Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Los mejores documentos en venta realizados por estudiantes que han terminado sus estudios
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Descubre las mejores universidades de tu país según los usuarios de Docsity
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
SU UTILIDAD EN LA FORMACION METODOLOGICA EN SOCIOLOGIA
Tipo: Apuntes
1 / 27
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
Graciela Infesta Domínguez Trabajo presentado a las Segundas Jornadas de Sociología de la Universidad de Buenos Aires, tituladas "1976-1986. Veinte años después: las huellas del pasado reciente en la Argentina de hoy", Buenos Aires, 11 al 13 de noviembre de 1996.
1
El presente trabajo constituye una propuesta sobre cómo encarar la enseñanza de los diseños experimentales: qué aspectos conceptuales deberían abordarse en la clase y en qué secuencia, qué ejemplos podrían utilizarse y con qué finalidad y qué tipo de ejercicios podrían proponerse a los alumnos para que apliquen los temas discutidos en clase. En tanto los estudios experimentales constituyen estudios explicativos que responden a un modelo lógico de inferencia causal, en la primer parte de este trabajo nos referimos a las nociones de "explicación" y "causalidad". A continuación, nos referimos las características de los diseños experimentales en términos de su estructura y sus componentes básicos, poniendo énfasis en los factores que afectan la validez interna y externa de estos diseños. Luego, presentamos los distintos tipos de diseños experimentales más comúnmente utilizados en las ciencias sociales, señalando las ventajas y desventajas de cada uno de ellos. Por último, proponemos algunos ejemplos de investigaciones, así como ejercicios para los alumnos que podrían resultar herramientas pedagógicas útiles en la enseñanza de la temática en cuestión.
estudio exploratorio puede tener, sin embargo, otras funciones: aumentar la familiaridad del investigador con el fenómeno que desea investigar por medio de un estudio... mejor estructurado..., aclarar conceptos; establecer preferencias para posteriores investigaciones..." (Selltiz, et al., 1965), etc. Así, el mayor énfasis está puesto en el descubrimiento de aspectos profundos del objeto de estudio. Consecuentemente, estos estudios requieren diseños de investigación lo suficientemente flexibles como para permitir la consideración de numerosos aspectos distintos de un fenómeno. Los estudios a los que se refieren los grupos segundo y tercero los agrupamos bajo el epígrafe de estudios descriptivos. Los hemos considerado conjuntamente porque, desde el punto de vista de los procedimientos de investigación, comparten determinadas características importantes. "Las demandas de una investigación presupone mucho conocimiento anterior del problema que va a ser investigado... El investigador debe estar capacitado para definir claramente qué desea someter a medida y debe hallar los métodos adecuados para su medida. Además, debe ser capaz de determinar a quién debe incluirse en la definición de una determinada comunidad' opoblación dada'. En la recogida de pruebas para un estudio de estas características, lo que se necesita no es tanto una gran flexibilidad como una clara formulación de qué y quién van a ser medidos y las técnicas para medidas válidas y de confianza. Por estos motivo, los procedimientos a ser utilizados en los estudios descriptivos deben ser cuidadosamente planificados tomando todas las medidas para evitar los errores de sesgo" (Selltiz et al., 1965). Los estudios del grupo cuarto (estudios de comprobación de hipótesis causales) suelen denominarse estudios explicativos. Estos requieren procedimientos que no solamente disminuyan los riesgos de errores de sesgo y aumenten el grado de la confianza (como los descriptivos), sino que permitan inferir acerca de la causalidad. No es nuestra intención simplificar la cuestión pero sintéticamente podríamos decir (en una primera aproximación al tema) que describir es responder a la pregunta del cómo es algo, en tanto que explicar es responder a la pregunta por qué algo es o se presenta de determinada manera. En este sentido, los procedimientos más frecuentes para lograr dicha condición adquieren la forma de trabajo experimental. No obstante, es necesario aclarar que existen estudios referidos a la comprobación de hipótesis de relaciones causales que no constituyen diseños experimentales. En tanto que describir implica señalar aspectos reconocibles o signos característicos de las cosas, "al describir nos mantenemos en el mismo nivel proposicional de lo que estamos describiendo, no hay un cambio de plano. En cambio explicar (al menos en un sentido fuerte) sí implica un cambio de plano. Para decirlo rápidamente... explicar es subsumir, incorporar un hecho bajo un enunciado general" (Schuster, 1982). De hecho, estos diferentes tipos de estudio no son apenas susceptibles de distinción. Cualquier investigación dada puede contener en sí elementos de dos o más de las funciones descriptas como caracterizadoras de los distintos tipos de estudio. Sin embargo, es frecuente que en una investigación se ponga el énfasis en una sola de estas funciones y el estudio puede ser considerado como clasificado en la categoría correspondiente a su función primordial. En esta oportunidad, nos referiremos a los estudios explicativos, específicamente a los
estudios experimentales en tanto éstos constituyen un modelo lógico de inferencia causal. En este sentido, el presente trabajo constituye una propuesta sobre cómo abordar la enseñanza de los diseños experimentales: qué aspectos conceptuales deberían abordarse en la clase y en qué secuencia, qué ejemplos podrían utilizarse y con qué finalidad y qué tipo de ejercicios podrían proponerse a los alumnos para que apliquen los temas discutidos en clase. En relación a los aspectos conceptuales, en esta ocasión pondremos el énfasis en la estructura y los componentes de los diseños experimentales y en los distintos tipos de diseños experimentales más comúnmente utilizados en las ciencias sociales. Dejaremos para otra oportunidad la presentación de los procedimientos estadísticos de análisis e interpretación de los resultados producidos en los estudios experimentales, así como otros estudios explicativos que realicen inferencias causales a través de otros procedimientos que no sean el experimental. II. LA UTILIDAD DE LOS DISEÑOS EXPERIMENTALES EN SOCIOLOGIA El diseño experimental clásico es usualmente asociado con la investigación en las ciencias biológica y física. Las causas por las cuales los diseños experimentales son útiles en las ciencias sociales son dos:
Una condición necesaria es la que debe ocurrir si el fenómeno del que es "causa", se da en efecto. Si X es una condición necesaria de Y, entonces Y nunca se dará a menos que ocurra la condición X. Por ejemplo, para ser un adicto a las drogas es condición necesaria una previa experiencia con las mismas, puesto que es imposible una adicción a las drogas si la persona nunca las ha usado. Una condición suficiente es la que siempre es seguida por el fenómeno del que es causa. Si X es una condición suficiente de Y, siempre que se dé X, ocurrirá Y. Por ejemplo, la destrucción del nervio óptico es una condición suficiente de ceguera, puesto que ninguna persona cuyo nervio óptico ha sido destruido puede ver. Una condición puede ser a la vez necesaria y suficiente para la ocurrencia de un fenómeno. En tal caso, Y nunca se dará a menos que X ocurra y siempre que X ocurra, también se dará Y. En otras palabras, no habrá ningún caso en que X o Y aparezcan solos. Ninguno de los ejemplos anteriores se ajusta a este modelo. En tanto el sentido común nos lleva a confiar que un factor proporcione una completa explicación, el científico raramente confía -por no decir nunca- en que un factor único o condición sea causa suficiente y necesaria de un fenómeno. Más bien está interesado en las condiciones contribuyentes , condiciones contingentes y condiciones alternativas o alternantes , todas las cuales el científico espera que se hallen trabajando para hacer probable pero no segura la ocurrencia del acontecimiento o fenómeno (Selltiz et al., 1965). Una condición contribuyente es la que aumenta las probabilidades de que ocurra un determinado fenómeno pero no lo hace seguro, lo cual se debe a que éste es solamente uno del número de factores que, conjuntamente, determina la ocurrencia del fenómeno. Así, la investigación sobre la adicción a las drogas no termina con la aceptación de que la experiencia previa con las drogas es condición necesaria para aquélla, sino que continúa con la consideración de qué factores personales, familiares y de vecindad han llevado a tal experiencia y cuál de los factores influye más para que una persona que ha tenido la experiencia primera se convierta en adicto (Selltiz et al., 1965). Pero el comportamiento con que la ciencia social trata es complejo en extremo; la interacción de factores debe ser tenida en cuenta. Un factor que actúa como condición contribuyente de un fenómeno bajo una serie de circunstancias puede no hacerlo bajo otras. Las condiciones bajo las cuales una determinada variable es causa contribuyente de un fenómeno dado son llamadas condiciones contingentes. Una considerable parte de la investigación que se realiza en el campo de las ciencias sociales se refiere a la identificación de tales condiciones. Por ejemplo: en las vecindades donde el uso de las drogas está generalizado (condición contingente), la ausencia del padre del adolescente (condición contribuyente) contribuye a la probabilidad de que el muchacho sea un adicto a aquéllas (Selltiz et al., 1965). El conocimiento de la multiplicidad de causas contribuyentes lleva también a un interés por las condiciones alternativas que pueden hacer más verosímil la ocurrencia de un fenómeno. Por ejemplo, puede descubrirse que tanto la ausencia de la figura paterna como la ocurrencia de
trato hostil o indiferente por parte del padre, contribuyen a la probabilidad del uso de drogas en aquellas vecindades donde su uso es común. El científico social puede entonces buscar una hipótesis que incluya un factor común a ambas causas -la alternativa y la contribuyente- y así formular, por ejemplo, que en las vecindades donde las drogas son fáciles de adquirir, la falta de identificación con la figura paterna durante la niñez hace más probable la adicción a las drogas durante la adolescencia (Selltiz et al., 1965). Muchas hipótesis en ciencias sociales se ocupan de las condiciones contribuyentes o alternativas y las contingencias bajo las cuales actúan. Sin embargo, es imposible demostrar directamente que una característica u ocurrencia determinada (X) determina otra característica u ocurrencia (Y), ya se por sí misma o en combinación con otras características u ocurrencias (A, B, C, etc.). Más bien lo que ocurre es que estamos siempre en posición de inferir , a partir de datos observados que la hipótesis de que X es una condición para la ocurrencia de Y es o no sostenible con cierto grado específico de confianza. La ciencia, como otros procesos cognitivos, comprende la formulación de teorías, hipótesis, modelos, etc., así como la aceptación o el rechazo de ellos en virtud de algún conjunto de criterios externos. La experimentación pertenece a esa segunda fase, la del desbrozamiento, el rechazo y la revisión. Podemos suponer para nuestra ciencia una ecología en la cual el número de hipótesis positivas exceda en mucho al de hipótesis que a la larga demostrarán ser compatibles con nuestras observaciones. La característica predominante de la tarea de compilación de datos para la prueba de teorías es, pues, el rechazo de hipótesis inadecuadas (Campbell y Stanley, 1970). Para conseguirlo resulta provechoso cualquier ordenamiento de observaciones en virtud del cual se desautorice la teoría correspondiente, incluyendo diseños cuasiexperimentales de menor eficacia que los verdaderos experimentos. En un sentido muy fundamental, los resultados experimentales nunca "confirman" ni "demuestran" una teoría; más bien la teoría triunfante está probada y escapa a la refutación. En otras palabras, " los resultados de un experimento ponen a prueba' pero noprueban' una teoría. Una hipótesis bien fundada es aquella que ha sobrevivido en reiteradas ocasiones a esos exámenes pero que siempre puede ser desplazada por otra nueva investigación" (Campbell y Stanley, 1970). ¿Qué evidencia es necesaria para justificar inferir la existencia de relaciones causales entre dos variables? En la práctica, la demostración de la causalidad conlleva tres diferentes operaciones:
1. Demostrar covariación (o variación concomitante) Covariación simplemente significa que dos o más fenómenos varían conjuntamente. Por ejemplo, si un cambio en el nivel de educación es acompañado por un cambio en el nivel del ingreso, se puede decir que la educación covaría con el ingreso. Esto significa que los individuos con más alto nivel de educación también tienen más altos ingresos que los de menor nivel de educación. Recíprocamente, si un cambio en el nivel de educación no es acompañado por un
significativamente mayor que en el grupo de control, se infiere que la variable independiente está
causalmente relacionada con la variable dependiente. ¿Cómo interpretar los resultados? Si resulta que la diferencia entre las mediciones de la variable dependiente (realizadas en los grupos experimental y de control) es "auténtica" con un determinado grado de significación, por ejemplo, con 95 % de seguridad, cabe afirmar un nexo causal. Ahora podría hacerse la siguiente interpretación: con un 95 % de seguridad vale para todas las personas de la clase "I" (universo sobre el que se ha de generalizar) que la variable X determina a la variable Y (o, de otra manera: X es una causa de Y). Se precisará al máximo en cada caso concreto la naturaleza del nexo: si Y aumenta o decrece con X, si se transforma proporcional o exponencialmente, etc. La medida en que estos enunciados sean posibles es algo que depende de la naturaleza de las variables. Importante de retener es que a través del experimento sólo se demostró que Y es determinado, entre otros factores, por X, pero no sólo por X. Es posible que también otros factores ejercieran su influencia sobre Y. A fin de descubrir el mayor numero posible de factores causales relevantes para Y, se deberían organizar muchos experimentos en cada uno de los cuales se manipularía como estímulo uno u otro de los supuestos factores causales, mientras que los restantes factores —también aquellos cuyo carácter causal se puso de manifiesto en los anteriores experimentos— se controlarían mediante la equiparación de Gl y G2. Es posible reducir todo este trabajo cuando se realizan experimentos con varios factores causales simultáneamente, como veremos más adelante. El diseño experimental clásico posee tres componentes : la comparación, la manipulación y el control. Los tres son necesarios para establecer que la variable independiente y la dependiente están causalmente relacionadas. La comparación nos permite demostrar la covariación, la manipulación ayuda a establecer el orden temporal de los eventos y el control nos permite determinar que la covariación observada no es espúrea. Discutiremos cada uno de estos componentes separadamente.
1. Comparación El proceso de comparación subyace al concepto de covariación o correlación. La comparación es una operación requerida para demostrar que dos variables están correlacionadas. Digamos, por ejemplo, que deseamos demostrar una correlación entre fumar cigarrillos y el cáncer de pulmón: el fumar cigarrillos está asociado a un mayor riesgo de contraer cáncer de pulmón. Para examinar esto, el investigador debe comparar la frecuencia de casos de cáncer entre fumadores y no fumadores o, alternativamente, comparar el número de casos de cáncer en una población de fumadores antes y después de haber comenzado a fumar. Supongamos que creemos que el mirar televisión contribuye a fomentar imágenes tradicionales sobre los roles de hombres y mujeres entre los adolescentes. Nosotros esperamos encontrar una covariación entre el mirar televisión y las imágenes tradicionales de género. Esto es, los adolescentes que pasan más tiempo mirando televisión exhibirán estereotipos tradicionales de roles de género. Para estimar esta covariación podríamos comparar grupos de adolescentes que miren poca televisión con grupos que miren mucha televisión; o bien comparar las concepciones sobre los roles de género de un grupo antes y después de ver un programa de televisión que privilegia las imágenes tradicionales sobre los roles de género. En otras palabras, para determinar la
de introducir la variable independiente, o bien comparar un grupo que está expuesto a la variable independiente con otro que no lo está. En el primer caso, un grupo es comparado con sí mismo; en el segundo caso, un grupo experimental es comparado con un grupo de control.
2. Manipulación La noción de causalidad implica, como ya dijimos, que Y es causada por X, entonces un cambio inducido en X acarreará un cambio en Y. Esta relación empírica es asimétrica no reversible, lo cual implica que X produce Y pero no a la inversa. Para que esto se produzca, el cambio de X debería ocurrir ante que el cambio de Y, de lo cual se sigue que ésta no puede ser la variable determinante. Por ejemplo, si se sostiene que la participación en grupos de tratamiento de alcohólicos aumenta la negación de los problemas del alcoholismo, debe demostrarse que el aumento de la negación tiene lugar luego de la participación en el grupo de tratamiento. Esto puede estar acompañado por alguna forma de control - manipulación - de la asignación al grupo de tratamiento de tal forma que el investigador pueda medir el nivel de negación a los problemas del alcoholismo antes y después de la participación en el grupo. En los escenarios ("settings") experimentales, especialmente en experimentos de laboratorio, los investigadores pueden introducir ellos mismos el estímulo experimental y manipularlo. Esto sucede cuando el investigador puede decidir libremente que el estímulo sea introducido en uno u otro grupo. Sólo así puede hablarse de experimento en sentido estricto pues sólo entonces existe la certeza de que la modificación de Y (variable dependiente) fue producida por X (estímulo introducido). Sin embargo, en los escenarios naturales (experimentos de campo) los investigadores no siempre pueden introducir el estímulo experimental y manipularlo libremente. En ambos casos, la principal evidencia requerida para determinar el orden temporal de los eventos, esto es que la variable independiente preceda a la variable dependiente, es que se produzca un cambio solamente después de la activación de la variable independiente. 3. Control El tercer criterio de causalidad requiere que otros factores sean desechados como explicaciones opuestas de la asociación observada entre las variables investigadas. Tales factores podrían invalidar la inferencia de que las variables están causalmente relacionadas. Esto ha sido denominado por Donald Campbell y Julian Stanley (1970) como problema de validez interna. Así, "llamamos validez interna a la mínima imprescindible sin la cual es imposible interpretar el modelo. Por su parte, la validez externa plantea el interrogante de la posibilidad de generalización: ¿a qué poblaciones, situaciones, variables de tratamiento y variables de medición puede generalizarse este efecto? Ambos criterios son sin duda importantes, aunque con frecuencia se contrapongan, en el sentido de que ciertos factores que favorecen a uno de ellos perjudican al otro. Si bien la validez interna es el sine qua non y a la cuestión de validez externa , como a la de la inferencia inductiva, nunca se puede responder plenamente, es obvio que nuestro ideal lo constituye la selección de diseños ricos en una y otra validez.
