Dissenys - Bloc II (Part 1) (2014)

Apunte Catalán
Universidad Universidad de Barcelona (UB)
Grado Psicología - 2º curso
Asignatura Dissenys de Recerca
Año del apunte 2014
Páginas 26
Fecha de subida 08/04/2016
Descargas 8
Subido por

Descripción

Apunts de Dissenys - Victòria Carreras, Manuel Viader, Antonio Cosculluela

Vista previa del texto

asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com BLOC II: DISSENYS EXPERIMENTALS, QUASI-EXPERIMENTALS I NOEXPERIMENTALS La principal diferència entre el mètode observacional i l’experimental és la passivitat. És a dir, l’observació és passiva, el que fem és registrar i analitzar una sèrie de coses que passen en un entorn. No hi ha una intervenció directa de l’investigador, només s’inserta. En el mètode experimental, en canvi, els investigadors creen i recreen les situacions. Creen l’entorn en el qual s’intentarà esbrinar una sèrie de coses. Sempre hi haurà manipulació de variables. Manipular implica definir la variable, crear els seus valors, etc. En aquest bloc s’estudiaran sobretot els dissenys de caràcter experimental, que impliquen la manipulació d’algunes variables amb la finalitat de valorar el seu impacte sobre d’altres, en condicions de control suficients. La finalitat d’un estudi experimental és descobrir si existeix una relació causa-efecte entre la manipulació de certes variables (sovint anomenades ‘variables independents’) i els canvis registrats en altres variables (‘variables dependents’). VI VD CAUSA EFECTE En determinades situacions no és possible assegurar tots els requisits necessaris per considerar un estudi com a experimental, i això obliga a “relaxar” algunes de les condicions plantejades en els dissenys experimentals. En aquest cas, i sota determinades condicions, parlarem de dissenys quasi-experimentals. 1. Plantejament d’estudis experimentals i quasi-experimentals: conceptes generals 1.1. Fonaments de recerca experimental • La recerca experimental com a forma d’identificació de ‘patrons’ o regularitats, però també de diferències individuals. La recerca experimental intenta descobrir lleis o regularitats a partir de l’establiment de relacions causals entre variables. La manipulació de certes variables pot produir eventualment un efecte sobre altres. L’experiment intenta detectar aquest possible efecte, determinar la seva magnitud, veure si hi ha factors que poden modificarlo, etc. També pot ser d’interès esbrinar si hi ha determinades característiques individuals que modifiquen l’impacte de les variables independents. Per exemple: l’eficàcia de l’ús de programes d’estímul cognitiu depèn de l’edat dels subjectes? • • No hi ha només observació o registre de variables, sinó manipulació sistemàtica de determinades variables per valorar el seu impacte sobre d’altres. ‘Creació’ de situacions. Paper fonamental del control com a garantia de validesa dels resultats. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Per assegurar al màxim el valor dels resultats, els estudis experimentals s’intenten realitzar en condicions d’un cert control de les situacions, per evitar que l’impacte d’altres variables pugui confondre la interpretació de les dades. Això no sempre és fàcil en el context de la Psicologia, com es veurà. • Diversitat de dissenys experimentals o quasi-experimentals. Importància d’una selecció i configuració adients del disseny. 1.1.1.
Seqüència lògica La seqüència lògica de qualsevol recerca ben fonamentada és la següent: 1. Determinació d’objectius. Què vull saber? Quines expectatives tinc? (hipòtesi). En què es basen? Estudis exploratoris i confirmatoris. Els estudis exploratoris i confirmatoris es diferencien en què els confirmatoris es basen en una fonamentació prèvia. Aquesta fonamentació dels estudis poden ser de caràcter teòric (models teòrics previs) i/o empíric (estudis anteriors), sovint es combinen els dos aspectes. 2. Planificació de la recerca en funció dels objectius: variables, participants, controls, etc. En el moment de planificar la recerca s’estableix el disseny a utilitzar. El disseny no és sinó un conjunt de decisions sobre el tractament de les diferents variables importants, els elements de control a introduir, els criteris de selecció dels subjectes participants, etc. 3. Execució de la recerca i obtenció de resultats. 4. Anàlisi i valoració de resultats (relació amb el primer punt). La hipòtesi que jo tenia, s’ha complert o no? És fonamental la coherència global entre les diferents fases de la recerca. Per exemple, la valoració de resultats s’ha de fer considerant el fonament de l’estudi i les possibles hipòtesis establertes. La selecció del disseny s’ha de plantejar en funció dels objectius de l’estudi i característiques de la situació estudiada, etc. 1.1.2.
Determinació de variables Cal distingir molt bé el paper de cada tipus de variable. L’objectiu de l’experiment és esbrinar si una o diverses variables independents tenen impacte sobre una o diverses variables dependents. Per assegurar que els possibles canvis registrats a les variables dependents són produïts realment per les variables independents i no per qualsevol altra causa, cal controlar de forma adient altres variables que puguin influir sobre els resultats experimentals (variables de confusió). asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Cal identificar les variables de confusió per després intentar controlar-les. Poden tenir un doble origen: variables més personals (característiques de les persones: nivell d’expertesa, estats d’ànim, etc.) i variables més ambientals (característiques de la situació: soroll ambiental). La manera de tractar les variables serà diferent. A continuació s’indicaran quines són les principals qüestions a considerar en relació amb cadascun d’aquests tipus de variables. Variables independents Variables dependents Variables de confusió • Determinació de valors • Validesa, fiabilitat, • Control: Neutralització o sensibilitat eliminació • Manipulació • Tècniques de control • Mal control = Confusió interpretativa Ø Variables independents - L’investigador determina quina o quines ens interessa treballar i quins són els valors de cada variable que vol posar en joc. Exemples: Diferents tipus de materials en un estudi sobre memòria, diferents programes d’intervenció davant d’un problema de drogodependència (en aquest context, un tractament és un valor concret d’una variable independent), etc. - “Manipular” la variable independent vol dir precisament determinar els seus valors i crear la situació necessària per posar-los en joc: definir les característiques dels materials i preparar-los en l’estudi sobre memòria, definir les característiques de cada programa i la forma concreta de la seva implantació en el cas del problema de drogodependència, etc. - Lògicament l’única forma de valorar el possible efecte d’una variable independent és comparar els resultats obtinguts sota cadascun dels seus valors. Podem trobar, per exemple, que els subjectes participants recorden millor el material amb significat que el material sense significat, o que el programa d’intervenció A assoleix períodes d’abstinència més grans que no el programa d’intervenció B en casos de drogodependència. Ø Variables dependents L’expectativa de l’investigador és que les variables dependents escollides mostrin de forma clara el possible impacte de les variables independents. Per tal que això sigui així, cal escollir correctament quines variables dependents s’utilitzaran i assegurar-se de que compleixen determinades condicions: - Validesa: La variable dependent ha de reaccionar a allò que ens interessa i reflectir els processos implicats. Hi haurà validesa quan estic mesurant allò que vull mesurar. Per exemple, si intento establir el possible efecte del soroll ambiental sobre els nivells d’ansietat-estat dels subjectes, necessito definir una o diverses variables dependents que m’indiquin si es produeixen canvis en el nivell d’ansietat. Existeixen algunes variables fisiològiques que poden fer aquesta funció (per exemple, el registre de l’activitat electrodermal), mentre que d’altres clarament no ens servirien, ja que es relacionen més amb altres processos. També hi ha alguns qüestionaris d’ansietat-estat que ens podrien ajudar, sempre que estiguem segurs de que realment mesuren ansietat, i no qualsevol altra cosa. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com - Fiabilitat: Mentre que la validesa es refereix a que la variable “mesuri allò que ha de mesurar” o “indiqui allò que ha d’indicar”, la fiabilitat es refereix a la qualitat i exactitud de la mesura. Que la mesura sigui tècnicament correcte. Fins a quin punt un qüestionari d’ansietat-estat reacciona de forma estable i confiable davant dels canvis en la variable?. Es pot dir el mateix de l’activitat electrodermal?. - Sensibilitat: Es refereix a la capacitat de la variable dependent de reaccionar davant de l’impacte de la independent. Les variables dependents haurien de respondre amb claredat, han de ser sensibles a la variable independent. Si el canvi produït a la variable dependent és molt petit, no ens serà d’utilitat per comparar l’impacte dels diferents valors de la variable independent. Si el ritme cardíac canvia molt poc, no ens servirà de molt. Ø Variables de confusió En qualsevol situació experimental és indispensable identificar quines variables, al marge de les independents, poden influir en els resultats obtinguts. A partir de la identificació de les variables que potencialment poden confondre els resultats, cal establir els mecanismes de control necessaris per evitar el seu impacte. Això es pot fer mitjançant diferents tècniques, però el més important es veure que les tècniques de control ens ofereixen dues possibles solucions: l’eliminació de l’efecte de la possible variable de confusió o la seva neutralització. També és important veure que les variables de confusió poden ser ambientals o de l’entorn, però també característiques individuals de les persones que puguin influir en els resultats. Exemples: • Eliminació o constància: Si utilitzem una cambra insonoritzada evitem que qualsevol soroll exterior pugui distreure els subjectes participants i modificar els seus resultats. La variable “soroll ambiental” queda eliminada. En un sentit més laxe, podem no “eliminar” estrictament una variable sinó deixar-la constant, de forma que el seu efecte sobre els resultats sigui també constant i no confongui els resultats: per exemple, mantenir constant la lluminositat de la sala, obtenir els registres sempre a la mateixa hora del dia, utilitzar sempre el mateix tipus de materials, treballar només amb dones i no amb homes (o al contrari), etc. Presenta el problema de la pèrdua de poder de generalització. Fins a quin punt es poden generalitzar els resultats? Els resultats que són bons per a unes persones, ho seran per altres? • Neutralització: En aquest cas no es tracta d’eliminar o deixar constant una certa variable de confusió, sinó de “distribuir-la” equitativament entre els diferents grups de forma que no confongui els resultats. La variable continua estant present amb tots els seus valors, però distribuïts de manera que no influeixin en el resultat final. Si es divideix el grup de manera aleatòria, el que s’està fent és neutralitzar, ja que les possibles variables de confusió queden repartides en els diferents grups. L’aleatorització és una manera de buscar la neutralització de totes les característiques que tenen a veure amb la persona. Per exemple, si he de formar dos grups experimentals que hagin de rebre dos tractaments diferents, i disposo tant d’homes com de dones, una bona pràctica seria distribuir els participants de forma que la proporció d’homes i dones a cada grup sigui semblant. El mateix es pot dir d’altres característiques individuals que puguin ser rellevants. El més habitual és que les variables de subjecte siguin neutralitzades i les ambientals siguin eliminades o deixarles constants. Però no sempre, cada cas té avantatges i inconvenients. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1.1.3.
Selecció de participants El procés de selecció de subjectes consisteix a decidir qui ha de participar, qui volem que participi, etc. L’ideal des d’un punt de vista teòric seria disposar d’una població definida (població d’afectats de SIDA a Barcelona, la població d’Europa...), perquè el que es vol és esbrinar alguna cosa d’aquesta. Aquesta tasca presenta problemes degut a la seva extensió, llavors el que es fa és treure una mostra d’aquesta població, que ha de ser representativa. Es treballa amb aquesta mostra i s’obtenen resultats. Si aquesta mostra és realment representativa, aquests resultats es poden generalitzar. Un objectiu important de la majoria dels estudis experimentals és el d’intentar generalitzar els resultats, de forma que puguem considerar que són vàlids no solament per als subjectes participants a l’estudi, sinó per a la població general. Per això és molt important la idea de representativitat de la mostra. Hi ha diferents tipus de mostratge (aleatori pur, per quotes, per rutes aleatòries, etc.), però en general tots es basen en la idea d’escollir mostres a l’atzar que puguin ser representatives de la població d’origen. Això significa que, teòricament, els resultats obtinguts en fer un determinat experiment amb aquesta mostra es podrien generalitzar a la població global de procedència. Des d’un punt de vista pràctic hi ha molts problemes que poden limitar aquesta possibilitat i no es pot portar a terme aquest esquema ideal. En molts casos és impossible accedir a tota la població i fer un mostratge aleatori, sinó que només es pot treballar amb subjectes “accessibles” en una determinada situació: els estudiants d’una Facultat, els pacients d’un hospital, etc. El que es fa és un mostratge incidental, que és aquell en què l’investigador recorre a aquelles persones que té a prop perquè no hi ha més remei. En aquests casos no queda gens clara la possibilitat de generalitzar els resultats, ni queda ben definida la població de referència. Cal afegir que l’ús d’incentius per obtenir subjectes voluntaris també és un factor distorsionador. Si, per exemple, s’utilitza un incentiu acadèmic (crèdits de curs), és possible que els voluntaris siguin principalment persones amb alguna dificultat acadèmica, de forma que s’introdueix un biaix que encara fa menys representativa la mostra obtinguda. Des del moment en què els subjectes són voluntaris als experiments t’has de plantejar perquè volen serho i si no pot induir algun tipus de biaix. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1.1.4.
En què ens ajuda l’anàlisi estadística de les dades? Es pressuposa que quan existeix una relació causal l’efecte d’una variable sobre una altra és sistemàtic, és a dir, que el mateix canvi en la variable causa tindrà sempre el mateix impacte sobre la variable efecte. Si no és així, ho podem atribuir a la influència d’altres variables presents a la situació, i caldrà analitzar-les també. Considerarem doncs que l’efecte causal d’unes variables sobre altres és sistemàtic, és a dir, que hi ha una certa regularitat en els fenòmens. Sense aquesta pressuposició bàsica qualsevol estudi científic (i, de fet, qualsevol intent de comprendre les coses) seria molt difícil. La discussió sobre si els fenòmens de la naturalesa estan sempre determinats o poden ser de caràcter aleatori és un debat científic i filosòfic de primer nivell, però com a punt de partida acceptarem la idea de regularitat i sistematicitat de la relació causa-efecte. Quan es treballa amb un disseny experimental amb diferents grups de subjectes, els conceptes de variabilitat sistemàtica i aleatòria es concreten de la forma següent (veure exemples a les fitxes següents): • • Variabilitat sistemàtica: Es produeix quan apliquem tractaments diferents als diversos grups, i suposem que cadascun dels valors de la variable independent produeix un impacte que afecta a tots els subjectes que formen part del grup corresponent. Per tant, si els diferents valors de la VI tenen impactes diferents, al calcular la mitjana de resultats de cadascun dels grups, podrem observar una diferència que resulta de l’efecte sistemàtic de la variable independent. Una explicació alternativa seria que alguna variable de confusió hagi quedat distribuïda desigualment entre els grups, i sigui responsable de tota o d’una part de la diferència de mitjanes obtinguda. Variabilitat aleatòria: Variació no sistemàtica o error aleatori. Es refereix a l’impacte de múltiples variables (ambientals i personals) que poden afectar a la situació i que, en principi, han quedat repartides aleatòriament en els diferents grups. D’aquesta forma, el seu efecte es pot observar a les diferències de resultats obtingudes dins de cada grup, però no a nivell de la diferència entre les mitjanes de resultats de cada grup. Quan es parla, doncs, de variabilitat aleatòria, això no significa que les variables responsables tinguin un efecte aleatori, sinó que la distribució d’aquestes variables és aleatòria dins de cada grup i entre els grups, o que el conjunt de variables que influeixen és tan gran que és impossible esbrinar-les. Com es veurà més endavant, les proves estadístiques ens permeten valorar la magnitud de la variabilitat sistemàtica i de la variabilitat aleatòria i, sobretot, ens ajuden a saber si la variabilitat sistemàtica registrada és prou gran com per poder pensar que realment la variable independent ha tingut un impacte sobre la variable dependent, i que no es tracta d’un resultat purament fortuït. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1.1.5.
