Altillo.com > Exámenes > UBA - Psicología > Metodología


Resumen para el Segundo Parcial B  |  Metodología de la Investigación (Cátedra: Aguerri - 2017)  |  Psicología  |  UBA

“PSICOLOGÍA EXPERIMENTAL”. CAP 13 INVESTIGACIONES CUASIEXPERIMENTALES. PEREDA MARIN.

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 Cuasi experimentales

Esta situación cuasi experimental se puede producir, porque el factor que el investigador estudia como posible causa de los cambios observados en el criterio solo admite un nivel de manipulación de selección; o cuando el investigador no dispone de un control absoluto de la situación de investigación, aunque pueda manipular experimentalmente los factores que desea estudiar como posibles causas de los cambios que aparezcan en el criterio, en la conducta que investiga.

La investigación que se lleva a cabo puede reunir todas las características de una experimental, en lo que al control se refiere, sin embargo no se dispone de un control absoluto sobre el factor manipulado. Si se obtuviese una relación de causalidad, esta seria una cuasi causalidad.

Estas son investigaciones con control parcial, y el experimentador (quien ha empleado escenarios naturales de tipo social y quien ha hecho uso de procedimientos como producir observaciones múltiples, como sustitutos del control experimental, intentando minimizar o eliminar, los efectos de tantas fuentes de invalidez interna como sea posible),deberá prestar la máxima atención a las variables que no ha podido controlar y reconocer siempre la posibilidad de que sus resultados se deban mas a la acción de tales variables que a la del factor que ha manipulado.

Investigaciones con diseños de series temporales interrumpidas

Consiste en tomar una serie de medidas del criterio a lo largo de un determinado periodo de tiempo interrumpir la serie con la aplicación del tratamiento y continuar con otra serie de medidas del criterio. Se toma una serie de medidas de un grupo o grupos de sujetos antes y después de la aplicación del tratamiento. Los efectos del factor manipulador sobre la serie de medidas que se están tomando pueden adoptar distintas formas, debiéndose tener muy en cuenta a la hora de interpretar los resultados de lai investigación. Los tipos de efectos que se pueden encontrar son:

a. La serie de medidas puede mostrar una discontinuidad en el punto de interrupción, en el punto que se ha aplicado el tratamiento.

b. Se puede encontrar otro tipo de efecto en el que la inclinación de la serie ya no es la misma después de aplicar el tratamiento.

c. Los efectos del tratamiento pueden ser clasificados como continuos o discontinuos. El efecto continuo será aquel que no decae con el paso del tiempo. El efecto discontinuo es el que no se mantiene a lo largo del tiempo.

d. Los efectos del factor manipulador pueden ser clasificados como instantáneos o retardados. Los instantáneos pueden ser asociados con la introducción del tratamiento al producirse en el momento de la aplicación del mismo. Los de efecto retardado se producen como consecuencia del tratamiento pero no en el momento de su introducción, sino en el momento posterior de la secuencia de medidas post.

Problemas que puede plantear el empleo de diseños de series temporales interrumpidas.

a. Algunos tratamientos no se pueden introducir rápidamente, sino que hay que ir haciéndolo en forma gradual.

b. Los efectos del tratamiento pueden no ser instantáneos, sino ocurrir con un retraso que es impredecible en la mayoría de las ocasiones.

c. La serie de medidas recogidas debe ser lo suficientemente amplia. No se deberían hacer nunca menos de 50 observaciones para que el análisis estadístico fuera valido.

d. El investigador se puede encontrar con dificultades para consultar los archivos en los que se encuentran ordenados los datos que se necesitan para poder utilizar este tipo de diseños.

Diseño simple con series temporales interrumpidas.

Requiere de un grupo de sujetos al se toman una serie de medidas antes y después de aplicarles el tratamiento. La maduración de los sujetos podría atentar contra la validez interna de una investigación que emplea este diseño, aunque por la serie de medidas, la tendencia que pudiese introducir dicha VC este hasta cierto punto controlada. El principal peligro para la validez interna de una investigación de este tipo es la historia, aunque también puede afectar la selección de sujetos, la instrumentación y la habituación de los sujetos a la situación de investigación.

