Fases de la investigación científica en Psicología y ética de la investigación

Versión 1.1

Nada tiene tanto poder para ampliar la mente como
la capacidad de investigar de forma sistemática
y real todo lo que es susceptible de observación en la vida.

Marco Aurelio (121 d. C. -180 d. C).

INTRODUCCIÓN

Empleamos el método científico como forma de obtener conocimientos objetivos, válidos y fiables. En líneas generales, toda investigación puede ser considerada como un proceso de toma de decisiones respecto a diversos aspectos: cuál va a ser el problema que vamos a investigar; qué esperamos encontrar y, por tanto, qué hipótesis queremos poner a prueba; qué instrumentos vamos a utilizar para recopilar los datos que sirvan para probar esas hipótesis; quiénes van a componer la muestra de la que obtendremos los datos y cómo van a ser seleccionados; y qué análisis vamos a realizar para alcanzar conclusiones a partir de los datos obtenidos. Como podemos imaginar, las fases de este proceso están interrelacionadas, las decisiones tomadas en una de las etapas condicionarán los siguientes pasos del proceso. Por tanto, aunque las expongamos como fases diferenciadas, debe quedar claro que están todas ellas relacionadas, al ser el proceso investigador más que una mera suma de pasos a seguir.

FASES DE LA INVESTIGACIÓN EN PSICOLOGÍA

Las investigaciones llevadas a cabo según el método hipotético-deductivo siguen una serie de pasos:

1. Constatación de la existencia de un problema que, por el momento, no tiene solución o esta se desconoce.
2. Planteamiento de hipótesis o posibles explicaciones de ese problema.
3. Definición operativa de los conceptos (variables) reflejados en las hipótesis.
4. Elección de la mejor estrategia metodológica para contrastar esas hipótesis.
5. Análisis de los datos obtenidos.
6. Interpretación y extracción de conclusiones a partir de los resultados alcanzados.
7. Difusión de dichos hallazgos a través del informe de investigación.

Podría dar la impresión de que se trata de un proceso rígido e inflexible, lo cual es en parte cierto al seguir un orden, lógico y establecido, en la forma de plantear y llevar a cabo la investigación, pero dicha rigidez es solo parcial, puesto que la interrelación entre sus fases hace que las decisiones tomadas en cada una de ellas afecten a las siguientes; es decir, no se trata de etapas totalmente independientes como «compartimentos estancos» sino que podemos admitir cierta flexibilidad en el proceso asociada a las decisiones que iremos tomando en cada paso y que repercutirán en los siguientes.

Identificación del problema

Meltzoff (2000). Distintos tipos de preguntas requieren aproximaciones distintas para buscar respuestas. El tipo de pregunta determina en gran medida las características formales requeridas por el diseño de investigación.

El problema de investigación, entendido como cualquier pregunta que surge en torno a un tema concreto sobre el cual queremos ampliar conocimientos, es un componente fundamental de la investigación ya que será su origen; es decir, la primera fase de todo proceso investigador es la identificación del problema o pregunta de investigación.

La diferenciación entre relaciones de covariación y de causalidad está vinculada con la estrategia metodológica que emplearemos en nuestro estudio, de manera que la metodología manipulativa nos permitirá establecer relaciones causales y la no-manipulativa únicamente relaciones de covariación. Una relación de covariación o asociación entre variables significa que ninguna de las variables puede ser claramente identificada como causa de la otra, es decir, solamente podemos constatar que se relacionan. Por otro lado, las relaciones causales significan que una de las variables es la causante de los cambios en la otra. Las relaciones causales son las que establecemos al emplear estrategias de investigación manipulativas.

Las estrategias manipulativas tienen objetivos explicativos y tratan de encontrar relaciones causales, es decir, una variable es causa de los cambios en otra variable. Es el caso de los diseños experimentales y cuasiexperimentales. En las estrategias no manipulativas, cuando se establecen relaciones entre las variables, el tipo de relación es de covariación o asociación, es decir, cuando cambia una de las variables también lo hace la otra (pero no podemos llegar a afirmar que una variable es causante de los cambios que se dan en la otra). El objetivo de estas investigaciones no manipulativas puede ser meramente descriptivo (por ejemplo, describir la frecuencia con la que aparece determinados valores de una variable en la población, como ocurre en la epidemiología) o tener un carácter más analítico (como es el caso de determinados diseños ex post facto) en los que se estudia la relación entre las variables y en qué grado se da, pero no se pueden llegar a establecer relaciones causales entre las variables. Lo que debe quedar claro es que en las investigaciones que siguen la estrategia manipulativa se establecen relaciones causales, y en las que siguen una estrategia no manipulativa el tipo de relaciones que se pueden establecer entre las variables es de asociación o covariación.

Equipo Docente.

Planteamiento de objetivos e hipótesis

Ramos et al. (2004). El objetivo final de toda investigación es el conocimiento del fenómeno objeto de estudio; es decir, su descripción y/o explicación, para de esta forma poder predecirlo.

Chalmers (2010). La formulación de hipótesis no se desarrolla de la nada sino que parte de un conocimiento significativo del área sobre la que versa la investigación, presuponiendo un conocimiento apropiado del entramado conceptual por parte del investigador.

El siguiente paso es concretar nuestro objetivo, del cual también dependerá la estrategia metodológica que seleccionaremos posteriormente. Podemos identificar dos tipos de finalidades u objetivos generales: uno descriptivo y otro explicativo.

• Descriptivo (o exploratorio). La investigación que persigue este tipo de objetivo trata de conocer el fenómeno de estudio, cómo es y cómo se manifiesta, para lo que mide o recolecta datos sobre diversos aspectos o componentes del fenómeno de interés. Aunque estrictamente no es igual un objetivo descriptivo (el cual describe situaciones, eventos y hechos) que uno exploratorio (en el que pretendemos examinar un problema de investigación poco estudiado, del que se tienen muchas dudas o que, incluso, no ha sido abordado antes), en este tema no haremos mayor distinción entre ambos. Este tipo de objetivo emplea fundamentalmente la estadística descriptiva como herramienta para representar los datos obtenidos. Un ejemplo de investigación descriptiva podría ser el estudio de la frecuencia con que aparece una enfermedad en una población determinada.
• Explicativo (o confirmatorio). Las investigaciones con este objetivo tratan de establecer qué variables contribuyen a la aparición del fenómeno objeto de estudio. Cuando podemos identificar las causas que producen un fenómeno nos encontramos en posición de predecir su aparición, lo que solo ocurre si empleamos estrategias manipulativas (puesto que son las únicas en las que podemos asegurar cuáles son las causas y cuáles los efectos). Si utilizamos estrategias no manipulativas también podremos pretender un objetivo explicativo, aunque tendremos ciertas limitaciones debidas al hecho de no poder establecer relaciones causales. Por tanto, las investigaciones con este objetivo pueden considerar relaciones entre las variables tanto causales como de covariación, siendo necesario en ambas el contraste de hipótesis, por lo que la estadística inferencial tiene un papel relevante. Un ejemplo de investigación con un objetivo explicativo podría ser comprobar si una nueva intervención psicoterapéutica produce una disminución mayor en el nivel de estrés percibido que la producida por la intervención clásica.

