DIVISIÓN DE INGENIERÍA MECATRONICA

Portafolio
de evidencias de: TALLER DE INVESTIGACION I

Estudiantes
Quintero Sánchez Daniel 163113106

Docente: EDGARDO CHAVEZ ZEGARRA

Grupo: 931M
Período: 2018-1
INVESTIGACIÓN NO EXPERIMENTAL.

Concepto: Investigación sistemática y empírica en la que no existe manipulación de la

variables independientes.
Características: Resulta complejo separar los efectos de las múltiples variables que
intervienen. Las variables no pueden manipularse por separado. Existe mayor posibilidad de
generalizar los resultados a otros individuos y situaciones cotidianas.

La investigación no experimental es también conocida como investigación Ex Post

Facto, término que proviene del latín y significa después de ocurridos los hechos. De acuerdo
con Kerlinger (1983) la investigación Ex Post Facto es un tipo de “... investigación sistemática
en la que el investigador no tiene control sobre las variables independientes porque ya
ocurrieron los hechos o porque son intrínsecamente manipulables”. En la investigación Ex
Post Facto los cambios en la variable independiente ya ocurrieron y el investigador tiene que
limitarse a la observación de situaciones ya existentes dada la incapacidad de influir sobre las
variables y sus efectos (Hernández, Fernández y Baptista, 1991).
D´Ary, Jacobs y Razavieh (1982) consideran que la variación de las variables se logra no por
manipulación directa sino por medio de la selección de las unidades de análisis en las que la
variable estudiada tiene presencia, por ejemplo, se puede analizar como influyo el movimiento
del primero de enero de 1994 en Chiapas sobre la economía nacional, también se puede
analizar la percepción de personas con síndrome de Down y personas que no lo tienen. En
ambos casos el investigador no puede manipular directamente las variables independientes
como ocurre en un estudio de corte experimental.
Es muy importante destacar que en una investigación experimental la variable independiente
se manipula y por eso se le llama variable activa mientras que en la investigación Ex Post
Facto la variable independiente no es susceptibles de manipulación y por eso se le llama
variable atributiva. Existen al menos tres aspectos en los que la investigación experimental es
semejante a la investigación Ex Post Facto:

1. Por medio de estos tipos de investigación se pueden comprobar hipótesis.

2. Se utilizan grupos semejantes excepto en algún aspecto o característica específica.

3. Se utilizan métodos estadísticos para el tratamiento y análisis de datos, las diferencias

principales entre ambos tipos de investigación radican en los siguiente aspectos:

(1) La investigación experimental tiene un control estricto de las variables extrañas,

no así en la investigación Ex Post Facto.

(2) La investigación experimental parte de grupos similares para encontrar una

diferencia y establecer la relación causa-efecto. La investigación Ex Post Facto
estudia dos grupos diferentes y busca qué es lo que hace la diferencia para
establecer la relación causa-efecto.
Con los resultados que arroja una investigación Ex Post Facto no es posible afirmar con
seguridad una relación causal entre dos o más variables, como ocurre en la investigación
experimental. Lo anterior debido a la posibilidad de que no se hayan encontrado otros factores
que si están afectando la variable dependiente. Si esto ocurre entonces se tienen datos
espurios o falsos, es decir, existen serias dudas acerca de su origen.
La investigación experimental implica establecer mecanismos de control como condición del
método experimental. No obstante lo anterior, cuando ha pasado un evento (hecho) ¿cómo
puede ser controlado?
Si los cambios en la variable independiente ya ocurrieron y están fuera de la capacidad de
manipulación y control del investigador, por esta razón en la investigación Ex Post Facto se
estudia de manera retrospectiva el fenómeno en cuestión. Lo anterior se puede observar en
un estudio sobre las experiencias de desarrollo social de personas con síndrome de Down
(variable provocada por la herencia genética y no por el investigador) en un ambiente familiar
restrictivo. Ambas variables están fuera del control del investigador. Leedy (1993) define la
investigación Ex Post Facto como un proceso inverso a la investigación experimental.
El investigador empieza con la observación de hechos que ya se han presentado y que se han
manifestado en una serie de eventos. En el área de origen del fenómeno estudiado se
observan los hechos.
A partir de las observaciones se procede a diseñar tanto los objetivos como las hipótesis
dando inicio a la investigación en sentido opuesto a una investigación experimental.

 Un ejemplo no científico (y tal vez hasta burdo) para ilustrar la diferencia entre un
experimento y un no experimento serían las siguientes situaciones:

“EXPERIMENTO”: Hacer enojar intencionalmente a una persona para ver sus reacciones.
“NO EXPERIMENTAL”: Ver las reacciones de esa persona cuando llega enojada.

EJEMPLOS ILUSTRATIVOS
Tomemos un ejemplo para explicar el concepto de investigación no experimental y su
diferencia con la experimentación. Vamos a suponer que un investigador desea analizar el
efecto que produce el consumo de alcohol sobre los reflejos humanos. Si decidiera seguir un
enfoque experimental, asignaría al azar los sujetos a varios grupos. Supóngase cuatro grupos:
un grupo en donde los sujetos ingirieran un elevado consumo de alcohol (7 copas de tequila o
aguardiente), un segundo grupo que ingiriera un consumo medio de alcohol (4 copas), un
tercer grupo que bebiera un consumo bajo de alcohol (una sola copa) y un cuarto grupo de
control que no ingiriera nada de alcohol. Controlaría el lapso en el que todos los sujetos
consumen su ‘ración” de alcohol, así como otros factores (misma bebida, cantidad de alcohol
servida en cada copa, etcétera).
Finalmente mediría la calidad de respuesta de los reflejos en cada grupo y compararía a los
grupos, para así determinar el efecto del consumo de alcohol sobre los reflejos humanos.
Desde luego, el enfoque podría ser casi experimental (grupos intactos) o los sujetos asignarse
a los grupos por emparejamiento (digamos en cuanto al sexo, que influye en la resistencia al
alcohol. Las mujeres suelen tolerar menos cantidades de alcohol que los hombres).
Por el contrario, si decidiera seguir un enfoque no experimental, el investigador podría acudir
a lugares donde se localicen distintas personas con diferentes consumos de alcohol (por
ejemplo, oficinas donde se haga la prueba del nivel de consumo de alcohol —digamos una
estación de policía donde acuden personas que tienen pequeños incidentes de tránsito y
como parte de la rutina se les mide el grado de consumo de alcohol—).
Encontraría personas que han bebido cantidades elevadas, medias y bajas de alcohol, así
como quienes no han ingerido alcohol. Mediría la calidad de sus reflejos, llevaría a cabo sus
comparaciones y establecería el efecto del consumo de alcohol sobre los reflejos humanos.
Claro está que no sería ético un experimento que obligara a las personas a consumir una
bebida que afecta gravemente la salud. El ejemplo es sólo para ilustrar la diferencia entre la
investigación experimental y la que no lo es.
Pero, vayamos más a fondo a analizar las diferencias. En la investigación experimental se
construye la situación y se manipula de manera intencional a la variable independiente (en
este caso el consumo del alcohol), después se observa el efecto de esta manipulación sobre
la variable dependiente (en este caso la calidad de los reflejos). Es decir, el investigador
influyó directamente en el grado de consumo de alcohol de los sujetos. En la investigación no
experimental no hay ni manipulación intencional ni asignación al azar.
Los sujetos ya consumían un nivel de alcohol y en este hecho el investigador no tuvo nada
que ver, no influyó en la cantidad de consumo de alcohol de los sujetos. Era una situación que
previamente existía, ajena al control directo del investigador. En la investigación no
experimental se eligieron personas con diferentes niveles de consumo, los cuales se
generaron por muchas causas (alguien tuvo una comida con sus amigos, otra persona era
alcohólica, una más estaba en depresión, etcétera) pero no por la manipulación intencional y
previa del consumo de alcohol. En cambio en el experimento, sí se generaron los niveles de
consumo de alcohol por una manipulación deliberada de esta variable.
En resumen, en un estudio no experimental los sujetos ya pertenecían a un grupo o nivel
determinado de la variable independiente por autoselección.
Esta diferencia esencial genera distintas características entre la investigación experimental y
la no experimental, que serán discutidas cuando se analicen comparativamente ambos
enfoques. Para ello es necesario profundizar en los tipos de investigación no experimental.

TIPOS DE DISEÑOS DE INVESTIGACIÓN NO EXPERIMENTAL.

En algunas ocasiones la investigación se centra en analizar cuál es el nivel o estado de una o
diversas variables en un momento dado, o bien en cuál es la relación entre un conjunto de
variables en un punto en el tiempo. En estos casos el diseño apropiado (bajo un enfoque no
experimental) es el transversal.
En cambio, otras veces la investigación se centra en estudiar cómo evoluciona o cambia una
o más variables o las relaciones entre éstas. En situaciones como ésta el diseño apropiado
(bajo un enfoque no experimental) es el longitudinal.
Es decir, los diseños no experimentales se pueden clasificar en transversales y longitudinales
 Medición grupo 1
Medición grupo 2

1. Diseño transversal.
Los diseños de investigación transversal recolectan datos en un solo momento, en un
tiempo único. Su propósito es describir variables, y analizar su incidencia e interrelación en un
momento dado. Es como tomar una fotografía de algo que sucede. Por ejemplo, investigar el
número de empleados, desempleados y subempleados en una ciudad en cierto momento. O
bien, determinar el nivel de escolaridad de los trabajadores de un sindicato en un punto en el
tiempo. O tal vez, analizar la relación entre la autoestima y el temor de logro en un grupo de
atletas de pista (en determinado momento). O bien, analizar si hay diferencias en contenido
de sexo entre tres telenovelas que están exhibiéndose simultáneamente.