Quins factors expliquen uns resultats experimentals? Resultats d’un experiment hipotètic en el qual tenim tres grups, formats per cinc subjectes cadascun, i cada grup rep un valor diferent de la variable independent (tractaments 1, 2 i 3). Vull saber quin tractament és millor. Per a cada participant es posa a la taula el seu resultat pel que fa al registre de la variable dependent. Es podria pensar que la variable independent té un impacte sobre la variable dependent? S’hauria de mirar les mitjanes dels tres grups. Es pot observar que hi ha diferència entre les mitjanes dels tres grups (5, 8, 12), cosa que fa pensar que la variable independent té un impacte real sobre la variable dependent (tot i que s’ha de demostrar mitjançant una prova estadística de significació). Per què ens refiem d’aquests valors? Perquè se suposa que la majoria de les persones que són al tractament 3 tindran una producció més alta, cosa que no és aplicable per a tots, ja que és només una tendència general. Variació que es dóna d’un grup a l’altre. Podem veure també que dins dels grups hi ha diferències entre els resultats dels diversos subjectes. La variació no sistemàtica o aleatòria s’anomena també error experimental, sense que això signifiqui que l’experiment s’ha fet malament, sinó solament que hi ha una certa variabilitat dins el grup degut a les característiques de les persones, que no podem controlar i que es manifesta en els resultats. Podem parlar doncs d’una variació entre-grups (sistemàtica) i d’una variació intra-grups (aleatòria). Quines són les causes que poden explicar la variació sistemàtica? Té dues fonts. En principi hauria de ser per la variable independent, però també podria produir diferències entre els grups variables de confusió que no he controlat. Quines són les causes que poden explicar la variació no sistemàtica? Infinits factors de l’individu i de la situació, però ens queden repartits. Poden haver també variables de confusió, però com queden repartits entre els grups no influeixen en els resultats. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1.2.
Dissenys experimentals i quasi-experimentals Denominació Aspectes bàsics Classificació Dissenys experimentals clàssics -Criteris de formació de grups o estadístics -Nº de variables independents i (treball amb grups) dependents, etc. Grups aleatoritzats Dissenys quasi-experimentals -Grups ‘naturals’ Transversals -Elements parcials de control: Sèries temporals Grups homogenis Mesures repetides · Grup control · VD no equivalent · Retirada de tractament, etc. La diferència fonamental entre els dissenys experimentals i els quasi-experimentals radica en la manera en què es formen els grups de subjectes. En el cas dels dissenys experimentals, l’investigador té control sobre la formació dels grups, i els configura amb l’objectiu de que siguin tan equivalents com sigui possible. Això es pot fer per una simple aleatorització de l’assignació dels participants als grups, però en molts casos és prudent introduir algunes actuacions que ens assegurin realment l’equivalència dels grups, a criteri de l’investigador. En el cas dels dissenys quasi-experimentals, l’investigador no controla la composició dels grups, sinó que es veu obligat a treballar amb grups ja formats o “naturals” (per exemple, tres hospitals diferents, o quatre grups de classe diferents dins d’una escola, o dues empreses). Això significa que els grups podrien no ser equivalents abans de començar l’estudi, i això introdueix un problema a l’hora d’interpretar els resultats posteriors. Per intentar reduir aquesta dificultat, els dissenys quasi-experimentals incorporen alguns elements suplementaris de control, especialment registres pre-test (abans de la introducció dels tractaments). 1.3.
Població – Mostra • • • • Definició de la població. Relació amb generalització dels resultats Selecció de la mostra: Representativitat, grandària, característiques, formes de selecció Possibilitat i límits de la selecció aleatòria Dificultats pràctiques en la selecció d’una mostra. Subjectes voluntaris. Esbiaxaments. Anteriorment ja s’ha explicat el sentit del mostratge, i la seva lògica d’intentar obtenir una mostra representativa que permeti generalitzar els resultats a la població d’origen. També s’han vist les dificultats que això implica. Durant molt anys la gran majoria d’experiments en Psicologia es realitzaven a l’àmbit universitari, i els participants eren gairebé sempre estudiants de la pròpia Universitat. Per això es va arribar a dir, en una barreja d’humor i crítica, que “la Psicologia és la ciència de la conducta.... dels estudiants universitaris”, una forma d’indicar que no era clar que molts dels resultats obtinguts fossin generalitzables a una població més general. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1.4.
Variables independents • • • • Nombre de variables independents. Es pot treballar amb una (disseny simple) o més d’una (disseny factorial) variable(s) independent(s). Diferents tipus de variables independents: - Estímul - Tasca - Procediment - Temporals de subjecte - ‘Complexes’. Per exemple, en un programa de tractament per a la drogodependència disposem d’una variable dependent que pren dos valors: tractament 1 i tractament 2. Però quin és el contingut d’aquests tractaments? És una situació complexa ja que conté molts elements, el que estic analitzant és el tractament global. Variables, tractaments i condicions. Si treballem amb una sola variable independent, els seus valors determinaran els tractaments o condicions experimentals que utilitzarem a l’estudi. En metodologia experimental el terme “tractament” es refereix a cadascun dels valors que tingui una certa variable independent (per exemple, tres nivells de soroll ambiental), i no s’ha de confondre amb la idea de tractament clínic o terapèutic (encara que, naturalment, si volem comparar l’eficàcia de dues teràpies psicològiques, aquestes dues teràpies seran els valors o tractaments de la variable independent). Si treballem amb més d’una variable independent, les condicions experimentals vindran donades per les combinacions de valors de les diverses variables independents. Ex. experiment memòria: - VI1: paraules amb significat paraules sense significat - VI2: interval de record curt interval de record llarg - VD: quina es recorda millor Com hauria de procedir per fer l’estudi? Combinar els valors de les variables independents, en aquest cas, crear 4 grups (2x2). 4 condicions experimentals: - Paraules amb significat i interval de record curt - Paraules amb significat i interval de record llarg - Paraules sense significat i interval de record curt - Paraules sense significat i interval de record llarg Manipulació i causalitat. Paper de les variables de subjecte als estudis experimentals (variables independents o variables classificatòries?). És possible treballar amb variables pròpies del subjecte com si fossin variables independents?. Per exemple: Valorar si els subjectes introvertits realitzen millor tasques que impliquen atenció que no pas els subjectes extrovertits. Està clar que en aquest cas no hi ha manipulació de la variable (cada persona és extrovertida o introvertida com a característica personal, no manipulable), per tant no es pot parlar estrictament d’un estudi experimental. Ara bé, una variable de subjecte es pot combinar amb variables manipulables en un estudi experimental: per exemple, quin és el rendiment de subjectes extrovertits i introvertits en una tasca de memòria asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com en funció de si el material té significat o no?. En aquest estudi podem parlar d’una variable independent “activa” o “manipulable” (el tipus de material), d’una variable “classificatòria” o “assignada” (l’extroversió-introversió) i d’una variable dependent (taxa de record). - VI1: Material amb significat Material sense significat Variable manipulable, l’investigador decideix què vol dir, variable activa. - VI2: Subjectes extrovertits Subjectes introvertits Variable independent, variable classificatòria o variable assignada. La introdueixo per controlar-la, no vull estudiar-la. No és directament manipulable, només puc classificar les persones passant-li un test. Són dues variables de diferent naturalesa, el paper de cada una ha de ser clara: - Estudiar: actiu, manipulable - Controlar: classificar 1.4.1.