Una vez que tenemos clara la pregunta de investigación y cuál es el objetivo general del estudio, el siguiente paso será formular la hipótesis de la investigación. La hipótesis puede ser definida como una predicción sobre los resultados concretos que esperamos encontrar, es decir, nuestra respuesta (potencial o posible) a la pregunta de investigación, en la cual se explicita la relación que creemos existe entre las variables implicadas en nuestro estudio (en el ejemplo expuesto como investigación explicativa, la relación existente entre las variables intervención psicoterapéutica y estrés percibido). Es importante señalar que no todas las investigaciones van a plantear hipótesis. Por ejemplo, los estudios cuyo objetivo es descriptivo o exploratorio no suelen formular hipótesis. Sin embargo, siempre que se persigue un objetivo explicativo, tanto de covariación como de causalidad, se plantearán hipótesis que serán posteriormente contrastadas.

En líneas generales, para llevar a cabo el contraste de hipótesis debemos reformular la hipótesis de investigación, expresándola en términos adecuados para el contraste de datos en lo que se denomina hipótesis estadística, la cual engloba siempre dos hipótesis diferentes y mutuamente excluyentes: la hipótesis nula (H₀) y la hipótesis alternativa (H₁), de manera que rechazar una de ellas conlleva aceptar la otra.

• La hipótesis nula (H₀) es la afirmación sobre la no existencia de relación entre variables o que, de existir, esta se debe solo al azar. Esta H₀ es la que se emplea para realizar la contrastación estadística, asumiéndose como verdadera hasta que la prueba estadística aplicada a los datos del estudio (a modo de prueba empírica) indique lo contrario. Un ejemplo de hipótesis nula podría ser: «El grupo tratado con la nueva intervención psicoterapéutica reducirá de igual forma su nivel de estrés percibido que el tratado con la intervención clásica».
• La hipótesis alternativa (H₁) se identifica normalmente con la hipótesis de investigación, ya que solemos realizar investigaciones que hipotetizan la existencia de relaciones entre variables. La hipótesis alternativa asociada a la hipótesis nula anteriormente presentada sería: «El grupo tratado con la nueva intervención psicoterapéutica reducirá en mayor medida su nivel de estrés percibido que el tratado con la intervención clásica».

Las hipótesis estadísticas son dos: la hipótesis nula y la hipótesis alternativa. Ambas tienen que ser mutuamente exclusivas, es decir, si una es cierta la otra ha de ser falsa, y exhaustivas, esto es, deben incluir todos los posibles casos o resultados.

Un ejemplo de hipótesis alternativa  puede ser «Existen diferencias en el tiempo de reacción entre un grupo de personas con 0,20 miligramos de alcohol por litro en aire espirado y otro con 0,10 miligramos de alcohol por litro en aire espirado, estando ambas tasas por debajo del límite legal permitido«, mientras que la hipótesis nulas sería «No existen diferencias en el tiempo de reacción entre un grupo de personas con 0,20 miligramos de alcohol por litro en aire espirado y otro con 0,10 miligramos de alcohol por litro en aire espirado” (es decir, ambos grupos tendrán un tiempo de reacción igual o muy similar). La manera de contraste la hipótesis de la investigación es a través de la hipótesis nula. Por tanto, si mis datos me llevan a rechazar esta hipótesis nula, aceptaré la hipótesis alternativa, por lo que concluiré que el tiempo de reacción de los participantes se ve influenciado por la tasa de alcohol que la persona tenga en sangre. Por el contrario, si mis datos me hacen mantener esta hipótesis nula, tendré que concluir que el tiempo de reacción de los participantes no se ve afectado por la tasa de alcohol en sangre. Por tanto, la hipótesis nula es la que se somete a comprobación y, por tanto, es la que se rechaza, o no, como conclusión final de un contraste. La hipótesis nula se rechaza cuando el valor p asociado al resultado observado es igual o menor que el nivel de significación establecido (convencionalmente .05 ó.01) o nivel de riesgo. Si el valor p es superior al nivel de significación no podemos rechazar la hipótesis nula.

Equipo Docente.

Las variables

Fairchild y MacKinnon (2009). Este tipo de variables moderadoras se suelen estudiar, por ejemplo, en los programas de prevención de la salud con el objeto de conocer los motivos por los que un programa es más efectivo en unos subgrupos que en otros.

El término variable puede definirse como cualquier característica susceptible de cambiar por lo que, al menos, presenta dos valores distintos. Por tanto, variable es lo opuesto a constante. Según la Teoría de las Escalas de Medida de Stevens (1946) hay cuatro tipos de escalas y cada una de ellas soporta una clase de transformación determinada:

1. La escala nominal o categórica consiste en la asignación arbitraria de números a cada una de las categorías o niveles de la variable. En esta escala los números asignados no tienen propiedades lógico-matemáticas (suma, resta, multiplicación o división) sino exclusivamente simbólicas puesto que los empleamos para identificar las diversas características de la variable. La única relación que tiene en cuenta esta escala es la de igualdad-desigualdad, es decir, podemos decir si una característica personal (variable) es igual o diferente a la de otra persona (por ejemplo, el sentido de su voto, llevando a cabo la siguiente codificación VOX = 1; PP = 2; PSOE = 3; PODEMOS = 4; MÁS PAÍS= 5) pero no podemos establecer relaciones de orden ni de cantidad.
2. La escala ordinal, además de asignar números a cada una de las categorías o niveles de la variable, clasifica a las personas, eventos u objetos en una posición con relación a un cierto atributo, pero sin indicar la distancia que hay entre las posiciones; solo se señala si existe una relación «mayor o menor que» entre ellas. Las etiquetas, números o símbolos asignados sí indican jerarquía aunque, como hemos comentado, no es posible conocer la magnitud de la diferencia entre cada una de las categorías. Por ejemplo, según los criterios de Hoehn y Yahr hay 5 estadios de la enfermedad de Parkinson (estadio I, II, III, IV o V), por lo que encontrarse en un estadio IV significa que la enfermedad está más avanzada que hallarse en un estadio II, pero no se puede precisar «cuánto más avanzada» está en cada caso, o dicho de otro modo, no podemos afirmar que la diferencia del grado de deterioro que hay entre el estadio I y II sea la misma que hay entre el estadio IV y V.
3. La escala de intervalo además de identificar la categoría que posee la persona y clasificarla en una posición en relación a un cierto atributo, a diferencia de la escala ordinal, sí permite «establecer las distancias» entre los individuos. Podemos decir que lo que caracteriza a esta escala es la existencia de una unidad de medida común y constante, que permite asignar un número real al nivel de la variable que posee la persona. Otra de las principales características de esta escala de medida es que el cero no es absoluto, es decir, no designa la ausencia de la característica o variable que estamos midiendo, lo que se conoce como «origen arbitrario» de la escala de medida. Por ejemplo, una puntuación de 0 en el cuestionario de ansiedad STAI no significa ausencia total de ansiedad. Además, podemos afirmar que la diferencia entre una puntuación de 20 y otra de 40 es la misma que entre 40 y 60, aunque no podemos decir que 40 sea «el doble de ansiedad» que 20.
4. La escala de razón admite como válidas las relaciones de igualdad-desigualdad, orden, suma, resta, multiplicación y división. Es la escala de medida «más precisa» dado que usa un sistema numérico en el que el cero es un valor que indica ausencia de la característica que se está midiendo (origen absoluto), es decir, cuando afirmamos que hay 0 pacientes citados en la consulta de salud mental el próximo lunes significa que carece de esa propiedad, esto es, que no hay ninguna persona citada. Además de origen absoluto, la distancia entre sus unidades es igual, de forma que los números asignados a los objetos se pueden sumar, restar, multiplicar y dividir. Por ello, podemos afirmar que 20 pacientes citados son el doble de 10 pacientes (debido a la misma distancia entre sus unidades).

