2.5: Algunos diseños comunes

Última actualización
Guardar como PDF

Page ID: 150143

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

En esta sección analizamos algunos diseños comunes de investigación, la notación utilizada para simbolizarlos, y luego considerar la validez interna y externa de los diseños. Comenzamos con el diseño experimental más básico, el diseño posttest único Figura\(\PageIndex{3}\). En este diseño, los sujetos son asignados aleatoriamente a uno de los dos grupos, recibiendo un grupo el tratamiento experimental. ⁴ Hay ventajas en este diseño en que es relativamente económico y elimina las amenazas asociadas con las pruebas previas. Si la aleatorización funcionara las medidas previas a la prueba (no observadas) serían las mismas por lo que cualquier diferencia en las observaciones se debía al tratamiento experimental. El problema es que la aleatorización podría fallarnos, especialmente si el tamaño de la muestra es pequeño.

Figura\(\PageIndex{3}\): Diseño Experimental Post-test Solamente (con un Grupo de Control)

Muchos grupos experimentales son pequeños y muchos investigadores no se sienten cómodos confiando en la aleatorización sin verificación empírica de que los grupos son iguales, por lo que otro diseño común es el Pre-test, Post Test Design (Figura\(\PageIndex{4}\)). Al realizar una prueba previa, podemos estar seguros de que los grupos son idénticos cuando comienza el experimento. Las desventajas son que agregar grupos aumenta el costo (y/o disminuye el tamaño de los grupos) y que las diversas amenazas debidas a las pruebas comienzan a ser una preocupación. Consideremos el ejemplo utilizado anteriormente sobre una noticia y puntos de vista sobre el cambio climático. Si a los sujetos se les diera una prueba previa sobre sus puntos de vista sobre el cambio climático y luego se expusieran a la noticia, podrían estar más atentos a la historia. Si ocurre un cambio, podemos decir que se debió a la historia (validez interna), pero hay que preguntarnos si podemos generalizar a personas que no habían sido sensibilizadas de antemano.

Figura\(\PageIndex{4}\): Diseño Experimental Pretest, Post-Test (con un Grupo de Control)

Un diseño experimental final aborda todos los inconvenientes de los dos anteriores combinándolos en lo que se llama el Diseño del Grupo Solomon Four (Figura\(\PageIndex{5}\)). Intuitivamente es claro que las preocupaciones de los dos diseños anteriores se tratan en este diseño, pero el análisis real es complicado. Además, este diseño es caro por lo que si bien puede representar un ideal, la mayoría de los investigadores encuentran necesario comprometerse.

Figura\(\PageIndex{5}\): Diseño experimental de cuatro grupos Solomon

Incluso el diseño del Grupo Solomon Four no resuelve todos nuestros problemas de validez. Todavía es probable que sufra de la artificialidad del entorno experimental. Los investigadores generalmente prueban una variedad de tácticas para minimizar la artificialidad del entorno a través de una variedad de esfuerzos, como ver el clip de noticias mencionado anteriormente en un entorno similar a una sala de estar en lugar de en un monitor de computadora en un cubículo o hacer investigaciones con jurado en el juzgado en lugar del sótano de un edificio universitario.

Los diseños observacionales carecen de asignación aleatoria, por lo que todos los diseños anteriores pueden considerarse diseños observacionales cuando la asignación a grupos no es aleatoria. Podrías, por ejemplo, considerar los efectos de un nuevo estilo de enseñanza en los puntajes de los exámenes de los estudiantes. Un aula podría obtener la intervención (el nuevo estilo de enseñanza) y otro no estar expuesto a ella (el viejo estilo de enseñanza). Dado que los estudiantes no son asignados aleatoriamente a las aulas, no es experimental y las amenazas que resultan del sesgo de selección se convierten en una preocupación (junto con todas las mismas preocupaciones que tenemos en el entorno experimental). Lo que ganamos, por supuesto, es la eliminación o minimización de la preocupación por el entorno experimental.

Un diseño final que se utiliza comúnmente son las medidas repetidas o diseño de investigación longitudinal donde se realizan observaciones repetidas a lo largo del tiempo y en algún momento, hay una intervención (tratamiento experimental) y luego se realizan observaciones posteriores (Figura\(\PageIndex{6}\)). El sesgo de selección y las amenazas de prueba son preocupaciones obvias con este diseño. Pero también hay preocupaciones sobre la historia, la maduración y la mortalidad. Cualquier cosa que ocurra entre O _n y O _n+1 se convierte en una explicación alternativa para cualquier cambio que encontremos. Este diseño también puede tener un grupo de control, que daría pistas respecto a la amenaza de la historia. Debido al tiempo extendido que implica este tipo de diseño, el investigador está demasiado preocupado por la mortalidad y maduración experimental.

Figura\(\PageIndex{6}\): Diseño Experimental de Medidas Repetidas

Esta breve discusión ilustra los principales diseños de investigación y los desafíos para maximizar la validez interna y externa. Con estos diseños experimentales, nos preocupamos por la validez externa, pero como hemos dicho buscamos la capacidad de hacer declaraciones causales, parece que se podría dar preferencia a la investigación a través de diseños experimentales. Ciertamente, vemos cada vez más diseños experimentales en la ciencia política con contribuciones importantes. Pero, antes de descartar los diseños observacionales, debemos señalar que en capítulos posteriores, proporcionaremos un enfoque para proporcionar controles estadísticos que, en parte, sustituyan al control que obtenemos con diseños experimentales.