Saltar al contenido principal
LibreTexts Español

1.5: Diseño Experimental y Ética

  • Page ID
    153430
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)

    ( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\id}{\mathrm{id}}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\kernel}{\mathrm{null}\,}\)

    \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\)

    \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\)

    \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    \( \newcommand{\vectorA}[1]{\vec{#1}}      % arrow\)

    \( \newcommand{\vectorAt}[1]{\vec{\text{#1}}}      % arrow\)

    \( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vectorC}[1]{\textbf{#1}} \)

    \( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)

    \( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)

    \( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)

    \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \(\newcommand{\avec}{\mathbf a}\) \(\newcommand{\bvec}{\mathbf b}\) \(\newcommand{\cvec}{\mathbf c}\) \(\newcommand{\dvec}{\mathbf d}\) \(\newcommand{\dtil}{\widetilde{\mathbf d}}\) \(\newcommand{\evec}{\mathbf e}\) \(\newcommand{\fvec}{\mathbf f}\) \(\newcommand{\nvec}{\mathbf n}\) \(\newcommand{\pvec}{\mathbf p}\) \(\newcommand{\qvec}{\mathbf q}\) \(\newcommand{\svec}{\mathbf s}\) \(\newcommand{\tvec}{\mathbf t}\) \(\newcommand{\uvec}{\mathbf u}\) \(\newcommand{\vvec}{\mathbf v}\) \(\newcommand{\wvec}{\mathbf w}\) \(\newcommand{\xvec}{\mathbf x}\) \(\newcommand{\yvec}{\mathbf y}\) \(\newcommand{\zvec}{\mathbf z}\) \(\newcommand{\rvec}{\mathbf r}\) \(\newcommand{\mvec}{\mathbf m}\) \(\newcommand{\zerovec}{\mathbf 0}\) \(\newcommand{\onevec}{\mathbf 1}\) \(\newcommand{\real}{\mathbb R}\) \(\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}\) \(\newcommand{\laspan}[1]{\text{Span}\{#1\}}\) \(\newcommand{\bcal}{\cal B}\) \(\newcommand{\ccal}{\cal C}\) \(\newcommand{\scal}{\cal S}\) \(\newcommand{\wcal}{\cal W}\) \(\newcommand{\ecal}{\cal E}\) \(\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}\) \(\newcommand{\gray}[1]{\color{gray}{#1}}\) \(\newcommand{\lgray}[1]{\color{lightgray}{#1}}\) \(\newcommand{\rank}{\operatorname{rank}}\) \(\newcommand{\row}{\text{Row}}\) \(\newcommand{\col}{\text{Col}}\) \(\renewcommand{\row}{\text{Row}}\) \(\newcommand{\nul}{\text{Nul}}\) \(\newcommand{\var}{\text{Var}}\) \(\newcommand{\corr}{\text{corr}}\) \(\newcommand{\len}[1]{\left|#1\right|}\) \(\newcommand{\bbar}{\overline{\bvec}}\) \(\newcommand{\bhat}{\widehat{\bvec}}\) \(\newcommand{\bperp}{\bvec^\perp}\) \(\newcommand{\xhat}{\widehat{\xvec}}\) \(\newcommand{\vhat}{\widehat{\vvec}}\) \(\newcommand{\uhat}{\widehat{\uvec}}\) \(\newcommand{\what}{\widehat{\wvec}}\) \(\newcommand{\Sighat}{\widehat{\Sigma}}\) \(\newcommand{\lt}{<}\) \(\newcommand{\gt}{>}\) \(\newcommand{\amp}{&}\) \(\definecolor{fillinmathshade}{gray}{0.9}\)

    ¿La aspirina reduce el riesgo de ataques cardíacos? ¿Una marca de fertilizante es más efectiva en el cultivo de rosas que otra? ¿La fatiga es tan peligrosa para un conductor como la influencia del alcohol? Preguntas como estas se responden mediante experimentos aleatorios. En este módulo, aprenderás aspectos importantes del diseño experimental. El diseño adecuado del estudio garantiza la producción de datos confiables y precisos.

    El propósito de un experimento es investigar la relación entre dos variables. Cuando una variable causa cambio en otra, llamamos a la primera variable la variable explicativa. La variable afectada se denomina variable de respuesta. En un experimento aleatorizado, el investigador manipula valores de la variable explicativa y mide los cambios resultantes en la variable respuesta. Los diferentes valores de la variable explicativa se denominan tratamientos. Una unidad experimental es un solo objeto o individuo a medir.

    Se quiere investigar la efectividad de la vitamina E en la prevención de enfermedades. Reclutas a un grupo de sujetos y les preguntas si regularmente toman vitamina E. Se nota que los sujetos que toman vitamina E exhiben mejor salud en promedio que los que no. ¿Prueba esto que la vitamina E es efectiva en la prevención de enfermedades? No lo hace. Existen muchas diferencias entre los dos grupos comparados además del consumo de vitamina E. Las personas que toman vitamina E regularmente suelen tomar otras medidas para mejorar su salud: ejercicio, dieta, otros suplementos vitamínicos, elegir no fumar. Cualquiera de estos factores podría estar influyendo en la salud. Como se describe, este estudio no prueba que la vitamina E sea la clave para la prevención de enfermedades.

    Las variables adicionales que pueden nublar un estudio se denominan variables al acecho. Para demostrar que la variable explicativa está provocando un cambio en la variable respuesta, es necesario aislar la variable explicativa. La investigadora debe diseñar su experimento de tal manera que solo haya una diferencia entre los grupos que se comparan: los tratamientos planificados. Esto se logra mediante la asignación aleatoria de unidades experimentales a grupos de tratamiento. Cuando a los sujetos se les asignan tratamientos al azar, todas las variables potenciales de acecho se distribuyen por igual entre los grupos. En este punto la única diferencia entre grupos es la que impone el investigador. Los diferentes resultados medidos en la variable respuesta, por lo tanto, deben ser un resultado directo de los diferentes tratamientos. De esta manera, un experimento puede probar una conexión de causa y efecto entre las variables explicativas y de respuesta.

    El poder de la sugestión puede tener una influencia importante en el resultado de un experimento. Los estudios han demostrado que la expectativa del participante del estudio puede ser tan importante como la medicación real. En un estudio de medicamentos que mejoran el rendimiento, los investigadores señalaron:

    Los resultados mostraron que creer que uno había tomado la sustancia resultó en tiempos de [rendimiento] casi tan rápidos como los asociados con el consumo del medicamento en sí. En contraste, tomar el medicamento sin conocimiento no produjo un incremento significativo en el desempeño. 1

    Cuando la participación en un estudio provoca una respuesta física de un participante, es difícil aislar los efectos de la variable explicativa. Para contrarrestar el poder de la sugerencia, los investigadores apartaron un grupo de tratamiento como grupo control. A este grupo se le administra un tratamiento placebo, un tratamiento que no puede influir en la variable de respuesta. El grupo control ayuda a los investigadores a equilibrar los efectos de estar en un experimento con los efectos de los tratamientos activos. Por supuesto, si estás participando en un estudio y sabes que estás recibiendo una píldora que no contiene ningún medicamento real, entonces el poder de la sugerencia ya no es un factor. El cegamiento en un experimento aleatorio preserva el poder de la sugestión. Cuando una persona involucrada en un estudio de investigación está cegada, no sabe quién está recibiendo el (los) tratamiento (s) activo (s) y quién está recibiendo el tratamiento placebo. Un experimento doble ciego es aquel en el que tanto los sujetos como los investigadores involucrados con los sujetos están cegados.

    Ejemplo\(\PageIndex{1}\)

    Los investigadores quieren investigar si tomar aspirina regularmente reduce el riesgo de ataque cardíaco. Como participantes se recluta a cuatrocientos hombres entre los 50 y 84 años. Los hombres se dividen aleatoriamente en dos grupos: un grupo tomará aspirina y el otro grupo tomará un placebo. Cada hombre toma una pastilla cada día durante tres años, pero no sabe si está tomando aspirina o el placebo. Al final del estudio, los investigadores cuentan el número de hombres en cada grupo que han tenido ataques cardíacos.

    Identificar los siguientes valores para este estudio: población, muestra, unidades experimentales, variable explicativa, variable de respuesta, tratamientos.

    Contestar

    • La población es de hombres de 50 a 84 años.
    • La muestra son los 400 hombres que participaron.
    • Las unidades experimentales son los hombres individuales en el estudio.
    • La variable explicativa es la medicación oral.
    • Los tratamientos son aspirina y un placebo.
    • La variable respuesta es si un sujeto tuvo un ataque cardíaco.

    Ejemplo\(\PageIndex{2}\)

    La Fundación de Investigación y Tratamiento Smell & Taste realizó un estudio para investigar si el olfato puede afectar el aprendizaje. Los sujetos completaron laberintos varias veces mientras usaban máscaras. Completaron los laberintos a lápiz y papel tres veces usando máscaras con aroma floral, y tres veces con máscaras sin perfume. Los participantes fueron asignados al azar para usar la máscara floral durante los tres primeros ensayos o durante los últimos tres ensayos. Para cada ensayo, los investigadores registraron el tiempo que tardó en completar el laberinto y la impresión del sujeto sobre el aroma de la máscara: positiva, negativa o neutra.

    1. Describir las variables explicativas y de respuesta en este estudio.
    2. ¿Cuáles son los tratamientos?
    3. Identificar cualquier variable al acecho que pudiera interferir con este estudio.
    4. ¿Es posible utilizar el cegador en este estudio?

    Contestar

    1. La variable explicativa es olor, y la variable respuesta es el tiempo que se tarda en completar el laberinto.
    2. Hay dos tratamientos: una máscara con aroma a flores y una máscara sin aroma.
    3. Todos los sujetos experimentaron ambos tratamientos. El orden de los tratamientos se asignó aleatoriamente por lo que no hubo diferencias entre los grupos de tratamiento. La asignación aleatoria elimina el problema de las variables al acecho.
    4. Los sujetos sabrán claramente si pueden oler flores o no, por lo que los sujetos no pueden ser cegados en este estudio. Sin embargo, los investigadores que cronometran los laberintos pueden quedar cegados. El investigador que esté observando a un sujeto no sabrá qué máscara se está usando.

    Ejemplo\(\PageIndex{3}\)

    Un investigador quiere estudiar los efectos del orden de nacimiento en la personalidad. Explique por qué este estudio no se pudo realizar como un experimento aleatorio. ¿Cuál es el principal problema en un estudio que no puede diseñarse como un experimento aleatorio?

    Contestar

    La variable explicativa es el orden de nacimiento. No se puede asignar aleatoriamente el orden de nacimiento de una persona. La asignación aleatoria elimina el impacto de las variables al acecho. Cuando no se pueda asignar sujetos a grupos de tratamiento al azar, habrá diferencias entre los grupos distintas de la variable explicativa.

    Ejercicio\(\PageIndex{4}\)

    Te preocupan los efectos de los mensajes de texto en el rendimiento de conducción. Diseñar un estudio para probar el tiempo de respuesta de los conductores mientras envían mensajes de texto y solo mientras conducen. ¿Cuántos segundos tarda un conductor en responder cuando un automóvil líder golpea los frenos?

    1. Describir las variables explicativas y de respuesta en el estudio.
    2. ¿Cuáles son los tratamientos?
    3. ¿Qué debes tener en cuenta al seleccionar a los participantes?
    4. Tu compañero de investigación quiere dividir a los participantes aleatoriamente en dos grupos: uno para conducir sin distracciones y otro para enviar mensajes de texto y conducir simultáneamente. ¿Es esto una buena idea? ¿Por qué o por qué no?
    5. Identificar cualquier variable al acecho que pudiera interferir con este estudio.
    6. ¿Cómo se puede usar el cegador en este estudio?

    Contestar

    1. Explicativo: presencia de distracción de mensajes de texto; respuesta: tiempo de respuesta medido en segundos
    2. Conducir sin distracciones y conducir mientras manda mensajes de texto
    3. Las respuestas variarán. Posibles respuestas: ¿Los participantes envían y reciben regularmente mensajes de texto? ¿Cuánto tiempo lleva manejando el sujeto? ¿Cuál es la edad de los participantes? ¿Los participantes tienen experiencia similar en mensajes de texto y manejo?
    4. Este no es un buen plan porque compara a los conductores con diferentes habilidades. Sería mejor asignar ambos tratamientos a cada participante en orden aleatorio.
    5. Las posibles respuestas incluyen: capacidad de enviar mensajes de texto, experiencia de manejo, tipo de teléfono.
    6. Los investigadores que observan los ensayos y registran el tiempo de respuesta podrían quedar cegados al tratamiento que se está aplicando.

    Ética

    El uso indebido generalizado y la tergiversación de la información estadística a menudo le da al campo un mal nombre. Algunos dicen que “los números no mienten”, pero las personas que usan números para apoyar sus afirmaciones a menudo lo hacen.

    Una investigación reciente del famoso psicólogo social, Diederik Stapel, ha llevado a la retractación de sus artículos de algunas de las revistas más importantes del mundo, entre ellas Journal of Experimental Social Psychology, Social Psychology, Basic and Applied Social Psychology, British Journal of Social Psychology, y la revista Science. Diederik Stapel es un ex profesor de la Universidad de Tilburg en los Países Bajos. A lo largo de los dos últimos años, una extensa investigación que involucró a tres universidades en las que Stapel ha trabajado concluyó que el psicólogo es culpable de fraude en una escala colosal. Los datos falsificados contaminan más de 55 trabajos que fue autor y 10 tesis doctorales que supervisó.

    Stapel no negó que su engaño fue impulsado por la ambición. Pero fue más complicado que eso, me dijo. Insistió en que amaba la psicología social pero se había sentido frustrado por el desorden de los datos experimentales, lo que rara vez llevaba a conclusiones claras. Su obsesión de toda la vida por la elegancia y el orden, dijo, lo llevó a elaborar resultados sexys que las revistas encontraron atractivos. “Fue una búsqueda de la estética, de la belleza, en lugar de la verdad”, dijo. Describió su comportamiento como una adicción que lo impulsó a llevar a cabo actos de fraude cada vez más atrevido, como un drogadicto que busca un subidón más grande y mejor. 2

    El comité que investiga a Stapel concluyó que es culpable de varias prácticas entre ellas:

    • crear conjuntos de datos, que confirmaron en gran medida las expectativas anteriores,
    • alterar datos en conjuntos de datos existentes,
    • cambiar los instrumentos de medición sin informar del cambio, y
    • tergiversando el número de sujetos experimentales.

    Claramente, nunca es aceptable falsificar datos como lo hizo este investigador. A veces, sin embargo, las violaciones a la ética no son tan fáciles de detectar.

    Los investigadores tienen la responsabilidad de verificar que se están siguiendo los métodos adecuados. El reporte que describe la investigación del fraude de Stapel afirma que, “las fallas estadísticas frecuentemente revelaban una falta de familiaridad con las estadísticas elementales”. 3 Muchos de los coautores de Stapel deberían haber detectado irregularidades en sus datos. Desafortunadamente, no sabían mucho sobre el análisis estadístico, y simplemente confiaban en que estaba recopilando y reportando datos correctamente.

    Muchos tipos de fraude estadístico son difíciles de detectar. Algunos investigadores simplemente dejan de recopilar datos una vez que tienen lo justo para probar lo que habían esperado probar. No quieren correr el riesgo de que un estudio más extenso complicara sus vidas al producir datos que contradicen su hipótesis.

    Las organizaciones profesionales, como la American Statistical Association, definen claramente las expectativas para los investigadores. Incluso hay leyes en el código federal sobre el uso de datos de investigación.

    Cuando un estudio estadístico utiliza participantes humanos, como en estudios médicos, tanto la ética como la ley dictan que los investigadores deben ser conscientes de la seguridad de sus sujetos de investigación. El Departamento de Salud y Servicios Humanos de Estados Unidos supervisa las regulaciones federales de estudios de investigación con el objetivo de proteger a los participantes. Cuando una universidad u otra institución de investigación se dedica a la investigación, debe garantizar la seguridad de todos los sujetos humanos. Por ello, las instituciones de investigación establecen comités de supervisión conocidos como Juntas de Revisión Institucional (IRB). Todos los estudios planeados deben ser aprobados previamente por el IRB. Las protecciones clave que son exigidas por la ley incluyen las siguientes:

    • Los riesgos para los participantes deben ser minimizados y razonables con respecto a los beneficios proyectados.
    • Los participantes deberán dar su consentimiento informado. Esto quiere decir que los riesgos de participación deben ser claramente explicados a los sujetos del estudio. Los sujetos deben dar su consentimiento por escrito, y se requiere que los investigadores conserven la documentación de su consentimiento.
    • Los datos recopilados de las personas deben ser custodiados cuidadosamente para proteger su privacidad.

    Estas ideas pueden parecer fundamentales, pero pueden ser muy difíciles de verificar en la práctica. ¿Es suficiente eliminar el nombre de un participante del registro de datos para proteger la privacidad? Quizás la identidad de la persona podría ser descubierta a partir de los datos que quedan. ¿Qué sucede si el estudio no procede según lo planeado y surgen riesgos que no se anticiparon? ¿Cuándo es realmente necesario el consentimiento informado? Supongamos que su médico quiere una muestra de sangre para verificar su nivel de colesterol. Una vez que se ha probado la muestra, se espera que el laboratorio deseche la sangre restante. En ese punto la sangre se convierte en residuo biológico. ¿Un investigador tiene derecho a tomarlo para su uso en un estudio?

    Es importante que los estudiantes de estadística se tomen tiempo para considerar las cuestiones éticas que surgen en los estudios estadísticos. ¿Qué tan prevalente es el fraude en los estudios estadísticos? Puede que te sorprendas y decepciones. Existe un sitio web (www.retractionwatch.com) dedicado a catalogar retracciones de artículos de estudio que han demostrado ser fraudulentos. Un vistazo rápido mostrará que el mal uso de las estadísticas es un problema mayor de lo que la mayoría de la gente cree.

    La vigilancia contra el fraude requiere conocimiento. Aprender la teoría básica de la estadística te permitirá analizar críticamente estudios estadísticos.

    Ejemplo\(\PageIndex{5}\)

    Describir el comportamiento poco ético en cada ejemplo y describir cómo podría afectar la confiabilidad de los datos resultantes. Explique cómo se debe corregir el problema.

    Un investigador está recopilando datos en una comunidad.

    1. Ella selecciona una cuadra donde se sienta cómoda caminando porque conoce a muchas de las personas que viven en la calle.
    2. Nadie parece estar en casa en cuatro casas de su ruta. Ella no registra las direcciones y no regresa en un momento posterior para tratar de encontrar residentes en su casa.
    3. Se salta cuatro casas en su ruta porque llega tarde a una cita. Cuando llega a casa, rellena los formularios seleccionando respuestas aleatorias de otros residentes del barrio.

    Contestar

    1. Al seleccionar una muestra conveniente, el investigador está seleccionando intencionalmente una muestra que podría estar sesgada. Atender que esta muestra representa a la comunidad es engañoso. El investigador necesita seleccionar áreas de la comunidad al azar.
    2. Omitir intencionalmente datos relevantes creará sesgo en la muestra. Supongamos que el investigador está recopilando información sobre trabajos y cuidado infantil. Al ignorar a las personas que no están en casa, puede que le falten datos de familias trabajadoras que son relevantes para su estudio. Necesita hacer todo lo posible para entrevistar a todos los miembros de la muestra objetivo.
    3. Nunca es aceptable falsificar datos. A pesar de que las respuestas que utiliza son respuestas “reales” proporcionadas por otros participantes, la duplicación es fraudulenta y puede crear sesgos en los datos. Necesita trabajar diligentemente para entrevistar a todos en su ruta.

    Ejercicio\(\PageIndex{6}\)

    Describir el comportamiento poco ético, en su caso, en cada ejemplo y describir cómo podría afectar la confiabilidad de los datos resultantes. Explique cómo se debe corregir el problema.

    Se encarga un estudio para determinar la marca favorita de jugo de frutas entre los adolescentes de California.

    1. La encuesta es encargada por el vendedor de una popular marca de jugo de manzana.
    2. Solo hay dos tipos de jugo incluidos en el estudio: jugo de manzana y jugo de arándano.
    3. Los investigadores permiten a los participantes ver la marca de jugo a medida que se vierten muestras para una prueba de sabor.
    4. El veinticinco por ciento de los participantes prefiere la Marca X, el 33% prefiere la Marca Y y el 42% no tiene preferencia entre las dos marcas. Marca X hace referencia al estudio en un dicho comercial “A la mayoría de los adolescentes les gusta la Marca X tanto como o más que la Marca Y.”

    Contestar

    1. Esto no es necesariamente un problema. El estudio debe ser monitoreado cuidadosamente, sin embargo, para asegurar que la compañía no esté presionando a los investigadores para que devuelvan resultados sesgados.
    2. Si los investigadores realmente quieren determinar la marca favorita de jugo, entonces los investigadores deberían pedir a los adolescentes que comparen diferentes marcas del mismo tipo de jugo. Elegir un jugo dulce para comparar con un jugo de sabor afilado no conducirá a una comparación precisa de la calidad de la marca.
    3. Los participantes podrían estar sesgados por el conocimiento. Los resultados pueden ser diferentes de los obtenidos en una prueba de sabor a ciegas.
    4. El comercial dice la verdad, pero no toda la verdad. Lleva a los consumidores a creer que la Marca X fue la preferida por más participantes que la Marca Y mientras que lo contrario es cierto.

    Referencias

    1. “La vitamina E y la salud”, Fuente de Nutrición, Escuela de Salud Pública de Harvard, www.hsph.harvard.edu/nutritio... rce/vitamin-e/ (consultado el 1 de mayo de 2013).
    2. Stan Reents. “No subestimes el poder de la sugerencia”, athleteinme.com, http://www.athleteinme.com/ArticleView.aspx?id=1053 (consultado el 1 de mayo de 2013).
    3. Ankita Mehta. “La dosis diaria de aspirantes ayuda a reducir los ataques cardíacos: estudio”, International Business Times, 21 de julio de 2011. También disponible en línea en http://www.ibtimes.com/daily-dose-as...s-study-300443 (consultado el 1 de mayo de 2013).
    4. The Data and Story Library, lib.stat.cmu.edu/Dasl/stories... dLearning.html (consultado el 1 de mayo de 2013).
    5. M.L. Jacskon et al., “Componentes cognitivos del rendimiento de conducción simulada: efecto de pérdida de sueño y predictores”, Revista Análisis y Prevención de Accidentes, Jan no. 50 (2013), http://www.ncbi.nlm.nih.gov/pubmed/22721550 (consultado el 1 de mayo de 2013).
    6. “Información sobre terremotos por año”, Servicio Geológico de Estados Unidos. terremoto.usgs.gov/terremoto... archivos/año/ (consultado el 1 de mayo de 2013).
    7. “Enciclopedia de Sistemas de Informes de Análisis de Fatalidad (FARS)”, Administración Nacional de Tránsito y Seguridad Vial. http://www-fars.nhtsa.dot.gov/Main/index.aspx (consultado el 1 de mayo de 2013).
    8. Datos de www.businessweek.com (consultado el 1 de mayo de 2013).
    9. Datos de www.forbes.com (consultado el 1 de mayo de 2013).
    10. “America's Best Small Companies”, http://www.forbes.com/best-small-companies/list/ (consultado el 1 de mayo de 2013).
    11. Departamento de Salud y Servicios Humanos de Estados Unidos, Código de Reglamentos Federales Título 45 Bienestar Público Departamento de Salud y Servicios Humanos Parte 46 Protección de Sujetos Humanos revisado el 15 de enero de 2009. Sección 46.111:Criterios para la Aprobación de Investigación por el IRB.
    12. “April 2013 Air Travel Consumer Report”, Departamento de Transporte de Estados Unidos, 11 de abril (2013), www.dot.gov/airconsumer/abril... onsumer-report (consultado el 1 de mayo de 2013).
    13. Lori Alden, “Las estadísticas pueden ser engañosas”, econoclass.com, http://www.econoclass.com/misleadingstats.html (consultado el 1 de mayo de 2013).
    14. María de los A. Medina, “Ética en estadística”, Basado en “Construyendo un módulo de ética para estudiantes de negocios, ciencias e ingeniería” de Jose A. Cruz-Cruz y William Frey, Connexions, http://cnx.org/content/m15555/latest/ (consultado el 1 de mayo de 2013).

    Revisar

    Un estudio mal diseñado no producirá datos confiables. Hay ciertos componentes clave que deben incluirse en cada experimento. Para eliminar las variables al acecho, los sujetos deben ser asignados aleatoriamente a diferentes grupos de tratamiento. Uno de los grupos debe actuar como grupo control, demostrando lo que sucede cuando no se aplica el tratamiento activo. Los participantes en el grupo control reciben un tratamiento placebo que se parece exactamente a los tratamientos activos pero no puede influir en la variable de respuesta. Para preservar la integridad del placebo, tanto los investigadores como los sujetos pueden quedar cegados. Cuando un estudio se diseña adecuadamente, la única diferencia entre los grupos de tratamiento es la que impone el investigador. Por lo tanto, cuando los grupos responden de manera diferente a diferentes tratamientos, la diferencia debe deberse a la influencia de la variable explicativa.

    “Un problema de ética surge cuando estás considerando una acción que te beneficia o algunos te hacen apoyar, lastiman o reducen beneficios a otros, y viola alguna regla”. 4 Las violaciones éticas en las estadísticas no siempre son fáciles de detectar. Las asociaciones profesionales y los organismos federales publican lineamientos para su correcta conducta. Es importante que aprendas los procedimientos estadísticos básicos para que puedas reconocer el análisis de datos adecuado.

    Ejercicio\(\PageIndex{7}\)

    Diseñar un experimento. Identificar las variables explicativas y de respuesta. Describir la población estudiada y las unidades experimentales. Explicar los tratamientos que se utilizarán y cómo se asignarán a las unidades experimentales. Describir cómo se puede usar el cegamiento y los placebos para contrarrestar el poder de la sugerencia.

    Ejercicio\(\PageIndex{7}\)

    Discutir posibles violaciones de la regla que requieren consentimiento informado.

    1. A los internos de un centro correccional se les ofrece crédito de buena conducta a cambio de participar en un estudio.
    2. Un estudio de investigación está diseñado para investigar un nuevo medicamento para la alergia infantil.
    3. A los participantes en un estudio se les dice que el nuevo medicamento que se está probando es muy prometedor, pero no se les dice que solo una pequeña porción de los participantes recibirá el nuevo medicamento. Otros recibirán tratamientos placebo y tratamientos tradicionales.

    Contestar

    1. Los internos pueden no sentirse cómodos negándose a participar, o pueden sentirse obligados a aprovechar los beneficios prometidos. Puede que no se sientan verdaderamente libres de negarse a participar.
    2. Los padres pueden dar su consentimiento en nombre de sus hijos, pero los hijos no son competentes para dar su consentimiento por sí mismos.
    3. Todos los riesgos y beneficios deben estar claramente delineados. Los participantes del estudio deben ser informados de los aspectos relevantes del estudio para dar el consentimiento adecuado.

    Notas al pie

    1 McClung, M. Collins, D. “¡Porque sé que lo hará!” : efectos placebo de una ayuda ergogénica sobre el rendimiento deportivo. Revista de Psicología del Deporte y el Ejercicio. 2007 Jun. 29 (3) :382-94. Web. 30 de abril de 2013.

    2 Y.udhijit Bhattacharjee, “La mente de un estafador”, Revista, New York Times, 26 de abril de 2013. Disponible en línea en: http://www.nytimes.com/2013/04/28/ma...src=dayp&_r=2 & (consultado el 1 de mayo de 2013).

    3 “Ciencia defectuosa: Las prácticas de investigación fraudulentas del psicólogo social Diederik Stapel”, Universidad de Tillburg, 28 de noviembre de 2012, www.tilburguniversity.edu/upl... 012_UK_web.pdf (consultado el 1 de mayo de 2013).

    4 Andrew Gelman, “Datos abiertos y métodos abiertos”, Ética y estadística, http://www.stat.columbia.edu/~gelman...nceEthics1.pdf (consultado el 1 de mayo de 2013).

    Glosario

    Variable explicativa
    la variable independiente en un experimento; el valor controlado por los investigadores
    Tratamientos
    diferentes valores o componentes de la variable explicativa aplicada en un experimento
    Variable de respuesta
    la variable dependiente en un experimento; el valor que se mide para el cambio al final de un experimento
    Unidad Experimental
    cualquier individuo u objeto a medir
    Variable al acecho
    una variable que tiene un efecto en un estudio aunque no sea ni una variable explicativa ni una variable de respuesta
    Asignación Aleatoria
    el acto de organizar unidades experimentales en grupos de tratamiento mediante métodos aleatorios
    Grupo de control
    un grupo en un experimento aleatorio que recibe un tratamiento inactivo pero que por lo demás se maneja exactamente como los otros grupos
    Consentimiento Informado
    Cualquier sujeto humano en un estudio de investigación debe ser consciente de cualquier riesgo o costo asociado con el estudio. El sujeto tiene derecho a conocer la naturaleza de los tratamientos incluidos en el estudio, sus riesgos potenciales y sus beneficios potenciales. El consentimiento debe ser dado libremente por un participante informado y apto.
    Junta de Revisión Institucional
    un comité encargado de la supervisión de programas de investigación que involucran a sujetos humanos
    Placebo
    un tratamiento inactivo que no tiene efecto real sobre la variable explicativa
    Cegador
    no decirle a los participantes qué tratamiento está recibiendo un sujeto
    Doble cegador
    el acto de cegar tanto a los sujetos de un experimento como a los investigadores que trabajan con los sujetos

    This page titled 1.5: Diseño Experimental y Ética is shared under a CC BY 4.0 license and was authored, remixed, and/or curated by OpenStax via source content that was edited to the style and standards of the LibreTexts platform.