Como acabamos de ver, las variables se pueden clasificar en función de su nivel de medida en nominales, ordinales, de intervalo y de razón que, a su vez, podemos «reclasificar» en variables cualitativas, cuasicuantitativas y cuantitativas, pudiendo considerarse las variables nominales como cualitativas, las ordinales como cuasicuantitativas y las de intervalo y de razón como cuantitativas.

• Variables cualitativas. Variables que solo designan una cualidad o atributo, pueden ser:
  • dicotómicas, si solo tienen dos categorías (p. ej., fumador – no fumador).
  • politómicas, si poseen más de dos categorías (p. ej., estado civil: soltero, casado, viudo o separado).
• Variables cuasicuantitativas. Variables cuyos valores no son numéricos aunque sí admiten una ordenación natural (p. ej., el grado de satisfacción con un determinado servicio valorándolo como «5-excelente», «4-bueno», «3-regular», «2-malo» y «1-pésimo»)
• Variables cuantitativas. Aquellas variables que definen una cantidad (p. ej., perímetro craneal), pueden ser:
  • discretas, adoptar valores aislados (p. ej., número de hijos).
  • continuas, tener valores en cualquier punto de una escala de for ma ininterrumpida (p. ej., podemos registrar que una persona pesa 79 kg, 79.3 kg, 79.34 kg, 79.343 kg, etc. «afinando» en el registro todo lo que queramos).

Es importante señalar que las variables cuantitativas se pueden transformar en dicotómicas o politómicas si queremos emplearlas para clasificar. Por ejemplo, en función de su altura nos puede interesar clasificar a las personas en 3 grupos: altos, medios y bajos, y no trabajar directamente con esta variable cuantitativa.

En líneas generales, que una variable sea dependiente, independiente o extraña no es algo intrínseco o propio de la variable, sino que casi todas las variables pueden desempeñar cualquiera de esos papeles en la investigación, dependiendo de la función que asuman en el estudio. Como sabemos, la realidad es compleja, por lo que es probable que para poder explicar determinados fenómenos no podamos reducirlos a una relación entre únicamente dos variables, sino que también deberemos estudiar el papel de otras variables implicadas en esta relación. Estas terceras variables pueden producir diversos efectos en la relación VI-VD, como el espurio o de confusión, el de mediación y el de moderación, que veremos a continuación.

Una variable espuria es una variable extraña que no hemos controlado correctamente y está interactuando con el tratamiento (variable independiente) e incluso con la conducta del participante (variable dependiente). Es decir, los cambios en la VD no se deben a la VI sino al efecto de esa variable extraña, de tal forma que si esa variable no existiera la relación VI-VD sería nula (efecto espurio total) o casi nula (efecto espurio parcial). Ejemplo, se puede hallar una relación entre la soledad percibida (VI) y edad de fallecimiento (VD), aunque esta relación puede deberse a una tercera variable: llevar una vida saludable. Si controlamos esta tercera variable (por ejemplo, seleccionando solo a las personas mayores que llevan una vida saludable), entonces podemos encontrar que no existe relación entre la soledad percibida y edad de fallecimiento o que esa relación se minimiza. Por tanto, si cuando desaparece la variable espuria no existe relación entre la VI y la VD tendríamos el efecto espurio total, mientras que si cuando desaparece la variable espuria existe algo de relación entre la VI y la VD tendríamos un efecto espurio parcial.

Equipo Docente.

El efecto espurio o de confusión se produce por una tercera variable que se relaciona tanto con la variable independiente (o predictora) como con la dependiente (o criterio). Un ejemplo de este efecto se podría producir al estudiar la relación entre la soledad percibida por las personas (VI) y su edad de fallecimiento (VD). Es factible pensar que las personas que se sienten solas fallecerán antes que las que no experimentan este sentimiento, pero la asociación entre estas dos variables, si es que se da, puede reducirse o incluso desaparecer al controlar sus hábitos de salud (física y mental). Las personas que cuidan su alimentación, hacen deporte, se mantienen mentalmente activas, practican actividades de ocio y se sienten integrantes de un grupo, posiblemente sean más longevas y también se sientan menos solas. Por tanto, la relación que podemos encontrar entre la soledad y la edad de fallecimiento, en realidad, estaría explicada por la asociación que tiene esta tercera variable (hábitos saludables) tanto con la variable predictora (soledad percibida) como con la variable criterio (edad de fallecimiento).

Respecto al papel mediador o moderador, la variable mediadora es aquella tercera variable que explica el mecanismo de la relación VI-VD en la medida en que el efecto de la VI sobre la VD es total o parcialmente indirecto, produciéndose a través de dicha variable mediadora. Es decir, la relación VI-VD está mediada o mediatizada por esta tercera variable. Por su parte, las variables moderadoras son aquellas terceras variables que en función del valor que tomen, alteran la magnitud y/o el signo (positivo o negativo) de la relación VI-VD.

Una variable mediadora es aquella que explica cómo y por qué se produce el efecto de la VI en la VD, es decir, media entre ambas. Por ejemplo, si queremos ver la influencia que los conflictos familiares (nuestra VI) tiene en el consumo de sustancia en los adolescentes (nuestra VD) ya que pensamos que cuantos más conflictos en casa, mayor será la probabilidad de que el adolescente consuma sustancias, deberemos tener en cuenta algunas variables que, posiblemente, estén mediando en esta relación. Tal es el caso de la variable autoestima, la cual seguramente está afectada por los conflictos en casa (posiblemente, si hay conflictos en casa la autoestima del adolescente se verá mermada) pero, a su vez, la autoestima puede influir en la tendencia al consumo de sustancias (es bastante probable que los adolescentes con menor autoestima sean más proclives al consumo de sustancias). Por su parte, la variable moderadora explica cuándo o en qué circunstancias se produce el efecto de la VI en la VD, es decir, bajo qué circunstancias, por lo que esta variable moderadora altera la magnitud o la dirección de la relación VI-VD. Por ejemplo, pensamos que a más horas de estudio (nuestra VI) mejor será el resultado en el examen (VD) pero esta relación está moderada por el CI del estudiante. Si la persona tiene un CI alto posiblemente no necesitará tantas horas de estudio para conseguir los mismos resultados. El CI es moderadora, y no mediadora, ya que dicha variable no se relaciona con la VI y con la VD directamente, sino únicamente con la relación que se da entre ambas, ya que por muchas horas que dedique una persona al estudio su CI no aumenta. Si seguimos nuestro ejemplo, podría resultar que no siempre más horas de estudio significan mejores resultados en el examen, sino que puede ocurrir que determinados valores en la variable moderadora CI pudieran invertir esta relación directa, ya que podría ocurrir que en las personas con un CI bajo más horas de estudio produjeran peores resultados en el examen (puesto que les lleva a confundir conceptos, hace que les surjan más dudas, etc.), produciéndose así un cambio en el sentido de la relación VI-VD (horas de estudio – calificación en el examen), pasando de ser una relación directa o positiva a ser una relación inversa en determinados valores de la variable moderadora CI.

Equipo Docente.

En principio, una variable de confusión es una tercera variable que podría considerarse como una variable extraña, ya que podría ejercer un efecto pernicioso sobre los resultados si no es controlada lo que nos puede llevar a identificar una relación VI-VD que no es «real» o que está «inflada». Por otro lado, las otras dos terceras variables, esto es, las mediadoras y las moderadoras, también van a tener un efecto en la relación VI-VD que, en el caso de no medirse, no tendríamos en cuenta por esa falta de registro, lo que haría que su efecto se pudiera considerar varianza error (es decir, un efecto producido por variables extrañas). Es decir, las terceras variables espurias o de confusión podrían considerarse variables extrañas, mientras que las variables mediadoras y moderadoras no, pero podrían serlo en caso de que no se hayan medido y, por tanto, no pudiéramos evaluar su efecto.

Equipo Docente.

Método: procedimiento para la recogida de datos

En esta fase se toman decisiones sobre el diseño específico que utilizaremos en nuestro estudio, sobre la muestra que seleccionaremos para recoger los datos del estudio, así como sobre los instrumentos que emplearemos y los procedimientos que implementaremos para ello.

Diseño de la investigación

Necesitamos elegir qué estrategia metodológica será la que empleemos para alcanzar los objetivos de nuestro estudio, es decir, debemos identificar la estructura formal del estudio o plan de investigación (experimental, cuasiexperimental, ex post facto, etc.).

Selección de los participantes

Dowdy y Wearden (1991). El objetivo de seleccionar la muestra es, a partir de los datos obtenidos de ella, hacer inferencias o estimar los resultados que obtendríamos si lleváramos a cabo el estudio con toda la población a la que pertenece esa muestra (es decir, a partir de los valores concretos de los estadísticos muestrales inferir los parámetros poblacionales). Para que esta estimación sea segura, la situación ideal sería que la muestra cumpliera una serie de condiciones, concretamente: ser representativa, suficientemente grande y aleatoria.

Aunque normalmente entendemos la población como el total de personas que forman un país o estado, en investigación no es así en términos estrictos. Mediante el término población representamos el conjunto de todos los elementos que comparten una característica, condición o propiedad (o varias) bien determinada y en función de la cual se definen o identifican. Por ejemplo, la población «mujeres mayores de 45 años que no ejercen su derecho a voto» estará compuesta por todas las mujeres que cumplen las citadas características (es decir, que no votan, y tienen más de 45 años). Por otro lado, el término muestra se define como una parte o subconjunto de elementos de una población que representa las características de esta (p. ej., un grupo de 600 mujeres, mayores de 45 años y que no ejercen su derecho a votar, seleccionadas aleatoriamente de entre todas las provincias españolas). Cada elemento seleccionado de la población para constituir la muestra se denomina unidad muestral y debe cumplir los criterios de selección establecidos (p. ej., pertenecer a un colectivo, tener una determinada configuración, encontrarse en determinada zona geográfica, etc.). La unidad muestral no siempre va a ser un individuo o participante, aunque sea lo más frecuente, sino que las unidades muestrales también pueden ser grupos de individuos (p. ej., familias, equipos de fútbol, etc.), instituciones (p. ej., colegios, universidades, etc.) o ámbitos (p. ej., ciudades, provincias, etc.).

Por otro lado, el tamaño de la muestra también es importante y está directamente asociado con el grado de precisión que se desea obtener en la estimación de los parámetros de la población, en líneas generales, se recomienda que la muestra sea grande para garantizar la representación de todas las características de la población en esa muestra. Si la población es homogénea, el tamaño muestral necesario será menor que si es heterogénea, en cuyo caso habrá que aumentar el tamaño muestral para que sea representativa de la población. También deberemos tener en cuenta que en estudios donde se van a tomar varias medidas a lo largo del tiempo puede producirse una pérdida de unidades muestrales por abandono, por lo que se recomienda seleccionar un tamaño muestral aún mayor para que no se produzca ninguna alteración en la representatividad asociada a esta pérdida. Existen diversas calculadoras disponibles en Internet para hallar el tamaño muestral necesario según el tipo de contraste que queramos llevar a cabo en nuestra investigación (de medias, de proporciones…), pero dicho contenido excede el de esta materia, por lo que no lo abordaremos.

Por último, la tercera característica que idealmente debe tener la muestra es que sea aleatoria. Las muestras aleatorias permiten cualquier inferencia estadística. En las situaciones donde, por los motivos que sea, no es posible obtener una muestra de manera aleatoria, el investigador deberá asumir los riesgos de emplear un muestreo no probabilístico para llevar a cabo la inferencia estadística (p. ej., posibles problemas de generalización, potencial falta de replicabilidad, etc.). Existen dos tipos de técnicas de selección de una muestra: probabilísticas y no probabilísticas.

👁️‍🗨️Técnicas de muestreo

• Muestreo probabilístico. En este tipo de muestreo, todos los elementos de la población tienen una probabilidad conocida de ser seleccionados para formar parte de la muestra. Dentro de los métodos de muestreo probabilístico o aleatorio destacamos:
  • Muestreo aleatorio simple (m.a.s.). Consiste en seleccionar al azar un número n de elementos de una población. Para poder emplear este tipo de muestreo todos los elementos de la población deben tener la misma proba- bilidad de ser elegidos y la selección de uno de ellos no debe influir sobre la selección de otro. Este tipo de muestreo se realiza cuando existen listados de todos los elementos de la población y tenemos acceso a ellos.
  • Muestreo aleatorio estratificado. Empleamos este tipo de muestreo cuando la característica objeto de estudio no se distribuye de forma homogénea en la población, pero podemos identificar subgrupos o estratos que sí presentan homogéneamente dicha característica. En este tipo de muestreo, de cada estrato se extraerá una muestra aleatoria simple. Previamente, se debe decidir cuál es el criterio de afijación de la muestra, es decir, la regla de selección aleatoria de los participantes entre los diferentes estratos. Hay tres criterios para llevar a cabo la afijación:
    • Simple: se selecciona el mismo número de participantes en cada estrato.
    • Proporcional: la selección de los participantes se realiza de forma proporcional al peso que cada estrato tiene en la población (p. ej., si en la población hay un 10% de zurdos y un 90% de diestros la muestra también contendría el 10% de zurdos y el 90% de diestros).
    • Óptima: la selección de la muestra tiene en cuenta no solo el peso de los estratos en la población sino también su grado de homogeneidad-heterogeneidad en la característica objeto de estudio, lo que lleva a seleccionar menos individuos de los estratos que sean muy homogéneos y más casos de aquellos estratos que sean más heterogéneos. La dificultad de aplicación de este tipo de muestreo está en la exigencia de conocer previamente el grado de homogeneidad-heterogeneidad de los estratos.
  • Muestreo aleatorio por conglomerados. Este tipo de muestreo consiste en obtener la muestra partiendo de conglomerados o grupos ya formados (p. ej., las clases de un colegio, los equipos de fútbol de la liga, etc.), en lugar de hacerlo directamente de los individuos de la población; es decir, es un muestreo en el que los elementos de la muestra son conglomerados. Por ejemplo, si queremos estudiar las condiciones de salud de los escolares en una ciudad determinada, lo que hacemos es seleccionar aleatoriamente una muestra de escuelas (las cuales son conglomerados o grupos) y medir las condiciones de salud de todos los alumnos pertenecientes a esas escuelas seleccionadas.
• Muestreo no-probabilístico. En el muestreo no probabilístico se desconoce la probabilidad de seleccionar cada uno de los elementos que forman la población. Este tipo de muestreo se emplea cuando: no es posible extraer una muestra aleatoria porque desconocemos el total de las unidades que componen la población, estas son inaccesibles o se trasladan de forma continua; tenemos limitaciones de recursos, temporales, personales y económicos, que imposibilitan la aplicación del muestreo probabilístico; o queremos tener simplemente un primer acercamiento al problema objeto de estudio, lo que exige un control de selección de la muestra menos riguroso. Los resultados obtenidos mediante este tipo de muestreo podrán describir o explicar lo ocurrido en una situación determinada pero no podrán extrapolarse o generalizarse a toda la población, puesto que no tenemos seguridad sobre la representatividad de la muestra. Esto hace que su capacidad de generalización sea reducida (validez externa). Entre las técnicas de muestreo no probabilístico podemos destacar:
  • El muestreo por cuotas. Es un tipo de muestreo no probabilístico que se realiza cuando la estratificación aleatoria no es posible. Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los individuos más «representativos» o «adecuados» para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter aleatorio de este. En este tipo de muestreo es necesario saber qué proporción de la población tiene determinada característica que, pensamos, puede influir en el estudio (p. ej., sexo, la distribución de la edad, la distribución de mujeres trabajadoras, etc.). En función de dicha característica se establecen unas cuotas de participantes por grupos (p. ej., por sexo, edad, etc.), aunque la selección posterior de los participantes será no aleatoria y estará basada en el juicio del investigador, quien determinará las características y el número de personas que las reúnen que deben ser evaluadas según las cuotas establecidas.
  • Muestreo intencional, opinático, teórico o de juicio experto. El investigador selecciona la muestra con un propósito en mente, es decir, según su idea sobre qué o quién debe formar la muestra (p. ej., casos atípicos).
  • Muestreo incidental, casual, subjetivo o de conveniencia. Consiste en seleccionar los elementos de la población que son fácilmente accesibles al investigador. Por ejemplo, se seleccionan los casos que están disponibles en el momento en el que se lleva a cabo el estudio (p. ej., participantes voluntarios, personas que salen de una estación de metro, etc.).
  • Muestreo de bola de nieve o en cadena. Se emplea para acceder a casos pertenecientes a poblaciones de difícil localización. En determinados casos la población no es fácilmente accesible al investigador (p. ej., personas sin hogar, miembros de bandas juveniles, etc.), de manera que recurrimos a esta técnica mediante la cual los primeros participantes que han colaborado en la investigación identifican e incorporan al estudio, de forma sucesiva, a otros participantes de su red social en la cual estamos interesados.

Una muestra es un subconjunto representativo de una población determinada. Por ejemplo, si quiero hacer un experimento con alumnos de la asignatura Fundamentos de Investigación no tengo que utilizar los 6863 alumnos matriculados en la UNED en el curso 2020-21 (población) sino que selecciono, por ejemplo, a 500 alumnos de esta asignatura para hacer el experimento (muestra). Ahora bien, para que los resultados del experimento se puedan generalizar a la población de todos los estudiantes de Fundamentos de investigación del curso 2020-21 de la UNED, la muestra tiene que ser cumplir una serie de requisitos, entre los que destacan: a) tiene que ser representativa de la población (las características de los 500 estudiantes tienen que ser las mismas que las de los 6863 alumnos que componen la población; b) tiene que ser lo suficientemente grande para poder representar (contener) todas las características de la población (por ejemplo, tiene que tener alumnos matriculados en todos los centros asociados, de todos los rangos de edad, de alumnos de 1ª matrícula y repetidores, que sea su primera carrera o que ya tengan otra titulación, etc.), y, c) debe haberse elegido aleatoriamente (es decir, por azar y no que el experimentador elija los que se encuentra por el pasillo del laboratorio, por ejemplo), o lo que es lo mismo, todos los alumnos deben tener la misma probabilidad de ser elegidos para formar parte de la muestra. Si no se cumplen las condiciones anteriores en la muestra, esta puede estar sesgada (o lo que es lo mismo, las características de la muestra son diferentes a las características de la población), por lo que no se podrán generalizar los resultados obtenidos en la muestra a la población de interés.

Equipo Docente.

El registro de las variables: instrumentos y procedimiento

Hernández et al. (2007). La recogida de datos implica seleccionar o elaborar uno o varios instrumentos de recolección de datos entre los disponibles en el área de estudio en la cual se inserta nuestra investigación, debiendo ser instrumentos válidos y fiables, ya que, de lo contrario, no podremos basarnos en sus resultados.

Escogeremos el instrumento o instrumentos de medida a través de los cuales recogeremos los datos de la VD, pudiendo ser estos estandarizados y publicados o, por el contrario, elaborados ad hoc por los propios investigadores para el estudio. En ambos casos, es necesario aportar información sobre la calidad métrica de los datos que proporcionan. Además, en esta toma de decisión respecto a la elección del instrumento de medida debemos tener presente que la escala en la que sean medidas las variables condicionará el análisis de datos que podamos realizar posteriormente. Es también necesario tener en cuenta el procedimiento de investigación propiamente dicho por lo que tendremos que tomar decisiones, además de sobre los instrumentos como acabamos de comentar, sobre el momento temporal y el lugar donde se recogerán los datos, si se hará una única recolección o se tomarán repetidas medidas a los participantes, quién hará esta recogida de datos, qué instrucciones recibirán los participantes, etc.

Análisis de datos

Hernández et al. (2007). Los análisis de datos que llevemos a cabo en nuestra investigación van a depender principalmente: a) del propósito o finalidad que tengamos y b) del planteamiento del problema y de las hipótesis.

Camerer et al. (2018); Cohen (1994); Ioannidis (2005); Kitchener et al. (2019). Gran parte del problema de no obtener los mismos resultados cuando se replican los estudios reside en que muchos de esos resultados de investigación no siguen un buen estándar de evidencia científica, producto del mal uso o la mala interpretación de los métodos estadísticos utilizados, particularmente del contraste de hipótesis basado en la significación estadística y los p-valores.

El análisis de datos normalmente tiene dos propósitos:

• Resumir y buscar regularidades en los datos obtenidos. Para alcanzar este objetivo empleamos la estadística descriptiva.
• Predecir resultados y generalizarlos a otras situaciones, poblaciones o momentos temporales. Para ello recurriremos a la estadística inferencial, que es la herramienta de la que nos serviremos para realizar el contraste de hipótesis.

El análisis de datos también va a depender del problema planteado y de las hipótesis derivadas de él, ya que vamos a poner a prueba si nuestros datos apoyan o refutan la predicción sobre los resultados concretos que esperamos encontrar y, por tanto, nos llevan a aceptar o a rechazar nuestra hipótesis. Este proceso se conoce como contraste de hipótesis. Las pruebas estadísticas concretas que vamos a utilizar para contrastar la hipótesis, van a depender de:

• El nivel de medida de las variables registradas. No vamos a poder realizar el mismo tipo de análisis si nuestra variable tiene un nivel de medida nominal, donde podremos analizar el porcentaje de participantes que tienen esta característica y poco más (p. ej., 58% mujeres y 42% hombres), que si trabajamos con una variable con un nivel de medida de intervalo, que nos permite llevar a cabo una gran cantidad de análisis (p. ej., utilizando medias, proporciones, índices de dispersión, etc.).
• El diseño de investigación utilizado. La estrategia que vayamos a seguir y las decisiones que tomemos sobre el número de variables independientes de nuestra investigación, los niveles que tengan estas variables independientes, el trabajar con grupos distintos o tomar medidas repetidas de un solo grupo, etc. condicionarán la prueba estadística que empleemos para analizar los datos y contrastar las hipótesis.
• Las características que tengan los datos recogidos. Dependiendo de que estos cumplan determinados requisitos respecto a su distribución, dispersión, etc. vamos a poder llevar a cabo un tipo de análisis paramétrico (si se cumplen dichos requisitos) o no paramétrico (cuando el cumplimiento de dichos requisitos no se produce).

Cada análisis estadístico tiene su razón de ser, puesto que no son un fin en sí mismos sino únicamente una herramienta de la que nos servimos para el contraste de las hipótesis, no debiéndose llevar a cabo más análisis de los necesarios. El contraste de hipótesis es el proceso mediante el cual podemos determinar si las predicciones que hacíamos al principio de la investigación (hipótesis) son congruentes con los datos obtenidos en nuestro estudio. Por tanto, una vez recogidos estos datos y analizados a través de la prueba estadística correspondiente, obtendremos el valor del estadístico que hallamos calculado (p. ej., t de Student si comparamos las medias de dos grupos; r de Pearson si analizamos la correlación entre dos variables numéricas; etc.) y el valor de probabilidad (p) asociado al valor de dicho estadístico el cual, como expondremos más adelante, será importante en la toma de decisiones del contraste de hipótesis. Para poder llevar a cabo dicho contraste necesitamos «traducir» las hipótesis planteadas a hipótesis estadísticas. La hipótesis nula (H₀) y la hipótesis alternativa (H₁) son mutuamente excluyentes por lo que, al realizarse el contraste de hipótesis en base a la H₀, si nuestros resultados nos llevan a mantener la H₀ como verdadera tendremos que rechazar la H₁ y viceversa, si rechazamos la H₀ entonces aceptaremos la H₁.

El nivel de riesgo o de significación (a) suele tomar los valores de 0.05 o 0.01, siendo este valor previamente establecido por el investigador. Si establecemos el valor en 0.05 significa que la probabilidad de que las diferencias observadas entre los grupos sean debidas al azar es solo del 5%. Si se quiere un nivel de confianza más alto se puede establecer el valor de a = 0.01. Estos son términos estadísticos que se entenderán mejor cuando se estudie la asignatura de Introducción al Análisis de Datos, por lo que no son objeto de esta asignatura.

Equipo Docente.

A través de los análisis estadísticos realizados, obtendremos el valor del estadístico para los datos de nuestra muestra, el cual lleva a asociado un nivel de probabilidad (p-valor, también denominado simplemente p). Para llevar a cabo el contraste de hipótesis propiamente dicho, recurrimos al criterio de significación estadística de los resultados, mediante el que comparamos el nivel de riesgo o significación marcado previamente por el investigador (α = 0.05 o α = 0.01) con el valor p asociado al estadístico de contraste. Si p es mayor que a mantenemos la H₀, es decir, concluimos que no hay asociación estadísticamente significativa entre las variables objeto de nuestra investigación. En cambio, si p es menor o igual que a rechazamos la H₀ y podemos afirmar que sí existe asociación estadísticamente significativa entre las variables.

Cada vez son más las voces críticas respecto a la validez del criterio de significación estadística de los resultados, ya que, al tratarse de una convención, no siempre es garantía de calidad, pudiendo resultar un criterio precario para establecer la relevancia de los datos obtenidos, máxime si tenemos en cuenta la «crisis de replicabilidad» que se está produciendo en varias áreas, entre ellas la Psicología. Hay autores que proponen emplear el tamaño del efecto para valorar la relevancia de los resultados encontrados en un estudio en lugar de hacerlo únicamente basándose en la significación estadística.

Interpretación de los resultados

Tras analizar los datos, es cuando podemos interpretar los resultados obtenidos en relación con los supuestos teóricos sobre los que planteamos el estudio. Además de poder vincular los resultados obtenidos con los conocimientos teóricos existentes y las investigaciones afines sobre el área, también debemos hacerlo con la hipótesis de partida, de manera que llevaremos a cabo un proceso de discusión donde pondremos en relación los hallazgos obtenidos con dichas hipótesis. Además de la discusión, llegados este punto podemos sacar unas conclusiones claras respecto al trabajo realizado. A pesar de haber alcanzado unas conclusiones, hay que recordar que el proceso investigador no es definitivo puesto que el conocimiento científico es modificable y será válido únicamente hasta que aparezcan datos opuestos a los hallazgos vigentes.

Comunicación de los resultados de la investigación

No tendría sentido el enorme esfuerzo que supone cualquier proceso investigador si después no se divulgan los resultados obtenidos. De qué hubiera servido el descubrimiento de la anestesia si no se hubiera compartido con el resto del mundo; seguro que la medicina y sus avances no serían tal cual los conocemos en la actualidad.

ÉTICA EN EL PROCESO DE INVESTIGACIÓN

Wadeley y Blasco (1995). […] debe quedar claro que las normas éticas y los códigos deontológicos de una profesión están establecidos desde dentro de la misma, y que intentan delimitar lo correcto y lo incorrecto de las acciones que se llevan a cabo en el ejercicio de esa profesión. Sin embargo, no son leyes y, por lo tanto, no sólo no tienen el valor jurídico de éstas, sino que pueden entrar en contradicción con ellas en determinados casos. En consecuencia, debemos ser conscientes de cuándo estamos rigiendo nuestra actividad por criterios éticos generales, cuándo lo hacemos en base a un código deontológico y cuándo lo hacemos en base a criterios legales.

