Investigaciones pre experimentales

El investigador aunque trata de aproximarse a una situación de investigación experimental, carece de los medios de control necesarios para poder atribuir a sus resultados la validez interna necesaria.

Es incapaz de producir por lo menos una comparación formal o puede cumplir con este requisito pero poseer un insuficiente control.

Poseen una relación de causalidad muy limitada. Conclusiones orientativas, exploratorias.

 

Nombre del diseño	Explicación	Variables contaminadoras
Investigaciones con diseño de grupo único con medidas pre y postratamiento	1)    Tomar un grupo de sujetos formado sin seguir ninguna técnica específica. 2)    Medida pretatamiento 3)    Tratamiento 4)    Medida Postratamiento 5)    Comparar medidas pre y postratamiento Si se constata algún cambio entre las medidas pre y post se atribuye al efecto del tratamiento.	·         Historia ·         Maduración ·         Efecto de la medida pretratamiento ·         Instrumentación ·         Regresión estadística ·         Selección diferencial de sujetos ·         Interacción entre la selección, la maduración y la regresión a la media.
Investigaciones con diseño estático utilizando dos grupos	1)      Tomar dos grupos formados naturalmente, de contextos distintos, sin seguir una técnica especial. (No se puede comprobar la equivalencia y homogeneidad inicial de los grupos) 2)      No se toma medida pretratamiento 3)      A un grupo se le aplica el tratamiento y el otro el tratamiento de control 4)      Medida postratamiento 5)      Comparación de medidas postratamiento.	·        Historia ·        Maduración ·        Selección diferencial de sujetos ·        Mortalidad experimental ·        Interacción entre selección y maduración

 

Investigaciones experimentales

Al menos una comparación formal

El experimentados realiza la asignación de los sujetos/grupos de sujetos a los distintos tratamientos

Manipulación experimental

Control de las variables contaminadoras

 

Investigaciones cuasiexperimentales

Se pueden producir de dos maneras:

El factor a estudiar sólo admite manipulación por selección. La única solución en estos casos es la replicación continuada de las investigaciones ya que se puede poseer un alto nivel de control pero nunca absoluto ya que se utiliza manipulación por selección.

No hay un control absoluto de la situación de investigación (hay manipulación experimental). Se obtiene una relación de cuasicausalidad.

Características:

Escenarios naturales

Carencia de un control experimental completo

Uso de procedimientos como sustitutos del control experimental

Disponibilidad: puede utilizarse cuando no sea posible realizar una investigación experimental.

Tipos de diseños cuasiexperimentales:

Investigaciones con diseños de series temporales interrumpidas

Se toma una serie de medidas del criterio (medidas pretratamiento)

Tratamiento

Se toma otra serie de medidas del criterio (medidas postratamiento).

Tipos de efecto que se pueden encontrar: (ellos se pueden combinar)

Cambio de nivel: las medidas presentan una discontinuidad en el punto de aplicación del tratamiento. Se presenta un cambio en la magnitud de las respuestas post en relación con las respuestas pre.

Cambio en la inclinación (tendencia) de la serie de medidas después de aplicar el tratamiento. (Siempre conlleva un cambio de nivel).

Efecto continuo/permanente: no decae con el paso del tiempo.

Efecto discontinuo: no se mantiene a lo largo del tiempo.

Efectos instantáneos: se produce el cambio en el momento del tratamiento.

Efectos retardados: se producen como consecuencia del tratamiento pero en un momento posterior.

Problemas al emplear los diseños de series temporales interrumpidas:

Algunos tratamientos no se pueden introducir rápidamente.

Los efectos pueden no ser instantáneos.

La serie de medidas debe ser lo suficientemente amplia (continuar hasta que se estabilice la conducta).

Dificultades del investigador para consultar archivos sobre el tema.