Diseño con series temporales interrumpidas con un grupo de control no equivalente.

Igual al anterior pero con la diferencia que se emplea un grupo de control al que se le toman las mismas medidas que al grupo experimental, pero sin aplicarles el tratamiento. Ambos grupos no se forman aleatoriamente por lo que no se tiene seguridad de que ambos grupos sean equivalentes.

Diseño con serie temporales interrumpidas con variables dependientes no equivalentes.

Sigue la lógica de los dos anteriores y trata de minimizar la posible influencia de VC no controladas tomando una serie de medidas pretratamiento de varias VD y otras de medidas postratamiento de las mismas. Se toman dos o más medidas no equivalentes de la VD y comprobar si todas siguen la misma tendencia.

Diseños con series temporales interrumpidas con retirada del tratamiento.

Se diferencia del diseño simple en que en este caso el tratamiento se deja de aplicar a los sujetos en un momento determinado. Este permite el control indirecto de la VC historia, por que se dispone de dos series de medidas de las que la historia, si tiene influencia sobre la conducta debería haber actuado en forma contraria para contaminar los resultados de la investigación.

Diseños con series temporales interrumpidas con replicaciones cambiadas.

Se parte de dos grupos no equivalentes, cada uno de los cuales recibe el tratamiento en momentos diferentes, de forma tal que cada uno de los grupos recibe le tratamiento el otro sirve de control, y cuando el grupo de control recibe el tratamiento el otro grupo actúa como control. La ventaja es que proporciona una posibilidad mayor de control de diversas fuentes de invalidez interna y un potencial aumento de la validez externa. La validez externa se aumenta porque un determinado efecto se comprueba en dos muestras diferentes y en dos momentos diferentes de la historia.

Este diseño se emplea para detectar efectos que tiene impredecible periodo de retraso. Cuando existe un mismo periodo de retraso en los efectos en cada grupo, se puede esperar una discontinuidad en los datos anteriores al mismo tiempo en ambos grupos. Sin embargo hay ocasiones en las que no puede aceptar la existencia de un mismo periodo de retraso, especialmente cuando: a. los grupos son muy diferentes entre sí, y/o, b. el periodo entre las aplicaciones del tratamiento a un grupo y al otro es amplio.

Diseños con series interrumpidas con replicaciones múltiples.

La mejor forma de planificar en que momento introducir el tratamiento y en que momento retirarlo es la aletorizacion, ya que de esta forma se podrían controlar los efectos de la maduración estudiando si apareciera un ciclo regular de efectos al introducirlo y retirar el tratamiento. Cuando ya se conocen previamente los posibles efectos cíclicos, la introducción y retirada del tratamiento se puede hace de forma mas sistemática. Las limitaciones de este diseño son:

a. Se debe emplear solo cuando los efectos del tratamiento se eliminan rápidamente, ya que si los efectos del tratamiento mantienen después de retirarlo es mas difícil apreciar la existencia de una relación causal entre el factor maniulado y el criterio.

b. Requiere una situación mas laboriosa que los diseños anteriores.

Se emplea a menudo en los estudios clínicos, en el área de modificación de la conducta.

Investigaciones con diseños de grupo control no equivalentes.

Son mas difundidas en el área educativa y social. No se parte de grupos inicialmente equivalentes, sino de grupos formados de manera natural. Una vez elegidos los grupos experimental y control se toma una medida pretratamiento, se aplica el tratamiento a uno de los grupos y, se toman en los dos grupos una medida postratamiento. Gracias a la introducción del grupo control se puede controlar y medir las VC. Una de las VC que pueda afectar la validez interna es la posible interacción que puede ocurrir en la maduración de los sujetos y su selección o entre la historia y la selección. La regresión a la media también puede afectar este tipo de investigaciones. Se puede dividir los diseños de grupo control no equivalentes en:

1. Diseños de grupo control no equivalente con medidas pre y postratamiento.

2. Diseños de grupo control no equivalente con VD no equivalente.

3. Diseños con medidas pre y postratamiento y retirada del tratamiento.

4. Diseños con tratamientos repetidos.

5. Diseños con grupo control no equivalente con medidas pre y postratamiento y con tratamiento invertido.

6. Diseños con cohortes en instrucciones con rotaciones cíclicas.

7. Diseños solo con medidas postratamiento con predicción de interacciones de alto orden.

8. Diseños con regresión discontinua.

Diseños de grupo control no equivalente con medidas pre y postratamiento.

