La ciencia tiene que salir de los laboratorios
Pilar Mateo
para acercarse a las personas.
Versión 1.1
Introducción
La investigación cuasiexperimental proviene del ámbito educativo. Fueron Campbell y Stanley (1966) quienes con la publicación del libro titulado Experimental and Quasi-experimental Designs for Research abordaron el estudio sistemático de los diseños cuasiexperimentales. En estos diseños existe manipulación de la/s variable/s independiente/s (VI), pero en ningún caso se da la asignación aleatoria de los participantes a los grupos por lo que estos no son equivalentes. Esta ausencia de aleatorización es su principal característica y limitación. Por otra parte, las investigaciones cuasiexperimentales suelen realizarse en situaciones en las que no se puede establecer un control tan riguroso como en la metodología experimental.
Características de los diseños cuasiexperimentales
| Heppner et al. (1992). En un diseño cuasiexperimental el investigador puede maximizar las diferencias asociadas a la variable independiente y minimizar la varianza error, sin embargo, debido a la ausencia de asignación aleatoria, no puede controlar gran parte de la varianza sistemática secundaria causada por las amenazas a la validez interna. |
| Martínez-Arias et al. (2014). Además de los procedimientos metodológicos consistentes en formar grupos lo más equivalentes posibles, los diseños cuasiexperimentales suelen utilizarse acompañados de controles estadísticos con el fin de eliminar el efecto de las variables extrañas. |
En estos diseños, el grado de control sobre los efectos de las variables extrañas es menor que en los experimentales. El elemento diferenciador entre los diseños cuasiexperimentales y los experimentales estriba en que en los primeros los grupos de estudio no se pueden organizar por asignación aleatoria, por lo que no se garantiza la equivalencia inicial de los grupos. La consecuencia de esta falta de control en la organización de los grupos es la limitación para asegurar que los resultados obtenidos se deben solo y de forma directa, a la manipulación de la variable independiente. Por ello, una de las tareas principales del investigador es la de identificar las posibles amenazas a la validez interna con el fin de tenerlas en cuenta y, en la medida de lo posible, neutralizarlas.
En los diseños cuasiexperimentos se pretende probar una relación causal entre la variable independiente y la variable dependiente. Su estructura es similar a la de los experimentos, midiéndose el efecto que uno o más tratamientos (VI) tienen sobre la variable dependiente. La investigación cuasiexperimental comparte la lógica del paradigma experimental que implica que para poder establecer relaciones causales se tienen que cumplir estas tres condiciones:
- La variable independiente debe anteceder a la variable dependiente.
- Debe existir covariación entre ambas variables.
- Se debe poder descartar explicaciones alternativas.
Los diseños cuasiexperimentales son de gran utilidad en la evaluación de intervenciones psicológicas y/o sociales, para mejorar su planificación y control. Asimismo, son también de utilidad para evaluar la eficacia de programas en diversos ámbitos como educación, salud, servicios sociales, etc.
Notación de los diseños cuasiexperimentales
| X | Tratamiento. Exposición del grupo a un valor de la variable independiente. |
| O | Observación o registro de un fenómeno (por lo general de la variable dependiente). |
| O X O | Las X y las O en una fila indican que se aplican al mismo grupo de personas. La disposición de izquierda a derecha indica el orden temporal de su aplicación, así una O anterior a la X señala una medida pre-tratamiento, y a la derecha de la misma una medida post-tratamiento. |
| O1 X O2 ————– O1 X O2 | Los subíndices (O1, O2) indican el momento temporal en el que se realiza la observación de la variable dependiente. Una línea de puntos entre las dos filas indica que hay dos grupos y que no han sido formados por aleatorización. |
 | Cuando los grupos constituyen una cohorte, la separación entre ambos se hace mediante una línea ondulada. |
| X̄ | Retirada del tratamiento. |
Por ejemplo, un diseño representado de la siguiente forma: O1 X O2 O3 X̄ O4, nos indica que existe un solo grupo de participantes en el que se toma una medida pretratamiento (O1), se introduce el tratamiento (X) y se registrar la conducta (O2), pasado un tiempo se realiza un nuevo registro de la conducta objeto de estudio (O3) y se retira el tratamiento (X̄), y, por último, se vuelve a registrar la conducta (O4).
Clasificación de los diseños preexperimentales y cuasiexperimentales
Los preexperimentos son diseños que, por carecer de las medidas de control necesarias, no permiten establecer una relación causal entre el factor manipulado (variable independiente) y el fenómeno conductual que se estudia (variable dependiente), aunque son relevantes puesto que son la base de los diseños cuasiexperimentales.
Diseños Preexperimentales
Los tres diseños que hemos visto tienen una utilidad relativa como aproximación al fenómeno que se investiga y para generar hipótesis, pero siempre teniendo muy presente en la interpretación de los datos que pueden existir numerosas variables extrañas que llevarían a una atribución errónea del efecto de la variable independiente sobre la variable dependiente.
Diseños de un solo grupo con medida solamente postest.
Existe un solo grupo que se somete a un tratamiento (X) y después se realiza una observación de la variable dependiente (O). Este diseño carece de control y, por tanto, no se pueden extraer inferencias causales. Se representa de la siguiente forma: X O
Diseños solo postest con grupo de control no equivalente
La deficiencia más importante de este diseño es la ausencia de pretest, ya que sin esta medida previa de la variable dependiente no podemos saber si las diferencias entre los grupos encontradas en el postest son debidas al tratamiento o a la selección diferencial. La posibilidad de que los grupos no sean equivalentes y el no tener medida pretest que nos informe del grado de similitud o desigualdad inicial de los grupos hace que los resultados obtenidos no sean interpretables en términos de causalidad. Similar al anterior, al que añadimos un grupo no equivalente que no recibe tratamiento. Se representa de la siguiente forma: 
Diseños de un solo grupo con pretest y postest
Es un diseño frecuentemente utilizado en las Ciencias Sociales. Consiste en realizar una observación pretest (O1) en un único grupo, después este grupo recibe un tratamiento ( X ) y posteriormente se realiza una observación postest. Su notación es la siguiente:
O1 X O2
En este diseño, tampoco podemos tener seguridad de que los cambios producidos en la medida postest (O2) se deban al efecto del tratamiento. Existen numerosas amenazas a la validez interna que podrían explicar dichos cambios, como por ejemplo: la historia, la regresión estadística, la maduración o la repetición de pruebas.
Diseños Cuasiexperimentales con grupo de control
Dependiendo de que en la formación de los grupos se haya seguido una regla de asignación conocida o desconocida, podemos distinguir dos tipos de diseños:
- Diseños de grupo de control no equivalente, en los que se trabaja con grupos ya formados, por lo que la regla de asignación a los grupos es desconocida.
- Diseños de discontinuidad en la regresión, en los que se trabaja con grupos donde la regla de asignación para la formación de los grupos es conocida.
Diseños de grupo de control no equivalente
Aunque se trabaja con grupos formados, el investigador tratará de seleccionar grupos lo más equivalentes posible, intentando que no influyan variables extrañas que pongan en peligro la interpretación unívoca de los resultados. Si el tratamiento ha tenido efecto, las diferencias en el postest entre los grupos serán mayores que las que pudieran existir entre ellos en las medidas en el pretest.
Diseño pretest-postest con grupo de control no equivalente
| García-Jiménez (2002). El análisis de covarianza (ANCOVA) es una técnica estadística que nos permite, además de separar la varianza error de la varianza primaria, aislar el influjo de las variables extrañas que, si no controlásemos, actuarían como varianza secundaria contaminando los resultados. |
| Ato y Vallejo (2015). Una forma de conseguir mayor equivalencia entre los grupos es utilizar la técnica de emparejamiento sobre las variables extrañas relevantes, consistente en asegurar que para cada participante de un grupo haya otro con similares características en cuanto a un conjunto de variables, en el otro grupo (por ejemplo, sexo, edad, nivel de estudios, etc.). Sin embargo, esta técnica no siempre se puede utilizar, fundamentalmente cuando los grupos son pequeños. |
| Ato y Vallejo (2015). Una variante de este diseño, frecuentemente utilizada, es el diseño de grupos no equivalentes con más de dos grupos, en el que puede existir más de un grupo experimental o más de un grupo control o de ambos. |
Es uno de los diseños cuasiexperimentales más utilizados en las Ciencias Sociales. Este diseño consta de dos grupos: un grupo experimental (al que se aplica el tratamiento) y otro de control (al que no se le aplica). En ambos grupos se realiza una medida pretest y otra postest. El investigador, aunque utilice grupos ya formados, debe intentar que estos sean lo más similares posibles en algunas variables relevantes (por ejemplo, variables relacionadas con las características de los participantes y con el contexto) para poder inferir la eficacia del tratamiento.
La falta de garantías de la equivalencia inicial de los grupos genera riesgos de amenazas a la validez interna difíciles de detectar y que se deben tener en cuenta en la interpretación de los resultados. Estas se refieren a la interacción entre:
- Selección x maduración: El grupo experimental y el grupo control son de diferente procedencia y esto puede suponer que la pauta de maduración en ambos grupos sea distinta. Cuando no se pueda excluir el efecto de esta amenaza habrá que tenerla en cuenta en la interpretación de los resultados, a pesar de que en el grupo control no se observe incremento en el postest con respecto a la medida pretest.
- Selección x historia: También denominada historia local. Se refiere a acontecimientos externos que pueden afectar, durante la investigación, de forma diferente a los grupos debido al hecho de que los participantes proceden de contextos distintos.
En el análisis de datos hay que tener en cuenta la influencia de las variables extrañas que pueden llevar a una interpretación equívoca sobre el efecto del tratamiento. Por tanto, emplearemos el control estadístico con el que se puede eliminar la influencia de una o varias variables extrañas sobre la variable dependiente.
Diseño de cohortes
El término cohorte se utiliza en este contexto para indicar un grupo de personas que pertenecen a algún tipo de institución formal o informal (familiar, social, educativa, militar, etc.) que se encuentran sometidos durante un período de tiempo a las mismas circunstancias y que van cambiando de un nivel a otro en dichas instituciones. Estos diseños también se denominan de ciclo institucional. El estudio de cohortes es de gran utilidad fundamentalmente en investigaciones de ámbito educativo.
Ventajas:
- Poder estudiar cómo un determinado acontecimiento afecta a un grupo, cohorte experimental, (por ejemplo, una reforma educativa) y compararlo con otro grupo (curso anterior en el que no se produjo esta reforma), cohorte de control.
- Se supone que entre las cohortes las diferencias son pequeñas, lo que hace que los grupos puedan llegar a ser más comparables que en los diseños que hemos visto hasta ahora, aunque no se llegue a la equivalencia conseguida con la aleatorización y, por tanto, no se pueda descartar definitivamente la amenaza de selección.
- Los grupos pertenecen, normalmente, a instituciones, por ello, se suele disponer de abundante información sobre las características de los participantes a través de archivos o registros institucionales.
La ventaja fundamental de estos diseños, respecto a los anteriores, es que permiten establecer inferencias causales razonables basándose en que los grupos de cohortes son relativamente similares unos a otros, aunque esto no descarta la amenaza a la selección. En estos diseños también se debe evaluar si existen efectos de variables extrañas que puedan dar lugar a diferencias significativas entre la cohorte experimental y la de control. Existen otras variantes de diseños de cohortes consistentes en añadir grupos de cohortes o añadir más medidas en cada cohorte.
Diseño de discontinuidad en la regresión
| Cook y Shadish (1994). Se trata de uno de los diseños que permiten establecer con más garantías relaciones causales. |
Es uno de los diseños cuasiexperimentales considerado de mayor importancia por Cook y Campbell (1979). Este diseño tiene un alto grado de validez interna. Es un diseño pretest-postest con grupo de control. En el diseño de grupo de control no equivalente se trabaja con grupos ya formados (se desconoce la regla de asignación), sin embargo, en este diseño los participantes son asignados a las condiciones aplicando una regla de asignación conocida: los participantes son asignados a un grupo u otro en función de sus puntuaciones en la medida pretratamiento. Se representa de la siguiente forma, donde la letra C indica la puntuación de corte en el pretest, a partir de la cual unos participantes se asignarán a la condición de control y otros a la condición de tratamiento:
Este tipo de diseño requiere que se pueda aplicar como medida pretest una variable cuantitativa, en función de la cual se formarán los grupos. Se suele utilizar en educación para valorar sistemas educativos, en medicina para probar la efectividad de un medicamento en pacientes con distinto grado de afectación, etc. Este diseño de discontinuidad en la regresión permite descartar algunas amenazas a la validez interna al conocerse la regla de asignación de los sujetos. Sin embargo, no se pueden excluir otras como la interacción entre tratamiento y maduración, ya que podría darse el caso de que los participantes que están por debajo de la línea de corte maduren a un ritmo más rápido, o más lento, que aquellos que se sitúan por encima.
Diseños Cuasiexperimentales sin grupo de control
En algunas ocasiones, por razones de tipo práctico o ético, no es posible disponer de un grupo de comparación que actúe como grupo de control, es decir, limitaciones de tiempo o de recursos o razones éticas (por ejemplo, en contextos clínicos donde puede ser poco aconsejable que algunos pacientes no sean tratados) pueden impedir tener un grupo de control. Cuando se dan estas circunstancias se puede recurrir a los diseños sin grupo de control. Los diseños cuasiexperimentales sin grupo de control se asemejan a los diseños experimentales intragrupo en los que hay un solo grupo al que se le aplican todas las condiciones. Siempre que sea posible se debe utilizar diseños con grupo de control, ya que los diseños cuasiexperimentales sin grupo de control tienen menor validez interna, por lo que suele aconsejarse que estos diseños formen parte de otros diseños más complejos, en lugar de utilizarlos como diseños independientes.
Diseño de retirada del tratamiento con pretest y postest
Cuando no es posible tener un grupo de control que sirva de comparación, el investigador trata de crear unas condiciones que ejerzan la función del grupo de control. Uno de estos recursos de control es la retirada del tratamiento. La representación de este diseño es la siguiente:
O1 X O2 O3 X̄ O4
Como podemos ver, este diseño consiste en un diseño de un solo grupo con pretest y postest (O1 X O2) al que se le añade una tercera medida (O3) y posteriormente se retira el tratamiento (X̄) y se vuelve a tomar una última medida (O4). La secuencia desde O1 a O2 se considera experimental, mientras que la secuencia de O3 a O4 se considera de control. Este diseño solo se puede aplicar cuando el efecto inicial del tratamiento es reversible.
Para que los resultados sean interpretables hay que tener en cuenta los siguientes aspectos:
- Es necesario utilizar amplios tamaños muestrales y medidas con alta fiabilidad.
- En determinadas situaciones, la retirada del tratamiento plantea problemas éticos, además de causar frustración.
- Puede producirse una gran pérdida de participantes.
- Las observaciones deben realizarse en intervalos iguales de tiempo. Esto permite controlar los posibles cambios lineales espontáneos que tengan lugar dentro de un período de tiempo dado. Así, la comparación de las diferencias entre O1 – O2 y O3 – O4 no tendría sentido si el intervalo entre O3 – O4 fuera más largo que entre O1 – O2.
Diseño de tratamiento repetido
En este diseño también se dispone de un único grupo, pero en el que ahora el investigador introduce, retira y vuelve a introducir el tratamiento, en diferentes momentos, de forma que la aplicación del tratamiento tiene que covariar con cambios en la variable dependiente. Al igual que en el diseño de retirada de tratamiento, solo se puede aplicar este diseño cuando el efecto inicial del tratamiento es reversible. Su representación es la siguiente: O1 X O2 X̄ O3 X O4
Una posible amenaza a la validez interna es la maduración cíclica. Por ejemplo, si la variable dependientes es productividad y las medidas pretratamiento se registran en viernes y las post-tratamiento, un mes después, en lunes; pueden encontrarse diferencias debidas a que el ritmo laboral a finales de la semana es menor que a comienzos de la semana. Sin embargo, es poco probable la amenaza debida a la historia, ya que es difícil suponer que algún suceso externo produzca el mismo patrón de cambio que la introducción, retirada y reintroducción del tratamiento.
Diseños de series temporales interrumpidas
| Vallejo (1995). Estos diseños son frecuentes en el ámbito social, educativo, de la salud y de evaluación de programas: por ejemplo, para evaluar el impacto de determinadas decisiones políticas, la introducción de programas educativos, campañas de calidad de vida, programas para la prevención de trastornos, etc. |
La lógica de estos diseños es la misma que la de los diseños experimentales de caso único, se toman medidas repetidas a lo largo del tiempo antes de la introducción del tratamiento y durante la introducción del mismo. Como se recordará, esta estructura es la misma que la del diseño AB. La diferencia es que, en los diseños de series temporales, el registro de las puntuaciones en cada momento corresponden al promedio del grupo, y no a observaciones individuales. Por ejemplo, podemos evaluar el rendimiento en varias ocasiones a lo largo de todo un curso académico, si esta evaluación se hace mensualmente, durante los nueve meses que dura el curso tendríamos un total de 9 observaciones. Para el análisis de la serie temporal es necesario saber en qué momento se introduce el tratamiento dentro de la serie. Si el tratamiento es efectivo, las observaciones que se realicen una vez introducido el tratamiento y durante la aplicación del mismo serán diferentes a las observaciones previas, por lo que se reflejará un cambio en la serie en el momento en que se introduce el tratamiento.
Diseño simple de series temporales interrumpidas
| Cook et al. (1990). Consideran que la mejor forma de controlar la amenaza a la validez interna (historia) es modificando el diseño y añadiendo un grupo de control. Cuando esto no es posible, se recomienda acortar los intervalos temporales entre las medidas y/o aumentar el número de observaciones. |
El diseño simple de series temporales interrumpidas, se representa de la siguiente forma: O1 O2 O3 O4 O5 X O6 O7 O8 O9 O10
este diseño es similar al diseño pretest-postest. Requiere solo un grupo, pero en este caso se toman varias medidas antes y después de introducir el tratamiento. Una de las principales ventajas del diseño de series temporales es que mediante la representación de la serie de observaciones anteriores al tratamiento se puede evaluar si se está produciendo un efecto de maduración. Las amenazas a la validez interna pueden ser detectadas evaluando la tendencia pretratamiento. Otra amenaza que puede influir en un estudio y que podemos detectar gracias a la serie temporal es la existencia de cambios cíclicos debido a que el comportamiento espontáneo puede presentar variaciones dependiendo de la estación del año. Por ejemplo, si una investigación es llevada a cabo durante todo un año, puede haber diferencias (subidas o bajadas) debidas a la estación en la que se esté evaluando (primavera, verano, etc.). En determinados diseños, estas variaciones se pueden confundir con el efecto del tratamiento. El diseño de series temporales reúne las mejores condiciones (por el registro sucesivo de medidas) para controlar esta amenaza. Sin embargo, la principal amenaza a la validez interna es la historia y esta es difícil de controlar.
Diseño de series temporales interrumpidas con grupo de control no equivalente
| Cook et al. (1990). No se puede descartar el efecto debido a la historia local (selección x historia). Esta amenaza se refiere a acontecimientos externos que pueden afectar durante la investigación de forma diferente a los grupos, al proceder estos de contextos distintos. |
Este diseño supone una mejora, en cuanto a la validez interna, sobre el diseño simple de series temporales. Su representación es la siguiente:
Este diseño permite un mayor control sobre las amenazas a la validez interna que el diseño simple de series temporales. La existencia de un grupo de control, aunque sea no equivalente, es especialmente útil para el control de la amenaza historia. Esta amenaza se puede controlar porque si ocurriera algún suceso influyente durante la realización de la investigación su influencia se reflejaría en ambos grupos. Sin embargo, no se puede descartar el efecto debido a la historia local (selección x historia).
La utilización de un grupo de control también permite evaluar otras amenazas a la validez interna con más seguridad que en el diseño de series temporales simple, como son: la maduración, la instrumentación, la repetición de pruebas y la regresión a la media. El punto fuerte de este diseño es al mismo tiempo su dificultad principal: encontrar un grupo de control lo más semejante posible al experimental en el que se puedan realizar las mismas observaciones bajo las mismas circunstancias y sirva de comparación para evaluar el efecto del tratamiento y controlar las amenazas a la validez interna.
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.