UNIVERSIDAD YACAMBÚ

VICERRECTORADO DE INVESTIGACIÓN Y POSTGRADO

INSTITUTO DE INVESTIGACIÓN Y POSTGRADO

DISEÑOS EXPERIMENTALES

LCDA. ANA MARIA PIÑA CI: V-15.886.961

LCDA JULIETA QUINTERO CI: V-19.712.087

LCDO CARLOS RODRIGUEZ C.I.: V-17.342.160

CABUDARE- MARZO 2015

EL DISEÑO EXPERIMENTAL

Es una técnica estadística que permite identificar

y cuantificar las causas de un efecto dentro de un

estudio experimental. En un diseño experimental

se manipulan deliberadamente una o más

variables,

vinculadas a las

causas, para medir

el efecto que tienen

en otra variable de

interés. El diseño

experimental

prescribe una serie

de pautas relativas

qué variables hay

que manipular, de

qué manera, cuántas veces hay que repetir el experimento y en qué

orden para poder establecer con un grado de confianza

predefinido la necesidad de una presunta relación de causa-efecto.

El diseño experimental encuentra aplicaciones en la industria, la

agricultura, la mercadotecnia, la medicina, la ecología, las ciencias

de la conducta, etc. constituyendo una fase esencial en el desarrollo

de un estudio experimental.

DISEÑOS

TRANSECCIONALES

DESCRIPTIVOS

Los diseños

transeccionales

descriptivos tienen como

objetivo indagar la incidencia y los valores en que se manifiesta

una o más variables. El procedimiento consiste en medir en un

grupo de personas u objetos, una o generalmente más variables y

proporcionar su descripción. Son, por lo tanto, estudios

puramente descriptivos que cuando establecen hipótesis, éstas son

también descriptivas.

Ejemplos

Las famosas encuestas

nacionales de opinión sobre

las tendencias de los votantes

durante periodos de elección.

Su objetivo es describir el

número de votantes en un

país que se indinan por los diferentes candidatos contendientes en

la elección. Es decir, se centran en la descripción de las

preferencias del electorado.

DISEÑOS TRANSECCIONALES

CORRELACIONALES/CAUSALES

Los diseños transeccionales correlacionales/causales tienen

como objetivo describir relaciones entre dos o más variables en un

momento determinado. Se trata también de descripciones, pero no

de variables individuales sino de sus relaciones, sean éstas

puramente correlacionales o relaciones causales. En estos diseños

lo que se mide es la relación entre variables en un tiempo

determinado. La diferencia entre los diseños transeccionales

descriptivos y los

correlacionales causales

puede expresarse gráfica-

mente de la siguiente

manera:

Por lo tanto, los diseños correlacionales/causales pueden

limitarse a establecer relaciones entre variables sin precisar

sentido de causalidad o pueden pretender analizar relaciones de

causalidad. Cuando se limitan a relaciones no causales, se

fundamentan en hipótesis correlacionales y cuando buscan evaluar

relaciones causales, se basan en hipótesis causales.

EJEMPLOS

  Una investigación que pretendiera indagar la relación entre

la atracción física y la confianza durante el noviazgo en parejas de

jóvenes, observando qué tan relacionadas están ambas variables

(se limita a ser correlacional).

Una investigación que estudiara cómo la motivación

intrínseca influye en la productividad de los trabajadores de línea

de grandes empresas industriales, de determinado país y en cierto

momento, observando si los obreros más productivos son los más

motivados, y en caso de que así sea, evaluando el por qué y cómo

es que la motivación intrínseca contribuye a incrementar la

productividad (esta investigación establece primero la correlación

y luego la relación causal entre las variables).

Un estudio sobre la relación entre la urbanización y el

alfabetismo en una nación latinoamericana, para ver qué variables

macrosociales mediatizan tal relación (causal).

Una investigación que analizara cuáles son las variables que

regulan la relación existente entre organizaciones proveedoras

(vendedores) y organizaciones compradoras (clientes) en las

transacciones comerciales en Latinoamérica (con volúmenes de

intercambio anuales superiores a un millón de dólares), así como

estudiar la vinculación que se da entre dichas variables y las

razones que originan tal vinculación (se correlacionan las

variables y se evalúan causalmente).

De los ejemplos puede desprenderse lo que se ha comentado

anteriormente respecto a que en ciertas ocasiones sólo se pretende

correlacionar variables, pero en otras ocasiones se busca el

establecer relaciones causales. Desde luego, debemos recordar que

la causalidad implica correlación pero no toda correlación

significa causalidad. Primero establecemos correlación y luego

causalidad.

Estos diseños pueden ser sumamente complejos y abarcar

diversas variables. Cuando establecen relaciones causales son

explicativos. Su diferencia con los experimentos es la base de la

distinción entre experimentación y no experimentación. En los

diseños transeccionales correlacionales/causales, las causas y

efectos ya ocurrieron en la realidad (estaban dadas y

manifestadas) y el investigador las(os) observa y reporta. En

cambio, en los diseños experimentales y cuasiexperimentales el

investigador provoca —intencionalmente— al menos una causa y

analiza sus efectos o consecuencias.

Un diseño correlacional/causal puede limitarse a dos

variables o abarcar modelos o estructuras tan complejas como la

siguiente (donde cada letra en recuadro representa una variable):

 

O aun estructuras más complejas como la presentada en el

apartado de hipótesis causales multivariadas del capítulo cinco

(“Establecimiento de hipótesis”).

Estos diseños se fundamentan en hipótesis correlacionales y de

deferencia de grupos sin atribuir causalidad (cuando se limitan a

relaciones entre variables) y en hipótesis causales o de diferencia

de grupos con atribución de causalidad (cuando pretenden

establecer relaciones causales). Asimismo, los diseños

correlacionales/causales, en ocasiones, describen relaciones en uno

o más grupos o subgrupos y suelen describir primero las variables

incluidas en la investigación, para luego establecer las relaciones

entre éstas (en primer lugar son descriptivos de variables

individuales, pero luego van más allá de las descripciones: van a

establecer relaciones).

EJEMPLO

Una investigación para evaluar la credibilidad de tres

conductores (locutores) de televisión, y relacionar esta variable

con el sexo, la ocupación y el nivel socio-económico del

teleauditorio. Primero, mediríamos qué tan creíble es cada

conductor y describiríamos la credibilidad de los tres conductores.

Observaríamos el sexo de las personas e investigaríamos su

ocupación y nivel socio-económico, y describiríamos el sexo,

ocupación y nivel socioeconómico del teleauditorio.

Posteriormente, relacionaríamos la credibilidad y el sexo (para ver

si hay diferencias por sexo en cuanto a la credibilidad de los tres

conductores), la credibilidad y la ocupación (para ver si los

conductores tienen una credibilidad similar o diferente entre las

distintas ocupaciones) y credibilidad y nivel socio-económico (para

evaluar diferencias por nivel socioeconómico). Así, primero

describimos y luego correlacionamos.

  CONCLUSIÓN

Tanto en los diseños transeccionales descriptivos cómo en

los correlacionales/causales vamos a observar variables o

relaciones entre éstas, en su ambiente natural y en un momento en

el tiempo.

Los diseños transeccionales correlacionales/causales buscan

describir correlaciones entre variables o relaciones causales entre

variables, en uno o más grupas de personas u objetos o

indicadores y en un momento determinado.

Investigación longitudinal

En ciertas ocasiones el interés del

investigador es analizar cambios a

través del tiempo en determinadas

variables o en las relaciones entre éstas.

Entonces se dispone de los diseños

longitudinales, los cuales recolectan datos a través del tiempo en

puntos o periodos

especificados, para

hacer inferencias

respecto al cambio, sus

determinantes y

consecuencias. Por

ejemplo, un

investigador que

buscara analizar cómo

evolucionan los niveles de empleo durante cinco años en una

ciudad u otro que pretendiera estudiar cómo ha cambiado el

contenido de sexo en las telenovelas (digamos de Venezuela) en los

últimos diez años.

 Los diseños longitudinales suelen dividirse en tres tipos: diseños

de tendencia (trend), diseños de análisis evolutivo de grupos

(cohort) y diseños panel, como se indica en el siguiente esquema.

 

DISEÑOS LONGITUDINALES DE TENDENCIA

Los diseños de tendencia o trend son aquellos que analizan

cambios a través del tiempo (en variables o sus relaciones) dentro

de alguna

población en

general. Por

ejemplo, una

investigación

para analizar

cambios en la

actitud hacia el

aborto en una

comunidad. Dicha actitud se mide en varios puntos en el tiempo

(digamos anualmente durante 10 años) y se examina su evolución

a lo largo de este periodo. Se puede observar o medir toda la

población o bien tomar una muestra representativa de ella cada

vez que se observen o midan las variables o los relaciones entre

éstas. La característica distintiva de los diseños de tendencia o

trend es que la atención se centra en una población.

Estos diseños pueden representarse de la siguiente manera:

DISEÑOS LONGITUDINALES DE EVOLUCIÓN DE GRUPO

Los diseños de evolución de grupo o estudios “cohort”

examinan cambios a través del tiempo en subpoblaciones o grupos

específicos. Su atención son las “cohorts” o grupos de individuos

vinculados de alguna manera —generalmente la edad, grupos por

edad— (Glena, 1977). Un ejemplo de estos grupos (“cohoris”)

sería el formado por las personas que nacieron en 1930 en Brasil,

pero también

podría utilizarse

otro criterio de

agrupamiento

temporal como: las

personas que se

unieron en

matrimonio durante

1986 y 1987 en

Costa Rica o los niños de la Ciudad de México que asistían a

instrucción primaria durante el terremoto que ocurrió en 1985.

Los diseños de los que estamos hablando hacen seguimiento de

estos grupos a través del tiempo. Usualmente en estos diseños se

extrae una muestra cada vez que se mide al grupo o subpoblación

más que incluir a toda la subpoblación.

EJEMPLO

Una investigación nacional sobre las actitudes hacia la

dictadura militar de los chilenos nacidos en 1973, digamos cada

cinco años, comenzando a partir de 1985. En este año se obtendría

una muestra de chilenos de 12 años de edad y se medirían las

actitudes. En 1990, se obtendría una muestra de chilenos de 17

años y se medirían las actitudes. En 1995, se obtendría una

muestra de chilenos de 22 años y en el año 2 000 una muestra de

chilenos de 27 años, y así sucesivamente. Así, se analiza la

evolución o cambios de las actitudes mencionadas. Desde luego,

aunque el conjunto específico de personas estudiadas en cada

tiempo o medición pueda ser diferente, cada muestra representa a

los sobrevivientes del grupo de chilenos nacidos en 1973.

Que es una Variable?

La variable se define como las

características o atributos que admiten

diferentes valores, ejemplos de ellos: la

estatura, la edad,

el cociente

intelectual, la temperatura, el clima, entre

otros. Existen muchas formas de

clasificación de las variables, no obstante,

en esta investigación se clasificarán de acuerdo con el sujeto de

estudio y al uso de las

mismas.

De acuerdo con el

sujeto de investigación las

variables se clasifican en

categóricas y continuas. Las variables categóricas clasifican a los

sujetos distribuyéndolos en grupos, de acuerdo a algún atributo

previamente establecido, por ejemplo, el idioma, la ocupación,

entre otros. Este tipo de variables se subdividen a su vez en dos:

variables dicotómicas que poseen dos categorías por ejemplo

hombre-mujer, y variables

policotómicas que establecen tres o mas

categorías, por ejemplo estado civil,

nivel académico, etc. Son variables

continuas cuando se miden atributos

que toman un número infinito de

valores, como por ejemplo, el peso, la

talla, la estatura, entre otros.

LA OPERACIONALIZACIÓN DE LAS VARIABLES

En este punto es necesario definir qué es una variable. Una

variable es una propiedad que puede variar y cuya variación es

susceptible de medirse u observarse. Ejemplo de variables : el

sexo, la motivación intrínseca hacia el trabajo, el atractivo físico, el

aprendizaje de conceptos, la religión , la agresividad verbal, la

personalidad autoritaria, la cultura fiscal y la exposición a una

campaña de propaganda política. La variable se aplica a un grupo

de personas u objetos, los cuales adquieren diversos valores o

manifestaciones respecto a la variable.

La operacionalización de una variable es un proceso que se

inicia con la definición de las variables en función de factores

estrictamente medibles a los que se les llama indicadores.

Dicho proceso obliga a realizar una definición conceptual

de la variables para romper el concepto difuso que ella engloba y

así darle sentido concreto dentro de la investigación , luego en

función de ello se procese a realizar la definición operacional de la

misma para identificar los indicadores que permitirán realizar su

medición de forma empírica y cuantitativa, al igual que

cualitativamente llegado el caso.

La validez de una variable depende sistemáticamente del

marco teórico que fundamenta el problema y del cual se ha

desprendido, y de su relación directa con la hipótesis (o idea a

defender) que la respalda.