• • • Com podem fer màxim l’efecte de les variables independents? Idea bàsica: selecció adient dels valors de la variable independent L’objectiu d’un experiment és valorar l’impacte d’una o més variables independents sobre una o més variables dependents. Un primer requisit per aconseguir això és que l’efecte de la variable independent sigui tan clar com sigui possible, és a dir, que la diferència de resultats obtinguda en funció dels diversos valors de la VI sigui tan gran com es pugui. Això es pot afavorir escollint acuradament els valors de la variable independent. Per exemple, per fer un estudi sobre el soroll ambiental, què seria millor agafar: 5Db – 30Db – 60Db o 15Db – 20Db – 25Db? La primera opció perquè hi ha més diferències entre elles. Valors extrems: És sempre el millor criteri? Cal tenir en compte que no sempre el millor criteri és el d’agafar valors molt extrems de la variable, això depèn de la relació que pugui existir entre VI i VD. Atenció la relació VI – VD Aquí es poden veure dues situacions diferents: - En el primer exemple s’intenta veure si el nombre d’alternatives de resposta fa incrementar el temps de resposta en un estudi de temps de reacció simple. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com - • • En el segon exemple volem esbrinar si el volum de la música ambiental en un lloc de treball influeix sobre el rendiment. Concepte de valors òptims - En el primer exemple, els estudis coneguts suggereixen que quantes més alternatives de resposta hi hagi, més llarg serà el temps de reacció. Per tant, per dissenyar un nou experiment en aquest camp, si només volguéssim treballar amb dos valors de la variable independent, seria molt millor escollir els valors 2 i 5, més que no pas els valors 3 i 4. Presumiblement els resultats seran més clars en el primer cas que no en el segon. - En el segon exemple, si, com apunten alguns estudis, la relació entre volum i rendiment fos curvilínia (veure el gràfic), si volem fer un nou estudi seria un error agafar valors extrems (volum molt baix i molt alt), ja que segurament ens produirien resultats no gaire diferents. És millor agafar uns quants valors (més de dos) equidistants entre sí (per exemple, 10, 30, 50 i 70 decibels de volum). Si no sé que tenen aquesta relació puc cometre errors. Si agafo valors extrems em sortiran valors de la variable dependent baixos i podria dir que no hi ha relació. Hauria d’agafar també valors intermitjos. Valors múltiples si no es coneix la relació VI – VD En el cas que no tinguem una hipòtesi o dades anteriors sobre el tipus de relació entre VI i VD, el millor és agafar valors múltiples (com a mínim tres), per obtenir uns resultats que ens siguin útils. 1.5.
Tècniques de control • • Neutralització o eliminació de l’efecte de variables de confusió Recordar la diferència bàsica entre eliminació-constància, per una banda, i neutralització, per una altra. Variables relacionades amb la situació i variables relacionades amb el subjecte - Situació: Variables ambientals (constància) i de procediment (estandardització) En el cas de variables de situació el millor abordatge és deixar constants totes les variables ambientals que es pugui (soroll, lluminositat, hora del dia, entorn físic on es realitza l’estudi, etc.), i fer el mateix amb tots els aspectes de procediment, és a dir, estandarditzar el procediment experimental (els aparells a utilitzar han de ser iguals per a tots els subjectes, la forma de presentació del material també, així com las característiques de la tasca ,etc.). La idea bàsica és que, si es pot, tot ha de ser igual per a tots els participants, excepte allò que realment ens interessa, és a dir, la variable independent. - Subjecte: Neutralització (repartiment equitatiu, igualació, etc.) En el cas de variables pròpies del subjecte, la forma més habitual de procedir és via neutralització (repartiment equitatiu de les diferències entre els diversos grups). També es poden fer constants algunes variables (per exemple, treballar només amb homes, o només amb persones d’una edat determinada, o només amb subjectes amb estudis universitaris, etc.); es pot veure fàcilment que això evita alguns problemes, però també que ens crearà dificultats a l’hora de generalitzar els resultats. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Les tècniques de control poden ser molt diverses, però en general es poden considerar de dos tipus: Directes • Aleatorització • Aparellament, bloqueig • Subjecte com a control propi • Grup control • Línia base • Constància • Contra balanceig, etc. Artificialitat, reactivitat Indirectes Ús de tècniques estadístiques: • • • Valoració d’equivalència de grups Estimació i anàlisi de la variància de l’error Ajust de les dades (p. ex. : Anàlisi de covariància) Manipulació de dades Les tècniques directes impliquen una actuació de l’investigador abans de la realització de l’estudi, a l’hora de definir el disseny experimental per tal de prevenir les variables de confusió. Mentre que les indirectes normalment es basen en l’aplicació de tècniques estadístiques per valorar alguns aspectes que podrien dificultar la interpretació correcta dels resultats; no és una actuació, sinó una comprovació o correcció de variables de confusió, ja que l’investigador, quan ja ha fet alguna cosa, s’assegura que ha funcionat (per exemple, podem valorar si els grups experimentals utilitzats són equivalents, o si la variabilitat de les dades és molt gran o no, o fins i tot realitzar, sota certes condicions, un cert ajust de les dades per “eliminar” a posteriori l’efecte d’alguna variable de confusió que tinguem identificada). Les tècniques directes tendeixen a crear situacions controlades i, d’alguna forma, artificials, mentre que les indirectes s’han d’utilitzar amb precaució per no produir cap mena de falsejament de les dades experimentals. Algunes tècniques són “multi-ús”. Per exemple, l’aleatorització pot ser útil a l’hora de configurar una sèrie de grups experimentals, però també a l’hora de decidir en quin ordre es presenta una llista de paraules, o quins ítems s’han d’utilitzar a cada sessió experimental, etc. La constància es pot aplicar a un gran ventall de variables diferents. En canvi, altres tècniques són molt més específiques i fins i tot estan lligades a dissenys experimentals concrets: L’aparellament i el bloqueig s’utilitzen a dissenys de grups homogenis (i allà se’n parlarà), el subjecte com a control propi defineix el disseny de mesures repetides, etc. Més endavant s’anirà veient com i quan s’utilitzen algunes de les tècniques que es citen en aquest quadre. 1.6.