Al realizarse múltiples observaciones se minimiza el efecto de algunas de las variables que pueden afectar la validez interna (no sustituye el control experimental)

Técnicas de análisis de datos: Arima

 

Nombre	Explicación	Variables Contaminadoras
Diseño simple de series temporales interrumpidas	Un único grupo de sujetos: 1)      Se le toman una serie de medidas pretratamiento 2)      Tratamiento 3)      Se toman una serie de medidas postratamiento.	·        Maduración (se puede controlar por la serie de medidas la tendencia que la maduración podría introducir) ·        Historia ·        Selección de sujetos ·        Cansancio de sujetos ·        Instrumentación ·        Habituación a la situación experimental.
Diseño de series temporales interrumpidas con un grupo control no equivalente	Dos grupos: control y experimental. No se forman aleatoriamente. No se puede asegurar su equivalencia. 1) Se le toman una serie de medidas pretatamiento a ambos grupos. 2) Tratamiento (experimental y control) 3) Se toman una serie de medidas postratamiento.	Con la introducción del grupo control se ha controlado la maduración, la historia, el cansancio de los sujetos y la habituación a la situación de investigación. Las variables no controladas son: ·        Selección de sujetos ·        Instrumentación
Diseño de series temporales interrumpidas con retirada del tratamiento	Un único grupo (natural): 1)    Serie de medidas pretatamiento 2)    Tratamiento 3)    Serie de medidas postratamiento 4)    Retirada del tratamiento 5)    Serie de medidas post retirada del tratamiento.	Permite controlar indirectamente la historia y el resto de las variables contaminadoras (se dispone dos series de medidas en las que la historia si tiene influencia debería haber actuado en forma contraria para contaminar los resultados).   Cuando se encuentran efectos opuestos con la introducción y la retirada del tratamiento ello puede ser debido al efecto de la retirada del tratamiento o a una posible desmoralización de los sujetos por la desaparición del tratamiento.

 

 

 

Investigaciones con diseños de grupo control no equivalente

 

Explicación

Variables Contaminadoras

Dos grupos formados naturalmente (No se puede asegurar su equivalencia) 1)      UNA medida pretatamiento (se puede comparar la equivalencia inicial de los grupos) 2)      Tratamiento (experimental y control) 3)      UNA medida postratamiento

Debido a la introducción del grupo control se puede controlar la historia, la maduración, la instrumentación, etc. Variables contaminadoras no controladas: ·         Interacción entre la maduración de los sujetos y la selección diferencial ·         Interacción entre la historia y la selección diferencial. ·         Regresión a la media (sobre todo si uno de los grupos está formado por sujetos que obtienen puntuaciones más extremas que los sujetos del otro grupo). Se aconseja no utilizar el procedimiento de apareo.

 

Técnica de análisis de dato: AVAR y ACOVAR.

 

Diseño Factorial

Experimentos con más de una variable independiente en donde todos los niveles de una variable se combinen con los niveles del resto de las variables (hay diseños factoriales llamados incompletos donde no existen todas las combinaciones).

Permite comprobar los efectos de dos o más factores sobre el fenómeno que se está estudiando así como saber si dichos factores interactúan entre sí.

 

Ventajas del diseño factorial en comparación con los simples:

Mayor cantidad de información: Estudia los efectos combinados no aditivos (interacción) de dos o más factores además de los efectos de cada uno de los factores. Podemos observar cómo se comporta una variable bajo todas las condiciones de la otra.

Mayor posibilidad de generalización de las conclusiones (validez ecológica: la situación experimental es más similar a la vida real)

Mayor economía de trabajo: se reduce el tiempo y el número de sujetos.

Favorece el control de las variables contaminadoras

 

Factor: variable que se manipula para comprobar sus efectos sobre la conducta (el criterio); sistema de clasificación de condiciones experimentales. Las siguientes clasificaciones se pueden combinar entre sí.