3.1. La validez interna de los diseños experimentales Con relación a la validez interna Campbell y Stanley (1970) presentan ocho clases distintas de variables externas que, de no controlárselas en el diseño experimental, podrían generar efectos que se confundieran con el estímulo experimental. Los factores que pueden afectar la validez interna pueden ser clasificados entre aquellos que son extrínsecos a la operación de investigación y aquellos que son intrínsecos y que infringen los resultados durante el período de estudio. A. Factores extrínsecos Son factores que dan cuenta de sesgos resultantes de una selección diferencial en el reclutamiento de los participantes de la investigación para los grupos experimental y de control. Estos factores de selección producen diferencias entre el grupo experimental y de control que son anteriores a la operación de investigación. Los efectos de selección son especialmente problemáticos en casos en los cuales los individuos deciden si participan en un experimento. En tales casos, el investigador no puede decir si la variable independiente causa las diferencias observadas entre el grupo experimental y de control o si otros factores relacionados con los procesos de selección son los responsables de tales efectos observados. Procedimientos de control Para que las mediciones de la variable dependiente realizadas en los grupos experimental y de control puedan ser comparadas entre sí con pleno sentido, ambos grupos han de ser iguales en todas las variables que (junto a X) hayan podido influir en la variable dependiente. Esto se denomina control de los factores desconocidos. Están controlados cuando existe la certeza de que su repercusión en la variable dependiente es la misma en ambos grupos. Para la igualación de los grupos se emplean habitualmente dos métodos: la aleatorización ("randomization") y el pareo ("matching"). a) Pareo Cuando deba experimentarse con una totalidad pequeña, la igualdad de los dos grupos puede realizarse mediante la aplicación del método del pareo o "matching". Es decir, se divide la población en dos grupos según el principio del pareo. De esta manera están en vigencia las leyes de la teoría probabiIística, y se puede suponer que ambos grupos, siempre que no sean demasiado pequeños, son iguales en sus atributos (Mayntz, 1988). Si, por ejemplo, se sospecha que junto al factor X también el sexo y la edad de los estudiantes son determinantes de la intensidad del prejuicio, se los podría subdividir de la manera que se expone en la siguiente tabla (Mayntz, 1988): Menos de 20 años 20-25 años Más de 25 años
1) Historia Se refiere a todos los acontecimientos ocurridos entre la primera y la segunda medición que -además de la variable independiente- pueden afectar a los individuos estudiados y proveer una explicación opuesta para el cambio de la variable dependiente. 2) Maduración Incluye procesos biológicos, psicológicos o sociales que producen cambios en los participantes que operan como resultado del mero paso del tiempo (no son peculiares de los acontecimientos en cuestión). Estos cambios podrían influenciar posiblemente a la variable dependiente y llevarnos a realizar inferencias erróneas. La maduración al igual que la historia son amenazas serias para la validez de la inferencia causal. 3) Administración de tests La posible reacción a la medición es uno de los principales problemas de la investigación en las ciencias sociales. El proceso de administrar tests puede cambiar el fenómeno que está siendo medido. El efecto de ser sometido a un pretest puede sensibilizar a los individuos y afectar sus resultados en el postest. Así, la diferencia entre los resultados del postest y el pretest podrían deberse no a la variable independiente sino más bien a la experiencia ganada por los individuos en el pretest. Similarmente, a través del pretest, los individuos pueden aprender las respuestas socialmente aceptadas ya sea formulando las preguntas o discutiendo los resultados con amigos. Así, ellos pueden responder en la dirección esperada en el postest. 4) Instrumentación Designa los cambios en los instrumentos de medición o en los observadores o calificadores participantes entre el pretest y el postest que pueden producir variaciones en las mediciones que se obtengan. Para asociar las diferencias entre los resultados del postest y el pretest con la variable independiente, el investigador tiene que mostrar que mediciones repetidas con el mismo instrumento de medición bajo condiciones estables conducirán al mismo resultado. Si esto no puede ser mostrado, las diferencias observadas podrían atribuirse a cambios en el instrumento de medición y no necesariamente a la variable independiente. La estabilidad de la medición es un problema de confiabilidad y su ausencia puede ser una amenaza para la validez de los instrumentos. 5) Regresión estadística Opera cuando los individuos han sido asignados a los grupos experimental y de control sobre la base de sus puntajes extremos sobre la variable dependiente. Cuando esto ocurre y las mediciones no son confiables, individuos que han tenido resultados por debajo del promedio en el pretest podrán aparecer como que han aumentado su resultado en el postest. Inversamente, los individuos que han tenido resultados superiores al promedio en el pretest aparecerán con resultados no tan buenos en el postest. Por ejemplo, cuando nosotros damos un examen, algunas veces podemos tener una actuación por debajo de nuestras expectativas en relación al test debido a factores que escapan a nuestro control y que nada tiene que ver con nuestra capacidad académica (por ej., haber tenido una noche de insomnio antes del test o haber tenido un problema personal). Estos factores que no reflejan la verdadera capacidad son definidos como
errores. Es muy probable que la próxima vez que el test fuera tomado nuestro rendimiento aumentara sin
15 concretado, especialmente cuando un estudio es realizado en una situación altamente artificial y preparada -tal como sucede en un laboratorio- que impediría hacer extensivo el efecto de la variable experimental a las personas expuestas a ella en una situación no experimental. Varias características de los escenarios pueden tener efectos reactivos y afectar la validez externa del estudio. Por ejemplo, un pretest podría aumentar o disminuir la sensibilidad o la calidad de la reacción del participante a la variable experimental, haciendo que los resultados obtenidos para una población con pretest no fueran representativos de los efectos de la variable experimental para el conjunto sin pretest del cual se seleccionaron los participantes experimentales. Otro ejemplo estaría dado por las interferencias de los tratamientos múltiples , que pueden producirse cuando se apliquen tratamientos múltiples a los mismos participantes, pues suelen persistir los efectos de tratamientos anteriores. Este es un problema particular de los diseños experimentales de un solo grupo. V. TIPOS DE DISEÑOS EXPERIMENTALES Los diseños experimentales pueden ser clasificados en relación a los criterios que nosotros hemos discutido hasta aquí. Así, algunos diseños permiten la manipulación pero fallan al emplear métodos de control al proveer un adecuado plan de muestreo; otros pueden incluir grupos de control pero no tienen control sobre la manipulación de la variable independiente. De acuerdo con esto, los principales tipos de diseño que podemos distinguir son los siguientes:
El diseño experimental clásico, al que nos referimos anteriormente, es uno de los modelos lógicos más fuertes para inferir relaciones causales. Este diseño permite: a) comparaciones entre los grupos experimental y de control para el pretest y el postest; b) la manipulación de la variable independiente y además la determinación de la secuencia temporal de las variables; y, la más significativa, c) la asignación al azar ("randomly") de los sujetos a los grupos experimental y de control, que controla la mayoría de los factores que garantizan la validez interna. Grupo Pretest Estímulo Postest Experimental R 01 X 02 Control R 03 04 Sin embargo, este diseño es débil en lo que hace a la validez externa y no permite realizar generalizaciones a la población no testeada. Las dos variaciones de este diseño que veremos a continuación son más fuertes en este último aspecto (validez externa).
2. Diseño de cuatro grupos de Solomon El pretest en un contexto experimental tiene ventajas y desventajas. Aunque provee las bases para establecer la secuencia temporal tanto como la comparación, el pretest puede tener efectos reactivos severos. Debido a la sensibilización de la población muestreada, el pretest puede afectar los resultados del postest. Por otro lado, hay circunstancias bajo las cuales no es posible en la práctica realizar un pretest. El diseño de cuatro grupos de Solomon tiene las mismas características que el diseño clásico pero, además, incluye un set de grupos experimentales y de control que no son sometidos a un pretest. Así, el efecto reactivo del pretest puede ser medido directamente a través de la comparación de los dos grupos experimentales y los dos grupos de control. Estas comparaciones indicarán si X tiene un efecto independiente sobre los grupos que no fueron sensibilizados por el pretest. Si puede mostrarse que la variable independiente tuvo un efecto aún con la ausencia del pretest, los resultados pueden ser generalizados a poblaciones que no fueron medidas con anterioridad a la exposición de X. Campbell y Stanley (1970) señalan que "... no solo se aumenta la posibilidad de generalizar, sino que además se repite el efecto de X en cuatro formas diferentes... Las inestabilidades concretas de la experimentación son tales que, si esas comparaciones concuerdan, el vigor de la inferencia queda muy incrementado". Grupo Pretest Estímulo Postest
