El sesgo de información ocurre como resultado de la clasificación errónea de la exposición o el estado de la enfermedad. La siguiente figura muestra una tabla de contingencia de dos por dos en la que los iconos de cara sonriente representan los hallazgos en lugar de los números. Los sujetos que realmente tienen el resultado de la salud de interés se muestran con íconos rojos, mientras que aquellos que realmente no desarrollaron el resultado se muestran con íconos azules. Los sujetos que tienen la exposición tienen un esquema negro grueso, mientras que los sujetos no expuestos no. En base a este esquema, es evidente que la mayoría de los sujetos están en la célula correcta de la tabla de contingencia, pero hay algunos que han sido mal clasificados y están en una célula incorrecta.
Hay algunas personas no enfermas que terminaron en la columna enferma, y hay algunas personas enfermas que fueron mal clasificadas como no enfermadas. Además, algunos de los expuestos fueron erróneos erróneamente como no expuestos, y algunos de los no expuestos fueron erróneamente clasificados por haber sido expuestos. En general, la clasificación errónea de este tipo tiende a ser un problema más para el estado de exposición, pero los resultados también pueden clasificarse erróneamente.
Hay varios mecanismos que producen clasificación errónea, y los efectos dependen de las circunstancias. La distinción clave es si los errores en la clasificación son diferenciales o no diferenciales con respecto a los grupos de comparación.
La clasificación errónea no diferencial significa que el porcentaje de errores es casi igual en los dos grupos que se comparan. Si realmente hay una asociación, la clasificación errónea no diferencial tiende a hacer que los grupos parezcan más similares de lo que realmente son, y causa una subestimación de la asociación, es decir, «sesgo hacia el nulo».
Si la relación de riesgo verdadero o la probabilidad es 3, la estimación sesgada podría ser 2, y si la relación de riesgo verdadera o la relación de odds es 0.3, la estimación sesgada podría ser 0.5. En otras palabras, independientemente de si el efecto es un aumento en el riesgo o una disminución, la clasificación errónea no diferencial mueve la estimación sesgada hacia el valor nulo.
¿Qué es el sesgo de la información?
El sesgo de información es un sesgo cognitivo para buscar información cuando no afecta la acción. Las personas a menudo pueden hacer mejores predicciones o decisiones con menos información: más información no siempre es mejor. Un ejemplo de sesgo de información es creer que cuanta más información se pueda adquirir para tomar una decisión, mejor, incluso si esa información adicional es irrelevante para la decisión. [1]
Una paciente femenina está presentando síntomas y un historial que sugiere un diagnóstico de globoma, con aproximadamente el 80% de probabilidad. Si no es globoma, es popitis o flapemia. Cada enfermedad tiene su propio tratamiento que es ineficaz contra las otras dos enfermedades. Una prueba llamada ET Scan ciertamente produciría un resultado positivo si el paciente tuviera popitis y un resultado negativo si tiene flapemia. Si el paciente tiene globoma, un resultado positivo y negativo es igualmente probable. Si el escaneo ET fuera la única prueba que podría hacer, ¿debería hacerlo? ¿Por qué o por qué no?
Muchos sujetos respondieron que realizarían el escaneo ET incluso si fuera costoso, e incluso si fuera la única prueba que se podía hacer. Sin embargo, la prueba en cuestión no afecta el curso de acción en cuanto a qué tratamiento debe hacerse. Debido a que la probabilidad de globoma es tan alta con una probabilidad del 80%, el paciente sería tratado por globoma sin importar lo que diga la prueba. Globoma es la enfermedad más probable antes o después de la exploración ET.
¿Cuáles son los tipos de sesgo?
El sesgo de expectativa, también conocido comúnmente como sesgo de observación, es similar al efecto de Hawthorne, ya que los participantes de la investigación pueden cambiar su comportamiento para complacer al investigador y proporcionar las respuestas que cree que desea. A menudo, los participantes pueden buscar señales sutiles para sugerir que están haciendo lo correcto. Es por eso que es importante permanecer neutral en el lenguaje y el comportamiento no verbal. Evite asentir o acordar con lo que dicen los participantes y mantener una expresión neutral.
El sesgo del lenguaje líder es cuando una pregunta o tarea utiliza ciertas redacción o terminología que proporciona una pista para una respuesta o comportamiento particular. Es un sesgo fácil de detectar y superar a través de la práctica y la experiencia. El guión de un investigador debe contener preguntas abiertas y ser revisados por un colega. La revisión y el piloto de su sesión de investigación es la mejor manera de superar el lenguaje líder, ya que su encuestado de prueba piloto puede resaltar cualquier palabra que pueda llevarlos a una respuesta.
Una parte de la investigación de usuarios requiere que los participantes retiren eventos o tareas pasadas para comprender cómo se comportaron en ese momento. Esto puede incurrir en lo que se conoce como sesgo de recuperación, ya que algunos recuerdos pueden ser más prominentes que otros, lo que significa que no se mencionan algunos comportamientos o eventos. Mitigue contra esto aplicando las mejores prácticas: revise sus preguntas cuidadosamente para asegurarse de que se entiendan y permitan a los participantes tiempo suficiente para recordar recuerdos a largo plazo. Tenga en cuenta el tiempo adicional para permitir esto. Use el silencio intencional y haga buenas preguntas para superficial de los pensamientos y sentimientos naturales.
¿Qué son los sesgos en la investigación?