Estos diseños pueden esquematizarse de la siguiente manera:

 MEDICIÓN UNICA

Pueden abarcar varios grupos o subgrupos de personas, objetos o indicadores.

Por ejemplo, medir los niveles de aprovechamiento de grupos de primero, segundo y tercer
año de instrucción básica o primaria. O tal vez medir la relación entre la autoestima y el temor
de logro en atletas de deportes acuáticos, de raqueta y de pista. Pero siempre, la recolección
de los datos es en un único momento.

Medición en
grupo

Una medición
 Medición grupo K

Una medición simultánea.

A su vez, los diseños transversales pueden dividirse en dos:

1 Descriptivos
2 Correlacionales/causales

DISEÑOS TRANSVERSALES DESCRIPTIVOS.

Los diseños transversales descriptivos tienen como objetivo indagar la incidencia y los valores
en que se manifiesta una o más variables. El procedimiento consiste en medir en un grupo de
personas u objetos una o más variables y proporcionar su descripción. Son, por lo tanto,
estudios puramente descriptivos que cuando establecen hipótesis, éstas son también
descriptivas.
EJEMPLOS
Las famosas encuestas nacionales de opinión sobre las tendencias de los votantes durante
periodos de elección. Su objetivo es describir el número de votantes en un país que se indican
por los diferentes candidatos contendientes en la elección. Es decir, se centran en la
descripción de las preferencias del electorado. Un estudio que pretendiera averiguar cuál es la
expectativa de ingreso mensual de los trabajadores de una empresa. Su propósito es describir
dicha expectativa. No pretende relacionarla con la calificación del trabajador, ni su edad o
sexo,
Los el objetivo
estudios es descriptivo.
transversales Un análisis
descriptivos nosde la tendencia
presentan ideológica
un panorama delde los 15 diarios de
estado
mayor tiraje
de una en Latinoamérica.
o más variables en unoElofoco
más de atención
grupos es únicamente
de personas, objetos describir
(v.g., en un momento
dado cuál es la tendencia ideológica (izquierda-derecha)
periódicos) o indicadores en determinado momento. de dichos periódicos, no se tiene
como objetivo ver el por qué manifiestan una u otra ideología, simplemente describirla. Un
estudio del número de extranjeros que ingresan a un país en cierto momento y sus
características (nación de procedencia, estado civil, edad, motivos del viaje, etcétera). El
propósito es ofrecer un panorama de los extranjeros que visitan un país en una época.

2. Diseños transversales correlacionales/causales.

Los diseños transversales correlacionales/causales tienen como objetivo describir
relaciones entre dos o más variables en un momento determinado. Se trata también de
descripciones, pero no de variables individuales sino de sus relaciones, sean éstas puramente
correlacionales o relaciones causales. En estos diseños lo que se mide es la relación entre
variables en un tiempo determinado. La diferencia entre los diseños transversales descriptivos
y los correlacionales causales puede expresarse gráficamente de la siguiente manera:
Por lo tanto, los diseños

correlacionales/causales pueden limitarse a establecer relaciones entre variables sin precisar

sentido de causalidad o pueden pretender analizar relaciones de causalidad. Cuando se
limitan a relaciones no causales, se fundamentan en hipótesis correlacionales y cuando
buscan evaluar relaciones causales, se basan en hipótesis causales.

EJEMPLOS
Una investigación que pretendiera indagar la relación entre la atracción física y la confianza
durante el noviazgo en parejas de jóvenes, observando qué tan relacionadas están ambas
variables (se limita a ser correlacional).
Una investigación que estudiara cómo la motivación intrínseca influye en la productividad de
los trabajadores de línea de grandes empresas industriales, de determinado país y en cierto
momento, observando si los obreros más productivos son los más motivados, y en caso de
que así sea, evaluando el por qué y cómo es que la motivación intrínseca contribuye a
incrementar la productividad (esta investigación establece primero la correlación y luego la
relación causal entre las variables).
Un estudio sobre la relación entre la urbanización y el alfabetismo en una nación
latinoamericana, para ver qué variables macro-sociales mediatizan tal relación (causal).
Una investigación que analizara cuáles son las variables que regulan la relación existente
entre organizaciones proveedoras (vendedores) y organizaciones compradoras (clientes) en
las transacciones comerciales en Latinoamérica (con volúmenes de intercambio anuales
superiores a un millón de dólares), así como estudiar la vinculación que se da entre dichas
variables y las razones que originan tal vinculación (se correlacionan las variables y se
evalúan causal-mente).
De los ejemplos puede desprenderse lo que se ha comentado anteriormente respecto a que
en ciertas ocasiones sólo se pretende correlacionar variables, pero en otras ocasiones se
busca el establecer relaciones causales. Desde luego, debemos recordar que la causalidad
implica correlación pero no toda correlación significa causalidad. Primero establecemos
correlación y luego causalidad. Estos diseños pueden ser sumamente complejos y abarcar
diversas variables. Cuando establecen relaciones causales son explicativos. Su diferencia con
los experimentos es la base de la distinción entre experimentación y no experimentación.
En los diseños transversales correlacionales/causales, las causas y efectos ya ocurrieron en
la realidad (estaban dadas y manifestadas) y el investigador las(os) observa y reporta. En
cambio, en los diseños experimentales y cuasi-experimentales el investigador provoca al
menos una causa y analiza sus efectos
o consecuencias. Un diseño
correlacional/causal puede
limitarse a dos variables o abarcar
modelos o estructuras tan complejas
como la siguiente (donde cada letra
en recuadro representa una
variable):

O aun estructuras más complejas como la presentada en el apartado de hipótesis causales

multivariadas del capítulo cinco (“Establecimiento de hipótesis”).
Estos diseños se fundamentan en hipótesis correlacionales y de deferencia de grupos sin
atribuir causalidad (cuando se limitan a relaciones entre variables) y en hipótesis causales o
de diferencia de grupos con atribución de causalidad (cuando pretenden establecer relaciones
causales). Asimismo, los diseños correlacionales/causales, describen relaciones en uno o
más grupos o subgrupos y suelen describir primero las variables incluidas en la investigación,
para luego establecer las relaciones entre éstas (en primer lugar son descriptivos de variables
individuales, pero luego van más allá de las descripciones: van a establecer relaciones).
Los diseños transversales correlacionales/causales buscan describir
correlaciones entre variables o relaciones causales entre variables, en uno o
más grupas de personas u objetos o indicadores y en un momento
determinado.
3. Investigación longitudinal
En ciertas ocasiones el interés del investigador es analizar cambios a través del tiempo en
determinadas variables o en las relaciones entre éstas. Entonces se dispone de los diseños
longitudinales, los cuales recolectan datos a través del tiempo en puntos o periodos
especificados, para hacer inferencias respecto al cambio, sus determinantes y consecuencias.
Por ejemplo, un investigador que buscara analizar cómo evolucionan los niveles de empleo
durante cinco años en una ciudad u otro que pretendiera estudiar cómo ha cambiado el
contenido de sexo en las telenovelas (digamos de Venezuela) en los últimos diez años. Los
diseños longitudinales suelen dividirse en tres tipos:
A. Diseños de tendencia (trend).
B. Diseños de análisis evolutivo de grupos (cohort)
 C. Diseños panel.
Como se indica en el siguiente esquema.

DISEÑOS LONGITUDINALES DE TENDENCIA

Los diseños de tendencia o trend son aquellos que analizan cambios a través del tiempo (en
variables o sus relaciones) dentro de alguna población en general. Por ejemplo, una
investigación para analizar cambios en la actitud hacia el aborto en una comunidad. Dicha
actitud se mide en varios puntos en el tiempo (digamos anualmente durante 10 años) y se
examina su evolución a lo largo de este periodo. Se puede observar o medir toda la población
o bien tomar una muestra representativa de ella cada vez que se observen o midan las
variables o las relaciones entre éstas. La característica distintiva de los diseños de tendencia
o trend es que la atención se centra en una población.
Estos diseños pueden representarse de la siguiente manera:

DISEÑOS LONGITUDINALES DE EVOLUCIÓN DE GRUPO

Los diseños de evolución de grupo o estudios “cohort” examinan cambios a través del tiempo
en subpoblaciones o grupos específicos. Su atención son las “cohorts” o grupos de individuos
vinculados de alguna manera —generalmente la edad, grupos por edad— (Glena, 1977). Un
ejemplo de estos grupos (“cohoris”) sería el formado por las personas que nacieron en 1930
en Brasil, pero también podría utilizarse otro criterio de agrupamiento temporal como: las
personas que se unieron en matrimonio durante 1986 y 1987 en Costa Rica o los niños de la
Ciudad de México que asistían a instrucción primaria durante el terremoto que ocurrió en
1985. Los diseños de los que estamos hablando hacen seguimiento de estos grupos a través
del tiempo. Usualmente en estos diseños se extrae una muestra cada vez que se mide al
grupo o subpoblación más que incluir a toda la subpoblación.
ESQUEMA DE LOS DISEÑOS DE EVOLUCIÓN DE GRUPO
Los diseños de evolución de grupo podrían esquematizarse de la siguiente manera:

En los diseños de
tendencia y de
evolución de grupo
se estudia el
cambio en subpoblaciones o poblaciones pero debido a que en cada momento o tiempo se
mide una muestra diferente aunque equivalente, el cambio se evalúa colectivamente y no de
manera individual (porque las personas pueden cambiar). Si hay cambios, el investigador no
puede determinar específicamente qué individuos provocan los cambios. En ambos tipos de
diseños tal situación podría graficarse así:

Es decir, algunos o todos los

sujetos pueden cambiar, pero
la población o
subpoblación es la
misma.
DISEÑOS LONGITUDINALES PANEL
Los diseños panel son similares a las dos clases de diseños vistas anteriormente, sólo que el
mismo grupo específico de sujetos es medido en todos los tiempos o momentos.
Un ejemplo lo sería una investigación que observara anualmente los cambios en las actitudes
de un grupo de ejecutivos en relación a un programa para elevar la productividad, digamos
durante cinco años. Cada año se observaría la actitud de los mismos ejecutivos. Es decir, los
individuos y no sólo la población o subpoblación, son los mismos. Otro ejemplo, sería el
observar mensualmente (durante un año) a un grupo que acudió a psicoterapia para analizar
si se incrementan sus expresiones verbales de discusión y exploración de planes futuros, y si
disminuyen sus expresiones de discusión y exploración de hechos pasados (en cada
observación los pacientes serían las mismas personas). Esto podría expresarse gráficamente
así:

En los diseños panel se tiene la

ventaja de que además de conocer
los cambios grupales, se
conocen los cambios individuales. Se sabe qué casos específicos introducen el cambio. La
desventaja es que a veces resulta muy difícil obtener exactamente a los mismos sujetos para
una segunda medición u observaciones subsecuentes. Este tipo de diseños puede estudiar
poblaciones o grupos más específicos y es conveniente cuando se tiene poblaciones
relativamente estáticas. Por otra parte, deben verse con cuidado los efectos que una medición
pueda tener sobre mediciones posteriores (recuérdese el efecto de administración de la
prueba vista como fuente de invalidación interna en experimentos y cuasi-experimentos, sólo
que aplicada al contexto no experimental). Los diseños panel podrían esquematizarse de la
siguiente forma:
Los diseños
longitudinales
se fundamentan en hipótesis de diferencia de grupos, correlacionales y causales.

Concepto de cuasi-experimento
Los diseños cuasi-experimentales, principales instrumentos de trabajo
dentro del ámbito aplicado, son esquemas de investigación no aleatorios. Dado
la no aleatorización, no es posible establecer de forma exacta la equivalencia
inicial de los grupos, como ocurre en los diseños experimentales. Cook y
Campbell (1986) consideran los cuasi-experimentos como una alternativa a los
experimentos de asignación aleatoria, en aquellas situaciones sociales donde se
carece de pleno control experimental:
Los cuasi-experimentos son como experimentos de asignación
aleatoria en todos los aspectos, excepto en que no se puede presumir
que los diversos grupos de tratamiento sean inicialmente equivalentes
dentro de los límites del error muestral (p. 142).
Tal como afirma Campbell (1988), "podemos distinguir los cuasiexperimentos
de los experimentos verdaderos por la ausencia de asignación
aleatoria de las unidades a los tratamientos" (p. 191).
Una definición que incluye las características más relevantes de la

metodología cuasi-experimental es la ofrecida por Pedhazur y Schmelkin

(1991):
¿Qué es un cuasi-experimento? Es una investigación que posee
todos los elementos de un experimento, excepto que los sujetos no
se asignan aleatoriamente a los grupos. En ausencia de
aleatorización, el investigador se enfrenta con la tarea de identificar
y separar los efectos de los tratamientos del resto de factores que
afectan a la variable dependiente (p. 277).
La descripción de diseño cuasi-experimental propuesta por Hedrick et
al. (1993) es la siguiente:
Los diseños cuasi-experimentales tienen el mismo propósito que los
estudios experimentales: probar la existencia de una relación
causal entre dos o más variables. Cuando la asignación aleatoria es
imposible, los cuasi-experimentos (semejantes a los experimentos)
permiten estimar los impactos del tratamiento o programa,
dependiendo de si llega a establecer una base de comparación
apropiada (p. 58).
En la misma línea que los autores precedentes, Arnau (1995c) define la
perspectiva cuasi-experimental de la siguiente forma:
Aquellos sistemas de investigación donde el criterio de asignación
de los sujetos o unidades a las condiciones de tratamiento o
condiciones de estudio no se rige por las leyes del azar (p. 15).
Del mismo modo, Ato (1995b) considera a la metodología cuasiexperimental
como:
Un conjunto de técnicas de diseño y análisis estadístico para
afrontar situaciones donde no es posible o no es ético aplicar la
metodología experimental, o donde los estrictos requisitos del
método experimental no se satisfacen (p. 45).
En las definiciones anteriores se observa que la característica principal
de las investigaciones cuasi-experimentales es la ausencia de aleatorización de
los tratamientos y, por lo tanto, la carencia de un control total sobre la
situación. Al interpretar los resultados de un cuasi-experimento, hay que
considerar la posibilidad de que se deban a otros factores no tenidos en cuenta
(Cook y Campbell, 1986). En efecto, en un diseño cuasi-experimental, en
comparación con los experimentales, hay más hipótesis alternativas que
pueden ajustarse a los datos. Por ello, es imprescindible que el investigador
tenga, en la medida de lo posible, un conocimiento de las variables específicas
que el diseño cuasi-experimental utilizado no sea capaz de controlar.
Debido al deficiente control que implican las investigaciones cuasiexperimentales,
algunos autores, como por ejemplo Van Dalen y Meyer
(1971), se refieren a ellas con el nombre de investigaciones con control parcial.
Otros metodólogos prefieren utilizar el término de estudios no aleatorizados
(Anderson et al., 1980).
1.2. Características básicas
En términos generales, los diseños cuasi-experimentales presentan una
serie de carencias y dificultades, lo que conlleva posibles fuentes de invalidez.
Por esta razón, Campbell y Stanley (1963, 1966) recomendaron utilizarlos
únicamente cuando no se puedan asignar aleatoriamente los sujetos a las
diferentes condiciones.
Antes de especificar las características propias de la cuasiexperimentación,
es necesario recordar que en todo trabajo de investigación
debe evaluarse lo que, de forma genérica, es conocido por validez. Como
destacan Judd y Kenny (1981), el propósito de toda investigación social es
conseguir una información exacta y generalizable, lo cual equivale a afirmar
que sea válida. Cook y Campbell (1979) aportan una definición del término
validez con la siguiente expresión: "usaremos los conceptos de validez e
invalidez para referirnos a la mejor aproximación disponible a la verdad o
falsedad de las proposiciones" (p. 37). Nuestro objetivo no es entrar en la
polémica suscitada a raíz de las diferentes tipologías sobre validez (véase
Mark, 1986), tan sólo recordar lo que se entiende por validez interna y externa.

La validez interna se refiere a la posibilidad de poder derivar conclusiones

consistentes acerca de la efectividad de un tratamiento o programa social, y la
validez externa hace referencia al alcance y extensión que tienen los resultados.
La mayoría de investigaciones dentro del ámbito aplicado ponen el énfasis en
la validez externa. Sin embargo, no pueden tomarse decisiones acerca de la
validez externa sin tener en cuenta, en la valoración de los resultados, la
validez interna. En otras palabras, es necesario hallar un equilibrio o
compromiso entre estos dos tipos de validez. Quizá, como regla práctica,
puede aconsejarse que cuando el tratamiento es innovador lo importante es
destacar la validez interna, y cuando la intervención ha demostrado ser
efectiva, en alguno de los grupos, lo interesante sería resaltar la validez
externa. Para un estudio detallado de la validez puede consultarse a Ato (1991,
1995b), Ato y Rabadán (1991), Cook y Campbell (1976, 1979) y Cook et al.
(1990).
Pedhazur y Schmelkin (1991) señalan que sin control no hay validez y
que, por lo tanto, estos dos términos constituyen los aspectos centrales de un
diseño de investigación. De ahí, la importancia que adquieren las técnicas de
control dentro del marco de la investigación científica. No obstante, cuando se
trata de reflejar lo que sucede en el ambiente natural, se está obligado a
trabajar en condiciones en las que es difícil el control experimental. Este es el
caso típico de lo que se conoce por investigación aplicada.
El objetivo primordial de toda investigación científica es la inferencia de
relaciones causales entre las variables. Por lo tanto, la evaluación del efecto de
la variable independiente es la meta a conseguir tanto por la experimentación
como por la cuasi-experimentación. La correcta evaluación del tratamiento
depende de si es posible la asignación aleatoria de las unidades de observación
a los valores que toma la variable independiente, y del control de los posibles
factores extraños productores de cambio en los registros de la variable de
medida (Campbell y Boruch, 1975; Gilbert, Light y Mosteller, 1975; Riecken y
Boruch, 1974). Sin embargo, en muchos contextos sociales y
comportamentales, a causa de una gran variedad de problemas prácticos,
éticos y políticos, el supuesto de aleatorización no puede cumplirse (Cohen,
1975; Reynolds y Temple, 1995; Rossi y Freeman, 1989; Suchman, 1967; Weiss,

1972b) y, además, es difícil conseguir una completa especificación de los

factores causales para que puedan ser aislados o controlados mediante técnicas
experimentales (Arnau, 1995c). De acuerdo con esta caracterización, existen
diferencias entre dos grandes estrategias de investigación: la experimental y
la cuasi-experimental. Dichas estrategias no poseen la misma validez
inferencial o, en otros términos, no tiene igual fuerza probatoria. Así, de este
modo, en los diseños experimentales, cualquier diferencia entre grupos puede
atribuirse a la acción del tratamiento, dado que la aleatorización los ha
igualado en todos los aspectos (excepto en la variable independiente). Por el
contrario, en la investigación cuasi-experimental, debido a la ausencia de
aleatoriedad, no queda garantizada la exclusión de factores extraños capaces
de contaminar los resultados. Únicamente cuando el grupo control es similar
al grupo de tratamiento en todos los aspectos substanciales, la investigación
cuasi-experimental guarda una gran semejanza con los experimentos
aleatorizados (Rossi y Freeman, 1989).
Según Kenny (1975a, 1979), el no poder utilizar la aleatoriedad puede
deberse a que: a) el tratamiento sea administrado a un grupo (aula, colegio o
 sistema escolar), tomándose otro grupo como control; b) se había planificado
realizar un experimento verdadero, pero debido a la mortalidad,
contaminación de las unidades del grupo control por artefactos experimentales
o por variaciones en el tratamiento, el experimento verdadero se ha convertido
en un cuasi-experimento; c) por escasez de recursos sólo se aplica el
tratamiento a un grupo pre-seleccionado, y d) los sujetos autoseleccionan su
propio nivel de tratamiento. En cualquiera de estos casos pueden darse
diferencias entre las puntuaciones pre-tratamiento y, por lo tanto, los grupos
no son comparables. Reichardt (1979) afirma que la no equivalencia implica
que en el supuesto de llevarse a cabo varias veces la misma selección no
aleatoria, los grupos diferirían en una gran variedad de formas.
El hecho de que la validez interna de los cuasi-experimentos sea menor
que la de los experimentos verdaderos, no es un argumento en contra de la
utilización de los diseños cuasi-experimentales (Kenny, 1975a). La diferencia
entre experimentación y cuasi-experimentación se muestra en la figura 1.1
(para el caso de un diseño con una variable independiente y otra dependiente).

El método experimental

es un proceso sistemático y un aproximación científica a la investigación en la cual el

investigador manipula una o más variables y controla y mide cualquier cambio en otras
variables.

La investigación experimental es un tipo de investigación que bien utiliza experimentos y los principios
encontrados en el método científico. Los experimentos pueden ser llevados a cabo en el laboratorio o
fuera de él.
Los experimentos son más efectivos para la investigación explicativa y frecuentemente están
limitados a temas en los cuales el investigador puede manipular la situación en la cual las personas se
hallan. La investigación experimental se utiliza generalmente en ciencias tales como la sociología y la
psicología, la física, la química, la biología y la medicina, entre otras.

La Investigación Experimental se utiliza con frecuencia cuando:

1. Hay prioridad temporal en una relación de causalidad (la causa precede al efecto).
2. No hay consistencia en una relación de causalidad (una causa siempre llevará al mismo
efecto).
3. La magnitud de la correlación es grande.
El término investigación experimental tiene una variedad de definiciones. En sentido estricto,
la investigación experimental es lo que llamamos un verdadero experimento.

Se trata de un experimento en donde el investigador manipula una variable y controla/

aleatoriza el resto de las variables. Cuenta con un grupo de control, los sujetos han sido
asignados al azar entre los grupos y el investigador sólo pone a prueba un efecto a la vez.
Asimismo, es importante saber qué variable(s) se desean probar y medir.
Una definición muy amplia de la investigación experimental, o un cuasi experimento, es la
investigación en donde el científico influye activamente en algo para observar sus
consecuencias. La mayoría de los experimentos suelen ubicarse entre la definición estricta y
la amplia.

Objetivos de la Investigación Experimental

Los experimentos se llevan a cabo con el objetivo de predecir fenómenos. Normalmente, un

experimento es construido para poder explicar algún tipo de causalidad. La investigación
experimental es importante para la sociedad: nos ayuda a mejorar nuestra vida diaria.

La investigación experimental sigue las siguientes etapas:

1. Delimitar y definir el objeto de la investigación o problema. Consiste en determinar

claramente los objetivos del experimento y las preguntas que haya que responder.
Después se señalan las variables independientes, las dependientes, los parámetros
constantes y la precisión necesaria en la medición de las variables. Se toma en cuenta
la bibliografía existente, la región en que interesan los resultados, el equipo disponible y
su precisión, y el tiempo y dinero disponibles.