Es el mas aplicado en el campo educativo y social y permite obtener conclusiones fácilmente interpretables, aunque se mantiene a un nivel cuasiexperimental. La lógica del diseño consiste en:

a. Se toman dos grupos de sujetos formados naturalmente.

b. Se toma a ambos grupos una medida pretratamiento.

c. Se aplica el tratamiento al grupo experimental.

d. Se toma a ambos grupos una medida postratamiento.

e. Se lleva a cabo el análisis de datos adecuado.

“PSICOLOGÍA EXPERIMENTAL”. CAP 22 DISEÑOS DE BLOQUES (III). DISEÑOS DE GRUPOS APAREADOS. PEREDA MARIN.

Diseños de bloques: Diseños de grupos apareados

Técnica de bloqueo: para conseguir grupos experimentales homogéneos al iniciar un experimento, lo que hace disminuir la varianza intergrupos, controlarla y permite llegar a unos resultados mas validos en la investigación.

Grupos Apareados

Técnica de apareo: el investigador desea partir de grupos experimentales equivalentes, es decir grupos que tienen la misma media y desviación típica en la variable criterio. Se toma una medida de la variable criterio a los sujetos antes de formar los grupos experimentales. Luego se forman bloques de sujetos con la misma puntuación en la variable de apareo, y se asignan aleatoriamente un mismo numero de sujetos de cada bloque a cada grupo experimental.

Diseño de grupos apareados

Luego de haber asignado aleatoriamente (lo cual asegura el control de las posibles variables contaminadoras que podrían influir en los resultados de la investigación) los sujetos de cada bloque a cada grupo experimental, se aplican los tratamientos experimentales, se toman las medidas post tratamientos y por último se lleva a cabo el análisis de resultados.

Este tipo de diseño se puede utilizar con mas de dos grupos. También en ellos se puede manipular simultáneamente más de un factor, lo que daría lugar a un diseño factorial.

Técnicas de apareamiento: La variable de apareamiento puede ser una medida de la variable criterio o una medida de una variable altamente correlacionada con la variable criterio. Estas van a presentar las mismas características de una medida pre tratamiento. También utilizar como criterio de apareamiento un rendimiento previo, es decir, utilizando los resultados obtenidos en los primeros ensayos del experimento, eliminando a los sujetos que se apartan de la media del grupo.

El procedimiento seria:

a. Seleccionar una muestra se sujetos

b. Tomar una medida de la variable de apareamiento, si no se dispone ya de una medida anterior de los sujetos en la msima.

c. Formar los bloques de sujetos

d. Asignar aleatoriamente un mismo numero de sujetos a cada bloque a cada grupo experimental

e. Tomar las medidas postratamiento

f. Llevar a cabo el análisis de resultados.

Apareo mediante variable correlacionada.

El apareo se consigue formando bloques de sujetos en relación con una variable altamente correlacionada con la variable criterio.

Apareo mediante la variable criterio.

Se puede tomar una medida previa a los sujetos a la variable criterio y partir de esa medida aparear los sujetos.

Validez interna y externa de los diseños de grupos apareados

Validez interna: aumenta a causa de la minima varianza intergrupos.

Validez externa: se pierde validez externa ya que al eliminar aquellos sujetos que no encajen en los bloques, puede quedar sesgada la muestra e incluso imposibilitarse la generalización de los resultados.

PSICOLOGÍA EXPERIMENTAL. CAPÍTULO 16. PEREDA MARIN

Diseño Factorial

1. Introducción

· 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).

· Estudian en un mismo experimento los efectos de dos o más factores sobre la conducta de los sujetos.

· 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

2. Definición de factor y clasificación de los factores

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. Se representa simbólicamente: A, B, C, etc.