Los sesgos se pueden encontrar en todas las etapas de la investigación y son abundantes en sus tipos. Aquí hay solo algunos ejemplos:
La selección o el sesgo de muestreo se pueden encontrar durante la fase de planificación de la investigación. Ocurre cuando los criterios utilizados para encontrar sujetos para varios grupos de investigación son inherentemente diferentes, según el Centro de Innovación en Investigación y Enseñanza. Por ejemplo, un estudio que examina los sentimientos de las personas sobre el control de armas que solo selecciona a los miembros de un cierto partido político puede producir resultados poco confiables. Esto significa que los datos recopilados no pueden representar con precisión a la población general.
El sesgo de diseño también se puede encontrar en la fase de planificación. Ocurre cuando los investigadores usan criterios subjetivos para distinguir entre grupos sujetos. Como resultado, el criterio de que los grupos separados pueden ser arbitrarios en lugar de estadísticamente significativos.
Comúnmente ocurre durante la fase de investigación, este sesgo describe cuando los investigadores miden algo mal, sin rigor. Hacerlo distorsiona la validez de los datos recopilados.
El sesgo de respuesta describe cuando solo ciertos tipos de sujetos responden a una invitación para ingresar a un estudio. Esto, similar al sesgo de selección, hace que el grupo de estudio no sea representativo de la población más grande.
¿Cómo identificar los sesgos en una investigación?
Comprender a las personas y eventos, recopilar datos y evidencia, y formular perspectivas sobre eventos; la investigación requiere una cantidad considerable de razonamiento por parte de individuos y equipos. Los investigadores deben conocer los sesgos cognitivos que podrían afectar su propio proceso de toma de decisiones, así como a sus compañeros. Si un investigador forma una teoría detrás de un incidente y no está dispuesto a cambiar su opinión para explicar la evidencia nueva y contradictoria, este es un ejemplo de sesgo cognitivo.
Los sesgos cognitivos son patrones de desviación del pensamiento racional. Estos pueden aplicarse a cualquier escenario, ya sea en interacciones diarias con compañeros o incluso al tomar decisiones sobre qué comprar en una tienda. Sin embargo, para los investigadores, los sesgos cognitivos pueden ser bastante peligrosos al investigar un delito, ya que pueden llevar a reunir el tipo de evidencia incorrecto, o peor aún, identificar a la persona equivocada responsable de la amenaza.
Los siguientes sesgos cognitivos comunes son ejemplos del tipo de razonamiento defectuoso que podría afectar una investigación
El sesgo de resultado es un error cometido al evaluar la calidad de una decisión cuando el resultado de esa decisión ya se conoce. Por ejemplo, un investigador podría utilizar el sesgo de resultados para obligar a alguien a testificar indicando que otros testigos han presentado información similar.
El sesgo de confirmación es la tendencia a reforzar una hipótesis buscando evidencia consistente con creencias y preconcepciones al tiempo que no tiene en cuenta evidencia inconsistente. En investigaciones criminales, la preferencia por la información consistente en la hipótesis podría contribuir a las falsas convicciones de los principales investigadores a ignorar la evidencia que desafía su teoría de un caso.
¿Cuáles son los principales tipos de sesgo en una investigación?
La mayoría de nosotros estamos familiarizados con el sesgo de confirmación (buscando evidencia para apoyar una hipótesis y rechazar cualquier evidencia que no lo haga). Sin embargo, ¿sabías que hay más de 250 sesgos cognitivos?
Aquí hay cinco que pueden estar afectando sus investigaciones:
- Exceso de seguridad. Sí, el exceso de confianza es un sesgo a pesar de que no suena como un término psicológico elegante. Esto realmente puede ser un problema con los investigadores experimentados porque saben más y pueden estar más convencidos de que tienen razón.
- Estereotipos. Esperar que un grupo o persona tenga ciertas cualidades sin tener información real sobre la persona. Nuevamente, un término con el que estamos familiarizados pero que no nos damos cuenta de que estamos haciendo a los involucrados en incidentes. No solo me refiero a los estereotipos de género o raciales. Puedes estereotipar a una persona de muchas maneras diferentes. Aquí hay otros ejemplos: “Ella tiene un MBA. Ella debe ser inteligente «. «Tiene 20 años en la industria, debe tener experiencia».
- Sesgo de apoyo de elección. Cuando decide algo, tiende a sentirse más apegado a su decisión, incluso si la decisión tiene defectos.
- Efecto de arrastre. ¿No está seguro de qué pensar en una investigación? Tome el camino fácil. . . seguir la corriente. La probabilidad de que un investigador adopte una creencia aumenta en función del número de miembros del equipo que tienen la misma creencia.
- Sesgo de punto ciego. ¡Esto simplemente significa que no aceptamos que posiblemente podríamos estar parciales! Tendemos a notar sesgos en otras personas y no dentro de nosotros. Todos caemos en prejuicios y debemos ser conscientes de eso.
¿Cómo se evita los sesgos en una investigación? Use un sistema que no comience con una hipótesis, análisis de causa raíz de Taproot®. Usando el sistema guiado, un investigador no:
Aprenderá a usar un Snapchart® para recopilar información sobre lo que sucedió sin llegar a conclusiones. Una vez que comprenda lo que sucedió e identifique los errores, errores o fallas en el equipo, estará listo para analizar por qué fallaron las salvaguardas (encuentre las causas raíz) sin llegar a conclusiones utilizando herramientas avanzadas: el diagrama Root Cause Tree® y la raíz Cause Tree® Dictionary. Este sistema lo hace pensar más allá de su conocimiento actual y disminuye el sesgo del investigador.
Artículos Relacionados:
