TEMA XV ESQUEMA GENERAL Marcos metodolgicos Caractersticas de

TEMA XV

ESQUEMA GENERAL Marcos metodológicos Características de la investigación aplicada Clasificación de los Diseños cuasiexperimentales Modelos de explicación y cuasiexperimentación Unidad de análisis y formatos de datos DISEÑOS DE INVESTIGACIÓN APLICADA

Marcos metodológicos Las distintas estrategias de investigación se inscriben dentro de unos marcos de actuación o marcos metodológicos que determinan tanto los objetivos y su consecución, como los procedimientos de obtención de datos. Estos marcos reciben el nombre de paradigmas.

Paradigma metodológico Los paradigmas asumen, entre otras cosas, un conjunto de postulados metateóricos y metodológicos. Estos postulados dictan las reglas para la construcción de los esquemas explicativos y para los procedimientos de investigación. . . //. .

Sin hacer referencia a los enunciados de carácter metateórico en el sentido kuhntiano, se usa el término paradigma para referirnos a un sistema inspirador de metodologías de trabajo. Según este concepto de paradigma, en la ciencia psicológica están presentes dos paradigmas o tradiciones: el paradigma experimental y el paradigma asociativo. . . //. .

Cada paradigma se caracteriza por: Ø la formulación de una clase específica de hipótesis. Ø el grado de intervención del investigador en la situación estudiada. Ø los sistemas de recogida de datos. Ø los procedimientos de verificación de las hipótesis. . . //. .

Marco metodológico de la investigación psicológica Paradigma Experimental Paradigma Asociativo Hipótesis causales Hipótesis de covariación D Experimental I S E Cuasi-experimental Ñ O De encuesta S Observacional

PARADIGMA EXPERIMENTAL Hipótesis causales Manipulación Control Verificación de concomitancia PARADIGMA ASOCIATIVO Hipótesis de Covariación No manipulación Control deficiente Verificación de simultaneidad

Características Investigación básica OBJETIVOS Causalidad Investigación aplicada Causalidad y estudio del cambio EFECTOS INFERIDOS Efectos causales no espurios Efectos causales con riesgo de espuridad SUPUESTOS Y CONDICIONES Propios del paradigma experimental FUENTES DE CONFUNDIDO Fuerte control Escaso control SELECCIÓN DE LAS UNIDADES Aleatoria Sesgada VALIDEZ ENFATIZADA Validez interna Validez externa ALCANCE DE LOS RESULTADOS Restringido Muy generalizables

Fases de la investigación aplicada 1. Planteo del problema 2. Formulación de la hipótesis 3. Diseño de la investigación 4. Recogida y análisis de datos 5. Interpretación de los resultados 6. Obtención de conclusiones

Diseño cuasi-experimental El diseño cuasi-experimental es un plan de trabajo con el que se pretende estudiar el impacto de los tratamientos y/o los procesos de cambio, en situaciones donde los sujetos o unidades de observación no han sido asignados de acuerdo con un criterio aleatorio Desde la perspectiva cuasi-experimental se plantea la discusión y estudio de los principales diseños de investigación aplicados.

Clasificación de las estrategias cuasiexperimentales Estrategia Transversal Diseños de investigación aplicados Incluye a los diseños de comparación de grupos o de grupos paralelos. Comparación estática Estrategia Longitudinal Incluye a los diseños que repiten medidas de la variable de respuesta. Comparación dinámica

Representación gráfica de la estrategia transversal y longitudinal -G 1 O 1 -G 2 O 2 -G 3 O 3. . G 9 O 1 G 9 O 2 G 9 O 3. . . tiempo. -Gi. Oj G 9 Oj

Modelos de causalidad y alternativos en diseños transversales

Modelo de causalidad U X Variable Independiente 1 Error aleatorio Y Variable Dependiente

Modelos de explicación alternativos a la causalidad y diseños cuasi-experimentales transversales 1 Z 2 Y U X V Modelo alternativo I: Modelo de Espuridad V X 1 Z V U 2 Y Modelo alternativo III: Modelo de Causalidad Mediatizada Y 1 X Modelo alternativo II: Modelo de Causalidad Inversa X | Z 1 1 U Y X | Z 2 2 Modelo alternativo IV: Modelo de Causalidad Condicionada

Causalidad y diseño longitudinal

Causalidad y diseño longitudinal Cuando, en un diseño transversal, se posee evidencia sobre la posible relación entre dos variables, es necesario averiguar todas las posibles causas que pueden afectar a la variable dependiente, a fin de poder aumentar la potencia de la inferencia. Ahora bien, dentro del contexto longitudinal, el sentido de la relación entre las variables puede ser utilizada para obtener pistas o claves de la dirección de los efectos causales (en el supuesto de que se den)

Condiciones para la relación causal 1. Que los fenómenos o variables en cuestión covarien. Es decir, tiene que verificarse la correlación entre las dos variables. 2. Que la relación no debe ser atribuible a cualquier otra variable o conjunto de variables: no debe ser espuria. Por lo tanto, debe persistir aun cuando las otras variables sean controladas. 3. Asumir que la causa debe preceder en el tiempo al supuesto efecto. Ello significa que un cambio de la variable causa no debe ser posterior al cambio asociado con el efecto. . . //. .

Según Menard (1991), es posible obtener evidencia sobre los dos primeros criterios o condiciones a partir de datos simplemente transversales o datos transversales ordenados en el tiempo. El tercer criterio sólo puede, por lo general, ser probado de forma adecuada con datos longitudinales. . . //. .

Según Dwyer (1983), el principio que permite especificar estas claves es el siguiente: si un cambio en X causa un cambio en Y, entonces los eventos causalmente vinculados han ocurrido según la secuencia ‘cambio en X, algún retardo en el tiempo, cambio en Y’. Esa secuencia temporal, implícita en la mayoría de las teorías de la causalidad, ha de ser modelada para probar la hipótesis sobre la dirección causal.

Inferencia de causalidad y estrategia de investigación Transversal Longitudinal Rechazo de la hipótesis de espuridad Información obtenida del sentido del cambio

Unidades de análisis

Unidad de análisis y tipos de datos Unidad de análisis Sujeto individual Grupo de sujetos Tipo de datos Dato individual Dato agregado Técnicas de análisis Modelo AR Modelo ANOVA Modelo ANCOVA Modelo MANOVA Modelo ARIMA Modelo ACCP Modelo LISREL

Ámbitos de aplicación CONTEXTOS Clínico y Psicopatológico Psicología del desarrollo Social y evaluación de programas

Enfoque transversal

Conceptuación del enfoque En contextos aplicados, donde las muestras no proceden de las poblaciones según un procedimiento de selección aleatoria y los sujetos no son asignados al azar a los grupos, la investigación transversal (grupos paralelos) utiliza formatos similares a los diseños experimentos. . . //. .

Dentro del contexto cuasi-experimental, los sujetos van a parar al grupo de tratamiento y control por la propia decisión de los sujetos o por consideraciones prácticas. En consecuencia, los grupos experimental y control pueden ser diferentes y no comparables en oposición a lo que ocurre en la investigación aleatorizada.

Efecto del sesgo de selección El diseño cuasi-experimental, en su versión de comparación de grupos, son esquemas de investigación afectados por un sesgo de selección o por variables de selección. Esto requiere la adopción de técnicas de análisis para corregir los posibles sesgos y neutralizar las variables de selección, de modo que se infiera el efecto de los tratamientos sin que esté contaminado por las diferencias iniciales de los grupos. . . //. .

Las diferencias iniciales de los grupos los hacen no comparables o no equivalentes, siendo éste el sentido último del enfoque cuasi-experimental transversal.

Clasificación del diseño transversal a) Diseño de grupo control no equivalente b) Diseño de grupos no equivalentes c) Diseño de discontinuidad en la regresión

Formatos del diseño transversal

Matriz de datos del diseño de grupo control no equivalente, con medidas antes y después Tratamiento Sujs 1 2. . . n Antes Después Control Antes Después

Matriz de datos del diseño de grupo control no equivalente, con datos de diferencia Tratamiento Control Sujs Antes Después Diferen. 1 2. . . n

Matriz de datos del diseño de grupos no equivalentes o multigrupo, con medidas antes y después Sujs 1 2. . . n Tratamiento 1 Tratamiento 2 Tratamiento 3 Antes Después

Matriz de datos del diseño de discontinuidad en la regresión, con grupo de tratamiento y control Tratamiento Sujs 1 2. . . n Antes Después 1 2. . . 5 Control Antes Después 6 7. . . 10

Enfoque longitudinal

Conceptuación del enfoque El objetivo de los estudios longitudinales es analizar los procesos de cambio y explicarlos. Se pretende caracterizar el cambio de la variable de respuesta en función del tiempo y examinar qué covariables contribuyen al cambio. Uno de los aspectos específicos del enfoque longitudinal es tomar registros u observaciones de la misma (o mismas) unidades a lo largo del tiempo. . . //. .

De ahí, el porqué lo longitudinal está siempre asociado a los cambios intraindividuales. Ha de tenerse en cuenta que, en estos estudios, no siempre las unidades de observación o análisis son los individuos, ya que pueden ser unidades más amplias como barrios, áreas urbanas, familias, ciudades, países, etc.

Medida del cambio Los diseños longitudinales usan, como estrategia de recogida de datos, la técnica de medidas repetidas. De este modo, cada unidad de trabajo (por lo general, individuos) es medida en distintos puntos del tiempo, de forma secuencial. . . //. .

Y puesto que no es posible prescindir de los diseños longitudinales para el estudios del cambio, conviene tener en cuenta la forma como se obtienen los datos y la distinción entre los modelos de cambio intraindividual y los modelos de cambio interindividual. . . //. .

Es decir, entre los modelos que analizan y describen los patrones de cambio durante el desarrollo de un individuo y los modelos que analizan los patrones de cambio al comparar dos o más grupos de sujetos. Esta nueva perspectiva del estudio del cambio configura un enfoque mucho más coherente y comprensivo del diseño longitudinal.

Componentes característicos del diseño longitudinal 1) Unidades de observación Sujetos individuales Grupos de sujetos: aulas, escuelas, poblaciones, etc. 2) Registros o medidas = datos Los registros se toman en términos de: ítems, variables o Instrumentos. Datos individuales y agregados 3) Períodos de observación y registro Cortos Sesiones, minutos, horas, días, etc. Amplios Semanas, meses, años, etc.

Representación de los datos longitudinales

El cubo de datos I T V

Manejo de datos tridimensionales 1. Selección de una sola dimensión 2. Promediado 3. Reconversión

Selección a. Selección de un individuo b. Selección de una variable c. Selección de un intervalo de tiempo u ocasión

Promediado a. Media de los individuos b. Media de las variables c. Media de las ocasiones

Reconversión a. Largo b. Alto c. Ancho

Reconversión A. Las columnas como variables: matriz de datos LARGO. T 1 (Tx. S) • T 2 S 1. Sn V 1. . . Vk S 1 Tt. Sn D. SERIE TEMPORAL MULTIPLE

B. Las columnas como puntos del tiempo: matriz ALTO T 1. . . Tt S 1 V 1. Sn S 1 V 2. (Vx. S) Sn S 1 Vk. Sn D. SERIE TEMPORAL DISEÑO EN PANEL

C. Las filas son individuos: matriz ANCHO. (Vx. T) V 1 V 2 Vk T 1. . . Tt T 1. . . T 2. . . T 1. . . Tt S 1. . . Sn . . . . DISEÑOS DE MEDIDAS REPETIDAS

Clasificación general del diseño longitudinal a) Diseños de series temporales b) Diseños de medidas repetidas c) Diseños de cohortes d) Diseños en panel

Formatos del diseño

Diseño de series temporales X tiempo

Diseño de medidas repetidas Ocasión 1 Ocasión 2. . . . Ocasión k Sujeto 1. . . . Sujeto 1 Sujeto 2. . . . Sujeto N. . . . Sujeto N

Diseño de cohortes Período 1 Período 2 Período 3 Período 4 Cohorte 1 Cohorte 2 Cohorte 3

Diseño en panel Período 1 Período 2 Variable X Variable Y