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. Ej: Distintos métodos de enseñanza.

Factores Ordinales

Permiten establecer una relación de orden entre sus categorías. Ej: Puesto ocupado en una carrera.

Factores Cuantitativos

Permiten establecer categorías según su magnitud. Nivel de medida de intervalos o de razón. Ej: Dosis de droga.

En función del nivel de manipulación

Factores de clasificación

No es posible la manipulación intencional. Integran características de sujeto y solo permite establecer grupos de sujetos con niveles diferentes. Investigaciones cuasi experimentales. Ej: Sexo de los sujetos

Factores experimentales

Permite una manipulación intencional. Permiten su asignación libre y aleatoria a los sujetos. Investigaciones experimentales. Ej: Las instrucciones dadas a los sujetos.

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.

3. Niveles de un factor

Nivel: son los valores elegidos por el experimentador para que adopten los factores en su experimento. Se representa con letras minúsculas, como p, q, r, etc., y cada nivel concreto adoptado por el factor en el experimento por las letras minúsculas correspondientes a la mayúscula del factor acompañadas de subíndices correlativos. Ej: los p niveles del factor A, serán: a1, a2, a3; los 1 niveles de factor B serán: b1, b2, b3.

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.

4. 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.

5. 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. Situación experimental de tipo I. Número de grupos experimentales = número de tratamientos.

Diseños factoriales con medidas repetidas

Un mismo grupo de sujetos es sometido a todos los tratamiento experimentales. Situación experimental de tipo II. 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. Situación experimental de tipo III.

Según el criterio de selección para elegir los niveles de los factores

Modelo Fijo

Sólo se utilizan factores fijos. Cuando los niveles de los distintos factores incluidos en el experimento agotan el número total de posibles niveles que puede adoptar esos factores y, cuando la selección de los niveles de los factores se hace de forma sistemática, sin seguir procedimiento aleatorio, serán modelos fijos.

Modelo al azar

Sólo se utilizan factores al azar.

Modelo mixto

Se utilizan factores fijos y factores al azar.

6. 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:

- Efecto de los factores

- Efecto de interacción

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.

7. Representación simbólica de los diseños factoriales:

Se hace la matriz factorial, se utiliza una tabla de doble entrada, colocando en cada eje uno o más factores combinados, en cada una de las casillas de la matriz se colocan los tratamientos experimentales. A, B, C representan los factores y, a, b, c los niveles de los mismos.

a. La ausencia de letra minúscula significaría que el factor actúa con el nivel más bajo.

b. La presencia de la correspondiente letra minúscula significaría que el factor actúa con el nivel más alto.

c. Cuando aparece un (1) indica que ambos factores actúan con el nivel más alto.

d. Si los datos se presentan en función de las medias, los correspondientes tratamientos irán entre paréntesis.

e. Si los datos presentan por totales bajo cada tratamiento, se utilizaran corchetes en lugar de paréntesis.

8. Efectos estudiados en una investigación con diseño factorial.

Efectos Simples: expresan los efectos de los niveles de un factor bajo cada nivel de los otros factores. Descomposición del diseño factorial en dos experimentos simples de una variable. (Estudio si al pasar de B1 a B 2 se producen cambios en la variable dependiente pero no sé nada de qué pasa al pasar de A1 a A2 )

Efecto principal: diferencia existente entre la media paramétrica de la variable criterio bajo un nivel determinado de uno de los factores y la madia paramétrica total. 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.

Efector diferenciales: hacen referencia a las diferencias existentes entre los efectos principales de dos niveles de un mismo factor.

Efectos de interacción: la interacción expresa la medida en que la media obtenida en la variable criterio bajo un determinado tratamiento, no puede ser explicada a partir de la suma de los efectos principales de los niveles de cada factor. Se puede decir que existe una interacción entre dos factores cuando el valor de la variable criterio que resulta de uno de los factores está determinado por el valor específico asumido por el otro factor. En caso de no ocurrir interacción el efecto de un factor sobre el criterio estaría afectado aditivamente por los distintos valores adoptados por el otro factor.