2. Plantear una hipótesis de trabajo. Para hacerlo se debe tener la certeza de qué tipo de
trabajo se va a realizar: si se trata de verificar una hipótesis, una ley o un modelo, no
hace falta plantear una hipótesis de trabajo; si el trabajo es complemento o extensión
de otro, es posible que se pueda usar la hipótesis del trabajo original o hacer alguna
pequeña modificación; si el problema por investigar es nuevo, entonces sí es necesario
plantear una hipótesis de trabajo. Toda investigación comienza con una suposición, un
presentimiento o idea de cómo puede ocurrir el fenómeno. Estas ideas deben estar
 suficientemente claras para adelantar un resultado tentativo de cómo puede ocurrir
dicho fenómeno: éste resultado tentativo es la hipótesis.

3. Elaborar el diseño experimental. Ya conocida la naturaleza del problema (si es de

investigación, ampliación o confirmación), la precisión deseada, el equipo adecuado y
planteada la hipótesis de trabajo, se debe analizar si la respuesta a nuestro problema
va a ser la interpretación de una gráfica, un valor o una relación empírica; esto nos
señalará el procedimiento experimental, es decir cómo medir, en qué orden, y qué
precauciones tomar al hacerlo. Una vez determinadas estas etapas se procede a
diseñar el experimento mediante los siguientes pasos: Determinar todos y cada uno de
los componentes del equipo, acoplar los componentes, realizar un experimento de
prueba e interpretar tentativamente los resultados y comprobar la precisión,
modificando, si es necesario, el procedimiento y/o equipo utilizado.

4. Realizar el experimento. Una vez realizado el experimento de prueba y la interpretación

tentativa de resultados, realizar el experimento final casi se reduce a llenar columnas,
preparadas de antemano, con lecturas de las mediciones, a detectar cualquier
anomalía que se presente durante el desarrollo del experimento y a trazar las gráficas
pertinentes o calcular el o los valores que darán respuesta al problema.}

5. Analizar los resultados. El análisis o interpretación de resultados, ya sean valores,

gráficas, tabulaciones, etc., debe contestar lo más claramente posible la o las
preguntas planteadas por el problema. En términos generales el análisis comprende los
siguientes aspectos: 1) Si el experimento busca confirmar una hipótesis, ley o modelo,
los resultados deben poner de manifiesto si hay acuerdo o no entre teoría (la hipótesis,
ley o modelo) y los resultados del experimento. Puede suceder que el acuerdo sea
parcial; de ser así también se debe presentar en qué partes lo hay, y en cuáles no; 2)
Si es un experimento que discrimine entre dos modelos, los resultados deben permitir
hacer la discriminación en forma tajante y proporcionar los motivos para aceptar uno y
rechazar otro; 3) Si lo que se busca es una relación empírica, ésta debe encontrarse al
menos en forma gráfica; lo ideal es encontrar una expresión analítica para la gráfica, es
decir encontrar la ecuación. A esta ecuación se le llama empírica porque se obtuvo a
través de un experimento y como expresión analítica de una gráfica. Se debe tomar en
cuenta que en una gráfica cada punto experimental tiene un margen de error y que en
caso de duda —cuando la curva no esté bien determinada—, debe hacerse un mejor
ajuste por medio de mínimos cuadrados. Se debe hacer notar que la curva más simple
de analizar es la recta y que si no la obtuvimos al graficar nuestros puntos, debemos
intentar obtenerla, ya sea cambiando variables o graficando en papel semilogarítmico o
log-log.
6. Obtener conclusiones. Ya logrados los resultados del experimento el investigador debe
aplicar su criterio científico para aceptar o rechazar una hipótesis o una ley; también es
posible que haga alguna conjetura acerca de un modelo, o proponga la creación de
otro nuevo, lo que conduciría a un nuevo problema. Generalmente se aplican los
siguientes criterios: 1) Rechaza una hipótesis, ley o modelo, cuando comprueba
experimentalmente que no se cumple. Basta que exista un solo fenómeno que no
pueda explicar para desecharla; 2) Acepta como cierta —pero no como absolutamente
cierta— una hipótesis, ley, teoría o modelo, mientras no se tenga la prueba de falla en
la explicación de algún fenómeno; 3) Puede suceder que la hipótesis o modelo
concuerden sólo parcialmente con el experimento, entonces es necesario especular
acerca de las posibles razones de la diferencia entre la teoría y el experimento, y tratar
de hacer nuevas hipótesis o modificaciones a la ya existente, lo que conduce a un
nuevo problema. En las conclusiones se responden con claridad las preguntas
planteadas en el experimento, comprobar si es o no válida nuestra hipótesis de trabajo
o el modelo propuesto. Si hay preguntas sin respuesta, establecer el porqué o si
amerita, conjeturar acerca de la hipótesis o modelo que describa el fenómeno
estudiado.

7. Elaborar un informe por escrito. Sus partes serán: 1) la definición del problema; 2) el
procedimiento experimental; 3) resultados; 4) conclusiones. La elaboración del escrito
bajo las convenciones de un informe de investigación.