Psicologia experimental (tot) (2015)

Apunte Catalán
Universidad Universidad Rovira y Virgili (URV)
Grado Psicología - 3º curso
Asignatura Psicologia experimental
Año del apunte 2015
Páginas 25
Fecha de subida 06/09/2017
Descargas 0
Subido por

Vista previa del texto

T.1 EL MÈTODE EXPERIMENTAL 1. EL MÈTODE CIENTÍFIC ......................................................................... 2 2. MÈTODE EXPERIMENTAL ....................................................................... 2 CORRELACIÓ NO IMPLICA CAUSACIÓ ................................................................... 3 LA TERCERA CONDICIÓ DE CAUSALITAT ................................................................ 3 3. VARIABLES ....................................................................................... 3 4. HIPÒTESI ........................................................................................ 4 T2. CONTROL EXPERIMENTAL EL CONTROL EXPERIMENTAL (KERLINGER, 1966) ..................................................... 5 1. MAXIMITZACIÓ DE LA VARIÀNCIA PRIMÀRIA ................................................ 6 2. TÈCNIQUES PER CONTROLAR LA VARIÀNCIA SECUNDÀRIA ............................... 6 ELIMINACIÓ DE LA VARIABLE ESTRANYA ................................................................ 6 CONSTÀNCIA .......................................................................................... 6 ALEATORITZACIÓ ..................................................................................... 7 APARELLAMENT ....................................................................................... 7 SISTEMATITZACIÓ ..................................................................................... 8 CONTROL ESTADÍSTIC (O ANÀLISI DE LA COVARIÀNCIA) ................................................ 8 3. CONTROL DE LA VARIÀNCIA SECUNDÀRIA .................................................. 9 SUBJECTE COM A PROPI CONTROL ..................................................................... 9 L’ERROR PROGRESSIU ................................................................................. 9 LES TÈCNIQUES D’EQUIPONDERACIÓ ................................................................. 10 EQUIPONDERACIÓ INTRASUBJECTE: ................................................................. 10 EQUIPONDERACIÓ INTRASUBJECTE I INTERSUBJECTES ................................................ 10 ALEATORITZACIÓ TOTAL ............................................................................ 11 4. TÈCNIQUES PER MINIMITZAR L’ERROR .................................................... 11 L’EXPERIMENTADOR COM A VARIABLE ESTRANYA..................................................... 11 T3. EL PROBLEMA DE LA VALIDESA EN ELS DISSENYS EXPERIMENTALS 1. LA VALIDESA DE CONCLUSIÓ ESTADÍSTICA................................................ 14 ELEMENTS QUE L’AFECTEN .......................................................................... 14 CONSIDERACIONS FINALS ............................................................................ 15 2. VALIDESA INTERNA ........................................................................... 15 3. LA VALIDESA EXTERNA....................................................................... 17 AMENACES: ......................................................................................... 17 4. LA VALIDESA DE CONSTRUCTE ............................................................. 18 T4. TIPUS DE DISSENYS 1. DISSENY D’INVESTIGACIONS ................................................................ 19 2. DISSENYS PRE, QUASI I EXPERIMENTALS .................................................. 20 3. DISSENYS PRE-EXPERIMENTALS ............................................................. 20 4. DISSENYS QUASI-EXPERIMENTALS .......................................................... 21   1   T1. MÈTODE EXPERIMENTAL El  mètode  experimental  es  un  tipus  de  mètode  científic.   El mètode científic És  una  manera  d’obtenir  coneixements  caracteritzada  per  ser  OBJECTIVA  i  AUTOCORRECTIVA.     Les   seves   conclusions   no   depenen   dels   subjectes,   ambient,   situació...   per   tant   pot   repetir-­‐se   l’estudi   i   obtenir   els   mateixos   resultats   anteriors.   Si   els   resultats   no   són   coherents,   es   modificarà  l’experiment  i  les  teories  (hipòtesis)  fins  obtenir  els  resultats  més  congruents.   Té  3  supòsits  fonamentals:   -­‐ Ordre:  no  segueix  aspectes  atzarosos.   -­‐ Determinisme:   els   fets   no   passen   perquè   si,   hi   ha   explicació   per   als   fenòmens,   hi   ha   relacions  de  causa-­‐efecte.   -­‐ Comprobabilitat:  tota  conclusió  ha  de  poder  comprovar-­‐se  científicament.     La   seva   finalitat   és   DESCRIURE,   EXPLICAR   i   PREVEURE   la   realitat   a   partir   d’un   procés   continu   d’elaboració   teòrica.   És   a   dir,   cal   descriure   per   explicar   i   cal   explicar   per   poder   arribar   a   preveure,  sempre  que  l’anterior  segui  correcte/cert.   Problema Solució tentativa (hipòtesi) H confirmada H rebutjada • perquè es proposa: I si + SOLUCIÓ i cal poder confirmar-se Verificació empírica   Mètode experimental Dins  del  mètode  científic  hi  ha  diferents  mètodes  com  en  el  que  nosaltres  ens  centrarem:     El  mètode  experimental;  busca  la  relació  de  causa-­‐efecte.   Les  condicions  necessàries  per  confirmar  una  relació  de  C-­‐E  són  les  següents:   1-­‐ La  causa  precedeix  en  el  temps  a  l’efecte  (1r  causa,  2n  efecte).   2-­‐ Causa  i  efecte  estan  relacionats  (la  seva  “unió”  té  sentit).   Si  dues  V  comparteixen  variància,  vol  dir  que  si  una  s’altera,  l’altra  també  s’alterarà.   -­‐ Si  la  V1  é  una  puntuació  típica  i  la  V2  é  igual  à  correlacionen  1   -­‐ Si  la  V1  é  una  puntuació  típica  i  la  V2  é  0,2  puntuacions  típiques  à  correlacionen  un   50%  (0’5).   -­‐ Si  la  V1  é  X  puntuació  típica  i  la  V2  no  es  veu  afectada  à  NO  correlacionen  à  No  “unió”.   Per  tant,  per  poder  establir  una  relació  de  C-­‐E  cal  que  hi  hagi  una  mínima  correlació  entre   les  2V  que  estem  estudiant.  PERÒ  que  hi  hagi  relació  no  vol  dir  que  aquesta  sigui  de  C-­‐E,  tot   i  que  si  no  hi  ha  relació  segur  que  no  hi  ha  C-­‐E.   3-­‐ Podem  eliminar  qualsevol  explicació  de  l’efecte  que  no  sigui  la  causa.   Exemple:  si  diem  que  A  és  la  causa  de  B,  cal  demostrar  que  B  no  pot  donar-­‐se  per  cap  altre   element  que  no  sigui  A.  És  a  dir,  B  és  l’efecte  de  A  i  C,D,E...  mai  seran  la  causa  de  B.     2   Tots  els  mètodes  científics  cerquen  relacions  entre  variables  però  el  Mètode  Experimental  és   l’únic  que  pot  establir  relacions  de  Causa-­‐Efecte.   Correlació no implica causació El  fet  que  dues  variables  estiguin  relacionades  no   implica  necessàriament  una  relació  causal.   La  presència  d’una  correlació  entre  dues  variables  pot  ser  deguda  a:   • Relació  causal:  A  à  B   • Relació  de  causalitat  inversa:  A  ß  B   • Relació  de  causalitat  recíproca:  A  ßà  B  (procés  de  retroalimentació)   • Relació   de   causa  comú   (triangle):   2V   estan   relacionades   per   una   3ra   V   que   afecta   a   les   2V.   També   es   diu   Factor   G   (Spearman)   en   que   A   està   relacionada   amb   B   però   A   no   és   la   causa   de  B,  estan  relacionades  A  i  B  per  la  variable  C.   • Relació  espúria:  la  relació  entre  A  i  B  es  atzarosa.   La tercera condició de causalitat La  clau  per  entendre  que  el  Mètode  Experimental  és  l’únic  que  pot  establir  la  relació  de  Causa-­‐ Efecte,   és   perquè   aquest   fa   els   experiments   en   situació   de   laboratori,   i   per   fer-­‐ho   recull   les   dades   en   una   situació   controlada   (experiment)   que   garanteix   poder   eliminar   qualsevol   explicació  de  l’Efecte  que  no  sigui  la  Causa.     El  problema  és  que  fer  l’estudi  en  condicions  tan  controlades  donarà  lloc  a  situacions  artificials   allunyades  de  la  realitat,  per  això  cal  aplicar  l’experiment  en  ambdues  situacions,  cal  combinar   les  situacions  experimentals.   Variables Una   variable   és   una   propietat   o   característica   d’un   element   que   pot   adoptar   diferents   valors.   I   en  un  experiment  intervenen  fonamentalment  3  tipus  de  variables:   • V.  Independent:  és  aquella  variable  que  manipulem  per  veure  els  seus  efectes  en  un  altra   variable  (VD).     Hi  han  de  2  tipus:   -­‐ Actives:   Són   variables   que   l’investigador   pot   manipular   directament   (exemple:   Quantes  hores  dorm  un  individu)   -­‐ Assignades:   No   es   poden   manipular   directament,   tan   sols   es   pot   fer   una   selecció   diferencial.  (exemple:  el  sexe,  fumar  o  no,  etc.)   I  acostumen  a  tenir  una  doble  definició:   -­‐ Conceptual:   Què   entenem   que   és   la   variable   des   d’un   punt   de   vista   teòric   (exemple:   L’extraversió  es  el  nivell  d’activació  cortical  de  l’individu).   -­‐ Operativa:   Com   mesurarem   o   manipularem  la  variable  (exemple:  L’extraversió  la  definim   com  la  puntuació  en  l’escala  “E”  del  test  EPQ  d’Eysenck).   • V.   Dependent:   És   aquella   variable   en   la   que   registrem   els   efectes   de   la   variable   independent.   • V.  Estranyes:  Són  aquelles  que  es  presenten  de  forma  simultània  a  la  independent    poden   convertir-­‐se  en  explicacions  alternatives  del  efecte  observat  en  la  dependent.       3   Hipòtesi Una  hipòtesi  és  una  solució   temptativa,  de  caràcter  relacional,  a  un  problema.  A  més  a  més   d’establir  la  relació  entre  variables,  específica  com  s’operativitzen.   S’ha   d’ajustar   a   la   formulació:   “Si...(relació)   aleshores...   (conseqüència   verificables   empíricament).”   Les   hipòtesis   són   pròpies   del   mètode   científic,   per   tant   no   són   exclusives   del   mètode   experimental.       4   T2. CONTROL EXPERIMENTAL En  qualsevol  experiment  la  variància  total  és  la  suma  de  dos  tipus  de  variabilitat:   Var.  Total  =  Var.  Sistemàtica  +  V ar.  d’Error   Variància   d’error:   És   aquella   part   de   la   variabilitat   deguda   a   fluctuacions   aleatòries   sobre   les   que  no  podem  fer  prediccions  (Exemple:  Els  individus  que  dormen  el  mateix  nombre  d’hores   no   presenten   la   mateixa   nota   i,   a   priori,   no   podem   saber   si   un   individu   serà   millor   o   pitjor   que   la   mitjana   del   seu   grup.)   à  Fa  que  els   individus   sotmesos   al   mateix  tractament   presentin   una   variabilitat  en  torn  a  la  mitjana  del  seu  grup.     Variància  sistemàtica:  És  aquella  part  de  la  variabilitat  deguda  a  la  VI  o  altres  variables  sobre   la   que   podem   fer   una   predicció   dels   seus   efectes.   (Exemple:   Si   dormir   millora   el   rendiment   acadèmic   un   individu   que   dorm   més   hores   tendirà   a   tenir   millor   nota   que   un   que   dorm   menys   hores.)  à  Genera  efectes  en  les  mitjanes  dels  nivells  de  tractament  que  fa  que  presentin  una   variabilitat  en  torn  de  la  mitjana  global.   És  aquella  variable  en  la  que  registrem  els  efectes  de  la  variable  independent.   • Variància   primària:   és   aquella   variància   sistemàtica   deguda   als   efectes   de   la   variable   independent.   • Variància   secundària:   és   la   part   de   la   variància   sistemàtica   deguda   als   efectes   de   les   variables   estranyes   (Exemple:   en   l’experiment   de   les   hores   de   son,   un   grup   té   un   rendiment  acadèmic  més  gran  perquè  els  individus  són  més  llestos.)   Nosaltres  sols  podem  calcular  la  variància  sistemàtica,  NO  podem  calcular  la  primària  i   secundària  per  separat.   El control experimental (Kerlinger, 1966) Són  una  sèrie  de  tècniques  adreçades  a:   MAXimitzar  la  variància  primària.   MINimitzar  la  variància  d’error.   CONntrolar  la  variància  secundària.   La  idea  és  que  la  nostra  tasca  és  similar  a  la  d’un  controlador  aeri,  hem  de  trobar  un  avió  al   radar.  Per  fer-­‐ho  serà  útil:   -­‐ Maximitzar  la  variància  primària,  és  a  dir,  si  hi  ha  efecte  de  la  VI  (avió)  que  sigui  el  més   gran  possible.   -­‐ Minimitzar   la   variància   d’error,   és   a   dir,   eliminar   tot   el   soroll   possible   per   tal   de   veure   amb  més  claredat  l’efecte.   -­‐ Controlar  la  secundària,  és  a  dir,  que  l’efecte  que  observem  sigui  realment  degut  a  la  VI  i   no  a  variables  estranyes.   Que   podem   fer   per   cometre   el   mínim   nombre   d’errors   tipus   II?   Doncs   si   partim   del   fet   que   qualsevol  prova  d’inferència  té  la  forma      à   I  veiem  que  la  conseqüència  lògica  és  que  si   hi  ha  algun  efecte  la  X  augmenta  i  per  tant   és  més  fàcil  rebutjar  la  hipòtesi  nul·∙la.     5     Finalment,  en  qualsevol  experiment  ens  trobarem  amb  una  d’aquestes  situacions:     S2T  =  S2Primaria   2 S T  =  S 2 Secondària  +  S Tota  la  variància  es  deguda  a  la  VI   2 Tota  la  variància  es  deguda  a  la  Var.  d’error   Error   i  a  l’efecte  de  las  V  estranyes   IMPOSSIBLE  és   una  utopia  (ideal)   INCORRECTE  è   l’experiment   estarà  mal  fet   S2T  =  S2Prima  +  S2Secon  +   S2Error   La  variància  total  és  el  conjunt  de  totes  les   possibles,  tot  i  que  la  secundària  podria   donar  resultats  a  favor  o  en  contra  de  la  VI   INCORRECTE   S2T  =    S2Error   Tota  la  variància  es  deguda  a  la  Var.  d’error   CORRECTE  è  La  VI   no  té  cap  efecte   S2T  =  S2Primaria  +  S2Error   Tota  la  variància  es  deguda  a  l’efecte  de  la   VI  i  a  la  Var.  d’error   CORRECTE  è  La  VI   té  efecte   1. Maximització de la variància primària Una   forma   en   que   podem   maximitzar   l’efecte   de   la   V.I.   és   emprant   els   nivells   òptims  de  la  mateixa,  és  a  dir,  revisar  la  bibliografia  existent  i  mirar   quins  nivells  de  tractament  tenen  el  mínim  i  màxim  efecte  per  tal  de  fer-­‐los   servir.     Una  idea  de  sentit  comú  és  fer  servir  els  nivells   extrems   de   la   V.I.  D’aquesta   manera   triem   els   nivells   més   alt   i   més   baix   esperant   que   els   efectes   siguin   els   màxims.   De   totes   maneres   això   és   cert   si   la   relació   és   lineal   però   en   altres  casos  pot  funcionar  a  la  inversa.     En  aquells  casos  en  que  no  tenim  informació  prèvia  dels  nivells  òptims  i  no  sabem  el  tipus  de   relació  entre  les  variables  el  millor  és  fer  servir  múltiples  nivells  de  tractament  (+  de  2  à  4  ó   5)   per   tal   de   maximitzar   la   probabilitat   de   incloure   els   nivells   òptims,   això   implica   també   augmentar  el  número  de  mostra.   2. Tècniques per controlar la variància secundària Eliminació de la variable estranya Una  primera  tècnica  de  control  de  la  variància  secundària  és  l’eliminació.  Lògicament  si  podem   eliminar   la   variable   contaminadora,   aquesta   es   pot   considerar   controlada   ja   que   no   pot   generar  variància  secundària.   Malgrat  tot  aquesta  tècnica  tan  sols  la  podem  emprar  en  molt  poques  ocasions,  per  exemple,   per  eliminar  un  soroll  extern  que  molesti  als  participants.   Constància Si   hi   ha   V.  Estranyes  que  no  podem  evitar,   podem   transformar   aquesta   V   en   una   constant,   és   a  dir,  que  afecti  a  tota  la  mostra  i  nivells,  ja  que  la  variància  de  la  V.  Estranya  serà  0.  Haurem     6   de   saber   que   la   puntuació   obtinguda   no   serà   la   real,   però   serà   igualment   vàlida   per   a   comparar  subjectes  dins  del  propi  experiment.     En  aquest  cas  el  que  fem  es  mantenir  constants  els  valors  de  la  variable  estranya.  Exemple:  si  la   variable   estranya   és   la   intel·∙ligència   aleshores   seleccionem   tan   sols   individus   amb   un   C.I.   de   100.   La  idea  és  que  si  la  V.E.  és  una  constant  aleshores  no  pot  generar  variabilitat  entre  els  diferents   grups.     Una  cosa  a  tenir  en  conte  de  totes  aquestes  tècniques  és  que  no   estan   adreçades  a  minimitzar   la   variància   d’error  però,  algunes  d’elles,  degut  a  les  seves  característiques  també  redueixen   l’error.   La  constància  és  una  d’aquestes  tècniques  ja  que  al  mantenir  constant  una  variable  elimina  les   possibles  diferències  intra-­‐tractaments  associades  a  la  mateixa.   Per   exemple,   gran   part   de   la   variabilitat   en   rendiment   acadèmic   d’un   grup   es   deu   a   les   diferències   individuals   en   intel·∙ligència.   Si   tots   els   individus   tenen   el   mateix   Q.I.   aleshores   aquesta  part  de  la  variància  d’error  desapareix.   Aleatorització L’aleatorització  es  fonamenta  en  el  fet  que  com  més  gran  és  una  mostra  més  s’assembla  a  la   població,  és  a  dir,  l’estadístic  s’apropa  cada  cop  més  al  paràmetre  (realitat?).   D’aquesta   manera   si   tenim   j   grups   aleatoris,   la   probabilitat   de   que   no   siguin   equivalents   en   qualsevol  variable  estranya,  disminueix  a  mesura  que  el  grup  es  fa  més  gran.   A   efectes   pràctics   podem   considerar   que   quan   cada   nivell   de   tractament   té   més   de   25   individus,  la  probabilitat  de  que  difereixin  en  alguna  variable  estranya  és  molt  baixa.   L’única   condició   per   que   aquest  mètode   funcioni   és   que   els   individus   s’assignin   als   grups   de   forma  totalment  aleatòria.   Aparellament El  problema  que  trobem  en  la  tècnica  d’aleatorització  és  que  per  a  que  funcioni  es  necessita   com  a  mínim  una  mostra  de  25/30  subjectes  per  cada  nivell  de  l’experiment.     D’aquesta   manera   quan   no   tenim   prou   individus   per   garantir   que   l’aleatorització   pugui   funcionar,   posarem   en   pràctica   la   tècnica   d’aparellament.   Aquesta   consisteix   en   mesurar   la   variable   estranya   més   rellevant/important   i   fer   parelles   (o   trios...   segons   els   nivells   de   tractament)  d’individus  homogenis  d’aquella  VE  i  de  manera  aleatòria  els  hi  assignem  a  cada   un  grup/nivell,  d’aquesta  manera  garantim  que  els  grups  són  equivalents  en  la  principal  font   de   variància   secundària   i   esperem   que   l’aleatorització   ajudi   a   controlar   les   demès,   per   tant,   esperem  que  la  VE  no  influeixi  en  el  resultat  al  mesurar  les  variables  dependents.     En   el   cas   que   trobéssim   algun   subjecte   que   queda   desaparellat,   perquè   no   hi   ha   cap   altre   que   tingui  característiques  semblants  de  la  VE,  caldrà  que  l’eliminem  com  a  mostra,  ja  que  és  un   outlier.     7   Com   no   se   solen   presentar   subjectes   extrems,   la   variabilitat   de   la   mostra   és   més   baixa,   podríem  arribar  a  dir  que  també  disminueix  l’error,  però  seria  filar  massa  prim.     Es  podrien  aparellar  subjectes  per  més  d’una  V,  però  no  es  sol  fer  ja  que  ens  trobaríem  amb   molts  subjectes  desaparellats,  sobretot  si  la  mostra  és  petita.     Amb   aquesta   tècnica   no   disminuïm   l’error,   ja   que   tot   i   que   algunes   diferències   individuals   queden  controlades,  els  errors  de  mesura  no.   Sistematització Aquesta   tècnica   consisteix   en   convertir   la   VE   en   una   segona   VI   de   tal   manera   que   podem   conèixer   quanta   variabilitat   entre-­‐tractaments   explica.   En   l’experiment   el   nostre   objectiu   segueix  sent  avaluar  la  VI1.   Exemple:      Vull  saber  quina  tècnica  d’estudi  va  millor.  Però  trobem  entre  altres  VE,  la  d’estudiar  al  matí  o   a  la  tarda.  Llavors  el  que  fem  es  convertir  el  moment  del  dia  en  el  que  s’estudia  en  una  VI,  tot  i   que  els  resultats  seran  sempre  segons  la  tècnica  d’estudi  emprada.                         Tec  1   Tec  2           T1 o T2   T1 o  T2 Matí   N=20   N=20   Tec  1   Tec  2     error error                 Tarda   N=20   N=20   N=40   N=40     Matí o error error Error Tarda     error error   L’error   és   residual   i   és   la   variabilitat   donada   per   V   externes   que   no   podem   controlar,   si   les   podem  controlar/explicar/mesurar  ja  no  serà  error  residual.     Si   seguim   amb   l’exemple,   veiem   que   la   Tec   1   pel   matí   resulta   2   punts   millor   i   a   la   tarda   0’5   punts  millor,  per  tant  hi  ha  interacció.   Així   veiem   que   hi   ha   tècniques   que   funcionen   millor   en   funció   de   la   intel·∙ligència,   personalitat,   etc.   Per   tant,   cal   buscar   la   interacció   que   hi   ha   entre   les   diferències   individuals   i   la   VI.   Si   hi   ha   interacció  i  la  tenim  en  compte,  com  ho  podem  controlar  l’error  residual  disminueix.     Així   doncs   veiem   que   la   tècnica   de   sistematització   minimitza   la   variància   d’error   perquè   la   variabilitat   deguda   a   la   que   en   principi   era   VE   i   per   tant   es   trobava   en   l’error,   al   passar   a   ser   VI   passa  a  formar  part  de  la  variància  primària.   Control estadístic (o anàlisi de la covariància) Aquesta   tècnica   és   diferent   a   les   anteriors   donat   que   en   elles   tant   la   VE   com   la   VI   es   tractaven/controlaven  abans  d’aplicar  el  tractament/tasca/experiment.   En   aquesta   tècnica   el   que   fem   es   deixar   que   la   variable   estranya   actuï,   per   desprès,   fent   servir   l’anàlisi  de  la  covariància  eliminar  els  seus  efectes.  Per  fer-­‐ho  cal  que  la  variable  estranya  es   pugui  mesurar  i  que  estigui  com  a  mínim  en  una  escala  d’interval.       8   Per  exemple:  si  volem  calcular  el  rendiment  acadèmic  i  tenim  dos  grups,  un  que  ha  rebut  una   educació   tradicional   i   l’altre   utilitzaven   els   ordinadors;   però   ens   trobem   amb   la   variable   estranya  de  la  intel·∙ligència  (mesurada  en  CI)  i  com  això  no  podem  canviar-­‐ho,  fem  com  si  res.  I   observem   que   el   grup   tradicional   treu   notes   més   altes   però   al   mateix   temps   és   el   més   intel·∙ligent.     La  solució  és  fer  servir  la  equació  de  regressió  per  veure  quin  seria  el  rendiment  acadèmic  de   cada  grup  si  la  seva  intel·∙ligència  fos  igual.     Fent-­‐ho  veiem:  Rendiment  acadèmic  (notes)  =  VE  =  a  (constant)  +  B(CI)  (pendent)   Trobem  un  noi  amb  un  CI  de  118  i  un  RA  de  6,3,  la  mitjana  és  de  5,  per  tant  ell  és  1,3  millor  que   els  altres  pel  seu  CI.   El   que   farem   serà   ajustar   la   puntuació   de   RA   de   cada   individu   per   donar   un   RA   com   si   tots   tinguessin  el  mateix  CI.     D’aquesta  manera  eliminem  els  efectes  d’aquesta  variable  estranya  i  al  mateix  temps  reduïm   l’error  ja  que  les  puntuacions  estan  estimades  com  si  tots  tinguessin  la  mateixa  intel·∙ligència.   3. Control de la variància secundària Subjecte com a propi control La  tècnica  del  subjecte  com  a  propi  control  garanteix  l’equivalència  dels  grups  que  sotmeten  al   mateix  grup  d’individus  als  diferents  nivells  de  tractament.     Per  exemple  si  volem  veure  si  la  mida  de  la  lletra  afecta  al  temps  de  reacció  en  una  tasca  de   decisió  lèxica,  aleshores  fem  que  els  mateixos  individus  facin  la  tasca  sota  totes  les  condicions   experimentals  P.ex.  10,  12  i  14  punts  de  font.     D’aquesta  manera  ens  trobem  amb  una  distribució  de  tractaments  x  individus.    Això  ens  permet  calcular  la  variabilitat   deguda   al   tractament  però,  també  la  variabilitat  que  hi   ha  entre  els  individus.     Tot   això   té   un   gran   avantatge   ja   que   la   variabilitat   que   hi   ha   entre  els  individus   és   la   principal   font  d’error  en  un  experiment  ja  que  reflecteix  les  diferències  individuals!   D’aquesta  manera  es  produeix  una  gran  minimització   de   l’error   convertint   aquest   tipus   de   dissenys   en   els   més  sensibles.  Per  altra  part,  com  que  els  participants   són   els   mateixos   per   cada   grup,   els   grups   son   totalment  equivalents.   L’error progressiu El  gran  problema  dels  dissenys  anteriors  és  que  el  fet  que  els  individus  facin  la  tasca  diverses   vegades   afavoreix   l’aparició   de   l’error   progressiu   que   fa   referència   a   aquella  variabilitat   entre-­‐ tractaments  deguda  a  la  fatiga  o  l’aprenentatge.       9   Suposem   per   exemple   que   fem   tres   cops   una   tasca   de   temps   de   reacció   manipulant   una   variable   que   no   té   cap   efecte,   com   el   color  de  les  sabates:   à  És  generen  diferències  entre  els  nivells  davant  d’una   variable  independent  que  no  té  cap  efecte!   Les tècniques d’equiponderació Són  aquelles  tècniques  que  s’utilitzen  per  controlar  els  efectes  de  l’error  progressiu.     S’encarreguen  de  distribuir  els  efectes  de  l’error  progressiu  de  forma  equivalent  entre  tots  els   nivells  de  tractament.  D’aquesta  manera  una  variable  estranya  que  afecta  per  igual  a  tots  els   nivells  és  pot  considerar  controlada  ja  que  no  genera  variabilitat  entre  ells.    La  clau  per  fer-­‐ho  és  que  els  individus  passin  per  tots   els   nivells  de  tractament  però  seguint  un   ordre   diferent.  Per  exemple  un  individu  pot  començar  pel  blau,  seguir  pel  negre  i  acabar  pel   marró,  mentre  que  un  altra  pot  començar  pel  negre,  etc.    Equiponderació intrasubjecte: Aquesta  tècnica  suposa  que  l’error  progressiu  és  sempre  de  la  mateixa  magnitud  i  actua  en  la   mateixa  direcció.     Imaginem  que  en  una  tasca  de  temps  de  reacció,  es  produeix  fatiga  i  els  individus  van  cada  cop   20  ms.  més  lents.   Aleshores   el   segon   nivell   de   tractament   sempre   serà   20   ms.   més   lent   del   que   hauria   de   ser   degut  a  la  fatiga.  Què  passaria  però  si  féssim  servir  un  ordre  diferent?  Per  exemple:   Seqüència   Efecte  en  a1   Efecte  en  a2   a11,  a21  a22,  a12   Mitjana     0  +  0  +  0  +  60   A  =  (a11+a12)/2=  a1  +  30   0  +  20  +  40  +  0   B  =    (a21+a22)/2  =  a2  +  30   Resultaria  que  A-­‐B  =  (a 1  +  30)  –  (a2  +  30)  =  a1  -­‐  a2   Equiponderació intrasubjecte i intersubjectes El   problema   de   la   tècnica   anterior   és   que   quan   s’incrementen   el   nombre   de   nivells   de   tractament  la  sèrie  és  fa  molt  llarga  i  és  molt  difícil  que  l’error  progressiu  sigui  constant.  Així   per  exemple,  amb  tres  nivells  de  tractament  la  seqüència  seria:  a11,  a21  a22,  a31  a11,  a32  a22,  a12   La  solució  és  deixar  que  l’error   progressiu   afecti  als  individus  però  de  tal  manera  que  al  unir   les   seves   puntuacions   els   seus   efectes   s’anul·∙lin.   Aquests   mètodes   es   coneixen   com   a   mètodes   d’equiponderació  inter-­‐subjectes  i  n’hi  ha  de  dos  tipus:     -­‐ Total  quan  es  fan  servir  totes  les  seqüències  possibles:   Els  supòsits  són  els  mateixos  que  en  el  cas  de  l’intrasubjecte.   La  qüestió  és  que  un  nombre  igual  d’individus  fan  la  tasca  en   cadascuna  de  les  seqüències  possibles   El   problema   de   la   equiponderació   total   és   que   el   nombre   d’individus  ha  de  ser  múltiple  del  nombre   de   seqüències  (6,   12,  etc.)  i  això  implica  que  si  hi  ha  molts  nivells  caldrà  una  mostra  molt  gran.  Exemple:  amb   4   nivells   hi   ha   24   seqüències   à   mostra   molt   gran.   Per   evitar-­‐ho   es   fa   servir   l‘equiponderació  parcial.       10   -­‐ Parcial   és   quan   només   se’n   fan   servir   algunes.   Consisteix   en   agafar   el   mínim   nombre   de   seqüències  per  assolir  les  següents  condicions:   • Si  el  nombre  de  nivells  és  senar  hem  de  trobar  series/ordre  d’administració  de  la  tasca,   per  tal  que  tots  els  nivells  del  tractament  surtin  una  vegada  en  primer  lloc,  i  per  tant,  una   vegada  a  cada  posició  (  a1,  a2,  a3  à  a2,  a3,  a1  à  a3,  a1,  a2  ).   • Nombre   de   nivells   és   parell,   cada   nivell   ha   de   sortir   el   mateix   nombre   de   vegades   en   cada  posició  i  el  mateix  nombre  de  vegades  davant  i  darrera  de  qualsevol  altre  nivell.   Aleatorització total En  molts  experiments  psicològics  es  fan  servir  variables  com  el  temps  de  reacció  que,  per  ser   estimades  necessiten  un  elevat  nombre  de  repeticions  (aprox.  50  per  nivell).   La  idea  és:  ja  que  hem  de  repetir  tants  cops  l’assaig,  enlloc  de  fer-­‐ne  50  en  cada  condició  (a1,  a2,   a3)   perquè   no   en   fem   150   assajos   on   cada   vegada,   aleatòriament   es   presenti   una   condició.   Com   ja   sabem,   quan   hi   ha   més   de   25-­‐30   individus   per   grup,   l’atzar   fa   que   qualsevol   variable   es   reparteixi  per  igual  entre  els  diferents  grups  i  per  tant,  l’error  progressiu  queda  controlat.   4. Tècniques per minimitzar l’error L’error   es   deu   fonamentalment   a   les   diferències   individuals   i   a   la   manca   de   fiabilitat   dels   instruments  de  mesura.      Pel  que  fa  a  la  fiabilitat  el  que  hem  de  fer  és,  triar  sempre  l’instrument  de  mesura  més  fiable   possible.  Per  exemple  si  la  nostra  variable  dependent  és  l’ansietat,  si  tenim  dos  tests  igual  de   vàlids  triarem  el  més  fiable.      Pel  que  fa  a  les  diferències   individuals,  són  inherents  als  individus  per  tant  l’únic  que  podem   fer   es   emprar   tècniques   de   control   de   la   var.   Secundària   que   minimitzin   l’error   eliminant-­‐les   del  residual.   L’experimentador com a variable estranya El   propi   experimentador   pot   ser   una   variable   estranya,   ja   que   és   un   element   més   que   pot   generar/provocar   diferències   entre   els   grups   (nivells   de   tractament).   Amb   això   no   ens   estem   referint  a  casos  de  frau  científic  com  pot  ser  la  manipulació  de  dades,  etc.   Del  que  parlem  és  de  l’efecte  involuntari  que  pot  tenir  en  la  conducta  dels  participants  en  un   experiment  modificant  la  seva  manera  habitual  de  comportar-­‐se.     Aquesta  alteració  és  deu  fonamentalment  a  dos  efectes  anomenats  Orne  i  Rosenthal.   -­‐ Efecte   Rosenthal:   es   deu   a   la   relació   afectiva   que   es   dona   entre   experimentador-­‐ hipòtesi   i   que   pot   fer   que   inconscientment   intenti   influir   en   els   participants   per   tal   de   poder   arribar   a   acceptar   la   hipòtesis   plantejada,   això   podria   fer-­‐se   en   el   moment   de   donar  instruccions,  inferint  als  subjectes.   Exemple:  estudi  on  es  relaciona  extraversió  amb  la  velocitat  de  reacció.  L’experimentador   veu  a  una  persona  extravertida  i  al  dir-­‐li  les  instruccions  posa  èmfasi  a  com  espera  que  es   comporti  el  subjecte  (en  aquest  cas  donant  més  èmfasi  a  la  velocitat  i  restant  importància   a  fer  bé  l’experiment)  en  canvi  en  un  introvertit  donar  èmfasi  a  fer  bé  l’experiment  i  restar   importància  a  la  velocitat,  amb  això  està  esbiaixant  els  resultats.       11   -­‐ Efecte   Orne:   es   deu   a   les   característiques   de   la   demanda.   Fa   referència   al   fet   que   davant   una   situació   nova   els   éssers   humans   tendim   a   cercar  indicis   sobre   el   comportament  que   s’espera  de  nosaltres.   Exemple:   si   el   professor/experimentador   comença   a   apuntar   el   nom   de   la   gent   que   fa   preguntes   a   classe   pot   ser   que   els   alumnes   augmentin   la   conducta   de   fer   preguntes   pensant   que   això   influirà   positivament   a   la   nota,   arribant   fins   i   tot   a   presentar   efectes   a   nivell  somàtic  (efecte  placebo).     En  un  experiment  es  poden  ajuntar  els  dos  efectes  i  generar  variabilitat  entre-­‐grups.   Per   solucionar-­‐ho,   caldria   tractar   al   experimentador   com   una   variable   estranya   més   i   aplicar   tècniques  de  control.  Per  exemple:  les  instruccions  les  donarà  l’experimentador  que  no  coneix   la  hipòtesis  (experiment  a  doble  cec)  o  que  les  doni  un  ordinador,  etc.     12     T3. EL PROBLEMA DE LA VALIDESA EN ELS DISSENYS EXPERIMENTALS Fins   als   anys   60   en   l’àmbit   social   i   educatiu   especialment,   en   el   que   “valia   tot”,   no   es   plantejaven  si  les  conclusions  obtingudes  eren  vàlides.   Això  va  portar  a  Donald  Campbell  i  Julian  Stanley  a  publicar  un  llibre  a  l’any  1963  establint  les   bases  de  la  validesa  dels  resultats  d’investigació.      En  aquest  manual  van  parlar  de  dos  tipus  de  validesa;   interna   i   externa,  que  van  ser  ampliades   posteriorment  per  Cook  i  Campbell  l’any  1979  amb  les  de  conclusió  estadística  i  constructe   Nivells de validesa:   1. Validesa  de  conclusió  estadística,  aquesta  si  es  compleix  sabrem  que  podem  fiar-­‐nos   de  la  conclusió  estadística   que   hem   pres,   és   a   dir,  s’ha   rebutjat   o   acceptat   la   hipòtesis   de  manera  correcta.   2. Validesa  interna:  ens  diu  fins  quin  punt  l’efecte  observat  en  la  VD  es  degut  a  la  VI  i  no   a  una  V  Estranya  (3ra  condició  de  Mill)   3. Validesa  externa:  ens  diu  fins  quin  punt  aquest  efecte  el  podem  generalitzar  a  altres   situacions,   és   a   dir,   ens   permet   conèixer   com   de   útil   és   la   hipòtesi   plantejada.   Aquesta   validesa  depèn  de  les  tècniques  emprades  en  l’experimentació;  caldrà  que  puguin  ser   utilitzades   en   qualsevol   subjecte,   per   tant,   no   poden   ser   sensibles   a   diferències   individuals.   4. Validesa  de  constructe:  fa  referència  a  fins  a  quin  punt  podem  fer  inferències  des  dels   tractaments   i   mesures   particulars   cap   els   constructes   d’ordre   superior   que   representen.   Ens   situa   en   el   nivell   teòric,   per   poder   assolir   aquest   nivell   és   necessari   que  la  hipòtesi  es  basi  en  fets  teòrics  i  demostrats  científicament.     Campbell  i  Stantley  van  definir  la  validesa  interna  i  externa  a  partir  de  definir  els  elements  que   afecten  a  les  dues  valideses,  anomenant-­‐los  “Amenaces”,  ja  que  disminuïen   la   validesa.  Una   amenaça  de  la  v.  Interna  és  la  història;  una  de  la  v.  Externa  és  la  mostra  de  l’experiment.     13   1. La validesa de conclusió estadística Les   conclusions   de   qualsevol   experiment   que   duem   a   terme  es   fonamentaran   en   una   prova   d’inferència  estadística  en  la  que  acceptarem  o  rebutjarem  la  hipòtesi  nul·∙la.   Des   d’aquest   punt   de   vista,   la   validesa   de   conclusió   estadística   fa   referència   a   fins  a  quin  punt   podem  fiar-­‐nos  de  la  decisió  estadística.  On  la  qüestió  és,  un  cop  acceptem  la  hipòtesi  nul·∙la   preguntar-­‐nos  si  es  deu  que  la  VI  no  té  cap  efecte  o  si  pel  contrari  es  deu  a  que  no  teníem  prou   potència  per  detectar-­‐lo.   