2.3: Principales clases de diseños

Existen muchas formas de clasificar los diseños sistemáticos de investigación científica, pero el enfoque más común es clasificarlos como experimentales u observacionales. Los diseños experimentales se consideran más fácilmente como un experimento de laboratorio estándar. En un diseño experimental el investigador controla (mantiene constantes) tantas variables como sea posible y luego asigna sujetos a grupos, generalmente al azar. Si la aleatorización funciona (y lo hará si el tamaño de la muestra es lo suficientemente grande, pero técnicamente eso significa infinito en tamaño), entonces los dos grupos son idénticos. El investigador luego manipula el tratamiento experimental (variable independiente) para que un grupo quede expuesto a él y el otro no. Luego se observa la variable dependiente. Si la variable dependiente es diferente para los dos grupos, podemos tener bastante confianza de que la variable independiente causó la variable dependiente. Es decir, tenemos buena validez interna. Es decir, las condiciones que deben cumplirse para demostrar la causalidad se pueden cumplir con un diseño experimental. La correlación se puede determinar, el orden de tiempo es evidente y la espuriedad no es un problema, simplemente no hay una explicación alternativa.

Desafortunadamente, en las ciencias sociales, la artificialidad del entorno experimental suele crear validez externa sospechosa. Es posible que queramos conocer los efectos de una noticia en las vistas hacia el cambio climático, así que realizamos un experimento donde los participantes son llevados a un entorno de laboratorio y algunos (seleccionados al azar) ven la historia y otros ven un videoclip con un lindo gatito. Si el experimento se realiza adecuadamente, podemos determinar las consecuencias de estar expuesto a la historia. Pero, ¿podemos extrapolar de ese estudio y tener confianza en que las mismas consecuencias se encontrarían en un entorno natural, por ejemplo, en el salón de uno con niños corriendo y una bebida fría en la mano? A lo mejor no. Un buen investigador hará cosas que minimicen la artificialidad del entorno, pero la validez externa a menudo seguirá siendo sospechosa.

Los diseños observacionales tienden a tener las fortalezas y debilidades opuestas. En un diseño observacional, el investigador no puede controlar quién está expuesto al tratamiento experimental; por lo tanto, no hay asignación aleatoria y no hay control. ¿Fumar causa enfermedades cardíacas? Un investigador podría abordar esa pregunta de investigación recopilando historias médicas y de estilo de vida detalladas de un grupo de sujetos. Si existe una correlación entre quienes fuman y las enfermedades cardíacas, ¿podemos concluir una relación causal? Generalmente, la respuesta a esa pregunta es no, porque cualquier otra diferencia entre los dos grupos es una explicación alternativa (es decir, que la relación podría ser espuria). Para bien o para mal, sin embargo, hay menos amenazas a la validez externa (ver más abajo para más detalles) debido al entorno de investigación natural.

Un tipo específico de diseño observacional, el experimento natural, requiere mención porque cada vez se utilizan cada vez más a gran valor. En un experimento natural, los sujetos están expuestos a diferentes condiciones ambientales que están fuera del control del investigador, pero el proceso que rige la exposición a las diferentes condiciones posiblemente se asemeja a la asignación aleatoria. El clima, por ejemplo, es una condición ambiental que posiblemente imita la asignación aleatoria. Por ejemplo, imagina un experimento natural donde una parte de la ciudad de Nueva York recibe mucha nieve el día de las elecciones, mientras que otra parte casi no recibe nieve. Los investigadores no controlan el clima pero podrían argumentar que los patrones de nevadas son básicamente aleatorios, o, por lo menos, exógenos al comportamiento electoral. Si compras este argumento, entonces podrías usarlo como un experimento natural para estimar el impacto de las condiciones climáticas en la participación electoral. Debido a que el experimento se lleva a cabo en un entorno natural, la validez externa es un problema menor. Pero, como no tenemos control sobre todos los eventos, es posible que aún tengamos preguntas de validez interna.