INTRODUCCIÓN A LA METODOLOGÍA DEL LA INVESTIGACIÓN

INTRODUCCIÓN A LA METODOLOGÍA DEL LA INVESTIGACIÓN

Héctor Luis Ávila Baray

Volver al índice

 

Investigación Experimental

La investigación experimental en las ciencias sociales difiere notablemente de la investigación experimental en las ciencias naturales debido a las características de las unidades de análisis en el área social. Un experimento tiene como propósito evaluar o examinar los efectos que se manifiestan en la variable dependiente cuando se introduce la variable independiente, es decir, se trata de probar una relación causal.

Montgomery (1993) define literalmente el experimento como “... una prueba o ensayo,” (p. 1) en la que es posible manipular deliberadamente una o más variables independientes para observar los cambios en la variable dependiente en una situación o contexto estrictamente controlado por el investigador.

El desarrollo de un experimento tiene como requisito imprescindible utilizar un diseño apropiado para resolver el PON que se investiga. El diseño de investigación se puede entender como el desarrollo de un plan o estrategia que especifica las acciones y medios de control que se efectuarán para alcanzar los objetivos del experimento, responder a las preguntas de investigación y someter a contrastación las hipótesis.

Campbell y Stanley (1969) clasifican los diseños de investigación en experimentos verdaderos, preexperimentos y cuasiexperimentos. Para efectos de explicar los anteriores diseños se utilizará la simbología siguiente:

A= Asignación aleatoria de las unidades de análisis a los grupos testigo y experimental.

P = Pareamiento aleatorio.

G = Grupo.

GE = Grupo experimental.

GC = Grupo testigo o control.l X = Tratamiento experimental.

- = Ausencia de tratamiento experimental.

O1= Preprueba o medición previa al tratamiento experimental.

O2 = Posprueba o medición posterior al tratamiento experimental.

a) Diseños Experimentales Verdaderos: Este tipo de diseño se caracteriza por ejercer un estricto control sobre el experimento por medio del establecimiento tanto de grupos de comparación a fin de manipular la variable independiente como la equivalencia de los grupos por medio de la asignación aleatoria de las unidades de análisis.

En los diseños experimentales es posible manipular la variable independientes y puede utilizar sólo posprueba o la modalidad de preprueba-posprueba en la medición de las variables estudiadas. La utilización de la posprueba tiene como propósito determinar la presencia o ausencia de efectos experimentales. Esquemáticamente los diseños experimentales tienen la siguiente estructura:

a1) Diseño experimental con posprueba y grupo control:

A GE X O2 (Diseño 3.1)

A GC - O2

a2) Diseño experimental con preprueba-posprueba y grupo control:

A O1 X O2 (Diseño 3.2)

A O1 - O2

en los anteriores estructuras de diseños experimentales la asignación aleatoria (A) de las unidades de análisis sirve como medio de control de las diferencias entre los grupos. En lugar de utilizar A es posible asignar las unidades de análisis por pareamiento aleatorio (P) para lograr el mismo objetivo. Las ventajas y desventajas de los diseños experimentales verdaderos son:

Ventajas

1 La asignación aleatoria de las unidades de análisis a los grupos experimental y control permite controlar la validez interna del experimento.

2 Las posibles diferencias que manifiesten en los grupos son producto de la casualidad.

3 La utilización de la preprueba permite cuantificar el cambio inducido por el tratamiento experimental.

4 La asignación por pareamiento aleatorio permite controlar las diferencias entre las unidades de análisis.

Desventajas

1 La validez interna pudiera ser afectada por la preprueba.

2 El pareamiento aleatorio es útil cuando se trabaja un experimento en el que los grupos estan integrados por 12 o 14 unidades de análisis, es decir, es aplicable en grupos pequeños.

a3) Diseños de Solomon: Por medio de la mezcla de los dos anteriores tipos de diseños experimentales Solomon propone diseños con tres y cuatro grupos. Éstos son una extensión de los diseños experimentales de dos grupos. Es posible verificar los posibles efectos de la preprueba sobre la posprueba y controlar las fuentes de invalidación interna. Los diseños de Solomon tienen la siguiente estructura:

1 Diseño de tres grupos de Solomon:

A GE O1 X O2 (Diseño 3.3)

A GC O1 - O2

A GC - X O2

2 Diseño de cuatro grupos de Solomon:

A GE O1 X O2 (Diseño 3.4)

A GC O1 - O2

A GC - X O2

A GC - - O2

en estos diseños el segundo grupo control se convierte automáticamente en un segundo grupo experimental. El diseño de cuatro grupos de Solomon es difícil de aplicar, de controlar y de medir estadísticamente. No obstante lo anterior, permite realizar una doble experimentación y comparación de grupos.

Otro tipo de diseños de investigación más avanzados son los llamados diseños factoriales que son considerados como una consecuencia del diseño de cuatro grupos de Solomon. R. A. Fisher desarrollo los diseños factoriales al igual que los métodos estadísticos para su análisis (Van Dalen y Meyer, 1986).

Hay muchas investigaciones experimentales que pretenden analizar la influencia simultanea de dos o más variables independientes llamadas factores sobre la variable dependiente y la interacción entre ellas. Los diseños de investigación que se utilizan para este propósito se denominan diseños factoriales (Arnau Grass, 1980).

Una definición muy completa de diseño factorial es la que ofrece McGuijan (1996). Para este autor “un diseño factorial completo es aquel en el que se utilizan todas las combinaciones posibles de los valores seleccionados de las variables independientes,” (p. 163). La anterior definición establece que los diseños factoriales se utilizan para manipular las variables independientes simultáneamente y permiten evaluar por separado los efectos de cada variable independiente al igual que la interacción entre ellas. Un diseño factorial puede utilizar dos o más variables independientes con cualquier cantidad de niveles o valores para determinar estadísticamente sus efectos (Rodríguez y Pérez, 1995). Por lo general los diseños factoriales se representan como diseños 2X2, 2X3X4, 2X4X8X5, etc.

Cada dígito representa una variable independiente y su valor representa la cantidad de niveles o valores que posee cada variable independiente, así en un diseño factorial 2X2 existen dos variables independientes con dos niveles cada una de ellas. A mayor cantidad de variables independientes y niveles existe mayor dificultad para desarrollar y controlar el experimento. Para ilustrar un diseño factorial se utilizará un ejemplo relativamente simple sin aplicar un análisis estadístico, lo anterior es con el propósito de facilitar la comprensión del mismo.

Considérese un diseño factorial 2X2 en el que se pretende analizar el aprendizaje alcanzado por un grupo de unidades de análisis clasificadas por sexo en hombres (H) y mujeres (M) que utilizan dos diferentes métodos de instrucción: el método tradicional (MT) y la instrucción programada (IP). La Figura 3.4 muestra la estructura de este diseño factorial. Cada posible combinación se presenta en una parcela o celda, las posibles combinaciones son (ver Figura 3.5):

Figura 3.4 Ejemplo de Diseño Factorial 2X2

Figura 3.5 Posibles Combinaciones.

el experimento consiste en medir el aprendizaje obtenido por los grupos con cada uno de los métodos de instrucción. Las preguntas de investigación son:

a) ¿influye el sexo de las unidades de análisis sobre el nivel de aprendizaje?

b) ¿influye el método de instrucción utilizado sobre el nivel de aprendizaje?

c) ¿existe alguna interacción entre el sexo de las unidades de análisis y el método de instrucción utilizado?

en la medición del aprendizaje o evaluación se obtuvieron los siguientes resultados expresados como promedio aritmético:

Figura 3.6 Resultados obtenidos.

al comparar las puntuaciones medias marginales de los renglones se esta analizando la influencia del sexo de las unidades de análisis sobre el aprendizaje en ambos niveles, al obtener la media aritmética del renglón del nivel de hombres se tiene un promedio de 91.5 y en el nivel de mujeres el promedio es de 81. El promedio aritmético del nivel de hombres supera en 10.5 puntos al promedio del nivel de mujeres, razón por la que es posible atribuir relativamente un efecto a la variable sexo de las unidades de análisis sobre el aprendizaje. Al comparar las puntuaciones medias marginales de las columnas se esta analizando la influencia de los métodos de intrucción sobre el aprendizaje.

Al obtener la media aritmética de la columna del MT se tiene un promedio de 83 y en la columna de IP el promedio es de 89.5 superando por 6.5 puntos al MT, esta diferencia hace posible atribuir relativamente que el método de IP es mejor que el MT. Para responder a la pregunta c), se procede a graficar los resultados (ver Figura 3.7).

En la Figura 3.7 se aprecia claramente que no existe interrelación (interacción) entre las variables independientes. En el anterior ejemplo, las conclusiones obtenidas no son determinantes debido a que es necesario un análisis de varianza. Los diseños factoriales tienen las ventajas de:

1 Analizan la interacción entre las variables

2 Analiza simultáneamente dos o más variables independientes en un solo experimento.

3 Permite una mejor comprobación de hipótesis.

b) Diseños Pre-experimentales: En los diseños pre-experimentales se analiza una sola variable y prácticamente no existe ningún tipo de control. No existe la manipulación de la variable independiente ni se utiliza grupo control.

En una investigación pre-experimental no existe la posibilidad de comparación de grupos. Este tipo de diseño consiste en administrar un tratamiento o estímulo en la modalidad de solo posprueba o en la de preprueba-posprueba. El diseño tiene la siguiente estructura:

b1) Diseño preexperimental solo con posprueba:

G X O2 (Diseño3.5)

b2) Diseño preexperimental con preprueba-posprueba:

G O1 X O2 (Diseño 3.6)

como se puede apreciar en los anteriores esquemas, el diseño de tipo preexperimental tiene un grado de control mínimo en virtud de que se trabaja con un solo grupo y las unidades de análisis no son asignadas aleatoriamente al mismo. Adicionalmente existen muy pocas probabilidades de que el grupo sea representativo de los demás.

c) Diseños Cuasiexperimentales: El término cuasi significa casi por lo que un diseño cuasiexperimental casi alcanza el nivel de experimental, el criterio que le falta para llegar a este nivel es que no existe ningún tipo de aleatorización, es decir, no hay manera de asegurar la equivalencia inicial de los grupos experimental y control. Se toman grupos que ya estan integrados por lo que las unidades de análisis no se asignan al azar ni por pareamiento aleatorio. La carencia de aleatorización implica la presencia de posibles problemas de validez tanto interna como externa. La validez interna se ve afectada por el fenómeno de selección, la regresión estadística y el proceso de maduración. La validez externa se ve afectada por la variable población, es decir, resulta difícil determinar a que población pertenecen los grupos. La estructura de los diseños cuasiexperimentales implica usar un diseño solo con posprueba o uno con preprueba-posprueba.

C1) Diseño Cuasiexperimental solo con posprueba:

GE X O2 (Diseño 3.7)

GC - O2

C2) Diseño Cuasiexperimental con preprueba y posprueba:

GE O1 X O2 (Diseño 3.8)

GC O1 - O2