De   moment   no   ens   preguntem   o   no  donem  importància   a   si   l’efecte   o   la   manca   d’ell  es  deu  a   V.  Estranyes  ja  que  estem  a  un  nivell  purament  estadístic.   Elements que l’afecten La   validesa   de   conclusió   estadística   depèn   de   fins   a   quin   punt   hem   fet   servir   tècniques   estadístiques   apropiades  per  inferir  si  la  variable  independent  i  la  dependent  covarien.  Hi  ha   tot  un  seguit  de  factors  que  poden  afectar-­‐la:      1. Violació   dels   supòsits   del   model:   l’incompliment   d’alguns   supòsits   del   model   estadístic   pot   fer  que  els  nivells  nominal  i  real  de  la  taxa  d’error  no  coincideixin.     2. Increment   de   la   taxa   d’error   experimental:   L’increment   en   el   nombre   de   proves   d’inferència  fa  créixer  el  risc  de  trobar  un  efecte  significatiu  per  atzar.     3. Manca  de  fiabilitat  de  les  mesures:  a  menys   fiabilitat   més   gran   és   l’error  i  per  tant  més   difícil   detectar   un   efecte.   Hi   ha   més   dispersió   i   per   tant,   més   variabilitat;   augmenta   l’amplada   de   la   campana   i   per   tant   disminueix   l’alçada.   I   si   unim   dues   gràfiques,   tenen   molta  més  àrea  en  comú  i  per  tant  beta  ocupen  molt  més     4. Restricció   de   rang:   la   reducció   en   la   variabilitat   d’una   variable   afebleix  la  seva  relació  amb  una  altra  variable.   Quan  hi  ha  restricció  de  rang,  es  a  dir  menys   variabilitat,   menys   variància   compartida,   la   correlació   disminueix,   per   tant   l’efecte   que   trobem   es   molt   baix,   per   tant   si   ens   trobem   en   aquesta  situació  cal  comprovar  si  hi  ha  restricció  de  rang  en  l’experiment.       5. Elecció   de   l’estadístic   més   adient:   la   potència   dels   estadístics   no   és   la   mateixa,   per   exemple  la  “t”  d’Student  és  més  potent  que  la  “U”  de  Mann-­‐Whitney.  Així  doncs,  davant   d’una  situació  amb  2  o  3  proves  diferents  que  serveixen  pel  mateix,  doncs  cal  triar  el  més   adient,   escollir   aquell   que   té   més   potencia   relativa,   que   quan   es   compleixin   tots   els   supòsits  aquella  prova  sigui  més  efectiu  que  l’altre.     6. Mida  de  la  mostra:  sempre  que  treballem  amb  mostres  hi  ha  un  error  degut  a  aquest  fet.   Malgrat  tot  contra  més  gran  és  la  mostra  més  petit  és  aquest  error  i  més  potència  tenim.   Mostres  petites  donen  lloc  a  variabilitat  molt  gran,  fent  que  alfa  sigui  molt  més  gran  i  beta   no  varia.  El  cas  contrari  si  la  mostra  és  molt  gran.     7. Mida  de  l’efecte:  contra  més  gran  sigui  l’efecte  més  difícil  és  que  cometem  un  error  tipus  II.   à  Com  més  gran  sigui  l’efecte  més  fàcil  serà  que  els  resultats  siguin  fiables.     14     8. Variabilitat  d’error:  contra  més   gran  sigui  la  variància   d’error  més   probable  és  cometre  un   error  tipus  II.     Primer  cal  verificar  supòsits  i  després  controlar  l’error.   Els   punts   de   tall   per   acceptar/rebutjar   són   1%   o   0’5%   i   no   tenen   cap   explicació   estadística.     Va  ser  establert  per  uns  teòrics.   Alfa  =  error  tipus  I  =  és  rebutjar  quan  toca  acceptar  i  es  al  0’5%.   Beta  treballa  al  1%.   Si  augmentes  alfa  també  incrementarà  beta.   Hipòtesi  nul·∙la  =  NO  EFECTE     Hipòtesi  alternativa  =  SI  EFECTE   Consideracions finals Tant  si  acceptem  com  si  rebutgem  la  hipòtesi  nul·∙la,  em  de  tenir  en  compte  que:   -­‐ Quan   no   podem   rebutjar   la   hipòtesi   nul·∙la,   això   no   implica   necessàriament   que   la   variable   no   té   cap   efecte.   Ens   em   de   qüestionar   sempre   si   teníem   prou   potència   per   detectar  l’efecte  que  ens  interessava.   -­‐ Quan   rebutgem   la   hipòtesi   nul·∙la   ens   em   de   preguntar   si   la   mida   de   l’efecte   que   hem   trobat   és   rellevant,   o   si   ple   contrari   em   trobat   un   efecte   trivial.   Això   es   especialment   important  quan  tenim  mostres  molt  grans  i  per  tant  molta  potència.   2. Validesa interna La  validesa  interna  respon  a  la  pregunta  de  fins  a  quin  punt  la  covariació  existent  entre  la  V.I.   i   la   V.D.  es  deguda  a  una  relació   causal.  A  partir  d’aquí  s’han  definit  diferents  elements  que   poden  afectar-­‐la  anomenats  amenaces.      Fins  quin  punt  acceptar/rebutjar  es  deu  a  l’efecte/no  efecte  de  la  VI?  Es  qüestió  de  com  s’han   fet  les  coses,  es  a  dir,  si  he  controlat  variables  estranyes.  ß  “amenaces”     Per   veure   aquestes   amenaces   en   diferents   situacions   de   recerca   es   representen   les   observacions   (mesura   de   la   V.D.)   amb   la   lletra   “On”   i   les   intervencions   amb   la   “Xj”.   Per   exemple:    O  =  observació,  mesurem  la  VD   O1    =  mesuro  la  VD  per  primer  cop   X1  =  jo  aplico  la  VI,  si  fos  X2  o  X3  serà  segons  els  nivells  de  tractament,  i  si  es  X0  és  grup  control,   per  poder  comparar.     Amenaces:   1. Història:   elements   que   passen   entre   el   pre-­‐test   i   el   post-­‐test   i   que   poden   afectar   a   la   variabilitat   observada.   Poden   haver-­‐hi   fets   que   ocorrin   entre   els   dos   temps   en   els   que   s’ha   passat  el  test  que  poden  ser  el  causant  que  doni  lloc  a  l’efecte  observat.     2. Maduració:   canvis   naturals   en   els   participants   que   han   variat   en   el   temps   (vocabulari,   velocitat  lectora,  facilitat  de  càlcul…)  i  no  pas  per  l’efecte  de  l’experiment.  Es  a  dir,  si  fem   un  experiment  durant  la  maduració  dels  participants,  els  efectes  donats  no  poden  explicar-­‐ se  en  la  seva  totalitat  a  l’efecte  del  tractament.     15     3. Regressió  a  la  mitjana:  Els  individus  amb  puntuacions  extremes  en  una  mesura  tendeixen  a   presentar   puntuacions   més   properes   a   la   mitjana   en   una   segona   administració   de   la   mateixa.  I  per  tant,  els  efectes  donats  en  el  tractament  estaran  afectats  per  aquest  fet.  El   problema   és   que   si   agafem   un   grup   extrem   i   el   tornem   a   mesurar,   encara   que   la   V.I.   no   tingui  cap  efecte,  trobarem  que  el  post-­‐test  presenta  una  puntuació  superior  (o  inferior)  al   pretest.   El   mateix   pot   passar   si   tenim   més   d’un   grup   i   un   d’ells   o   tots   ells   són   extrems.   Aquest  efecte  per  a  que  es  produeixi,  no  es  necessari  que  hi  hagi  dos  grups  extrems,  amb   un  únic  grup  ja  es  donarà  l’efecte  de  a  regressió  a  la  mitjana.     4. Selecció   diferencial   (1):   fa   referencia   a   dues   amenaces   (que   es   diuen   igual)   però   a   dos   fenòmens  diferents.   Parlem  de  selecció  diferencial  quan  fem  servir  grups  naturals,  que  els  grups  no  estan  fets  a   l’atzar,  sinó  que  utilitzo  grups  que  ja  existien  (per  exemple  en  una  escola  els  grups  seran   les  classes  que  ja  estan  fetes);  podrà  ser  que  entre  aquest  grups  es  donin  diferències  però   que   són   degudes   a   les   diferencies   entre   els   grups   à   els   grups   difereixen   en   alguna   variables   important   per   a   l’experiment   (Per   exemple:   Agafar   dues   fàbriques   per   implementar  un  nou  sistema  productiu  fonamentat  en  les  noves  tecnologies  quan  en  una   d’elles  els  treballadors  són  més  vells).     5. Selecció   diferencial   (2):També   pots   ser   selecció   diferencial,   si   la   VI   és   assignada,   es   a   dir   que  no  es  pot  manipular  directament  (exemple:  els  grups  segons  el  sexe,  segons  el  nivell   d’intel·∙ligència,  etc.  no  pots  posar  a  un  home  en  el  grup  de  dones,  o  a  una  persona  molt   intel·∙ligent   en   el   grup   de   baix   nivell).   En   aquest   cas   els   individus   poden   diferir   en   alguna   altra  característica  a  part  de  la  VI.   A  Amèrica  es  fa  fer  un  anàlisi  comparatiu  entre  els  efectes  de  prendre  una  teràpia  hormonal  i   les   que   no,   però   no   van   fer   els   grups,   sinó   que   la   VI   ja   estava   assignada,   les   dones   que   ja   prenien   aquella   teràpia   i   les   que   no,   i   es   va   veure   que   les   que   sí,   tenien   menys   risc   de   tenir   un   atac   de   cor.   Però   el   problema   es   que   les   persones   que   tenien   aquella   teràpia   també   tenien   millor   salut   (fer   exercici,   cuidats   mèdics,   bona   alimentació)   i   venia   donat   a   que   prenien   la   teràpia   perquè   tenien   poder   adquisitiu   per   tenir   accés   al   servei   de   salut,   ja   que   a   Amèrica   això   depèn  de  si  pots  pagar-­‐ho  o  no.  Per  tant  el  efecte  observat  no  podria  atribuir-­‐se  a  la  teràpia,  ja   que  els  dos  grups  de  la  VI  diferien  en  altres  variables.     6. Efecte   de   la   mesura:   Quan   administrem   una   mesura,   especialment   de   capacitats   es   produeixen   efectes   de   memòria   que   poden   fer   que   en   una   segona   administració   de   la   mateixa   els   individus   obtinguin   puntuacions   superiors.   Quan   es   fan   test   de   rendiment   màxim,   habitualment,   el   segon   cop   que   s’administra   el   test,   el   rendiment   es   millor,   per   efectes   de   memòria.   Per   això,   s’han   d’administrar   formes   paral·∙leles,   o   fins   i   tot,   administrar  dues  formes  paral·∙leles  a  dos  grups  a  l’atzar.       7. Interacció   selecció   diferencial   per   història   /   interacció   de   selecció   diferencial   per   maduració:  quan  tens  dos  grups  naturals  ja  hem  vist  quin  problema  podem  tenir.  Llavors  el   que   hem   de   fer   és   un   pretest,   llavors   si   tots   dos   grups   abans   de   la   intervenció   són   igual   de     16   productius,   i   després   de   la   intervenció   veiem   que   un   grup   es   mes   productiu   que   l’altre,   això  ens  faria  pensar  que  la  diferencia  donada  la  podem  atribuir  al  tractament.   O  un  era   millor   que   l’altre   i   després   del   tractament   són   molt   millors   (x3)   aquell   mateix   grup.   Però   potser   diferien   en   alguna   variable   que   al   principi   no   té   efecte,   és   a   dir,   que   no   es   reflexa   al   pretest.     Per  exemple,  comprar  el  grup  de  fixes  que  els  empleats  temporals,  una  variable  de  la  història   és  un  rumor  de  que  reduiran  la  plantilla,  llavors  podria  donar-­‐se  que  el  grup  de  fixes  treballes   menys,  donat  que  ja  saben  que  els  faran  fora  o  potser  augmenten  el  seu  rendiment  per  tal  de   no  ser  acomiadats,  i  llavors  quan  es  tornessin  a  avaluar  aquest  dos  grups,  els  temporals  hauran   millorat   molt   més   que   els   fixes   o   empitjorat   molt   més,   donat   al   rumor,   no   a   la   tècnica/tractament  aplicat.  Seria  millor  fer  grups  a  l’atzar,  però  sovint  en  la  realitat  no  es  viable   fer  aquests  grups  a  l’atzar.   3. La validesa externa La  validesa  interna  fa  referencia  a  si  et  podies  fiar  de  l’efecte  obtingut  i  a  més  que  aquest   sigui   degut  a  la  VI.   Un  cop  hem  trobat  una  relació  causal  ens  podem  plantejar  fins  on  la  podem  generalitzar.  És  a   dir,   si   trobem   que   una   nova   tècnica   d’estudi   és   efectiva,   això   vol   dir   que   és   la   millor   per   qualsevol   nen?,   per   qualsevol   tipus   d’assignatura?,   per   altres   ensenyaments   com   pot   ser   secundària?,  etc.      D’aquesta   manera   la   validesa   externa   fa   referència   a   fins   a   quin   punt   la   relació   causal   que   hem   trobat   es   generalitzable,   és   a   dir,   es   manté   en   diferents   poblacions,   situacions,   tractaments,  o  mesures.    Amenaces: Qualsevol  element  que  afecti  a  les  possibilitats  de  generalitzar  els  nostres  resultats  redueix  la   validesa  externa.  Malgrat  això  hi  ha  algunes  situacions  específiques  que  val  al  pena  comentar:     1. Interacció   de   les   relacions   causals   amb   unitats   de   tractament:   pot   haver-­‐hi   alguna   característica   dels   participants   en   l’experiment   que   faci   incrementar   o   reduir   la   relació   entre   VI   i   VD.   Una   relació   causal   pot   variar   segons   a   qui   se   li   aplica.   Als   estats   units   la   majoria  de  la  recerca  dels  anys  80  es  feia  amb  individus  caucasians/blancs.       2. Interacció  relació  causal  amb  variacions  de  tractament:  La  relació  causal  es  vàlida  per  a  les   diferents   variacions   o   nivells   de   tractament?   Un   efecte   determinat   en   uns   nivells   de   tractament   concrets   pot   variar   la   seva   magnitud   en   uns   altres   nivells.   Per   exemple,   el   fet   que  l’atenció  millori  al  comparar  individus  que  han  pres  100  ó  200mili-­‐grams  de  cafeïna  no   vol  dir  que  entre  300  i  400  hi  hagi  el  mateix  efecte   à  NO  puc  generalitzar,  donat  que  no  sé   quin   tipus   de   relació   que   hi   ha   entre   les   dues   V   (lineal?   Paràbola?...).   Això   implica   la   necessitat  de  considerar  fins  a  quin  punt  els  nivells  de  tractament  són  representatius  de   tots  els  possibles.  (Per  a  que  una  mostra  sigui  representativa,  cal  que  tots  els  individus  de   una   mateixa   població   tinguin   la   mateixa   probabilitat   de   ser   triats).   S’ha   de   treballar   amb   un   factor  d’efectes  aleatoris.       17   3. Interacció   relació   causal   amb   l’entorn:   De   vegades   una   variable   independent   pot   tenir   efectes   en   un   àmbit   però   no   en   un   altre.  Per  exemple  un  programa  educatiu  fonamentat   en  la  implicació  dels  pares  pot  funcionar  en  un  entorn  rural,  on  tenen  més  temps  per  estar   amb  els  fills  però  no  en  un  entorn  urbà.     4. La validesa de constructe En   la   majoria   d’ocasions   els   científics   manipulen   determinades   variables   i   en   mesuren   unes   altres  perquè  consideren  que  són  indicadors  de  constructes  més  generals.        La   validesa   de   constructe   fa   referència   a   fins   a   quin   punt   podem   fer   inferències   des   dels   tractaments  i  mesures  particulars  cap  els  constructes  d’ordre  superior  que  representen.     El  problema  de  la  mono-­‐operacionalització:  Molts  experiments  fan  servir  una  sola  mesura  del   constructe,  això  pot  fer-­‐nos  dubtar  si  l’efecte  registrat  es  deu  a  alguna  característica  específica   de  la  mesura  que  no  te  res  a  veure  amb  el  constructe.  Vull  veure  els  efectes  que  te  prendre   testosterona  en  un  test  d’intel·∙ligència,  amb  l’escala  del  PMA-­‐E  la  qual  té  una  escala  espacial,   que   el   PMA-­‐E   depèn   de   la   teva   intel·∙ligència   i   de   la   teva   amplitud   específica,   els   resultats   obtinguts   es   que   els   que   han   pres   testosterona   han   tret   puntuacions   superior,   per   tant   té   efecte.   Però   això   no   vol   dir   que   la   testosterona   afecti   a   la   intel·∙ligència,   sinó   que   afecta   a   la   amplitud  específica  de  la  capacitat  espacial,  i  això  fa  que  augmenti  el  resultats  del  test  final.     18   T4. DISSENYS PRE-EXPERIMENTALS, QUASIEXPERIMENTALS I EXPERIMENTALS 1. Disseny d’investigacions Fa   referencia   a   totes   aquelles   activitats   adreçades   a   detectar   la   variabilitat   i   que   poden   estar   o   no  estar  sota  el  control  total  de  l’experimentador.  En  funció  d’aquest  grau  de  control  parlem   de  disseny  pre-­‐experimental,  quasi-­‐experimental,  etc.     A  més  control  més  a  prop  d’un  disseny  de  causa-­‐efecte  per  tant  disseny  experimental     Com  menys  control  més  a  prop  d’un  disseny  quasi/pre  experimental.     Campbell  i  Stanley  van  establir  les  condicions  necessàries  per  considerar  que  una  investigació   pot  establir  relacions  de  causa-­‐efecte  i  per  tant  ser  considerada  experimental:      1. El   disseny   que   es   fa   servir   permet   com   a   mínim   fer   una   comparació   entre   dos   series   de   dades.    2. L’experimentador  seguint  un  pla  previ,  assigna  els  individus  als  nivells  de  tractament.  Quan   qualsevol   subjecte   pot   estar   en   qualsevol   grup,   de   manera   aleatòria,   es   compleix   aquesta   condició  de  disseny  experimental.   3. L’experimentador   manipula   directament   la   variable   independent.   És   a   dir,   la   VI   ha   se   ser   activa  (donar  dosi  X,  seguir  aquest  mètode,  etc.),  si  fos  assignada  no  les  podríem  manipular   directament  (sexe,  intel·∙ligència,  estar  embarassada,  estar  en  una  presó...)   4. L’experimentador   té   un   control   de   la   situació   que   li   permet   eliminar   explicacions   alternatives   a  la  V.  Independent,  és  a  dir,  pot  eliminar  l’efecte  de  les  variables  estranyes.     En   funció   de   les   condicions   que   es   compleixin,   ens   trobarem   amb   un   tipus   de   disseny.   Si   es   compleixen   totes   serà   disseny   experimental,   si   falta   algun   punt   serà   un   disseny   quasi-­‐ experimental,  i  si  en  falten  molts  serà  pre-­‐experimental.     Partint   de   tot   això   i,   especialment   tenint   en   compte   el   control   de   les   amenaces   a   la   validesa   interna,   es   van   distingir   tres   tipus   de   dissenys:   pre-­‐experimentals,   quasi   experimentals   i   experimentals.  Posteriorment  els  dos  primers  s’han  anomenat  també  dissenys  en  investigació   aplicada.    -­‐ Experimental,  ens  permet  establir  relacions  de  causa-­‐efecte.   -­‐ Quasi-­‐experimentals  no  puc  establir  una  relació  de  causa-­‐efecte,  falta   algun   detall,  per   poder  dir  que  la  relació  es  aquesta.   -­‐ Pre-­‐experimental,   disseny   amb   moltes   mancances,   seria   molt   qüestionable/poc   fiable   establir  una  relació  causa-­‐efecte.     Investigació  Aplicada   Pre-­‐experimentals         Quasi-­‐experimentals   Grup  únic  amb  postest   Grup  únic  amb  pretest  i  postest   Post-­‐facto   VI  Assignada   N  =  1   Cohorts   G.  Control  No  equivalent   Experimental   Disseny  2  grups  a  l’atzar   Experimentals   Aquesta  proposta,  barreja  els  pre  i  els  quasi,  quan  realment  presenten  varies  diferències.     19     La  diferència  entre  aquest  tipus  de  disseny  és  un  continuo,  no  apartats  diferents.  Ja  que  pots   passar  a  partir  de  controls  d’un  pre-­‐experimental  a  un  experimental.   2. Dissenys pre, quasi i experimentals El   fet   de   dur   a   terme  una  recerca  no  experimental  no  implica  que   no   sigui   important   i  que  no   es  pugui  generar  coneixement  d’alt  valor.  Molts  cops  hi  ha  problemes  que  tan  sols  es  poden   abordar   amb   aquestes   metodologies.   El   que   és   important   es   conèixer   les   seves   limitacions   i   malgrat  aquestes  fer  el  millor  disseny  possible.   El   que   mai   s’ha   de   fer   es   interpretar   un   disseny   pre-­‐experimental   o   quasi,   com   un   experimental,  no  pots  acceptar  que  la  relació  és  de  causa  efecte.     Estudi  de  les  monges:  va  agafar  gent  que  durant  tota  la  seva  vida  a  fet  poca  activitat  cognitiva  (no  llegir,   no   escacs,   no   càlculs,   etc.)   i   altra   que   si,   i   després   comprovar   quan   ja   són   més   grans   si   tenen   més   o   menys   demència.   El   problema   és   que   en   aquella   època   això   estava   lligat   al   poder   adquisitiu,   per   això   va   decidir   fer-­‐ho   en   un   ambient   on   pogués   haver-­‐hi   diferencies   en   l’activitat   cognitiva   però   no   en   els   altres   aspectes  à  Ho   va   fer   en   un   convent,  veient  les  monges  que  feien  activitats  estimulants   cognitives  en   moments  lliures.  I  es  va  veure  que  tenien  més  demència  aquelles  que  més  activitat  cognitiva  havien  fet.   3. Dissenys pre-experimentals 1.   Disseny   de   grup   únic   només   amb   pos-­‐test:  en  aquest  cas  tenim  un  sol  grup  al  que  apliquem   el   tractament   i   registrem   els   resultats.   Aquest   disseny   no   ens   permet   fer   cap   mena   de   comparació  i  per  això  es  considera  pre-­‐experimental.   Aquest  disseny  consisteix  en  per  exemple  el  professor  farà  els  powers  amb  angles,  i  se’ls  farà   un  examen,  on  la  nota  mitja  ha  estat  un  6,5,  i  l’experimentador  conclou  que  el  mètode  es  molt   bo.   Però  això  no  pot  concloure’s  així  perquè  no  has  comparat  amb  un  altre  grup  de  dades  (amb  un   altre  mètode),  per  tant  el  resultat  no  en  aporta  cap  informació  vàlida.   Per  això  es  va  fer  el  següent  disseny.     2.  Disseny  de  grup  únic  amb  pretest  i  pos-­‐test:  en  aquest  cas  també  tenim  un  sol  grup  però   disposem   de   mesures   prèvies   i   posteriors   al   tractament,   cosa   que   ens   permet   fer   una   comparació  entre  dos  sèries  de  dades.    Agafant   el   mateix   experiment,   el   que   fem   per   comparar   els   resultats   es   prèviament   haver   mesurat  el  rendiment  abans  del  mètode  dels  estudiants.   Un  experiment  fet  així  si  que  dona  resultats  més  fiables.  Es  va  comparar  en  una  vinoteca  si  el   tipus  de  música  que  sonava  variava  la  quantitat  de  diners  que  es  gastaven.  I  es  va  veure  que   quan  sonava  música  clàssica-­‐òpera  es  gastaven  més  diners  que  quan  sonava  el  fil  musical.     Aquest  disseny  es  considera  pre-­‐experimental  perquè  malgrat  que  podem  fer  una  comparació   entre   dos   sèries   de   dades   no   controla   diferents   amenaces   a   la   validesa   interna:   història,   maduració,  efecte  de  la  mesura,  regressió  a  la  mitjana.  à  per  tant  té  mancances  considerables.   Ja  que  potser  el  canvi  de  diners  que  es  gasten  ve  donat,  perquè  en  aquell  moment  ha  arribat   Nadal,  perquè  s’han  augmentat  els  sous,  etc.   Per   això   un   estudi   que   seguia   aquest   tipus   de   disseny   variabla   la   musica   aleatoriament,   no   comparar  prèvia  o  posterior.     20     3.  Disseny  de  comparació  amb  grup  estàtic  o  ex-­‐post-­‐facto  (a  posteriori):  seria  una  variant  del   disseny   1   en   que   fem   servir   dades   cercades   a   posteriori   per   comparar   els   resultats.   El   problema  es  garantir  l’equivalència  de  les  mateixes  amb  el  grup  de  tractament.   Tornant   a   l’experiment   dels   powers   en   angles,   per   comparar   utilitzo   bases   de   dades,   ja   existents,  com  per  exemple  les  notes  dels  seus  alumnes  de  l’any  passat.   El  problema  de  l’equivalència  dels  dos  grups,  es  dubtosa,  ja  que  no  saps  si  el  grup  d’aquest  any   es  equivalent  al  de  l’any  passat.  Ja  que  potser  els  exàmens  presenten  diferencies  en  dificultat.   Aquest  tipus  de  disseny  no  pot  portar-­‐se  al  disseny  experimental.   4. Dissenys quasi-experimentals Aquests   dissenys   són   aquells   que   malgrat   un   bon   control   de   les   amenaces   a   la   validesa   interna   n’hi  ha  alguna  que  no  poden  garantir  que  estigui  controlada.  Són  dissenys  que  els  hi  falta  algun   element,  per  poder  arribar  a  ser  experimentals.  “si  no  fos  per  això  podríem  dir  que  la  relació  es   causa-­‐efecte”.     El  primer  d’aquests  fa  referència  a  qualsevol  disseny  que  seria  experimental  si  no  fos  perquè   la  variable  independent  es  assignada  (no  pot  manipular-­‐se).  Per  tant,  per  molt  bé  que  es  faci   l’experiment   no   podem   eliminar   la   amenaça   de   la   selecció   diferencial,   és   a   dir,   els   grups   poden   diferir   en   quelcom   més   que   la   variable   independent   i   això   es   pot   convertir   en   una   explicació  alternativa.   Exemple:   Suposem   que   la   nostra   hipòtesi   és   que   els   catalans   tenen   millor   discriminació   auditiva   que   els   japonesos.   Si   fem   la   tasca   amb   una   freqüència   baixa   veurem   que   això   es   confirma   però   també   es   pot   deure   al   fet   que   els   orientals   tenen   pitjor   sensibilitat   a   les   freqüències  baixes.     Dissenys   N=1:   disseny   de   series   temporals   simples  Molt  usuals  en  la  pràctica  clínica,  ja  que  en   ella   no   podem   esperar   a   tenir   un   nombre   elevat   de   pacients   per   veure   l’efectivitat   d’un   tractament.     -­‐ Malgrat   això   l’efecte   que   cerquem   és   tant   gran   que   en   la   majoria   de   casos   no   cal   una   prova   estadística  per  a  detectar-­‐lo.  Sovint,  que  un  canvi  sigui  significatiu  no  vol  dir  que  el   tractament  funcioni.   -­‐ Aquests   dissenys   es   fonamenten   en   prendre   nombroses   mesures   de   la   V.D.   (com   a   mesura   de   control)   abans   del   tractament   (línia   base)   i  després  del  mateix   i   representar-­‐ les   gràficament.   L’esquema   del   disseny   simple   de   N=1   seria  el  següent:     Es  compara  entre  abans  i  després.  És  posa  una  mesura  de  tall,  es  a  dir,  un  canvi  de  nivell  o   tendència  mínim,  per  dir  que  hi  ha  efecte  o  no.     -­‐ Els   efectes   del   tractament   es   poden   manifestar   de   diferents  formes,  amb  un  canvi  de  nivell  o  de  tendència   que  a  més  a  més  poden  ser  diferits.          21   L’element   que   fa   que   aquests   dissenys   siguin   quasi-­‐experimentals   és   que   les   amenaces   degudes  a  la  maduració,  efecte  de  mesura,  regressió  a  la  mitjana,  etc.  Estan  controlades  ja  que   les  podem  veure  en  la  tendència.     El   fet   de   tenir   tantes   mesures   prèvies   i   anteriors   ens   permeten  veure  la  tendència  del  que  s’està  valorant,  i  això   ens   permetrà   detectar   si   el   efecte   observat   es   degut   a   la   maduració  o  a  alguna  altra  amenaça.     L’única   amenaça   que   no   controlen   és   la   història   ja   que   si   actues   en   el   moment   del   tractament   seria   una   explicació   alternativa   al   mateix,   ja   que   trobar-­‐se   en   tractament   pot   fer   que   per   si   mateix   el   subjecte   modifiqui   el   seu   comportament,   per   un   altre   motiu   que     no   es   el   tractament/teràpia.     Per  això  no  són  experimentals  però  tampoc  pre-­‐experimentals,  ja  que  tenen  més  control.     Dissenys   de   reversió:   són   dissenys   que   no   es   solen   fer   servir   en   clínica.   En   ell   hi   ha   fases   de   tractament   (A)   i   línia   base   (B)   que   s’alternen,   així   trobem   dissenys   ABA   (aquest   sol   serveix   per   comprovar   que   el   tractament   funciona),  ABAB  (es  fa  servir  per  veure  que  funciona  el   tractament   i   en   el   cas   que   funcioni,   que   es   permeti   mantenir  el  canvi  obtingut),  etc.   La  seva  característica  és  que  un  patró  com  el  del  gràfic  és  molt  difícil  d’explicar  per  la  història   ja  que  hauria  d’actuar  en  diverses  ocasions  i  en  diferent  sentit.     A   un   nen   amb   mal   comportament,   primer   els   seus   pares   observen   la   quantitat   de   mal   comportament   que   fa   al   llarg   d’uns   dies,   després   li   diuen   que   si   vol   anar   a   pot   aventura,   haurà   de  mantenir  com  a  mínim  25  punts,  ell  en  té  50  i  per  cada  cop  que  es  porti  malament  li  trauran   1  punt.   Fins  ara  s’observava  el  comportament  de  una  sola  conducta/mesura.     Dissenys  de  línia  base  múltiple:  el  que  fan  es  agafar  2  (o  més)  línies  bases,  tenen  més  validesa   interna,  perque  la  intervenció  es  va  fer  selectivament  una  a  una.   En   aquestos   dissenys   els   que   es   fa   es   mesurar   diferents   conductes,   subjectes   o   situacions.   Posteriorment  és  va  intervenint  de  forma  successiva  en  cascuna  d’elles.   La  idea  és  que  la  conducta  en  la  que  no  hem  intervingut  actua  com  una  mena  de  grup  control   ja  que  actues  la  història  es  suposa  que  el  seu  efecte  es  donaria  en  totes  les  conductes.     Exemple:  un  nen  que  té  un  comportament  agressiu,  seleccionem  dos  tipus  de  comportament   agressiu,   per   exemple   pegar   i   cridar/insultar.   I   en   la   fase   de   línia   base,   abans   d’intervenir,   mesurem  els  cop  que  es  donen  les  dues  conductes  al  llarg  del  dia.  En  la  fase  d’intervenció  sol   l’apliquem  en  una  conducta,  cada  cop  que  pegui  a  algú  li  traiem  punts  per  a  fer  una  activitat   com  anar  al  port  aventura,  però  si  crida  no  se  li  treu  cap.  Més  endavant  intervindrem  en  les   dues  conductes.         22   L’única   explicació   alternativa   al   tractament   és   que   la   historia   actuï   dues   vegades   i   de   forma   específica   en   cada   conducta,   situació   o   subjecte,   que   aquests   tres   són   els   tipus   de   dissenys   possibles.   El  principal  problema  d’aquest  disseny  és  la  difusió  dels  efectes  del  tractament,  és  a  dir,  és  pot   donar  el  cas  que  al  intervenir  en  una  conducta  també  es  modifiquin  les  altres.   L’efecte  de  l’efecte  en  una  línia  base,  es  generalitza  cap  a  les  demés.     Entre  subjectes,  cada  línia  es  un  subjecte:  cada  dia  s’observa  el  rendiment  de  3  nens  cada  dia,  i   cada  dia  s’agafa  a  un  nen  per  a  que  faci  classes  de  repàs  cada  dia  després  de  classe  o  a  l’hora   del  pati,  i  s’observa  si  hi  ha  canvis  à  efectes.   Poden  donar-­‐se  efectes  de  difusió,  pel  fet  que  els  altres  veuen  que  si  no  van  bé  a  classe  s’han   de   quedar   a   la   tarda   o   a   l’hora   del   pati,   i   com   no   volen   això,   canvien   ells   sol   el   comportament,   sense  haver  estat  intervinguts.     Dissenys  de  cohorts/de  cicle  institucional  recurrent:  Aquests  dissenys  es  fonamenten  en  el  fet   que  en  moltes  institucions  (p.ex.  la  Universitat)  els  subjectes  de  forma  cíclica  s’hi  incorporen,   hi  estan  un  temps  determinat  (“aprenen”)  i  després  marxen,  sent  substituïts  per  uns  altres.   El   que   es   fa   es   aprofitar-­‐ho   per   modificar   un   disseny   pre-­‐ experimental   i   transformar-­‐lo   en   quasi-­‐experimental,   per   tal   d’augmentar  la  validesa  interna.  Això  es  fa  a  partir  de  les  avaluacions   que  es  van  fent,  és  a  dir,  veure  què  dóna  efectes  desitjats  i  què  no.     Hi   ha   diferents   variants,   el   més   important   però   és   que   cadascuna   de   les   comparacions   entre   observacions  per  si  sola  té  molt  poca  validesa  però,  si  el  tractament  té  efecte  aleshores  s’ha  de   donar   una   combinació   de   resultats   que   difícilment   pot   ser   explicat   si   no   es   per   l’efecte   del   tractament.   Aquest  dissenys  es  formen  per  un  conjunt  de  resultats.     Si  no  pots  tenir  molts  cicles,  sovint  per  qüestions  de  temps,  hi  ha  alternatives  que  no  fa  servir   tants  cicles.  Exemple:  comparació  entre  subjectes  els  quals  alguns  han  fet  un  curs  de  riscos  a  la   feina   i   altres   no.   à   O2=O3=O6   >   O1=O4=O5   Els   tres   que   han   rebut   tractament   han   de   còrrer   menys  riscos  que  els  que  no  han  fet  el  curset.     Disseny  de  grup  control  no  equivalent:  Aquest  disseny  seria  experimental  si  no  fos  pel  fet  que   els  grups  de  tractament  i  control  són  grups  naturals,  és  a  dir,  s’aprofiten  grups  que  ja  existien   prèviament   (una   classe,   una   fàbrica,   etc.)   per   administrar   els   diferents   nivells   de   tractament.   Pot   donar-­‐se   que   aquests   dos   grups   naturals   presenten   diferències   prèvies,   dificultant   la   mesura   dels   resultats   de   l’efecte.   A   un   dels   grups   se’ls   hi   aplica   tractament   i   a   l’altre   no.   D’aquesta  manera   se  suposa  que  si  en  la  fase  de  pretest  (O1)  no  es  donen  diferències  entre  els   grups,  aleshores  qualsevol  diferència  posterior  es  degut  a  al  tractament.     El  problema  és  que  això  no  garanteix  que  una  variable  de  la  història  o  la  maduració  no  pugui   actuar   de   forma   diferencial   en   els   dos   grups.   L’amenaça   de   la   història   però   afectaria   als   dos   grups,  no  afectant  a  les  diferències  obtingudes.       23   La  amenaça  que  no  es  troba  controlada  és  la  de  interacció  diferencial  i  selecció  o  històrica:  hi   ha   una   variable   que   inicialment   no   afecta   a   la   productivitat   dels   grups   però   al   llarg   de   la   intervenció,  la  variable  de  la  història  provoca  unes  respostes  posteriors  a  un  grup  i  no  a  l’altre,   aquesta  variable  podria  ser  que  hi  hagi  un  rumor  que  digui  que  s’acomiadarà  a  la  meitat  de  la   plantilla   de   l’empresa,   si   hi   ha   gent   fixa   i   gent   temporal,   els   temporals   canviaran   el   comportament,  si  el  grup  es  fet  a  l’atzar  no  hi  hauran  canvis,  però  si  tot  un  grup  és  temporal  i   l’altre  fixe,  si  que  s’obtindran  variacions  no  degudes  al  tractament/intervenció.     24     T5. DISSENYS EXPERIMENTALS Parlem  de  dissenys  experimentals  quan  podem  garantir,  dins  dels  marges  d’error  de  la  natura   probabilística   de   la   ciència,   que   hem   pogut   eliminar   qualsevol   explicació   dels   efectes   observats  en  la  variable  dependent  que  no  sigui  la  variable  independent.     Campbell  i  Stanley  van  definir  dos  tipus  fonamentals  de  disseny  experimental.  El  primer  és  el   disseny  de  dos  grups  a  l’atzar  només  amb  postest.  I  com  a  mesura  de  control  addicional  van   afegir  un  segon  disseny  amb  pre-­‐test.   És  a  dir,  aplico  tractaments   diferents,  en  grups  a  l’atzar  no  naturals,  si  són  més  gran  de  25N   farà  que  les  diferencies  desapareguin/unifiquin  en  els  dos  grups,  fent  que  les  variables  de  la   història  afectin  per  igual.  El  que  es    pot  fer  per  assegurar  que  no  hi  hauran  diferencies  abans   del  tractament,  es  pot  fer  un  pre-­‐test  en  els  grups  a  l’atzar.     Actualment  la  classificació  dels  dissenys  experimentals  ha  evolucionat  i  hi  ha  diferents  tipus  en   funció  de  diferents  factors.     Per  a  Fisher  el  disseny  experimental  és  un  conjunt  de  dues  coses:     -­‐ Com  assignes  als  subjectes  a  cada  nivell  de  tractament.  à  Primera  fase  del  disseny.       1  Variable  Independent   K    V.Independents   Tècnica  control   2  grups   J  grups   2  o  més  grups   Aleatrorització   2  grups  atzar   Multigrup  atzar   Factorial  atzar   Constància   2  grups  aparellats   Blocs  atzar   Factorial  Blocs   Sbj.  Prop.  Control   Mesures  repetides  simples   Factorial  M.R     Actualment   quan   tenim   una   variable   independent   s’anomena   factor/s,   i   si   tenim   2   o   més   VI   s’anomenen  dissenys  factorials.   Quan  ens  referim  a  constància,  fan  referència  a  un  equivalent  a  l’aparellament,  fer  que  cada   grup  sigui  similars  a  partir  de  fer  parelles  iguals  i  separar-­‐les  en  cada  grup.     25   ...

Tags:
Comprar Previsualizar