Se pueden encontrar interacciones entre más de dos variables; y para distinguir unas de otras se utilizan los siguientes nombres:

a. Interacciones de primer orden: interacciones entre dos o más variables.

b. Interacciones de segundo orden : interacciones entre tres variables

c. Interacciones de tercer orden: interacciones entre cuatro variables.

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.

En la vida real se pueden encontrar dos tipos de situaciones:

a. Situaciones en que las personas se comportan de una manera similar.

b. Situaciones en que las personas se comportan de una manera distinta.

Para saber si entre dos variables o más variables existe una interacción, se aplica el método estadístico (análisis de varianza) o el método gráfico.

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.

Efectos del error experimental.

Son los efectos producidos por todas las fuentes de variables contaminadoras no controladas por el experimentador y que van a influir en el fenómeno estudiado, en la variable criterio. Estos efectos son los referidos a los errores aleatorios. Las fuentes de error son las mismas que en los diseños univariados.

10. Ventajas del diseño factorial sobre los diseños univariados .

a. La cantidad de información que se obtiene gracias a ellos es mayor que la que se puede obtener con los diseños univariados empleando un mismo número de sujetos.

b. Se reduce el tiempo necesario para el experimento y el número de sujetos que se debe emplear en el mismo.

Se obtiene información sobre los posibles efectos de la interacción entre los dos factores tiene sobre la variable criterio.

· Es mucho más fácil controlar las posibles variables contaminadoras.

· Hay más posibilidades de generalización de los resultados.

DISEÑOS DE INVESTIGACIÓN. CAP 7. LEÓN Y MANTERO

En un experimento complejo obtenemos más información que en uno simple, pero ¿podemos decir que en un experimento con dos variables obtenemos más información que con dos experimentos de una variable? La estrategia del diseño factorial consigue que podamos observar cómo se comporta una variable bajo todas las condiciones de la otra. Si hacemos dos experimentos simples consecutivos, podemos dejar fuera una combinación de niveles crucial para entender el fenómeno en estudio.

Extensiones del diseño

1. Con más de una variable independiente, sólo dos variables y sólo dos niveles por variables. Esta dirección la podemos aumentar en varias direcciones: aumentando el número de niveles, aumentando el número de variables o combinando diversos tipos de grupos.

2. Otro tipo de diseño complejo se da cuando aumentamos el número de variables independientes. Con el mismo tipo de razonamiento con el que justificábamos pasar de un experimento con una sola variable independiente a otro con dos, podemos justificar pasar de uno con dos, a otro con tres.

3. La tercera de las extensiones combinamos una variable independiente experimental con grupos aleatorios con una variable independiente cuasi experimental.

Interacción

Es el efecto adicional a la suma de los efectos individuales de las variables independientes. Se dice que no hay interacción cuando este efecto es nulo, una variable actúa independientemente de las condiciones que se den en la otra. Entonces hay interacción cuando el comportamiento de una variable se modifica según los niveles de otra variable.

Cuando los patrones de los efectos simples son iguales no existe interacción (rectas paralelas). Cuando los patrones de los efectos simples no son iguales, existe interacción (las rectas no son paralelas).

Cuando se ha comprobado que no existe interacción, se debe proceder a continuar el estudio de los efectos principales. El hecho de que una variable se comporte de forma similar en presencia de los niveles de la otra es lo que hace que tenga sentido estudiar su influencia de forma conjunta. En esto consiste el estudio de los efectos principales: la influencia de las manipulaciones de una variable independiente sobre una variable dependiente a través de los niveles de otra variable independiente. Cuando se ha comprobado que hay interacción es mas seguro detenerse en su estudio y no sacar conclusiones sobre los efectos principales. Se corre el riesgo de llegar a inferencias absolutamente erróneas.

Interacción ordinal: las líneas están unas por encima de las otras, sin juntarse.

Interacción no ordinal: una línea no mantiene un orden respecto a la otra, se juntan al cruzarse.

Casos especiales de interacción

Aquellos en los que, tanto grafica como numéricamente, aparece interacción y sin embargo no es posible explicarla teóricamente. Estas interacciones se han producido por restricciones en el rango de medida de la variable dependiente. Son los casos en los que aparece efecto techo o suelo.

Efecto techo: en algunas de las variables se producen unos resultados con apariencia de interacción.

Efecto suelo: aparece cuando en uno de los niveles se alcanza el mínimo y no es posible registrar niveles inferiores.

Análisis de datos, análisis de varianza.

a. Debe aparecer un valor F por cada variable independiente del experimento, indicando el nivel al que el valor hallado es estadísticamente significativo o el nivel de riesgo utilizado. Si no alcanza el nivel de significación, puede ser suficiente con indicarlo, sin que aparezca el valor de F.

b. Debe aparecer un valor de F de la interacción entre dos variables independientes. Si fuesen tres variables independientes, tendremos tres valores de F, dos interacciones dobles y una triple; en el caso de más variables se razona de forma análoga.

Organización de los datos.

Los tres casos más comunes en diseños complejos factoriales de dos variables independientes son:

a. Grupos aleatorios x grupos aleatorios: en este caso se organiza exactamente igual que cuando hay una variable independiente y otra bloqueada.

b. Grupos aleatorios x medida repetidas.

c. Medidas repetidas x medidas repetidas: una variante del experimento de preferencia antes el riego podría ser prescindir de la agrupación en estilos, medir las preferencias en los tres niveles de demanda, y a su vez en un contexto donde se obtienen puntos frente a otro en el que se obtiene dinero.

Técnicas de análisis para cada diseño.

a. Grupos aleatorio x grupos aleatorios: análisis de varianza de dos factores.

b. Grupos aleatorios x medidas repetidas: análisis de varianza de dos factores, uno con medidas repetidas.

c. Medidas repetidas x medidas repetidas : análisis de varianza de medidas repetidas con dos variables.

d. Caso general: podrá utilizar un análisis de varianza, pero, además de la correcta organización de los datos, deberá indicar el número total de variables independientes, especificando las que sean de medidas repetidas.

DISEÑOS DE UN SOLO SUJETO: REVERSIÓN Y LÍNEAS BASE MÚLTIPLES. UNIDAD 32. SULZER AZAROFF

Doble ventaja:

1. 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 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:

a. 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.

b. Una segunda variación del diseño ABAB cosiste en sólo una fase muy breve de línea de base. Esta variación se usa cuando muchas mediciones repetidas de línea de bese resultarían absurdas, o el individuo nunca ha emitido la conducta dependiente, o tales emisiones son tan raras que las mediciones repetidas no tendrían sentido.

c. Una tercera variación del diseño ABAB implica la adición de una fase RDO o de R-alt. Cuando la conducta dependiente no es reversible, cuando no se ve afectada por un retorno a las condiciones de línea de base, la variable independiente 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 con los de otros que se haya demostrado du efectividad.

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.

2. Diseños de línea de base múltiple

a. 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.

b. 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.

c. 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.

INVESTIGACIÓN CUANTITATIVA EN PSICOLOGIA. CAP 11. CLARK CARTER

Muestras y poblaciones

Estadísticas: describen la muestra que se midió.

Parámetros: describe la población de la cual proviene la muestra.

Hipótesis: hará una afirmación mas general sobre la población de que proviene la muestra.

Elección de una muestra: la muestra debe ser representativa de la población más amplia. Los investigadores deben definir cuál es su unidad de análisis (gente o elementos de la población). Por ultimo se deben colocar restricciones, es decir, factores de limitación a lo que constituye un elemento de población. En las encuestas se emplean dos métodos de muestreo: aleatorio y no aleatorio; la elección va a depender de los objetivos del estudio y de factores como la exactitud, el tiempo y el dinero.

Muestras aleatorias : cada elemento de población tiene una probabilidad igual, o una probabilidad cuantificable, de ser seleccionado. Con esta, es posible generalizar con cierto grado de exactitud los resultados obtenidos de la muestra a la población.

1. Muestreo aleatorio simple: una vez elegida la población:

a. Determinar el tamaño de la muestra.

b. Identificar cada elemento de la población.

c. Se seleccionaran códigos al azar hasta que se identifiquen todos los elementos de la posible muestra.

Pueden ocurrir problemas con la identificación de los elementos de población, como que una muestra quede sesgada. También ocurre que para identificar elementos de una población, debe llevarse a cabo una encuesta más amplia.

2. Muestreo sistemático : se debe decidir un tamaño de muestra y que luego se divida el de la población entre el de la muestra; esto da una cifra que se usa como base del muestreo.

3. Muestreo estratificado: requiere la división de la población en subgrupos o estratos mutuamente excluyentes, bien representativos. Una vez que se han elegido los estratos puede aplicarse el muestreo aleatorio simple o el sistemático en cada estrato para elegir la muestra. Una ventaja de este muestreo es que garantiza que esta contendrá representantes suficientes de cada uno de los estratos.

a. Muestreo Proporcionado: se aplica si el muestreo del estrato refleja las proporciones de la población.

b. Muestreo desproporcionado: si no se requiere que la muestra tenga las proporciones de la población.

4. Muestreo de conglomerados: requiere un muestreo inicial con base en una unidad mayor que el elemento de población. Tiene la ventaja de que, si los elementos de la población están muy dispersos geográficamente, la muestra se aglomera en un número limitado de lugares.

a. De una sola etapa: todos los lugares donde ocurre lo mismo. Juntando de diversas poblaciones.

b. De varias etapas: distintos lugares y dentro de distintas poblaciones.

Se debe tratar de incluir si o si a aquellas personas que no estén disponibles al momento de llevar a cabo el muestreo.

5. Muestreo no aleatorio: no se puede extrapolar con exactitud.

a. Muestreo accidental: muestreo de las personas que uno encuentra por casualidad.

b. Muestra de cuotas: se establecen cuotas (cantidad) para el numero de personas que habran de incluirse en las submuestras.

6. Muestreo propositivo: para cuando se desea estudiar una muestra claramente definida.

a. Muestreo de bola de nieve: usa contactos iniciales para identificar otros posibles participantes.

TÉCNICAS PSICOMÉTRICAS. CUESTIONES DE VALIDEZ Y CONFIABILIDAD. ARGIBAY

1. 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 de medición.

· 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.

2. Congruencia o consistencia 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

  • Se divide el instrumento en dos mitades
  • Se obtiene la puntuación para cada mitad en forma independiente

· 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.

3. 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 afectan los puntajes de la segunda toma del test, incidiendo sobre los valores de correlación, ya sea incrementando artificialmente la confiabilidad.

· Efectos derivados de la primera aplicación del test que afecten el rendimiento en el segundo. También en test que midan aptitudes o destrezas los sujetos pueden ver condicionado su rendimiento por la práctica previa.

· 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

4. 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 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.

Procedimientos para evaluar la validez de constructo:

a. 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. Las estructuras factoriales pueden tender a ser inestables y dependen mucho del tamaño de la muestra. El tamaño necesario depende en parte de la cantidad de ítems involucrados en el análisis y hay diferentes criterios para establecer el número de sujetos indicados. Uno de los criterios es que, el número de sujetos no sea menor a cinco veces la cantidad de ítems del instrumento. Cuando la estructura factorial no es exactamente igual, ero guarda suficiente similitud con la predicha, tenemos la opción de considerar que el instrumento tiene validez factorial y aplicarlo tal cual, o introducir modificaciones acordes con los datos obtenidos en el nuevo análisis factorial, tratando de preservar las características originales del test.

b. Diferenciación entre grupos: se aplica el instrumento a dos o más grupos los cuales deben diferir en el atributo que se mide, en razón de alguna característica que se uso para formar las grupos y que se podría inferir a partir de la teoría del constructo que mide el instrumento, que dicha característica estaría relacionada con diferencias predecibles en el atributo.

c. 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, o con los varios test ya existentes, para establecer su validez de constructo.

d. Las matrices mutimétodo-multirasgo: para poder aplicar esta técnica 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 mismos 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).