Variables dependents • • Nombre de variables dependents En un estudi experimental es pot treballar amb una sola variable dependent (disseny univariable) o amb més d’una (disseny multivariable). Característiques fonamentals Validesa, fiabilitat i sensibilitat. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com • • Variables dependents i indicadors De vegades, en relació amb la variable dependent s’utilitza el concepte d’”indicador”. Això es refereix al fet de que, en determinades ocasions, pensem que la variable dependent ens pot informar sobre algun tipus de procés intern no directament observable. Per exemple: En aquest cas treballem amb tres variables dependents, amb la idea de que totes elles ens puguin informar sobre els canvis que es produeixin en l’estat intern d’ansietat del subjecte. Les tres variables es relacionen amb canvis en el nivell d’ansietat. D’aquesta forma, si trobem que les tres variables canvien de forma correlacionada en funció dels valors de la variable independent (nivells de soroll ambiental), podrem argumentar que el soroll ambiental té un impacte sobre els estats d’ansietat dels subjectes experimentals. El ritme cardíac, l’activitat electro-dermal i una escala psicomètrica d’ansietat-estat són tres variables dependents que fan la funció d’indicadors de canvis en el que realment ens interessa, que és el nivell d’ansietat de les persones, un procés intern que no podem mesurar directament. Aquestes variables tenen dues possibles interpretacions: una variable dependent (ansietat) o tres variables dependents (ritme cardíac, activitat electró-dermal i qüestionari). És millor la segona d’elles perquè les variables que utilitzem en un estudi experimental han de ser empíriques, és a dir, directament mesurables. Adequació de la variable Relació amb el fenomen que es vol estudiar. 1.7.
Validesa de la recerca Validesa interna Validesa externa -Establiment de relació inequívoca VI – VD -Possibilitat de generalització de resultats -Paper central del control -Representativitat -Relació entre nivell de control i artificialitat -Generalització a altres subjectes, altres valors de la VI, altres situacions (validesa ecològica) -Caràcter prioritari Ø Validesa interna: Nivell de control suficient com per assegurar que la relació VI – VD que puguem trobar no està “contaminada” per altres variables, és a dir, que el canvi produït en la VD és causat per la VI. Podem dir que la validesa interna és bona quan la manipulació està ben feta, quan s’han escollit bé els valors de la VI, quan hi ha fiabilitat, etc. En general, quan hi ha un bon control. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Ø Validesa externa: Capacitat de generalització dels resultats a altres subjectes, a altres valors de la VI o a altres situacions diferents a aquella on s’ha realitzat l’experiment (p. ex. un laboratori). La validesa interna i la validesa externa (sobretot la validesa ecològica) es comporten sovint de forma contraposada: Si preparem situacions molt controlades i artificials podem garantir un bon nivell de validesa interna, però perdem possibilitats de generalització dels resultats a situacions més “naturals” (validesa ecològica). Al contrari, si realitzem el nostre estudi en una situació de camp (escola, empresa, etc.) podem obtenir resultats amb major validesa externa, però perdem capacitat de control i posem en qüestió la validesa interna de l’estudi. Quan es parla d’un cert “caràcter prioritari” de la validesa interna, el que es vol dir és que no podem renunciar completament a alguns elements de control que ens donin una evidència suficient de que la variable independent és la responsable dels canvis en la dependent. Si perdem completament aquest component de control no tenim cap seguretat respecte dels resultats obtinguts, i el fet de que siguin més o menys generalitzables a altres situacions perd importància, és a dir, si els resultats no tenen valor, de què em serveix analitzar-los i generalitzar-los? asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 2. Dissenys experimentals ‘clàssics’ (estudis amb mostres aleatoritzades) 2.1.
Característiques bàsiques D’acord amb el plantejament bàsic dels dissenys experimentals “clàssics” o “estadístics” , si volem establir l’existència d’una relació causal entre una certa variable independent i una variable dependent hem de seguir els passos següents: 1. Seleccionar la mostra de subjectes participants a l’estudi. Si es volen generalitzar els resultats, aquesta mostra ha de ser representativa de la població de referència. 2. Manipulació de la variable o variables independents. Definir els valors de la variable independent i establir com es posaran en joc. Establir també la forma de registre de la variable dependent i la seva validesa i fiabilitat. 3. Treball amb un o diversos grups de subjectes o unitats, els quals reben els diversos tractaments experimentals. Definir tants grups com valors tingui la variable independent, de forma que cada grup rebrà posteriorment un dels tractaments experimentals. Actuació de l’investigador destinada a aconseguir l’equivalència dels grups. El criteri fonamental és que aquests grups siguin equivalents. La forma d’aconseguir això serà un dels elements definitoris dels diferents tipus de disseny experimental. 4. Aplicar els tractaments i obtenir els resultats per a cada subjecte i, a partir d’ells, derivar els resultats globals per a cada grup 5. Anàlisi dels canvis globals en els grups, amb escassa o nul·la referència a casos individuals, utilitzant tècniques estadístiques més o menys convencionals. Analitzar les dades mitjançant tècniques estadístiques, de forma que s’estableixi si la diferència entre els resultats obtinguts pels diferents grups és prou gran com per considerar-la significativa, és a dir, per pensar que no està produïda per l’atzar. 2.2.
Classificació dels dissenys experimentals clàssics Criteris Nº variables independents Tipus de dissenys Una: Simples Més: Factorials Nº variables dependents Una: Univariables Més: Multivariables Nº registres per unitat i tractament Un: Estàtics Més: Longitudinals Tècnica de control implicada -Grups aleatoritzats -Grups homogenis -Mesures repetides asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Els quatre criteris citats són combinables. Es pot plantejar, per exemple, un disseny experimental factorial, univariable, estàtic i de grups homogenis; o bé un disseny simple, multivariable, longitudinal i de grups aleatoritzats, etc. Els dissenys més complexos aporten informació suplementària. Un disseny factorial permet valorar la interacció entre les diferents variables independents, cosa que un disseny simple no permet fer. Un disseny multivariable ens pot informar sobre si les diverses variables dependents canvien de forma correlacionada o no, permetent així una millor interpretació dels resultats. Un disseny longitudinal ens informarà sobre l’evolució temporal del fenomen estudiat, si això es pertinent. Segons el criteri del nombre de registres per unitat i tractament, els dissenys estàtics fan referència a un únic resultat en el temps, mentre que els dissenys longitudinals fan referència a diversos resultats al llarg del temps. El darrer criteri té a veure amb la manera com es formen els grups experimentals: - En un disseny de grups aleatoritzats la distribució dels subjectes en els grups es fa totalment a l’atzar. - En un disseny de grups homogenis s’introdueix alguna limitació a l’actuació de l’atzar, intentant que els grups siguin equivalents en alguns aspectes rellevants per a l’experiment. L’investigador fa proves abans de dur a terme l’estudi i s’assegura que aquestes capacitats quedin repartides equitativament. És a dir, reparteix ell mateix els grups perquè no es fia de l’atzar. - En un disseny de mesures repetides es treballa amb un sol grup experimental, de manera que els mateixos subjectes passen per les diverses condicions experimentals. Es treballa amb un grup en diferents sessions, no es fan diferents grups amb diferents materials, llavors el tema de les diferències individuals queda eliminat. L’inconvenient és que pot aparèixer fatiga, cansament, aprenentatge, entre d’altres fenòmens. A nivell general, es pot indicar que el disseny de mesures repetides és el que garanteix el màxim nivell d’equivalència entre els “grups” (ja que en realitat és un mateix grup el que passa por totes les condicions); el disseny de grups homogenis ofereix una equivalència parcial (dependent dels criteris utilitzats per a l’homogeneïtzació), mentre que el disseny de grups aleatoritzats depèn completament de l’atzar i, per tant, és el que presenta major risc de no equivalència entre els grups. 2.2.1.
Disseny factorial: Interacció La interacció entre dues variables independents consisteix en el fet de que aquestes variables s’influeixen mútuament, és a dir, hi ha interacció, modifiquen el seu impacte sobre la variable dependent. A l’exemple, es pot veure que els materials amb significat sempre es recorden millor que els materials sense significat, però que aquesta diferència és més gran quan l’interval de record és llarg que quan és curt. També podem dir que sempre es recorda millor en intervals curts que en intervals llargs, però aquesta diferència és més gran quan es treballa asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com amb material sense significat que quan s’utilitza material amb significat. Per tant, l’impacte d’una variable independent es veu modificat per l’altra. Hi hauria 4 grups experimentals sorgits de la combinació dels diferents valors de les variables. 2.2.2.
Disseny multivariable: Covariació L’estudi de la covariació (o la correlació) dels resultats de les diverses variables dependents ens dóna informació valuosa sobre l’impacte dels tractaments experimentals. A l’exemple del gràfic, veiem l’impacte de tres formes diferents d’organitzar la feina d’una empresa sobre la quantitat i la qualitat de productes fabricats. Els resultats mostren que el primer sistema organitzatiu ofereix un gran nivell de qualitat, però una quantitat de producció baixa; al contrari, el sistema 3 té com a resultat un nivell de producció alt, però amb un nivell de qualitat baix, mentre que el sistema 2 està en una posició intermèdia. En funció dels resultats podem escollir quina és la millor opció organitzativa, considerant que el sistema 2 probablement sigui el més equilibrat, tenint en compte que en aquest cas la covariació entre les dues variables dependents és negativa i que tant la qualitat com la quantitat són importants. 2.2.3.
Disseny longitudinal: Evolució temporal del fenomen A l’exemple plantejat, es vol esbrinar si l’aplicació d’un programa de suport cognitiu a persones d’edat avançada que presenten un procés ràpid de deteriorament permet evitar o com a mínim alentir aquest deteriorament. És a dir, davant de problemes cognitius, hi ha algun tipus d’estimulació que pugui millorar el rendiment de les persones? Com a variable dependent s’utilitza el nombre d’errors comesos en una prova de raonament lògic. En tractar-se d’un procés progressiu, es fan registres de la variable dependent en quatre moments diferents, amb intervals de sis mesos. Com és evident, el caràcter longitudinal del disseny ens informa de l’evolució temporal d’allò que volem estudiar. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Sembla clar que el programa de suport aconsegueix frenar el procés de deteriorament, com a mínim dins dels marges temporals de l’estudi. També és molt que clar que si només s’hagués fet un registre després de començar a aplicar el tractament (ocasió 1) no es podria apreciar el seu impacte, que es posa de manifest en les ocasions de registre posteriors. 2.2.4.
Disseny de grups aleatoritzats Resultats hipotètics en un disseny de grups aleatoritzats Suposem que els resultats inclosos a la taula corresponen a un estudi en el qual volem saber si quatre dosis diferents d’una determinada substància són eficaces per millorar el rendiment dels participants en una tasca que necessita molta atenció. La variable dependent és el nombre d’encerts en la tasca, amb un màxim de 30. S’han definit quatre grups (un per a cada condició), amb cinc participants a cada grup. En primer instància es pot veure que hi ha diferències apreciables entre les mitjanes de resultats dels quatre grups. Si calculem la mitjana global de tots els resultats, queda clar que les mitjanes dels dos primers grups estan per sota de la mitjana global, mentre que els altres dos grups estan per sobre (desviacions). Però hem de fer una prova estadística per veure si els resultats són estadísticament significatius, és a dir, que no són atribuïbles a l’atzar. 2.3.
Anàlisi de la variància L’anàlisi de la variància és la prova estadística que s’aplica amb major freqüència per analitzar dades com les obtingudes al nostre experiment hipotètic. Compara mitjanes. Les més comuns són AVAR o ANOVA. En aquesta taula es presenten alguns càlculs preliminars que serviran per realitzar posteriorment l’anàlisi de la variància. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Concretament s’ha calculat la suma dels resultats per a cadascun dels grups, la mitjana de cada grup, la suma total del conjunt de tots els resultats (total global) i la mitjana general. 2.3.1.
Anàlisi de variància: Exemple numèric La fase següent de l’anàlisi de la variància és el càlcul de les Sumes de Quadrats (SQ). Hi ha dues maneres de fer el càlcul, la segona és més simple, però la primera mostra millor la lògica de la prova estadística. La idea bàsica és descompondre la variació global de les dades (suma de quadrats total) en dos elements, la suma de quadrats entre-grups i la suma de quadrats intra-grups. La variació ens indica fins a quin punt un conjunt de dades s’allunya o no de la mitjana corresponent. Com es pot veure, per calcular la SQ global es compara cadascuna de les dades obtingudes amb la mitjana global, s’eleva la diferència al quadrat i es sumen totes elles. La SQ entre-grups s’obté comparant la mitjana de cada grup amb la mitjana global (multiplicant sempre pel nombre de subjectes de cada grup). Finalment, la SQ intra-grups s’obté comparant el resultat de cada subjecte amb la mitjana del seu grup. Com es pot veure, cal que es compleixi la relació: SQ total = SQ entre-grups + SQ intragrups És fonamental lligar aquests càlculs amb la lògica del disseny. La variació entre-grups ens indica fins a quin punt les mitjanes dels diversos grups són diferents i, per tant, té a veure amb el possible impacte dels tractaments experimentals. La variació intra-grups ens indica si els resultats dins de cada grup són molt o poc variables, i ens informa sobre la variabilitat aleatòria present a les dades. S.Q. Entre-grups Variació sistemàtica S.Q. Intra-grups experimental Variació aleatòria o error asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Descripció dels diferents càlculs • • • • • Sumes de quadrats: Ja calculades al pas anterior. Graus de llibertat: Ens permeten passar de les sumes de quadrats a les variàncies. D’acord amb la definició de Fisher, són el nombre de resultats que es podrien definir arbitràriament una vegada conegut el resultat d’un estadístic que depèn d’aquests resultats. Si, per exemple, tenim 10 resultats i calculem la seva mitjana, teòricament podríem donar a 9 d’aquests resultats un valor arbitrari, però en canvi el desè vindria fixat, ja que s’ha de mantenir la mitjana. Tindrem doncs 9 graus de llibertat. Variàncies: Són el resultat de dividir les sumes de quadrats entre els graus de llibertat. F: Estadístic F d’Snedecor. S’obté dividint la variància entre-grups per la variància intragrups. p: Significació estadística. Probabilitat de que el resultat obtingut al comparar les dues variàncies sigui degut a l’atzar. Si p és molt petit (en general, menor que 0,05), es considera molt improbable que el resultat es degui a l’atzar, i s’accepta que els tractaments han tingut un efecte real sobre els resultats. Pot ser útil recordar la fórmula general de la variància, l’índex de variabilitat més utilitzat: ∑(#$%#&)( Variància = , essent Yj cadascuna de les puntuacions i Ym la mitjana de la distribució. )%* +,-. 01 2,.03.45 És a dir: Variància = , que és exactament el que es fa a l’AVAR. 63.,5 01 7789134.4 Preguntes bàsiques - Per què les variàncies són comparables i les sumes de quadrats no? - Què ens diu la comparació entre variància entre-grups i variància intra-grups?. Per què és l’element fonamental de l’anàlisi? 2.3.2. Efectes analitzables en el disseny Com es veurà a continuació, les possibilitats de càlcul dins de l’AVAR depenen del tipus de disseny que s’hagi utilitzat. En aquest quadre es resumeixen els efectes que es poden estudiar a cadascun dels dissenys. Dissenys Efectes estudiables Grups aleatoritzats Tractaments + Error Grups homogenis Tractaments + Nivells + Error Mesures repetides Tractaments + Subjectes + Error Com es veurà més endavant, això voldrà dir que l’anàlisi de la variància de cada tipus de disseny, tot i mantenir els principis generals que ja s’han vist, tindrà algunes modificacions. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Ø Anàlisi de variància: Grups aleatoritzats Com ja s’ha vist a l’exemple, en un disseny de grups aleatoritzats la variació total es pot descompondre en dos elements: - Variació entre-grups, que ve donada pel possible impacte dels tractaments experimentals. - Variació intra-grups, una variació aleatòria que anomenem també “error experimental” i que ens serveix com a terme de comparació per valorar el possible efecte dels tractaments. Ø Anàlisi de variància: Grups homogenis En comparació amb el disseny de grups aleatoritzats, a un disseny de grups homogenis disposem d’informació suplementària. Imaginem, per exemple, que decidim homogeneïtzar els diferents grups en funció del nivell d’estudis dels subjectes, de forma que classifiquem als participants en tres nivells: estudis primaris (nivell 1), estudis secundaris (nivell 2) i estudis superiors (nivell 3). Una vegada classificats els subjectes, dins de cada nivell els repartim equitativament (a l’atzar) entre els diferents grups experimentals. En el cas reflectit a la taula, per a cada nivell tenim 8 persones, i n’assignem dues a cadascun dels grups experimentals. Com es pot veure, el resultat d’això és que a cada grup hi ha 2 persones amb estudis primaris, 2 amb estudis secundaris i 2 amb estudis superiors, de forma que els grups ens quedem homogeneïtzats en relació amb aquesta possible variable de confusió. Una vegada obtinguts els resultats experimentals, queda clar que la variació total es pot descompondre en tres elements: - Variació entre-grups, possible efecte dels tractaments. - Variació entre nivells, com a resultat del possible impacte de la variable Tipus d’estudis. - Variació aleatòria. Tenim, doncs, més informació de que la teníem al disseny de grups aleatoritzats. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Ø Anàlisi de variància: Mesures repetides En un disseny de mesures repetides, els mateixos subjectes (en aquest cas 5 persones) passen per les diferents condicions experimentals, i ens donen resultats per a cadascuna d’elles. Per tant, és fàcil veure que en aquest disseny podem descompondre la variació total en tres elements: - Variació “entre-grups”, com que és el mateix grup, és més lògic dir-li “entre-tractaments”, que indica el possible impacte dels tractaments experimentals. - Variació entre-subjectes, que ens indica fins a quin punt els diferents participants ens han donat resultats mitjans diferents. - Variació aleatòria. El nivell d’informació del qual disposem és també superior al que teníem en el disseny de grups aleatoritzats. 2.4.
Proves complementàries a l’AVAR Tot i que no s’hi entrarà en detall, cal indicar que l’anàlisi de la variància no és l’única prova estadística aplicable als resultats d’un estudi experimental, i que es poden realitzar també algunes proves complementàries. Les més habituals són dues: Ø Contrastos parcials de mitjanes Descomposició de l’efecte global dels tractaments en efectes parcials. Implica la comparació entre tractaments o grups de tractaments específics. Dos tipus de contrastos: - A priori o planificats: responen a hipòtesis específiques o a comparacions d’especial interès. - A posteriori o no planificats: recerca de diferències significatives entre tractaments sense guia o preferència específica. Si, per exemple, tenim quatre tractaments experimentals, el resultat de l’anàlisi de la variància només ens dirà si l’efecte global dels tractaments és significatiu o no. Ens pot interessar, però, afinar més aquesta informació, i saber si hi ha una diferència significativa entre el tractament 1 i el tractament 2, o entre els dos primers tractaments i els dos últims, o qualsevol altra comparació. Hi ha una sèrie de tècniques que ens permeten realitzar aquests contrastos parcials de mitjanes (exemples, proves de Scheffé, Tukey, NewmanKeuls, etc.). Ø Anàlisi de tendències Pretén esbrinar el tipus de relació (funció matemàtica) entre una VI i una VD. Implica determinar si la relació entre ambdues variables és lineal, quadràtica, cúbica, etc. Si tant la variable independent com la dependent són quantitatives (per exemple, possible impacte del soroll ambiental en el rendiment en una determinada tasca) pot ser d’interès veure quina és la forma de la relació, és a dir, quina funció matemàtica la descriu millor. El cas més senzill és que existeixi una relació lineal: “A més soroll, asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com menys rendiment”; però també pot haver-hi relacions més complexes (quadràtiques, cúbiques, etc.). La tècnica que ens permet esbrinar això, a partir de les dades del propi AVAR, és l’anàlisi de tendències. 2.5.
Dissenys de grups aleatoritzats 2.5.1.
Tècnica d’aleatorització Un disseny de grups aleatoritzats “pur” implicaria tres coses: - Població – Mostra La selecció aleatòria dels participants dins de la població de referència. Representativitat. - Mostra – Grups. La distribució aleatòria dels subjectes en els diversos grups experimentals. Equivalència. - Tractaments – Grups. L’assignació aleatòria del tractament experimental que correspondrà a cada grup. No esbiaixament, equitat. En un disseny de grups aleatoritzats perfecte tot hauria de ser a l’atzar. Mentre que els dos darrers elements no són difícils d’executar, el primer presenta dificultats, com ja s’ha indicat anteriorment. És molt freqüent que el mostratge pròpiament aleatori no es pugui fer, i sigui substituït per algun tipus de mostratge incidental, basat en les possibilitats de l’investigador d’accedir a determinades mostres de subjectes que estan al seu abast (estudiants d’una determinat universitat, persones que demanen ajut a determinats centres d’assistència social, pacients d’un conjunt d’hospitals, etc.). El segon és el més important. 2.5.2.
Alguns problemes i recursos L’aleatorització és una tècnica de caràcter probabilístic, per tant, la seva eficàcia depèn en bona part de l’atzar. Si distribuïm aleatòriament un cert nombre de subjectes en una sèrie de grups experimentals, la nostra expectativa és que les diverses característiques individuals que puguin ser rellevants per als posteriors resultats experimentals quedaran repartides de forma més o menys equitativa entre els diferents grups. És fàcil veure que això depèn sobretot del nombre de subjectes disponible: Si hem de distribuir 15 subjectes en tres grups de 5, la probabilitat d’obtenir una distribució equitativa és baixa, no és difícil que hi hagi un biaix en el repartiment; en canvi, si hem de distribuir 300 subjectes en tres grups de 100, la probabilitat d’obtenir grups bàsicament equivalents és molt més alta, la possibilitat de que hi hagi biaixos importants és molt petita. En un disseny de grups aleatoritzats pot ser útil l’obtenció de registres pretest, és a dir, de registres de la variable dependent abans d’introduir els tractaments experimentals. D’aquesta forma podem constatar si realment els grups són més o menys equivalents abans de començar l’experiment. Si, per exemple, es tracta d’intentar modificar les actituds d’estudiants de secundària respecte del problema de les drogues mitjançant l’aplicació de diferents tipus de programes informatius/educatius, pot ser interessant fer una mesura d’actituds (a través d’una escala psicomètrica) abans d’introduir els diversos programes. Això ens permetrà veure si el punt de partida és similar en els diferents grups, i també ens donarà un bon element de comparació amb els resultats experimentals posteriors. En casos com aquest també pot ser útil la introducció d’un grup control, és a dir, un grup que no rebrà tractament (no s’introduirà cap programa d’actuació), això ens ofereix un altre element de comparació interessant per valorar millor l’impacte dels diferents tractaments. En tot cas, si no disposem de mostres grans de subjectes i sospitem de l’existència de diferències individuals importants, pot ser una bona alternativa recórrer a altres tipus de dissenys que ens ofereixen major garantia asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com d’equivalència dels grups (dissenys de grups homogenis o dissenys de mesures repetides, tot i que en aquest darrer cas caldrà valorar també els seus possibles inconvenients). v Problemes: - Definició de la població de referencia - Dificultats d’un mostratge realment aleatori - L’eficàcia de l’aleatorització depèn de la grandària de la mostra i dels diferents grups (com més gran és el grup, més probable serà que no hi hagi biax) - Problemes relatius als participants: Subjectes voluntaris, incentius, pèrdua diferencial en estudis llargs, etc. v Recursos: - Possible utilitat dels registres pre-test: una vegada formats els grups es fa un registre de la variable dependent per tenir-ho com a referència. Per a què serveixen? + Veure si els grups són homogenis abans de començar + De comparació amb el resultat final i si hi ha desigualtat es pot dir que el tractament és efectiu - Dissenys de grups homogenis com a alternativa bàsica - Grup control com a element de comparació Serveixen com a criteris per decidir si es pot utilitzar aquest disseny. 2.5.3.
Anàlisi de la variància disseny simple L’anàlisi de la variància aplicable al disseny de grups aleatoritzats ja és conegut: La variació total es descompon en variació entre-grups i variació intra-grups. Al quadre s’inclouen les fórmules més senzilles per calcular els graus de llibertat per a les diferents fonts de variació (k= nombre de tractaments experimentals; N = nombre total de subjectes participants a l’estudi). És important fer una referència al problema de la sensibilitat del disseny de grups aleatoritzats. La sensibilitat del disseny és la seva capacitat per detectar un efecte real de la variable independent. Això té a veure amb diferents coses: el nivell de control assolit, l’equivalència real dels grups experimentals, la magnitud del propi efecte dels tractaments (que lògicament pot ser més o menys gran), etc. Pel que fa a la prova estadística, la seva capacitat de detectar un efecte ve definit per la potència de la prova, i aquesta potència depèn sobretot de la grandària de la mostra utilitzada (mostres grans garanteixen majors nivells de potència). En altres dissenys el problema de la poca potència de la prova en mostres petites es veu compensat per una anàlisi més acurada dels resultats (veure apartat 2.3.2.), cosa que permet reduir la magnitud de la variació no-explicada (variació aleatòria) i afavoreix així la possibilitat de detectar el possible impacte dels tractaments. En aquest sentit, es asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com pot afirmar que, a igualtat de grandària mostral, els dissenys de grups homogenis i de mesures repetides són més sensibles que el de grups aleatoritzats a l’hora de detectar un determinat efecte dels tractaments experimentals. Naturalment, en un disseny de grups aleatoritzats (i en qualsevol altre) podem millorar la potència de la prova incrementant la grandària de la mostra, si això és possible. Cal prevenir, però, d’un efecte que tampoc és desitjable: Si es treballa amb mostres molt grans, és possible que la prova estadística detecti com a significatius efectes molt petits dels tractaments experimentals. Aquests efectes podrien ser gairebé negligibles des d’un punt de vista teòric o pràctic. Per això és important que les anàlisis basades en proves estadístiques vinguin acompanyades per criteris valoratius propis de cada camp d’estudi (per exemple, criteris clínics, socials, adaptatius, etc.) per tal de fer una avaluació correcta dels resultats obtinguts. 2.5.4.
Estructura factorial de creuament Com ja s’ha indicat, en els dissenys factorials (siguin de grups aleatoritzats o de qualsevol altre tipus) es treballa amb més d’una variable independent. Habitualment, les condicions experimentals es defineixen a partir del creuament dels valors de les diverses variables. A l’exemple proposat, en un estudi sobre memòria es treballaria amb dues variables independents (forma de presentació del material, amb tres valors, i tipus de material, amb dos valors). Això donaria lloc a sis condicions experimentals (3 x 2), de forma que si es treballa amb un disseny de grups aleatoritzats caldria establir sis grups de subjectes, cadascun dels quals rebria una de les condicions. La manera d’identificar un disseny experimental es basa en els valors de les diferents variables independents implicades: - Disseny 3 x 2: Dues variables independents, una amb tres valors i l’altra amb dos (6 condicions experimentals) - Dissenys 4 x 4 x 2: Tres variables independents, la primera amb quatre valors, la segona també amb quatre, i la tercera amb dos valors (32 condicions experimentals) Quan hi ha moltes condicions experimentals, hi ha la possibilitat de recórrer a un algun tipus especial de disseny factorial (disseny factorial fraccionat) on només s’utilitzen una part de les condicions (per exemple, la meitat). L’anàlisi d’aquests dissenys és complicat i, a més, es perd molta informació, de manera que no seran tractats aquí. Disseny factorial 2x2 En un disseny factorial es poden analitzar bàsicament dos tipus d’efectes: El de cadascuna de les variables independents per sí mateixa, i la interacció que es pot produir entre elles. A la taula s’ofereixen els resultats d’un estudi hipotètic fet amb un disseny factorial 2 x 2. A cada casella s’indica la mitjana de resultats obtinguda pel grup experimental corresponent. A les files i columnes trobem les mitjanes corresponents a cadascun dels valors de les diferents variables. Es poden valorar els efectes següents: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Efectes principals: Efecte de cada variable per sí mateixa. S’obté comparant les mitjanes de resultats obtinguts per als dos tractaments de cada variable (A2 – A1) i (B2 – B1). Per entendre la idea d’interacció pot ser útil calcular els efectes simples de les variables. L’efecte simple de la variable A és l’impacte d’aquesta variable, però no en general, sinó quan ve acompanyada pels diferents valors de l’altra variable. En el nostre cas, per exemple, la variable A té dos efectes simples: Efecte simple de A sota B1 : (A2 – A1) amb B1 14 – 8 = 6 Efecte simple de A sota B2 : (A2 – A1) amb B2 6 – 4 = 2 Es veu immediatament que l’efecte de A no és el mateix quan ve acompanyada pels diversos valors de B, cosa que fa pensar en una possible interacció. Naturalment, la mateixa operació es pot fer valorant els efectes simples de B acompanyada pels diferents valors de A, els quals també resulten ser diferents. En tot cas, tant aquesta possible interacció com els efectes principals de les variables s’han de valorar en el corresponent anàlisi de la variància, el qual ens indicarà si els efectes són estadísticament significatius o no. ...