CAPTULO 5

OTROS DISEOS EXPERIMENTALESSERIES CRONOLGICAS, FACTORIALES Y CUASIEXPERIMENTOS

I N T R O D U C C I N

En el captulo 7 de Metodologa de la investigacin, 4 edicin, se comenta sobre

los diseos experimentales, sin embargo quedaron pendientes dos tipos de stos:

las series cronolgicas mltiples y los factoriales. Ambos, en ediciones anteriores,

se haban tratado en el libro. Se retomarn algunas cuantas lneas del contenido

del captulo 7, con la finalidad de que el lector ubique sin problemas cada tema.

D i s e o s e x p e r i m e n t a l e s d e

s e r i e s c r o n o l g i c a s m l t i p l e s

Cuando el experimentador se interesa en analizar efectos en el mediano o largo

plazo, porque tiene bases para suponer que la influencia de la variable

independiente sobre la dependiente tarda en manifestarse. Por ejemplo,

programas de difusin de innovaciones, mtodos educativos o estrategias de las

psicoterapias. En tales casos, es conveniente adoptar diseos con varias

pospruebas. A estos diseos se les conoce como series cronolgicas

experimentales. En realidad, el trmino serie cronolgica se aplica a cualquier

diseo que efecte varias observaciones o mediciones sobre una variable a travs

del tiempo, sea o no experimental, slo que en este caso se les llama

experimentales porque renen los requisitos para serlo.

Tambin en estos diseos se tienen dos o ms grupos y los sujetos son

asignados al azar a dichos grupos. nicamente que, debido a que transcurre

mucho ms tiempo entre el inicio y la terminacin del experimento, el investigador

debe tener cuidado de que no ocurra algo que afecte de manera distinta a los

grupos (con excepcin de la manipulacin de la variable independiente). Lo mismo

sucede cuando la aplicacin del estmulo lleva mucho tiempo (por ejemplo,

programas motivacionales para trabajadores que duran semanas). Con el paso del

tiempo es ms difcil mantener la equivalencia inicial de los grupos.

Un ejemplo de cmo se diagraman las series cronolgicas experimentales se

muestra en la tabla 5.1.

Tabla 5.1

Ejemplos de experimentos de series cronolgicas

Serie cronolgica sin preprueba, con varias pospruebas y grupo de control

RG1 X1 01 02 03

RG2 X2 04 05 06

RG3 X3 07 08 09

RG4 010 011 012

Serie cronolgica con preprueba, con varias pospruebas y grupo de control

RG1 01 X1 02 03 04

RG2 05 X2 06 07 08

RG3 09 010 011 012

Serie cronolgica basada en el diseo de cuatro grupos de Solomon

RG1 01 X 02 03

RG2 04 05 06

RG3 X 07 08

RG4 09 010

Las pospruebas pueden ser tantas como se requiera y sea posible aplicar.

Asimismo, en otras ocasiones se desea analizar la evolucin de los grupos antes

y despus del tratamiento experimental. En esta situacin pueden incluirse varias

prepruebas y pospruebas, en cuyo caso se tendran esquemas como el siguiente:

R G1 0 0 0 X1 0 0 0

R G2 0 0 0 X2 0 0 0

R G3 0 0 0 0 0 0

Ejemplo

De un diseo experimental de serie cronolgica

Un consultor en cuestiones organizacionales estudia el efecto sobre la dedicacin

en el trabajo que tiene el hecho de que se difundan una serie de valores, que la

directiva de una corporacin considera deben ser implantados en la empresa.

Pregunta de investigacin: cuanto ms conozca el personal de una

corporacin los valores de sta (definidos por su directiva), tendr mayor

dedicacin en el trabajo?

Hiptesis de investigacin: El mayor conocimiento de los valores corporativos

genera mayor dedicacin en el trabajo.

Hiptesis estadstica: rxy > 0

El consultor selecciona 99 personas de la corporacin, de todos los niveles

jerrquicos, los asigna al azar a tres grupos: 1. un grupo participa en una reunin

de dos horas de duracin, en donde se les presentan con cuidado los valores

corporativos con aplicaciones a situaciones especficas de trabajo, posteriormente

se les entrega un folleto con explicaciones adicionales. 2. otro grupo asiste a una

sesin breve donde se proporciona un folleto sobre los valores corporativos (no

hay explicacin verbal ni discusin o sesin de preguntas y respuestas). 3. el tercer

grupo asiste a una sesin donde se trata algn aspecto no relacionado con el

trabajo o la organizacin (digamos, un tema cultural de inters general).

Antes de administrar los tratamientos a todos los sujetos, se les aplican tres

mediciones de la dedicacin en el trabajo. Asimismo, despus de los tratamientos,

tambin se les aplican tres mediciones de la misma variable (al corto, mediano y

largo plazos). El diseo se diagramara como se muestra en la figura 5.1.

Recurdese que las mediciones son de la dedicacin en el trabajo. Cada grupo

estara integrado por 33 personas.

Figura 5.1

Diseo del ejemplo de serie cronolgica sobre

la dedicacin al trabajo con tres grupos

Una ventaja del diseo es que es posible evaluar la evolucin comparativa de

los grupos. Por ejemplo, si se encontraran los siguientes resultados con una escala

(hipottica) de dedicacin en el trabajo, con valores de 0 a 25:

R G1 11 11 11.2 X1 16 18 21

R G2 10.8 11 10.9 X2 15 14 11.8

R G3 11.1 10.9 11.3 11 10.8 11.4

R G1 01 02 03 Sesin informativa (X1) 04 05 06 y de discusin ms

folleto informativo

R G2 07 08 09 Folleto informativo (X2) 010 011 012

R G3 013 014 015 Sesin sobre un () 016 017 018tema general

Un mes antes deltratamiento

Cuatro dasantes del

tratamiento

Tres mesesdespus deltratamiento

Un dadespus deltratamiento

Quince dasantes del

tratamiento

Un mesdespus deltratamiento

Vemos que X1 tiene un efecto que

aumenta con el paso del tiempo y X2

produce un efecto en el corto plazo,

pero tiende a desvanecerse con el paso del tiempo. Esto podra graficarse del

siguiente modo:

En los diseos experimentales de series cronolgicas se realizan este tipo de

grficas, las cuales enriquecen la interpretacin de la evolucin de los grupos.

Series cronolgicas Diseos que, a travs deltiempo, efectan diversas observaciones omediciones sobre una variable.

Niv

el d

e la

var

iab

le d

epen

die

nte

(ded

icac

in

en

el t

rab

ajo)

Tratamiento uno

0 01 02 03 X1 04 05 06

25

12.5

Grupo 1

Efectocreciente

Niv

el d

e la

var

iab

le d

epen

die

nte

(ded

icac

in

en

el t

rab

ajo)

Tratamiento dos

0 07 08 09 X2 010 011 012

25

12.5

Grupo 2

Efectotemporal

Niv

el d

e la

var

iab

le d

epen

die

nte

(ded

icac

in

en

el t

rab

ajo)

Tratamiento dos

0 013 014 015 --- 016 017 018

25

12.5

Grupo 3

No efecto

Algunas de las diversas configuraciones que se presentan se muestran en las

figuras 5.2 y 5.3.

En este caso, debe observarse que no sea algn suceso ajeno el que provoque

el efecto, en lugar de la manipulacin de la variable independiente. Podra ocurrir que:

Figura 5.2

Ejemplo de un suceso ajeno a X que provoca el efecto

Figura 5.3

Ejemplo de un efecto que perdura

e tn eid

nep e

d elbaira v al e

d al acs E

01 02 03 04 X 05 06 07

A. Efecto inmediato que perdura y crece

etneid

nepe

d elbairav al e

d alacsE

01 02 03 04 X 05 06 07

Sucesoque es independiente a X

Figura 5.4

Ejemplo de ausencia de efecto por el tratamiento

Este diagrama se comparara con el del grupo de control o dems grupos para

analizar lo que ocurre. Quiz se deba a que no se obtuvo una equivalencia real de

los grupos al inicio del experimento.

Se tendran tantos diagramas o grficas como grupos, o bien podran

agruparse los efectos provocados en los distintos grupos en una sola grfica (varios

diagramas en sta), como se observa en la figura 5.5.

tendr un diagrama para cada grupo por cada variable dependiente; mientras que

en el segundo caso, un diagrama por cada variable dependiente.

etn eid

nepe

d elbairav al e

d a lacsE

01 02 03 04 X 05 06 07

B. Efecto no provocado por el tratamientoexperimental, sino por una tendencia delgrupo independiente al tratamiento:el efecto se produjo antes de este

Desde luego, si se mide ms de una variable dependiente, en el primer caso se

Ejemplo

Si el tratamiento es un programa motivacional y las variables dependientes son la

motivacin intrnseca, la productividad y la calidad en la produccin (con dos

grupos experimentales y uno de control), se tendran las opciones que se muestran

en las figuras 5.6 y 5.7.

Figura 5.5

Ejemplos de grficas en series cronolgicas

Varios diagramas

Grupo 1Grupo 2Grupo 3

Un solo diagrama

Grupo 1 Grupo 2

Grupo 3

01 02 03 X 04 05 06 01 02 03 X 04 05 06

01 02 03 X 04 05 06 01 02 03 X 04 05 06

Figura 5.6

Ejemplo de varios diagramas para cada variable dependiente

Diversos diagramas para varios grupos y variables dependientes

Grupo 1

01 02 03 X 04 05 06

Motivacinintrnseca

Grupo 3

01 02 03 --- 04 05 06

Motivacinintrnseca

Grupo 2

01 02 03 X 04 05 06

Motivacinintrnseca

Grupo 1

01 02 03 X 04 05 06

Productividad

Grupo 3

01 02 03 --- 04 05 06

Productividad

Grupo 2

01 02 03 X 04 05 06

Productividad

Grupo 1

01 02 03 X 04 05 06

Calidad

Grupo 3

01 02 03 --- 04 05 06

Calidad

Grupo 2

01 02 03 X 04 05 06

Calidad

Figura 5.7

Ejemplo de un solo diagrama por variable dependiente

En estos diseos de series cronolgicas se controlan todas las fuentes de

invalidacin interna, siempre y cuando se lleve a cabo un seguimiento minucioso

de los grupos, para asegurarse de que la nica diferencia entre ellos sea la

manipulacin de la variable independiente. En algunos casos, llega a haber una

influencia de la repeticin de las mediciones sobre la variable dependiente

(administracin de pruebas mltiples), sobre todo en las pruebas donde el sujeto

participa activamente y sabe que est respondiendo a una prueba (cuestionarios,

entrevistas, tests estandarizados); no tanto as en las mediciones en que el sujeto

es ms pasivo y no se encuentra consciente de qu se le mide (por ejemplo, la

observacin). De cualquier manera, en caso de que exista dicha influencia, se

presentar de forma similar en todos los grupos (porque son equivalentes y el

nmero de pruebas aplicadas es el mismo).

Un solo diagrama por variable dependiente

Grupo 1

Grupo 2

Grupo 3

01 02 03 X 04 05 06

Motivacinintrnseca

Grupo 1

Grupo 2

Grupo 3

01 02 03 X 04 05 06

Productividad

Grupo 1

Grupo 2

Grupo 3

01 02 03 X 04 05 06

Calidad

Para estos diseos se suelen utilizar diversas tcnicas estadsticas complejas,

esto depende del nivel de medicin de las variables y del tipo de anlisis e

interpretacin que se desee realizar, como anlisis de regresin mltiple o anlisis

de cambio. Se recomiendan las siguientes fuentes para conocer tales anlisis:

Markus (1979), Ostrom (1990), Kessler y Greenberg (1981), Henkel (1976), Siegel

(1995), Monge y Cappella (1980), Kerlinger y Pedhazur (1997), SPSS (1999),

Camacho (2001), Ferrn (2001), Kerlinger y Lee (2002).

Diseos de series cronolgicas con repeticin del estmulo

En ocasiones, el investigador anticipa que el tratamiento o estmulo experimental

no tiene efecto o es mnimo si se aplica una sola vez, tal como sera hacer ejercicio

fsico un solitario da (no se esperara un cambio en la musculatura); o como sera

consumir vitaminas por una nica vez. Tambin en ocasiones el investigador quiere

conocer el efecto sobre las variables dependientes cada ocasin que se aplica el

estmulo experimental.

Por ejemplo, en tcnicas de condicionamiento es comn que uno se cuestione:

cuntas veces debo aplicar el reforzamiento a una conducta para lograr

condicionar la respuesta a un estmulo? En estos casos es posible repetir el

tratamiento experimental y administrar una posprueba despus de cada aplicacin,

para evaluar su efecto.

Los sujetos se asignan al azar a los distintos grupos, a cada grupo se le

administra varias veces el tratamiento experimental que le corresponde. Algunos

de estos diseos diagramados se muestran en la tabla 5.2.

Tabla 5.2

Ejemplos de diseos cronolgicos con repeticin del estmulo

El mismo tratamiento se aplica dos veces al grupo experimental:

R G1 01 X1 02 X1 03

R G2 04 05 06

Cada tratamiento se aplica cuatro veces al grupo respectivo:

R G1 01 X1 02 X1 03 X1 04 X1 05

R G2 06 X2 07 X2 08 X2 09 X2 010

R G3 011 X3 012 X3 013 X3 014 X3 015

R G4 016 017 018 019 020

En algunos casos se prescindira de las pruebas, y el experimentador, por

alguna justificacin terica o emprica, podra aplicar pospruebas a intervalos

sistemticos diferentes.

R G1 X1 01 X1 X1 X1 02 X1 X1 X1 03

R G2 X2 04 X2 X2 X2 05 X2 X2 X2 06

R G3 07 08 09

O bien, aplicar las pospruebas a intervalos irregulares (por alguna determinada

razn):

R G1 X1 X1 01 X1 02 X1 X1 X1 03 X1 04

R G2 X2 X2 05 X2 06 X2 X2 X2 07 X2 08

R G3 09 010 011 012

Un ejemplo de estos diseos sera el caso de un publicista que pretende

analizar los efectos de un comercial televisivo en la preferencia del producto

anunciado, en comparacin con otras marcas, y postula la hiptesis de que una

sola exposicin al comercial no surtir efecto alguno.

Las pruebas estadsticas usuales para estos diseos son las mismas que para las

series cronolgicas mltiples.

D i s e o s c o n t r a t a m i e n t o s m l t i p l e s

A veces el investigador desea analizar el efecto de la aplicacin de los distintos

tratamientos experimentales a todos los grupos o participantes. En estos casos es

posible utilizar los diseos con tratamientos mltiples. La aplicacin de

tratamientos puede ser individual o en un grupo y hay distintas variaciones:

a) Varios grupos. En este caso, se tienen varios grupos a los cuales se asignan

los sujetos o participantes al azar. A cada grupo se le aplican todos los

tratamientos. La secuencia de la aplicacin de tratamientos puede o no ser la

misma para todos los grupos y es posible administrar una o ms pospruebas a los

grupos (posteriores a cada tratamiento experimental). Dos diagramas de estos

diseos son los de la tabla 5.3.

Tabla 5.3

Diseos con tratamientos mltiples, varios grupos

Con secuencia diferente. El experimentador debe tener cuidado al interpretar

las segundas pospruebas y mediciones subsecuentes, ya que quizs exista una

influencia diferente en los grupos provocada por distintas secuencias de los

Misma secuencia para los grupos Secuencia diferente

R G1 X1 01 X2 02 X3 03 R G1 X1 01 X2 02 X3 03

R G2 X1 04 X2 05 X3 06 R G2 X2 04 X3 05 X1 06

R G3 X1 07 X2 08 X3 09 R G3 X3 07 X2 08 X1 09

tratamientos. De hecho, durante el experimento es muy probable que haya

diferencias entre grupos, incluso al finalizar el experimento los resultados se

deban, en buena medida, a la secuencia con que fueron administrados los

tratamientos.

Los diseos experimentales con tratamientos mltiples y secuencia diferente en

los grupos, as como los dos casos que vamos a ver a continuacin, llegan a tener

distintos efectos que deben analizarse con minuciosidad. Algunos tratamientos

tienen efectos reversibles; en esta situacin no hay interferencia entre tratamientos

y las pospruebas se ven influidas nicamente por el tratamiento inmediato anterior

(por ejemplo 03, del diseo con secuencia diferente, se vera afectada por X3, pero

no por X2 o X1), ello facilita la interpretacin. Pero a menudo los efectos no son

reversibles, sino aditivos o interactivos; esto es, los resultados de una posprueba se

pueden ver influidos no slo por el tratamiento inmediatamente anterior, sino por

los que le antecedieron a ste, y no es fcil saber cunto se debi a X1, cunto a

X2, o Xk. Para ello, en el anlisis debe incluirse la secuencia como factor.

b) Un solo grupo. En situaciones donde slo se cuenta con un nmero

reducido de participantes para el experimento, es posible realizar un diseo con

tratamientos mltiples y un solo grupo. No hay asignacin al azar puesto que se

tiene a un nico grupo. La equivalencia se obtiene puesto que no hay nada ms

similar a un grupo que este mismo. El grupo hace las veces de grupos

experimentales y de control. Este diseo se diagrama as:

G nico X1 0 1 X2 0 2 0 3 X3 0 4 0 5 Xk 0 k

Cuando se considere conveniente, se utiliza como grupo de control, por

ejemplo, antes de 03 y 05. Sin embargo, tal diseo est limitado a que los efectos

de los tratamientos mltiples sean reversibles; de lo contrario no es un diseo

experimental, sino cuasiexperimental. Si en estos diseos se introduce

sistemticamente y como variable independiente la secuencia de administracin de

los tratamientos, se convierten en factoriales (que se vern a continuacin).

Las pruebas estadsticas que se utilizan en estos diseos son las mismas que se

tienen para las series cronolgicas y los diseos con repeticin del estmulo.

Hasta aqu se han revisado diseos experimentales que manipulan una sola

variable independiente (los tratamientos representan niveles de presencia o

manipulacin de sta; X1, X2, X3, Xk son variaciones de la misma variable

Con el fin de ver si las secuencias se relacionan con caractersticas de los

elementos a los diseos, tales como presencia-ausencia de la preprueba (por

ejemplo, el diseo de cuatro grupos de Solomon, visto en el captulo 7 de

Metodologa de la investigacin, 4 edicin), as como secuencias diferentes de

tratamientos en varios grupos. Por ejemplo, tener un diseo as:

Nios de 8 ao, G1 X1 01 X2 02

G2 X2 03 X1 04

Nios de 6 ao, G3 X1 05 X2 06

G4 X2 07 X1 08

Nios de 4 ao, G5 X1 09 X2 010

G6 X2 011 X1 012

grupos, algunos autores consideran introducir sistemticamente otros

independiente; al menos como se han concebido en este libro) y miden una o ms

variables dependientes. Por ejemplo, en un experimento con mtodos educativos,

en lugar de medir nada ms el aprendizaje, es posible medir adems la motivacin

del alumno, su integracin al grupo, etc.; esto sera en la preprueba y la posprueba.

Normalmente, se miden diversas variables dependientes para optimizar el costo, al

analizar los efectos de la variable independiente sobre cada dependiente. En ocasio-

nes, como parte de las pospruebas, se incluyen mediciones para verificar qu tanto

funcion la manipulacin (verificaciones de la manipulacin) o a veces estas verifica-

ciones son independientes de las pospruebas.

O un nmero de pospruebas diferentes en los grupos. Por ejemplo, con un diseo

como el siguiente, se tienen diseos factoriales:

R G1 X1 01 02

R G2 X1 01

R G3 X2 01 02

R G4 X2 01

R G5 01 02

R G6 01

Diseos factoriales

Los diseos factoriales manipulan dos o ms variables independientes e incluyen

dos o ms niveles de presencia en cada una de las variables independientes. Se

utilizan muy a menudo en la investigacin del comportamiento. La construccin

bsica de un diseo factorial consiste en que todos los niveles de cada variable

independiente sean tomados en combinacin con todos los niveles de las otras

variables independientes (Wiersma y Jurs, 2005).

Diseo factorial 2 X 2

El diseo factorial ms simple manipula (hace variar) dos variables, cada una con

dos niveles. A este diseo se le conoce como diseo factorial 2 X 2, en donde el

nmero de dgitos indica el nmero de variables independientes:

De hecho, son factoriales, porque se manipulan como si fueran una variable

independiente. Sin embargo, la experiencia ha demostrado a algunos profesores

que los alumnos que ven por primera vez el tema suelen desconcertarse si se

analizan como diseos factoriales, a menos que stos se expliquen primero.

2 X 2

Un dgito Otro dgito(primera variable independiente) (segunda variable independiente)

El valor numrico de cada dgito indica el nmero de niveles o modalidades

de la variable independiente en cuestin. En este caso es 2, lo cual quiere decir

que cada una de las variables tiene dos niveles. Como mencionan Wiersma y Jurs

(2005), no es necesario que los valores numricos sean los mismos para todas las

variables independientes. En teora, puede haber cualquier nmero de variables

independientes con cualquier nmero de niveles cada una. Por ejemplo, el diseo

factorial 2 X 2 X 3 indica que hay tres variables independientes, la primera y la

segunda con dos niveles, mientras que la tercera con tres niveles. El diseo

factorial 4 X 5 X 2 X 3 indica una variable independiente con cuatro niveles, otra

con cinco, otra ms con dos y una ltima con tres.

Un ejemplo de un diseo factorial 2 X 2 sera tener como variables

independientes mtodo de enseanza y gnero. La primera con dos niveles:

mtodo de enseanza por tradicional-oral y mtodo de enseanza por medio

de video. La segunda con los niveles masculino y femenino.

Otros diseos factoriales

El nmero de grupos que se forman en un diseo factorial es igual a todas las

posibles combinaciones que surjan al cruzar los niveles de una variable

independiente con los niveles de las otras variables independientes. As, en un

diseo 2 X 2 tendremos cuatro grupos (2 por 2 = 4); en un diseo 3 X 2 resultarn

seis grupos, y en un diseo 3 X 3 X 3, 27 grupos. Debe observarse que el resultado

de la multiplicacin es el nmero de grupos resultante. En estos diseos, el

nmero de grupos aumenta con rapidez con el incremento del nmero de

variables independientes o niveles (exponencialmente). Vemoslo:

2 X 2 = 4

2 X 3 = 6

3 X 3 = 9

3 X 4 = 12

3 X 2 X 2 = 12

3 X 3 X 4 = 36

Ello se debe a que los niveles tienen que tomarse en cuenta respecto a todas

sus posibles combinaciones.

Wiersma y Jurs (2005) sealan que en los diseos experimentales factoriales, al

menos una de las variables independientes debe ser experimental; las dems

pueden ser variables orgnicas, introducidas en el diseo con fines de control (por

ejemplo, gnero, edad, ao, escolaridad, inteligencia en intervalos, etctera).

Figura 5.8

Un diseo factorial 2 X 2

Con objeto de simplificar la forma en que se diagraman los diseos factoriales,

acudiremos a la simbologa que comnmente se utiliza.1 Para designar a las

1 Por ejemplo, Matheson, Bruce y Beauchamp (1983); Christensen (2000); Arnau-Grass (1981);Wiersma (1999), y Wiersma y Jurs (2005).

Nmero de grupos resultantes odel experimento.

Diseo 2 X 2

Variable independiente B Variable independiente A

A1 A2

A1 B1 A2 B1

A1 B2 A2 B2

B1

B2

Diseo 2 X 4 X 3

A A1 A2

C1 C2 C3 C1 C2 C3

A1B1C1 A1B1C2 A1B1C3 A2B1C1 A2B1C2 A2B1C3

A1B2C1 A1B2C2 A1B2C3 A2B2C1 A2B2C2 A2B2C3

A1B3C1 A1B3C2 A1B3C3 A2B3C1 A2B3C2 A2B3C3

A1B4C1 A1B4C2 A1B4C3 A2B4C1 A2B4C2 A2B4C3

variables independientes se usan letras (A, B, C, K) y para los niveles, nmeros

(1, 2, 3, K); las combinaciones de letras y nmeros que aparecen en las casillas

(o celdas) representan las mezclas de niveles de las variables independientes. Cada

celda es un grupo. En la figura 5.8 (en la pgina anterior) se diagrama un diseo

factorial 2 X 2. Otro ejemplo sera un diseo factorial 2 X 4 X 3 (figura 5.9).

Figura 5.9

Diseo 2 X 4 X 3

Obsrvese en la figura 5.9 que todas las posibles combinaciones de los niveles

entre A, B y C estn presentes; adems, ninguna combinacin es exactamente

igual a la otra. Cada combinacin representa una celda o un grupo. Si las tres

variables se manipulan deliberadamente (recordemos que al menos una debe serlo

para que hablemos de experimento), los participantes tienen que asignarse al azar

a todas las celdas o grupos. Si dos variables se manipulan intencionalmente (por

ejemplo, B y C), los sujetos de cada nivel de la variable restante (A) sern asignados

al azar a las casillas que les corresponde. Vemoslo con un ejemplo. Si A = gnero

(A1, masculino; A2, femenino),

B1

B2

B3

B4

B = violencia televisada (B4, elevada; B3, mediana; B2, baja, y B1, nula) y C =

orientacin paternal sobre el programa visto (C1, por parte de ambos padres; C2,

del padre, y C3, de la madre). Si hay 120 nios y 120 nias, los nios (A1) se

asignaran al azar a las celdas donde A1 est presente (10 nios en cada celda), y

las nias (A2) a las 12 casillas restantes (donde A2 est presente, 10 nias por

celda). Si una sola variable es la que se manipula deliberadamente (C por ejemplo),

los participantes de los niveles combinados de las otras dos variables se asignan al

azar a los niveles de aqulla (C1, C2 y C3, en el ejemplo). Los sujetos A1 B1 seran

asignados aleatoriamente a C1, C2 y C3, igual los sujetos A1 B2, A1 B3, etctera.

En los diseos factoriales es posible agregar un grupo de control o varios (que no se

expongan a la variable o las variables manipuladas deliberadamente, figura 5.10).

Figura 5.10

Diseo factorial con grupo de control

Utilidad de los diseos factoriales

Los diseos factoriales son sumamente tiles porque permiten al investigador

evaluar los efectos de cada variable independiente sobre la dependiente por

separado, as como los efectos de las variables independientes de manera

conjunta. Por medio de estos diseos se observan los efectos de interaccin entre

las variables independientes.

Diseo 2 X 2

A1 A2

A1 B1 A2 B1

A1 B2A2 B2

control

B1

B2

En trminos de Wiersma y Jurs (2005), la interaccin es un efecto producido

sobre la variable dependiente, de tal manera que el efecto de una variable

independiente deja de permanecer constante en los niveles de la otra u otras

independientes. El efecto de interaccin est presente si el efecto conjunto de las

variables independientes no es igual a sus efectos por separado (aditivos). Ello

significa que el efecto de una variable independiente por s mismo no es igual que

cuando se toma en combinacin con los niveles de otra variable independiente.

Por ejemplo, si el alto contenido de violencia televisada afecta slo cuando hay

orientacin sobre el programa por parte de la madre, pero no cuando dicha

orientacin est a cargo del padre o de ambos.

As, hay dos tipos de efectos que es posible evaluar en los diseos factoriales:

los efectos de cada variable independiente (llamados efectos principales) y los

efectos de interaccin entre dos o ms variables independientes (si se tienen

cuatro variables, por ejemplo, pueden interactuar dos entre s y otras dos entre s,

o pueden interactuar tres o las cuatro variables independientes). Los diseos

factoriales responden a estructuras entre variables que se esquematizan en la

siguiente forma:

Figura 5.11

Ejemplo de estructura de un diseo factorial

Variables VariableIndependientes dependiente

X

W Y

K

Asimismo se analizan el efecto de X sobre Y (X Y), de W sobre Y (W Y) y

el de K sobre Y (K Y); el efecto conjunto de X y W sobre Y.

El efecto conjunto de X y K sobre Y.

El efecto conjunto de W y K sobre Y.

Finalmente el efecto conjunto de todas las variables independientes sobre Y (tres

variables).

Ejemplo

Supongamos una investigacin que tiene como hiptesis: A mayor exposicin por

parte de los adolescentes a videos musicales con alto contenido sexual, habr una

mayor predisposicin para establecer contacto heterosexual.

Posteriormente se disea un experimento para someterla a prueba. La variable

independiente es la exposicin a contenidos sexuales (por medio de la televisin) y

la dependiente es la predisposicin para establecer contacto sexual. Se decide

agregar otra variable independiente: gnero o sexo. Entonces se tiene un diseo

factorial con dos variables independientes. La exposicin tendra tres niveles: a)

contenido sexual elevado y manifiesto, b) contenido sexual moderado y c)

contenido romntico.

Cada video que se elabore tendr, entonces, tres versiones: la msica es la

misma, los modelos, la duracin, la historia y el contexto tambin. La nica

diferencia es el tratamiento sexual de los contenidos verbales y no verbales. El

gnero o sexo implicara dos niveles: masculino y femenino.

El esquema del diseo se indica en la figura 5.12.

Figura 5.12

Diseo factorial 2 X 3 (correspondiente al ejemplo)

Elevada Moderada Mnima

Masculino

Exposicin al conetnido sexual

Sexo

Femenino

Christensen (2000) desarrolla una excelente explicacin de los efectos

principales e interactivos en los diseos factoriales, la cual sirve de base para la

exposicin de dichos efectos que se incluye a continuacin.

Supongamos que, una vez que los grupos se han expuesto a los videos, se les

aplica una posprueba que mide su predisposicin para establecer contacto sexual y

se obtiene el promedio de cada grupo (asimismo, pensemos que los resultados que

lleguen a obtenerse en esta prueba oscilaran entre 0 y 30, donde un valor mayor

indica una ms alta predisposicin). Analizamos varias configuraciones posibles de

resultados (figura 5.13).

Figura 5.13

Diagramas del ejemplo de diseo factorial.

Interpretacin y posibles configuraciones

Interpretacin de efectos

Marginal Marginal Marginal

Si hay diferencias entre los promedios de los

marginales, hubo efecto de la variable vertical

(en el ejemplo, exposicin al contenido sexual).

25 15 7

25 15 7

Marginal

MarginalSi hay diferencias entre los

promedios de los

marginales, hubo efecto de

la variable horizontal

(en el ejemplo, el sexo o

gnero)

No efecto

Efecto

Promedios demarginales

A.

Elevada Moderada Mnima

Masculino

Femenino

La variable exposicin tiene efecto; la variable sexo no tiene efecto. No hay efecto de interaccin.

25 15 7

25 15 7

B.

Elevada Moderada Mnima

Masculino

Femenino

La variable exposicin no tiene efecto; la variable sexo tiene efecto. No hay efecto de interaccin.

18 18 18

8 8 8

C.

Elevada Moderada Mnima

Masculino

Femenino

Ninguna de las variables tiene efecto por si mismas, perohay un efecto de interaccin.

26 18 10

10 18 25.9

D.

Elevada Moderada Mnima

Masculino

Femenino

Las dos variables tienen efecto, perono hay un efecto de interaccin.

23 18 13

18 13 8

E.

Elevada Moderada Mnima

Masculino

Femenino

Las dos variables tienen efecto y hayefecto de interaccin.

29 23 12

20 12 12

F.

Elevada Moderada Mnima

Masculino

Femenino

No hay ning tipode efecto.

8 7.9 8.1

7.9 8 8

En la configuracin A, no hay diferencias por sexo (cada casilla en cada nivel de

sexo es igual a la del otro nivel). En cambio, hay diferencias entre los niveles de

Posibles configuraciones

exposicin en ambos sexos. Los efectos principales (es decir, los de cada variable

por separado) se observan comparando los promedios de los marginales de los

niveles de cada variable (ver interpretacin de efectos de la figura 5.13).

En la configuracin B, no hay diferencias por exposicin, pero s por sexo.

En la configuracin C, las diferencias entre las celdas se explican porque las dos

variables interactan (cuando el sexo es masculino y la exposicin elevada,

asimismo cuando el sexo es femenino y la exposicin mnima, se obtiene un valor;

cuando el sexo es masculino y la exposicin mnima, y cuando el sexo es femenino

y la exposicin elevada, se obtiene otro valor; finalmente, cuando ambos sexos se

exponen moderadamente se obtiene un valor distinto de las dems celdas). El

mximo efecto se encuentra en masculino y elevada y femenino y

mnima (26 y 25.9). No hay efectos principales.

En la configuracin D, hay cambios verticales y horizontales, provocados por

efectos principales, pero no efecto de interaccin (ambas variables tienen efecto

por s mismas, nicamente).

En la configuracin E, hay efectos principales (cada variable por s misma

afecta) y tambin efecto de interaccin (ste se alcanza si la diferencia entre las

medias de los niveles de variacin de una variable independiente cambian en

funcin de los niveles de variacin de la otra variable independiente, como

tambin ocurri en la configuracin C).

En la configuracin F, las diferencias entre todas las celdas es prcticamente

nula: no hay ninguna clase de efecto.

Mtodos estadsticos de los diseos factoriales

Los mtodos estadsticos ms usuales para estos diseos son el anlisis de varianza

factorial (ANOVA) y el anlisis de covarianza (ANCOVA), con la variable

dependiente medida en intervalos, y la ji-cuadrada (2) para mltiples grupos, con

esa variable medida nominalmente.

Por ltimo, a estos diseos se les pueden agregar ms variables dependientes

(tener dos o ms) y se convierten en diseos multivariados experimentales que

utilizan como mtodo estadstico el anlisis multivariado de varianza (MANOVA).

Qu otros experimentos existen?: cuasiexperimentos

Ya se coment, en el captulo 7 del libro, que los diseos cuasiexperimentales

tambin manipulan deliberadamente una o ms variables independientes para

observar su efecto y relacin con una o varias dependientes, slo que trabajan con

grupos intactos, formados por motivos ajenos al experimento: en los diseos

cuasiexperimentales los sujetos no se asignan al azar a los grupos ni se emparejan,

sino que dichos grupos ya estaban integrados previamente al experimento. Por

ejemplo, si los grupos del experimento son cuatro grupos de diferentes reas de

una empresa que estaban conformados con anterioridad al experimento (las

razones por las que cada participante se integr a cada rea no tienen que ver con

la realizacin del experimento). Vemoslo grficamente:

Grupo A (50 empleados del departamento de produccin )Grupo

experimental con X1.

Grupo B (26 empleados de la gerencia de recursos humanos) Grupo

experimental con X2.

Grupo C (37 empleados de la gerencia de administracin y finanzas) Grupo

experimental X3.

Grupo D (29 empleados del departamento de aseguramiento de la calidad)

Grupo de control.

Problema de los diseos cuasiexperimentales

Estos diseos se utilizan cuando no es posible asignar en forma aleatoria los

sujetos o participantes a los grupos que recibirn los tratamientos experimentales.

La falta de aleatorizacin introduce posibles problemas de validez interna y

externa. Como comenta Weiss (1990, p. 89):

Estos diseos deben luchar con la seleccin como fuente posible de interpretacin

equivocada, lo mismo que con la interaccin de la seleccin y otros factores; as como,

posiblemente, con los efectos de la regresin.

Asimismo, diversos elementos pudieron operar en la formacin de los grupos

(que no estn bajo el control del investigador), que impiden afirmar que stos son

representativos de poblaciones ms amplias. De este modo, dado que su validez es

menor que la de los experimentos puros, reciben el nombre de

cuasiexperimentos.

A causa de los problemas potenciales de validez interna, en estos diseos el

investigador debe intentar establecer la semejanza entre los grupos; esto requiere

considerar las caractersticas o variables que estn relacionadas con las variables

estudiadas (Wiersma y Jurs, 2005). Por ejemplo, si grupos intactos de trabajadores

se involucran en un experimento sobre motivacin, el turno probablemente tenga

que ser introducido como una constante (grupos intactos, que sean todos del

mismo turno) o como otra variable independiente (de control). Asimismo, el

investigador deber buscar evidencia de que los grupos son equiparables en

salario, productividad, competencia, antigedad en la organizacin y, en general,

en todo lo que genere diferencias entre los grupos. Cuanta mayor informacin se

obtenga sobre los grupos, mayores bases se tendrn para establecer su semejanza.

En algunos casos se observar si hay la misma proporcin de mujeres y hombres

en los grupos, si la edad promedio es similar, si los grupos no fueron constituidos

con base en un criterio que pudiera afectar (por ejemplo, formacin de los salones

por inteligencia) y si a los grupos en el pasado no les ha ocurrido algo que llegara a

influir los resultados. Adems, como mencionan Campbell y Stanley (1966, p. 70):

Precisamente porque hay falta de control experimental total, es imprescindible que el

investigador conozca a fondo cules son las variables particulares que su diseo especfico

no controla. As, estar ms pendiente de su posible influencia y tendr mejores elementos

para evaluarla.

La ausencia de asignacin al azar hace que se ponga especial atencin al interpretar

los resultados y se tenga sumo cuidado de no caer en interpretaciones errneas. Las

limitaciones deben identificarse con claridad, la equivalencia de los grupos debe

discutirse y la posibilidad de generalizar los resultados, as como la representatividad,

debern argumentarse sobre una base lgica (Wiersma y Jurs, 2005).

Los cuasiexperimentos difieren de los experimentos puros en la equivalencia

inicial de los grupos (los primeros trabajan con grupos intactos y los segundos

utilizan un mtodo para hacer equivalentes a los grupos). Sin embargo, esto no

quiere decir que sea imposible tener un caso de cuasiexperimento, donde los

grupos sean equiparables en las variables relevantes para el estudio. Si as fuera,

los cuasiexperimentos ya hubieran sido desechados como diseos de investigacin.

Ms bien quiere decir que, en algunos casos, los grupos pueden diferir

significativamente o no ser equiparables; de este modo, el investigador debe

analizar si los grupos son o no comparables desde el inicio. En esta ltima situacin

el investigador debe declinar la realizacin de la investigacin con fines explicativos

y limitarse a propsitos descriptivos y/o correlacionales.

Una recomendacin con el fin de consolidar la validez interna de esta clase de

diseos experimentales, es que los tratamientos o estmulos deben asignarse al azar.

Tipos de diseos cuasiexperimentales

Con excepcin de la diferencia que acabamos de mencionar, los

cuasiexperimentos son muy parecidos a los experimentos puros. Por lo tanto,

podemos decir que hay casi tantos diseos cuasiexperimentales como

experimentales puros. Slo que no hay asignacin al azar ni emparejamiento.

Pero por lo dems son iguales, la interpretacin es similar, las comparaciones son

las mismas y los anlisis estadsticos iguales (salvo que a veces se consideran las

pruebas para datos no correlacionados). Es por ello que nos limitaremos a ver slo

algunos de los diseos cuasiexperimentales (el resto puede ser deducido de sus

correspondientes diseos experimentales puros, adems de quitarles la R de

asignacin al azar) y se comentarn brevemente porque las comparaciones,

interpretaciones y los anlisis son prcticamente equipares.2 Consideramos que no

sera adecuado volver a explicar dichas comparaciones, interpretaciones y anlisis.

1. Diseo con posprueba nicamente y grupos intactos.

Este primer diseo utiliza dos grupos: uno recibe el tratamiento experimental y el

otro no. Los grupos son comparados en la posprueba para analizar si el

tratamiento experimental tuvo un efecto sobre la variable dependiente (01 con 02).

El diseo puede diagramarse del siguiente modo, tal como se ve, no hay

asignacin al azar ni emparejamiento:

G1 X 01

G2 02

Obsrvese que si los grupos no son equiparables entre s, las diferencias en las

pospruebas de ambos grupos se atribuiran a la variable independiente, pero

tambin a otras razones diferentes, lo peor es que el investigador quiz no se d

cuenta de ello. Por ejemplo, supongamos que se lleva a cabo un cuasiexperimento

para analizar el efecto de la retroalimentacin que los mdicos dan a sus pacientes

(respecto a su conducta en el tratamiento prescrito) sobre la obediencia o apego al

tratamiento. Se podra partir de la siguiente hiptesis: Los pacientes que reciban

mayor retroalimentacin de parte de sus mdicos, acerca de cmo se comportan

en el tratamiento prescrito, se apegarn ms a dicho tratamiento. Es decir, los

mdicos que informen ms a sus pacientes sobre su conducta en el tratamiento

prescrito propiciarn en los pacientes un mayor deseo de seguir el tratamiento. La

cuestin es motivar al paciente. Entonces, el investigador toma dos grupos de

pacientes. Un grupo recibe retroalimentacin sobre su conducta en el tratamiento

prescrito y el otro no. Posteriormente se evala qu tanto se apega cada grupo, en

lo sucesivo, al tratamiento. Supongamos que obtenemos el siguiente resultado: 01 2 Si al lector le surge alguna duda respecto a qu comparaciones, interpretaciones y anlisis puedenllevarse a cabo en un diseo cuasiexperimental, le recomendamos revise el diseo experimentalpuro correspondiente, vale recordar que la diferencia es que en el cuasiexperimental no hayaleatorizacin y los grupos pueden estar no correlacionados.

> 02 (el grupo experimental se apega ms al tratamiento), entonces deducimos

que la hiptesis fue confirmada. Pero para establecer lo anterior, debemos analizar

con mucho cuidado que sea posible comparar a los grupos.

Imaginemos que el grupo experimental estaba formado por pacientes que

asisten a un hospital donde con frecuencia se dan plticas motivadoras para que

los enfermos sigan los tratamientos prescritos, mientras que el grupo de control

estaba integrado por pacientes que asisten a un hospital donde no se le asigna

importancia a ello. A qu razn se le podran atribuir con certeza los resultados: a

la manipulacin de la variable independiente, a que los grupos de pacientes

provienen de diferentes hospitales, a ambos factores, a algn otro? Como los

grupos no son razonablemente equiparables, no tendramos la certeza de cul fue

la causa o qu tanto contribuyeron los diversos factores involucrados. Hay un

problema de validez interna.

Tambin podra ser que el grupo experimental estuviera compuesto por

pacientes que, desde antes del experimento, tuvieran una motivacin elevada para

apegarse a tratamientos mdicos; o tal vez acten otros factores que provocaran

diferencias iniciales entre los grupos. Por ello, es importante que los grupos sean

inicialmente comparables y que durante el experimento no ocurra algo que los

haga diferentes, con excepcin de la presencia-ausencia del tratamiento

experimental (por ejemplo, misma enfermedad y tratamiento mdico, hospital,

galeno que los atiende, instrucciones y lugar, equivalencia como grupos en

gnero, edad, avance de la enfermedad, etc.; nada ms imaginemos que el grupo

experimental, en promedio, est ms enfermo que el de control, y los pacientes

lo saben; llega a suceder que los ms enfermos se apeguen ms al tratamiento). El

criterio de los experimentos puros en relacin con mantener la igualdad de los

grupos (salvo la manipulacin de la variable independiente) se aplica por igual a los

cuasiexperimentos.

Puede extenderse el diseo para incluir ms de dos grupos. Se tienen as

diferentes tratamientos experimentales o niveles de manipulacin. Su formato

general sera:

G1 X1 01

G2 X2 02

G3 X3 03

Gk Xk 0k

Gk + 1 0k + 1

El ltimo grupo es de control.

Un ejemplo de este diseo sera con cuatro grupos escolares de un mismo

semestre y carrera (licenciatura) en una universidad, como grupos del

cuasiexperimento. Vemoslo esquemticamente en la tabla 5.4.

Tabla 5.4

Diagrama de un ejemplo del diseo

cuasiexperimental con posprueba nicamente

Recurdese que los grupos son intactos (no se generan) y ya se haban

Universidad del CentroEscuela de Psicologa

Tercer semestre

Grupo A X1 01

Grupo B X2 02

Grupo C X3 03

Grupo D 04

constituido por motivos diferentes al cuasiexperimento (en este caso, la eleccin de

estudiar una carrera y la asignacin de alumnos a los grupos por parte de la

Escuela de Psicologa). Los tratamientos experimentales podran ser mtodos

educativos.

2. Diseo con preprueba-posprueba y grupos intactos (uno de ellos de

control).

Este diseo es similar al que incluye posprueba nicamente y grupos intactos, slo

que en este caso a los grupos se les administra una preprueba. La cual puede servir

para verificar la equivalencia inicial de los grupos (si son equiparables no debe

haber diferencias significativas entre las prepruebas de los grupos). Su esquema

ms sencillo sera el siguiente:

G1 01 X 02

G2 03 04

Aunque puede extenderse a ms de dos grupos (niveles o modalidades de

manipulacin de la variable independiente), lo cual se esquematizara as:

G1 01 X1 02

G2 03 X2 04

G3 05 X3 06

Gk 02k1 Xk 02k

Gk+1 02k+1 02(k+1)

Las posibles comparaciones entre las mediciones de la variable dependiente y

las interpretaciones son las mismas que en el diseo experimental de preprueba-

posprueba con grupo de control; solamente que, en este segundo diseo

cuasiexperimental, los grupos son intactos y en la interpretacin de resultados

debemos tomarlo en cuenta. Recurdese todo lo que se ha dicho de la probable

no equivalencia de los grupos. Este aspecto se aplica a todos los diseos

cuasiexperimentales.

3. Diseos cuasiexperimentales de series cronolgicas.

En ocasiones el investigador pretende analizar efectos al mediano y largo plazos o

los efectos de la administracin del tratamiento experimental varias veces; pero no

cuenta con la posibilidad de asignar al azar a los sujetos o participantes a los

grupos del experimento. En estos casos, pueden utilizarse los diseos

cuasiexperimentales, salvo que los grupos deben ser intactos. En ambas

situaciones se aplican mediciones repetidas de la variable dependiente y se inserta

el tratamiento experimental entre dos de esas mediciones en, al menos, un grupo;

mientras que a otro grupo no se le aplica ningn tratamiento en el periodo de

experimentacin. Aunque desde la perspectiva de la literatura clsica sobre

experimentos (vase Campbell y Stanley, 1966) se reconoce como

cuasiexperimento a un diseo que no tiene grupo de control. Bien, hablemos

brevemente de estos diseos.

Series cronolgicas de un solo grupo

A un nico grupo se le administran varias prepruebas, despus se le aplica el

tratamiento experimental y finalmente varias pospruebas. El diseo se diagrama

as:

G0 10 2 0 3 X0 40 50 6

El nmero de mediciones est sujeto a las necesidades especficas de la

investigacin que realizamos.

Un ejemplo muy difundido de este diseo lo constituy la evaluacin de un

programa que tena por objeto disminuir la velocidad en carreteras del estado de

Connecticut, EE. UU. (Campbell, 1975). Los investigadores recolectaron informes y

datos de accidentes de trnsito correspondientes a varios aos anteriores y

ulteriores a la implantacin del programa. Encontraron que despus del programa

el nmero de accidentes disminuy. Pero como las distintas mediciones haban

mostrado una pauta ascendente y descendente inestable durante varios aos, no

se poda tener la certeza de que el programa hubiese sido la razn del descenso en

el nmero de accidentes (Weiss, 1990). Entonces, fue necesario comparar las

estadsticas de Connecticut con las de otros cuatro estados vecinos en los que no

se haban efectuado los cambios en los reglamentos de trnsito propuestos por el

programa del mencionado estado. Estos otros cuatro estados actuaron como

grupos de control. Finalmente, se observ que en los otros estados no se haba

registrado una disminucin equivalente al nmero de accidentes. Las

comparaciones dieron pie para concluir que el programa haba generados los

efectos deseados (Campbell, 1975; Glass, 1968).

Esta investigacin cuasiexperimental en su primera etapa utiliz las series

cronolgicas de un solo grupo (ver figura 5.14).

Figura 5.14

Ejemplo de un cuasiexperimento en su primera etapa

G

(Estado deConnecticut)

Accidentes1951

Accidentes1955

Accidentes1953

Accidentes1954

Accidentes1955

Accidentes1956

Accidentes1957

Accidentes1958

(Programa para

disminuiraccidentes)

X

Figura 5.15

Ejemplos de resultados en series cronolgicas de un solo grupo

Otro ejemplo de este diseo

sera medir las ventas de un

producto durante varios meses,

introducir una campaa publi-

citaria para ese producto y, des-

pus, medir durante meses el

nivel de ventas.

Las series cronolgicas de un

solo grupo llegan a producir

diversos patrones de resultados.

A manera de ejemplo podramos

tener los patrones mostrados en

la figura 5.15 (algunos de los cuales

fueron expuestos en las series

cronolgicas experimentales).

En las series cronolgicas de

un nico grupo debe tomarse

muy en cuenta que no se tiene

punto de comparacin (grupo de

control); por lo tanto, la

interpretacin del patrn en la

variable dependiente (o patrones

de las variables dependientes)

tiene que ser muy cuidadosa, y

habr de analizarse si no han

Esca

la d

e la

var

iab

le d

epen

die

nte

01 02 03 04 X 05

a)

Interpretacin: Aparentemente no hay efecto,sino una tendencia de aumentoen la variable dependienteque comienza desde antesdel tratamiento.

Esca

la d

e la

var

iab

le d

epen

die

nte

01 02 03 04 X 05

b)

Interpretacin: Posible efecto del tratamientosobre la variable dependiente.

Esca

la d

e la

var

iab

le d

epen

die

nte

01 02 03 04 X 05

06

06

06

Interpretacin: Aunque entre la primera y laltima mediciones se aprecian diferencias, nopuede concluirse que haya o no efecto, pues elpatrn es irregular.

actuado o interactuado otras posibles causas, adems del tratamiento experimental o

variable independiente. La historia y el hecho de que el grupo sea atpico son riesgos que

se afrontan en este diseo, al igual que la instrumentacin. Normalmente, este diseo

cuasiexperimental se utiliza con propsitos correlacionales y no explicativos.

Series cronolgicas cuasiexperimentales con mltiples grupos.

Estos diseos pueden adoptar la estructura de las series cronolgicas

experimentales, con la diferencia de que en estas ltimas los individuos se asignan

al azar a los grupos, mientras que en las cuasiexperimentales tenemos grupos

intactos. Por lo tanto, ocurriran las mismas variaciones3 que se muestran en la

figura 5.16.

Figura 5.16

Ejemplos de diseos cuasiexperimentales con series cronolgicas

Estas series tambin son similares a sus correspondientes experimentales, pero

Recomendamos al lector que revise los apartados relativos a las series cronolgicas experimentalesantes de leer este apartado. De hecho, podr notar que los diseos son los mismos, salvo que enlos esquemas y diagramas de las series experimentales aparece el smbolo R de asignacin alazar. Por ello, aqu se omiten explicaciones, interpretaciones y ejemplos; de lo contrario, pecaramosde redundantes. nicamente nos limitaremos a esquematizar los diseos, sin explicaciones, porquelo que puede decirse es lo mismo que lo dicho en las series cronolgicas experimentales. Desdeluego, debe resaltarse que en las series cuasiexperimentales los grupos son intactos y es necesarioasegurar que los grupos sean equiparables.

G1 X1 O1 O2 O3

O1 O2 O3

G2

G1

G2

X2

O4 O5 O6

O4 O5 O6

G3 X3

X

O7 O8 O9

O7 O8 O9

G4 __

__

O10 O11 O12

O10 O11 O12

Sin prepruebas y grupo de control

Con prepruebas y grupo de control

Cuasiexperimento Experimento

en el que los sujetos no se

asignan al azar a los grupos ni se

emparejan, porque tales grupos

ya existan (grupos intactos).

con grupos intactos. As, tendramos los siguientes diagramas para ilustrarlas:

G1 01 02 X1 03 04 X1 05 06 07 X1 08 09 010

G2 011 012 013014 015 016 017 018 019 020

G1 01 X1 02 X1 03 X1 04 X1 05 06

G2 07 X2 08 X2 09 X2 010 X2 011 012

G3 013 014 015 016 017 018

Series cronolgicas cuasiexperimentales con tratamientos mltiples

Al igual que en los casos anteriores, estas series son similares a sus

correspondientes experimentales, slo que con grupos intactos. Por lo tanto,

tendramos diagramas como stos:

G1 X1 01 02 X2 03 04 X3 05 06 07

G2 X2 08 09 X1 010 011 X3 012 013 014

G3 X3 015 016 X2 017 018 X1 019 020 021

G4 X2 022 023 X3 024 025 X1 026 027 028

G5 X1 029 030 X3 031 032 X2 033 034 035

G6 X3 036 037 X1 038 039 X2 040 041 042

Tipos de variables en experimentos y cuasiexperimentos

Como complemento a lo que se menciona en el libro

sobre variables y experimentos, nicamente queremos

ahondar un poco sobre los tipos de variables en los

diseos experimentales y cuasiexperimentales. Los

principales tipos de variables son:

1. Independiente: Tratamiento experimental que provoca efectos (causa).

2. Dependiente: Efecto o consecuencia (provocado o provocada por el

tratamiento o variable independiente).

3. Interviniente: Moderador de la relacin causal entre la variable

independiente y dependiente. Si no se conoce su efecto o no se controla, el

experimento puede invalidarse.

4. Explicaciones rivales o fuentes de invalidacin interna (pueden ser variables

controlarse, de no ser as, el experimento puede invalidarse. Asimismo, es

factible que se combine con otras variables para afectar a la dependiente.

5. Variable de control: Influye en la dependiente, pero es neutralizada por el

diseo o por los procedimientos estadsticos.

La diferencia entre la variable de control e interviniente reside en que en la

primera se neutralizan sus efectos, y en la segunda se conocen stos (Creswell,

2005). Un ejemplo sera el que se muestra en la figura 5.16

Figura 5.16

Diferencia entre variable interviniente y de control

La variable independiente se manipula (a un grupo se le expone a un mtodo,

al otro a un mtodo distinto). El tipo de escuela se controla al asignar a los dos

grupos por igual (en la misma proporcin) alumnos de escuelas pblicas y privadas

Variable independiente:mtodo educativo

(tradicional-moderno):Dos grupos

experimentales.

Variable dependiente:aprendizaje de

estadstica.

Variable interviniente:Horas de estudio.

Variable de control: Tipo deescuela (pblica-privada).

independientes o intervinientes): Su influencia debe conocerse o

(la composicin de cada uno sera: 50% de estudiantes de instituciones pblicas y

50% de estudiantes de escuelas privadas). Los efectos de la variable interviniente

se conocen, al medir el nmero de horas dedicadas al estudio (con su introduccin

al anlisis). La variable dependiente se mide. Los anlisis estadsticos ayudan a

esclarecer las relaciones entre todas las variables.

Nota final: Los pasos para un diseo cuasiexperimental son los mismos que para

uno experimental.