SELECCIÓN DE SISTEMAS DE OBSERVACIONES. CAP 5. SULZER AZAROFF

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:

Selección de variables dependientes

Cuando una conducta meta, se traduce en términos cuantificables, la medida del suceso es la VD (conducta meta cuya medida del suceso se traduce en términos cuantificables. Es la medida de la conducta meta es la variable dependiente clave). Evidentemente la medida de la conducta meta es la VD clave; pero también puede ser importante medir otras variables, las medidas de las cuales pueden alterarse en función del programa. Una vez que se han seleccionado las VD, se debe escoger un sistema de medición apropiado.

Selección de medidas validas : un sistema de medición valida ha de ser apropiado a la variable que intenta medir. Se suele lograr un consenso general (todas las personas participantes estén de acuerdo) sobre lo que se considera una medida valida.

Selección de medidas confiables: la medición conductual requiere de consistencia, es decir se debe demostrar que la conducta bajo observación se mide de la misma manera, bajo el acuerdo entre dos observadores quienes registran simultáneamente.

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.

REGISTRO DE INTERVALO E IMPLEMENTACIÓN DE SISTEMAS DE OBSERVACIONES. CAP 6. SULZER AZAROFF.

Registro de muestra temporal de intervalo (MTI)

Para conductas que no son claramente discretas, es decir, que es difícil decir cuando comienza y finaliza una respuesta. Cuando se necesita sacar una muestra de varios comportamientos simultáneos se suele usar una hoja de registro codificado de intervalo.

Desventaja: no resulta práctico para el estudio de conductas importantes pero infrecuentes.

Validez y confiabilidad del registro de intervalo

Una medición valida de una conducta permite la cuantificación sin distorsión.

El propósito de la medición será el de determinar cual de estos tres sistemas de intervalos usar en una situación dada.

El MTIC subestima consistentemente a la medición continua (apropiado para cuando se busca un incremento en la VD). El MTIP sobreestima constantemente a la medición continua ( adecuado para cuando se busque una reducción de la conducta). El MTIM esta fuera de lugar ( mas apto para sacar muestras de conductas de mayor duración). La estimación de una conducta que ocurre con frecuencia pero que no se presta al registro de de suceso, deberá ser posible con intervalos de muestreo temporal breve, ya que mientras mas dure el intervalo, mas observaciones se perderán.

Por lo general es preferible seleccionar una medición que sea “conservadora” en relación con el resultado buscado. Independientemente del sistema de intervalo utilizado, es necesaria la consistencia en todas las fases de línea base y de tratamiento.

La confiabilidad de la medición en el registro de intervalos se basa en los mismos fundamentos que en otros sistemas de registro. La conducta ha de operacionalizarse con precisión y los registradores han de ser cuidadosamente entrenados y supervisados.

Se ha descrito el método para la estimación de la confiabilidad mediante los coeficientes de acuerdos:

El registro de los datos conductuales

Esto permite al analista conductual estimar el funcionamiento actual de los sujetos en lo que se refiere a sus conductas meta. Los datos se registran y luego se grafican.

Adaptación: no es apropiado comenzar a recolectar los datos línea de base, que proporcionaran un estándar para la medición del cambio futuro, tan pronto como un observador entre aun nuevo ambiente, ya que el comportamiento inicial no es típico. Deberá transcurrir el periodo de adaptación al nuevo ambiente antes de que se inicie formalmente la fase de línea base.

Medición de línea de base: Cuando se presume que la conducta ha retornado a su estado típico, la adaptación es un hecho.la representación grafica de la conducta le otorga más apoyo a la noción de que la adaptación ha ocurrido cuando las fluctuaciones extrañas comienzan a disminuir. La fase de la línea de base consiste en mediciones repetidas de las variables dependientes en el transcurso de varios días o semanas. Esto continúa hasta que han sido identificados los limites externos dentro de los que fluctúa. La línea de base servirá como un estándar, con el cual se puede comparar el procedimiento del tratamiento. La ventaja es que le permite al observador medir con mas objetividad la ocurrencia de una condcuta que parecía peor de lo que en verdad era. La recopilación de datos de línea de base sirve entonces, como una verificación sobre la validez del objetivo seleccionado.


 

Preguntas y Respuestas entre Usuarios: