Por lo general, los diseños no experimentales son puramente observacionales y los resultados obtenidos, mayormente, descriptivos.
Por ejemplo, un investigador puede estar interesado en la edad promedio, el sexo, las enfermedades más comunes y otras características de los pacientes pediátricos transportados por vía aérea.
Ellos pudieran estar enfocados en la prevalencia de un síntoma específico típico en determinada enfermedad.
En tales estudios, la pregunta de investigación se centraría en tasas de prevalencia en lugar de causalidad.
¿Qué son los diseños no experimentales?
Los diseños no experimentales son métodos de investigación que carecen de las características distintivas de los experimentos
A saber, la manipulación de variables independientes y la asignación aleatoria a condiciones o tratamientos
El estándar de oro en investigación es el experimento puro
Sin embargo, hay muchas situaciones en las que los diseños experimentales no son posibles o no serían el método preferido para la recopilación de datos.
Muchas variables en investigación social o estudios del comportamiento no pueden manipularse, o la ética impediría que uno lo hiciera.
Por ejemplo, un investigador no puede asignar al azar a personas para que estén o no en una relación, o para que permanezcan en ella durante un período de tiempo determinado.
De manera similar, a los participantes en una investigación no los puedes asignar aleatoriamente a condiciones tales como: hombre o mujer, homosexual, heterosexual, afrodescendiente o blanco.
Simplemente, ellos ya poseen algunas de esas condiciones de antemano
Así las cosas, muchos diseños no experimentales abordan los mismos tipos de preguntas de investigación que sus contra partes experimentales.
Los estudios no experimentales a menudo miden la variable de interés, pidiendo a las personas que informen sobre sus creencias o percepciones
Luego, los análisis estadísticos se utilizan para relacionar las puntuaciones de las personas con las medidas de otras variables que se cree que están influenciadas por las primeras.
Características de los diseños no experimentales
La mayoría de los diseños no experimentales son retrospectivos y a veces se denominan investigación “ex post facto” (después que el evento ha ocurrido).
Debido a que un estudio retrospectivo examina situaciones que ya tuvieron lugar, la manipulación de variables independientes y la aleatorización no son posibles.
Además, la variable dependiente (es decir, el resultado) se dio antes del inicio del estudio.
Estos diseños generalmente carecen del elemento “control” sobre las condiciones del entorno, lo que hace muy difícil restringir la potencial aparición de variables extrañas.
Por esta razón, los diseños no experimentales son los más propensos al sesgo (es decir, a producir resultados con validez cuestionable).
Sin embargo, aunque se pueden tomar precauciones para limitar el potencial de sesgo en estos estudios, no hay que perder de vista que esta debilidad es inherente a las característica del diseño mismo
Cuándo utilizar diseños no experimentales
Hay muchas situaciones en las que puede darse el caso de preferir la investigación no experimental.
Cuando…
- La pregunta de investigación o hipótesis es sobre una sola variable en lugar de una relación estadística entre dos variables
Por ejemplo, ¿qué tan precisas son las primeras impresiones que provocan otros en las personas?
- La pregunta de investigación es sobre una relación estadística no causal entre variables
- Ej., ¿Existe una correlación entre la inteligencia verbal y la inteligencia matemática?
- La pregunta de investigación es sobre una relación causal, pero la variable independiente no puede manipularse o los participantes no pueden asignarse aleatoriamente a determinadas condiciones
Sería el caso de, ¿el daño al hipocampo de una persona afecta la formación de rastros de memoria a largo plazo?
- La pregunta de investigación es exploratoria y amplia, o se referirse a cómo es tener una experiencia en particular
Por ejemplo, ¿cómo es ser una madre trabajadora diagnosticada con depresión?
Una vez más, la elección entre los diseños experimentales y no experimentales está generalmente dictada por la naturaleza de la pregunta de investigación.
Si se trata de una relación causal e involucra una variable independiente que puede manipularse, entonces se prefiere el diseño experimental.
De lo contrario, se prefiere el diseño no experimental.
Pero los dos abordajes también se pueden utilizar para responder la misma pregunta de investigación de manera complementaria.
Por ejemplo,
Los estudios no experimentales que establecen que existe una relación entre ver televisión con contenidos violentos y el comportamiento agresivo, se han complementado con estudios experimentales que confirman que la relación es causal (Bushman & Anderson, 2001).
Tipos de diseños no experimentales
Diseños no experimentales transeccionales descriptivos
Se enfocan en el estado actual o pasado de algo
Describen logros, actitudes, comportamientos u otras características de un grupo de sujetos
No implican manipulación de variables independientes
Proporcionan datos para la investigación inicial de un área de estudio o fenómeno
Ejemplos de preguntas de investigación descriptivas incluyen:
- ¿Cuánto ejercicio hacen los estudiantes universitarios?
- ¿Qué piensan los profesores sobre el pago por méritos académicos?
- ¿Cómo pasan su tiempo los estudiantes durante esta nueva normalidad motivada por la pandemia?
¡Y no te olvides que al llevar a cabo estudios descriptivos, las conclusiones a las que arribes no están escritas sobre piedra!
Preste mucha atención a la naturaleza de los sujetos y a los instrumentos (¿fueron voluntarios?, ¿en qué circunstancias en las que se recopilaron los datos?, etc.)
Diseños no experimentales transeccionales comparativo / causal
Comparativos
Las comparaciones se basan en datos descriptivos
La existencia de una relación no implica causalidad; solo podemos decir que existe una diferencia o asociación
Causales
Son diseños no experimentales que se utilizan precisamente para indagar acerca de posibles relaciones causa / efecto
Examinan si una o más condiciones preexistentes podrían haber causado diferencias posteriores en grupos de sujetos
Los investigadores intentan descubrir si las diferencias entre grupos han resultado en una diferencia observada en la variable independiente
Puede haber grupos de “tratamiento” y “control”, sin embargo, estos son preexistentes, no asignados por el investigador.
No hay manipulación de variables
Por ejemplo,
¿Cuál es el efecto de asistir a la guardería en las habilidades sociales de los niños?
¿Cuál es la relación entre la participación en actividades extracurriculares y el auto concepto?
Diseños no experimentales correlacionales
Estudios correlaciónales bivariados
En un estudio bivariado, los investigadores obtienen puntajes de dos variables para cada sujeto, luego los usan para calcular un coeficiente de correlación
El término bivariado implica que las dos variables están correlacionadas (las variables se seleccionan porque se cree que están asociadas de alguna forma)
Los sujetos deben elegirse para representar una amplia gama de recorrido en las variables, o el descubrimiento de una relación es poco probable
Por ejemplo,
Los hijos de padres con mayor nivel educativo (variable nro. 1) ganan salarios (variable nro. 2) mejores cuando son adultos.
El peso de un niño de tres años (variable nro. 2) está correlacionado con su peso al nacer (variable nro. 1)
Estudios predictivos
Usan coeficientes de correlación para mostrar cómo una variable (la variable predictor) predice otra (la variable criterio)
Por ejemplo,
¿Qué solicitantes de la escuela secundaria deberían ser admitidos en la universidad?
Supongamos que el promedio de notas durante los estudios de secundaria (predictor) es un buen indicio del rendimiento académico futuro en la universidad (criterio)
La variable predictor se determina antes que la variable criterio, y los datos abarcan un período de tiempo (4 años de escuela secundaria)
Predicción por regresión múltiple
Supongamos, de hecho, que las notas de la escuela secundaria no son el único predictor del rendimiento académico en la universidad (que creemos que es el caso)
¿Cuáles podrían ser otros buenos predictores?
Todas esas variables pueden contribuir a la predicción general en una ecuación que suma el poder predictivo de cada variable individual identificada
Diseños no experimentales longitudinales
Son estudios en los que se analiza el mismo grupo de sujetos a lo largo del tiempo
Los diseños longitudinales de tendencias utilizan siempre la misma población, aunque extraen diferentes muestras de esa población cada vez
Los estudios de cohortes examinan un grupo específico (la misma población) a lo largo del tiempo
Los diseños de panel son estudios de cohortes que utilizan la misma muestra cada vez
Te dejo más detalles acerca de los tres tipos de diseños longitudinales en el siguiente vídeo:
¿Qué hay respecto a la validez de estos diseños?
Recuerda que la validez interna es la medida en que el diseño de un estudio apoya la conclusión de que los cambios en la variable independiente, son los causantes de cualquier diferencia observada en la variable dependiente.
La investigación experimental tiende a tener la validez más alta, porque aborda la direccionalidad y los problemas de una tercera variable mediante la manipulación y el control de variables extrañas.
Si el valor promedio de la variable dependiente en un experimento difiere según las condiciones del tratamiento, es muy probable que la variable independiente sea responsable de esa diferencia.
La investigación correlacional es la que tiene validez más baja porque no aborda ninguno de esos problemas.
Por tanto, si el puntaje promedio de la variable dependiente difiere entre los niveles de la variable independiente,
Podría ser que la variable independiente sea la responsable, pero hay otras interpretaciones posibles
En algunas situaciones, la dirección de la causalidad podría invertirse.
En otras, podría haber una tercera variable que esté causando diferencias tanto en las variables independientes como en las dependientes.
La investigación cuasi experimental está en el medio porque la manipulación de la variable independiente subsana algunos problemas,
Pero la falta de asignación aleatoria y control experimental falla en solucionar otros
Una acotación final sobre las encuestas
La mayoría de los diseños no experimentales basan la recogida de datos en encuestas
Necesitas saber, de antemano, cómo se utilizarán los datos en lugar de andar por ahí pescando todo lo que esté disponible:
- Los métodos de recopilación de datos pueden variar, pero deben estar estandarizados
- Las instrucciones deben ser claras
- Tanto las instrucciones como la encuesta deben ser probadas antes en un ensayo piloto
- Debido a que la tasa de respuesta típica a una encuesta enviada por correo electrónico es sólo del 40% al 60%, se deben realizar seguimientos a las personas que no respondieron al primer intento
- Los que no responden pueden introducir sesgos
Si te pareció útil esta guía, compártela entre tus contactos… y si te apetece déjame tus comentarios a continuación
Prometo responderte lo antes posible
Referencias
Bushman, B. J., & Anderson, C. A. (2001). Media violence and the American public: Scientific facts versus media misinformation. American Psychologist, 56(6-7), 477–489. https://doi.org/10.1037/0003-066X.56.6-7.477
