La forma general de una declaración de tesis de diseño cuasiexperimental es «¿Qué efecto tiene (cierta intervención o programa) en una (población específica)»?
Ejemplo 1: ¿El fumar durante el embarazo conduce a un bajo peso al nacer? Sería poco ético asignar aleatoriamente a un grupo de mochilas de cigarrillos para fumar. En cambio, el investigador pregunta a las madres si fumó durante el embarazo y las asigna a grupos después del hecho.
Ejemplo 2: ¿El software diseñado cuidadosamente mejora los resultados de aprendizaje para los estudiantes? Este estudio utilizó un diseño de prueba previo al post y múltiples aulas para mostrar cómo la tecnología se puede implementar con éxito en las escuelas.
Ejemplo 3: ¿Puede ser asesorado para su trabajo conducir a una mayor satisfacción laboral? Este estudio siguió a 73 empleados, algunos que fueron asesorados y otros que no. Volver arriba.
En el diseño de bloques aleatorios, el investigador divide sujetos experimentales en bloques homogéneos. Los tratamientos se asignan aleatoriamente a los bloques. La variabilidad dentro de los bloques debe ser mayor que la variabilidad entre los bloques. En otras palabras, debe asegurarse de que los bloques contengan temas que son muy similares. Por ejemplo, podrías poner a los hombres en un bloque y hembras en un segundo bloque. Este método es prácticamente idéntico al muestreo aleatorio estratificado (SRS), excepto que los bloques en SRS se llaman «estratos». El diseño de bloques aleatorios reduce la variabilidad en los experimentos.
Por ejemplo, puede ejecutar un experimento para descubrir la eficacia de un nuevo medicamento. Según el manual de Merck, un factor que puede afectar la forma en que un paciente responde a un medicamento es la edad. Por lo tanto, corre el riesgo de que sus resultados se vean afectados por la edad como una variable de confusión. Una solución es configurar el diseño de bloques aleatorios para que diferentes grupos de edad se extiendan a través de bloques de tamaño igualmente. La siguiente tabla muestra un diseño de bloque aleatorizado para un experimento hipotético que prueba un nuevo medicamento en 1,000 personas:
Este diseño de bloque aleatorizado contiene bloques iguales de 200 personas de cada grupo de edad, donde se asignan al azar al placebo o al medicamento real. Por lo tanto, la edad se elimina como una fuente potencial de variabilidad.
¿Qué es investigación no experimental y ejemplos?
La investigación no experimental es una investigación que no depende de la manipulación de una variable independiente o predictor. Las variables predictoras son variables que se utilizan para anticipar el resultado de otras variables, son la parte del experimento que se manipula para ver los efectos en la variable dependiente. En cambio, la investigación se lleva a cabo observando y medir variables no manipuladas en el contexto en el que ocurren e investigarlas para obtener información. Las variables en la investigación no experimental no pueden controlarse, manipularse o alterar, el investigador debe tratar de interpretar objetivamente los datos de observación para llegar a una conclusión. Además, si solo hay un grupo, hay una falta de grupos experimentales o de control, por lo que tendría que ser un diseño no experimental. El propósito de la investigación no experimental es definir las características de un sujeto particular, medir las tendencias de datos, comparar y contrastar situaciones y validar las condiciones existentes.
Las principales características de la investigación no experimental incluyen que el evento ocurrió en el pasado con análisis en el presente, no se realizan experimentos controlados, no se crean muestras de estudio, no se crean o manipulan los participantes y los artefactos que se estudiarán en su entorno natural sin directas. La intervención, o el fenómeno se estudia a medida que ocurre. La investigación no experimental debe usarse cuando las preguntas de investigación:
- está relacionado con una sola variable, por lo que la manipulación de otra variable no es posible
- pertenece a una relación no causal entre dos variables, ya sea estadística o empírica
- está en relación con los sujetos que no pueden ser asignados aleatoriamente a condiciones de requisito previo por razones éticas
- tiene información limitada sobre una experiencia particular porque es amplia y exploratoria
Los siguientes son los diseños de investigación no experimentales más comunes:
- está relacionado con una sola variable, por lo que la manipulación de otra variable no es posible
- pertenece a una relación no causal entre dos variables, ya sea estadística o empírica
- está en relación con los sujetos que no pueden ser asignados aleatoriamente a condiciones de requisito previo por razones éticas
- tiene información limitada sobre una experiencia particular porque es amplia y exploratoria
Examinar si los cuestionarios y entrevistas de trabajo son buenos predictores del éxito de los empleados es un ejemplo de investigación transversal.
Investigar si existe una relación entre el orden de nacimiento y el logro educativo sería un ejemplo de investigación correlacional.
¿Qué es cuasi experimental ejemplos?
Si la hipótesis de la investigación es que las personas con ojos marrones tienen una mayor capacidad de ortografía que aquellos con ojos verdes, esto no puede ser investigado por un experimento, pero puede ser con un cuasi-experimento. El color de los ojos no es un atributo que se pueda asignar aleatoriamente. Es una diferencia de grupo innato, y también la variable cuasi independiente. Una vez que los grupos se prueban para la aptitud de la ortografía, se comparan estos resultados. Puede haber una diferencia entre los grupos, pero no hay forma de mostrar que la diferencia sea causada por la variable independiente de los ojos marrones o verdes. Debido a que no se puede mostrar la aleatorización, no se puede mostrar la causa.
La investigación cuasi-experimental es un diseño donde no hay una asignación aleatoria de participantes a los diferentes niveles de una variable independiente. Este método se usa más comúnmente cuando es imposible asignar a los participantes al azar porque la investigación es una diferencia innata entre los propios participantes. Tener esta característica definitoria (como la altura física) es la variable independiente separa a los grupos para la investigación en estos casos.
El diseño cuasi-experimental significa que por alguna razón la aleatorización entre las condiciones experimentales no fue posible. Algunas veces se debe a la hipótesis se basa en diferencias grupales que no pueden asignarse aleatoriamente, como un diagnóstico médico versus un grupo sin ese diagnóstico. También puede indicar que no era práctico asignar a los participantes al azar. Cuando un experimento se describe como cuasi-experimental, significa que no había aleatorización y, por lo tanto, no puede mostrar causa.
¿Qué técnicas se utilizan en la investigación cuasi experimental?
Los métodos cuasiexperimentales son diseños de investigación que tienen como objetivo identificar el impacto de una intervención, programa o evento particular (un «tratamiento») comparando unidades tratadas (hogares, grupos, pueblos, escuelas, empresas, etc.) con las unidades de control. Si bien los métodos cuasi-experimentales utilizan un grupo de control, difieren de los métodos experimentales en que no usan aleatorización para seleccionar el grupo de control. Los métodos cuasiexperimentales son útiles para estimar el impacto de un programa o evento para el cual no es factible de manera ética o logística. Esta página describe los tipos comunes de métodos cuasi-experimentales.
- En general, los métodos cuasi-experimentales requieren tamaños de muestra más grandes y más suposiciones que los métodos experimentales para proporcionar estimaciones válidas e imparciales de los impactos del programa.
Al igual que los métodos experimentales, los métodos cuasi-experimentales tienen como objetivo estimar los efectos del programa libres de confusión, causalidad inversa o causalidad simultánea. Si bien los métodos cuasi-experimentales utilizan un contrafactual, difieren de los métodos experimentales en que no aleatorizan la asignación de tratamiento. En cambio, los métodos cuasi-experimentales explotan las circunstancias existentes en las que la asignación de tratamiento tiene un elemento suficiente de aleatoriedad, como en el diseño de discontinuidad de regresión o los estudios de eventos; o simular un contrafactual experimental mediante la construcción de un grupo de control lo más similar posible al grupo de tratamiento, como en la coincidencia de la puntuación de propensión. Otros ejemplos de métodos cuasiexperimentales incluyen variables instrumentales y diferencia en diferencias.
En general, los métodos cuasi-experimentales requieren muestras más grandes que los métodos experimentales. Además, para los métodos cuasi-experimentales para proporcionar estimaciones válidas e imparciales de los impactos del programa, los investigadores deben hacer más suposiciones sobre el grupo de control que en los métodos experimentales. Por ejemplo, la diferencia en diferencias se basa en la suposición de igualdad de tendencias (ver diferencia en diferencias para más detalles), mientras que la coincidencia asume características idénticas no observadas entre los grupos de tratamiento y control.
Artículos Relacionados:
