodologías. Si bien algo tan simple como la “observación” puede parecer que formaría parte de todos los métodos de investigación, la observación participante es una metodología distinta que implica que el investigador se integre a sí mismo en un grupo para estudiar su dinámica. Por ejemplo, Festinger, Riecken y Shacter (1956) estaban muy interesados en la psicología de un culto en particular. Sin embargo, este culto era muy reservado y no concedería entrevistas a miembros externos. Entonces, para estudiar a estas personas, Festinger y sus colegas fingieron ser miembros de culto, permitiéndoles acceder al comportamiento y la psicología del culto. A pesar de este ejemplo, cabe señalar que las personas que están siendo observadas en un estudio de observación participante suelen saber que el investigador está ahí para estudiarlas.

Otro método cualitativo para la investigación es el estudio de caso, que implica un examen intensivo de individuos específicos o contextos específicos. Sigmund Freud, el padre del psicoanálisis, fue famoso por utilizar este tipo de metodología; sin embargo, los ejemplos más actuales de estudios de casos suelen involucrar lesiones cerebrales. Por ejemplo, imagine que los investigadores quieren saber cómo una lesión cerebral muy específica afecta la experiencia de felicidad de las personas. Obviamente, los investigadores no pueden realizar investigaciones experimentales que impliquen infligir este tipo de lesiones a las personas. Al mismo tiempo, son muy pocas las personas que tienen este tipo de lesiones para realizar investigaciones correlacionales. En tal caso, el investigador podrá examinar sólo a una persona con esta lesión cerebral, pero al hacerlo, el investigador someterá al participante a una ronda muy extensa de pruebas. Ojalá lo que se aprenda de esta persona pueda aplicarse a otras; sin embargo, incluso con pruebas minuciosas, existe la posibilidad de que algo único en este individuo (que no sea la lesión cerebral) afecte su felicidad. Pero con un número tan limitado de posibles participantes, un estudio de caso es realmente el único tipo de metodología adecuada para investigar esta lesión cerebral.

El método cualitativo final que se discutirá en esta sección es el análisis narrativo. El análisis narrativo se centra en el estudio de historias y relatos personales de personas, grupos o culturas. En esta metodología, en lugar de relacionarse directamente con los participantes, o cuantificar sus respuestas o comportamientos, los investigadores analizarán los temas, la estructura y el diálogo de la narrativa de cada persona. Es decir, un investigador examinará los testimonios personales de las personas para conocer más sobre la psicología de esos individuos o grupos. Estas historias pueden ser escritas, grabadas en audio o videograbadas, y permiten al investigador no sólo estudiar lo que dice el participante sino cómo lo dice. Cada persona tiene una perspectiva única del mundo, y estudiar la forma en que transmite una historia puede proporcionar una visión de esa perspectiva.

Diseños cuasi-experimentales

¿Y si quieres estudiar los efectos del matrimonio en una variable? Por ejemplo, ¿el matrimonio hace más feliz a la gente? ¿Puedes asignar aleatoriamente a algunas personas para que se casen y otras para que permanezcan solteras? Por supuesto que no. Entonces, ¿cómo se pueden estudiar estas importantes variables? Se puede utilizar un diseño cuasi-experimental.

¿Cuál es una manera razonable de estudiar los efectos del matrimonio en la felicidad? [Imagen: Nina Matthews Photography, goo.gl/icmlqg, CC BY-NC-SA, goo.gl/HSISDG]

Un diseño cuasi-experimental es similar a la investigación experimental, excepto que no se utiliza asignación aleatoria a condiciones. En cambio, dependemos de las membresías de grupo existentes (por ejemplo, casados vs. solteros). Las tratamos como las variables independientes, a pesar de que no asignamos a las personas a las condiciones y no manipulamos las variables. Como resultado, con diseños cuasi-experimentales la inferencia causal es más difícil. Por ejemplo, las personas casadas pueden diferir en una variedad de características de las personas solteras. Si encontramos que los participantes casados son más felices que los solteros, será difícil decir que el matrimonio causa felicidad, porque las personas que se casaron podrían haber sido ya más felices que las personas que han permanecido solteras.

Debido a que los diseños experimentales y cuasi-experimentales pueden parecer bastante similares, tomemos otro ejemplo para distinguirlos. Imagina que quieres saber quién es un mejor profesor: el Dr. Smith o el Dr. Khan. Para juzgar su capacidad, vas a mirar las calificaciones finales de sus alumnos. Aquí, la variable independiente es el profesor (Dr. Smith vs. Dr. Khan) y la variable dependiente son las calificaciones de los estudiantes. En un diseño experimental, asignarías aleatoriamente estudiantes a uno de los dos profesores y luego compararías las calificaciones finales de los estudiantes. Sin embargo, en la vida real, los investigadores no pueden obligar al azar a los estudiantes a tomar un profesor sobre otro; en cambio, los investigadores solo tendrían que usar las clases preexistentes y estudiarlas tal cual (diseño cuasiexperimental). Nuevamente, la diferencia clave es la asignación aleatoria a las condiciones de la variable independiente. Aunque el diseño cuasi-experimental (donde los alumnos eligen a qué profesor quieren) puede parecer aleatorio, lo más probable es que no lo sea. Por ejemplo, tal vez los estudiantes escucharon que el Dr. Smith establece expectativas bajas, así que los holgados prefieren esta clase, mientras que el Dr. Khan establece expectativas más altas, por lo que los estudiantes más inteligentes prefieren esa Esto introduce ahora una variable confusa (inteligencia estudiantil) que seguramente tendrá un efecto en las calificaciones finales de los estudiantes, independientemente de lo hábil que sea el profesor. Entonces, aunque un diseño cuasi-experimental es similar a un diseño experimental (es decir, tiene una variable independiente manipulada), porque no hay asignación aleatoria, no puedes sacar razonablemente las mismas conclusiones que harías con un diseño experimental.

Estudios Longitudinal

Otro diseño de investigación poderoso es el estudio longitudinal. Estudios longitudinales rastrean a las mismas personas a lo largo del tiempo. Algunos estudios longitudinales duran algunas semanas, algunos algunos meses, algunos un año o más. Algunos estudios que han contribuido mucho a la psicología siguieron a las mismas personas a lo largo de décadas. Por ejemplo, un estudio siguió a más de 20 mil alemanes durante dos décadas. A partir de estos datos longitudinales, el psicólogo Rich Lucas (2003) pudo determinar que las personas que terminan casándose de hecho empiezan un poco más felices que sus compañeros que nunca se casan. Estudios longitudinales como este proporcionan una valiosa evidencia para probar muchas teorías en psicología, pero pueden ser bastante costosas de llevar a cabo, especialmente si siguen a muchas personas durante muchos años.

Encuestas

Las encuestas proporcionan a los investigadores algunas ventajas significativas en la recopilación de datos. Permiten llegar a un gran número de personas manteniendo relativamente bajos los costos para los investigadores y los compromisos de tiempo de los participantes.

Una encuesta es una forma de recopilar información, utilizando cuestionarios anticuados o Internet. En comparación con un estudio realizado en un laboratorio de psicología, las encuestas pueden llegar a un mayor número de participantes a un costo mucho menor. Aunque las encuestas suelen utilizarse para la investigación correlacional, este no es siempre el caso. También se puede llevar a cabo un experimento utilizando encuestas. Por ejemplo, King y Napa (1998) presentaron a los participantes diferentes tipos de estímulos en papel: ya sea una encuesta realizada por una persona feliz o una encuesta realizada por una persona infeliz. Querían ver si las personas felices eran juzgadas como más propensas a entrar al cielo en comparación con las personas infelices. ¿Se pueden averiguar las variables independientes y dependientes en este estudio? ¿Puedes adivinar cuáles fueron los resultados? ¡Las personas felices (vs. las personas infelices; la variable independiente) fueron juzgadas como más propensas a ir al cielo (la variable dependiente) en comparación con las personas infelices!

De igual manera, la investigación correlacional se puede realizar sin el uso de encuestas. Por ejemplo, las psicólogas LeeAnn Harker y Dacher Keltner (2001) examinaron la intensidad de la sonrisa de las fotos del anuario universitario femenino. ¡Sonreír en las fotos se correlacionó con estar casado 10 años después!

Las compensaciones en la investigación

A pesar de que existen serias limitaciones a la investigación correlacional y cuasiexperimental, no son primos pobres de experimentos y diseños longitudinales. Además de seleccionar un método que sea apropiado a la pregunta, muchas preocupaciones prácticas pueden influir en la decisión de usar un método sobre otro. Uno de estos factores es simplemente la disponibilidad de recursos: ¿cuánto tiempo y dinero tiene para invertir en la investigación? (Consejo: Si estás haciendo una tesis de honor senior, ¡no te embarques en un estudio longitudinal largo a menos que estés preparado para retrasar la graduación!) A menudo, encuestamos a las personas aunque sería más preciso, pero mucho más difícil, rastrearlas longitudinalmente. Especialmente en el caso de la investigación exploratoria, puede tener sentido optar primero por un método más barato y rápido. Entonces, si los resultados del estudio inicial son prometedores, el investigador puede dar seguimiento con un método más intensivo.

Más allá de estas preocupaciones prácticas, otra consideración al seleccionar un diseño de investigación es la ética del estudio. Por ejemplo, en casos de lesión cerebral u otras anomalías neurológicas, sería poco ético para los investigadores infligir estas deficiencias a los participantes sanos. Sin embargo, estudiar a las personas con estas lesiones puede proporcionar una gran visión de la psicología humana (por ejemplo, si aprendemos que el daño a una región particular del cerebro interfiere con las emociones, es posible que podamos desarrollar tratamientos para las irregularidades emocionales). Además de las lesiones cerebrales, existen muchas otras áreas de investigación que podrían ser útiles para comprender la mente humana pero que plantean desafíos a un verdadero diseño experimental, como las experiencias de guerra, aislamiento a largo plazo, crianza abusiva o uso prolongado de drogas. Sin embargo, ninguna de estas son condiciones a las que podamos manipular éticamente experimentalmente y asignar aleatoriamente a las personas. Por lo tanto, las consideraciones éticas son otro factor crucial para determinar un diseño de investigación adecuado.

Métodos de investigación: por qué los necesitas

Simplemente mire cualquier medio de noticias importante y encontrará investigaciones que se reportan de manera rutinaria. A veces el periodista entiende la metodología de investigación, a veces no (por ejemplo, la evidencia correlacional a menudo se representa incorrectamente como evidencia causal). A menudo, los medios de comunicación se apresuran a sacar una conclusión para ti. Después de leer este módulo, debes reconocer que la fuerza de un hallazgo científico radica en la fuerza de su metodología. Por lo tanto, para ser un consumidor inteligente de la investigación, es necesario comprender los pros y los contras de los diferentes métodos y las distinciones entre ellos. Además, comprender cómo los psicólogos van sistemáticamente a responder preguntas de investigación te ayudará a resolver problemas en otros dominios, tanto personales como profesionales, no solo en psicología.

Recursos Externos

Artículo: Estudio de Harker y Keltner sobre fotografías del anuario y matrimonio

http://psycnet.apa.org/journals/psp/80/1/112/

Artículo: Estudio longitudinal de Rich Lucas sobre los efectos del matrimonio en la felicidad

http://psycnet.apa.org/journals/psp/84/3/527/

Artículo: Gastar dinero en otros promueve la felicidad. La investigación de Elizabeth Dunn

https://www.sciencemag.org/content/3.../1687.abstract

Artículo: ¿Qué hace que una vida sea buena?

http://psycnet.apa.org/journals/psp/75/1/156/

Preguntas de Discusión

1. ¿Cuáles son algunas diferencias clave entre la investigación experimental y la correlacional?
2. ¿Por qué los investigadores podrían utilizar a veces métodos distintos de los experimentos?
3. ¿Cómo se relacionan las encuestas con los diseños correlacionales y experimentales?

El vocabulario

Confunde

Factores que socavan la capacidad de extraer inferencias causales a partir de un experimento.

Correlación

Mide la asociación entre dos variables, o cómo van juntas.

Variable dependiente

La variable que el investigador mide pero no manipula en un experimento.

Expectativas del experimentador

Cuando las expectativas del experimentador influyen en el resultado de un estudio.

Variable independiente

La variable que el investigador manipula y controla en un experimento.

Estudio longitudinal

Un estudio que sigue al mismo grupo de individuos a lo largo del tiempo.

Definiciones operacionales

Cómo los investigadores miden específicamente un concepto.

Demanda participante

Cuando los participantes se comportan de una manera que piensan que el experimentador quiere que se comporten.

Efecto placebo

Al recibir un trato especial o algo nuevo afecta el comportamiento humano.

Diseño cuasi-experimental

Un experimento que no requiere asignación aleatoria a condiciones.

Asignación aleatoria

Asignar a los participantes para recibir diferentes condiciones de un experimento por casualidad.

Referencias

• Chiao, J. (2009). Cultura—coevolución génica del individualismo — colectivismo y el gen transportador de serotonina. Actas de la Real Sociedad B, 277, 529-537. doi: 10.1098/rspb.2009.1650
• Dunn, E. W., Akinin, L. B., & Norton, M. I. (2008). Gastar dinero en otros promueve la felicidad. Ciencia, 319 (5870), 1687—1688. doi:10.1126/ciencia.1150952
• Festinger, L., Riecken, H.W., & Schachter, S. (1956). Cuando la profecía falla. Minneapolis, MN: Prensa de la Universidad de Minnesota.
• Harker, L. A., & Keltner, D. (2001). Expresiones de emoción positiva en las imágenes del anuario universitario de mujeres y su relación con la personalidad y los resultados de la vida a lo largo de la edad adulta. Revista de Personalidad y Psicología Social, 80, 112—124.
• King, L. A., & Napa, C. K. (1998). ¿Qué hace que una vida sea buena? Revista de Personalidad y Psicología Social, 75, 156—165.
• Lucas, R. E., Clark, A. E., Georgellis, Y., & Diener, E. (2003). Reexaminar la adaptación y el modelo de consigna de la felicidad: Reacciones a los cambios en el estado civil. Revista de Personalidad y Psicología Social, 84, 527—539.