Sunteți pe pagina 1din 0

DISEOS EXPERIMENTALES:

SU UTILIDAD EN LA FORMACION METODOLOGICA EN



SOCIOLOGIA








Graciela Infesta Domnguez











Trabajo presentado a las Segundas Jornadas de Sociologa de la Universidad de Buenos Aires,
tituladas "1976-1986. Veinte aos despus: las huellas del pasado reciente en la Argentina de
hoy", Buenos Aires, 11 al 13 de noviembre de 1996.




1
RESUMEN


El presente trabajo constituye una propuesta sobre cmo encarar la enseanza de los
diseos experimentales: qu aspectos conceptuales deberan abordarse en la clase y en qu
secuencia, qu ejemplos podran utilizarse y con qu finalidad y qu tipo de ejercicios podran
proponerse a los alumnos para que apliquen los temas discutidos en clase.

En tanto los estudios experimentales constituyen estudios explicativos que responden a
un modelo lgico de inferencia causal, en la primer parte de este trabajo nos referimos a las
nociones de "explicacin" y "causalidad". A continuacin, nos referimos las caractersticas de
los diseos experimentales en trminos de su estructura y sus componentes bsicos, poniendo
nfasis en los factores que afectan la validez interna y externa de estos diseos. Luego,
presentamos los distintos tipos de diseos experimentales ms comnmente utilizados en las
ciencias sociales, sealando las ventajas y desventajas de cada uno de ellos. Por ltimo,
proponemos algunos ejemplos de investigaciones, as como ejercicios para los alumnos que
podran resultar herramientas pedaggicas tiles en la enseanza de la temtica en cuestin.







2

DISEOS EXPERIMENTALES:

SU UTILIDAD EN LA FORMACION METODOLOGICA EN SOCIOLOGIA
12



Graciela Infesta Domnguez



I. INTRODUCCION

Una vez que el problema de investigacin ha sido formulado en una forma
suficientemente clara para especificar los tipos de informacin necesitada, el investigador debe
decidir el diseo de investigacin que se adecue ms al mismo. El diseo de investigacin "... es
el programa que gua al investigador en el proceso de recoger, analizar e interpretar
observaciones" (Nachmias y Nachmias, 1992).

Los diseos de investigacin sern distintos segn sean los objetivos de la misma.
Haciendo una sntesis, podemos decir que "cada estudio tiene sus propios objetivos pero es
posible clasificar los objetivos de investigacin en los siguientes grandes grupos:

1. avance en el conocimiento de un fenmeno o alcanzar nuevos aspectos del mismo, con
frecuencia con el propsito de formular un problema de investigacin con mayor precisin o para
poder explicitar otras hiptesis;

2. descripcin, con mayor precisin, de las caractersticas de un determinado individuo, situacin
o grupo (con o sin especficas hiptesis iniciales acerca de la naturaleza de tales caractersticas);

3. determinacin de la frecuencia con la que algo ocurre o con la que algo se halla asociado
relacionado con otro factor (generalmente, pero no siempre, con una hiptesis inicial especfica)

4. comprobacin de una hiptesis causal entre variables" (Selltiz et al., 1965).

Los estudios que se encuadran en el primero de los grupos enunciados se denominan
exploratorios. En estos estudios "... el nfasis mayor recae en el descubrimiento de ideas y
aspectos profundos... Muchos estudios exploratorios tienen como objeto la formulacin de un
problema para posibilitar una investigacin ms precisa o el desarrollo de una hiptesis. Un


1
Este trabajo fue elaborado en ocasin del Concurso para el Cargo de Profesor Adjunto de la
Ctedra de Metodologa de la Investigacin, Carrera de Sociologa, Facultad de Ciencias Sociales,
Universidad de Buenos Aires, realizado el 25 de septiembre de 1996.

2
Esta clase ser dada a alumnos que cursan Metodologa de la Investigacin I. Uno de los
principales objetivos de esta materia es que los alumnos conozcan distintos tipos diseos de
investigacin. De acuerdo con el actual programa de la materia, los diseos experimentales se incluyen
en la Unidad III en la que se analiza en particular la relacin entre objetivos y diseos de investigacin.





3
estudio exploratorio puede tener, sin embargo, otras funciones: aumentar la familiaridad del
investigador con el fenmeno que desea investigar por medio de un estudio... mejor
estructurado..., aclarar conceptos; establecer preferencias para posteriores investigaciones..."
(Selltiz, et al., 1965), etc. As, el mayor nfasis est puesto en el descubrimiento de aspectos
profundos del objeto de estudio. Consecuentemente, estos estudios requieren diseos de
investigacin lo suficientemente flexibles como para permitir la consideracin de numerosos
aspectos distintos de un fenmeno.

Los estudios a los que se refieren los grupos segundo y tercero los agrupamos bajo el
epgrafe de estudios descriptivos. Los hemos considerado conjuntamente porque, desde el
punto de vista de los procedimientos de investigacin, comparten determinadas caractersticas
importantes. "Las demandas de una investigacin presupone mucho conocimiento anterior del
problema que va a ser investigado... El investigador debe estar capacitado para definir
claramente qu desea someter a medida y debe hallar los mtodos adecuados para su medida.
Adems, debe ser capaz de determinar a quin debe incluirse en la definicin de una
`determinada comunidad' o `poblacin dada'. En la recogida de pruebas para un estudio de estas
caractersticas, lo que se necesita no es tanto una gran flexibilidad como una clara formulacin de
qu y quin van a ser medidos y las tcnicas para medidas vlidas y de confianza. Por estos
motivo, los procedimientos a ser utilizados en los estudios descriptivos deben ser
cuidadosamente planificados tomando todas las medidas para evitar los errores de sesgo" (Selltiz
et al., 1965).

Los estudios del grupo cuarto (estudios de comprobacin de hiptesis causales) suelen
denominarse estudios explicativos. Estos requieren procedimientos que no solamente
disminuyan los riesgos de errores de sesgo y aumenten el grado de la confianza (como los
descriptivos), sino que permitan inferir acerca de la causalidad. No es nuestra intencin
simplificar la cuestin pero sintticamente podramos decir (en una primera aproximacin al
tema) que describir es responder a la pregunta del cmo es algo, en tanto que explicar es
responder a la pregunta por qu algo es o se presenta de determinada manera. En este sentido,
los procedimientos ms frecuentes para lograr dicha condicin adquieren la forma de trabajo
experimental. No obstante, es necesario aclarar que existen estudios referidos a la comprobacin
de hiptesis de relaciones causales que no constituyen diseos experimentales.

En tanto que describir implica sealar aspectos reconocibles o signos caractersticos de
las cosas, "al describir nos mantenemos en el mismo nivel proposicional de lo que estamos
describiendo, no hay un cambio de plano. En cambio explicar (al menos en un sentido fuerte) s
implica un cambio de plano. Para decirlo rpidamente... explicar es subsumir, incorporar un
hecho bajo un enunciado general" (Schuster, 1982).

De hecho, estos diferentes tipos de estudio no son apenas susceptibles de distincin.
Cualquier investigacin dada puede contener en s elementos de dos o ms de las funciones
descriptas como caracterizadoras de los distintos tipos de estudio. Sin embargo, es frecuente que
en una investigacin se ponga el nfasis en una sola de estas funciones y el estudio puede ser
considerado como clasificado en la categora correspondiente a su funcin primordial.

En esta oportunidad, nos referiremos a los estudios explicativos, especficamente a los




4
estudios experimentales en tanto stos constituyen un modelo lgico de inferencia causal. En
este sentido, el presente trabajo constituye una propuesta sobre cmo abordar la enseanza de los
diseos experimentales: qu aspectos conceptuales deberan abordarse en la clase y en qu
secuencia, qu ejemplos podran utilizarse y con qu finalidad y qu tipo de ejercicios podran
proponerse a los alumnos para que apliquen los temas discutidos en clase. En relacin a los
aspectos conceptuales, en esta ocasin pondremos el nfasis en la estructura y los componentes
de los diseos experimentales y en los distintos tipos de diseos experimentales ms
comnmente utilizados en las ciencias sociales. Dejaremos para otra oportunidad la presentacin
de los procedimientos estadsticos de anlisis e interpretacin de los resultados producidos en los
estudios experimentales, as como otros estudios explicativos que realicen inferencias causales a
travs de otros procedimientos que no sean el experimental.


II. LA UTILIDAD DE LOS DISEOS EXPERIMENTALES EN SOCIOLOGIA

El diseo experimental clsico es usualmente asociado con la investigacin en las
ciencias biolgica y fsica. Las causas por las cuales los diseos experimentales son tiles en las
ciencias sociales son dos:

1. el diseo experimental clsico nos ayuda a comprender la lgica de todos los diseos de
investigacin. Es un modelo contra el cual nosotros podemos analizar otros modelos. As,
cuando nosotros comprendemos la estructura y la lgica del diseo experimental clsico,
podemos comprender las limitaciones de otros diseos (Nachmias y Nachmias, 1992), as como
sus ventajas;

2. la significancia del experimento estriba en que permite al investigador hacer inferencias
causales y observar, con relativamente pocas dificultades, si la variable independiente causa o no
cambios en la variable dependiente (Nachmias y Nachmias, 1992).

El experimento es menos usado en las ciencias sociales, en primer lugar, porque es una
estructura rgida que a menudo no puede ser adaptado a la investigacin social. As, los
cientficos sociales frecuentemente usan diseos que son ms dbiles para realizar inferencias
causales pero que resultan ms apropiados para el tipo de problemas que tienen que analizar,
tales como, por ejemplo, los diseos denominados cuasiexperimentales.

No obstante, los experimentos ciertamente son usados en las ciencias sociales. Incluso,
en algunos campos de las ciencias sociales, como ocurre en la psicologa social, los diseos
predominantemente utilizados son los experimentales. Por otra parte, el uso de experimentos ha
llegado a difundirse ms en los anlisis de polticas y evaluacin de proyectos.

Tal como dijimos anteriormente, los estudios experimentales son estudios explicativos
que constituyen un modelo lgico de inferencia causal. En este sentido, es necesario aclarar que
hay diferentes tipos de explicacin. As, podemos interesarnos en la explicacin de una ley o de
sucesos, estados de cosas o hechos singulares. "Tpicamente la explicacin de una ley se realiza
a partir de otras leyes, deducindola de otras ms generales, de un nivel ms terico. Es decir,
explicar una ley es algo relativo que consiste en situarla en el contexto de otras leyes... Tambin




5
podemos explicar los hechos singulares haciendo referencia a aspectos ms generales. Y esto
nos lleva a formular el modelo de explicacin ms riguroso y exigente, el nomolgico-
deductivo. Por supuesto, este modelo, desarrollado por Popper, Hempel, Nagel, se puede aplicar
tanto a hechos singulares como generales" (Schuster, 1986). Por ejemplo, "ante el hecho... de
que un trozo de hierro, en un instante dado, se dilata con el calor, podemos preguntarnos por qu
ocurre este fenmeno. Para responder adecuadamente, buscamos enunciados generales (leyes)
dentro de las cuales el hecho en cuestin (el enunciado que lo describe) queda incluido. Para
evitar confusiones, no se trata de obtener el enunciado general a partir del hecho singular
(mediante una inferencia inductiva), sino encontrar una ley o leyes que ya han sido formuladas
previamente en el contexto de que se trate y de la que, como veremos, el hecho en cuestin
puede deducirse. En nuestro simple caso, encontraramos la ley general `Todos los metales se
dilatan con el calor'. Pero la explicacin no est as terminada, pues, incluso, no se puede hacer
propiamente la deduccin si no conocemos ciertos datos, condiciones iniciales o circunstancias
particulares; en nuestro ejemplo, que el hierro es un metal" (Schuster, 1986).

Existen otro tipo de explicaciones que guardan relacin con la estructura lgica
anteriormente expuesta y que son las que nos interesan en esta oportunidad. Nos referimos a las
explicaciones causales, las cuales, segn Hempel, "... tienen la estructura indicada, slo que se
usan leyes causales. Popper introduce una variacin del modelo anterior en su modelo
hipottico-deductivo de explicacin, en el que permite que las leyes, en lugar de ser verdaderas
(o de que nos basemos en esto), sean hiptesis de teoras suficientemente corroboradas"
(Schuster, 1986). En este sentido, "... uno explica cuando coloca el hecho a explicar en el
contexto de una teora (entendida como conjunto de hiptesis); la explicacin es as hipottica"
(Schuster, 1986).

De lo dicho hasta aqu, no debe inferirse que toda explicacin ha de ser causal ya que
puede darse por correlaciones, como ocurre muchas veces en las ciencias sociales (Schuster,
1986). De ah que sea necesario detenernos un poco en la nocin de causalidad, la cual
abordamos en el prximo apartado.


III. EL EXPERIMENTO COMO TECNICA DE ANALISIS CAUSAL

El experimento puede calificarse como el ms prominente de todos los mtodos de
investigacin en cuanto es el nico que permite constatar relaciones causales. El concepto de
causalidad es complejo y el anlisis exhaustivo del mismo nos llevara ms all del propsito de
esta clase. En esta oportunidad nos limitaremos a aquellos puntos que parecen esenciales para el
entendimiento de los requerimientos de los procedimientos de investigacin en aquellos estudios
destinados a la comprobacin de hiptesis causales.

El sentido comn aplicado a la causalidad tiende a considerar que un acontecimiento
singular (la causa) siempre lleva a otro acontecimiento singular (el efecto). En la ciencia
moderna, el nfasis se carga ms bien sobre una multiplicidad de "condiciones determinantes",
las cuales, en conjunto, hacen probable la ocurrencia de un determinado acontecimiento. Tanto
el sentido comn como el pensamiento cientfico se ocupan del descubrimiento de las
condiciones necesarias y suficientes para un fenmeno.




6

Una condicin necesaria es la que debe ocurrir si el fenmeno del que es "causa", se da
en efecto. Si X es una condicin necesaria de Y, entonces Y nunca se dar a menos que ocurra la
condicin X. Por ejemplo, para ser un adicto a las drogas es condicin necesaria una previa
experiencia con las mismas, puesto que es imposible una adiccin a las drogas si la persona
nunca las ha usado.

Una condicin suficiente es la que siempre es seguida por el fenmeno del que es causa.
Si X es una condicin suficiente de Y, siempre que se d X, ocurrir Y. Por ejemplo, la
destruccin del nervio ptico es una condicin suficiente de ceguera, puesto que ninguna persona
cuyo nervio ptico ha sido destruido puede ver.

Una condicin puede ser a la vez necesaria y suficiente para la ocurrencia de un
fenmeno. En tal caso, Y nunca se dar a menos que X ocurra y siempre que X ocurra, tambin
se dar Y. En otras palabras, no habr ningn caso en que X o Y aparezcan solos. Ninguno de
los ejemplos anteriores se ajusta a este modelo.

En tanto el sentido comn nos lleva a confiar que un factor proporcione una completa
explicacin, el cientfico raramente confa -por no decir nunca- en que un factor nico o
condicin sea causa suficiente y necesaria de un fenmeno. Ms bien est interesado en las
condiciones contribuyentes, condiciones contingentes y condiciones alternativas o
alternantes, todas las cuales el cientfico espera que se hallen trabajando para hacer probable
pero no segura la ocurrencia del acontecimiento o fenmeno (Selltiz et al., 1965).

Una condicin contribuyente es la que aumenta las probabilidades de que ocurra un
determinado fenmeno pero no lo hace seguro, lo cual se debe a que ste es solamente uno del
nmero de factores que, conjuntamente, determina la ocurrencia del fenmeno. As, la
investigacin sobre la adiccin a las drogas no termina con la aceptacin de que la experiencia
previa con las drogas es condicin necesaria para aqulla, sino que contina con la consideracin
de qu factores personales, familiares y de vecindad han llevado a tal experiencia y cul de los
factores influye ms para que una persona que ha tenido la experiencia primera se convierta en
adicto (Selltiz et al., 1965).

Pero el comportamiento con que la ciencia social trata es complejo en extremo; la
interaccin de factores debe ser tenida en cuenta. Un factor que acta como condicin
contribuyente de un fenmeno bajo una serie de circunstancias puede no hacerlo bajo otras. Las
condiciones bajo las cuales una determinada variable es causa contribuyente de un fenmeno
dado son llamadas condiciones contingentes. Una considerable parte de la investigacin que se
realiza en el campo de las ciencias sociales se refiere a la identificacin de tales condiciones. Por
ejemplo: en las vecindades donde el uso de las drogas est generalizado (condicin contingente),
la ausencia del padre del adolescente (condicin contribuyente) contribuye a la probabilidad de
que el muchacho sea un adicto a aqullas (Selltiz et al., 1965).

El conocimiento de la multiplicidad de causas contribuyentes lleva tambin a un inters
por las condiciones alternativas que pueden hacer ms verosmil la ocurrencia de un fenmeno.
Por ejemplo, puede descubrirse que tanto la ausencia de la figura paterna como la ocurrencia de




7
trato hostil o indiferente por parte del padre, contribuyen a la probabilidad del uso de drogas en
aquellas vecindades donde su uso es comn. El cientfico social puede entonces buscar una
hiptesis que incluya un factor comn a ambas causas -la alternativa y la contribuyente- y as
formular, por ejemplo, que en las vecindades donde las drogas son fciles de adquirir, la falta de
identificacin con la figura paterna durante la niez hace ms probable la adiccin a las drogas
durante la adolescencia (Selltiz et al., 1965).

Muchas hiptesis en ciencias sociales se ocupan de las condiciones contribuyentes o
alternativas y las contingencias bajo las cuales actan. Sin embargo, es imposible demostrar
directamente que una caracterstica u ocurrencia determinada (X) determina otra caracterstica u
ocurrencia (Y), ya se por s misma o en combinacin con otras caractersticas u ocurrencias (A,
B, C, etc.). Ms bien lo que ocurre es que estamos siempre en posicin de inferir, a partir de
datos observados que la hiptesis de que X es una condicin para la ocurrencia de Y es o no
sostenible con cierto grado especfico de confianza.

La ciencia, como otros procesos cognitivos, comprende la formulacin de teoras,
hiptesis, modelos, etc., as como la aceptacin o el rechazo de ellos en virtud de algn conjunto
de criterios externos. La experimentacin pertenece a esa segunda fase, la del desbrozamiento, el
rechazo y la revisin. Podemos suponer para nuestra ciencia una ecologa en la cual el nmero
de hiptesis positivas exceda en mucho al de hiptesis que a la larga demostrarn ser compatibles
con nuestras observaciones. La caracterstica predominante de la tarea de compilacin de
datos para la prueba de teoras es, pues, el rechazo de hiptesis inadecuadas (Campbell y
Stanley, 1970). Para conseguirlo resulta provechoso cualquier ordenamiento de observaciones
en virtud del cual se desautorice la teora correspondiente, incluyendo diseos
cuasiexperimentales de menor eficacia que los verdaderos experimentos.

En un sentido muy fundamental, los resultados experimentales nunca "confirman" ni
"demuestran" una teora; ms bien la teora triunfante est probada y escapa a la refutacin. En
otras palabras, "los resultados de un experimento `ponen a prueba' pero no `prueban' una
teora. Una hiptesis bien fundada es aquella que ha sobrevivido en reiteradas ocasiones a esos
exmenes pero que siempre puede ser desplazada por otra nueva investigacin" (Campbell y
Stanley, 1970).


Qu evidencia es necesaria para justificar inferir la existencia de relaciones
causales entre dos variables?

En la prctica, la demostracin de la causalidad conlleva tres diferentes operaciones:

1. Demostrar covariacin (o variacin concomitante)

Covariacin simplemente significa que dos o ms fenmenos varan conjuntamente. Por
ejemplo, si un cambio en el nivel de educacin es acompaado por un cambio en el nivel del
ingreso, se puede decir que la educacin covara con el ingreso. Esto significa que los individuos
con ms alto nivel de educacin tambin tienen ms altos ingresos que los de menor nivel de
educacin. Recprocamente, si un cambio en el nivel de educacin no es acompaado por un




8
cambio en el nivel de ingreso, la educacin no vara concomitantemente con el ingreso. En la
investigacin cientfica, la nocin de covariacin es expresada a travs de medidas de relaciones
comnmente indicadas por correlaciones y asociaciones. De este modo, una correlacin entre
fenmenos es una evidencia necesaria para una interpretacin causal. Por ejemplo, si el
autoritarismo no est correlacionado (no vara concomitantemente) con la violencia, aquel no
puede ser la causa de sta.


2. Eliminar las relaciones espreas

La segunda operacin requiere que el investigador demuestre que la covariacin
observada no es esprea. Existe una relacin no esprea entre dos variables cuando dicha
relacin no es explicada en el anlisis por una tercer variable. En otras palabras, si los efectos de
todas las variables relevantes son controlados y la relacin entre las dos variables originales se
mantiene, la relacin entre estas no es esprea. Que una relacin no es esprea implica que hay
nexo causal inherente entre las variables y que la covariacin observada no est basada en una
conexin accidental con algn fenmeno asociado.
3. Establecer el orden temporal de la ocurrencia de variables

La tercera operacin requiere que el investigador demuestre que la variable que se asume
como causa ocurre primero o cambia primero que la que se asume como efecto. El supuesto
implcito aqu es que un fenmeno en el futuro no puede determinar un fenmeno en el presente
o en el pasado. En muchos casos, existen algunas dificultades para determinar el orden temporal
de los fenmenos. As, el status de los padres influye en las expectativas educativas de sus hijos
y no viceversa. Pero, podemos decir que el logro ("achievement") sigue a la motivacin o que un
cambio en el nivel de motivacin sigue al logro. Nosotros discutiremos ms adelante, los
mtodos empleados para determinar el orden temporal de los eventos, pero en este punto slo
queremos sealar la significancia del criterio de orden temporal cuando formulamos
explicaciones causales.


IV. EL DISEO EXPERIMENTAL CLASICO

El diseo clsico de investigacin experimental consiste de dos grupos comparables: un
grupo experimental y un grupo de control. Estos dos grupos son equivalentes excepto en el
hecho de que el grupo experimental es expuesto a la variable independiente (tambin
denominada estmulo -"treatment"-) y el grupo de control, no.

La asignacin de los casos al grupo experimental o de control est basada en el azar.
Esto tiene por objetivo el garantizar la igualdad y, por ende, la comparabilidad de ambos grupos.
Para evaluar el efecto de la variable independiente, los investigadores realizan dos mediciones
sobre la variable dependiente para cada grupo. La primera medicin -el pretest- es realizada
antes de introducir la variable independiente en el grupo experimental. La segunda medicin -el
postest- es realizada luego que la exposicin al estmulo ha tenido lugar. Las diferencias entre el
pretest y el postest son comparadas en cada grupo. Si la diferencia en el grupo experimental es
significativamente mayor que en el grupo de control, se infiere que la variable independiente est




9
causalmente relacionada con la variable dependiente.

Cmo interpretar los resultados? Si resulta que la diferencia entre las mediciones de la
variable dependiente (realizadas en los grupos experimental y de control) es "autntica" con un
determinado grado de significacin, por ejemplo, con 95 % de seguridad, cabe afirmar un nexo
causal. Ahora podra hacerse la siguiente interpretacin: con un 95 % de seguridad vale para
todas las personas de la clase "I" (universo sobre el que se ha de generalizar) que la variable X
determina a la variable Y (o, de otra manera: X es una causa de Y). Se precisar al mximo en
cada caso concreto la naturaleza del nexo: si Y aumenta o decrece con X, si se transforma
proporcional o exponencialmente, etc. La medida en que estos enunciados sean posibles es algo
que depende de la naturaleza de las variables. Importante de retener es que a travs del
experimento slo se demostr que Y es determinado, entre otros factores, por X, pero no slo por
X. Es posible que tambin otros factores ejercieran su influencia sobre Y. A fin de descubrir el
mayor numero posible de factores causales relevantes para Y, se deberan organizar muchos
experimentos en cada uno de los cuales se manipulara como estmulo uno u otro de los
supuestos factores causales, mientras que los restantes factores tambin aquellos cuyo carcter
causal se puso de manifiesto en los anteriores experimentos se controlaran mediante la
equiparacin de Gl y G2. Es posible reducir todo este trabajo cuando se realizan experimentos
con varios factores causales simultneamente, como veremos ms adelante.

El diseo experimental clsico posee tres componentes: la comparacin, la manipulacin
y el control. Los tres son necesarios para establecer que la variable independiente y la
dependiente estn causalmente relacionadas. La comparacin nos permite demostrar la
covariacin, la manipulacin ayuda a establecer el orden temporal de los eventos y el control nos
permite determinar que la covariacin observada no es esprea. Discutiremos cada uno de estos
componentes separadamente.


1. Comparacin

El proceso de comparacin subyace al concepto de covariacin o correlacin. La
comparacin es una operacin requerida para demostrar que dos variables estn correlacionadas.
Digamos, por ejemplo, que deseamos demostrar una correlacin entre fumar cigarrillos y el
cncer de pulmn: el fumar cigarrillos est asociado a un mayor riesgo de contraer cncer de
pulmn. Para examinar esto, el investigador debe comparar la frecuencia de casos de cncer
entre fumadores y no fumadores o, alternativamente, comparar el nmero de casos de cncer en
una poblacin de fumadores antes y despus de haber comenzado a fumar. Supongamos que
creemos que el mirar televisin contribuye a fomentar imgenes tradicionales sobre los roles de
hombres y mujeres entre los adolescentes. Nosotros esperamos encontrar una covariacin entre
el mirar televisin y las imgenes tradicionales de gnero. Esto es, los adolescentes que pasan
ms tiempo mirando televisin exhibirn estereotipos tradicionales de roles de gnero. Para
estimar esta covariacin podramos comparar grupos de adolescentes que miren poca televisin
con grupos que miren mucha televisin; o bien comparar las concepciones sobre los roles de
gnero de un grupo antes y despus de ver un programa de televisin que privilegia las imgenes
tradicionales sobre los roles de gnero. En otras palabras, para determinar la covariacin
debemos evaluar los resultados de los adolescentes sobre la variable dependiente antes y despus




10
de introducir la variable independiente, o bien comparar un grupo que est expuesto a la variable
independiente con otro que no lo est. En el primer caso, un grupo es comparado con s mismo;
en el segundo caso, un grupo experimental es comparado con un grupo de control.


2. Manipulacin

La nocin de causalidad implica, como ya dijimos, que Y es causada por X, entonces un
cambio inducido en X acarrear un cambio en Y. Esta relacin emprica es asimtrica no
reversible, lo cual implica que X produce Y pero no a la inversa. Para que esto se produzca, el
cambio de X debera ocurrir ante que el cambio de Y, de lo cual se sigue que sta no puede ser la
variable determinante. Por ejemplo, si se sostiene que la participacin en grupos de tratamiento
de alcohlicos aumenta la negacin de los problemas del alcoholismo, debe demostrarse que el
aumento de la negacin tiene lugar luego de la participacin en el grupo de tratamiento. Esto
puede estar acompaado por alguna forma de control -manipulacin- de la asignacin al grupo
de tratamiento de tal forma que el investigador pueda medir el nivel de negacin a los problemas
del alcoholismo antes y despus de la participacin en el grupo.

En los escenarios ("settings") experimentales, especialmente en experimentos de
laboratorio, los investigadores pueden introducir ellos mismos el estmulo experimental y
manipularlo. Esto sucede cuando el investigador puede decidir libremente que el estmulo sea
introducido en uno u otro grupo. Slo as puede hablarse de experimento en sentido estricto pues
slo entonces existe la certeza de que la modificacin de Y (variable dependiente) fue producida
por X (estmulo introducido). Sin embargo, en los escenarios naturales (experimentos de campo)
los investigadores no siempre pueden introducir el estmulo experimental y manipularlo
libremente. En ambos casos, la principal evidencia requerida para determinar el orden temporal
de los eventos, esto es que la variable independiente preceda a la variable dependiente, es que se
produzca un cambio solamente despus de la activacin de la variable independiente.


3. Control

El tercer criterio de causalidad requiere que otros factores sean desechados como
explicaciones opuestas de la asociacin observada entre las variables investigadas. Tales
factores podran invalidar la inferencia de que las variables estn causalmente relacionadas. Esto
ha sido denominado por Donald Campbell y Julian Stanley (1970) como problema de validez
interna. As, "llamamos validez interna a la mnima imprescindible sin la cual es imposible
interpretar el modelo. Por su parte, la validez externa plantea el interrogante de la posibilidad de
generalizacin: a qu poblaciones, situaciones, variables de tratamiento y variables de medicin
puede generalizarse este efecto? Ambos criterios son sin duda importantes, aunque con
frecuencia se contrapongan, en el sentido de que ciertos factores que favorecen a uno de ellos
perjudican al otro. Si bien la validez interna es el sine qua non y a la cuestin de validez
externa, como a la de la inferencia inductiva, nunca se puede responder plenamente, es obvio
que nuestro ideal lo constituye la seleccin de diseos ricos en una y otra validez.






11
3.1. La validez interna de los diseos experimentales

Con relacin a la validez interna Campbell y Stanley (1970) presentan ocho clases
distintas de variables externas que, de no controlrselas en el diseo experimental, podran
generar efectos que se confundieran con el estmulo experimental. Los factores que pueden
afectar la validez interna pueden ser clasificados entre aquellos que son extrnsecos a la
operacin de investigacin y aquellos que son intrnsecos y que infringen los resultados durante
el perodo de estudio.


A. Factores extrnsecos

Son factores que dan cuenta de sesgos resultantes de una seleccin diferencial en el
reclutamiento de los participantes de la investigacin para los grupos experimental y de control.
Estos factores de seleccin producen diferencias entre el grupo experimental y de control que son
anteriores a la operacin de investigacin. Los efectos de seleccin son especialmente
problemticos en casos en los cuales los individuos deciden si participan en un experimento. En
tales casos, el investigador no puede decir si la variable independiente causa las diferencias
observadas entre el grupo experimental y de control o si otros factores relacionados con los
procesos de seleccin son los responsables de tales efectos observados.


Procedimientos de control

Para que las mediciones de la variable dependiente realizadas en los grupos experimental
y de control puedan ser comparadas entre s con pleno sentido, ambos grupos han de ser iguales
en todas las variables que (junto a X) hayan podido influir en la variable dependiente. Esto se
denomina control de los factores desconocidos. Estn controlados cuando existe la certeza de
que su repercusin en la variable dependiente es la misma en ambos grupos. Para la igualacin
de los grupos se emplean habitualmente dos mtodos: la aleatorizacin ("randomization") y el
pareo ("matching").



a) Pareo
Cuando deba experimentarse con una totalidad pequea, la igualdad de los dos grupos
puede realizarse mediante la aplicacin del mtodo del pareo o "matching". Es decir, se divide la
poblacin en dos grupos segn el principio del pareo. De esta manera estn en vigencia las leyes
de la teora probabiIstica, y se puede suponer que ambos grupos, siempre que no sean
demasiado pequeos, son iguales en sus atributos (Mayntz, 1988). Si, por ejemplo, se sospecha
que junto al factor X tambin el sexo y la edad de los estudiantes son determinantes de la
intensidad del prejuicio, se los podra subdividir de la manera que se expone en la siguiente tabla
(Mayntz, 1988):


Menos de 20 aos 20-25 aos Ms de 25 aos




12

Varones 20 40 20

Mujeres 15 30 18


Cada uno de los seis subgrupos es luego dividido en dos, al azar. La mitad se incluye en
el grupo Gl, y la otra mitad, en el grupo G2 (en caso de nmeros impares una de las mitades ser
mayor que la otra en una unidad. El error resultante es despreciable cuando el nmero de los
ocupantes del cuadro es suficientemente grande. Naturalmente, se puede extraer al azar a una
persona, con lo que el cuadro presenta un nmero par). De esta manera se consigue que cada
miembro de un grupo tenga un "gemelo" (en los factores causales codeterminantes escogidos) en
el otro grupo. Por ello se habla de pareo. Mediante la biparticin aleatoria de los subgrupos se
procura que ambas mitades sean iguales en todos los restantes factores causales no considerados.
Ahora bien, los subgrupos no deberan ser demasiado pequeos. Naturalmente, as es posible
igualar ms de dos factores. Pero si los subgrupos son demasiado pequeos, su biparticin
aleatoria conduce a una "igualdad" muy distorsionada. El "matching" puede ser tambin aplicado
a una muestra extrada a partir de un universo muy amplio (Mayntz, 1988).


b) Aleatorizacin ("randomization")
Se obtienen ambos grupos como muestras aleatorias del mismo universo (por ejemplo,
estudiantes de la Universidad de Buenos Aires). Segn la teora matemtico-estadstica de la
probabilidad, estas muestras (dentro de determinados lmites de error) son iguales en todas sus
caractersticas (medias, distribuciones de frecuencias). Con esto estn "controlados" todos los
factores causales desconocidos (Mayntz, 1988).

A veces se indica un tercer mtodo para la igualacin de ambos grupos: la igualacin de
los parmetros de las distribuciones de frecuencia relevantes. Las personas sometidas al
experimento son distribuidas entre los dos grupos en base a los factores causales codeterminantes
supuestos de manera que las medias (y, eventualmente, las dispersiones) sean iguales. Si se
sospecha, pongamos por caso, que la edad es un factor codeterminante, habra que repartir a los
individuos entre los dos grupos de tal forma que su edad media y, eventualmente, la dispersin
de edad, fueran iguales en ambos grupos. Se trata de una forma primitiva del "matching". Los
restantes factores causales codeterminantes, a diferencia de lo que ocurre en el "matching", no
resultan controlados, puesto que el principio aleatorio no es puesto en prctica a la hora de la
asignacin de los individuos al grupo Gl o al G2.



B. Factores intrnsecos

Estos factores dan cuenta de cambios en los individuos o unidades estudiadas que
ocurren durante el perodo de estudio, cambios en el instrumento de medicin o el efecto reactivo
de la propia observacin. Los siguientes son los principales factores que pueden invalidar la
interpretacin causal resultante de los resultados de la investigacin:




13

1) Historia
Se refiere a todos los acontecimientos ocurridos entre la primera y la segunda medicin
que -adems de la variable independiente- pueden afectar a los individuos estudiados y proveer
una explicacin opuesta para el cambio de la variable dependiente.

2) Maduracin
Incluye procesos biolgicos, psicolgicos o sociales que producen cambios en los
participantes que operan como resultado del mero paso del tiempo (no son peculiares de los
acontecimientos en cuestin). Estos cambios podran influenciar posiblemente a la variable
dependiente y llevarnos a realizar inferencias errneas. La maduracin al igual que la historia
son amenazas serias para la validez de la inferencia causal.

3) Administracin de tests
La posible reaccin a la medicin es uno de los principales problemas de la investigacin
en las ciencias sociales. El proceso de administrar tests puede cambiar el fenmeno que est
siendo medido. El efecto de ser sometido a un pretest puede sensibilizar a los individuos y
afectar sus resultados en el postest. As, la diferencia entre los resultados del postest y el pretest
podran deberse no a la variable independiente sino ms bien a la experiencia ganada por los
individuos en el pretest. Similarmente, a travs del pretest, los individuos pueden aprender las
respuestas socialmente aceptadas ya sea formulando las preguntas o discutiendo los resultados
con amigos. As, ellos pueden responder en la direccin esperada en el postest.

4) Instrumentacin
Designa los cambios en los instrumentos de medicin o en los observadores o
calificadores participantes entre el pretest y el postest que pueden producir variaciones en las
mediciones que se obtengan. Para asociar las diferencias entre los resultados del postest y el
pretest con la variable independiente, el investigador tiene que mostrar que mediciones repetidas
con el mismo instrumento de medicin bajo condiciones estables conducirn al mismo resultado.
Si esto no puede ser mostrado, las diferencias observadas podran atribuirse a cambios en el
instrumento de medicin y no necesariamente a la variable independiente. La estabilidad de la
medicin es un problema de confiabilidad y su ausencia puede ser una amenaza para la validez
de los instrumentos.

5) Regresin estadstica
Opera cuando los individuos han sido asignados a los grupos experimental y de control
sobre la base de sus puntajes extremos sobre la variable dependiente. Cuando esto ocurre y las
mediciones no son confiables, individuos que han tenido resultados por debajo del promedio en
el pretest podrn aparecer como que han aumentado su resultado en el postest. Inversamente, los
individuos que han tenido resultados superiores al promedio en el pretest aparecern con
resultados no tan buenos en el postest. Por ejemplo, cuando nosotros damos un examen, algunas
veces podemos tener una actuacin por debajo de nuestras expectativas en relacin al test debido
a factores que escapan a nuestro control y que nada tiene que ver con nuestra capacidad
acadmica (por ej., haber tenido una noche de insomnio antes del test o haber tenido un problema
personal). Estos factores que no reflejan la verdadera capacidad son definidos como errores. Es
muy probable que la prxima vez que el test fuera tomado nuestro rendimiento aumentara sin




14
estudiar adicionalmente. En una visin ms general, la regresin estadstica puede llegar a ser
una amenaza para la validez de un estudio si se espera que el tratamiento produzca un cambio en
los individuos cuyos resultados sobre la variable dependiente son extremos al comenzar.

6) Mortalidad experimental
Se refiere a los problemas que la prdida de participantes de los grupos de comparacin
le generan al investigador ya que le impiden obtener informacin completa en todos los casos.
Cuando los individuos desaparecen selectivamente del grupo experimental y de control, la
muestra final sobre la cual se dispone informacin completa puede estar sesgada.

7) Interaccin con selecciones
Muchos de los factores que constituyen una amenaza para la validez interna de los
experimentos pueden interactuar con seleccin y representar una amenaza adicional para la
validez del estudio. Los factores que ms comnmente interactan son la seleccin-historia y la
seleccin-maduracin. La interaccin seleccin-historia resulta cuando el grupo experimental y
el de control seleccionados provienen de distintos escenarios ("settings") los cuales pueden
afectar las respuestas de los individuos al tratamiento. La interaccin seleccin-maduracin
ocurre cuando el grupo experimental y el de control maduran a un ritmo diferente (por ejemplo,
si se compara el desarrollo cognitivo de hombres y mujeres entre el pretest y el postest).


3.2. Generalizacin de los resultados: el problema de validez externa de los diseos
experimentales

La validez interna es sin duda un aspecto crucial de la investigacin social. Una pregunta
significativa adicional tiene que ver con la posibilidad de generalizar los resultados de la
investigacin a poblaciones mayores y aplicarlos a contextos sociales y polticos diferentes. Este
punto es denominado validez externa de los diseos experimentales. Los dos principales factores
que amenazan la validez externa o representatividad son los siguientes:

1) La representatividad de la muestra
La aleatorizacin contribuye a la validez interna de un estudio. Sin embargo, no asegura
necesariamente la representatividad de la poblacin de inters. Resultados que prueban ser
internamente vlidos pueden ser especficos para el grupo seleccionado para los estudios en
particular. Esta situacin es altamente probable en situaciones en las que el reclutamiento de los
casos del estudio es difcil. Para que sea posible hacer generalizaciones a partir de los resultados
limitados del estudio especfico, el investigador debera tener cuidado en la seleccin de la
muestra utilizando mtodos de muestreo que aseguren la representatividad. En teora, los grupos
experimental y de control deberan constituir muestras probabilsticas de la poblacin bajo
estudio. Sin embargo, en la prctica, obtener una muestra probabilstica para un experimento a
menudo implica problemas como el alto costo y la alta tasa de rechazo de los sujetos a cooperar
con la investigacin.

2) Efectos reactivos de los dispositivos experimentales
Los resultados de un estudio aspiran a ser generalizados no slo a una poblacin mayor
sino tambin escenarios o contextos de la vida real. Sin embargo, esto no siempre puede ser




15
concretado, especialmente cuando un estudio es realizado en una situacin altamente artificial y
preparada -tal como sucede en un laboratorio- que impedira hacer extensivo el efecto de la
variable experimental a las personas expuestas a ella en una situacin no experimental.

Varias caractersticas de los escenarios pueden tener efectos reactivos y afectar la validez
externa del estudio. Por ejemplo, un pretest podra aumentar o disminuir la sensibilidad o la
calidad de la reaccin del participante a la variable experimental, haciendo que los resultados
obtenidos para una poblacin con pretest no fueran representativos de los efectos de la variable
experimental para el conjunto sin pretest del cual se seleccionaron los participantes
experimentales. Otro ejemplo estara dado por las interferencias de los tratamientos
mltiples, que pueden producirse cuando se apliquen tratamientos mltiples a los mismos
participantes, pues suelen persistir los efectos de tratamientos anteriores. Este es un problema
particular de los diseos experimentales de un solo grupo.


V. TIPOS DE DISEOS EXPERIMENTALES

Los diseos experimentales pueden ser clasificados en relacin a los criterios que
nosotros hemos discutido hasta aqu. As, algunos diseos permiten la manipulacin pero fallan
al emplear mtodos de control al proveer un adecuado plan de muestreo; otros pueden incluir
grupos de control pero no tienen control sobre la manipulacin de la variable independiente. De
acuerdo con esto, los principales tipos de diseo que podemos distinguir son los siguientes:

1. Experimentales

2. Cuasi-experimentales
3. Correlacionales

4. Pre-experimentales

En los diseos experimentales los individuos o unidades de anlisis son asignados al azar
("randomly") a los grupos experimental y de control y la variable independiente es introducida
solamente al grupo experimental. Este tipo de diseos permiten por la comparacin, control,
manipulacin y, usualmente, la generalizacin. Los diseos cuasi-experimentales y los
correlacionales habitualmente incluyen combinaciones de algunos de estos elementos pero no
todos ellos. Tpicamente, estos diseos carecen de posibilidades de manipulacin y asignacin al
azar a los grupos experimental y de control. Los diseos pre-experimentales incluyen menos
resguardos an que los diseos cuasiexperimentales y los correlacionales y, en este sentido, ellos
proveen menos credibilidad sobre si dos variables estn relacionadas causalmente.
En esta oportunidad nos centraremos en algunos de los diseos experimentales
propiamente dichos ms comnmente utilizados. Dejaremos para otra oportunidad la discusin
sobre los diseos cuasiexperimentales, correlacionales y pre-experimentales.


1. Diseo de grupo de control pretest-postest o de experimentacin controlada





16
El diseo experimental clsico, al que nos referimos anteriormente, es uno de los
modelos lgicos ms fuertes para inferir relaciones causales. Este diseo permite:

a) comparaciones entre los grupos experimental y de control para el pretest y el postest;

b) la manipulacin de la variable independiente y adems la determinacin de la secuencia
temporal de las variables; y, la ms significativa,

c) la asignacin al azar ("randomly") de los sujetos a los grupos experimental y de control, que
controla la mayora de los factores que garantizan la validez interna.


Grupo Pretest Estmulo Postest

Experimental R 01 X 02

Control R 03 04


Sin embargo, este diseo es dbil en lo que hace a la validez externa y no permite realizar
generalizaciones a la poblacin no testeada. Las dos variaciones de este diseo que veremos a
continuacin son ms fuertes en este ltimo aspecto (validez externa).



2. Diseo de cuatro grupos de Solomon

El pretest en un contexto experimental tiene ventajas y desventajas. Aunque provee las
bases para establecer la secuencia temporal tanto como la comparacin, el pretest puede tener
efectos reactivos severos. Debido a la sensibilizacin de la poblacin muestreada, el pretest
puede afectar los resultados del postest. Por otro lado, hay circunstancias bajo las cuales no es
posible en la prctica realizar un pretest.

El diseo de cuatro grupos de Solomon tiene las mismas caractersticas que el diseo
clsico pero, adems, incluye un set de grupos experimentales y de control que no son sometidos
a un pretest. As, el efecto reactivo del pretest puede ser medido directamente a travs de la
comparacin de los dos grupos experimentales y los dos grupos de control. Estas comparaciones
indicarn si X tiene un efecto independiente sobre los grupos que no fueron sensibilizados por el
pretest. Si puede mostrarse que la variable independiente tuvo un efecto an con la ausencia del
pretest, los resultados pueden ser generalizados a poblaciones que no fueron medidas con
anterioridad a la exposicin de X. Campbell y Stanley (1970) sealan que "... no solo se
aumenta la posibilidad de generalizar, sino que adems se repite el efecto de X en cuatro formas
diferentes... Las inestabilidades concretas de la experimentacin son tales que, si esas
comparaciones concuerdan, el vigor de la inferencia queda muy incrementado".

Grupo Pretest Estmulo Postest




17

R 01 X 02

R 03 04

R X 05

R 06

Sin embargo, en algunos estudios con diseos de este tipo que se llevaron a cabo en USA
(Nachmias y Nachmias, 1992) result que los grupos experimental y de control que no fueron
pretesteados fueron mucho menos proclives a participar ms tarde (en el postest) que aquellos
que haban participado del pretest. De este modo, la tasa de rechazo de aquellos dos grupos fue
tan alta que el investigador tuvo que atenerse solamente al grupo pretesteado para el anlisis de
los resultados (Nachmias y Nachmias, 1992).


3. Diseo de grupo de control con postest nicamente

Aunque el diseo de cuatro grupos de Solomon es un diseo experimental robusto, a
menudo es impracticable para implementar ya sea por su costo o porque los pretests pueden ser
seriamente reactivos. El diseo de grupo de control con postest nicamente es una variacin del
diseo experimental clsico y del diseo de Solomon ya que en el mismo se trabaja slo con dos
grupos: uno experimental y otro de control y en ambos se omite el pretest. Los individuos son
asignados al azar a los grupos experimental y de control y son medidos durante o despus de la
introduccin de la variable independiente.


Grupo Estmulo Postest

R X 01

R 02


El diseo de grupo de control con postest nicamente controla todas las causas de
invalidez interna. Con la omisin del pretest, la administracin de test y la instrumentacin
llegan a ser fuentes irrelevantes de invalidez. Puede tambin asumirse que los restantes factores
intrnsecos de validez son controlados, si ambos grupos estn expuestos a los mismos
acontecimientos externos y sujetos al mismo proceso de maduracin. Adicionalmente, el factor
extrnseco de seleccin est controlado por la asignacin al azar de los sujetos a los grupos
experimental y de control, lo cual elimina un sesgo inicial en cada grupo.



4. Diseo experimental para estudiar efectos extendidos en el tiempo




18

En todos los diseos experimentales descriptos hasta aqu se asumi que el efecto de la
variable independiente sobre la variable dependiente puede ser observado inmediatamente o
dentro de un perodo corto de tiempo. Pero, algunas veces, nosotros podemos esperar que
efectos de largo plazo tengan lugar con el transcurso del tiempo. Esto es particularmente
evidente en estudios de polticas y en investigaciones en las cuales la variable dependiente es un
una actitud.

Una solucin para los estudios de efectos retrasados consiste en introducir perodos de
postest adicionales, por ejemplo, seis meses o un ao ms tarde. Esta es una solucin
convencional cuando la investigacin tiene lugar en escuelas, por ejemplo, donde mediciones
postest en los grados seran recogidas de cualquier modo. Sin embargo, Campbell y Stanley
(1970) indican que "... cuando mediciones postest son introducidas por el investigador, la
repeticin de las mediciones sobre los mismos sujetos podran tener el mismo efecto de invalidez
que tendra el pretest. Entonces, una mejor solucin sera establecer separadamente los grupos
experimental y de control para cada postest planificado" (ver tabla).






Grupo Pretest Estmulo Postest Postest

R O1 X O2

R 03 O4

R 05 X O6

R O7 O8


La misma duplicacin del grupo experimental puede ser incorporada en otros diseos.



5. Diseos factoriales

En todos los diseos discutidos hasta ahora haba solamente una variable independiente
que se introduca en el grupo experimental y se evitaba en el grupo de control. Examinar el
efecto de ms de una variable independiente requiere un amplio nmero de grupos
experimentales y un diseo factorial.

Supongamos que en nuestro estudio tenemos dos variables independientes dicotmicas
(como el programa educativo y el tipo de institucin escolar) y una dependiente, ser necesario




19
trabajar con cuatro grupos experimentales para estudiar todas las combinaciones de valores de
esas dos variables. Los cuatro grupos experimentales tienen cuatro diferentes "tratamientos"
representando todas las posibles combinaciones de valores de las dos variables independientes
(en este ejemplo, dichas combinaciones quedaran reflejadas en un cuadro de 2x2).


Grupo Estmulo Postest

R X1 O1

R X2 O2

R X3 03

R X4 04


En cuanto a la validez externa de los diseos factoriales, podemos decir que la principal
ventaja de los diseos factoriales es que ellos pueden ampliar el rango de generalizacin. En
lugar de "controlar para cualquier cosa", como en los experimentos con una nica variable, se
introducen variables relevantes adicionales, cada una a dos o ms diferentes niveles.
Consecuentemente, el investigador no est constreido o limitado por el nivel constante de cada
una de estas variables relevantes cuando realiza generalizaciones sobre el efecto de una variable
independiente. Adems, el investigador est en posicin de inferir que el efecto ocurre
similarmente a travs de varios niveles de las variables o, alternativamente, que el efecto es
diferente a diferentes niveles de una u otra de esas variables. Entonces, los diseos factoriales
aumentan la validez externa de los experimentos.

Efectos interactuantes en los diseos factoriales: Otra ventaja de los diseos factoriales es
que ellos permiten establecer sistemticamente cmo dos (o ms) variables independientes
interactan. La interaccin est presente cuando el efecto de una variable independiente sobre la
variable dependiente depende del valor de la segunda variable independiente. El test de la
interaccin de las variables independientes hace posible expandir ampliamente nuestro
conocimiento sobre el efecto de las variables independientes sobre la variable dependiente.
Dicho test nos permite calificar la conclusin sobre sus efectos en un sentido muy importante ya
que nosotros estudiamos la operacin simultnea de dos variables independientes.



VI. CIERRE DE LA CLASE

Se presenta a los alumnos dos investigaciones como ejemplos de distintos diseos a fin
de que los comparen y saquen conclusiones:

1. Wainerman, C. H. y M. Moreno (1990). "Hacia el reconocimiento censal de las mujeres
trabajadoras", en Estudios INDEC, N 8, Los censos del 90. Caractersticas econmicas de la




20
poblacin, Buenos Aires, CELADE/CENEP/INDEC.

2. Infesta Domnguez, G. (1996). Education for Life: A Time for Reflection about Sexuality,
Reproductive Health and Gender Inequalities, Research Proposal.

La primera de estas investigaciones es un diseo experimental (del tipo factorial) en tanto
la segunda es cuasi-experimental. La comparacin de estas investigaciones permitir a los
alumnos comprender mejor las especificidades de los diseos experimentales, as como descubrir
situaciones en las que los diseos cuasi-experimentales resulten ms adecuados.

Finalmente, se entrega a los alumnos un trabajo domiciliario (que figura en el anexo)
como otra instancia ms del aprendizaje, la cual le permitir al docente evaluar el grado de
asimilacin por parte de los alumnos de los conceptos discutidos durante la clase.


BIBLIOGRAFIA


Blalock, H. (1982). Introduccin a la investigacin social, Buenos Aires, Amorrortu, cap. 2.

Campbell, D. y J. Stanley (1970). Diseos experimentales y cuasiexperimentales en la
investigacin social, Buenos Aires, Amorrortu editores.

Festinger, L. (1992). "Experimentos de laboratorio", en Festinger, L. y D. Katz (comps.), Los
mtodos de investigacin en ciencias sociales, Barcelona, Paids.

Frech, J. (h.). (1992). "Experimentos en contexto de campo", en Festinger, L. y D. Katz
(comps.), Los mtodos de investigacin en ciencias sociales, Barcelona, Paids.

Hage, J. y B. F. Meeker (1988). Social Causality, Boston, Unwin Hyman, chapter 1.

Hyman, H. (1968). "El modelo del experimento y el control de las variables", en Mora y Arujo,
M. et al., El anlisis de datos en la investigacin social, Buenos Aires, Ediciones Nueva
Visin.

Lieberson, S. (1985). Making It Count. The Improvement of Social Research and Theory,
Berkley, University of California Press, cap. 9.

Mayntz, R. (1988). Introduccin a los mtodos de la sociologa emprica, Madrid, Alianza
Universidad, cap. 9.

Nachmias, C. F. y D. Nachmias (1992). Research Methods in the Social Sciences, New York,
St. Martin's Press, chapters 5 y 6.

Rex, J. (1977). Problemas fundamentales de la teora sociolgica, Buenos Aires, Amorrortu
editores, cap. 1.




21

Rodrigues, A. e I. Prez de Maldonado (1995). La investigacin experimental en ciencias
sociales, Mxico D.F., Trillas.

Rosenberg, M. (1968). The Logic of Survey Analysis, New York; Basic Books, Inc.,
Publishers; chapter 1.

Schuster, F. (1982). Explicacin y prediccin. La validez del conocimiento en ciencias
sociales, Buenos Aires, CLACSO.

Selltiz, C., M. Jahoda, M. Deutsch y S.W. Cook (1965). Metodos de investigacin en las
relaciones sociales, Madrid, Ediciones Rialp, cap. 3 y 4.

Smith, H. (1991). Strategies of Social Research, Orlando; Holt, Rinehart and Winston, Inc.,
chapter 6.




22
ANEXO


Ejercicio 1:

Lea la investigacin de Chapin, S.F. (s.f.). Efectos sociales de los Planes Oficiales de
Viviendas en Minneapolis, mimeo. Luego, resuelva la siguiente gua de trabajos prcticos:


1) Cul es el problema que plantea el autor?

2) Qu tipo de diseo se aplica para resolver dicho problema?

3) Cul es la hiptesis o red de hiptesis? (Indicar las variables con sus categoras y su status)

4) Cul es la poblacin bajo estudio? Qu tipo de muestra se utiliz?

5) Cmo se intenta igualar los grupos experimental y de control?

6) Cmo se intent medir cada una de las variables de la hiptesis?

7) Cmo se resolvi el problema de confiabilidad y validez en la medicin de las variables?

8) Cules fueron los instrumentos de recoleccin de datos utilizados?

9) Cules son las conclusiones a que arriba el estudio? Se confirma o se rechaza la hiptesis
del autor?

10) En relacin al alcance de los resultados del estudio, cul es el grado de generalidad de las
conclusiones?

11) Qu opinin metodolgica le merece esta investigacin? (En su respuesta tome en cuenta
las caractersticas del tipo de diseo utilizado por el investigador)



Ejercicio 2

1) Formule un problema y objetivos de investigacin que requieran ser abordados a partir de un
diseo experimental. Indique el tipo de diseo experimental que ms se adecua a sus objetivos.
(Justifique su respuesta).

2) Cul es la hiptesis que pondra a prueba? Indique cul es la variable dependiente y cul/es
la/s independiente/s y cmo las operacionalizara?

3) Indique los procedimientos que utilizara para conformar los grupos que requiera su diseo y




23
el/los "tratamiento/s" que realizara y cmo implementara los mismos.

4) Construya un grfico o figura que ilustre el tipo de diseo elegido.