En función de que implique o no el concepto de magnitud	Factores Cualitativos	Permiten establecer categorías pero no ordenar estas categorías en función de su magnitud. Nivel de medida nominal.
	Factores Ordinales	Permiten establecer una relación de orden entre sus categorías.
	Factores Cuantitativos	Permiten establecer categorías según su magnitud. Nivel de medida de intervalos o de razón.
En función del nivel de manipulación	Factores de clasificación	No es posible la manipulación intencional. Integran características de sujeto. Investigaciones cuasi experimentales.
	Factores experimentales	Permite una manipulación intencional. Permiten su asignación libre y aleatoria a los sujetos. Investigaciones experimentales.
En función del procedimiento seguido para elegir los niveles de factores	Factores al azar	Factores cuyos niveles fueron elegidos aleatoriamente por el experimentador a partir del infinito número posible de niveles.
	Factores Fijos	Factores cuyo niveles han sido elegido siguiendo criterios específicos (arbitrarios) de los experimentadores o han sido utilizados todos los posibles niveles.

 

Nivel: son los valores elegidos por el experimentador para que adopten los factores en su experimento.

El número de niveles viene determinado por la naturaleza del problema y el interés del investigador (la minuciosidad con que desea conocer los efectos de dicho factor y por el tipo de inferencias que desea hacer al terminar el experimento).

Al aumentar el número de niveles aumenta rápidamente el número de tratamientos experimentales, el número de grupos y la complejidad del trabajo experimental.

Tratamiento experimental: determinada combinación de niveles de los factores que se quieren estudiar. El número de tratamientos experimentales se determina a partir de la fórmula del diseño factorial, es decir que viene determinado por el número de factores y por el número de niveles que adopta cada factor.

 

Clasificación de los diseños factoriales:

Según el tipo de situación experimental	Diseños factoriales con medidas independientes	Cada grupo pasa sólo por un tratamiento experimental. Los efectos de cada tratamiento experimental son probados en un grupo diferente de sujetos. Número de grupos experimentales = número de tratamientos.
	Diseños factoriales con medidas repetidas	Un mismo grupo de sujetos es sometido a todos los tratamiento experimentales. Un solo grupo experimental.
	Diseños factoriales con medidas repetidas en algunos factores	Uno o varios factores son probados en una situación de medidas independientes, mientras que otro y otros factores son probados en una situación de medidas repetidas. Habrá tantos grupos experimentales como factores estudiados con medidas independientes.
Según el criterio de selección para elegir los niveles de los factores	Modelo Fijo	Sólo se utilizan factores fijos.
	Modelo al azar	Sólo se utilizan factores al azar.
	Modelo mixto	Se utilizan factores fijos y factores al azar.

 

Técnica de análisis de datos: Análisis de varianza o análisis de covarianza (cuando se tratan de eliminar los efectos de alguna variable contaminadora no controlada experimentalmente).

Las fuentes de variación que se van a estudiar mediante el AVAR son:

Varianza intertratamiento

Efecto de los factores

Efecto de interacción

Varianza de error

En ellas debe aparecer:

Un valor F por cada VI indicando el valor P. Si P es menor que el nivel de significación puede ser suficiente indicarlo sin que aparezca el valor P.

Un valor F de la interacción entre las dos VI. Si fueran 3 VI tendremos tres valores de F, dos interacciones dobles y una triple.

Interacción: efecto adicional a la suma de los efectos individuales de las variables independientes. Se dice que no hay interacción cuando este efecto es nulo, no aparece. En estos casos una variable actúa independientemente de la otra. Existe interacción cuando el comportamiento de una variable se modifica según los niveles de otra variable.

Representación gráfica:

Interacción nula: las dos líneas de cada gráfica son paralelas. Esto se da cuando los patrones de los efectos simples son iguales.

Existencia de interacción: las líneas no son paralelas. Esto se da cuando los patrones de los efectos simples son distintos.

Extensión a más niveles: las dos reglas anteriores se mantienen para cualquier número de niveles y para cualquier número de variables. Las líneas de resultados pueden ser paralelas a pesar de no ser rectas. Esto indica que no existe interacción.

Efectos Simples: Descomposición del diseño factorial en dos experimentos simples de una variable. (Estudio si al pasar de B₁ a B₂ se producen cambios en la variable dependiente pero no sé nada de qué pasa al pasar de A₁ a A₂ )

Efecto principal: resultado de analizar un único experimento principal con una variable como independiente y las otras como controladas (desaparecen las diferencias de las variables controladas) Una variable se comporta de forma similar en presencia de los niveles de la otra.

Se estudian los efectos principales cuando se ha comprobado que no existe interacción. Dicho estudio consiste en la influencia de las manipulaciones de una VI sobre la VD a través de los niveles de otra VI.

 

Interacción	Ordinal	Las líneas están unas por encima de las otras sin juntarse. Se puede interpretar el efecto principal.
	No ordinal	La línea condicionada por A1 no mantiene un orden respecto a la línea condicionada A2. Estas líneas se juntan al cruzarse. No se puede interpretar el efecto principal.
Casos especiales de interacción	Efecto techo	Se producen unos resultados con unos resultados con apariencia de interacción aunque no la hay. En uno de los niveles se alcanza el máximo y no es posible registrar niveles superiores.
	Efecto suelo	Se producen unos resultados con unos resultados con apariencia de interacción aunque no la hay. En uno de los niveles se alcanza el mínimo y no es posible registrar niveles inferiores.

 

Validez y confiabilidad

Confiabilidad: consistencia en un conjunto de medidas de un atributo; proporción de la variabilidad verdadera respecto de la variabilidad obtenida.

El valor observado en la medición está conformado por el valor verdadero y por el error de medición.

Un instrumento será más confiable en la medida que maximice el valor verdadero (aproximándose lo más posible al valor observado), minimizando el error demedición.

La confiabilidad se refiere específicamente a los errores aleatorios, no a los sistemáticos.

En el análisis de la confiabilidad se consideran 3 aspectos: congruencia interna, estabilidad del instrumento y equivalencia.

Si un instrumento es poco confiable se podría ver afectada la validez del mismo.

Si un instrumento es poco confiable se está midiendo el atributo más diversas variables que son fuentes de errores aleatorios.

Congruencia interna: verificar si las distintas partes que componen el instrumento están midiendo lo mismo (correlaciones entre sí).

Procedimientos para calcular la congruencia interna:

Métodos basados en la división del instrumento en mitades

1.       Se divide el instrumento en dos mitades 2.       Se obtiene la puntuación para cada mitad en forma independiente 3.       Se usan estos puntajes para estimar el coeficiente de correlación entre ambas mitades. Este coeficiente de correlación se ajusta mediante la fórmula de Spearman-Brown (Esto es necesario porque las escalas de mayor longitud son más confiables que las escalas de menor longitud. El coeficiente obtenido tiende a subestimar el valor real de la confiabilidad ya que posee la mitad de ítems que el instrumento original)

Métodos basados en la covarianza de los ítems

·         Tratar a cada ítem como si fuese un test de longitud unidad con una puntuación. ·         El coeficiente más utilizado es el alpha de Cronbach (se ve afectado por el número de ítems ya que al aumentar la longitud del instrumento la varianza verdadera aumenta en mayor proporción que la varianza de error. Cronbach propuso una fórmula adicional de consistencia inter-ítem, que consistía en una estimación de la correlación media inter-ítem que no se vería afectada por la longitud del instrumento) ·         Es preferible al método de división por mitades.

Estabilidad: se observa en qué grado se obtienen las mismas medidas al aplicar dos veces el mismo instrumento.

Se aplica la misma prueba en dos momentos diferentes al mismo grupo de sujetos y luego se correlacionan los puntajes obtenidos en cada toma. Esta correlación sirve para estableces la confiabilidad del instrumento.

Problema: pueden llegar a confundir las fluctuaciones aleatorias con cambios que se producen realmente en el atributo.

Cuestiones que podrían afectar la estabilidad:

Modificación en la actitud de los sujetos respecto a la prueba o cambio en la información que manejan

Efectos derivados de la primera aplicación del test

El lapso que medie entre ambas pruebas es fundamental. Un lapso demasiado breve podría incrementar el efecto distorsivo de la fatiga y la práctica. Si el lapso de tiempo es extenso pueden aparecer variables relacionadas a la maduración y a la historia.

Factores que modifiquen el contexto de la medida

Equivalencia: se quiere determinar la confiabilidad de dos instrumentos que se consideran paralelos (suponen medir el mismo constructo) o entre dos observadores/evaluadores

Se aplican las dos formas del test en forma simultánea (variando el orden de presentación) y luego se correlacionan los puntajes de ambas formas. De ser ambas formas equivalentes se debería obtener un coeficiente de correlación elevado.

A veces entre ambas formas media un período de tiempo. La correlación serviría tanto para la equivalencia como para la estabilidad.

Validez: Determinar si el instrumento está midiendo realmente el atributo que dice medir.

Validez de contenido: evaluar si los ítems del test son relevantes y luego si ellos constituyen una muestra representativa del universo de conductas que podrían haberse elegido como indicadores del atributo.

Validez de criterio: se trata de relacionar las puntuaciones del instrumento con otras variables (criterio).

Validez concurrente: Relacionamos las puntuaciones del test con alguna medida del criterio tomada en el mismo momento. Implica un diseño transeccional o transversal en los cuales se recolecta datos en un solo momento, en un tiempo único.

Validez predictiva: Las puntuaciones del test se utilizan para predecir alguna medida del criterio que se va a realizar a futuro. Implica un diseño prospectivo.

Validez de constructo: tratar de probar que las conductas que registra el test pueden ser consideradas indicadores válidos del constructo al cual refieren.

Procedimientos para evaluar la validez de constructo:

Análisis factorial: se utiliza cuando el test está dividido en factores. Analiza las intercorrelaciones de un conjunto de datos para establecer determinadas agrupaciones de ítems correlaciones entre sí, las cuales remiten a factores subyacentes, que no son observables, o sea que constituyen distintos constructos. Se utiliza para estudiar tanto la validez como la construcción del instrumento.

Diferenciación entre grupos: se aplica el instrumento a dos o más grupos los cuales deben diferir en el atributo que se mide.

Correlaciones con otras medidas del constructo: Cuando ya existe otro test ya validado que mide el mismo constructo se puede correlacionar el nuevo con aquel.

Las matrices mutimétodo-multirasgo: deben existir como mínimo dos métodos diferentes para medir el constructo que se va a validar y otros constructos que puedan ser medidos por los mismo métodos. Se miden en los sujetos de la muestra los distintos constructos con métodos diferentes. Se calculan las correlaciones entre todas las medidas y se forma con ellas una matriz que contendría los coeficientes de fiabilidad (correlaciones medidas del mismo constructo y mismo método), validez convergente (correlaciones medidas del mismo constructo obtenidas con distintos métodos) y validez divergente (correlaciones de constructos diferentes medidos con igual método y correlaciones de diferentes constructos medidos con distintos métodos).

 

 

Diseños de un solo sujeto

Doble ventaja:

Producen principios conductuales apropiados a los individuos así como para grupos de individuos.(Cuando los resultados aplicables a un número de sujetos son legítimos constituyen un principio general)

Reducen los efectos de confusión de las variables ajenas al programa (reduce las diferencias del cliente individual. Permite hacer comparaciones entre la conducta de un individuo bajo una condición y bajo otras condiciones)

Es necesario que durante todo el programa se mantengan constantes todas las condiciones, a excepción de los cambios sistemáticos en la VI.

El análisis experimental es un componente esencial del método de análisis conductual.

Deberá transcurrir un período de adaptación al nuevo ambiente antes de que se inicie formalmente la fase de línea de base.

La fase de línea de base consiste en mediciones repetidas de las variables dependientes en el transcurso de varios días o incluso semanas. Esto continúa hasta que se hayan identificado los límites externos dentro de los que fluctúa la conducta. Esta línea de base funciona como estándar con el cual se puede comparar el procedimiento de tratamiento.

• Diseños de reversión => ABAB

Se mide el rendimiento en la línea de base => FASE A

Se introduce la VI (tratamiento)

Se mide el rendimiento => FASE B

Se elimina la VI (tratamiento)

Se mide el rendimiento => FASE A (El retorno a la línea de base es la reversión o sondeo. Las condiciones son idénticas a las de la línea de base.)

Se introduce la VI (tratamiento)

Se mide el rendimiento => FASE B

Variaciones del diseño de reversión:

El reforzador se presenta en todas las fases del estudio, pero no contingente a la respuesta meta durante las condiciones repetidas de línea de base.

Sólo una fase muy breve de línea de base. Esta variación se usa cuando muchas mediciones repetidas de línea de bese resultarían absurdas.

Adición de una fase RDO o de R-alt. Cuando la conducta no es reversible la VI puede aplicarse a todas las conducta a excepción de la dependiente o solamente a conductas alternativas específicas durante el segundo período de línea de base.

Ventajas de los diseños de reversión:

Demuestra una relación funcional entre la conducta dependiente y la intervención

El diseño puede usarse como un instrumento de enseñanza

Les proporciona una base para contrastar los efectos de sus enfoques típicos

Desventajas de los diseños de reversión:

El establecimiento y la medición de las condiciones de línea de base lleva tiempo y las condiciones mismas no contribuyen al cambio conductual real.

La conducta puede no recobrarse después del regreso a las condiciones de línea de base.

Los padres / maestros /etc. pueden no querer instituir la reversión

 

Diseños de línea de base múltiple

1. A través de conductas:

Se miden e identifican varias conductas para proporcionar la línea de base.

Se aplica el tratamiento en una de las conductas

Se produce un cambio en esta conducta (no en las otras)

Se aplica el tratamiento a otra de las conductas

Se produce el cambio en esa conducta => aumenta la evidencia de que la variable experimental es efectiva y que el cambio anterior no fue una coincidencia.

Las conductas meta (VD) no deben ser interdependientes ni estar muy relacionadas. Si son dependientes un cambio en una conducta podría generar un cambio en las otras.

A través de los individuos:

Se miden las líneas de base de la misma conducta con varias personas

Se aplica el tratamiento a uno de los clientes y se comprueba sus efectos mientras las condiciones de línea de base continúan en los otros sujetos.

Se aplica el tratamiento a otro de los clientes y se comprueba sus efectos (si hay más sujetos estos continúan en línea de base)

Se busca demostrar que la conducta de cada sujeto cambia de modo sustancial sólo cuando se introduce la intervención. Es mejor utilizar sujetos que no interactúen entre sí para evitar que las alteraciones en la conducta de un sujeto influencien las conductas de los otros sujetos previo a la intervención

Este diseño debe utilizarse para conductas que no requieran de acción inmediata ya que el diseño demanda que algunos sujetos reciban el tratamiento más tarde que otros.

A través de situaciones:

Se recopilan datos de una conducta meta para uno o más sujetos a través de diferentes circunstancias o situaciones

Se aplica el tratamiento en una situación y se comprueban sus efectos mientras que en las otras situaciones se continúa en línea de base

Se aplica el tratamiento en otra situación y se comprueban sus efectos (si se intervienen en más de dos situaciones las restantes continuarían en línea de base)

Se intenta demostrar que la conducta cambió sustancialmente sólo cuando se le aplicaba el tratamiento. En las situaciones donde el tratamiento se aplicó, la conducta cambiaría muy poco o nada.

Se debe intentar que no haya generalización de las conducta meta seleccionadas a través de las situaciones porque sino el diseño no funcionará como debe.

 

Selección de sistemas de observación

La medición exacta del comportamiento se usa para determinar con claridad y objetividad la efectividad de los programas de análisis conductual aplicado y para generar predicciones científicas para el futuro.

La medición exacta del comportamiento requiere de la selección e implementación de mediciones:

Objetivas: los observadores que registran los datos conductuales no se dejarán influenciar por sus propios sentimientos o interpretaciones.

Válidas: miden en efecto de forma directa a la conducta que se supone que miden. (Una medición válida necesariamente es objetiva pero una medición objetiva no necesariamente es válida).

Confiables: el instrumento será estándar con independencia de la persona que lo use y de las ocasiones en que se aplique.

VD: conducta meta cuya medida del suceso se traduce en términos cuantificables. Es la medida de la conducta meta es la variable dependiente clave.

Parámetros: otras variables importantes de medir cuyas medidas pueden alterarse en función del programa.

Un sistema de medición válida debe ser apropiado a la variable que se intenta medir. La meta puede alcanzarse mejor al operacionalizar la conducta meta con precisión y al adiestrar y supervisar a los encargados de registrar los comportamientos.

Los analistas conductuales deben demostrar que sus sistemas de registro son confiables. Una forma de hacer esto es al hacer registros simultáneos con dos observadores independientes (Acuerdo inter observadores. Debe existir un gran acuerdo entre ambos)

Los observadores confiables no deberán estar informados de la manipulación experimental, sólo deberán informárseles de la conducta a observadores.

Las verificaciones de confiabilidad deberán hacerse antes de recogen los datos de línea de base así como durante cada fase del programa. (Los observadores deberán estar enterados de ello).

Reactividad: efectos ocasionados por los mismos procedimientos experimentales que pueden distorsionar la validez de los datos.

Productos permanentes: evidencia física que dejan ciertos comportamientos en forma de producto duradero. (Se utiliza el registro de producto permanente). Pueden medirse después de un lapso de tiempo. Es fácil evaluar la confiabilidad de la medición. Para ello:

 

Productos transitorios: La medición es más difícil que con productos permanentes. Se debe registrar la conducta en el momento que ocurre.

Métodos para el registro de los productos transitorios:

Tipo de medición	Definición	Fórmula para estimar la confiabilidad / porcentaje de acuerdo
Registro de sucesos	Contar las veces que ocurre una conducta determinada en un intervalos específico. -  Es apropiado para medir respuestas discretas (tienen un inicio y un final claramente definidos)	Este cálculo puede ser inexacto.
	Cuando la observación informal sugiere que los observadores han perdido algunas respuestas meta los períodos de observación deberán dividirse en intervalos (para asegurar la confiabilidad)
Registro de duración	Registrar el lapso en el que ocurre una conducta.
Registro de muestreo temporal de intervalo	Registra la presencia o ausencia de una conducta (no claramente discreta) dada dentro de un intervalo de tiempo. Es útil para conductas que ocurren al menos una vez cada quince minutos. Para determinar cuál de los tres utilizar se debe tomar el más conservador de los tres. La confiabilidad se sacrifica cuando los intervalos son inferiores a 10 segundos.	Esta fórmula deberá alterarse cuando se califica una proporción o muy grande o muy pequeña de intervalos incluyendo únicamente los intervalos en los cuales se presente la respuesta. Cuando la conducta es infrecuente la fórmula inalterada produce un coeficiente exagerado falsamente.
-  Muestreo temporal de intervalos COMPLETO	Registra la respuesta cuando ésta se emite en todo el intervalo completo. Tiende a subestimar las presentaciones de la conducta (No es apropiado cuando se busca una reducción de la conducta) Es útil cuando es importante saber que la conducta no es interrumpida Puede utilizarse para estimar la duración de la respuesta.
-  Muestreo temporal de intervalo PARCIAL	Registra la respuesta cuando un solo caso de la misma ocurre en el intervalo. Útil para registrar conductas que pueden ocurrir en momentos fugaces. Tiende a sobreestimar la conducta. (Útil cuando se busca una reducción de la conducta)
-  Muestreo temporal de intervalo MOMENTANEO	Registra la respuesta si ésta se emite en el momento que termina el intervalo. Es útil para registrar conductas que son propensas a persistir por cierto tiempo.