Cualquier investigación debe considerar la relación entre los riesgos que conlleva para los participantes el formar parte del estudio (p. ej., tiempo personal dedicado, estrés mental o emocional) y los potenciales beneficios (p. ej., obtener un dinero extra, conocimientos, mejorar la condición humana, etc.). Los códigos éticos únicamente son elementos de referencia, pueden existir dilemas que no tienen una única solución. En cualquier caso la investigación se desarrolle siempre guiada y acotada por dichas normas.

La historia de la protección de los derechos de los participantes en la investigación arranca en 1947 con el Código de Nüremberg. Este es el documento más importante en la historia de la ética en investigación médica y ha servido de base a todos los códigos posteriores como la Declaración de Helsinki (1964, cuya última versión está fechada en 2013) y a los distintos códigos éticos de la Organización Mundial de la Salud y de las Naciones Unidas.

declaracion_de_helsinki

Si nos centramos en la investigación en Psicología, sociedades como la British Psychological Society (BPS) y la American Psychological Association (APA) han acordado las directrices sobre los aspectos éticos relacionados con la investigación en esta área de conocimiento. Por ejemplo, la BPS en su Ethical Principles for Conducting Research with Human Participants de 1992 introdujo el término «participante» para reemplazar al de «sujeto», y la noción de «investigar con» los participantes en lugar de «investigar en» los participantes.

CodigoDeontologicodelPsicologo-vigente

Los principios generales del Código ético de la APA son una guía para los psicólogos, e inculcan los ideales éticos más elevados de la profesión. No representan obligaciones, por lo que no constituyen la base para imponer sanciones, pero sí son el ideal de excelencia a alcanzar por todo psicólogo.

El Código ético de la APA tiene como objetivo brindar estándares éticos o normas de conducta profesional que sirven de orientación a los psicólogos, quienes las aplican a las actividades que forman parte de sus funciones científicas, educativas o profesionales. Las áreas que cubren estas normas incluyen, entre otras: Psicología clínica, asesoramiento y práctica escolar de la psicología, investigación, docencia, la supervisión, el servicio público, el desarrollo de políticas, la intervención social, el desarrollo de instrumentos de evaluación, la realización de evaluaciones, el asesoramiento educativo, la consultoría organizacional, las actividades forenses, el diseño y evaluación de programas, y su administración.

Los estándares éticos del Código ético de la APA establecen normas de conducta u obligaciones exigibles como psicólogos, por lo que, en este caso y a diferencia de lo que ocurría con los principios generales de este mismo Código ético de la APA, sí constituyen la base para imponer sanciones en caso de incumplimiento. La mayoría de los estándares éticos se escriben en términos generales, con el fin de que puedan ser aplicados en los diferentes roles del psicólogo. Existen estándares éticos para 10 secciones distintas, pero únicamente expondremos algunas de las normas reflejadas en la sección 8, es decir, las relativas a la Investigación y la Publicación.

Investigación con personas

La Psicología es la ciencia que estudia la conducta de los individuos y sus procesos mentales, incluyendo sus mecanismos internos y las influencias que producen en su entorno físico y/o social, por lo que la mayoría de las investigaciones en esta área versan sobre alguna de las tres dimensiones del ser humano: cognitiva, afectiva y/o conductual. Cualquier investigación realizada con personas debe guiarse por consideraciones, normas o estándares éticos determinados.

Consentimiento informado para la investigación

En toda investigación es necesario informar a los participantes de las características del estudio, siendo imprescindible obtener su aceptación expresa de forma individualizada para participar en la misma. Este documento donde se facilita la información relativa a la investigación y que el participante debe firmar es lo que se conoce como consentimiento informado. En una investigación de carácter general debemos informar al participante sobre:

1. El propósito de la investigación, la duración esperada y los procedimientos.
2. Su derecho a negarse a participar y a retirarse de la investigación una vez que la participación haya comenzado.
3. Las consecuencias previsibles de rechazar participar en la investigación o retirarse de esta.
4. Los factores que seguramente pueden influir en su disposición a participar, como son los riesgos potenciales, la incomodidad o los efectos adversos.
5. Cualquier beneficio futuro que tenga la investigación.
6. Los límites de confidencialidad.
7. Los incentivos para la participación (si los hubiera).
8. Con quién contactar para preguntar cualquier duda que le surja sobre la investigación y sus derechos como participante, brindando así la oportunidad para que pregunte y pueda recibir respuestas.

Si se trata de una investigación en la que se va a poner a prueba un nuevo tratamiento, la información que debe contener el consentimiento informado versará sobre:

1. La naturaleza experimental del tratamiento.
2. Los servicios que estarán, o no estarán, disponibles para los grupos de tratamiento y de control, según corresponda.
3. Los medios por los que se realizará la asignación de los participantes a los grupos de tratamiento y de control.
4. Las alternativas de tratamiento disponibles si una persona no desea participar en la investigación o desea retirarse una vez que el estudio ha comenzado.
5. La compensación o los costes económicos de la participación.

Cuando los participantes son menores de edad, el consentimiento debe obtenerse por parte de sus representantes legales, pero incluso consiguiéndose dicho consentimiento por parte de padres o tutores, por razones obvias, no se debe someter a los menores a gran tensión. Lo mismo sucede con los adultos legalmente incapacitados, con quienes debemos tener especial cuidado. Tanto si los participantes son menores de edad como si padecen algún tipo de discapacidad de comprensión es conveniente solicitar también su consentimiento informado de manera directa, y no solo a sus representantes legales, puesto que esta doble garantía es un aval a la labor del investigador. Un punto relevante en la investigación está relacionado con la privacidad, la confidencialidad y el anonimato de los participantes, tres conceptos diferentes pero relacionados y, a su vez, vinculados con la importancia de la protección de datos actualmente legislada.

La privacidad se relaciona con el ámbito de la vida personal del individuo (englobaría sus datos de identificación como nombre, dirección, teléfono…, pero también todo lo referido a sus creencias, opiniones o intereses), es ese espacio reservado, privado, que la persona tiene derecho a proteger de cualquier intromisión. El participante de cualquier estudio tiene derecho a que se garantice su privacidad. El investigador debe preservar el anonimato de los participantes, es decir, debe garantizar que su identidad no se revelará nunca al publicarse los resultados del estudio. El anonimato puede garantizarse siempre que no se registren los datos identificativos del participante (p. ej., cuando respondemos a una encuesta en la calle en la que solo contestamos a las cuestiones que nos plantean, sin necesidad de facilitar nuestro nombre, dirección, etc.).

La confidencialidad consiste en asegurar al participante la preservación de la información privada que nos ha facilitado en la investigación (datos identificativos y la relativa a diálogos, opiniones, …). Se trata de una característica relacionada tanto con la práctica psicológica (con la parte clínica o aplicada) como con la investigación y la publicación de resultados. En toda investigación, la información privada registrada
solo será accesible para el investigador y nunca podrá ser información pública, es decir, existe el compromiso de confidencialidad por el que el investigador se compromete a mantener en la esfera de la privacidad la información facilitada por los participantes. El investigador es el responsable de la custodia de esta información privada, para lo que seguirá la ley de protección de datos vigente.

Consentimiento informado para grabar voces e imágenes en investigación

Hay investigaciones que emplean la grabación de audio y/o vídeo donde las personas observadas no son conscientes de su participación en el estudio. En estos casos, no se infringiría ningún principio ético si en la observación llevada a cabo cada persona es solo una fuente de datos recogidos en la vía pública (p. ej., cuando se observan si es más frecuente que se paren ante un escaparate, frente a un determinado juguete, más niños o más niñas), es decir, cuando grabamos en un lugar público sin violar el derecho a la intimidad. Si la investigación consiste únicamente en observaciones naturales realizadas en lugares públicos y se anticipa que la grabación no se usará de una manera que pueda causar problemas personales, de identificación o daño, no es necesario conseguir el consentimiento informado por parte de las personas que han sido grabadas.

Engaño en la investigación

El engaño viola el principio de consentimiento informado, pero se considera una estrategia de investigación necesaria en ciertas áreas de la Psicología. Es decir, según los estándares, el psicólogo no debe realizar un estudio que involucre engaño a menos que haya determinado que el uso de técnicas engañosas está justificado por el valor científico, educativo o aplicado del estudio, y que no se puede alcanzar por otros procedimientos alternativos. Cierto tipo de engaño es bastante inocuo, como por ejemplo hacer creer al participante que va a realizar una prueba de lectura y luego preguntarle por las palabras que recuerda, es decir, no decirle que realmente se trata de una tarea de memoria para evitar que, de esta forma, utilice estrategias mnésicas de forma consciente, lo cual es un procedimiento que no entraña ningún peligro. Sin embargo, los estándares éticos de la APA hacen referencia expresa a que el psicólogo no debe engañar a los posibles participantes sobre una investigación en la que se espera se produzca dolor físico o angustia emocional grave, para evitar situaciones como las producidas en el famoso experimento de Milgram (1963).

Entrevista de salida (debriefing)

El investigador debe eliminar los efectos negativos, a corto y largo plazo, derivados de los procedimientos de la investigación psicológica y debe facilitar a los participantes la forma de contactar con él cuando sientan tensión o algún otro tipo de perjuicio derivado de la participación en el estudio. La entrevista de salida es imprescindible cuando se ha empleado el engaño o cuando la conducta del participante puede ser vista como «reprobable» o negativa, sea moral (p. ej., experimento de Milgram) o cognitivamente (p. ej., haber obtenido, de manera real o no, resultados de rendimiento bajo).

Investigación con animales

En Psicología también es habitual el estudio del comportamiento animal, tanto como tema de estudio en sí mismo (cognición animal, Etología), como para establecer medios de comparación entre especies (Psicología Comparada), así como para avanzar en el conocimiento de la propia área (p. ej., Condicionamiento clásico de Pávlov), o las investigaciones sobre condicionamiento operante o instrumental de Skinner con palomas y ratas). La investigación con animales siempre ha dado lugar a un intenso debate sobre si es necesario o no experimentar con ellos. La inmensa mayoría de los fármacos que utilizamos, las distintas sustancias que se introducen en el ambiente, la evolución de diversas enfermedades o incluso cómo responden los organismos a los trasplantes se estudian primero en animales de experimentación. Para evitar situaciones que podríamos considerar de maltrato, el investigador que hace uso de participantes animales en una investigación tiene la obligación ética de adquirir, cuidar, usar y deshacerse de los animales conforme a las leyes reglamentaciones existentes, además de seguir los principios profesionales.

informedeusodeanimalesen2019_tcm30-550894

ÉTICA EN LA PUBLICACIÓN Y DIFUSIÓN DE LOS RESULTADOS DE UNA INVESTIGACIÓN

Valero (2018). La presión por publicar a toda costa que tienen los autores, lleva a buscar atajos que incluyen la falsificación de investigaciones, la cosmética en los datos o la exageración de las conclusiones.

Toda publicación científica siempre debe guiarse por un código ético que regula situaciones indeseables como el plagio, la falsificación o invención de datos o la duplicación de las publicaciones. Algunos estándares se centran en malas prácticas producidas dentro del proceso investigador, aunque solo queden reflejadas en el momento en que se da difusión al trabajo (p. ej., la falsificación o invención de datos).

Consideramos tres cuestiones relevantes respecto a esta temática: La tendencia a compartir los datos de la investigación para su posible verificación, el problema del plagio y la publicación duplicada de datos (o auto-plagio). Las normas éticas de la APA que hacen alusión al informe de los resultados de investigación señalan que:

• El psicólogo no fabrica datos.
• Si el psicólogo descubre errores significativos en sus propios datos una vez que estos ya han sido publicados, debe tomar medidas para corregirlos en una rectificación, fe de erratas u otro medio de publicación apropiado.

Una alternativa de mejora, señalada también como estándar ético por la APA, es el compartir los datos de la investigación para fomentar su verificación.

Compartir datos de investigación para la verificación

Una vez que se publican los resultados de la investigación, el psicólogo no debe reservarse los datos en los que se basan sus conclusiones. A menos que los derechos legales relativos a los datos de propiedad privada impidan su divulgación y siempre que la confidencialidad de los participantes esté protegida, no se debe negar el acceso a los datos a otros profesionales competentes que buscan verificar las relaciones sustanciales mediante un nuevo análisis y que pretenden utilizar dichos datos solo para ese fin.

El psicólogo que solicita el acceso a los datos de otro psicólogo para verificar los resultados mediante un nuevo análisis solo puede usar esos datos compartidos para dicho propósito, salvo acuerdo previo por escrito que contemple otros posibles usos de esos datos. Algunas estrategias que están ayudando a evitar problemas éticos asociados con la redacción y publicación del informe de investigación son: la existencia de repositorios con las bases de datos de los trabajos, y el fomentar estudios de replicación de los resultados, evitando así el sesgo de publicación consistente en la tendencia a publicar únicamente investigaciones que obtienen resultados positivos o, lo que es lo mismo, investigaciones en las que se cumple las hipótesis de trabajo.

Plagio

Los psicólogos no deben presentar partes del trabajo o los datos de otra persona como propios, ni siquiera aunque el otro trabajo o fuente de datos se cite ocasionalmente, es necesario diferenciar claramente las aportaciones propias de las que corresponden a otros autores. Debemos citar adecuadamente las fuentes en las que nos hemos basado.

Publicación duplicada de datos

No debemos publicar como resultados originales aquellos que hayan sido previamente publicados. Hay que tener presente que el plagio no necesariamente se asocia con copiar el trabajo de otros, sino que hacerlo de nuestro propio trabajo también se puede considerar plagio. Si la publicación se acompaña de un reconocimiento explícito donde se hace mención de que parte de los resultados ya han sido publicados (p. ej., en un acta de un congreso) y estos no constituyen la parte sustancial de la nueva publicación, se podrían publicar sin considerarse auto-plagio. La mejor forma de evitar acusaciones de auto-plagio es familiarizarse con los estándares éticos respecto a la duplicación de publicaciones.

AUTOEVALUACIÓN

REFERENCIAS

• Quintanilla Cobián, Laura. Fundamentos De Investigación En Psicología. 2ª Ed. [adaptada a 7ª Ed. Normas APA]. ed. Madrid: Universidad Nacional De Educación a Distancia, 2020. Print. Grado (UNED) ; 6201104.