DEFINICIÓN CONCEPTUAL: Básicamente, la definición

conceptual de las variables constituye una abstracción articulada

en palabras para facilitar su comprensión y su adecuación a los

requerimientos prácticos de la investigación.

DEFINICIÓN OPERACIONAL: Una definición

operacional está constituida por una serie de procedimientos o

indicaciones para realizar la medición de una variable definida

conceptualmente. En la definición operacional se debe tener en

cuenta que lo que se intenta es obtener la mayor información

posible de la variable seleccionada, de modo que se capte su

sentido y se adecue al contexto, y para ello se deberá hacer una

cuidadosa revisión de la literatura disponible sobre el tema de

investigación.

La operacionalización de las variables está estrechamente

vinculada al tipo de técnica o metodología empleadas para la

recolección de datos. Estas deben ser compatibles con los objetivos

de la investigación, a la vez que responden al enfoque empleado, al

tipo de investigación que se realiza. Estas técnicas, en líneas

generales, pueden ser cualitativas o cuantitativas.

VARIABLES, DIMENSIONES E INDICADORES.

Cuando nos encontramos con variables complejas, donde

el pasaje de la definición conceptual a su operacionalización

requiere de instancias intermedias, entonces se puede hacer una

distinción entre variables, dimensiones e indicadores. A modo de

síntesis, puede afirmarse que el pasaje de la dimensión al

indicador hace un recorrido de lo general a lo particular, del plano

de lo teórico al plano de lo empíricamente contrastable.

Las dimensiones vendrían a ser subvariables o variables

con un nivel más cercano al indicador. Para el caso de definir a la

variable productividad, nos encontramos con diferentes

subdimensiones que forman parte de la variable, como ser: mano

de obra, maquinaria, materiales o energía. Cada una de estas

subvariables son las dimensiones de la variable productividad.

A su vez, estas dimensiones, para poder ser contrastadas

empíricamente por el investigador, requieren operacionalizarse en

indicadores, que no son otra cosa que parámetros que contribuyen

a ubicar la situación en la que se halla la problemática a estudiar.

En un sentido restringido, los indicadores son datos.

CLASIFICACIÓN DE VARIABLES

De acuerdo a su capacidad o nivel en que nos permitan

medir los objetos. Es decir, que la característica más común y

básica de una variables es la de diferenciar entre la presencia y la

ausencia de la propiedad que ella enuncia.

Variable continua: Se presenta cuando el fenómeno a medir

puede tomar valores cuantitativamente distintos. Ejemplos: la

edad cronológica.

Variables discretas: Son aquellas que establecen categorías

en términos no cuantitativos entre diversos individuos o elementos.

Ejemplo: el temperamento de los niños en relación con el

aprendizaje –los niños de temperamento calmado aprenden más

lentamente que los de temperamento.

Variables individuales: Presentan la característica o

propiedad que caracteriza a individuos determinados, y pueden

ser: Absolutas. Relacionales. Comparativas. Contextuales.

Variables colectivas: Presentan las características o

propiedades que distinguen a un grupo o colectivo determinado y

pueden ser: Analíticas. Estructurales. Globales.

Variable Antecedente: Es la que se supone como

antecedente, es decir, que hay variables que son antecedentes de

otras. Ejemplo: para realizar un aprendizaje se supone un grado

mínimo de inteligencia. Por tanto, la variable inteligencia es un

antecedente de la variable aprendizaje.

Variable independiente: Es la variable que antecede a una

variable dependiente, la que se presenta como causa y condición

de la variable dependiente, es decir, son las condiciones

manipuladas por el investigador a fin de producir ciertos efectos.

Variable dependiente: Es la variable que se presenta como

consecuencia de una variable antecedente. Es decir, que es el

efecto producido por la variable que se considera independiente, la

cual es manejada por el investigador.

Variable interviniente o alterna: Es la variable que aparece

interponiéndose entre la variable independiente y la variable

dependiente y en el momento de relacionar las variables interviene

en forma notoria. Conviene analizar si esta variable aparece a

partir de la variable independiente, es decir, posterior a ella y con

anterioridad a la variable dependiente, de tal forma que entre a

reemplazar la variable independiente que ha sido formulada, o su

actúa como factor concerniente en la relación de variables.

Variables extrañas: Cuando existe una variable independiente no relacionada con el propósito del estudio, pero que puede presentar efectos sobre la variable dependiente, tenemos una variable extraña.