investigacion no experimental cuasi experimental y experimental

• Curiosidades
• Investigación no experimental, cuasiexperimental y experimental

En el vasto mundo de la investigación científica, existen diferentes enfoques y métodos que buscan desentrañar los misterios que nos rodean. Entre ellos, se encuentran la investigación no experimental, la cuasiexperimental y la experimental. Estos tres caminos divergentes hacia la verdad han intrigado a generaciones de científicos, cada uno con su propio conjunto de virtudes y limitaciones.

La investigación no experimental , como su nombre lo sugiere, desafía las convenciones y nos sumerge en un universo de preguntas sin respuestas predefinidas. Aquí, el investigador explora el terreno desconocido, sin manipular variables ni controlar situaciones. Por otro lado, la investigación cuasiexperimental nos invita a adentrarnos en un mundo de incertidumbre, donde las variables son manipuladas pero sin un control absoluto. Finalmente, la investigación experimental emerge como un faro en la oscuridad, guiándonos hacia la verdad con su riguroso control y manipulación de variables.

Diferencias entre Investigación Experimental, Cuasiexperimental y No Experimental

La investigación en el ámbito científico se lleva a cabo utilizando diferentes enfoques y metodologías, y una de las formas de clasificarla es en investigación experimental, cuasiexperimental y no experimental. Estas categorías se refieren a la manera en que se manipulan las variables y se establecen los grupos de estudio.

La investigación experimental es aquella en la que se manipula deliberadamente una o más variables independientes para observar su efecto sobre una variable dependiente. En este tipo de investigación, se utilizan grupos de control y grupos de tratamiento, y se aplica un diseño aleatorio para asignar a los participantes a cada grupo. De esta manera, se busca establecer una relación causa-efecto entre las variables.

La investigación cuasiexperimental , por otro lado, se caracteriza por no utilizar un diseño aleatorio en la asignación de los participantes a los grupos. En este tipo de investigación, se manipula una variable independiente, pero no se puede establecer una relación causal tan clara como en la investigación experimental. A pesar de esto, la investigación cuasiexperimental sigue siendo útil para observar y analizar fenómenos de interés.

Por último, la investigación no experimental se basa en la observación y recopilación de datos sin la manipulación de variables. En este tipo de investigación, el investigador no tiene control directo sobre las variables y se limita a observar y analizar los fenómenos tal como se presentan en su contexto natural.

Investigación experimental vs. investigación no experimental: ¿Cuál es la diferencia?

La investigación experimental y la investigación no experimental son dos enfoques diferentes utilizados en el campo de la investigación científica. Aunque ambos métodos buscan obtener conocimiento y comprensión, existen diferencias significativas entre ellos.

La principal diferencia entre la investigación experimental y la no experimental radica en su diseño y en la manera en que se manipulan las variables. En la investigación experimental, el investigador tiene control sobre las variables independientes y puede manipularlas para estudiar su efecto en las variables dependientes. Por otro lado, en la investigación no experimental, el investigador no tiene control sobre las variables independientes y solo puede observar y analizar su relación con las variables dependientes.

Otra diferencia importante es el grado de control que se tiene sobre las condiciones del estudio. En la investigación experimental, se busca controlar todas las variables que puedan influir en los resultados, creando un ambiente controlado y replicable. En cambio, en la investigación no experimental, se estudian fenómenos tal como ocurren en su entorno natural, sin intervenir ni manipular las condiciones.

En cuanto a la aplicabilidad , la investigación experimental se utiliza principalmente en ciencias naturales y exactas, donde se pueden realizar experimentos controlados en laboratorios. Por otro lado, la investigación no experimental se emplea en ciencias sociales y humanidades, donde no es posible realizar experimentos controlados debido a la complejidad y ética de los fenómenos estudiados.

Es importante mencionar que existe un término intermedio llamado investigación cuasiexperimental, que combina elementos de ambas metodologías. En este tipo de investigación, se manipulan algunas variables, pero no se tiene control completo sobre todas ellas, lo que permite obtener resultados más cercanos a la realidad sin sacrificar completamente el control experimental.

¿Cuáles son las principales diferencias entre la investigación experimental y la investigación no experimental?

La investigación experimental se caracteriza por el control y manipulación de variables independientes para establecer relaciones de causa y efecto, mientras que la investigación no experimental se enfoca en la observación y recopilación de datos sin intervenir activamente en la manipulación de variables.

¿En qué consiste la investigación cuasiexperimental y cómo se diferencia de la investigación experimental?

La investigación cuasiexperimental comparte características tanto de la investigación experimental como de la investigación no experimental. Aunque no se manipulan las variables de manera controlada como en la investigación experimental, se implementan técnicas de control para acercarse a un diseño experimental. La diferencia principal radica en la falta de asignación aleatoria de los participantes a los grupos de estudio.

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Guarda mi nombre, correo electrónico y web en este navegador para la próxima vez que comente.

• Biología
• Química
• Ecología y Medio ambiente
• Ciencias sociales
• Matemáticas
• Psicología
• Salud y enfermería

Investigación experimental y no experimental: diferencias, ventajas y desventajas

Tabla de Contenido

Investigación experimental y no experimental

¡Bien! Es hora de aprender algo mediante la investigación … ¿realizando un estudio no experimental?

¡Espera espera espera! ¿Es posible tener un estudio no experimental? ¿Es eso como un caramelo sin azúcar? ¿Es algo que se supone que debes tener y que es reemplazado por algo que te hace rascarte la cabeza? Sin embargo, antes de discutir los diseños de investigación, necesita un breve recorrido por algunos de los términos que le voy a mencionar.

Una variable predictora es la parte del experimento que se está manipulando para ver si tiene un efecto sobre la variable dependiente. Por ejemplo, ¿la gente come más queso Gouda o cheddar? La variable predictora en esto es el tipo de queso. Ahora, cada vez que coma queso, pensará en las variables predictoras. Cuando digo sujetos, solo me refiero a las personas del experimento o las personas que se están estudiando.

La investigación experimental es cuando un investigador puede manipular la variable predictora y los sujetos para identificar una relación de causa y efecto. Por lo general, esto requiere que la investigación se lleve a cabo en un laboratorio, con un grupo que se coloca en un grupo experimental , o los que se manipulan, mientras que el otro se coloca en un grupo de placebo , o en una condición inerte o un grupo no manipulado. Un experimento de laboratorio proporciona un alto nivel de control y fiabilidad.

La investigación no experimental es la etiqueta que se le da a un estudio cuando un investigador no puede controlar, manipular o alterar la variable predictora o los sujetos, sino que se basa en la interpretación, la observación o las interacciones para llegar a una conclusión. Por lo general, esto significa que el investigador no experimental debe basarse en correlaciones, encuestas o estudios de casos y no puede demostrar una verdadera relación de causa y efecto. La investigación no experimental tiende a tener un alto nivel de validez externa, lo que significa que puede generalizarse a una población mayor.

Diferencias

Entonces, ahora que tenemos los conceptos básicos de lo que son, podemos ver algunas de las diferencias entre ellos. Evidentemente, lo primero es la base misma de lo que están mirando: su metodología. Los investigadores experimentales son capaces de realizar experimentos en personas y manipular las variables predictoras. Los investigadores no experimentales se ven obligados a observar e interpretar lo que están mirando. Ser capaz de manipular y controlar algo conduce a la siguiente gran diferencia.

¡La capacidad de encontrar una relación de causa y efecto es algo muy importante en el mundo de la ciencia! Poder decir que X causa Y es algo que tiene mucho poder. Si bien la investigación no experimental puede acercarse, los investigadores no experimentales no pueden decir con absoluta certeza que X conduce a Y . Esto se debe a que puede haber algo que no observó y debe depender de formas menos directas de medir.

Por ejemplo, digamos que tenemos curiosidad por saber qué tan violentos son los hombres y las mujeres. No podemos tener un verdadero estudio experimental porque nuestra variable predictora de la violencia es el género. Para tener un verdadero estudio experimental, necesitaríamos poder manipular la variable predictora. Si tuviéramos una forma de convertir hombres en mujeres y mujeres en hombres, de un lado a otro, de modo que pudiéramos ver qué género es más violento, entonces podríamos realizar un verdadero estudio experimental. Pero no podemos hacer eso. Entonces, nuestro pequeño experimento se convierte en un estudio no experimental porque no podemos manipular nuestra variable predictora.

Pros y contras de la investigación no experimental

Parece haber solo desventajas en la investigación no experimental. No puede encontrar relaciones de causa y efecto, no puede manipular variables predictoras y los métodos de estudio son a menudo correlaciones o estudios de casos. Existen claras desventajas en los diseños no experimentales. Sin embargo, la investigación no experimental tiene al menos algunas ventajas sobre el diseño experimental. Un estudio no experimental toma el relevo de un diseño experimental. Como se discutió anteriormente, para estudiar los efectos del género, debe poder manipular el género de una persona. Otros ejemplos de investigación no experimental incluyen variables predictoras como:

• Penas de prisión (presos reales, no como los estudiantes de Zimbardo)
• Opiniones actuales

Si no puede manipularlo, no puede realizar un estudio experimental. Sin embargo, los investigadores no experimentales pueden tomar las variables que no se pueden manipular ni controlar. El diseño no experimental puede estudiar y examinar cuestiones que los investigadores experimentales no pueden.

Pros y contras de la investigación experimental

Los investigadores experimentales tienen grandes ventajas, como comentamos anteriormente. Ejemplos de esto incluyen causa y efecto, un alto nivel de control y la capacidad de reproducir el estudio en circunstancias casi exactas. Estas son formas poderosas de evidencia en el mundo de la ciencia y deben marcarse como ventajas definitivas para el diseño de investigación experimental. Existe la capacidad de manipular variables como:

• Recompensas
• Tipos de terapia recibida
• Multitudes y conformidad
• Influencia de la televisión
• Preguntas principales

Al manipular la variable primaria, el investigador puede aprender mucho, así como señalar la variable manipulada como el cambio causal. Por ejemplo, un estudio de Elizabeth Loftus hizo que los sujetos vieran el mismo video de un auto chocando por detrás a otro. Posteriormente, se preguntó a los espectadores: ‘¿Qué tan rápido iba el automóvil cuando chocó con el siguiente automóvil?’ O, ‘¿Qué tan rápido iba el auto cuando se derrumbó y chocó contra el siguiente auto?’ Las respuestas variaron significativamente, pero todos habían visto el mismo video.

Algunas desventajas, si no lo ha adivinado, son los límites de lo que puede manipular. Un experimentador no puede manipular el género, la edad o la vida real de una persona. Esto significa que algunos estudios posibles nunca pueden ser verdaderos estudios experimentales. Además, el laboratorio estéril, si bien es excelente para hacerlo reproducible, lo hace algo estéril para tratar de aplicarlo al mundo real. Por ejemplo, en el laboratorio se estudian situaciones de agentes de policía que disparan o no disparan. Si bien puede decirnos mucho sobre el proceso de toma de decisiones de las personas en una situación específica, no reproduce con precisión la adrenalina de entrar en la situación, la incomodidad de usar chalecos antibalas y el recuerdo del entrenamiento recibido en realidad. hora.

Resumen de la lección

La investigación no experimental no significa no científica. La investigación no experimental significa que hay una variable predictora o grupo de sujetos que no pueden ser manipulados por el experimentador. Por lo general, esto significa que se deben utilizar otras rutas para sacar conclusiones, como correlación, encuesta o estudio de caso. El diseño experimental, por otro lado, permite a los investigadores manipular la variable predictora y los sujetos. Esto permite al investigador identificar las relaciones de causa y efecto, lo que es una gran ventaja para los diseños experimentales. La desventaja de los diseños experimentales es que son extremadamente limitados y muchas variables son imposibles o poco éticas de manipular. Las ventajas de los diseños no experimentales permiten estudiar las variables, pero sin la solidez del diseño experimental.

Los resultados del aprendizaje

Una vez que haya terminado con esta lección, podrá:

• Caracterizar la variable predictora, la investigación no experimental y la investigación experimental
• Resaltar las diferencias entre la investigación no experimental y la investigación experimental.
• Indique las ventajas y desventajas de ambos tipos de investigación.
• Proporcionar ejemplos de variables que pueden manipularse en ambos tipos de investigación.

Articulos relacionados

• Escalas de medición de investigación de uso común
• Mala conducta en la investigación: fraude y plagio
• Investigación primaria y secundaria: definición, diferencias y métodos
• Experimento controlado: definición, partes y ejemplos
• Diseños ex post facto: Definición y ejemplos
• Aplicación del modelo científico al proceso de toma de decisiones
• Prueba de hipótesis: comparación de la hipótesis nula y alternativa
• Variables físicas que afectan la validez interna
• Tareas de decisión léxica: definición y ejemplo
• Cómo se utilizan las investigaciones de campo y de observación para recopilar datos

Investigación cuasi experimental: ¿qué es y cómo está diseñada?

¿cuáles son las características de la investigación cuasi experimental y cómo se utiliza.

Laura Ruiz Mitjana

La investigación cuasi experimental es un tipo de investigación muy empleada en psicología . Su característica más relevante es que no se seleccionan los grupos experimentales de forma aleatoria, sino que se escogen grupos ya formados (por ejemplo un equipo de fútbol).

Se fundamenta en una metodología descriptiva y en algunos elementos cuantitativos y cualitativos, y se utiliza para estudiar diferentes comportamientos, variables sociales, etc. En este artículo conoceremos sus características y algunas diferencias con la investigación experimental, así como las ventajas y desventajas que presenta.

• Artículo relacionado: " Los 15 tipos de investigación (y características) "

¿Qué es la investigación cuasi experimental?

La investigación cuasi experimental se utiliza especialmente en el ámbito de la psicología, aunque también en las ciencias sociales. Esta consiste en un tipo de investigación a medio camino entre la investigación experimental y la investigación observacional . En realidad, muchos autores no la consideran científica, aunque presenta notables ventajas, como veremos en este artículo.

A diferencia de la investigación experimental, en la investigación cuasi experimental el grado de control de las variables extrañas (VVEE) es menor . Por su parte, las variables extrañas son aquellas variables o factores que producen un efecto en la variable que estamos estudiando (variable dependiente), pero que debemos controlar, ya que su efecto es diferente al que produce(n) la(s) variable(s) independiente(s) (que son las que nos interesa estudiar).

¿Cómo se investiga?

¿Pero, cómo se investiga realmente? Tanto en investigación cuasi experimental como en otros tipos de investigación, ya sea en psicología como en otras ciencias, la investigación se basa sobre todo en estudiar el efecto de una variable independiente (VI) (o más) sobre otra variable , denominada variable dependiente (VD) (o más).

Por ejemplo, investigamos cuando queremos estudiar la eficacia de un tratamiento (variable independiente) a la hora de reducir la ansiedad (variable dependiente).

La investigación cuasi experimental tiene su origen en el ámbito educativo . Nació a raíz de observar que algunos efectos o fenómenos no podían estudiarse empleando el método experimental, y debían utilizarse diseños alternativos. Se trataba sobre todo de fenómenos o variables sociales.

En los últimos años, la cantidad de estudios realizados a través de una investigación cuasi experimental han ido aumentando cada vez más.

Características

Existen ciertas características que diferencian la investigación cuasi experimental de otros tipos de investigación. Son las siguientes.

1. No aleatoriedad

La característica básica de la investigación cuasi experimental (y que la diferencia de la investigación propiamente experimental) es la no aleatoriedad en la formación de los grupos experimentales . Es decir, el investigador selecciona a grupos ya formados (por ejemplo los estudiantes de un curso o los trabajadores de una oficina) para realizar su experimento.

Además, se utiliza este tipo de investigación cuando los sujetos no pueden asignarse de forma aleatoria a las diferentes condiciones experimentales de la investigación.

Para ilustrarlo, pensemos en un ejemplo: imaginemos que queremos estudiar la eficacia de tres tipos de terapia psicológica (por ejemplo psicodinámica, cognitivo-conductual y sistémica) a la hora de reducir el nivel de ansiedad en un grupo de personas.

Si utilizáramos un diseño experimental y no cuasi experimental, asignaríamos los sujetos a las diferentes condiciones experimentales (en este caso, los tres tipos de terapia) de forma aleatoria, es decir, utilizando el azar.

En la investigación cuasi experimental, en cambio, eso no lo podríamos hacer. Para solventar este problema, frecuentemente se opta por incluir un grupo control en el experimento .

2. No control de la varianza sistemática secundaria

Por otro lado, la investigación cuasi experimental también es una buena opción cuando no se puede controlar la varianza sistemática secundaria ; ésta se origina cuando la validez interna del experimento se ve amenazada. La validez interna es la que asegura que la variable independiente sea causa de la variable dependiente (es decir, ejerza efecto sobre ella).

• Quizás te interese: " Los 10 tipos de validez fundamentales en ciencia "

Consecuencias

Cuando se utiliza un tipo de investigación cuasi experimental, y al no haber seleccionado a los grupos experimentales de forma aleatoria, ocurre una cosa: que no podemos garantizar que todos los sujetos tengan características similares . Es decir, se produce un control menor de las variables. Ello hace que los resultados puedan sean menos fiables (de ahí el nombre de “cuasi” experimental).

Eso conlleva que este tipo de investigación no se utilice tanto en contextos de laboratorio , sino más bien en contextos naturales, en las escuelas, etc. O sea, que se utiliza sobre todo en investigación aplicada.

Así, la investigación cuasi experimental presenta tanto componentes positivos como negativos. Vamos a ver sus ventajas y desventajas.

La ventaja principal de la investigación cuasi experimental es que permite seleccionar grupos accesibles y ya formados ; además, en muchas ocasiones es difícil encontrar grupos que cumplan todos los requisitos para participar en un experimento (como ocurriría en un diseño experimental).

Por otro lado, son diseños fáciles de aplicar y económicos. El tiempo de preparación que requieren y los recursos a destinar son menores que en un diseño experimental. Además, se trata de un tipo de investigación que se puede aplicar no solo para estudiar grupos, sino también casos individuales.

Desventajas

Como características negativas o desventajas en la investigación cuasi experimental, encontramos su menor precisión y su menor validez, en comparación con los diseños experimentales .

Además, la falta de aleatoriedad en la formación de los grupos supone una amenaza a la validez del experimento y a la precisión o exactitud del mismo.

Por otro lado, muchas veces en este tipo de experimentos se produce el llamado efecto placebo , que consiste en sentir o percibir una mejora después de creer que hemos recibido un tratamiento (que en realidad no hemos recibido).

• Quizás te interese: " ¿Qué es el efecto placebo y cómo funciona? "

Tipos de diseños

En investigación cuasi experimental, concretamente en el campo de la psicología, se utilizan especialmente dos tipos de diseños cuasi experimentales:

1. Diseños transversales

A partir de estos diseños se estudian diferentes grupos en un momento temporal concreto . Por ejemplo, los podemos utilizar para medir el coeficiente intelectual (CI) de una clase de 4º de la ESO el día 1 de enero.

Es decir, este tipo de diseño se basa en recoger datos en un momento determinado (en un tiempo único). El objetivo del mismo es describir y analizar una serie de variables.

2. Diseños longitudinales

Este segundo tipo de diseños, los longitudinales, estudian cómo evolucionan o cambian unas determinadas variables (o una sola) en un grupo de sujetos (o más) . Es decir, estudian dichas variables en diferentes momentos temporales. Por ejemplo, en enero, febrero y marzo (aunque podría ser con intervalos de tiempo de años, también, o más).

También se pueden aplicar de forma individual para casos únicos. El objetivo es estudiar el cambio que se produce en “X” período de tiempo.

• Balluerka, N. y Vergara, A. I. (2002). Diseños de investigación experimental en psicología. Madrid: Prentice-Hall.
• Fontes de Gracia, S. García, C. Quintanilla, L. et al. (2010). Fundamentos de investigación en psicología. Madrid: UNED.
• Shadish, W. R., Cook, T. D. y Campbell, D. T. (2002). Experimental and cuasi-experimental designs. Boston: Houghton Mifflin Company.

Cómo citar este artículo

Artículos relacionados, artículos nuevos.

Aceptar nuestras sombras: un viaje hacia la integridad personal

Blanca Garcia Grau

5 artistas famosos del Renacimiento: ¿cómo era su arte?

Sonia Ruz Comas

7 reyes y reinas de final trágico: ¿cómo fue su muerte?

Psicología forense y criminalística

Los abusos sexuales en la adolescencia contra las mujeres

Froilán Ibáñez Recatalá

Quizás te interese

¿Qué estudiar? Consejos para decidir carrera universitaria (o no)

Arturo Torres

Vida saludable

¿Cómo ser un buen coach? Las 11 competencias del coach

Jonathan García-allen

Psicología clínica

10 razones por las que la terapia psicológica puede no funcionar

Coaching y liderazgo

Los 10 principios de la PNL (Programación Neurolingüística)

Ciencia, Educación, Cultura y Estilo de Vida

Investigación cuasi experimental

Explicamos qué es la investigación cuasi experimental, sus características y damos varios ejemplos

¿Qué es la investigación cuasi experimental?

La investigación cuasi experimental es un tipo de investigación en la que se pretende encontrar una relación causa-efecto entre la variable independiente y la dependiente. Sin embargo, no es igual a un experimento real, ya que los sujetos no son asignados a los grupos de estudio de forma aleatoria. Se da especialmente en el campo educativo y social.

Por ejemplo, en una investigación se quiere estudiar el efecto de un nuevo tratamiento para el cáncer en un hospital. Sin embargo, por motivos éticos la dirección del hospital no permite asignar el tratamiento a una mitad de los pacientes y a la otra mitad no.

El tratamiento es ofrecido por la dirección a los pacientes y una parte de ellos deciden tomar el nuevo tratamiento, mientras que otra parte prefiere seguir con el tratamiento tradicional. El investigador estudia el efecto en cada grupo, convirtiéndose por tanto en una investigación cuasi experimental , ya que los sujetos no han podido ser asignados aleatoriamente a un grupo experimental (que reciba el tratamiento) y uno control (que no lo reciba).

La no aleatoriedad en su elección determina que no va a existir un control sobre las variables importantes. Igualmente, provoca que este tipo de investigación sea mucho más proclive a la aparición de sesgos. Existe una serie de alternativas a la hora de realizar el diseño del estudio. 

Por ejemplo, se pueden establecer unos controles históricos o, aunque no es obligatorio, crear un grupo de control que sirva para verificar la validez de los resultados. Se considera que este tipo de investigación se puede dividir en cuatro tipos: experimentos naturales, estudios con controles históricos, estudios posintervención y estudios antes/después.

Características de la investigación cuasi experimental

El origen de la investigación cuasi experimental se dio en el ámbito educativo. Las propias características de ese sector impedía que se pudieran realizar estudios de ciertos fenómenos con experimentos convencionales.

A partir de los años 60 del siglo pasado, pero sobre todo en las últimas décadas, este tipo de estudios se han multiplicado. Hoy en día tienen mucha importancia en la investigación aplicada .

Manipulación de la variable independiente

Como ocurre también en la investigación experimental, estos estudios tienen como objetivo definir cómo actúa una variable independiente sobre la dependiente. En resumen, se trata de establecer y analizar las relaciones causales que se producen.

Grupos no aleatorios

Como se apuntaba anteriormente, una de las características definitorias de la investigación cuasi experimental es la no aleatorización en la formación de los grupos.

El investigador recurre a grupos ya formados por las circunstancias que sean. Por ejemplo, pueden ser los miembros de una clase universitaria o un grupo de trabajadores que comparten oficina.

Esto provoca que no exista la certidumbre de que todos los sujetos presenten similares características, lo que puede provocar que los resultados no sean totalmente científicos.

Por ejemplo, a la hora de estudiar la alimentación escolar y las alergias relacionadas, puede haber niños totalmente sanos que pueden distorsionar los resultados.

Poco control de las variables

Estos modelos son frecuentes en investigaciones aplicadas. Esto significa que se van a desarrollar en ambientes ajenos a los laboratorios, en contextos naturales. De esta manera, el control del investigador sobre las variables es mucho menor.

Metodologías y diseño

De manera resumida, el modo en el que se desarrollan las investigaciones cuasi experimentales es muy simple. Lo primero es elegir el grupo a estudiar, tras lo que se le asigna la variable deseada. Una vez hecho esto, se analizan los resultados y se sacan conclusiones.

Para obtener la información deseada se utilizan varias herramientas metodológicas. La primera es una serie de entrevistas con los individuos del grupo elegido. De igual manera, existen protocolos estandarizados para realizar las observaciones pertinentes que aseguran un resultado más objetivo.

Otro aspecto que se recomienda es hacer una “preprueba”. Esto consiste en medir la equivalencia entre los sujetos estudiados previamente al experimento.

Además de estas líneas generales, es importante delimitar bien el tipo de diseño que se quiere establecer, ya que va a marcar el sentido de la investigación.

Diseños transversales

Sirven para comparar diferentes grupos, enfocando la investigación en un punto temporal concreto. Así, no se utiliza para obtener conclusiones universales, sino simplemente para medir una variable en un momento concreto.

Diseños longitudinales

En este caso se van a tomar varias medidas de la variable para cada individuo. Estos, que son los sujetos del estudio, pueden ser desde una sola persona hasta grupos que conformen una unidad, como una escuela.

A diferencia de los que sucede con los transversales, con este diseño se pretende estudiar los procesos de cambio en un periodo continuado de tiempo.

Ventajas y desventajas

En muchos estudios de ciencias sociales es muy complicado seleccionar grupos que puedan cumplir los requisitos para realizar investigaciones puramente experimentales.

Por esto, los cuasi experimentales, aunque menos precisos, se convierten en una herramienta muy valiosa para medir las tendencias generales.

Un ejemplo muy clásico es la medición del efecto del alcohol en adolescentes. Obviamente, no sería posible éticamente dar de beber a los chavales y observar de manera experimental los efectos. Por eso, lo que hacen los investigadores es preguntar cuánto alcohol han bebido y cómo les ha afectado.

Otra ventaja es que estos diseños pueden ser usados en casos individuales y, más tarde, extrapolar con otras entrevistas parecidas.

Por último, la característica de estos estudios los hace mucho más baratos y fáciles de desarrollar. Los recursos necesarios y el tiempo de preparación es mucho menor que si se quisiera realizar un experimento tradicional.

Desventajas

La principal desventaja que los expertos señalan es el no reunir a los grupos aleatoriamente, al azar. Esto provoca que los resultados puedan no ser todo lo exactos que se desearía.

Parte del problema es la imposibilidad de los investigadores de tener en cuenta factores externos que puedan desvirtuar las respuestas de los sujetos.

Cualquier circunstancia preexistente o rasgo personal que no se adapte al estudio puede suponer que las conclusiones sean diferentes. Entonces, el investigador queda sin respuesta ante estas situaciones.

Por otra parte, muchos teóricos advierten de que se puede presentar lo que llaman efecto placebo o de Hawthorne. Este consiste en la posibilidad de que alguno de los sujetos participantes cambie su conducta al saber que está participando en un estudio.

No se trata de que exista una manipulación externa, pero está demostrado que el ser humano tiende a adaptar su comportamiento a los patrones generales o a lo que piensa que se espera de él.

Para intentar evitar que esto altere los resultados, los investigadores cuentan con herramientas metodológicas para evitarlo, aunque es imposible un control al cien por cien.

Ejemplos de investigaciones cuasi experimentales

– Se investiga el nivel educativo entre niños que han ido a un colegio y niños que han ido a otro, con padres que se han mostrado voluntarios.

– Se investiga los efectos de dos vacunas contra el coronavirus, tomando como sujetos de estudio a personas que se presentan voluntarias. Es cuasi experimental porque no se ha podido asignar aleatoriamente a los sujetos a distintos grupos.

– Se investiga los efectos en la salud dental de dos comidas para perros, tomando como sujetos de estudio a perros cuyos dueños han sido voluntarios.

– Estudiar los efectos de un programa para encontrar trabajo, en el que los sujetos del grupo experimental y control no son asignados aleatoriamente.

– Se estudia el efecto de dos métodos de relajación, permitiendo a los sujetos de estudio que elijan el método voluntariamente.

• Skip to main content
• Skip to primary sidebar
• Skip to footer
• QuestionPro

• Soluciones Soluciones Muestra Online Comunidades Online Encuestas Offline Repositorio de Insights Quizzes y sondeos Licencia Académica Herramientas Net Promoter Score NPS+ Análisis Conjoint MaxDiff Closed-Loop Van Westendorp
• Recursos Blog eBooks Webinarios Plantillas para encuestas Estudios de caso Centro de ayuda
• Características

Inicio Investigación de mercado

Investigación no experimental: Qué es, características, ventajas y ejemplos

Existe un tipo de investigación muy común en campos como la psicología, la medición de las tasas de desempleo, los estudios de consumo o los sondeos de opinión, es la investigación no experimental

Conozcamos más de sus características, ventajas y cuándo utilizarla.

Contenido del artículo

¿Qué es la investigación no experimental?

• Características de la investigación no experimental

Cuando utilizar la investigación no experimental

Ventajas y desventajas de la investigación no experimental, tipos de investigación no experimental.

• Ejemplos de investigación no experimental

La investigación no experimental es el tipo de investigación que carece de una variable independiente. En cambio el investigador observa el contexto en el que se desarrolla el fenómeno y lo analiza para obtener información.

A diferencia de la investigación experimental , donde las variables se mantienen constantes,  la investigación tipo no experimental se realiza cuando, durante el estudio, el investigador no puede controlar, manipular o alterar a los sujetos sino que se basa en la interpretación o las observaciones para llegar a una conclusión. Esto significa que el método no debe basarse en correlaciones, encuestas o estudios de caso, y no puede demostrar una verdadera relación de causa y efecto.

Los investigadores no participan directamente en el experimento. Al ser observacional, también se utiliza para la investigación descriptiva .

Características de la investigación tipo no experimental

Alguna de las características más importantes de la investigación no experimental son:

• La mayoría de los estudios se basan en sucesos que ocurrieron anteriormente y se analizan posteriormente.
• En este método no se realizan experimentos controlados por razones como la ética o moral.
• No se crean muestras de estudio , al contrario las muestras o participantes ya existen y se desenvuelven en su medio.
• El investigador no interviene directamente en el entorno de la muestra.
• Este método estudia los fenómenos exactamente como ocurrieron.

La investigación tipo no experimental puede aplicarse de las siguientes formas:

• Cuando la pregunta de investigación puede ser sobre una variable en lugar de una relación estadística sobre dos variables.
• En una investigación donde la pregunta de investigación tiene una relación estadística no causal entre variables.
• Cuando la pregunta de investigación tiene una relación causal, pero la variable independiente no puede manipularse.
• En una investigación exploratoria o amplia donde se enfrente una experiencia particular.

Algunas ventajas de la investigación no experimental son:

• Es muy flexible durante el proceso de investigación
• Se conoce la causa por la que sucede el fenómeno y se investiga el efecto que tiene.
• El investigador puede definir las características del grupo de estudio.

Entre las desventajas se encuentran:

• Los grupos no son representativos de toda la población.
• Pueden presentarse errores en la metodología, lo que provoca sesgos.

La investigación tipo no experimental se basa en la observación de los fenómenos en su entorno natural. De esta forma, pueden ser estudiados posteriormente para llegar a una conclusión.

La investigación tipo no experimental puede ser de las siguientes formas:

Investigación transversal: La investigación transversal se utiliza para observar y analizar un momento exacto de la investigación para abarcar diversos grupos o muestras de estudio. Este tipo de investigación se divide en:

• Descriptiva: Cuando se observan los valores donde se presentan una o más variables para que al obtener los datos, se realice una descripción de ellos.
• Causal: Se encarga de explicar las razones y relación que existe entre las variables en un tiempo determinado.

Investigación Longitudinal: En un estudio longitudinal los investigadores tienen el objetivo de analizar los cambios y el desarrollo de las relaciones que ocurren entre las variables a lo largo del tiempo. La investigación longitudinal puede dividirse en:

• Tendencia: Cuando estudian los cambios que enfrenta el grupo de estudio en general.
• Evolución grupal: cuando el grupo de estudio es una muestra más pequeña.
• De panel: se encarga de analizar los cambios individuales y de grupo para descubrir el factor que los produce.

Conoce más de las diferencias entre estudio transversal y estudio longitudinal .

Ejemplos de investigación no experimental 

Ejemplos de investigación no experimental son las medidas estadísticas, en las que se consulta a la opinión pública sobre un tema para determinar una posición común. O encuestas, en las que se dispone de un conjunto de datos estadísticos y éstos se interpretan y organizan para obtener el mayor número posible de datos pertinentes.

Otro ejemplo posible es la investigación bibliográfica: consultar fuentes bibliográficas o hemerográficas, leer a autores anteriores y presentar los resultados en un informe, un ensayo o una monografía. En este caso, tampoco se trata de experimentos controlados, sino de la visión profesional y/o personal del autor consultado o del propio investigador, en su caso.

La investigación no experimental es un tipo de investigación que no extrae sus conclusiones finales ni datos de trabajo mediante una serie de acciones y reacciones reproducibles en un entorno controlado para obtener resultados interpretables, es decir, mediante experimentos. Esto no significa, por supuesto, que deje de ser una investigación seria, documentada y rigurosa en sus métodos.

La elección de un diseño de investigación experimental o no experimental depende de tus objetivos y recursos. Si necesitas ayuda sobre cómo llevar a cabo una investigación y recopilar datos relevantes, o tienes dudas sobre cuál es el mejor enfoque para tus objetivos de investigación, ponte en contacto con nosotros hoy mismo. Puedes crear una cuenta en nuestro software de encuestas y disfrutar de más de 88 funciones, incluidos el panel de control e informes, de forma gratuita.

MAS COMO ESTO

Experiencia del cliente gubernamental: Qué es, tipos e importancia

Jun 14, 2024

Software de pruebas A/B: Características y mejores alternativas

Jun 13, 2024

Software de retroalimentación de eventos: Conoce los mejores

Jun 12, 2024

Software de enps: Que es, características y ventajas

Jun 11, 2024

Otras categorías

• Beneficios para empleados
• Capacitación
• Compromiso con el cliente
• Compromiso de los empleados
• Comunidades
• Comunidades en línea
• Conocimiento de la marca
• Entrenamiento
• Estrategia de marketing
• Estudios de casos
• Experiencia del Cliente
• Fuerza de Trabajo
• Funciones mejoradas
• Herramientas y aplicaciones de investigación
• InsightsHub
• Interceptar
• Investigación académica
• Investigación de Consumidores
• Investigación de mercado
• Lealtad del cliente
• Mejores Practicas
• Mercadotecnia
• Productos de QuestionPro
• Productos QuestionPro
• Retención de empleados
• Satisfacción al cliente
• Sin categorizar
• Software para Encuestas
• Startup @es
• Toma de decisiones

• Sube tu curso

3.3. Investigación No Experimental, Cuasi experimental y Experimental.

Investigación no Experimental: Estudios que se realizan sin la manipulación deliberada de variables y en los que sólo se observen los fenómenos en su ambiente natural para después analizarlos.

Investigación cuasi experimentales: Manipulan de variable independiente para ver su efecto y relación con una a más variables dependientes. Los sujetos no son asignados al azar, ni emparejados sino que dichos grupos ya estaban formados antes del experimento.

Investigación Experimental: Estudio de investigación en el que se manipulan deliberadamente una o más variables independientes analizando las consecuencias, dentro de una situación de control para el investigador.

Comentarios

Servicios Personalizados

Indicadores, links relacionados.

Anales de Psicología

Versión on-line  issn 1695-2294 versión impresa  issn 0212-9728, anal. psicol. vol.30 no.2 murcia may. 2014, https://dx.doi.org/10.6018/analesps.30.2.166911 .

Validez Estructurada para una investigación cuasi-experimental de calidad. Se cumplen 50 años de la presentación en sociedad de los diseños cuasi-experimentales

Structured Validity for a quasi-experimental research of quality. They are fulfilled 50 years of the presentation in company of the quasi-experimental designs

Paula Fernández-García 1 , Guillermo Vallejo-Seco 1 , Pablo E. Livacic-Rojas 2 y Ellián Tuero-Herrero 1

1 Universidad de Oviedo, España 2 Universidad de Santiago de Chile, Chile

Este trabajo ha sido apoyado por una beca que el Ministerio Español de Ciencia e Innovación (Ref: PSI-2011-23.395) otorgó a los autores.

Dirección para correspondencia

Investigación cuasi-experimental es aquella que tiene como objetivo poner a prueba una hipótesis causal manipulando (al menos) una variable independiente donde por razones logísticas o éticas no se puede asignar las unidades de investigación aleatoriamente a los grupos. Debido a que muchas decisiones a nivel social se toman en base al resultado de investigaciones con estas características, es imperativo que tengan una planificación exquisita de la aplicación del tratamiento, del control en el proceso de la investigación y del análisis de los datos. El pasado año 2013 los diseños cuasi-experimentales cumplieron 50 años, y este trabajo es un homenaje a Campbell y a todos los investigadores que día a día aportan ideas para mejorar el método cuasi-experimental en alguno de sus aspectos. De la mano de una revisión de las investigaciones cuasi-experimentales publicadas en un período de 11 años en tres revistas de Psicología destacamos algunos aspectos que se refieren al cuidado del método. Finalizamos el trabajo proponiendo el concepto de Validez Estructurada, que en resumen, es el hilo conductor que debe seguir la realización de toda investigación para poner a prueba con garantía las hipótesis que responden a los objetivos que en ella se plantean, concretamente, en las investigaciones cuasi-experimentales.

Palabras Clave: Calidad; planificación; evidencia científica; validez estructurada; revisión teórica y revisión sistemática no cuantitativa.

Quasi-experimental investigation is that one that has as aim test a causal hypothesis manipulating (at least) an independent variable where for logistic or ethical reasons it is not possible to assign the units of investigation at random to the groups. Due to the fact that many decisions at the social level take on the basis of the result of investigations with these characteristics, it is imperative that have an exquisite planning of the application of the treatment, of the control in the process of the investigation and of the analysis of the data. Last year 2013 the quasi-experimental designs expired 50 years, and this work in an honoring to Campbell and to all the investigators who day after day contribute ideas to improve the quasi-experimental method in someone of his aspects. From the hand of a review of the quasi-experimental investigations published in a period of 11 years in three journals of psychology we distinguish some aspects that refer to the care of the method. We finished work by proposing the concept of Structured Validity, which in summary, is the thread that must follow all research to test with guarantee the hypothesis that respond to the objectives it raised, in particular, in quasi-experimental investigations.

Key words: Quality; planning, scientific evidence; structured validity; theoretical review and no quantitative systematic review.

Introducción

Caía la hoja en Central Park aquel 17 de octubre de 1956 cuando Robert James Fischer disputaba una partida de ajedrez frente a Donald Byrne. Negras frente a blancas que, hasta el movimiento 16 en que las blancas dan jaque a la dama de Bobby, la partida se tornaba sólo interesante. Bastaron dos movimientos más y definitivamente Byrne se decide por la dama negra. Bobby ha sacrificado a su reina, pero para entonces ya tenía la torre estratégicamente situada y también un caballo y un alfil. Desde ese momento, lentamente, como saboreando a su presa, las jugadas poliédricas de Bobby logran hacerse con un control absoluto del tablero, y en el movimiento 41 también de la partida. A quienes somos profanos en la materia nos cuesta comprender que aquellos movimientos, desde el 16 y hasta el 18, no fuesen movimientos improvisados de un adolescente de 13 años. A fuerza de perder, aprender y volver a perder entendemos de qué modo Bobby fue capaz de conseguir inmovilizar el rey blanco en una esquina, y en la esquina opuesta, movimiento a movimiento, restar todo el poder a la dama del mismo color a quien, por aquel entonces, era uno de los ajedrecistas más respetados de los Estados Unidos.

Al tiempo, Donald Campbell trabajaba en el Departamento de Psicología de la Universidad de Northwestern desde 1953 (en la que estuvo 26 años). Campbell se había doctorado en Berkeley con la fortuna de haber tenido dos grandes maestros que por entonces estaban trabajando la idea representative design , Egon Brunswik y Edward Tolman. Cuando Bobby Fischer jugaba la que fue bautizada como 'la Inmortal del Siglo XX" se publicó el libro Perception and the representative design of psychological experiments (Brunswik, 1956). El concepto de diseño representativo surge como contrapunto al diseño clásico realizado en el laboratorio. Cuando un experimento se lleva a cabo en el ámbito ecológico en el que se manifiesta la conducta observada, entonces el diseño es representativo. No cabe duda, la investigación realizada en ambientes naturales entraña una enorme dificultad debido a que junto a las variables que se pretende estudiar pueden aparecer variables ajenas que es muy difícil, si no imposible, aislar o mantener constantes, y que provocan ambientes inciertos e inestables estableciendo un complejo entramado causal. Esta idea fue recogida por Campbell y al año siguiente, en 1957, publica en la revista PsychologicalBulletin el trabajo titulado Factors relevant to the validity of experiments in social settings . Este artículo bien pudiera considerarse el punto de partida de la obra científica extraordinaria de un virtuoso del método, que, desde el capítulo 5 de la obra de Gage (1963) y junto con Julian Stanley (Campbel & Stanley, 1963), por primera vez ofrecen al mundo los diseños cuasi-experimentales comprensivamente explicados. Obras posteriores cuyo denominador común es la figura de Campbell (Cook & Campbell, 1979; Cook, Campbell & Peracchio, 1990; Shadish, Cook & Campbell, 2002, int.al.) abundarían en lo que podríamos denominar Mandamientos que, a modo de brújula metodológica, nos ilustran y guían cómo realizar correctamente una investigación en las ciencias sociales.

Qué es un diseño cuasi-experimental: a vista de pájaro la trayectoria de los diseños cuasi-experimentales es obligada una definición. El diseño cuasi-experimental es un plan de trabajo con el que se pretende estudiar el impacto de los tratamientos y/o los procesos de cambio en situaciones donde los sujetos o unidades de observación no han sido asignados de acuerdo con un criterio aleatorio (ver Arnau, 1995). A veces incluso, la aplicación del tratamiento no la ejerce directamente el investigador, viene impuesta por una organización, por mandato gubernamental, etc., y si este es el caso, tampoco se tiene control sobre las circunstancias que rodean a la aplicación (Campbell & Stanley, 1963, p.34; Shadish et al., 2002, p.14), en este caso con frecuencia se los denomina experimentos naturales o experimentos de campo (Kunstmann y Merino, 2008; Trochim, 2001, int.al.).

Cambiando el paso. Por su capacidad de movimiento, la dama es la pieza de mayor valor en el juego del ajedrez. No se conoce partida alguna disputada por jugadores de alto nivel, ni de medio o bajo nivel tampoco, que hayan perdido la dama por un descuido y hayan conseguido remontar la partida (J. Cordero Fernández, maestro de ajedrez y responsable de la página Web "Ajedrez de Ataque", comunicación personal, 14 de mayo de 2012). Tampoco sucedió en 'la Inmortal del Siglo XX". Bobby Fischer había previsto y calculado cómo impulsar el ataque asumiendo al mismo tiempo una defensa difícil cuando sacrificó a la reina. Haciendo gala de una técnica excelente, granada de recursos estudiados para ser utilizados en situaciones complicadas, ganó la partida sumando su talento e imaginación. En este punto, podríamos decir que la dama es al ajedrez lo que la aleatorización al método científico. Ítem más, tan indiscutible es que la aleatorización y el control sobre la manipulación son recursos inestimables para poner a prueba las hipótesis de calado causal, como que las investigaciones realizadas en tan particulares circunstancias como las descritas al principio de este párrafo (frecuentemente con finalidad aplicada) son siempre previsibles por el mero hecho de que se conoce el cómo y cuándo de la sucesión temporal.

Antes de aplicar el tratamiento: la investigación cuasi-experimental es una herramienta poderosa para inferir relaciones causales, pero es una herramienta condicionada que requiere el mimo de un artesano. En 1979 Cook y Campbell presentan la primera obra dedicada íntegramente a los diseños cuasi-experimentales en la que se aprecia la profunda influencia de las ideas sobre causalidad de Kenny, y el feedback entre estos autores. No es casualidad, por tanto, que en ese mismo año Kenny publicase el magnífico trabajo Correlation and causality donde destaca los tres supuestos necesarios en que fundamentar su existencia, a saber, las variables de tratamiento y de resultado deben covariar, la relación entre ellas no debe ser espuria y la causa debe preceder al efecto. Estos tres supuestos son ávidamente buscados en la investigación cuasi-experimental. Así las cosas, antes de aplicar el tratamiento el investigador debe "profundizar" en el conocimiento de las condiciones particulares donde se va a realizar la intervención, de las complicaciones que puede conllevar, de los posibles efectos no deseados, de las personas a las que va dirigida la investigación, debe conocer si las variables dependientes pueden serlo también de otras variables alternativas a la variable independiente, etc., todo ello con la finalidad de prever y anticiparse a las adversidades y dificultades capaces de dar jaque a la prueba de su hipótesis. Esta tarea compleja es lo que Shadish et al. (2002, p.484) denominan The Centrality of Fu%py Plausibility . Esto es, es necesario que el investigador tenga un juicio bien formado acerca de si las amenazas a la validez interna de su estudio son relevantes y las posibilidades que tiene de eliminarlas o de reducirlas (y hasta qué punto). Dicho de otro modo, si éstas sólo pueden ser controladas o ajustadas parcialmente deberá considerar si el sesgo que podrían producir pudiera ser mayor que el tamaño del efecto que espera encontrar. En definitiva, el investigador debe ponerse en guardia.

Este juicio que denominan de plausibilidad (op.cit ) probablemente desemboque en la necesidad de tomar nota de variables del ambiente (en el que se realiza el experimento y ambiente adyacente también, características del responsable de la aplicación del tratamiento y del registro de los datos, condiciones en las que se lleva a cabo, cercanía entre los grupos control y experimental, etc.) y variables de sujeto (físicas y psicológicas, tanto actuales como históricas) que puedan estar relacionadas con la variable dependiente (y/o independiente) y ejercer un efecto activo no deseado (sesgo) moderador, o supresor, o mediador, incluso un efecto de confundido, siendo auténticas explicaciones alternativas del resultado hallado. La única posibilidad de conocer si es así o no, y de controlar el sesgo que son capaces de producir, es tomar nota de ellas y registrarlas antes de aplicar el tratamiento, "Better to have imprecise attention to plausibility than to have no attention at all paid to many important threats just because they cannot be well measured" (Shadish et al., 2002, p. 484). Esto tiene una importancia capital.

El tiempo y las medidas: estas investigaciones llevan tiempo, y como consecuencia, tanto los sujetos como las condiciones naturales donde es implementado el tratamiento y recogidos los datos pueden cambiar y evolucionar. Si esas variables no son constantes en su estado se debe considerar su variabilidad, lo que obliga, de una parte, a estudiar de qué depende, y de otra, a elegir cuándo y de qué modo es necesario tomar los registros para tenerla en cuenta.

Inadvertidamente, en los tres párrafos anteriores ya hemos sumado el registro de muchas medidas de variables de control y del efecto del tratamiento, así pues, es imperativo no descuidar la posible pérdida accidental de datos o de sujetos en determinadas ocasiones (puntuaciones faltantes, registros inservibles, errores del investigador, etc.), o peor aún, el abandono de los sujetos (por falta de adherencia al tratamiento, cambio de domicilio o condición social, incoherencia en la administración del tratamiento, etc.). El diagnóstico y conocimiento de la causa es determinante para poner solución a este problema que desafortunadamente es tan habitual (ver West et al., 2008).

Los grupos de control: no sólo de múltiples medidas de múltiples variables se alimentan los diseños cuasi-experimentales, también necesitan grupos de control bien formados (mejor múltiples) que sean lo más homogéneos posible a los grupos experimentales con ánimo de tener capacidad para controlar el sesgo de selección, y otros, capaces de confundir la acción del tratamiento. Aunque se debate las ventajas y desventajas de utilizar grupos de control activos o pasivos (e.g., Datta, 2007; Donaldson & Chistie, 2005; Cook, 2006), parece existir consenso acerca de que los primeros son mejores. Además, siempre que sea posible se debe evitar la autoselección (Shadish et al., 2002), la participación voluntaria, la selección arbitraria, o que los pacientes con peor pronóstico (Kunz & Oxman, 1998) sean quienes formen el grupo de control. Precisamente, y a colación de lo comentado en el párrafo anterior, son las investigaciones donde se presta escasa atención a la formación de los grupos (control y tratamiento) las que sufren mayor desgaste de muestra (Heisman & Shadish, 1996; Shadish & Ragsdale, l996).

Sobre el diseño: hemos decidido qué variables controlar, cuántos registros efectuar y qué grupos van a participar en la investigación, pero aún resta determinar de qué modo vamos a aplicar el tratamiento y recoger los datos, es decir, qué diseño de investigación elegimos utilizar. Campbell y colaboradores han destacado que los distintos diseños cuasi-experimentales varían entre sí con respecto a la transparencia y la capacidad para poner a prueba la hipótesis causal. De hecho, han ordenado deliberadamente los capítulos de sus libros para reflejar el aumento de la potencia inferencial que supone pasar de diseños sin una medida previa o sin un grupo de control, diseños pre-experimentales, a aquellos con ambas divisas, los diseños cuasi-experimentales. Sucintamente, estos diseños se pueden organizar en dos grandes bloques, transversales y longitudinales (ver Arnau, 1995). Los primeros se clasifican a su vez en dos tipos, diseños de grupo control no equivalente y diseños de discontinuidad en la regresión (ver Ato, 1995). De estos, los últimos tienen mayor potencia inferencial porque controlan la variable de selección utilizándola como criterio de formación de los grupos. Los primeros no deben olvidar que una de las medidas pre-tratamiento debe referirse a la posible variable de selección para así ser eficazmente controlada estadísticamente. Los diseños longitudinales ocupan una gran variedad de diseños de series temporales (ver Vallejo, 1995), y, como Kenny argumentaba en su obra de 1979, en estos es más fácil verificar los tres supuestos de causalidad. Volviendo a los capítulos de sus libros. Dentro de cada uno de ellos también ilustran cómo la inferencia se puede mejorar mediante la adición de elementos de diseño (añadiendo más puntos de observación pre-test, aplicando y retirando el tratamiento en varias ocasiones, registrando variables dependientes no equivalentes, utilizando más grupos tanto de control como de tratamiento y poniendo esmero en su elección y/o formación, etc.). La capacidad para poner a prueba las hipótesis del investigador y descartar hipótesis alternativas es distinta en función de todas estas características.

Sobre el análisis de los datos: Mimando la planificación de la investigación en los matices anteriormente comentados ya solo resta analizar los datos. Son varias las alternativas de análisis que existen, pero no se trata de elegir la más cómoda, sino la más oportuna en función de nuestras hipótesis, del modelo que estimamos explica los resultados, y de las características de nuestros datos. Más adelante nos extenderemos en este asunto, hasta entonces, sólo un apunte. Campbell y colaboradores siempre han defendido que los ajustes estadísticos sólo se deben utilizar cuando se han extremado todos los controles anteriormente comentados con la finalidad de reducir todo lo posible la no equivalencia entre los grupos "In this book, we have advocated that statistical adjustments for group nonequivalence are best used after design controls have already been used to the maximum in order to reduce nonequivalence to a mínimum" (Shadish, et al., 2002, p.503).

Evolución del diseño cuasi-experimental: nada hemos leído de Campbell que pudiera presagiar la idea de que estas investigaciones fuesen otra cosa que investigaciones primarias. Ahora, cuando se cumple medio siglo de historia, existe una segunda derivada, investigaciones cuasi-experimentales realizadas mediante técnicas de minería de datos. Esta idea ha sido desarrollada en la Universidad de Amherst por un grupo de investigadores liderados por David Jensen. En 2001 fundaron Knowledge Discovery Laboratory con la finalidad de desarrollar técnicas innovadoras para el descubrimiento de conocimiento que denominan software de proximidad . La materia prima con la que trabajan se extrae de las enormes bases de datos públicas que prácticamente existen en todos los ámbitos sociales (salud, educación, etc.), y que son alimentadas de modo regular con el registro temporal de una abundante cantidad de variables que guardan relación entre sí. En el año 2008 Jensen, Fast, Taylor and Maier presentaron el algoritmo AIQ ( Automated Identification of Quasiexperiments ). Es el primer sistema automatizado que identifica lo que "denominan" diseños cuasi-experimnetales (es la primera versión, y sólo identifica Diseños de grupo control no equivalente).

Evidencia científica: no existe objetivo más codiciado en cualquier disciplina de las Ciencias Sociales y de la Salud que buscar y encontrar evidencia científica en la que fundamentar decisiones clínicas, sanitarias, educativas, etc., y los diseños cuasi-experimentales alcanzan evidencia científica cuando el investigador cuida los aspectos anteriormente mencionados (e.g., Avellar & Paulsell, 2011 y Cook & Gorard, 2007) en aras de conseguir con ellos las garantías que ofrecen las investigaciones experimentales. Así es, a pesar de que muchos científicos comparten la idea de que las investigaciones experimentales constituyen el mejor modo de alcanzar evidencia científica (e.g., Cook, 2000; Nezu & Nezu, 2008), quienes más saben de ésto están convencidos de que "in the best of quasi-experiments, internal validity is not much worse than with the randomized experiment " (Sha dish et al., 2002, p.484).

Al hilo, y en este empeño, en 1968 en la Universidad de Northwestern se fundó The Institute for Policy Research (IPR) al abrigo de Campbell. IPR se gestó con la misión de estimular y apoyar la investigación de excelencia en las ciencias sociales sobre importantes cuestiones de política pública. Una visita a su página Web no dejará indiferente a ningún investigador interesado en estos diseños, http://www.ipr.northwestern.edu/index.html . Desde el año 2008 se celebran en la citada Universidad, y en colaboración con el Institute of Education Sciences (IES), importantes Workshops sobre cómo realizar una investigación cuasi-experimental de calidad en el ámbito de Educación (diseño y análisis) organizados y dirigidos por dos de los grandes discípulos de Campbell, Thomas D. Cook y William Shadish. Desde la página anterior podemos conocer todo lo que en ellos se ha expuesto y debatido.

Si nuestra investigación tiene calidad metodológica suficiente para garantizar evidencia científica quizá tenga el privilegio de formar parte de alguna revisión sistemática realizada mediante técnicas de meta-análisis (Bai, Shukla, Bak & Wells, 2012; Centre for Review and Dissemination, 2010), hasta el momento, considerados los mejores estudios para sintetizar la evidencia científica capaces de responder a cuestiones específicas. En lo que a revisiones sistemáticas respecta, dos asociaciones, The Cochrane Collaboration en el ámbito de la salud y The Campbel Collaboration en el ámbito de las ciencias sociales (en http://www.cochrane.org y http://www.campbellcollaboration.org/ , respectivamente) son el referente. Desde que se constituyeron cada año celebran un Colloquium en algún lugar del mundo. Si nos introducimos en sus páginas Web y visitamos los programas de los Colloquia ya realizados podemos advertir, además de su estrecha colaboración, cómo una parte importante de los trabajos presentados están relacionados con la incorporación de las investigaciones no aleatorizadas en las revisiones sistemáticas y las características de calidad que deben tener para ser incorporadas.

Práctica basada en la evidencia, evaluación y aplicación de programas de intervención: la evidencia científica certificada mediante revisiones sistemáticas realizadas con investigaciones primarias de alta calidad metodológica con frecuencia tiene buena acogida para dar respuesta a necesidades de políticas gubernamentales o a intereses de determinadas empresas que deciden transformar el conocimiento científico en práctica efectiva realizando investigación aplicada.

Cuando se utiliza la expresión "programa de intervención" se está haciendo referencia a tareas múltiples y complejas que requieren contemplar múltiples aspectos de diseño, de implementación y de evaluación en contextos de intervención, que no son otros que contextos naturales, que, además, están sometidos a cambio continuo (e.g., Rossi & Freeman, 1985 y Trochim, 1984). No es intención de este trabajo abundar en la aplicación y evaluación de programas, pero sí destacar tres aspectos fundamentales:

Primero: ejecutar de facto la implementación de un programa requiere evaluaciones constantes antes, durante y después de la aplicación de la intervención (Avellar & Paulsell, 2011; Brandy & Moore, 2011) por dos razones fundamentalmente. Además de que los motivos económicos no son baladí y es preciso asegurar que el programa se implanta correctamente y que no tiene consecuencias indeseadas, porque los objetivos del programa siempre son varios (prácticos, económicos, teóricos, etc., donde la aplicación del tratamiento es sólo uno de ellos) y nunca podrían abordarse todos desde una única aproximación metodológica. En los últimos 20 años el concepto de Metodología Mixta está cobrando un auge extraordinario (se ocupa de integrar datos de una multiplicidad de fuentes para captar la diversidad de los fenómenos de modo profundo e integral), como muestra, la prestigiosa revista New Directions for Evaluation dedica el segundo número del pasado año 2013 a este tema que titula Mixed Methods and Credibility of Evidence in Evaluation.

Segundo: implantar un programa a nivel social requiere tener en cuenta que las personas no somos compartimentos estancos, sino que de modo natural estamos organizados en sociedad en unidades jerárquicamente superiores que nos imprimen características de grupo y diferencias entre los mismos que interesa conocer, controlar y tratar. La evaluación o implantación de un programa demanda por tanto realizar un muestreo de estas unidades de agregación porque interesa conocer lo que ocurre en cada nivel, pero también interesa conocer el flujo de relaciones entre los distintos niveles con ánimo de examinar si la intervención ha tenido su impacto sobre los resultados previstos. El análisis de datos tradicional con técnicas contenidas en el Modelo Lineal General es inerme a dos particularidades, entre otras, que tienen los datos agregados, la existencia de más de un término aleatorio, y el hecho de que las unidades pertenecientes a una misma unidad de agregación de nivel emiten respuestas correlacionas. En los últimos 20 años ha tenido lugar el desarrollo de las técnicas de análisis de datos más potentes, versátiles y con mayores prestaciones de cuantas existen para poner en evidencia de qué modo, en qué medida y de qué depende que un programa de intervención tenga efectos (positivos, negativos, directos, inversos, etc) sobre las diferentes unidades de análisis en que están inmersas las personas. Nos estamos refiriendo a los procedimientos estadísticos enmarcados en los denominados Modelos Mixtos, Modelos Jerárquicos o Modelos Multinivel.

Tercero: La meta última de toda disciplina científica es disponer de teorías causales capaces de explicar todo el universo de sea lo que sea que abarca esa disciplina. Elaborar un modelo causal capaz de explicar todo lo que sucede y por qué en el proceso de la intervención no es tarea fácil. El concepto de causalidad es complejo y multifacético (e.g., Funnell & Rogers, 2011), los agentes causales son muchos, a veces complementarios y a veces en conflicto, a veces la relación entre causa y efecto no es lineal, a veces incluso es discontinua, incluso a veces la causa tiene que alcanzar un umbral determinado antes de producir un efecto, añadiendo que los individuos a quien va dirigida la evaluación del programa lejos de ser agentes pasivos ejercen un papel activo en la determinación de los efectos del programa. El modelo causal casi nunca es unidireccional, pueden existir bucles de feedback, peor aún, incluso ese feedback puede ser incluso retardado complicando el análisis de los modelos causales. A la par que el desarrollo de los Modelos Mixtos en los últimos 20 años se han desarrollado los Modelos de Ecuaciones Estructurales que permiten poner a prueba relaciones de causalidad y elaborar teorías causales basadas en la evaluación.

El Fichero adicional 5 (ver Adenda) contiene referencias destacadas sobre la implantación y evaluación de programas, la Metodología Mixta, los Modelos Mixtos o Multinivel y sobre los Modelos de Ecuaciones Estructurales.

Así comenzaron Campbell y Stanley el capítulo 5 de la obra de Gage (1963):

McCall as a model. In 1923, W.A. McCall published a book entitled How to Experiment in Education...In this preface said: "There are excellent books and courses of instruction dealing with the statistical manipulation of experimental data, but there is little help to be found on the methods of securing adequate and proper data to which to apply statistical procedure". This sentence remains true enough today to serve as the leitmotif of this presentation also. (Campbell & Stanley, 1963, p.171).

Este trabajo es un tributo a esta idea, y lo llevamos a cabo realizando una revisión de las investigaciones cuasi-experimentales y pre-experimentales publicadas en tres revistas españolas de Psicología evaluando algunos aspectos metodológicos relacionados con la planificación del diseño, la recogida y análisis de datos, la exposición de resultados y la elaboración de conclusiones. El objetivo que perseguimos es saber cuáles son los diseños más utilizados y qué características tienen, pero también, y sobre todo, conocer si los investigadores toman las precauciones necesarias para que la investigación ofrezca confianza en sus resultados, saber cuáles son sus errores y sus vicios, y si son los mismos que los reportados en otros trabajos similares a éste.

El pasado año 2013 los diseños cuasi-experimentales cumplen 50 años. Este trabajo es un homenaje a la persona que revolucionó los principios fundamentales de la investigación científica en las Ciencias Sociales, Campbell, y a sus discípulos Stanley, Cook, Shadish, Trochim, Myers, etc., que tanto están trabajando esta idea que tan buenos resultados aporta. Sirva para convulsionar a investigadores, revisores y editores para que (se) exijan, más si cabe, el cuidado del método. Va por ellos, de quienes hemos aprendido tanto, y va para todos aquellos que gusten de hacer bien las cosas.

Hemos realizado una revisión sistemática no cuantitativa (Shadish & Myers, 2004 a) de las investigaciones pre-experimentales y cuasi-experimentales, en adelante Cx. y Px., contenidas en tres revistas españolas de Psicología durante el período temporal de 11 años entre 1999 y 2009, ambos incluidos.

El criterio para la selección de las revistas fue cumplir con tres requisitos, ser revistas de temática general en el campo de la Psicología, aparecer en el Journal Citation Reports (JCR) con factor de impacto en el año 2009, y constar en el IN -RECS con índice de impacto dentro del primer cuartil en el mismo año. Estos criterios los satisfacían las revistas Psicothema, Internacional Journal of Clinical and Health Psychology y Psicológica .

Unidad de análisis

La unidad de análisis ha sido el estudio, considerando unidades independientes cada uno de los estudios Cx. y Px. publicados en un mismo artículo.

Diseño y procedimiento

Una vez identificados los artículos que contenían investigaciones Cx. y Px. aleatoriamente fueron repartidos en dos grupos y cada uno de ellos fue asignado aleatoriamente a dos expertos en metodología de investigación que, de modo independiente entre e intra-grupo, examinaron las variables de interés. La información de cada estudio fue extraída de los apartados introducción, método, resultados y conclusiones. Posteriormente los expertos de cada grupo compararon sus datos. El porcentaje de acuerdo fue del 94%. Los casos en que hubo discrepancia fueron revisados por un tercer experto. El contenido del estudio se discutía hasta que desembocara en una conclusión compartida.

Variables registradas

Las variables que hemos observado han sido consideradas de importancia capital en destacados trabajos sobre calidad de las investigaciones no aleatorizadas en el ámbito médico (e.g., Li, Moja, Romero, Sayre & Grimshaw, 2009; Shahar & Shahar, 2009, int al.), educativo (e.g., Cook, Cook, Landrum & Tankersley, 2008; Cook, Tankersley & Landrum, 2009, int al.), de las organizaciones (e.g., Creswell, 2009; Gibbert & Ruigrok, 2010; Paluck & Green, 2009, int.al.), y en el ámbito de las ciencias sociales en general (e.g., Shadish & Myers, 2004 a). Anidadas en cinco bloques, de modo resumido son:

1. - Características molares de la investigación Cuasi y Pre-experimental: Prevalencia, área de conocimiento, finalidad de la investigación, y definición del diseño y metodología utilizada. 2. - Aspectos determinantes de la planificación para defender las inferencias sustantivas y estadísticas: Composición y tamaño de la muestra, cálculo del tamaño, composición y formación de los grupos de control, número de variables dependientes y cantidad de registros efectuados. 3. - Examen exploratorio de los datos y precauciones tomadas antes de decidir qué estadístico utilizar para poner a prueba las hipótesis: Tamaño de los grupos y equilibrio entre ellos, relación entre el tamaño de los grupos y el tamaño de las varianzas, examen de outliers, evaluación de datos perdidos y comprobación de asunciones sobre los datos. 4. - Análisis de los datos: Si comprueban o no la igualdad de los grupos antes de la aplicación del tratamiento y cómo, qué modelo asumen los investigadores que explica sus resultados, qué estadístico inferencial utilizan, si examinan el tamaño del efecto, los intervalos confidenciales y la potencia de la prueba empírica. 5. - Exposición y redacción de las conclusiones: Hemos examinado si se realizan comentarios de autocrítica sobre el tamaño y composición de la muestra y sobre amenazas a la validez interna, externa y de conclusión estadística.

Una exposición detallada y sucintamente justificada de todas las variables registradas está expuesta en el Fichero Adicional 1.

Análisis de los datos

Los estadísticos utilizados son frecuencias, porcentajes y razones (de modo testimonial también medias y desviaciones típicas). Los cálculos se han realizado mediante el paquete estadístico SPSS 19.

Resultados y discusión

Utilizando como modelo el trabajo de Keselman et al., (1998) los resultados se exponen acompañados de una breve discusión. Sólo se comenta una selección de todos los análisis realizados, sin embargo, nos van a permitir evaluar la coherencia metodológica interna de las investigaciones en todo su recorrido, desde la gestación del diseño hasta la elaboración de las conclusiones (en el Fichero Adicional 2 se exponen, libres de discusión, los resultados de todos los análisis llevados a cabo). En el texto hacemos referencia a unas Tablas donde se detalla la información que describimos. Todas ellas están contenidas en el Fichero Adicional 3.

En el período de 11 años comprendido entre 1999 y 2009 las investigaciones Cx. y Px. contenidas en las tres revistas examinadas apenas suponen un 4% en el volumen de sus publicaciones. En este período de tiempo, por cada 10 investigaciones experimentales sólo se han publicado 1.2 Cx. o Px.

El debate en torno al valor de las investigaciones cuya muestra está compuesta por universitarios es un clásico en vanguardia (Cooper, McCord & Socha, 2010; Highhouse & Gillespie, 2010; McNemar, 1946; Wiecko, 2010, int al.). En nuestro caso el porcentaje no es muy alto (21.21%), aunque en absoluto desdeñable. Las personas con algún problema que resolver o con alguna necesidad especial (que hemos denominado muestra específica enferma y no enferma respectivamente) están presentes en el 53% de las investigaciones. Si sumamos a las anteriores los niños menores de 12 años y a las personas con más de 65 alcanzarían un porcentaje del 68.15% (Tabla 3). Este es el motivo por el cual la investigación con finalidad aplicada es muy superior (68.2%) a la básica, y la realizada en el área clínica superior a la realizada en el resto de categorías contempladas. Aunque en la introducción hemos destacado que la investigación Cx. y la evaluación del impacto de programas van de la mano, no hemos encontrado ningún trabajo que se refiera a la evaluación del impacto de ningún programa de trascendencia social relevante.

Ubicar la investigación que publicamos en su metodología correspondiente y denominar correctamente el diseño utilizado para recoger los datos no es sinónimo de calidad del trabajo realizado, pero tampoco es baladí. Más al contrario, es de importancia destacada para que los lectores y consumidores de los productos de investigación ajusten sus lentes y puedan juzgar su validez y determinar la confianza que les merece (Wilkinson & Task Force on Statistical Inferencie, 1999). Que únicamente el 43.9% de los D.Cx. clasifiquen (en metodología) y definan el diseño correctamente en el trabajo que defienden no es, por escaso, un buen dato (Harris et al., 2005 hallaron resultados similares), aunque peor es saber que el 29.2% no definen la metodología o lo hacen incorrectamente, y que el 51.2% no definen el diseño o no lo hacen bien (ver Tabla 2).

Sin embargo, el diseño "concreto" utilizado sí es sinónimo de confianza en la capacidad para poner a prueba las hipótesis del investigador. Abundando es este aspecto, Cook and Campbell (1979), Heisman and Shadish (1996), Marcantonio and Cook (1994), Orwin (1997), Shadish and Myers, (2004 a y b), Shadish and Ragsdale (1996), Shadish et al. (2002) y Trochim (1984) int.al., han destacado que los D. Cx. de Discontinuidad en la Regresión y de Series Temporales son más potentes que los diseños Cx. de Grupo Control no Equivalente (GCNE), incluso algunos investigadores piensan que son tan potentes como los diseños experimentales (Avellar & Paulsell, 2011; Cook, 2008; Cook, Scriven, Coryn & Evergreen, 2010; Cook, y Wong, 2008; Shadish & Cook, 2009; Shadish, Galindo, Wong, Steiner, & Cook, 2011). De otra parte, en lo que a los D.Cx.-GCNE respecta, muchos investigadores han destacado que existe una jerarquía en la que los diseños con intercambio de tratamiento, aquellos que tienen más de un grupo experimental (G.E), más de un grupo de control (G.C), más medidas post que una y más medidas pre que una son mucho más potentes por dos razones. La primera, porque tienen más capacidad para poner a prueba nuestra hipótesis. A la sazón existe una gran cantidad de trabajos meta-analíticos que han concluido que diseños Cx. distintos alcanzan tamaños del efecto (TE) distintos (e.g., Heisman & Shadish, 1996; Lipsey & Wilson, 1993; MacLehose et al., 2000; Sacks, Chalmers & Smith, 1982, 1983; Schochet 2009a; Schochet et al., 2010; Shadish et al., 2002; Shadish & Heinsman, 1997; Shadish & Ragsdale, 1996; Swaen, Teggeler & Van Amelsvoort, 2001; Weisburd, Lum & Petrosino, 2001). La segunda es porque son más capaces de liberar nuestros datos de posibles amenazas a la validez interna (Deeks et al., 2003; Johnston, Ottenbacher, y Reichardt, 1995; Shadish et al., 2002; Shadish & Myers, 2004 b).

A pesar de lo comentado en el párrafo anterior, hemos visto que el Diseño Cx. de GCNE clásico (2x2) y el Diseño Px. de un solo grupo con medidas pre y post son los más utilizados, suponen casi el 50% de todos los de su clase (Tabla 2). Estos resultados no divergen de los hallados por otros autores en ambientes disciplinares tan distintos como intervención temprana (Snyder, Thompson, Mclean & Smith, 2002), educación (Gersten, Baker, Smith-Johnson, Flojo & Hagan-Burke, 2004; Hsieh et al., 2005; Seethaler & Fuchs, 2005), Psicología de las organizaciones (Grant & Wall, 2009; Scandura & Williams, 2000), o enfermedades infeccionas (Harris, Lautenbach & Perencevich, 2005; Harris et al., 2006; Shardell et al., 2007). Solo hemos contado una investigación Cx. (2.4%) que realiza un diseño de GCNE con intercambio de tratamiento, y únicamente 7(17.1%) D. Cx. que "podrían ser" de Discontinuidad en la Regresión (DR). Escribimos "podrían ser", porque ninguno ha sido denominado con tal por sus autores, que sería lo de menos, lo de más es que tampoco han sabido aprovechar la potencia que tienen por el hecho de conocer qué variable es la que divide a los grupos experimental y control (Lesik, 2006; Reardon & Robinson, 2012; Reichardt & Henry, 2012; Shadish et al. , 2002, int.al. En los trabajos revisados ha sido más habitual contar con más de un G.E (sucede en el 24.39% de los D. Cx. y en el 48% de los D. Px.) que con más de un G.C (sucede en el 12.19% de los D. Cx. y en el 16% de los D.Px.). Este aspecto es de sumo interés. Los grupos experimentales tienen el poder de replicar el efecto del tratamiento y también de controlar el efecto de historia. Los grupos de control tienen el poder extraordinario de poner a prueba los efectos de sesgo de selección, historia, maduración y regresión a la media entre otros.

Probablemente, cuando un investigador lleva a cabo una investigación Cx., más importante que cualquier otro aspecto de la planificación, es la elección adecuada de un G.C que sea comparable al G.E para evitar el riesgo de posibles amenazas a la validez interna. En este sentido, se debe considerar que la proximidad de los grupos no implica necesariamente que sean comparables, que características de los sujetos que se antojan accidentales (e.g., unos eligieron cursar ética otros religión) pueden conllevar diferencias importantes entre los grupos, que no basta con estimar que los grupos son parecidos (hay que demostrarlo), que los sujetos voluntarios nunca forman un buen G.C., y por supuesto, no decir nada de cómo es el G.C es enfatizar que nada se sabe de estos diseños (ver ICH Expert Working Group, 2000). En esta revisión, el 69.69% de los D. Cx. de GCNE han formado el G.C. de alguna de estas maneras (ver Tabla 5). Por el contrario, toda técnica utilizada para formar los grupos que trate de emular la asignación no condicionada que supone la asignación aleatoria, utilizando la técnica del apareamiento ( matching ) por ejemplo, o que permita considerar una continuidad entre los sujetos de los grupos experimental y control como por ejemplo dejar que el azar decida cuál de los grupos incidentales (comparables, que no exclusivamente próximos) sea G.E y cuál G.C, que el G.C sea aquel que está en lista de espera, que el G.C esté compuesto por aquellas personas deseosas de participar en la investigación porque tienen un problema que resolver pero por algún motivo no pueden acudir a la terapia (e.g., coincide en horario laboral; no les van bien las fechas, etc.) "garantiza" un G.C válido (Marcus, Stuart, Wang, Shadish & Steiner, 2012; McCaffery et al., 2011; Walter, Turner, Macaskill, McCaffery & Irwig, 2012), y de éstos hemos visto sólo el 30% en los D. Cx. de GCNE. [En el Fichero Adicional 5 se exponen referencias destacadas sobre el concepto, control y corrección del sesgo de selección].

Además de la función de "control", otro aspecto que se debe valorar del G. C es la potencia que puede aportar al diseño para poner a prueba las hipótesis del investigador. Los resultados meta-analíticos constatan que los TE son menores cuando el G.E se compara con G.C activos (e.g., placebo, tratamiento de costumbre, tratamiento alternativo) que cuando se compara con G.C pasivos (e.g., sin tratamiento, en lista de espera) (Heisman & Shadish, 1996; Shadish & Ragsdale, 1996) (ni que decir tiene que el investigador también debe cuidar que no surjan efectos reactivos, ni suyos ni de los sujetos, capaces de sesgar seriamente los resultados, y éstos es más fácil evitarlos cuando los G.C son activos). También se ha demostrado que el TE es mayor, y más preciso cuando se emplea la técnica de apareamiento anteriormente citada en la formación de los grupos (Shadish & Myers, 2004 a; Shadish & Ragsdale, 1996).

Cuidar el G.C no tiene sentido si no cuidamos también el G.E. Es imperativo considerar si el tratamiento se administra de modo individual o en grupo, y sea de un modo u otro es preciso asegurar que la administración sea homogénea para todos los sujetos y que la adherencia al tratamiento sea satisfactoria. Estos aspectos y más tienen que ver con la integridad del tratamiento (Devito et al., 2011; Higgins & Green, 2011; McLeod & Islam, 2011; Perepletchikova, Hilt, Chereji & Kazdin, 2009). Nosotros no hemos revisado estos matices. Algunas revisiones y otras referencias destacadas sobre esta temática las exponemos en los Ficheros Adicionales 2 y 5.

El número de medidas registradas, tanto antes de la intervención como después de ella es extraordinariamente importante (Mara & Cribbie, 2012; Mara et al., 2012; Rausch, Maxwell & Kelley, 2003; Schulz, Czaja, McKay, Ory & Belle, 2010; Shadish et al., 2011; Steiner, Cook, Shadish & Clark, 2010; Venter, Maxwell & Bolig, 2002). Las efectuadas antes de la intervención son un bastión esencial para defender la no existencia de regresión a la media, de error en el registro, de efectos de maduración de los sujetos (evolución o involución emocional, conductual, intelectual, etc.), y para defender la estabilidad y confiabilidad en las medidas. Llevar a cabo varios registros post tratamiento nos permitirán analizar la evolución de la conducta estudiada, si se mantiene el resultado esperado, hasta cuándo se mantiene, si el efecto es inmediato o retardado, o si no hay efecto. Hemos comprobado que en ninguna investigación de esta revisión se efectúa más de una medida pre-tratamiento, y sólo en el 24.39% de los diseños Cx. y en el 36% de los Px. se registra más de dos medidas post-tratamiento (Tabla 2).

La planificación del tamaño de la muestra en base a un TE deseado tiene una importancia capital. Implica tener en cuenta tanto la sensibilidad de la investigación como la precisión de la misma, y ambos aspectos determinan la posibilidad de tener suficiente potencia de prueba. Ninguna de las investigaciones revisadas calcula a priori el tamaño de la muestra (Tabla 4), con el añadido de que los tamaños de muestra utilizados tampoco son elevados (Tabla ó). Sánchez Meca, Valera, Velandrino y Marín (1992), Valera, Sánchez Meca y Marín (1998) y Valera, Sánchez Meca, Marín y Velandrino (2000) hallaron resultados similares. Así pues, sea grande o no el tamaño de la muestra, lo que no podemos saber es si fue suficiente para detectar el TE que deseaban encontrar. De otra parte, siendo el tamaño de muestra pequeño y recordando cómo fueron formados los grupos, es probable que algunas muestras tampoco fuesen representativas, con el problema que eso supone respecto a la trasferibilidad de los resultados y a la validez externa de población (Burchett , Umoquit & Dobrow, 2011; Cambon , Minary, Ridde & Alla, 2012; Ferguson, 2004; Glasgow & Emmons, 2007;Green & Glasgow, 2006; Steckler & McLeroy, 2008;Thomson y Thomas , 2012).

Tan preocupante como lo anteriormente expuesto es, de una parte, el desequilibrio en el tamaño de los grupos, y de otra, que a esto se sume la tan temida relación directa o inversa entre el tamaño de los grupos y el tamaño de las varianzas. El examen de la potencia y robustez de los procedimientos analíticos frente a estos problemas es un tema candente en la actualidad tanto por lo habitual del problema como por las consecuencias indeseables que tiene. Es numerosa la investigación que ha puesto en evidencia la inflación del error de Tipo I y de Tipo II cuando la relación es negativa y positiva respectivamente. En esta revisión hemos encontrado un porcentaje de diseños no balanceados altísimo (82.69%) donde la diferencia media entre los tamaños de los grupos es de 28.6 ( DT = 49.93) (Tabla 6). Ya se observe el desequilibrio entre el tamaño de los grupos en función de diferencia o de razón es notable el fuerte sesgo positivo, lo que quiere decir, que, aunque no demasiadas, existen investigaciones con una diferencia mucho mayor aún entre los tamaños de los grupos (Sánchez Meca et al., 1992, Valera et al., 1998 y Valera et al., 2000 en revistas de Psicología editadas en España, y Keselman et al., 1989 y Ruscio & Roche, 2012 en revistas editadas fuera de nuestras fronteras han encontrado parecidos resultados). Añadido a esto, observamos dos problemas más. Uno, que solamente hemos encontrado una razón entre el tamaño de los grupos y el tamaño de las varianzas nula, en el resto, o es positiva o es negativa casi al 50%. Otro, que esto sólo lo hemos podido observar en el 50% de los D.Cx. no balanceados debido a que en la otra mitad no se exponen las varianzas (Keselman et al., 1989 hallaron resultados similares). Este último dato no es inocuo, aquellos que realizan investigaciones meta-analíticas conocen como nadie la importancia de contar con los estadísticos descriptivos de las variables (Higgins & Green, 2011).

Registrar la medida pre y otras variables relacionadas con la variable dependiente antes de aplicar el tratamiento tiene una importancia crucial dado que nos van a permitir poner a prueba la igualdad de los grupos antes de aplicar el tratamiento. En 27 (84.37%) de las investigaciones Cx.-GCNE se comprueba de algún modo la igualdad de los grupos antes de aplicar el tratamiento, pero existen 5 (15.62%) en que no se hace. De mayor envergadura es el valor que tiene la medida pre-tratamiento y el registro inicial de otras variables para aparear a los sujetos de los grupos antes de decidir qué grupo va a ser el experimental y cuál va a ser control y evitar así de modo mucho más eficiente el sesgo de selección (entre otros). En esta revisión esto sólo se hace en 4(12.5%) investigaciones Cx.-GCNE, luego en el 87.5% de ellas ambos registros se han efectuado después de decidir qué grupo es el experimental y qué grupo es el control. Sólo en 3 (42.85%) investigaciones Cx.-DR se aparearon los sujetos de los grupos en base a la información de variables relevantes. Todos estos resultados están expuestos en la Tabla 8 a.

Todas las precauciones anteriores son necesarias pero no son suficientes para demostrar la veracidad de nuestra hipótesis cuando la aleatorización no es posible. Son imprescindibles, al menos, dos condiciones más. Una, debemos demostrar que otras variables no son responsables de los resultados hallados, y para eso debemos de eliminar o tener controladas variables extrañas capaces de ser explicaciones alternativas a nuestra hipótesis. En este caso sólo en 22(68.75%) investigaciones Cx.-GCNE y en 5 (71.42%) Cx.-DR se registran variables consideradas "sospechosas" para examinar la equivalencia de los grupos en ellas o para formar los grupos en base a que esas características permanezcan constantes, pero sólo en 4 (12.5%) investigaciones Cx.-GCNE (y en ninguna Cx.-DR) se lleva a cabo control estadístico (se introducen en el modelo matemático) de las mismas (ver Tabla 8 a). Dos, debemos tener meridianamente claro qué modelo explica mejor los resultados encontrados (Ato y Vallejo, 2011), y esto porque nuestra hipótesis quizás sea cierta con matices (puede haber variables mediadoras o moderadoras o supresoras de la relación causal). Que el investigador avance un modelo explicativo de sus resultados es de importancia capital en las investigaciones no aleatorizadas. En ninguna investigación de esta revisión los autores exponen que "asumen un modelo de cambio" o un "modelo mediacional", o simplemente "un modelo causal directo". En su lugar hemos encontrado que "escriben" que deciden analizan los datos mediante las puntuaciones de cambio, o que están interesados en la interacción, o en ambas (sin saber que el resultado es el mismo estadísticamente), o que sólo les interesa analizar las diferencias post-tratamiento, o que les interesa todo lo anterior (ver Tabla 8 a). Precisamente son aquellos que están interesados en las diferencias post los que únicamente analizan los datos mediante el análisis de la covarianza si es que hallaron diferencias iniciales entre los grupos en la medida pre u en otras. La medida pre u otras registradas antes de recibir el tratamiento nunca se utilizaron como covariables cuando las diferencias iniciales entre los grupos no fueron estadísticamente significativas, y debiera hacerse si se asume un modelo mediacional. En fin, los autores parecen haber olvidado que en la investigación cuasi-experimental el análisis de la covarianza no sólo se hace para reducir variabilidad e incrementar la precisión, sino también, porque la covariable puede ser una variable explicativa del resultado. En el Fichero Adicional 5 se exponen referencias destacadas sobre los efectos, la detección y el análisis de fenómenos como mediación, moderación, etc.

Antes de exponer qué estadístico escogen utilizar los investigadores para poner a prueba "las puntuaciones de cambio, o la interacción, o la simple diferencia entre las medidas post" hacemos un inciso para destacar de nuevo que, si la planificación de la investigación es deficitaria poco sentido tiene ocuparse del análisis de los datos. Campbell y Stanley (1963, p.22) ya hicieron hincapié en este aspecto:

Good experimental design is separable from the use of statistical tests of significance. It is the art of achieving interpretable comparisons and as such would be required even if the end product were to be graphed percentages, parallel prose case studies, photographs of groups in action, etc. In all such cases, the interpretability of the results depends upon control oven the factors we have been describing.

Cuarenta años más tarde se vuelve a insistir en ello:

In this book, we have advocated that statistical adjustments for group nonequivalence are best used after design controls have already been used to the maximum in order to reduce nonequivalence to a minimum. So we are not opponents of statistical adjustment techniques such as those advocated by the statisticians and econometricians described in the appendix to Chapter 5. Rather we want to use them as the last resort. (Shadish et al., 2002, p.503).

Este pensamiento no es exclusivo del ámbito de las Ciencias Sociales, Deeks et al., (2003, p.91) en el ámbito médico expresan que "Statistical methods of analysis cannot properly correct for inadequacies of study design" . En definitiva, es notorio en todos los campos de investigación ver expresado que por muy elegante, novedoso, robusto y poderoso que sea el procedimiento de análisis utilizado, nunca va a corregir ni las deficiencias del método ni la mala planificación del diseño elegido para recoger los datos (e.g., Des Jarlais, Lyles, Crepaz & TREND Group, 2004; Eastmond, 1998; Harns et al., 2004; Scheirer, 1998; Shadish & Myers, 2004 a; Shardell et al., 2007; Sridharan & Nakaima, 2011; Stone et al., 2007; Valentine & Cooper, 2003, int. al).

La probabilidad de acertar en la elección del estadístico (conveniente y correcto) para poner a prueba nuestra hipótesis es muy pequeña si antes no se realiza un examen exploratorio de los datos (Cohen, 1992, 1994) para determinar por ejemplo, si algunos sujetos tienen puntuaciones extremas (valores atípicos debidos a un defectuoso instrumento de medida, a fallos en el registro, a una mala aplicación del tratamiento, etc.), si tenemos pérdida de datos ocasionales (no acudieron ese día por algún motivo ajeno a la investigación, no se registró el dato debido a un fallo del experimentador, etc.) o si lo que sucede es que hay sujetos que abandonan (debido a la no adherencia al tratamiento, de modo circunstancial se han trasladado a otro lugar, una enfermedad nos les ha permitido continuar, etc. ). Es necesario también conocer si se satisfacen o no las asunciones de normalidad y homoscedasticidad, que con frecuencia sucede cuando los grupos están desequilibrados como en este caso. Y si procede, es imprescindible valorar la independencia entre la(s) covariada(s) y el tratamiento, si las pendientes en los grupos son paralelas, si existe o no multicolinealidad, si es posible que alguna variable esté mediando en la relación causal, etc. Las causas capaces de provocar estos problemas pueden ser varias y requerirían tratamientos distintos.

La existencia de puntuaciones atípicas sólo se examina en una investigación. En ninguna se comenta si falta algún dato, a pesar de lo habitual que es este problema en los diseños Cx. (Shadish et al., 2002). Sólo en 14(21.2%) investigaciones se reconoce haber perdido sujetos (Tabla 7) pero en ningún caso los investigadores se plantean por qué se ha producido, cual ha sido el patrón de pérdida ni qué consecuencias puede tener para la inferencia. Investigaciones meta-analíticas han demostrado que el TE es sensible al abandono de los sujetos (Shadish & Ragsdale, 1996) y por lo tanto es preciso tener en cuenta el tamaño de la muestra al principio y al final de la investigación para valorar el efecto del desgaste de muestra (Shadish & Myers, 2004 a). Sin excepción, ya sean puntuaciones atípicas ya sea pérdida de sujetos, en las investigaciones afectadas se afronta el problema eliminando el problema, esto es, eliminando del análisis a los sujetos que tienen puntuaciones atípicas y a los que abandonan (Tabla 7). Una excelente exposición sobre estos problemas y el modo de hacerlos frente la realizan West et al. (2008).

En el 87.9% (Tabla 7) de las investigaciones no se comprueba si se satisfacen las asunciones de normalidad ni de homogeneidad, tampoco las asunciones añadidas a éstas cuando se hace análisis de la covarianza. En las pocas veces que se utiliza el análisis de la regresión o el análisis multivariado no se examina la existencia de multicolinealidad, en el primero tampoco mediación y en el segundo nunca se completa con el análisis discriminante. Así las cosas, no se ha utilizado ningún estadístico robusto (e.g., F de Brown Forsythe en ausencia de homogeneidad) y las pruebas no paramétricas se utilizan en pocas ocasiones, y cuando se utilizan se justifican por ser escaso el tamaño de muestra. Por lo tanto, el análisis de los datos realizado para poner a prueba las hipótesis es un fiel precipitado del diagnóstico que no se ha hecho de los datos.

Aunque en las Tablas 8 b y 8 c podemos observar que casi cada diseño Cx. y Px. ha sido analizado de un modo distinto, y que los diseños que comentamos "podrían ser" de DR ninguno se analiza como tal, sin duda alguna la prueba t de Student, estresándola hasta la saciedad, es la prueba estrella. Con frecuencia no se tiene una visión conjunta del diseño y, desmembrando los grupos y las ocasiones temporales, los autores ponen a prueba las hipótesis estudiando las diferencias dos a dos en cada grupo (entre dos momentos temporales) y dos a dos entre grupos (en cada momento temporal), y esto para cada una de las variables dependientes que, del mismo modo que otros autores han encontrado (e.g., Scandura & Williams, 2000; Snyder et al., 2002), aquí también son muchas.

Es indiscutible que analizando así los datos los investigadores aseguran tener una alta probabilidad de rechazar la Ho, sin embargo no lo hacen cuidando la planificación de la investigación, sino que lo consiguen debido al nivel de significación acumulado tras realizar una gran cantidad de contrastes, y no debemos olvidar que el estrés sometido al análisis de los datos no convierte en válidas las comparaciones efectuadas "Use of significnce tests presumes but does not prove or supply the comparability of the comparison groups or the interpretability of the diference found" (Campbell & Stanley, 1963, p.22). De esta parte, por tanto, cometer un elevado error de Tipo I está garantizado. De otra parte, párrafos atrás expusimos que el tamaño de los grupos es pequeño por lo general, en los diseños balanceados y en los no balanceados también. En este caso, los investigadores trabajan con escasa potencia de prueba para detectar, quizás, un TE relevante, que nunca sabremos si lo era porque pocas veces se calcula, y en aquellas que se calculó no hubo comentario alguno sobre su relevancia a nivel sustantivo. De este modo, por tanto, los trabajos están destinados a tener una alta probabilidad de cometer error de Tipo II. Esta conducta polarizada convierte la inferencia estadística en un ejercicio abandonado al capricho del azar. Desafortunadamente sigue siendo actual el comentario de Campbell y Stanley "The tests of significance used with it are often wrong, incomplete, or inapropiate" ( op.cit , pp. 21-22).

Finalmente, aunque el valor empírico del estadístico de contraste y los gl . están reflejados prácticamente en la totalidad de los trabajos, el valor exacto de p se expone en 41(62.1%) investigaciones y el TE en 13(19.7%). Sin embargo, la potencia de prueba empírica sólo se calcula en una y los intervalos confidenciales en ninguna (Tabla 11). Este panorama también se ha detectado en otras revisiones sobre investigaciones Cx. (Hsieh et al., 2005; Snyder et al., 2002).

En el Fichero Adicional 5 se exponen excelentes referencias sobre cómo analizar los D. Cx. de GCNE, de DR y de series temporales.

Una vez redactados los resultados corresponde elaborar una discusión y concluir. Cuando se ha realizado una investigación Cx. o Px. es esperable, en mayor medida que cuando se lleva a cabo una investigación experimental, que el investigador extreme precauciones al extender sus conclusiones. Es el momento de reconocer las debilidades de la investigación, y de poner en tela de juicio si la pretendida relación causal ha podido resultar afectada por alguna de las posibles amenazas a la validez interna. Es el momento de valorar si la relación estadísticamente significativa encontrada es espuria en lugar de causal. O por el contrario, esa relación estadística que no hemos encontrado ha sido debida a la presencia de variables que estaban oscureciendo la relación o a la existencia de una incontrolada varianza del error por ejemplo, entre otras razones de cariz estadístico. Esto es, el investigador debe valorar si también ha cuidado la validez de conclusión estadística. Sólo si ambas se han cuidado tiene sentido examinar la validez externa y ecológica. Examinamos los apartados "discusión" y "conclusiones" con ánimo de observar si los investigadores manifiestan la sospecha, o explicitan la certeza de que alguna amenaza a la validez pudiera estar presente, y si así es, saber de qué modo la ponen a prueba y de qué modo solventan el problema. En la Tabla 12 se exponen los resultados.

Advertimos que en 31(77.5%) investigaciones Cx. no se comenta ninguna posible amenaza a la validez interna. Del resto, sólo en un trabajo el hallazgo de diferencias estadísticamente significativas entre las medidas pre de los grupos se denominó sesgo de selección, pese a que en 33(84.61%) se pone a prueba la igualdad inicial de los grupos de alguna manera y que en 6 (18.8%) se efectúa un análisis de la covarianza con la medida pre o con otras (ver Tabla 8 a) justificando que se hace debido a que ha habido diferencias entre los grupos en ellas y que así ya estarían controladas. Por lo tanto, existe la creencia generalizada de que si los grupos experimental y control son iguales estadísticamente con respecto a la medida pre, y/o con respecto a alguna otra, no existe sesgo de selección, lo escriban así o no, y además, que basta el análisis de la covarianza para controlar esas diferencias iniciales, de haberlas. Nada más lejos de la realidad. No basta con eso. El que no haya diferencias en la medida pre o el que las haya, ni es suficiente ni es necesario para que exista o no sesgo de selección. El sesgo de selección es un activo tóxico complejo responsable de las diferencias sistemáticas entre los grupos de comparación en la respuesta al tratamiento o en su pronóstico, y se produce cuando variables relacionadas con la variable dependiente existen en grado distinto entre los grupos sometidos a comparación (debido a distorsiones en los procedimientos utilizados para seleccionar los sujetos, debidos a factores que influyen en la participación en el estudio, etc.) y pueden ser otras distintas a las registradas, esto es, quizás variables como la edad, el sexo, etc., no sean causa de sesgo en según qué muestra, pese a ser las que habitualmente se registran. Esta falsa creencia explicaría por qué las variables registradas antes recibir la intervención nunca se han introducido como covariables cuando han resultado estadísticamente no significativas entre los grupos, cuando de hecho debiera hacerse si se asume un modelo mediacional (ver Judd & Kenny, 1981 y Huitema, 2011).

En 7 (17.5%) investigaciones Cx. se reconoce haber perdido muestra debido al abandono de sujetos aunque sólo en una se denomina mortandad experimental. Denominarlo así o no pensamos que no tiene importancia, lo que sí la tiene es que en ninguna se ha examinado a qué ha podido deberse y sólo en 4 de ellas se estudia de algún modo el posible efecto que esto haya podido causar poniendo a prueba si los sujetos que abandonan tienen las mismas características que tiene el grupo al que pertenecían (Tabla 12). En las 7 investigaciones realizan los análisis inferenciales posteriores prescindiendo de los sujetos que han abandonado. Sin saberlo han realizado lo que se denomina análisis por Protocolo ( per-protocol-analysis ), pero podrían haber procedido de modo más saludable realizando el análisis por Intención de Tratar ( Intention-to-Treat Analysis ). Para conocer las particularidades y ventajas de uno y otro modo de proceder, y tomar el pulso al debate que sobre este tema está teniendo lugar se puede consultar Anderson (2012), Sedgwick (2011), Shah (2011), White, Carpenter & Horton (2012), int. al.

En dos investigaciones los autores sospechan que la cantidad de tiempo existente entre los registros de las medidas pudiera ser un problema. En ambas, y sólo en el G. C, examinan si estas diferencias (post-pre) son estadísticamente significativas y en las dos resultó no serlo. En ambas concluyeron entonces que la distancia temporal no influía en el efecto del tratamiento. Esta conclusión es errónea, pero sin saberlo estaban poniendo a prueba el efecto de la maduración, pero también de la historia, de la regresión a la media (si las medidas hubiesen estado más próximas), pero de modo tan débil que, en ningún caso, esas no diferencias estadísticamente significativas pueden eliminar la sospecha de que estas amenazas pudieran estar presentes, máxime conociendo el escaso cuidado que se ha puesto en la formación de los grupos. De ahí la necesidad de contar con más de un G. C como anteriormente hemos comentado. De otra parte, los autores podrían haber observado lo mismo teniendo también en cuenta al G. E. Si hubiesen tenido la sospecha de un cambio maduracional, examinar las puntuaciones de cambio tiene sentido. De haber resultado el análisis estadísticamente significativo pensaríamos que ambos grupos evolucionan con un ritmo distinto, esto es, es posible que pudiera haber cierto efecto de maduración pero sería posible concluir que el tratamiento ejerce un efecto añadido en el grupo que lo recibe. Si no hubiese sido estadísticamente significativo (y además observamos el gráfico de medias) tal vez podríamos concluir que los dos grupos evolucionan al mismo ritmo. Esta podría haber sido una forma sencilla de proceder. Ahora bien, cuando la distancia entre las medidas es mucha (quizás debido a que el tratamiento tarda un tiempo en ser efectivo y eso justificaría esa distancia), o sea por otro motivo, hay que pensar que en mucho tiempo caben muchas circunstancias, y alguna es esperable que afecte a las variables dependientes que se toman. De ahí la necesidad de registrar variables dependientes no equivalentes y de contar con más grupos tanto de tratamiento como de control y ponerlos a prueba en situaciones y momentos temporales distintos. En fin, necesidades distintas requieren controles distintos.

De otras amenazas a la validez se comenta sólo su sospecha pero no se ponen a prueba, como el posible efecto de regresión a la media que se comenta en dos investigaciones, y los posibles efectos de orden que se comentan sólo en una.

Otras amenazas ni siquiera se sospechan. A saber, en la Tabla 5 pudimos ver que en 12 (30.7%) ocasiones los grupos experimental y control están muy próximos entre sí y en estas situaciones puede ocurrir rivalidad compensatoria, difusión del tratamiento, etc., (Cook & Campbell , 1979) que en ningún caso se comentan.

Sólo en una investigación Px. los autores calculan el tamaño de muestra, pero lo hacen una vez que ya estaban formados los grupos con ánimo de saber si sería suficiente para estimar un tamaño del efecto medio según Cohen (1988). Lo fue. Así las cosas, teniendo en cuenta que en ninguna investigación se planificó el tamaño de la muestra esperábamos leer algún comentario referente a ella tanto con respecto a su composición como con respecto a su tamaño. Advertimos que en 30(75%) investigaciones no se hace ningún comentario explícito acerca de la muestra, del problema que pueda suponer tener poco tamaño, o tener diferente número de sujetos en los grupos, si su composición no es enteramente adecuada, etc. Únicamente en 2 (5%) los autores advierten que podría estar sesgada, y, sólo en 8 (20%) investigaciones se comenta que el tamaño de la muestra puede ser escaso. Como anécdota, en una investigación los autores escriben que su tamaño de muestra es suficiente porque es mayor que el empleado en otras investigaciones . Ninguna investigación cuestiona la representatividad de la muestra utilizada.

Finalmente estábamos interesados en saber si los autores que habían realizado una investigación con finalidad aplicada 45(68.2%), sobre todo cuando la composición de la muestra fue "específica enferma" y habían concluido que la intervención fue efectiva, manifestaban explícitamente el propósito de aplicar el tratamiento en los grupos que habían sido de control. En ningún caso se expresó explícitamente esto cuando de hecho debiera de hacerse por razones éticas, sin embargo, expresiones como "sería deseable" o "sería conveniente" fueron habituales.

Es un clásico concluir los informes de investigación comentando limitaciones en el sentido de que "manipulando otros niveles de variables..., aplicándolo a otras muestras distintas..., etc, los resultados pudieran ser otros". Esto también se hace en los trabajos que revisamos, pero no es suficiente. A la misma conclusión han llegado otros investigadores que también han realizado revisiones sobre la calidad de las investigaciones Cx. A saber, Scandura & Willians (2002) manifiestan que tienen una baja validez de constructo, interna y externa. Castro & Mastropieri (1986), Deeks et al. (2003), Dunst & Rheingrover (1981), Farran (1990, 2000), Grant & Wall (2009), Higghouse (2009) y Snyder et al. (2002) lamentan el poco rigor en la planificación de estas investigaciones (diseño pobre, medidas imprecisas e inservibles, etc.) e inadecuados análisis estadísticos. Harris et al. (2005) manifiestan su enorme preocupación por el hecho de que muy pocos autores describen las limitaciones de los diseños que utilizan en las investigaciones Cx. y por lo tanto no pueden esbozar las posibles amenazas a las conclusiones.

Ya se había avisado "Encouraging good design and logic will help improve the quality of conclusions." (Wilkison & TFSI, 1999).

Conclusiones y recomendaciones

Hemos examinado minuciosamente las 66 investigaciones Cx. y Px. contenidas en las revistas Psicothema, International Journal of Clinical and Health Psychology y Psicológica en el periodo comprendido entre 1999 y 2009 (11 años). Debido a que son el total de las de su clase en el período temporal examinado constituyen un censo.

A colación de la cantidad. Es un hecho que conforme el total de casos se aleja de 100 en sentido negativo más grande nos parece el porcentaje de una cantidad dada, del mismo modo que cuando de 100 se aleja en sentido positivo nos parece más pequeño el de la misma cantidad. Por esta razón, contar con tan pocas investigaciones ha supuesto una virtud para el propósito que pretendíamos, ya que el cálculo de porcentajes ha hecho las veces de tinta de contraste que hemos aprovechado para destacar las debilidades de estas investigaciones y ahondar en la enorme importancia que tiene cuidar el método.

Consideramos de justicia, antes de nada, realizar una digresión para destacar tres aspectos. Primero. Estas 66 investigaciones sólo suponen el 4.02%, 4.47% y 2.2% de los trabajos publicados por las tres revistas (respectivamente, en el orden anteriormente citado, ver también Tabla 1) y en absoluto son representativas del conjunto de trabajos publicados en ellas. Segundo. Entre las 66 investigaciones sometidas a revisión hay algunas extraordinarias, y salvo alguna que requeriría una revisión en mayor profundidad, el resto adolecen de una u otra deficiencia, pero no de todas, hecho que en absoluto va a suponer que pierdan su envergadura y su sentido y sirvan como fuente de tensión en su campo de estudio sea el que sea. Tercero. Huelga comentar que la excelencia de las tres revistas sometidas a examen es incuestionable, no sólo por su trayectoria, sino porque las tres han sido y son objeto de deseo de grandes científicos en el campo de la Psicología o afines que deciden publicar en ellas sus trabajos. Proseguimos.

En el proceso de investigación desde que comienza hasta que se redactan los resultados existe un orden lógico en el que se debe considerar cada aspecto y cada matiz de la misma. Hemos tratado de ordenar el discurso del apartado anterior en ese mismo orden, y lo hemos hecho así para destacar que la planificación de una investigación, sea la que sea, (cualitativa o cuantitativa, experimental o no experimental, etc.) es en sí un ejercicio estructurado que exige considerar la validez en toda su diversidad, aunque con distinta profundidad en función de la finalidad perseguida.

Así pues, para comenzar a planificar una investigación cuasi-experimental es preciso reconocer que las condiciones son SIEMPRE adversas debido a la ausencia de aleatorización. Esta falta de control exige que el investigador se ponga en alerta y comience a pensar que los supuestos que debe considerar son muchos y que ponerlos en evidencia no va a ser tarea fácil. Lo primero que debe hacer es familiarizarse con el contexto en el que se va a celebrar la investigación y conocer en profundidad las características de la población en la que desea poner a prueba su hipótesis. Evidentemente a estas alturas las hipótesis las debe tener perfectamente definidas y el modelo explicativo también. En este momento se produce uno de los pasos más delicados, que es traducir o interpretar las piezas de las hipótesis para hacerlas operativas. Es el momento de cuidar la validez de constructo (referente a sujetos, medidas, momentos, tratamiento, variables dependientes, etc.) porque será la que nos va a permitir cuidar la formación de los grupos, aplicar el tratamiento "con integridad", y observar sus efectos en la extensión deseada para que la validez interna en la parrilla de salida sea impecable. El modelo explicativo de sus hipótesis y las posibilidades con las que cuenta para ponerlas a prueba van a determinar el diseño de recogida de datos que garantizará que la validez interna no se malogre. En este punto la validez de la conclusión estadística ya está casi en su totalidad sentenciada. Si en lo que resta el investigador cuida que el modelo explicativo de sus hipótesis también sea el que dirija la elección del modo de análisis, y en este punto usa los estadísticos de prueba del modo que sea correcto y pertinente, el error de Tipo I y de Tipo II los tendrá controlados. A esto es lo que nosotros denominamos Validez Estructurada y condición sine qua non para que TODA investigación alcance niveles óptimos de calidad. Conforme nos alejamos de la libertad que permite la asignación aleatoria es preciso molestarse más para hacer el mismo recorrido.

En resumen, la validez siempre va a venir explicada por un modelo no aditivo en el que aparecen enhebrados los cuatro tipos de validez del modelo capitaneado por Campbell. Es la Validez Estructurada. Una investigación tiene Validez Estructurada cuando, en primer lugar se ha cuidado la validez de constructo. Cuidada ésta, es posible la validez interna. Satisfechas ambas posibilitan, hacen eficaz la validez de conclusión estadística. La validez de conclusión estadística no es validez interna, pero si el modelo que explica las hipótesis ha sido el correcto, la validez de conclusión estadística consolidaría la validez interna. La validez externa y ecológica en parte están delimitadas por la validez de constructo inicial, pero no tienen sentido si la validez interna no se logra. Cook & Campbell (1979, p.80-85) ya habían comentado la relación que había entre validez interna y de conclusión, de una parte, y validez de constructo y validez externa de otra. Nosotros hemos querido hacer una modesta aportación a su modelo de validez.

In science we are like sailors who must repair a rotting ship while it is afloat at sea. We depend on the relative soundness of all other planks while we replace a particularly weak one. Each of the planks we now depend on we will in turn have to replace. No one of them is a foundation, for point of certainty, no one of them is incorrigible. (Campbell, 1969, p. 43).

Recomendaciones prácticas que nos permitirán salir a flote:

1. - Al principio de este trabajo redactamos que la dama es al ajedrez lo que la aleatorización al método científico, y pensamos que así es, sin embargo, es la posición del rey la que gana o pierde la partida. Los maestros del método nos han inculcado que la aleatorización no hace bueno el método, el buen método se hace gestionando bien los recursos. 2. - Sólo es posible gestionar bien los recursos trabajando con Validez Estructurada. Es el único modo de evitar la acumulación de amenazas, activos tóxicos venidos desde distintos frentes, siendo uno de los más vulnerables el que a los grupos de control se refiere. Si éstos no están bien formados, o aún estándolo, no son adecuados para poner a prueba la hipótesis que se pretende, lejos de ser un valor, se convierten en testigos incómodos capaces de arruinar la investigación. 3. - Nos guste o no, las hipótesis se ponen a prueba mediante alguna técnica estadística, y como antes hemos comentado, las ideas excelentes (hipótesis) no hacen válidos ni siquiera los más potentes procedimientos de análisis de datos. Si la validez de conclusión estadística está desnuda de masa sustantiva habrá una conclusión estadística que se mantendrá dentro de unos márgenes de error (cuando por ejemplo tenemos mucho tamaño de nuestra pero sin considerar el tamaño del efecto), pero la probabilidad de no ser válida (validez interna) será muy alta. 4. - Resulta fatigoso leer el apartado de resultados en muchos trabajos publicados. Es imperativo embridar el derroche en el análisis de los datos. Los análisis no se hacen bien, más que por no elegir correctamente el estadístico, por el modo de hacerlo. Por ejemplo, es cierto que el análisis de la varianza es imperfecto en algunas situaciones, pero repetirlo múltiples veces conduce a generar un error de tipo I insostenible. Esta conducta ha sido y sigue siendo criticada hasta la saciedad en múltiples revisiones en cualquier área de investigación ( e.g ., Schochet, 2009b). 5. - La conducta compulsiva anterior nos lleva a pensar que muchos investigadores quizás tengan la creencia errónea de que tener validez es equivalente a rechazar la Ho, con lo importantes que son las Ho cuando de significación práctica se trata, o simplemente para conocer qué camino nos lleva a ninguna parte, que no es poco. Rechazar la hipótesis nula (y su correspondiente análisis forense) sólo es un punto de llegada (y siempre provisional) si antes hemos demostrado que las hipótesis alternativas (que hasta el momento conocemos o podemos poner a prueba) son falsas. 6. - Es imperativo reconocer que no somos autosuficientes, y aunque estemos versados en el tema que investigamos conviene recurrir a un experto en metodología y análisis de datos que nos ayude a planificar la investigación que nos permita poner a prueba del mejor modo posible nuestras hipótesis y a analizar correctamente los datos (Altman, 2006; Harns et al., 2004, 2005; Shadish et al., 2002; Shardell et al., 2007, int.al).

Bobby Fisher reconocía que había aprendido a jugar al ajedrez observando el juego de los clásicos, de los jugadores románticos del Siglo XIX y principios del XX que gustaban de comienzos difíciles, con sacrificios de piezas que ponían a prueba el talento e imaginación de quien defendía uno y otro color en el tablero. Pensamos que para investigar "bien y mejor" es absolutamente necesario saber lo que nos falta por aprender, y ahora ya lo sabernos, al menos parte. Es bueno también tener algún modelo de referente. En este sentido, y para abrir boca, recomendamos leer el trabajo de una de las investigaciones cuasi-experimentales realizadas de modo magistral por Campbell y Ross (1968), The Connecticut crackdown on speeding: Time-series data in quasiexperimental analysis .

Así fue cómo en plena guerra fría se produjo la chispa que impulsaría, en el mundo del ajedrez, la carrera de uno de los más grandes genios de la historia, y en la ciencia, el punto de partida de una obra metodológica extraordinaria.

A lo largo de artículo se ha hecho referencia a cinco ficheros adicionales. Todos ellos se encuentran en la página http://www.unioviedo.es/dise investigacion/ . Los ficheros son:

Fichero Adicional 1: descripción de todas las variables registradas en todas sus categorías de clasificación.

Fichero Adicional 2: redacción de los resultados obtenidos libres de discusión.

Fichero Adicional 3: exposición de los resultados obtenidos en 12 Tablas.

Fichero Adicional 4: referencias bibliográficas seleccionadas sobre investigación Cx. (y otras investigaciones no aleatorizadas), algunas de carácter general y otras más específicas referidas a distintos ambientes disciplinares (educativo, clínico, etc.), también sobre causalidad.

Fichero Adicional 5: referencias bibliográficas seleccionadas sobre aspectos concretos y específicos de las investigaciones Cx. (y en general de las investigaciones no aleatorizadas): análisis de datos (para D-GCNE, D-DR y de series temporales), sesgo de selección, mediación, pérdida de datos, evaluación de programas, Método mixto, Modelos Multinivel, Modelos de Ecuaciones Estructurales, etc.

Referencias

1. Altman, D. G. (2006). Practical statistics for medical research. New York: Chapman & Hall.         [  Links  ]

2. Anderson, R. A. (2012). Reply: Intention-to-treat and per-protocol analyses. Human Reproduction, 27, 3118-3119.         [  Links  ]

3. Arnau, J. (1995). Metodología de la investigación en psicología. En M. T. Anguera, J. Arnau, M. Ato, R. Martínez, J. Pascual, J., y G. Vallejo, G. (Eds.), Métodos de investigación en Psicología (Cap. 1). Madrid: Síntesis.         [  Links  ]

4. Ato, M. (1995). Tipología de los diseños cuasi-experimentales. En M. T. Anguera, J. Arnau, M. Ato, R. Martínez, J. Pascual, J., y G. Vallejo, G. (Eds.). (1995). Métodos de investigación en Psicología (Cap. 9). Madrid: Síntesis.         [  Links  ]

5. Ato, M., y Vallejo, G. (2011). Los efectos de terceras variables en la investigación psicológica. Anales de Psicología, 27, 550-561.         [  Links  ]

6. Avellar, S., & Paulsell, D. (2011). Lessons Learned from the Home Visiting Evidence of Effectiveness Review. Office of Planning, Research and Evaluation, Adrmmstration for Children and Families, U.S. Department of Health and Human Services. Washington, DC. Recuperado de http://homvee.acf.hhs.gov/Lessons Learned.pdf .         [  Links  ]

7. Bai, A., Shukla, V. K., Bak, G., & Wells, G. (2012). Quality assessment toolsproject report. Ottawa: Canadian Agency for Drugs and Technologies in Health.         [  Links  ]

8. Brunswik, E. (1956). Perception and the representative design of psychological experiments (2nd. Ed.). Berkeley, CA: University of California Press.         [  Links  ]

9. Burchett, H., Umoquit, M., & Dobrow, M. J. (2011). How do we know when research from one setting can be useñil in another? A review of external validity, applicability and transferability frameworks. Journal of Health Services Research & Policy, 16, 238-44.         [  Links  ] .

10. Cambon, L., Minary, L., Ridde, V., & Alla, F. (2012). Transferability of interventions in health education: a review. BMC Public Health, 12(497).         [  Links  ]

11. Campbell, D.T. (1957). Factors relevant to the validity of experiments in social settings. Psychological Bulletin, 54, 297-312.         [  Links  ]

12. Campbell, D.T. (1969). A phenomenology of the other one: Corrigible, hypothetical and critical. En T Mischel (Ed.), Human Action: conceptual and empirical issues (pp. 41-69). New York: Academic Press.         [  Links  ]

13. Campbell, D. T., & Ross, H. L. (1968). The Connecticut Crackdown on Speeding: Time-Series Data in Quasi-Experimental Analysis. Journal of the Law and Society Association, 3, 33-54.         [  Links  ]

14. Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research on teaching. In N. L. Gage (Ed.), Handbook of research on teaching (pp. 171-246). Chicago: Rand McNally. (Reprinted as Experimental and quasi-experimental designs for research. Chicago: Rand McNally, 1966).         [  Links  ]

15. Castro, G., & Mastropieri, M. (1986). The efficacy of early intervention programs: A meta-analysis. Exceptional Children, 52, 417-424.         [  Links  ]

16. Centre for Reviews and Dissemination, CRD. (2010). Finding studies for systematic reviews: A resource listfor researchers. New York: Umversrty of York. Recuperado de http://www.york.ac.uk/inst/crd/revs.htm (accessed 13 Sep 2012).         [  Links  ]

17. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Lawrence Erlbaum.         [  Links  ]

18. Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49, 997-1003.         [  Links  ]

19. Cohen, J. (1992). Cosas que he aprendido (hasta ahora). Anales de Psicología, 8, 3-17.         [  Links  ]

20. Cook, T.D. (2000). The false choice between theory-based evaluation and experimentation. New Directions for Evaluation, 87, 27-34.         [  Links  ]

21. Cook, T. D. (2006) Describing what is special about the role of experiments in contemporary educational research: putting the "Gold Standard" rhetoric into perspective. Journal of MultiDisciplinary Evaluation, 3, 1-7.         [  Links  ]

22. Cook, T. D. (2008). "Wartmg for life to amve": A history of the regression-discontinuity design in psychology, statistics and economics. Journal of Econometrics, 1422, 636-54.         [  Links  ]

23. Cook, T. D., & Campbell, D. T. (1976). The design and conduct of quasi-experiments and true experiments in fields settings. En M. Dunnette (Ed.), Handbook of industrial and organizational psychology (pp. 223-326). Chicago: Rand McNally.         [  Links  ]

24. Cook, T. D., & Campbell, D. T. (1979). Quasi-experimentation: Design and analysis issues forfield settings. Chicago: Rand-McNally.         [  Links  ]

25. Cook, T. D., Campbell, D. T., & Peracchio, L. (1990). Quasi-experimentation. En M. D. Dunnette & L. M. Hough (Eds.), Handbook of industrial and organizational psychology (pp. 491-576). Palo Alto, CA: Consulting Psychologists Press.         [  Links  ]

26. Cook, L., Cook, B. G., Landrum T. J., & Tankersley, M. (2008). Examining the role of group experimental research in establishing evidenced-based practices. Intervention in School and Clinic, 44, 76-82.         [  Links  ]

27. Cook, T. D., & Gorard, S. (2007). Where does good evidence come from? International Journal of Research and Method in Education, 30, 307-323.         [  Links  ]

28. Cook, T. D., Scriven, M., Coryn, C. L. S., & Evergreen, S. D. H. (2010). Contemporary thinking about causation in evaluation: A dialogue with Tom Cook and Michael Scriven. American Journal of Evaluation March, 31 , 105-117.         [  Links  ]

29. Cook, B. G., Tankersley, M., & Landrum, T. J. (2009). Determining Evidence-Based Practices in Special Education. Exceptional Children, 75, 365-383.         [  Links  ]

30. Cook, T. D., & Wong, V. C. (2008). Empirical tests of the validity of the regression discontinuity design. Annales d'Economie et de Statistique, 91-92, 127-150.         [  Links  ]

31. Cooper, C.A., McCord, D. M., & Socha, A. (2010). Evaluating the college sophomore problem: The case of personality and politics. The Journal of Psychology: Interdisciplinary and Applied, 145, 23-37.         [  Links  ]

32. Creswell, J. W. (2009). Research design: Qualitative, quantitative, and mixed methods approaches (3rd ed.). Thousand Oaks, CA: Sage.         [  Links  ]

33. Datta, L. E. (2007). What are we, chopped liver? or why it matters if the comparisons are active and what to do. The Evaluation Center, The Evaluation Café. Recuperado de  http://www.wmich.edu/evalctr/wp-content/uploads/2010/05/chopped-liver.pdf .         [  Links  ]

34. Devito, D. A., Song, M. K., Hawkins, R., Aubrecht, J., Kovach, K., Terhorst, L., ... Callan, J. (2011). An Intervention Fidelity Framework for Technology-Based Behavioral Interventions. Nursing research, 60, 340-347.         [  Links  ]

35. Deeks, J. J., Dinnes, J., D'Amico, R., Sowden, A. J., Sakarovitch, C., Song, F., ... Altman, D.G. (2003). Evaluating non-randomised intervention studies. Health Technology Assessment, 7(27), 1-173.         [  Links  ]

36. Des Jarlais, D. C., Lyles, C., Crepaz, N., & TREND Group (2004). Improving the reporting quality of nonrandomized evaluations of behavioral and public health interventions: (2004). The TREND Statement. American Journal of Public Health, 94, 361-366.         [  Links  ]

37. Donaldson, S., & Christie, C. (2005). The 2004 Claremont debate: Lipsey vs. Scriven. Determining causality in program evaluation and applied research: Should experimental evidence be the gold standard? Journal of Multidisciplinary Evaluation, 3, 60-77.         [  Links  ]

38. Dunst, C. J., & Rheingrover, R. (1981) An analysis of the efficacy of early intervention programs with organically handicapped children. Evaluation and Program Planning, 4, 87-323.         [  Links  ]

39. Eastmond, N. (1998). Commentary: when funders want to compromise your design. American Journal of Evaluation, 19, 392-395.         [  Links  ]

40. Farran, D. C. (1990). Effects of intervention with disadvantaged and disabled children: A decade review. En S. J. Meisels & J. P. Shonkoff (Eds.), Handbook of early childhood intervention (pp. 501-539). New York: Cambridge University Press.         [  Links  ]

41. Farran, D. C. (2000). Another decade of intervention for children who are low income or disabled: What do we know now? En J. P. Shonkoff & S. J. Meisels (Eds.), Handbook of early childhood intervention (2nd ed., pp. 510-548). New York: Cambridge University Press.         [  Links  ]

42. Ferguson, L. (2004). External validity, generalizability, and knowledge utilization. Journal of Nursing Scholarship, 36(1), 16-22.         [  Links  ]

43. Frick, R. W. (1995). Accepting the null hypothesis. Memory & Cognition, 23, 132-138.         [  Links  ]

44. Funnell, S. C., & Rogers, P. J. (2011). Purposeful program theory: Effective use of theories of change and logic models (Research Methods for the Social Sciences). San Francisco: John Wiley & Sons.         [  Links  ]

45. Gage, N. L. (Ed.) (1963). Handbook of research on teaching. Chicago: Rand McNally.         [  Links  ]

46. Gersten, R., Baker, S. K., Smith-Johnson, J., Flojo, J. R., & Hagan-Burke, S. (2004). A tale of two decades: Trends in support of federally funded experimental research in special education. Exceptional Children, 70, 323-332.         [  Links  ]

47. Gibbert, M., & Ruigrok, W. (2010). The "What" and "How" of Case Study Rigor: Three Strategies Based on Published Work. Organizational Research Methods, 13, 710-737.         [  Links  ]

48. Glasgow, R. E., & Emmons, K. M. (2007). How can we increase translation of research into practice? Types of evidence needed. Annual Review of Public Health, 28, 413-33.         [  Links  ]

49. Grant, A. M., & Wall, T. D. (2009). The Neglected Science and Art of Quasi-Experimentation Why-to, When-to, and How-to Advice for Organizational Researchers. Organizational Research Methods, 12, 653-686.         [  Links  ]

50. Green, L. W., & Glasgow, R. E. (2006). Evaluating the relevance, generalization, and applicability of research: issues in external validation and translation methodology. Evaluation & the Health Professions, 29(1), 126-53.         [  Links  ]

51. Gupta, S. K. (2011). Intention-to-treat concept: A review. Perspectives in Clinical Research, 2, 109-112.         [  Links  ]

52. Harris, A. D., Bradham, D. D., Baumgarten, M., Zuckerman, I. H., Fink, J. C., & Perencevich, E. N. (2004). The use and interpretation of quasi-experimental studies in infectious diseases. Clinical Infectious Diseases, 38, 1586-91.         [  Links  ]

53. Harris, A. D. Lautenbach, E., & Perencevich, E. (2005). A systematic review of quasi-experimental study designs in the fields of infection control and antibiotic resistance. Clinical Infectious Diseases, 41 , 77-82.         [  Links  ]

54. Harris, A. D. McGregor, J. D., Perencevich, E. N., Furuno, J. P., Zhu, J., Peterson, D. E., & Finkelstein, J. (2006). The Use and Interpretation of Quasi-Experimental Studies in Medical Informatics. Journal of the American Medical Informatics Association, 13, 16-23.         [  Links  ]

55. Highhouse, S. (2009). Designing experiments that generalize. Organizational Research Methods. Organizational Research Methods, 12, 584-566.         [  Links  ]

56. Highhouse, S., & Gillespie, J. Z. (2010). Do samples really matter that much? En C. E. Lance & R. J. Vandenberg (Eds.) Statistical and methodological myths and urban legends (pp. 247-262). New York: Taylor & Francis Group.         [  Links  ]

57. Higgins, J. P. T., & Green, S. (Eds.) (2011). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0. The Cochrane Collaboration. Recuperado de http://www.cochrane.es/files/handbookcast/Manual_Cochrane_510.pdf .         [  Links  ]

58. Heisman, D. T., & Shadish, W. R. (1996). Assignment methods in experimentation: When do nonrandomized experiments approximate answers from randomized experiments? Psychological Methods, 1 , 154-169.         [  Links  ]

59. Hsieh, P., Acee, T., Chung, WH., Hsieh, YP., Km, H., Thomas, G.D., ... Robinson, D.H. (2005). Is Educational Intervention Research on the Decline? Journal of Educational Psychology, 97, 523-529.         [  Links  ]

60. Huitema, B. E. (2011).The Analysis of Covariance and Alternatives: Statistical Methods for Experiments, Quasi-Experiments, and Single-Case Studies (2da. Ed.). New York: John Wiley.         [  Links  ]

61. ICH Expert Working Group. (2000). Choice of control group and related issues in clinical trials. ICH Harmonised Tripartite Guideline. Current Step 4. E10. Recuperado de http://www.ich.org/fileadmin/Public_Web_Site/ICH_Products/Guidelines/Efficacy/E10/Step4/E10_Guideline.pdf .         [  Links  ]

62. Jensen, D. D., Fast, A. S., Taylor, B. J., & Maier, M. E. (2008). Automatic Identification of Quasi-Experimental Designs for Discovering Causal Knowledge. 14 th ACM SIGKDD, International Conference on Knowledge and data mining. August 24-27, Las Vegas, NV, USA.         [  Links  ]

63. Johnston, M. V., Ottenbacher, K. J., & Reichardt, C. S. (1995). Strong quasi-experimental designs for research on the effectiveness of rehabilitation. American Journal of Physical Medicine Rehabilitation, 74, 383-92.         [  Links  ]

64. Judd, C.M., y Kenny, D.A. (1981). Estimating the effects of social interventions. Cambridge, England: Cambridge University Press.         [  Links  ]

65. Kenny, D. A. (1979). Correlation and causality. New York: John Wiley.         [  Links  ]

66. Keselman, H. J., Huberty, C.J., Liz, L.M., Olejnik, S., Cribbie, R., Donahue, B., ... Levin, J.R. (1998). Statistical practices of educational researchers: An analysis of their ANOVA, MANOVA and ANCOVA analyses. Review of Educational Research, 68, 350-386.         [  Links  ]

67. Kunstmann, L. N., y Merino, E. J. M. (2008). El experimento natural como un nuevo diseño cuasi-experimental en investigación social y de salud. Ciencia y Enfermería XIV (2), 9-12.         [  Links  ]

68. Kunz, R., & Oxman, A. D. (1998). The unpredictability paradox: review of empirical comparisons of randomised and nonrandomised trials. British Medical Journal, 317, 1185-1190.         [  Links  ]

69. Lesik, S. (2006). Applying the regression-discontinuity design to infer causality with non-random assignment. Review of Higher Education, 30, 1-19.         [  Links  ]

70. Li, L. C., Moja, L., Romero, A., Sayre, E. C., & Grimshaw, J. M. (2009). Nonrandomized quality improvement intervention trials might over-state the strength of causal inference of their findings. Journal of Clinical Epidemiology, 62, 959-66.         [  Links  ]

71. Lipsey, M. W., & Wilson, D. B. (1993). The efficacy of psychological, educational,and behavioral treatment: Confirmation from meta-analysis. American Psychologist, 48, 1181-1209.         [  Links  ]

72. MacLehose, R. R., Reeves, B. C., Harvey, I. M., Sheldon, T. A., Russell, I. T., & Black, A. M. (2000). A systematic review of comparisons of effect sizes derived from randomised and non-randomised studies. Health Technology Assessment, 4, 1-154.         [  Links  ]

73. McCaffery, K. J., Turner, R., Macaskill, P., Walter, S.D., Chan, S. F., & Irwig L. (2011). Determining the impact of informed choice: separating treatment effects from the effects of choice and selection in randomized trials. Medical Decision Making, 31 , 229-236.         [  Links  ]

74. McLeod, B. D., & Islam, N. Y. (2011). Usrng Treatment Integrity Methods to Study the Implementation Process. Clinical Psychology. Science and practice, 18, 36-40.         [  Links  ]

75. McNemar, Q. (1946). Opinion attitude methodology. Psychological Bulletin, 43, 289-374.         [  Links  ]

76. Mara, C., & Cribbie, R. A. (2012). Paired-samples tests of equivalence. Communications in Statistics: Simulation and Computation, 41 , 1928-1943.         [  Links  ]

77. Mara, C., Cribbie, R. A., Flora, D., LaBrish, C., Mills, L., & Fiksenbaum, L. (2012). An improved model for evaluating change in randomized pretest, posttest, follow-up designs. Methodology: European Journal of Research Methods for the Behavioral and Social Sciences, 8, 97-103.         [  Links  ]

78 Marcantonio, R. J., & Cook, T. D. (1994). Convincing quasi-experiments: The interrupted time series and regression-discontinuity designs. En J. S.Wholey, H.P. Hatry, & K.E. Newcomer (Eds.), Handbook of practical program evaluation (pp. 133-154). San Francisco: Jossey-Bass.         [  Links  ]

79. Marcus, S. M., Stuart, E. A., Wang, P., Shadish, W. R., & Steiner, P. M. (2012). Estimating the causal effect of randomization versus treatment preference in a doubly randomized preference trial. Psychological Methods, 17, 244-54.         [  Links  ]

80. Nezu, A. M., & Nezu, C. M. (Eds.) (2008). Evidenced-based outcome research: A practical guide to conducting randomized clinical trials for psychosocial interventions. New York: Oxford Press.         [  Links  ]

81. Orwin, R. G. (1997). Twenty-one years and counting: The interrupted time series design comes of age. En E. Chelimsky & W. R Shadish (Eds.), Evaluation for the 21st century: A handbook (pp.443-465). Thousand Oaks, CA: Sage.         [  Links  ]

82. Paluck, E. L., & Green, D. P. (2009). Prejudice Reduction: What Works? A Review and Assessment of Research and Practice. Annual Review of Psychology, 60, 339-367.         [  Links  ]

83. Perepletchikova, F., Hilt, L. M., Chereji, E., & Kazdin, A. E. (2009). Bamers to implementing treatment integrity procedures: Survey of treatment outcome researchers. Journal of Consulting and Clinical Psychology, 77, 212-218.         [  Links  ]

84. Rausch, J. R., Maxwell, S. E., & Kelley, K. (2003). Analytic Methods for Questions Pertaining to a Randomized Pretest, Posttest, Follow-Up Design. Journal of Clinical Child and Adolescent Psychology, 32, 467-486.         [  Links  ]

85. Reardon, S. F., & Robinson, J. P. (2012). Regression discontinuity designs with multiple rating-score variables. Journal of Research on Educational Effectiveness, 5, 83-104.         [  Links  ]

86. Reichardt, C. S., & Henry, G. T. (2012). Regression-discontinuity designs. En H. Cooper, P. M. Camic, D. L. Long, A. T. Panter, D. Rindskopf & K J. Sher (Eds.), APA handbook of research methods in psychology, Vol 2: Research designs: Quantitative, qualitative, neuropsychological, and biological (pp. 511-526). Washington, DC US: American Psychological Association.         [  Links  ]

87. Rossi, P. H., & Freeman, H. (1985). Evaluation: A systematic approach. Beverly Hills, CA: Sage Publications.         [  Links  ]

88. Ruscio, J., & Roche, B. (2012). Variance heterogeneity in Published Psychological Research: A Review and New Index. Metholology, 8, 1-11.         [  Links  ]

89. Sacks, H. S., Chalmers, T. C., & Smith, H. (1982). Randomized versus historical controls for clinical trials. The American Journal of Medicine, 72, 233-240.         [  Links  ]

90. Sacks, H. S., Chalmers, T. C., & Smith, H. (1983). Sensitivity and specificity of clinical trials: Randomized v historical controls. Archives of Internal Medicine, 143, 753-755.         [  Links  ]

91. Sánchez, J., Valera, A., Velandrino, A. P., y Marín, F. (1992). Un estudio de la potencia estadística en Anales de Psicología. Anales de Psicología, 8, 19-32.         [  Links  ]

92. Scandura, T. A., & Williams E. A. (2000). Research methodology in management: Current practices, trends, and implications for future research. Academy of Management Journal, 43, 1248-1264.         [  Links  ]

93. Scheirer, M. A. (1998). Commentary: Evaluation Planning is The Heart of the Matter. American Journal of Evaluation, 19, 385-391.         [  Links  ]

94. Schochet, P. Z. (2009a). Statistical power for regression discontinuity designs in education evaluations. Journal of Educational and Behavioral Statistics, 34, 238-266.         [  Links  ]

95. Schochet, P. Z. (2009b). An approach for addressing the multiple testing problem in social policy impact evaluations. Evaluation Review, 33, 539-567.         [  Links  ]

96. Schochet, P., Cook, T., Deke, J., Imbens, G., Lockwood, J. R., Porter, J., & Smith, J. (2010). Standards for regression discontinuity designs. Washington DC: U.S. Department of Education, Institute of Education Sciences, What Works Clearinghouse. Recuperado de http://ies.ed.gov/ncee/wwc/pdf/wwc_rd.pdf .         [  Links  ]

97. Schulz, R., Czaja, S. J., McKay, J. R., Ory, M. G., & Belle, S. H. (2010). Intervention Taxonomy (ITAX): Describing Essential Features of Interventions (HMC). American journal of health behavior, 34, 811-821.         [  Links  ]

99. Seethaler, P. M., & Fuchs, L. S. (2005). A drop in the bucket: Randomized controlled trials testing reading and math interventions. Learning Disabilities Research & Practice, 20, 98-102.         [  Links  ]

100. Shadish, W. J., & Cook, D. T. (2009). The renaissance of experiments. Annual Review of Psychology, 60, 607-29.         [  Links  ]

101. Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. New York: Houghton Mifflin.         [  Links  ]

102. Shadish, W. R., & Heinsman, D. T. (1997). Experiments versus quasi-experiments: Do you get the same answer? En W. J. Bukoski (Ed.), Meta-Analysis of Drug Abuse Prevention Programs (pp. 147-164). Washington DC: Superintendent of Documents.         [  Links  ]

103. Shadish, W. R., Galindo, R., Wong, V. C., Steiner, P. M., & Cook, T. D.(2011). A randomized experiment comparing random to cutoff-based assignment. Psychological Methods, 16, 179-191.         [  Links  ]

104. Shadish, W., & Myers, D. (2004a). Research Design Policy Brief. Recuperado de http://www.campbellcollaboration.org/artman2/uploads/1/C2_Research_Design_Policy_Brief-2.pdf .         [  Links  ]

105. Shadish, W., & Myers, D. (2004b). How to make a Campbell Collaboration Review: The Review. Documento elaborado para Nordic Campbell Center (The DNIHSR). Recuperado de http://www.sfi.dk/graphics/Campbell/Dokumenter/For_Forskere/guide_3_review_samlet20DEC04.pdf .         [  Links  ]

106. Shadish, W. R., & Ragsdale, K. (1996). Randomized versus quasi-experimental designs: A metaanalysis investigating the relationship between random assignment and effect size. Journal of Consulting and Clinical Psychology, 64, 1290-1305.         [  Links  ]

107. Shah, P. B. (2011). Intention-to-treat and per-protocol analysis. Canadian Medial Association Journal, 183, 696.         [  Links  ]

108. Shahar, E., & Shahar, D. J. (2009). On the causal structure of information bias and confounding bias in randomized trials. Journal of Evaluation in Clinical Practice, 15, 1214-1216.         [  Links  ]

109. Shardell, M., Harris, A. D., El-Kamary, S.S., Furuno, J. P., Miller, R. R., & Perencevich, E. N. (2007). Statistical Analysis and Application of Quasi Experiments to Antimicrobial Resistance Intervention Studies. Antimicrobial Resistance, 45, 901-907.         [  Links  ]

110. Snyder, P., Thompson, B., Mclean, M. E., & Smith, B. J. (2002). Examination of Quantitative Methods Used in Early Intervention Research: Linkages With Recommended Practices. Journal of Early Intervention, 25, 137-150.         [  Links  ]

111. Sridharan, A., & Nakaima, A. (2011). Then steps to making evaluation matter. Evaluation and Program Panning, 34, 135-146.         [  Links  ]

112. Steckler, A., & McLeroy, K. R. (2008). The importance of external validity. American Journal of Public Health, 98, 9-10.         [  Links  ]

113. Steiner, P. M., Cook; T. D., Shadish, W. R., & Clark M. H. (2010). The importance of covariate selection in controlling for selection bias in observational studies. Psychological Methods. 15, 250-67.         [  Links  ]

114. Stone, S. P., Cooper, B. S., Kibbler, C. C., Cookson, B. D., Roberts, J. A., Medley, G. F., ... Davey, P. G. (2007). The ORION statement: guidelines for transparent reporting of outbreak reports and intervention studies of nosocomial infection. The Lancet Infectious diseases, 7, 282-288.         [  Links  ]

115. Swaen, G., Teggeler, O., & van Amelsvoort, L. (2001) False positive outcomes and design characteristics in occupational cancer epidemiology studies. International Journal of Epidemiology, 30, 948-954.         [  Links  ]

116. Thomson, H. J., & Thomas, S. (2012). External validity in healthy public policy: application of the RE-AIM tool to the field of housing improvement. BMC Public Health, 12, 633.         [  Links  ]

117. Trochim, W. M. K. (1984). Research Design for Program Evaluation: The Regression- Discontinuity Approach. Beverly Hills: Sage.         [  Links  ]

118. Trochim, W. M. K. (2001). The research methods knowledge base. Cincinnati: Atomic Dog Publishing.         [  Links  ]

119. Valentine, J. C., & Cooper, H. (2003). What Works Clearinghouse Study Design and Implementation Assessment Device (Version 1.0). Washington, DC: U.S. Department of Education. Recuperado de http://www.w-w-c.org/standards.html .         [  Links  ]

120. Valera, A., Sánchez Meca, J., y Marín, F. (2000). Contraste de hipótesis e investigación psicológica española: análisis y propuestas. Psicothema, 12, 549-552.         [  Links  ]

121. Valera, A., Sánchez Meca, J., Marín, F., y Velandrino, A. P. (1998). Potencia estadística de la revista de Psicología General y Aplicada (1990-1992). Revista de Psicología General Aplicada, 51 , 233-246.         [  Links  ]

122. Vallejo, G. (1995). Diseños de series temporales interrumpidas. En M. T. Anguera, J. Arnau, M. Ato, R. Martínez, J. Pascual, J., y G. Vallejo, G. (Eds.), Métodos de investigación en Psicología (Cap. 12). Madrid: Síntesis.         [  Links  ]

123. Venter, A., Maxwell, S. E., & Bolig, E. (2002). Power in randomized group comparisons: The value of adding a single intermediate time point to a traditional pretest-posttest design. Psychological Methods, 7, 194-209.         [  Links  ]

124. Walter, S. D., Turner, R. M., Macaskill, P., McCaffery, K. J., & Irwig, L. (2012). Optimal allocation of participants for the estimation of selection, preference and treatment effects in the two-stage randomised trial design. Statistics in Medicine, 31 , 1307-1322.         [  Links  ]

125. Weisburd, D., Lum, C. M., & Petrosino, A. (2001). Does research design affect study outcomes in criminal justice? Annals of the American Association of Political and Social Science, 578, 50-70.         [  Links  ]

126. West, S. G., Duan, N., Pequegnat, W., Gaist, P., Des Jarlais, D. C., Holtgrave, D., ... Mullen, P. D. (2008). Alternatives to the Randomrzed Controlled Trial. American Journal of Public Health, 98, 1359-1366.         [  Links  ]

127. Whitea, I. R., Carpenterb, J., & Hortonc, N. J. (2012). Including all individuals is not enough: Lessons for intention-to-treat analysis. Clinical Trials, 9, 396-407.         [  Links  ]

128. Wiecko, F. M. (2010). Research Note: Assessing the validity of college samples: Are students really that different? Journal of Criminal Justice, 38, 1196-1190.         [  Links  ]

129. Wilkinson, L., & the Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54, 594-604.         [  Links  ]

Artículo recibido: 22-1-2013 Revisado: 20-5-2013 Aceptado: 22-7-2013

Servicios Personalizados

Indicadores, links relacionados.

International Journal of Morphology

Versión on-line  issn 0717-9502, int. j. morphol. vol.33 no.1 temuco mar. 2015, http://dx.doi.org/10.4067/s0717-95022015000100060 .

Int. J. Morphol., 33(1):382-387, 2015.

Estudios Experimentales 2 Parte. Estudios Cuasi-Experimentales

Experimental Studies 2nd Part. Quasi-experimental Studies

Carlos Manterola*,**,***,**** & Tamara Otzen****,*****

* Departamento de Cirugía y Traumatología, Universidad de La Frontera, Temuco, Chile.

** Centro de Excelencia en estudios Morfológicos y Quirúrgicos (CEMyQ), Universidad de La Frontera, Temuco, Chile.

*** Centro de Investigación en Ciencias Biomédicas, Universidad Autónoma de Chile, Temuco, Chile.

**** Programa de Doctorado en Ciencias Médicas, Universidad de La Frontera, Temuco, Chile.

***** Escuela de Psicología, Universidad Autónoma de Chile, Temuco, Chile.

Dirección para Correspondencia :

RESUMEN : Los estudios experimentales, se caracterizan por la valoración del efecto de una o más intervenciones, habitualmente de forma comparativa con otra intervención, o un placebo; y el carácter prospectivo, de la recolección de datos y seguimiento. Agrupados bajo esta denominación, existe una diversidad de diseños, entre los que se encuentran los estudios cuasi-experimentales (ECE), que se caracterizan especialmente por la ausencia de asignación aleatoria. El objetivo de este manuscrito, es reportar los principios básicos, tipos, características y estrategias para la conducción de ECE.

PALABRAS CLAVE: Estudios experimentales; Asignación aleatoria; Cuasi-experimentales.

SUMMARY : Experimental studies are characterized by assessing the effect of one or more interventions, usually comparatively with other intervention, or placebo; and the prospective nature of data collection and follow-up. Clustered under this denomination, a variety of designs, among which are the quasi-experimental studies (QES), which are characterized particularly by the absence of randomization. The aim of this manuscript is to report the basic principles, types, characteristics and strategies for conducting QES.

KEY WORDS: Experimental studies; Random allocation; Non-Randomized Controlled Trials.

INTRODUCCIÓN

La investigación cuasi experimental proviene del ámbito educativo y de la psicología, donde la investigación de ciertos fenómenos no podía llevarse a cabo siguiendo los procedimientos experimentales. De este modo, es que dos psicólogos norteamericanos: Donald Campbell y Julian Stanley, hicieron las primeras contribuciones a la metodología de investigación en su disciplina, desarrollando los conceptos de validez convergente y discriminante (entre otros); y escribieron el libro "Experimental and Quasi-Experimental Designs for Research" que se publicó en 1966, y se constituyó en uno de los textos de consulta obligado para el formación en estudios cuasi experimentales (ECE) (Campbell & Stanley, 1966). Posteriormente Thomas Cook, edita junto a Donald Campbell un nuevo tratado relacionado con ECE en 1979, denominado "Quasi-Experimentation: Design & Analysis Issues for Field Settings" (Cook & Campbell, 1979). A continuación Jacinto Gómez e Isabel Hombrados (Gómez & Hombrados, 1988), realizan su aportación al tema en capítulo del texto "Diseños de intervención comunitaria". Finalmente, Ato (1995) publica su contribución al tema en el texto "Métodos de investigación en psicología".

Sin embargo, aunque que los conceptos se relacionan fundamentalmente a la psicología; no menos cierto es que en el campo de la medicina, los ECE son muy frecuentes, y pos iblemente por desconocimiento de sus propios usuarios se les ha denominado por décadas "clinical trials", confundiéndolos con los verdaderos ensayos clínicos con asignación aleatoria (AA). Es así como los primeros reportes de estudios que pudiesen catalogarse como ECE en el ámbito de la medicina datan de varias décadas. Uno de ellos es "Estudio clínico comparativo sobre la acción de lidocaína y prilocaína en hemorragias quirúrgicas en relación por anestésicos locales" (Rintalla & Tammisto, 1965); o "Ensayo clínico (EC) controlado de tres diferentes métodos de tratamiento de la herida perineal después de la extirpación del recto" (Irvin & Goligher, 1975). De hecho, la comunidad científica médica se preocupaba a principios de los años noventa por el denominado "fenómeno del respondedor saludable en los ensayos clínicos no aleatorios" (Hallstrom et al., 1991).

Es así como la NCBI para las bases de datos Medline y Pubmed incluyó recientemente el concepto de ECE (Quasi Experimental Studies) bajo el término MeSH "Non-Randomized Controlled Trials as Topic" (NCBI, 2015).

Los estudios de tipo "EC", se identifican porque su metodología lleva implícito el carácter prospectivo (la recolección de datos y seguimiento se desplaza por el eje longitudinal del tiempo hacia el futuro) y la "intervención en el curso normal de los acontecimientos" (Manterola & Bustos, 2001). En este tipo de estudios, se evalúa de forma especial, el efecto de una o más intervenciones de forma comparativa con otra intervención, o un placebo; por ende, uno de las asuntos primordiales de planificar es la manera en que se decidirá cuales participantes van a recibir la intervención en estudio, el placebo, o la intervención estándar (Calva-Mercado, 2000).

En esta maniobra, que puede dejarse al azar; los participantes se agrupan en dos o más grupos. El grupo experimental (al que se aplicará la intervención en estudio); y él o los grupos control (al o a los que se aplicará un placebo o intervención (es), cuyo efecto es (son), ya conocido (s)) (Pita, 2001; Manterola & Bustos).

Entonces, esta maniobra, denominada AA; es la que define a un estudio experimental verdadero o EC. De este modo, cuando la AA no se realiza y es el equipo de investigación el que decide quienes recibirán la intervención en evaluación y quienes la estándar o el placebo; el estudio se denomina ECE (Segura, 2003).

El objetivo de este manuscrito, es reportar los principios básicos, tipos, características y estrategias propias de los ECE.

GENERALIDADES (Non-Randomized Controlled Trials)

Se podrían definir como "un conjunto estrategias de investigación conducentes a la valoración del impacto de una intervención; y por ende, al estudio de los eventuales cambios que pueden ocurrir y por ello detectarse en los sujetos sometidos a esta (s) intervención (es) en función del tiempo, en circunstancias en que no existe AA (Bono, 2015).

Entonces, por lo anteriormente expuesto, este tipo de diseños tienen supuestamente todas las características de un EC; con el considerando, que en algunos escenarios o situaciones no es posible manipular la intervención (es) a estudio (variable independiente) y asignar aleatoriamente los sujetos a las condiciones experimentales. Por esta razón, es que hay quienes los califican de variantes de los EC, con el objetivo de analizar los efectos asociados a la intervención (es) en estudio respecto de aquellos ocasionados por variables de confusión.

Su principal ventaja es que son más simples y económicos de realizar que un EC. Por otro lado, es la única forma de realizar un estudio cuando existen inconvenientes éticos y de factibilidad para realizar una AA, o cuando es preciso realizarlo en condiciones naturales.

Sus desventajas son la alta susceptibilidad a los sesgos, en especial los de selección y confusión. Por otra parte, el utilizar grupos ya existentes compromete la validez externa y la aplicabilidad de los resultados.

Otra dificultad inherente a estos estudios, es el riesgo de presentar efecto placebo y efecto Hawthorne, lo que puede minimizarse consiguiendo que los sujetos participen en el estudio sin estar informados de la intervención que se les aplicará (Molina & Ochoa, 2014).

TIPOS Y CLASIFICACIONES

Como se comentó anteriormente, los ECE o diseños pre-experimentales son frecuentemente utilizados en investigación en el ámbito de las ciencias sociales; en especial en educación y psicología. Existen numerosas calificaciones asignadas a este tipo de diseños, entre las que destacan: diseños de control mínimo, aproximaciones experimentales, diseños intrasujeto, diseños no experimentales, diseños de caso único, diseños experimentales débiles, diseños cuasi experimentales, diseños defectuosos, diseños pre experimentales o de control mínimo, experimento piloto; y el denominado "mal experimento" (Salas, 2013). Es así como Campbell propuso una suerte de clasificación general que los dividió en diseños pre-experimentales de grupo control no equivalente y de series temporales interrumpidas (Cook & Campbell); los que pasaremos a explicar a continuación.

Ahora bien, a partir de este concepto, vale la pena ahondar algo más en algunos subtipos de estos; entre ellos, explicaremos los pretest-postest de un solo grupo; el de grupo no equivalentes sin pretest; el de grupo control no equivalente; el de grupo control no equivalente pretest y postest; y el de series temporales interrumpidas.

El "diseño pretest-postest" se considera "intrasujeto"; por lo cual consta de un grupo sobre el que se ha realizado una observación antes "a1" y otra después "a2" en relación con una intervención "x". Ahora bien, como solo existe un grupo de sujetos, obviamente no existe AA. Por ello, su mayor limitación consiste en la inexistencia de grupo control; lo que limita el establecer evidencias de asociatividad respecto del tratamiento en evaluación.

Por otra parte, en el "diseño de grupos no equivalentes sin pretest"; hay dos grupos, el experimental y denominado grupo control no equivalente (no hay AA). Su característica principal es que en ninguno de los grupos se efectuó una medición basal de la variable dependiente; por ende, una de sus mayores debilidades es el no conocer de modo contundente, cual es la real variación ocurrida luego de la intervención en estudio (imposibilidad de utilizar procedi mientos de ajuste estadístico). Para paliar esta situación, suele recurrirse al uso de mediciones previas procedentes de archivos, fichas clínicas, etc. Con este formato, diferencias previas (de selección) entre los grupos pueden causar cambios en la variable resultado sin efecto alguno de la intervención en evaluación; por ello es imprescindible aplicar técnicas de control de sesgos.

El "diseño de grupo control no equivalente", consiste en un estudio en el que a uno o varios grupos se les aplica una intervención (variable independiente); y se comparan con uno o varios grupos control, que no reciben la intervención. Sin embargo, en todos los grupos se efectúan las mediciones basales y posteriores a la aplicación de la intervención. Por lo anteriormente expuesto, se desprende que existen variantes de este tipo de diseños, entre las que destaca el Diseño de grupo control no equivalente pretest y postest. En esta variación, los grupos forman conjuntos similares, a los que se les asigna de forma aleatoria la (s) intervención (es). Es decir, no existe una AA real a partir de una muestra de la población blanco, sino que son dos grupos parecidos a los que se les asigna una intervención u otra; por lo que presentan una importante fuente de sesgos.

Otra forma de clasificar los ECE se refiere a su carácter en relación al eje del tiempo; de forma tal, que se acepta el concepto de "estrategias trasnversales" y "estrategias longitudinales". En los transversales, se incluyen estudios de comparación estática de grupos (grupos paralelos), estudios de grupo control no equivalente (sólo con medición post-tratamiento; y con medición basal y post-tratamiento), estudios de grupos no equivalentes; y los denominados estudios de discontinuidad en la regresión (mayor robustez que el diseño de grupos no equivalentes, pues se conoce la naturaleza del procedimiento de selección de los grupos en estudio; sin embargo su utilidad es limitada al ámbito de la investigación en ciertos aspectos de la educación). Por otra parte, las estrategias longitudinales, incluyen los estudios de "medidas repetidas" de la variable de respuesta, que se definen como estudios de comparación dinámica. El objetivo de este tipo de estudios es caracterizar el cambio de la variable respuesta en función del tiempo y examinar eventuales covariables que puedan contribuir a este cambio. Una de las características fundamentales de este tipo de estudio dice relación con la medición de basal y a lo largo del tiempo de una o más variables; de este modo, cada unidad de estudio es medida en distintos momentos a lo largo del tiempo de forma secuencial.

Desde la perspectiva médica, los ECE se han clasificado de la siguientes forma: Experimentos naturales; aquellos que se ejecutan sobre una población en la que la intervención se ha producido de forma natural o circunstancial (por ejemplo, los efectos de un terremoto); escenarios, en los que investigadores no actúan directamente sobre la intervención en estudio. Estudios con controles históricos; aquellos en los que se compara el grupo que recibe una intervención con otro grupo que recibió una intervención similar en el pasado. Estudios pos intervención; aquellos en los que la medición se realiza con posterioridad a la aplicación de una intervención. Estudios antes / después (diseño pretest-postest); aquellos en los que se miden algunas variables antes y después de aplicada una intervención (una variante es cuando se usa un grupo de comparación al que no se aplicó ninguna intervención, pero en el que se realizan las dos mediciones, de modo tal de intentar identificar el efecto sobre los resultados de otras posibles variables). (Molina & Ochoa).

NIVELES DE EVIDENCIA DE UN ESTUDIO CUASI EXPERIMENTAL

Como los ECE son estudios experimentales, gozan de un buen nivel de evidencia; tanto así, que en algunas propuestas aparecen en la pirámide jerárquica, sólo por debajo de los EC (Nieto & Luengo, 2015); sin embargo, al analizar el punto según las diversas propuestas de jerarquización de la evidencia, se puede observar que este tipo de estudios sólo aparecen citados de forma más bien colateral en tres clasificaciones (Manterola et al., 2014).

En la de la Canadian Task Force on Preventive Health Care (CTFPHC); como nivel de evidencia II-1 en escenarios de intervención, en el caso de EC sin AA.

En la de la National Health and Medical Research Council (NHMRC); como nivel de evidencia III-2 para escenarios de intervención; en el caso de EC sin AA. O como nivel de evidencia III-3 para escenarios de intervención; si se trata de estudios con controles históricos.

En la de la American Heart Association Task Force on Practice Guidelines (ACCF/AHA); como nivel de evidencia B, Clases I, IIa o IIb (según los beneficios de la intervención sean o no mayores que los riesgos involucrados); si se trata de estudios sin AA.

LECTURA CRÍTICA DE UN ESTUDIO CUASI EXPERIMENTAL

Como la mayor parte de los ECE se relacionan con escenarios de tratamiento y prevención, es que se pueden utilizar las mismas estrategias de tamizado rápido y descarte de artículos que no ameritan ser leídos.

Sin embargo, se ha de tener presente que, como estas pautas fueron diseñadas especialmente para EC; es muy posible que un ECE pueda ser a priori descartado por no cumplir criterios básicos para ser considerado por ellas.

Lamentablemente la organización CASPe, Osteba, SIGN, el Instituto Joanna Briggs, el Journal of American Medical Association (JAMA), no disponen de guías especiales para el análisis y lectura crítica de ECE (Nieto & Luengo); por ende, para valorar la validez interna, la calidad de los resultados y la validez externa del estudio; se pueden utilizar las mismas guías e información relacionada que sugerimos en el artículo anterior referente a EC (Guyatt et al., 1993; Guyatt et al., 1994; Manterola et al., 2004; Manterola & Otzen, 2014).

1.-Efectos del café sobre la motilidad esofágica. Estudio con manometría esofágica. Con el objetivo de estudiar el efecto del café sobre la motilidad esofágica, se estudiaron 10 individuos de sexo masculino, con un promedio de edad de 23,5 años; asintomáticos digestivos. Se les realizó manometría esofágica basal. Diez minutos después, se les administró 5 g de café diluidos en agua tibia sin azúcar. Y 40 minutos después de la ingestión del café, se les realizó una segunda manometría. Se verificó una caída de la presión de reposo del esfínter esofágico inferior, baja amplitud de las ondas del cuerpo esofágico e incremento en la aparición de ondas terciarias respecto de las mediciones basales. Se concluyó que el café afecta la motilidad esofágica y la presión de reposo del esfínter esofágico inferior (Manterola et al, 1997). Este ejemplo podría encasillarse como un estudio antes-después.

2. Cambios fisiopatológicos observados en la reperfusión hepática tras un período de isquemia normotérmica. Con el objetivo de conocer el comportamiento de algunas variables de función hepática tras un período de isquemia y reperfusión hepática, se estudiaron 30 pacientes, con un promedio de edad de 55 años sometidos a resección hepática reglada, en la que se requirió realizar exclusión vascular parcial del hígado. Se midieron basalmente las variables glóbulos rojos, leucocitos totales (Gb), recuento de plaquetas (Pl), bilirrubina total, fosfatasas alcalinas, transaminasas ASAT y ALAT, protrombina (PT) y tiempo parcial de tromboplastina (el día anterior a la cirugía) y posteriormente en los días 1, 2, 3, 5 y 7 del postoperatorio; observando el comportamiento de éstas variables a través del tiempo. Se verificaron diferencias significativas en el comportamiento de las variables Gb, Pl, ASAT, ALAT y PT a lo largo del tiempo. Al ajustar por edad, género e indicaciones de resección, no se constataron confundentes ni modificadores de efecto (Manterola et al., 2001). Este ejemplo podría encasillarse como un estudio de medidas repetidas.

3. Gentamicina en dosis única diaria frente a tres dosis diarias en lactantes con pielonefritis aguda. Con el objetivo de comparar la eficacia del tratamiento de la pielonefritis aguda en lactantes con gentamicina en única dosis diaria (UDD) frente a la pauta clásica de tres dosis diarias (TDD); se condujo un estudio cuasi experimental en el que se comparó el grupo de intervención (UDD) frente a una cohorte histórica de niños tratados con TDD. Se analizó leucocitosis, proteína C reactiva (PCR), creatinina, dosis de gentamicina, niveles máximo y valle del fármaco, tiempo necesario para la desaparición de la fiebre y evolución clínica. Se estudiaron 58 lactantes de 1 a 20 meses. 25 recibieron gentamicina TDD y 33 gentamicina UDD. El nivel máximo de gentamicina fue superior en el grupo UDD (9,32 mg/ml) que en el grupo TDD (5,09 mg/ml) con p<0,001. Los niveles valle fueron inferiores en el grupo UDD que en TDD (0,23 vs. 0,78 mg/ml, respectivamente; p<0,001). No se encontraron diferencias en el tiempo necesario para la desaparición de fiebre. Los valores de creatinina fueron normales en ambos grupos. La evolución fue buena en todos los pacientes. Se concluyó que el tratamiento con gentamicina en UDD en lactantes con pielonefritis aguda es tan eficaz como el TDD tradicional y, posiblemente, igual o incluso más seguro (Calvo et al., 2003). Este ejemplo podría encasillarse como un estudio cuasi experimental con controles históricos.

4. Formación temprana de investigadores en Medicina familiar: estudio cuasi-experimental. Con el objetivo de analizar la estrategia metodológica y los resultados de un proyecto de formación de investigadores en medicina familiar, se llevó a cabo un ECE en la Facultad de Medicina de la UNAM. Para ello, se aplicó el modelo de tutoría en investigación TI-ATR (asesor-tutor-residente). Se generaron tres grupos (sin muestreo ni AA); dos experimentales (uno de tutores y otro de residentes) y un grupo control (profesores). Se midieron diversas variables, entre las que destacaron: "diplomación temprana", "tesis terminadas a tiempo" y "publicación de trabajos". La aplicación del modelo mostró diferencias significativas en las variables antes señaladas, con valores de p<0,01. Se concluyó señalando que el modelo TI-ATR permite capacitar a tutores y residentes en la formación de proyectos de investigación (Ponce et al., 2005). Este ejemplo podría encasillarse como un estudio de grupos no equivalentes.

5. Efecto de la visita a los pacientes quirúrgicos en la unidad de reanimación en la ansiedad de sus familiares. Con el objetivo de determinar si la visita de los pacientes en la unidad de recuperación postanestésica (URPA) reducirían los niveles de ansiedad de los familiares, se realizó un estudio cua si-experimental pretest / post-test. Se evaluó la ansiedad de los familiares de los pacientes a través de la escala Ansiedad Estado-Rasgo (STAI) al inicio del procedimiento quirúrgico y después de la visita de los pacientes en la URPA. Las puntuaciones STAI fueron significativamente mayores en el preoperatorio (57) que después de la operación (51; p<0,001). Sin embargo, los niveles clínicos de ansiedad estaban presentes en el 76% y el 58% de los participantes, antes y después de la operación, respectivamente. Se concluyó que a pesar que puntuaciones postoperatorias STAI se redujeron, las visitas de la familia en la URPA no fueron suficientes para reducir de forma adecuada la ansiedad de los familiares de los pacientes operados (Patelarou et al., 2014). Este ejemplo podría encasillarse como un estudio antes / después.

6. Efecto de la música sobre el dolor postoperatorio en pacientes sometidos a cirugía a corazón abierto. Con el objetivo de investigar el efecto de la música sobre el dolor postoperatorio en pacientes sometidos a cirugía a corazón abierto, se realizó un cuasi-experimental. 60 pacientes de este tipo fueron divididos dos grupos (uno experimental y otro control). Los pacientes del grupo experimental escucharon música por auriculares durante 30 minutos después de la cirugía. El grupo control, sólo los cuidados rutinarios de este tipo de situaciones. Antes y después de la intervención, se midió la intensidad del dolor registrada por la escala analógica visual en dos grupos. Se verificó una diferencia en la percepción del dolor postoperatorio en el grupo experimental (p=0,04). Se concluyó que el oír música relajante puede reducir el dolor postoperatorio (Mirbagher et al., 2014). Este ejemplo podría encasillarse como un estudio de grupos no equivalentes pretest y postest.

DISCUSIÓN

Si bien las bases metodológicas para los ECE se generaron a partir del mundo de las ciencias sociales (en especial de la psicología), un gran número de ECE han sido realizados y publicados desde hace décadas en las distintas disciplinas de la medicina y otras áreas de las ciencias de la salud.

Constituyen diseños interesantes, que deben ser de conocimiento de los investigadores (en especial de los clínicos); pues a través de las diversas opciones existentes; se puede dar respuesta a problemas de difícil solución por la vía de los EC u otro tipo de diseños.

Otra idea que es menester considerar en esta discusión es la escases de información (a veces confusa e incluso contradictoria) referente al tema; posiblemente porque este tipo de diseños no son demasiado conocidos y utilizados por los clínicos.

Esto conlleva entre otras cosas a que la evidencia que en definitiva aportan, respaldada por las distintas clasificaciones existentes, es poco clara y en la mayor parte de ellas los ECE simplemente no son considerados; situación que llama a la meditación, pues como se ha mencionado anteriormente, desde alrededor de 50 años que se conducen investigaciones de esta naturaleza y no es posible clasificarla respecto del nivel de evidencia que aporta y menos del grado de recomendación asociado para la toma de decisiones en salud.

REFERENCIAS BIBLIOGRÁFICAS

Ato, M. Tipología de los diseños cuasiexperimentales. En: Anguera, M. T.; Arnau, J.; Ato, M.; Martínez, R.; Pascual, J. & Vallejo, G. (Eds.). Métodos de investigación en Psicología. Madrid, Síntesis, 1995.

Calvo, R. C.; García, D. B.; Nebreda, P. V.; García, G. M. L.; Maderuelo, S. A. I.; Cilleruelo, P. M. L. & García, L. C. Gentamicina en dosis única diaria frente a tres dosis diarias en lactantes con pielonefritis aguda. An. Pediatr. (Barc.), 58(3):228-31, 2003.

Campbell, D. T. & Stanley, J. C. Experimental and quasi-experimental designs for research. Chicago, Rand-McNally, 1966.

Cook, T. D. & Campbell, D. T. Quasi-experimentation: Design and analysis issues for field settings. Boston, Houghton Mifflin Company, 1979.

Calva-Mercado, J. J. Estudios clínicos experimentales. Salud Pública Méx., 42(4):349-58. 2000.

Gómez, L. & Hombrados, I. Diseños de intervención comunitaria. En: Martín González, A.; Chacón Fuertes, F. & Martínez García, M. Psicología comunitaria. Madrid, Visor, 1988. pp.149-66.

Guyatt, G. H.; Sackett, D. L. & Cook, D. J. Users' guides to the medical literature. II. How to use an article about therapy or prevention. A. Are the results of the study valid? Evidence-Based Medicine Working Group. JAMA, 270(21):2598-601, 1993.

Guyatt, G. H.; Sackett, D. L. & Cook, D. J. Users' guides to the medical literature. II. How to use an article about therapy or prevention. B. What were the results and will they help me in caring for my patients? Evidence-Based Medicine Working Group. JAMA, 271(1):59-63, 1994.

Hallstrom, A. P.; Greene, H. L. & Huther, M. L. The healthy responder phenomenon in non-randomized clinical trials. CAST Investigators. Stat. Med., 10(10):1621-31, 1991.

Irvin, T. T. & Goligher, J. C. A controlled clinical trial of three different methods of perineal wound management following excision of the rectum. Br. J. Surg., 62(4):287-91, 1975.

Manterola, C.; Garrido, L. & Acencio, L. Efectos del café sobre la motilidad esofágica. Estudio mediante manometría esofágica. Rev. Chil. Cir., 49:249-55, 1997.

Manterola, C. & Bustos, L. Estrategias de investigación. Diseños experimentales. Ensayo clínico. Rev. Chil. Cir., 53(5):498-503, 2001.

Manterola, C.; Horta, J.; Muñoz, S.; Bustos, L.; Cuadra, A. Cambios fisiopatológicos observados en la reperfusión hepática tras un periodo de isquemia normotérmica. Rev. Chil. Cir., 53(2):138-45, 2001.

Manterola, C.; Pineda, V.; Vial, M. & Losada, H. Revisión crítica de la literatura para artículos de terapia. Rev. Chil. Cir., 56(6):604-609. 2004.

Manterola, C.; & Otzen, T. Critical analysis of biomedical literature. Int. J. Morphol., 32(2):599-607, 2014.

Manterola, C.; Asenjo-Lobos, C. & Otzen, T. Hierarchy of evidence: Levels of evidence and grades of recommendation from current use. Rev. Chilena Infectol., 31(6):705-18, 2014.

Mirbagher, A. N.; Mohammadi, A.; Najaran, H. & Khazaei, S. Effect of music on postoperative pain in patients under open heart surgery. Nurs. Midwifery Stud., 3(3):e20213, 2014.

Molina, A. M.; & Ochoa, S. C. Ensayo clínico (I). Definición. Tipos. Estudios cuasiexperimentales. Evid. Pediatr., 10:52, 2014.

Nieto, P. B. & Luengo, G. R. Módulo V. Evaluación y síntesis de la evidencia. Guiasalud.es, Biblioteca de Guías de Práctica Clínica del Sistema Nacional de Salud, Gobierno de España, 2015. Disponible en: http://formacion.guiasalud.es/cursos/elaboracion-gpc/5/GPC-05-V3.pdf

Patelarou, A.; Melidoniotis, E.; Sgouraki, M.; Karatzi, M.; Souvatzis, X. The effect of visiting surgical patients in the postanesthesia care unit on family members' anxiety: a prospective quasi-experimental study. J. Perianesth. Nurs., 29(3):221-9, 2014.

Ponce, R. E. R.; Irigoyen, C. A. E.; Gómez, C. F. J.; Terán, T. M.; Landgrave, I. S.; Fernández, O. M. A.; Sánchez, E. L. E.; Monroy Caballero, C.; Boschetti, F. B.; González Salinas, C.; Madrigal de León, H. F.; Rodríguez López, J. L.; Sánchez Ahedo, R.; Morales López, H.; Hernández Torres, I.; Navarro García, A M.; Jiménez Galván, I. & Saura Llamas, J. Formación temprana de investigadores en Medicina familiar: estudio cuasi-experimental. Arch. Med. Fam., 7(2):35-44. 2005.

Rintala, A. & Tammisto, T. On surgical hemorrhages in relation to local anesthetics. II. Comparative clinical studies on the action of lidocaine and prilocaine. Anaesthesist., 14(6):183-4, 1965.

Salas, B- E. Diseños preexperimentales en psicología y educación: una revisión conceptual. Liber., 19(1):133-41, 2013.

Segura, C. A. M. Diseños cuasiexperimentales. Antioquia, Facultad Nacional de Salud Pública, Universidad de Antioquia, 2003. Disponible en: http://www.sld.cu/galerias/pdf/sitios/renacip/disenos_cuasiexperimentales.pdf

Dr. Carlos Manterola

CEMyQ Universidad de La Frontera. Temuco CHILE

Email: [email protected]

Recibido : 26-10-2014 Aceptado: 30-01-2015

Reis Digital

Reis Digital. Todo lo que necesitas saber sobre tecnología e innovación digital.

Investigación no experimental: según los autores, las limitaciones y el alcance

El diseño de investigación experimental utiliza el principio de manipulación de las variables independientes y examina su relación de causa y efecto en las variables dependientes controlando los efectos de otras variables. Por lo general, el experimentador asigna dos o más grupos con características similares. Se darán diferentes intervenciones a los grupos. En caso de que haya diferencias en los resultados entre los grupos, el experimentador puede concluir que las diferencias son el resultado de las intervenciones que realizó el experimentador.

Los diseños no experimentales son diseños de investigación que examinan los fenómenos sociales sin manipulación directa de las condiciones que experimentan los sujetos. Tampoco hay una asignación aleatoria de sujetos a diferentes grupos. Como tal, la evidencia que respalda las relaciones de causa y efecto es en gran medida limitada.

En la investigación comparativa, el investigador examina las diferencias entre dos o más grupos en el fenómeno que se está estudiando. Por ejemplo, estudiar la diferencia de género en las matemáticas de aprendizaje es una investigación comparativa.

El diseño correlacional es un estudio de las relaciones entre dos o más construcciones. Una correlación positiva significa que los valores altos de una variable están asociados con valores altos de otra variable. Por ejemplo, el rendimiento académico de los estudiantes está positivamente relacionado con su autoestima. Por el contrario, una correlación negativa significa que los valores altos de una variable están asociados con valores bajos de la otra variable. Por ejemplo, los conflictos maestros y estudiantes están relacionados negativamente con el sentido de pertenencia de los estudiantes a la escuela.

¿Qué es una investigación no experimental según Sampieri?

Temas l l Diseño de investigación no experimental Experimental versus diseños de investigación cuasi-experimentales Diseños de investigación con poder limitado para evaluar el diseño de investigación de causa y efecto con más potencia para evaluar la causa y el efecto

Desarrollo y distribución del ingreso l La teoría del desarrollo económico sugiere que a medida que los países se vuelven más ricos empeora la distribución del ingreso, pero finalmente la distribución del ingreso mejora. Dist. High Gap Dist. Bajo nivel de desarrollo alto

Investigación no experimental L L Sección transversal: el investigador tomaría una muestra de países con diferentes niveles de desarrollo (bajo, medio, alto) y analizaría la coincidencia entre la teoría y los hechos. Este enfoque es el más débil para determinar la causalidad, pero fuerte en la generalización.

Investigación no experimental l l l l l l l l l l l l l l l l l l longugaron: el investigador seleccionaría un país o países que se muevan de niveles de desarrollo más bajos a más altos (por ejemplo, EE. UU., Canadá, etc.) y determinarían si la distribución del ingreso con el tiempo siguió la tendencia sugerida por la causalidad de la teoría puede ser Inferir pero carece de detalles sobre las verdaderas causas, así como débiles en la generalización.

Tendencia longitudinal: evolución de la distribución del ingreso a lo largo del tiempo en México. Cohorte: Evolución de la distribución del ingreso en el tiempo de las mujeres mexicanas nacidas después de 1960. Panel: Evolución de la distribución del ingreso del mismo grupo de mujeres a lo largo del tiempo (Maria, Susan, Brenda, Joan, Gloria e Isabel)

Estudio de casos (s) L L L L El investigador realizará un estudio de casos y analizará en profundidad qué factores (políticas, instituciones, sistemas políticos, cultura, etc.) están asociados con la mejora de la distribución del ingreso en un país determinado. ¿Por qué la distribución del ingreso es mejor en Chile que en México y Brasil a pesar de tener el mismo nivel de desarrollo? Mejora los detalles y la comprensión de las causas y el efecto, pero carece de generalización.

¿Qué es el diseño no experimental según kerlinger?

Kerlinger (1986) nos proporciona una definición más formal: «La investigación científica es una investigación sistemática, controlada, empírica y crítica de proposiciones hipotéticas sobre las presuntas relaciones entre los fenómenos naturales» (p. 10).

Kerlinger y Lee definen la teoría como «un conjunto de construcciones interrelacionadas, definiciones y proposiciones que presentan una visión sistemática de los fenómenos al especificar las relaciones entre las variables, con el propósito de explicar o predecir fenómenos» (p. 93).

Según Kerlinger (1986), el diseño de la investigación es un plan, estructura y estrategia de investigación concebida para obtener respuestas a las preguntas de investigación y controlar la variación. Del mismo modo, la investigación social necesita un diseño o una estructura antes de que pueda comenzar la recopilación o análisis de datos.

• Controlado: todas las variables excepto las que se prueban/experimentan se mantienen constantes.
• Emplea hipótesis: guía el proceso de investigación.

Un diseño de investigación cualitativa se refiere a establecer respuestas a los por qué y cómo del fenómeno en cuestión (a diferencia de la cuantitativa). Debido a esto, la investigación cualitativa a menudo se define como subjetiva (no objetiva), y los hallazgos se recopilan en un formato escrito en lugar de numéricos.

Los componentes de la teoría son conceptos (idealmente bien definidos) y principios. Un concepto es una representación simbólica de una cosa real: árbol, silla, mesa, computadora, distancia, etc.

William Goode Métodos en investigación social/autores Métodos en investigación social (sociología) [libro en rústica] [01 de diciembre de 1952] Goode, William J. y Hatt, P.K.

¿Qué significa el diseño no experimental?

Basado en un refinamiento formal experimental, contaminado con las derivaciones de basura, este estilo explotó sin previo aviso en los últimos dos años se establece como una piedra tropezada del diseño gráfico moderno.

No es un estilo en sí mismo codificado (aunque se puede ver en la web), tanto que la misma redacción de «basura experimental» se ha creado específicamente en la redacción de este artículo para dar un nombre y etiquetar brevemente descriptivo al fenómeno estético que es el tema del discurso.

Pero, ¿qué significa exactamente eso? Con la basura experimental, se hace referencia al estilo de una serie completa de soluciones gráficas, aparentemente experimental y tratado como un banco de pruebas por no pocos diseñadores, que, sin embargo, se usan a nivel comercial y precisamente este aspecto presenta el carácter típico de el experimento De hecho, aquellos que experimentan, generalmente lo hacen en su laboratorio y con sus propios medios, asumiendo los cargos y los honores de los resultados inciertos de la operación, que evidentemente contrasta con el uso comercial de este estilo. Entonces, ¿se puede decir que está experimentando en la piel (y gastos) de los clientes? No exactamente. Porque por poco convencional y siempre listo para sorprender, es un estilo que se afirma con una cierta arrogancia y se usa más de lo que piensa, por lo que el efecto de novedad se calma en general por evidencia que proviene del mercado en el que Se gastan basura experimental.

¿Qué es el metodo experimental según autores?

Desde mediados de la década de 1990, ha sido evidente una creciente institucionalización y establecimiento de su propio hilo de investigación experimental en ciencias políticas, por lo que la aplicación de estudios experimentales se ha convertido en una parte integral de la disciplina. El objetivo central de un experimento de ciencias sociales es obtener declaraciones sobre las relaciones de causa-efecto y explicar sobre esta base de fenómenos sociales. Representa una lógica de un diseño de investigación y no debe entenderse como un método independiente, sino más bien complementario que sirve a la generación, revisión y refinamiento de teorías, pero sobre todo es adecuado para verificar los axiomas subyacentes. Los experimentos ahora se utilizan en casi todos los campos de investigación en ciencias políticas y, por lo tanto, contribuyen al contenido, pero sobre todo, el desarrollo metodológico del sujeto.

En comparación con el modelo del experimento científico, la principal diferencia entre los experimentos de ciencias sociales es que no hay «objeto», sino un «sujeto experimentado», es decir, una persona voluntaria y autodenfidenta se desempeña como un sujeto de prueba y realiza ciertas tareas En una situación controlada dolorida en 2004).

Estudios más conocidos de la sociología son los experimentos de Hawthorne de Roethlisberger y Dickson (1939), los experimentos de conformidad de ASCH (1951) sobre la influencia de la compulsión grupal, el experimento de campamento de vacaciones de Sherif et al. (1954) o estudios sobre la teoría de la identidad social Tajfel y Turner (1986). Una descripción general de la psicología experimental actual ofrece a Zanna y Olsen (2016) y en experimentos de ciencias sociales, Jackson y Cox (2013) y Gerber y Green (2012).

¿Qué es la investigación de campo según Fidias Arias?

La arqueología es una ciencia histórica que se destaca de las otras disciplinas, ya que el objeto de su estudio son los artefactos. Su objetivo es definirlos en su consistencia material y establecer su cronología y significado para usarlos como documentos para la reconstrucción histórica del pasado. Nacida en el origen como una disciplina que opera en el contexto de la antigüedad clásica, la arqueología ha extendido gradualmente, con el tiempo y el espacio, la aplicación de sus métodos de investigación, de modo que hoy, en su significado más amplio, tiene como objeto de todos los países y todos los pueblos. Los límites cronológicos también se han expandido, de modo que la metodología de la investigación arqueológica se aplica no solo a contextos muy antiguos, como los prehistóricos, sino también a los contextos más cercanos a nosotros, como los de la civilización medieval, o el renacimiento, o incluso la civilización industrial , hasta el umbral del siglo XX. Dada la inmensidad del campo de la investigación, así como la cantidad y variedad de materiales, la investigación arqueológica se ha especializado en sectores homogéneos, tanto en relación con las clases de los materiales estudiados, como en el caso de numismática o epigrafía, ambos en relación con las diversas civilizaciones a las que se aplica la investigación. En el último caso, dentro de una metodología básica común, se han constituido sectores autoempleados, como la arqueología oriental o estadounidense, y las disciplinas, como la egiptología, la asiriología, la etruscología, que el estudio de los artefactos asocia el de los de los de los de los de los de los de los de los artefactos. documentación escrita. La civilización griega y romana, en la que nació la investigación arqueológica, sigue siendo el campo de investigación de la arqueología clásica. La documentación arqueológica es utilizada por todas las ciencias de la antigüedad, cada una para el sector de investigación específico, desde la historia económica hasta la política, social y religiosa. La arqueología, en particular, dirige su atención a los aspectos de la cultura material y la cultura figurativa, uno y el otro estrechamente vinculado al artefacto. En la pobre civilización de las expresiones figurativas, la cultura material es, por necesidad, objeto de estudio único o prevalente; En la civilización clásica, griega y romana, el papel esencial desempeñado por las artes figurativas asigna un lugar de importancia primordial para la investigación histórica-artística.

El uso del artefacto como documento para la reconstrucción histórica del pasado ya era conocido por los griegos: era necesario thundidal cuando, para demostrar que las islas del Egeo en los tiempos más antiguos estaban habitadas por sus seres queridos, abordó el hecho de que «Cuando» cuando los atenienses (…) purificaron a Delo y habían quitado las tumbas de los que habían muerto en la isla, se vio que más de la mitad eran queridas, reconocibles por la forma de las armas con ellos y el camino enterrado «(Thuc., I, 8). La idea de una historia del arte también era conocida. Plinio en los fragmentos senocratíes de los libros xxxiv y xxxv de naturalis Historia conservaron su memoria: en ellos artistas y obras de arte, superando el nivel de tratamiento biográfico y anecdótico, se colocan dentro de un diseño histórico basado en los conceptos de «evolución» y «Imitación de lo natural» y se basó en la comparación entre las innovaciones técnicas y los aspectos formales para los cuales los pintores y escultores se habían distinguido con el tiempo. Es el punto más avanzado de la reflexión de lateclasse y helenística, pero no hay desarrollos significativos en la misma cultura helenística, ni en los siglos siguientes; La historia del arte del senocrato, ampliamente parafraseado y utilizado, seguía siendo un hecho aislado, mientras que los intereses anecdóticos eruditos, biográficos y anecdóticos continuaron desarrollándose. En el mundo antiguo, el artefacto rara vez se pensaba como un documento del pasado: de hecho, había una tendencia a actualizarlo y considerarlo de acuerdo con el presente, si se remonta a intereses prácticos o religiosos, ya sea que fueran obras de arte, Considerado desde el punto de vista del disfrute personal o dirigido a la función de celebración, como pinturas triunfales, retratos, monumentos honorarios. Últimamente, y posteriormente la cultura medieval, con el advenimiento del cristianismo, aportó tal perspectiva al extremo con la teoría de la función didáctica y de construcción de los monumentos figurados, interpretada con la indiferencia más absoluta por el contexto histórico de origen. Así tuvo lugar para toda la cultura clásica, en la que la civilización griega y romana ya no era distinta, sino unificada en la única e indiscriminada condena del paganismo; Los personajes, hechos y monumentos del pasado para la antigüedad tardía y la cultura medieval se colocaron en una unidad indistinta, atemporal o espacial, que encontró su punto de referencia en conceptos de orden moral y religioso. Es el juicio por el cual se asumió que Traiano se asumió entre los bendecidos por sus obras y Virgil se convirtió en una maestría y guía en el viaje de otro mundo de Dante.

A principios del siglo XV, el humanismo informó dentro de una perspectiva histórica, personajes y monumentos del mundo antiguo: buscó y estudió sus testimonios, contrató obras literarias y obras de arte como modelos. Recopiló, recolectó, estudió objetos antiguos, monedas, inscripciones y objetos de uso común, buscando en ellos la documentación de los antiguos para integrar las noticias tomadas de la tradición escrita. Por lo tanto, de hecho, nació el primer sistema de investigación arqueológica, que se habría expandido, enriqueciendo y definiendo cada vez más de acuerdo con las necesidades a las que debería haber respondido. Desde el principio, las orientaciones sectoriales estaban surgiendo, tanto en relación con intereses específicos como en relación con clases particulares de materiales; Estas pautas pueden considerarse el requisito previo para la formación de las diferentes disciplinas que hoy diferencian el campo de la investigación de la arqueología. La Roma establecida (1444-46) por Flavio Biondo da Forlì, el de Urbis (Romae) Antiquititibus (1527) por A. Fulvio Sabino, el Antiquae Romae Topography (1534) por B. Marliani y la obra de T. Fazello en Sicilia (1558) se pueden considerar entre los primeros estudios de topografía antiguos; Los estudios de iconografía ya son las imaginaciones et alabar virorum ilustrium… (1570) por F. Orsini y el trabajo de Agostino Veneto, Illustriium virorum (1569). En 1576 U. Goltz publicó una obra de numismáticos griegos. La historia del arte antiguo está representada por algunos intentos de dibujar su desarrollo como una premisa para los tratados tratados más recientemente. El primer intento es el de L. gliberti en el primer volumen de los comentarios (1447-50); Otro, más reciente, está contenido en el llamado Magliabechiano anónimo (1537-42); Y finalmente es G. Vasari quien en Proemio to the Lives (1568²) traza un perfil rápido del desarrollo del arte en la antigüedad. Para todos, el punto de referencia es Plinio, del cual no solo los datos relacionados con el arte griego (todos informados cuidadosamente, especialmente después de eso, en 1504, la traducción de C. Landino), sino también la base teórica se derivó del arte griego (todos . Que es la base del discurso senocrático; En este sentido, Plinio aparece, junto con Vitruvio, la fuente primaria para la derivación de los conceptos de «evolución» e «imitación de la verdad» que desempeñó un papel esencial en la cultura artística del renacimiento. El entusiasmo y el interés en el mundo antiguo fueron alimentados por los descubrimientos y el conocimiento de los nuevos materiales, el tema de interés para los académicos y la admiración por los artistas. «Los del Tesoro», según Vasari, se llamaban Brunelleschi y Donatello que deambulaban entre los monumentos de Roma que miden las antiguas canicas; Y hablando de Andrea Pisano, es el propio Vasari quien cuenta cómo se benefició del estudio de las canicas que todavía estaban alrededor de la catedral y el Camposanto de Pisa en su tiempo. Bajo el impulso del doble interés, el documental artístico e histórico, se formaron las primeras colecciones de objetos antiguos. Ya en la primera mitad del siglo XV, según lo informado por Vasari, Cosimo y luego Lorenzo de ‘Medici comenzaron las colecciones florentinas. Entre 1430 y 1440, el Gonzaga comenzó en Mantua su colección de arte y en 1471, en Roma, Sixtus IV transfirió al Capitolio, algunas valiosas obras de bronce que estaban en Lateran, constituyendo el primer núcleo de la famosa colección de Capitolina. En 1506, Julius II se reunió en el patio del Belvedere numerosas obras de arte antiguo, incluidos los Laocoonte, la colosal estatua del Nilo y el Apolo del Belvedere, comenzando a lo que serán los museos del Vaticano. En Venecia, en 1523, la República adquirió la colección del Cardenal D. Grimani, que se encontraba en el Palacio Ducal. En Palermo, en 1570, se colocó una colección de sarcófagos, estatuas e inscripciones en el edificio municipal. Mientras tanto, las colecciones comenzaron a entrenar incluso fuera de Italia: en Francia, Francis, recolecté esculturas antiguas, Ferdinand reuní el primer núcleo de lo que será el Museo Kunsthistorisches.

Viajeros, antigüedades, academias en la Europa de los siglos XVII y XVIII.

La centralidad de Italia en el Renacimiento y la interrupción de las relaciones con Grecia después de la ocupación turca había significado que hasta todo el siglo XVI se fundó el conocimiento del mundo antiguo en los monumentos de Roma. El siglo XVII marcó la reanudación de las relaciones con el este del Egeo y la apertura de la cultura europea al arte y la antigüedad de Grecia. Ya en el siglo XV, un comerciante de Ancona, Ciriaco de ‘Pizzicolli, entre 1412 y 1448, había viajado a través de Grecia y las costas de Asia Menor preservando la memoria detallada de lo que había visto, pero solo en el siglo XVII viajaba en el este del este de East. Eso llevó a un conocimiento directo del mundo helénico y las antigüedades de Atenas en particular. Entre 1675 y 1676 J. Spon, un médico de Lyon, visitó Grecia junto con el inglés G. Wheeler; El informe del viaje, publicado en 1678, conserva la memoria de la acrópolis de Atenas antes de que la explosión causada por el bombardeo de F. Morosini de 1687. La memoria de la situación anterior al desastre también retiene los dibujos que dejan el pintor flamenco J Carrey, quien visitó Atenas en 1674 después del marqués Ch.-F. Ollier de Nointel, embajador de Francia en Turquía. Viajar a Grecia y Levante también hizo L. de Hayes en esos años, en nombre del rey de Francia, N.-C. Fabri de Peiresc (1580-1637) y Count A.-C. -Ph. De Caylus (1692-1765), quien a principios del siglo siguiente viajó a Grecia y Asia Menor recolectando materiales para su colección. En 1732, la compañía de aficionados fue fundada en Londres, quien desempeñó un papel principal en la exploración de Grecia y el Levante. Entre 1751 y 1754, el pintor J. Stuart y el arquitecto N. Revet organizaron una expedición a Atenas, donde se quedaron durante tres años dibujando y describiendo sus monumentos; Los resultados se publicaron entre 1762 y 1816 en las antigüedades de Atenas. La compañía de aficionados, que había financiado el trabajo, también organizó, en 1764, una expedición a Asia Menor, que tomó Revett y, además, R. Chandler y W. Pars; Los resultados se publicaron en las Antigüedades de Jonia entre 1769 y 1797. Los miembros de la compañía también fueron J. Dawking y R. Wood, quienes en los mismos años visitaron el Cercano Oriente, luego publicaron los resultados de la investigación en las ruinas de Palmyra de 1753 E en las ruinas de Baalbek de 1757. La respiración europea que se realizó en la relación con el mundo clásico también se refleja en la distribución de obras de arte y en el desarrollo de museos y colecciones de la antigüedad. Ya en el siglo XVII, mientras que en Roma las villas y los edificios de las familias patricianas estaban llenas de obras de arte, en Oxford, en 1672, el Museo Ashmoleano inauguró cuyas colecciones estaban abiertas al público. La tendencia aceptada durante el siglo XVIII: en 1759 el Museo Británico se abrió al público; de 1778 es el Museo de Kassel Friedericianum; de 1786 el Albertinum de Dresde. En Rusia, en 1779, se abrió el Hermitage; En París, en 1791, luego de un voto de la Asamblea Constituyente, las colecciones reales se reunieron en el edificio del Louvre; En Berlín, en 1797, se estableció el Museo de la Antigüedad. Desde sus nacimientos, las colecciones públicas y privadas habían sido alimentadas por el descubrimiento fortuito, las espolas de los edificios antiguos, por la importación de la antigüedad por parte de los países del Mediterráneo oriental. A principios del siglo XVIII, la idea de excavaciones sistemáticas, inicialmente dirigida a la recuperación de objetos antiguos, pero también pronto para identificar edificios y estructuras de paredes, se abrió paso. En Roma, en 1720, se iniciaron excavaciones en la propiedad de Farnese, en Palatine. En 1738, el rey de Nápoles, Carlo di Borbone, comenzó las excavaciones de Herculano que continuaron hasta 1766. En 1743 comenzaron las excavaciones de Pompeya. En Catania, en los mismos años, el Príncipe de Biscari, I. Paternò Castello, tuvo la autorización del Senado para realizar excavaciones en el subsuelo de la ciudad. Como punto de referencia para académicos y amantes de las antigüedades, nacieron las primeras instituciones; Empresas y academias, puntos de reunión para académicos y oficinas de discusiones y disertaciones, promotores de publicaciones, envíos y viajes también fueron promovidos, como en el caso de la compañía de aficionados. En 1665, Louis XIV fundó el Académie des Inscripciones et Bellas-Llertres como una sección del Institut de Francia. En 1718 se estableció la Sociedad de Antigüedades en Londres, que recibió el estatuto real en 1751; En Italia, la Academia Etruscana de Cortona fue fundada en 1727; En Florencia, en 1735, la Sociedad Colombaria nació para el estudio de los antiguos sepulchres. En Nápoles, Carlo di Borbone, en relación con las excavaciones de Herculano, fundó la verdadera Academia de Herculano en 1755. En Roma, el Papa Benedicto XIV fundó la Academia de Antigüedades Profanas que en 1831 se convirtió en la Academia Pontificia de Arqueología y Bellas Artes. La producción científica continuó siguiendo algunas direcciones de investigación especializadas ya comenzó en el primer renacimiento y que habría tenido su propio desarrollo autónomo: el Dos volúmenes de F. cluverio (1580-1623), Italia Antiqua y Antiqua Sicilia están incluidos en la vena de los estudios de topografía antiguos; La ichnografía veteris romae, en la que G.P. Bellori (1613-1696) publicó e ilustró la forma Urbis; El trabajo de F. d’Orville en la antigua Sicilia. Se tuvieron negociaciones específicas de numismática con las obras de F. paruta, y luego del Príncipe de Torremuzza, G.L. Castelli; Mionnet y Abbot D. Sestini escribieron en las monedas de Sicilia. El Gualterius se encargó de la epigrafía para Sicilia, S. Maffei para Verona, el Gruester (Inscriptiones Ancae Totius Orbis Romani, 1603) y G.B. Doni (Inscriptiones Antiquae, 1731) En general trabaja. Un tipo de publicación que comenzó y la suerte en el siglo XVII es la de los léxicos o repertorios de materiales ordenados sistemáticamente por tipo o temas; Un precedente de aquellos que serán nuestros corpus. Los más conocidos son el Gronovius Thesaurus Antiquitatum Graecarum, los Antiquitos Romanos del Graevio y, en el siglo XVIII, los Antiquités se recuperan del Conde de Caylus y el Antiquité explican en las figuras de B. de Montfaucon; Este último, en diez volúmenes, se ordena por temas y se divide en cinco secciones: mitología, cultos, antigüedades privadas, militares, funeral. Con la publicación del trabajo del escocés th. Dempster, de Etruria regali (elaborado entre 1616 y 1618, publicado entre 1723 y 1726), comenzaron los estudios sobre el mundo etrusco; La Academia de Cortona les dedicó su actividad, que entre 1738 y 1785 publicó nueve volúmenes de ensayos y disertaciones sobre antigüedades etruscas; de la pintura etrusca se encargó de G.B. Passeri (1610-1679) y A.F. Gori (1691-1757) Museo publicado Etruscum (1737-43). M. Guarnacci también abordó los problemas de los orígenes y el lenguaje de los etruscos. Fuera de Italia, el interés en las antigüedades locales tuvo un desarrollo particular en los países del norte y Europa Central, donde los eruditas y las antigüedades fueron particularmente activos desde el siglo XVI: en Inglaterra J. Leland (1503-1552), nominados en 1533 del anticuario viajó del King. y describieron monumentos y objetos de interés anticuarti. En 1586 W. Camden (1551-1623), viajero y conocedor de monumentos romanos y medievales, publicó Gran Bretaña, una guía general de antigüedades británicas que tenía numerosas ediciones. En el trama del siglo XVII R. (1640-1696) y E. Lhwyd (1660-1708), quienes tuvieron éxito en la oficina de curadores del Museo Ashmoleano, continuaron la tradición de los estudios de Leland y Camden, mientras que J. Aubrey ( 1626-1697), excelente investigador en el terreno, publicó las Antigüedades de Stonehenge y Avebury, que jugó como monumentos druídicos. La organización de estudios fue particularmente tratada en Escandinavia. En Dinamarca a fines del siglo XVI, la grabación de monumentos locales ya había comenzado por la autoridad pública. En Copenhague, en 1643, O. Worm (1588-1654) publicó Monumento Danica y Danici Splendor; También constituyó un museo mixto de artefactos antiguos y especímenes raros de flora y fauna, cuyo catálogo se publicó póstumamente en 1655 (Museo Wormianum). Su colección, pasada al Rey Federico III, constituía el primer núcleo del Museo Copenhague, que tenía un papel principal en los estudios de prehistoria. En Suecia, Gustavo Adolfo II asignó la posición de Royal Antiquarian a su tutor, J. Bure (1568-1652), un erudito de antigüedades rúnicas, que publicó monumento swabian-gótico hasthenus excertta y monumento runica. En 1662 se estableció un presidente de la antigüedad en la Universidad de Uppsala con la que O. Verelius fue el primer propietario. El interés en las antigüedades locales se expandió e intensificó en el siglo XVIII, también instado por los sentimientos de patriotismo. El trabajo tácito fue redescubierto en Alemania; En Francia se prestó la atención a los celtas; En Bohemia, el Bienenberg (1731-1798), y especialmente J. Debrovski (1753-1829), comenzó los estudios eslavos; En Dinamarca, E. Pontoppidan (1698-1764) realizó excavaciones y búsquedas sobre el terreno y en 1763 publicó los resultados de sus estudios en Den Danske Atlas 1. En Inglaterra, el principal representante de los estudios antiguos fue W. Stakeley, quien también fue El primer secretario de la Sociedad de Antigüedades. Su interés en los antiguos británicos, por los druidas y para el mundo medieval se le acercó al movimiento romántico que en esos años se manifestaba como una reacción conservadora al clasicismo e iluminismo. También realizó excavaciones e investigaciones sobre el terreno y publicó Itinerarium Curiosum (1725), Stonehenge (1740), Avebury (1743), todas las obras de considerable nivel para ese momento.

Artículos Relacionados:

• Los autores investigan el poder de la experimentación
• Dibujos para investigación no experimental: cómo optimizar su estudio
• 20 Ejemplos de Investigación Experimental y No Experimental
• ¿Cómo se realiza una investigación no experimental?

Más posts relacionados:

¿Cómo optimizar el alcance y diseño de su investigación para obtener los mejores resultados?

Herramientas de investigación pdf: las mejores herramientas para tu investigación

Deja una respuesta cancelar la respuesta.

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Comentario *

Correo electrónico *

Guarda mi nombre, correo electrónico y web en este navegador para la próxima vez que comente.

Descubre la importancia de la investigación no experimental, cuasi experimental y experimental en el avance científico

¿qué es la investigación no experimental.

La investigación no experimental es un enfoque metodológico utilizado en diversas disciplinas científicas para estudiar fenómenos de interés sin intervenir directamente en ellos. A diferencia de la investigación experimental, no hay manipulación de variables o control de condiciones. En lugar de eso, el investigador observa y recopila datos de eventos o situaciones tal como aparecen naturalmente.

La investigación no experimental se basa en la observación y la recopilación de datos existentes, lo que permite realizar análisis y conclusiones sobre las relaciones entre variables o fenómenos. Este enfoque es común en campos como la sociología, la psicología social y el estudio de tendencias y comportamientos humanos.

¿Qué es la investigación cuasi experimental?

La investigación cuasi experimental es un diseño de investigación que se sitúa entre la investigación experimental y la investigación no experimental. En este tipo de investigación, el investigador no tiene control total sobre las variables independientes, pero sí manipula y controla ciertos aspectos del experimento.

A diferencia de la investigación no experimental, la investigación cuasi experimental permite al investigador manipular variables y controlar ciertas condiciones. Sin embargo, no se asignan aleatoriamente los grupos de participantes, lo que puede limitar la capacidad de generalizar los resultados.

¿Qué es la investigación experimental?

La investigación experimental es un enfoque científico que busca establecer relaciones causales entre variables a través de la manipulación de factores y la observación de los efectos resultantes. En este tipo de investigación, se controlan cuidadosamente las condiciones experimentales para poder establecer relaciones de causa y efecto.

En la investigación experimental, los investigadores asignan aleatoriamente a los participantes a diferentes grupos de tratamiento y control, lo que permite comparar los efectos de variables independientes en condiciones controladas. Este enfoque se utiliza ampliamente en disciplinas como la psicología, la medicina y la física.

Ventajas y desventajas de la investigación no experimental

La investigación no experimental tiene diversas ventajas y desventajas a considerar:

Ventajas de la investigación no experimental

– Permite observar y analizar eventos o fenómenos tal como ocurren naturalmente. – No requiere manipulación de variables o control de condiciones, lo que puede ser más ético y práctico en ciertos casos. – Puede proporcionar información valiosa sobre relaciones existentes entre variables. – Puede ser más económica y menos tiempo intensiva que la investigación experimental.

Desventajas de la investigación no experimental

– No permite establecer relaciones de causa y efecto entre variables. – Los datos existentes pueden estar limitados en su disponibilidad y calidad. – Puede haber sesgos y variables confusas que afecten los resultados. – Los resultados pueden tener limitaciones en términos de generalización y aplicabilidad.

Ventajas y desventajas de la investigación cuasi experimental

La investigación cuasi experimental también tiene sus ventajas y desventajas:

Ventajas de la investigación cuasi experimental

– Permite al investigador manipular variables y controlar ciertas condiciones. – Puede proporcionar evidencia más sólida que la investigación no experimental al controlar ciertos aspectos del experimento. – Puede ser más práctica y ética que la investigación experimental en ciertos contextos. – A pesar de no asignar aleatoriamente los grupos de participantes, aún puede proporcionar información útil sobre las relaciones entre variables.

Desventajas de la investigación cuasi experimental

– No permite el control total de variables en comparación con la investigación experimental. – La asignación no aleatoria de grupos puede introducir sesgos y limitar la generalización de resultados. – Puede haber variables confusas y factores no controlados que puedan afectar los resultados. – Los resultados pueden tener limitaciones en términos de causalidad y generalización.

Ventajas y desventajas de la investigación experimental

La investigación experimental tiene sus propias ventajas y desventajas a considerar:

Ventajas de la investigación experimental

– Permite establecer relaciones causales entre variables al manipular factores y controlar condiciones experimentales. – Permite el control total de variables en comparación con otros enfoques de investigación. – Puede proporcionar evidencia sólida y generalizable sobre las relaciones entre variables. – Es ampliamente aceptado y utilizado en diferentes disciplinas científicas.

Desventajas de la investigación experimental

– Puede ser costosa y requerir recursos significativos, como tiempo y personal. – La manipulación y control de variables puede ser éticamente cuestionable en ciertos casos. – Las condiciones experimentales pueden no reflejar completamente la realidad, lo que limita la aplicabilidad de los resultados a situaciones del mundo real. – Puede haber influencia de variables confusas y sesgos que afecten los resultados.

La investigación no experimental, cuasi experimental y experimental son enfoques científicos utilizados para estudiar diversos fenómenos. Cada tipo de investigación tiene sus ventajas y desventajas, y la elección del enfoque adecuado dependerá del objetivo de estudio, la disponibilidad de recursos y las consideraciones éticas.

Es importante comprender las diferencias y similitudes entre estos enfoques para tomar decisiones informadas al diseñar y llevar a cabo investigaciones. La investigación no experimental se basa en la observación y recopilación de datos existentes, mientras que la investigación cuasi experimental permite la manipulación de variables en condiciones controladas, pero sin asignación aleatoria. Por otro lado, la investigación experimental controla completamente las variables en condiciones experimentales para establecer relaciones causales.

Cada enfoque tiene su lugar en la ciencia y se utiliza ampliamente en diferentes disciplinas. Es importante considerar el objetivo de la investigación, los recursos disponibles y las consideraciones éticas al elegir el enfoque más adecuado.

Preguntas frecuentes

1. ¿cuál es la diferencia entre investigación no experimental y cuasi experimental.

La principal diferencia entre la investigación no experimental y cuasi experimental radica en el control de variables y la asignación de grupos de participantes. En la investigación no experimental, no hay manipulación de variables ni control de condiciones, mientras que en la investigación cuasi experimental sí se manipulan ciertos aspectos del experimento, pero no se asignan aleatoriamente los grupos de participantes.

2. ¿Cuál es la ventaja de la investigación experimental sobre otros enfoques?

La principal ventaja de la investigación experimental es su capacidad para establecer relaciones causales entre variables. Al manipular factores y controlar condiciones experimentales, se puede determinar con mayor certeza el efecto de una variable en otra. Esto proporciona evidencia sólida y generalizable sobre las relaciones entre variables.

3. ¿Cuál es el enfoque de investigación más adecuado?

No hay un enfoque de investigación universalmente adecuado, ya que depende del objetivo de estudio, los recursos disponibles y las consideraciones éticas. La elección del enfoque adecuado debe basarse en una evaluación de estos factores y en una comprensión clara de las fortalezas y limitaciones de cada enfoque.

4. ¿Puede haber investigaciones que utilicen elementos de los tres enfoques?

Sí, es posible encontrar investigaciones que utilicen elementos de los tres enfoques. Algunos estudios pueden comenzar con una investigación no experimental para recopilar datos existentes, luego realizar una investigación cuasi experimental para manipular variables y controlar condiciones, y finalmente realizar una investigación experimental para establecer relaciones causales más sólidas. Esto demuestra la flexibilidad y adaptabilidad de la metodología de investigación en diferentes contextos.

Artículos Relacionados:

• Evita errores y aprende a ser tratado como quieres con estos consejos
• Descubriendo las posibles causas del dolor abdominal en el lado izquierdo: guía completa
• Descubre los beneficios del té para limpiar el colon y bajar de peso de forma natural
• Descubre todo sobre los órganos del lado izquierdo del cuerpo y cómo cuidarlos

Deja un comentario Cancelar la respuesta

Guarda mi nombre, correo electrónico y web en este navegador para la próxima vez que comente.

Current ye@r *

Leave this field empty

Buscar este blog

Unidad i: tipos de investigación., 1.3.- investigación no experimental, cuasi experimental y experimental..

• Obtener vínculo
• Correo electrónico

• Existe un grado menor de control en las variables.
• La investigación se lleva a cabo en situaciones donde suele darse de forma natural la conducta del objeto de estudio.
• Su metodología es fundamental descriptiva.

Comentarios

hola el tema esta interesante

Publicar un comentario

Entradas más populares de este blog, 1.1.- investigación pura y aplicada..

2.2.- Planteamiento del problema.

Academia.edu no longer supports Internet Explorer.

To browse Academia.edu and the wider internet faster and more securely, please take a few seconds to  upgrade your browser .

Enter the email address you signed up with and we'll email you a reset link.

• We're Hiring!
• Help Center

Investigacion no experimental cuasi experimental y experimental

Related Papers

Luis González

Una de las primeras decisiones que se deben tomar al plantear una investigación es cuál será la relación del investigador con los hechos a estudiar. ¿Será sólo un observador del fenómeno? ¿O actuará modificando las variables que quiere estudiar? Si sólo nos limitamos a observar sin intervenir el diseño planteado es observacional o no experimental. Sin embargo, si se interviene sobre las variables y hechos para analizar resultados se trata de un estudio experimental, como vimos en la clase anterior. En esta clase, nos centraremos en los estudios no experimentales. En ellos la investigación se realiza sin manipular deliberadamente las variables. Se observan los fenómenos tal y como se dan en el contexto natural para después analizarlos. En ellos no se construye ninguna situación, las variables independientes ya ocurrieron y no es posible manipularlas; el investigador no puede controlarlas. La asignación de los sujetos que participan no puede ser por elección, ni los sujetos asignados al azar. Los mismos ya pertenecen a un grupo o a un nivel dado lo que los coloca en un grupo determinado. Existen problemas a estudiar que no admiten manipulación experimental de la variable independiente. Sirva de ejemplo: viudez sobre factores emocionales de las personas. En este caso la persona ha fallecido y no se puede cambiar esa condición, no se puede manipular la variable. Tampoco vamos a quitar la vida a nadie para ver cómo repercute la muerte sobre las emociones de las personas. En el área de la salud, muchos estudios involucran a personas y no admiten que se realicen manipulaciones por motivos éticos, ya que involucran variables que de ser manipuladas podrían afectar psicológicamente y físicamente las personas. A continuación presentaremos algunas clasificaciones que reciben los estudios según el tiempo de ocurrencia de los hechos a observar y el registro de la información (estudios prospectivos o retrospectivos) y según la cantidad de veces que sea realizada la medición (estudios transversales o longitudinales). ESTUDIOS PROSPECTIVOS Y RETROSPECTIVOS Esta clasificación toma como referencia el tiempo de ocurrencia de los hechos y el registro de la información. Si el estudio se basa en hechos ya registrados (datos del pasado, que ya ocurrieron), el estudio se clasifica como retrospectivo. Por el contrario, si los datos se registrarán a propósito de la investigación el estudio se clasifica como prospectivo. ESTUDIOS TRANSVERSALES O LONGITUDINALES En esta clasificación se toma en cuenta la dimensión temporal, el periodo y la secuencia del estudio. Existen circunstancias que hacen variar el diseño según lo que se pretende estudiar o el modo con que se pretende estudiar un problema. • Cuando se trata de procesos que varían en relación al tiempo, que evolucionan con el correr del mismo (curación, crecimiento, etc.). • Fenómenos sujetos a una secuencia del tiempo. • Propósitos comparativos. • Mejoramiento del control de la investigación. • Cuando es tal la importancia del factor tiempo, que se clasifican los estudios en base a la dimensión temporal, según como se tenga en cuenta ella en el estudio a realizarse.

Narciso Vilchez

Ylied Camacho

En las investigaciones experimentales el investigador tiene el control de la variable independiente o variable estímulo, la cual puede hacer variar en la forma que sea más apropiada a sus objetivos. De igual manera, puede controlar la conformación de los grupos que necesita para su estudio. En términos generales, las investigaciones experimentales permiten determinar: a) El efecto de una variable independiente (llamada también causal, estímulo o tratamiento) sobre una variable dependiente (por ejemplo, el efecto de la autoimagen creada experimentalmente sobre el rendimiento en la solución de problemas de aprendizaje). b) Los efectos diferenciales de dos o más modalidades de una variable independiente sobre otra dependiente (por ejemplo, comparar el estudio individual con el estudio en grupo .dos modalidades de la variable estudiar. sobre los niveles de aprendizaje). c) El efecto conjunto de dos o más variables independientes sobre otra (como sería el caso de determinar el efecto combinado de dos métodos de enseñanza con dos formas de organización del trabajo en el aula sobre el rendimiento escolar). Investigaciones cuasiexperimentales En todos los diseños experimentales, propiamente tales, la asignación a los grupos experimentales y de control se realiza en forma aleatoria, con la finalidad principal de lograr una igualación, lo más cercana posible, de las características de los sujetos que conforman esos grupos. Esto, en definitiva, para descartar variables (propiedades) distintas a la variable independiente cuyo efecto particular se desea establecer en la variable dependiente. Con toda la importancia que tiene la aleatorización de los grupos, en muchas circunstancias no es posible cumplir con el propósito de control señalado anteriormente. Sin embargo, como lo han señalado Campbell y Stanley, en ausencia de esa posibilidad, aún es posible realizar experimentos que pueden tener validez interna y externa, si bien no eliminan todos los factores que las debilitan. De manera general, los diseños en los cuales no se ha podido utilizar el azar en la formación de los grupos reciben el nombre de diseños cuasiexperimentales, de los cuales presentamos los de mayor utilización. Investigación no experimental Las investigaciones no experimentales son aquellas en las cuales el investigador no tiene el control sobre la variable independiente, que es una de las características de las investigaciones experimentales y cuasi experimentales, como tampoco conforma a los grupos del estudio. En estas investigaciones, la variable independiente ya ha ocurrido cuando el investigador hace el estudio. O sea, ha ocurrido un cierto fenómeno, que es tomado como variable independiente (por ejemplo, la exposición a la televisión) para un estudio en el cual el investigador desea describir esa variable como también los efectos que provoca sobre otro fenómeno, que es la variable dependiente (por ejemplo, conductas delictivas). Por esta característica distintiva en lo que se refiere a la ocurrencia

robert zelada

Ricardo Meneses

Maria Belen Gimenez

Arturo Mendoza

la metodología de la investigación es una materia que nos enseña el procesos adecuado de como llevar a cabo un buen trabajo de investigación, en este documento puedes ver modelos de los diferentes autores que exponen la metodología como el arte de investigar.

Leonardo Alexander .Guzmán

Correlación entre los trastornos debidos al consumo de alcohol y las expectativas hacia el consumo de alcohol en estudiantes de licenciatura en psicología de la FES Iztacala

diana camargo

tarea ii semestre

International Journal of Morphology

Carlos Manterola

Loading Preview

Sorry, preview is currently unavailable. You can download the paper by clicking the button above.

RELATED PAPERS

Eymy Ortewa

denisse diaz

Jaime Vergara Oliva

Omar Quintanilla

Leonardo M Rivera Bernal

Freddy Avendaño

lorna benavente

Revista Española de Pedagogía, 251, 93-110

Rosario García-Bellido , Jose Gonzalez-Such

Mafer Ochoa Bernal

BRIANDA OROZCO

WALDIR ROMARIO OROSCO TINTA

Maria Jose Barros

Alvaro Alxes

Tania Pinares Romero

JOSE E PADRON

3h-vampir Murillo

Jose Luis Martinez

José Antonio V A L L E S Romero

Katherin Marín Loaiza

Xavier Pumasunta

Alexis Rafaela

Jorge Salcedo

Praxis & Saber

Graciela Concepción Messina

•   We're Hiring!
•   Help Center
• Find new research papers in:
• Health Sciences
• Earth Sciences
• Cognitive Science
• Mathematics
• Computer Science
• Academia ©2024

• Archaeology
• Investigation

DISEÑOS DE INVESTIGACIÓN EXPERIMENTAL

• February 2021
• CienciAmérica 10(1):1-17

• Pontificia Universidad Católica del Ecuador

Abstract and Figures

Discover the world's research

• 25+ million members
• 160+ million publication pages
• 2.3+ billion citations

• Diego Alonzo Dávila-Bernal

• Paulo C Poma

• Holger Jorge Santillán Carranza
• Jairo Oliver Enríquez Sandoval
• José Fernando Bonilla Castro
• Jeidy López Esquivel
• Samanta Quispe Torres
• Jean Carlos Escurra Lagos
• Julio Vilchez Moscol
• Ana María Uribe Veintimilla
• Roxana Katherine Gongora Cheme
• Herman Zuñiga Muñoz

• María del Carmen Quiroz - García
• José Luis La Rosa - Botonero

• Sorely Amparo García Gutiérrez
• Patricia Valera Yataco
• Charles Dummar Camasca Macedo
• Jessica del Pilar Valera Yataco

• Aníbal Gonzalo Galarza Chilán

• Paula Toalombo-Vargas
• Pablo Rigoberto Andino-Nájera
• Luis Fernando Arboleda-Álvarez
• Juan Carlos Santillán-Lima
• Recruit researchers
• Join for free
• Login Email Tip: Most researchers use their institutional email address as their ResearchGate login Password Forgot password? Keep me logged in Log in or Continue with Google Welcome back! Please log in. Email · Hint Tip: Most researchers use their institutional email address as their ResearchGate login Password Forgot password? Keep me logged in Log in or Continue with Google No account? Sign up