Para la investigación previa a la experiencia, realiza una prueba de transporte al final de un semestre en una clase de estudiantes universitarios. Los estudiantes son las variables dependientes ya que se administran al final del semestre. Los profesores son las variables independientes del experimento.
La investigación es un ejemplo de preexperimento porque solo un grupo de estudiantes se considera para la investigación, y se seleccionan cuidadosamente.
Digamos que dos entrenadores de béisbol están entrenando a sus jugadores de dos maneras completamente opuestas. Un entrenador está entrenando a los primeros jugadores de cuerda de manera tradicional, el otro entrenador está utilizando nuevos programas de entrenamiento de varios países para entrenar a los segundos jugadores de cuerda.
Utiliza el grupo preexistente de jugadores de béisbol para estudiar el efecto del programa de entrenamiento tradicional en comparación con los nuevos programas de capacitación en los estudiantes.
Cuando busque correctamente la diferencia sistemática entre el primer y el segundo reproductor de cadenas, puede estar seguro de que surgirán diferentes resultados de los dos programas de entrenamiento.
Para ejecutar su verdadera investigación experimental, asigna la mitad de sus pacientes al ayuno intermitente para la dieta. La otra mitad (grupo de control) está sujeto a una dieta regular.
Cada tres meses tiene que los pacientes completan un informe que describe cualquier síntoma o progreso para evaluar si el ayuno intermitente produce un efecto mejor o peor en los pacientes.
Hay tres principios, como lo explican R.A. Fisher, de diseño experimental:
La replicación implica la repetición del experimento básico. El principio es que incluso cuando el mismo tratamiento se usa en otros experimentos, la producción diferiría. La replicación en diseño experimental ayuda a estudiar la variación en el rendimiento de diferentes experimentos.
¿Qué ventajas proporciona el diseño de experimentos?
El diseño de experimentos (DOE) es un enfoque utilizado en numerosas industrias para realizar experimentos para desarrollar nuevos productos y procesos más rápido, y para mejorar los productos y procesos existentes. Cuando se aplica correctamente, puede disminuir el tiempo para comercializar, disminuir los costos de desarrollo y producción, y mejorar la calidad y la confiabilidad.
El DOE es mucho más riguroso que los métodos tradicionales de experimentación, como el juicio y error de expertos de un factor a tiempo y experto. Este rigor permite a los profesionales modelar explícitamente las relaciones entre las numerosas variables en cualquier sistema, tomar decisiones más informadas en cada etapa del proceso de resolución de problemas y, en última instancia, llegar a mejores soluciones en menos tiempo.
DOE es un método poderoso que puede parecer engañosamente fácil, pero en realidad se necesita un conocimiento significativo para que funcione de manera confiable. La mayoría de los intentos fallidos de aplicar la DOE se pueden atribuir a uno de un puñado de trampas. Además del conocimiento de los métodos estadísticos, las claves para que funcione son disciplina y comunicación efectiva entre el estadístico y los científicos, ingenieros y gerentes del equipo del proyecto que mejor comprenden el producto o el proceso.
Quality Digest no cobra a los lectores por su contenido. Creemos que las noticias de la industria son importantes para que usted haga su trabajo, y Digest de calidad apoya a las empresas de todo tipo.
Sin embargo, alguien tiene que pagar por este contenido. Y ahí es donde entra la publicidad. La mayoría de las personas consideran que los anuncios son molestos, pero cumplen una función útil además de permitir que las compañías de medios se mantengan a flote. Lo mantienen al tanto de los nuevos productos y servicios relevantes para su industria. Todos los anuncios en Quality Digest se aplican directamente a los productos y servicios que la mayoría de nuestros lectores necesitan. No verá anuncios de automóviles o suplementos de salud.
¿Cuál es la importancia del diseño de experimentos?
Llamamos al plan de experiencia (en inglés, diseño de experiencia o DOE) la secuencia ordenada de probar un experimento, cada uno que permite adquirir nuevos conocimientos dominando uno o más parámetros de entrada para obtener resultados que validan un modelo con una buena economía de medias (número de pruebas lo más bajas posible, por ejemplo).
Un ejemplo clásico es el «plan de estrella» donde a partir de un juego de valores elegidos para los parámetros de una prueba central, completamos este mediante pruebas donde cada vez que uno de los factores varía «todas las cosas iguales a otro lugar».
Un tipo de plan más exhaustivo es el plan factorial que consiste en elegir valores para cada uno de los factores variando todos los factores simultáneamente (exhaustivamente o no). El número de pruebas puede volverse muy grande (explosión combinatoria).
Supongamos que queríamos saber si la proporción de bolas negras de una urna es superior al 5 %, la urna que contiene 1,000 bolas. Nos vamos con la idea de dibujar 100 con la esperanza de tener una buena aproximación de la proporción.
- Si durante el sorteo, traemos de vuelta 51 bolas negras, se puede detener de inmediato: perseguirlo no tendría sentido, ya que con 51 bolas negras de 1,000 una proporción superior al 5 % ahora es segura.
- Todavía podemos refinar nuevamente al notar que la probabilidad de dibujar, por ejemplo, 5 bolas negras en las primeras 5 impresiones, regresa a 0.3 × 10−6 la probabilidad de que la proporción de bolas negras sea inferior al 5 %.
- En la práctica, el cálculo permite establecer reglas estrictas que indiquen en función de los resultados cuando el sorteo debe detenerse, con la decisión tomada en una dirección u otra, o si debe continuar.
Por lo tanto, un plan experimental permite reducir el número de ensayos a lo que es estrictamente necesario para tomar una decisión, que puede ahorrar tiempo, dinero y vidas.
¿Por qué son importantes los diseños no experimentales?
La Parte 1 de esta serie de artículos se centró en lo visual (ya que eso suele ser con lo que la gente busca ayuda cuando se trata de diseño), pero es importante recordar que la usabilidad supera la belleza.
El sitio web más hermoso del mundo es inútil si la gente que usa ese sitio web no puede lograr lo que quieren hacer.
Es más importante que su diseño funcione bien de lo que se ve. ¿Cómo saber si su diseño funciona bien?
Podemos usar trucos de diseño como reducir el desorden y mejores tipos de letra para que el formulario se vea mejor, pero también debemos asegurarnos de que sea fácil de leer y completar.
Por supuesto, este consejo realmente depende de lo que esté diseñando, por lo que aquí hay algunos pensamientos generales para ayudarlo a seguir pensando en la experiencia del usuario.
Para un sitio web personal, quizás desee que la gente visite tantas páginas como sea posible. Para un formulario, el número de presentaciones es probablemente la métrica más importante.
Tome decisiones de decisión que faciliten a la gente cumplir con ese propósito que determinó para lo que está diseñando. Es por eso que los botones más importantes (los que queremos que la gente vea y haga clic) son colores brillantes y haciendo clic.
¿Dónde se aplican los diseños no experimentales?
16 En prima de la aproximación, la validez externa se aprecia con respecto a una situación, o una clase de situaciones, de la cual deseamos generalizar los resultados de la investigación experimental. Un primer paso esencial pide caracterizar esta situación de referencia con precisión. ¿De qué situación estamos hablando en términos de unidades (¿qué individuos y poblaciones?), De tratamiento (¿exhibición a una o más variables?), De los cuales los lugares (la sala de estar familiar, el cine, la calle, el cibercafé, etc. ?) ¿Y de acuerdo con qué temporalidad (unos minutos, unas pocas horas, varias años, varias décadas, etc.?)? Donald Campbell (1986) propone caracterizar esta comparación sistemática como una búsqueda de «similitud proximal», un término que propone sustituir (sin posteridad) por la validez externa. Desde este ángulo, la validez externa se expresa como un gradiente de generalidad, desde una situación muy específica hasta clases generales de situación. Los críticos en términos de validez externa a menudo permanecen en un alto grado de generalidad en el sentido de que criticamos a la investigación de laboratorio su baja similitud con una situación natural sin detallar las dimensiones en las que esperamos diferencias (según los criterios de UTOS). Por lo tanto, este nivel de generalización se relaciona con las situaciones experimentales en sí mismas (ver Figura 1).
17 Otro nivel es mucho más general. La pregunta es si es probable que el modelo propuesto se aplique a situaciones «naturales» que queremos explicar (ver Figura 1). En psicología, no hay escasez de modelos, ya sea que generalmente estén en el campo de la cognición social y la persuasión (Chaiken, Trope, 1999), o en relación con preguntas más delimitadas como el «modelo extenso de procesos paralelos» presentados por Mike Allen y Kim Witte (2004), sobre el efecto de los mensajes «pidiendo miedo». La carga de la prueba del no registro del modelo en tal situación, tal situación, se destina a los detractores del modelo, que a menudo se basa en programas de investigación pesados que se referían a contextos muy variados. Los metaanalizados han atestiguado la robustez de los efectos. Aquí, el acento está en los procesos. Por ejemplo, el argumento no se relaciona con el hecho de que dicho experimento se ha llevado a cabo con los estudiantes, sino con la plausibilidad de que los procesos mencionados en el modelo son válidos para otra población.
18º nivel de generalización: basado en un modelo y los procesos postulados, es aún más justificado, ya que es común como modelo, discutido en términos de validez externa, de situaciones experimentales perfectamente no representativas de situaciones «naturales». Desde este punto de vista, es útil recordar que el objetivo de un enfoque experimental no es reproducir lo real más o menos fielmente. Se trata de probar una hipótesis precisa en condiciones controladas. Es posible que estas condiciones nunca aparezcan, de lo contrario cuando el investigador las causa. Por lo tanto, la semejanza con las situaciones naturales no es una condición necesaria. Según este argumento, Douglas Mook (1983) afirma la posibilidad de «discapacidad externa» para el método experimental. Para usar el ejemplo inicial, no es muy plausible y no es muy representativo de las condiciones «reales», que un individuo está expuesto 4 veces durante 23 milisegundos a una cara. Sin embargo, esta condición puede informar de manera útil sobre el proceso de que la familiaridad de una fuente influye en el valor atribuido a un mensaje (Weisbuch, Mackie, García-Marques, 2003).
19 Utilizando un marco general para la reflexión, las diferencias esperadas entre la situación experimental y la «realidad» pueden, por supuesto, ponerse a prueba mediante la investigación empírica comparando los resultados observados por otros métodos. Los resultados comparables obtenidos por diferentes métodos al mismo tiempo dan fe de la robustez de los efectos, pero también dan garantías de validez externa al método experimental (de manera que calcula la validez convergente – Meyer, 2002). Se da un buen ejemplo en el campo de la influencia del contenido de los medios violentos en el comportamiento agresivo (ver Girandola, 2004). Los diferentes métodos (comparación de grupos naturales, estudios longitudinales, experimentación de laboratorio y en el campo) conducen a efectos comparables en términos de probabilidad de un tamaño de efecto y efecto (Anderson, Lindsay, Bushman, 2004). La experimentación tradicional puede ser enriquecida por otros métodos. Así Christina Studebacker et al. (2002) comienzan a partir del efecto de la cobertura mediática de los ensayos sobre las decisiones de los jurados. Esta área se trabaja sobre la base de jurados simulados. El uso de Internet permite una mejor representatividad de las poblaciones que pueden participar en un jurado. Los defectos en el segundo enfoque (debilidad de control) pueden compensarse en gran medida por ventajas (mayor variedad de poblaciones).
¿Qué importancia tiene el diseño experimental?
El diseño de experimentos (DOE, DOX o diseño experimental) es el diseño de cualquier actividad que tenga como objetivo describir y explicar la variación de la información en condiciones que hipotetizan reflejan la variación. El término generalmente se asocia con experimentos en los que el diseño introduce condiciones que influyen directamente en la variación, pero también pueden referirse al diseño de exenciones cuasi, en las que las condiciones naturales que influyen en la variación se seleccionan para la observación.
En su forma más simple, un experimento tiene como objetivo predecir el resultado introduciendo un cambio de pre -contratos, que está representado por una o más variables independientes, también llamadas «variables de entrada» o «variables predictivas». En general, se supone que el cambio de una o más variables independientes determina un cambio de una o más variables dependientes, también llamadas «variables de salida» o «variables de respuesta». El diseño experimental también puede identificar variables de control que deben mantenerse constantes para evitar que los factores externos afecten los resultados. El diseño experimental implica no solo la selección de variables independientes y de control, sino también la planificación de la entrega del experimento en condiciones estadísticamente óptimas, dadas las limitaciones de los recursos disponibles. Existen varios enfoques para determinar el conjunto de puntos de diseño (combinaciones únicas de la configuración de variables independientes) que se utilizarán en el experimento.
Los experimentos diseñados avanzan correctamente el conocimiento en ciencias naturales y sociales y en ingeniería. Otras aplicaciones incluyen marketing y formulación de políticas. El estudio del diseño de los experimentos es un tema importante en la metsciencia.
Charles S. Peirce asignó al voluntario al azar para un hombre ciego, diseñe medidas repetidas para evaluar su capacidad para discriminar los pesos. El experimento de Peirce inspiró a otros investigadores en psicología y educación, que han desarrollado una tradición de búsqueda de experimentos aleatorios en talleres y libros de texto especializados en 1800.
El uso de una secuencia de experimentos, en el que el diseño de cada uno puede depender de los resultados de experimentos anteriores, incluida la posible decisión de interrumpir la experimentación, es parte del análisis secuencial, un campo que ha experimentado Abraham Wald en el Contexto de pruebas secuenciales de hipótesis estadísticas. Herman Chernoff escribió una descripción general de proyectos secuenciales óptimos, mientras que los proyectos adaptativos fueron examinados por S. Zacks. Un tipo específico de dibujo secuencial es el «Bandit de dos brazos», generalizado al bandido con varios brazos, en los que Herbert Robbins realizó los primeros trabajos en 1952.
Artículos Relacionados:
- Diseño experimental: la importancia de la innovación en el éxito de una empresa
- Los beneficios de la investigación experimental en la educación
- Cómo hacer un diseño experimental: 5 pasos para seguir
- Diseño experimental: Ejemplos de cómo el diseño puede cambiar el mundo
- El ensayo: una herramienta indispensable para el éxito académico
