Diseños de Investigación en

.
DISEÑOS DE INVESTIGACIÓN EN
PSICOLOGÍA
2.1. LA INVESTIGACIÓN CIENTÍFICA
Dado que la materia que nos ocupa es el diseño de investigaciones científicas en
Psicología, consideramos que una buena manera que comenzarlo es haciendo una
reflexión inicial acerca de qué es la Ciencia, qué es la investigación científica y
cuáles son los paradigmas de investigación científica en Psicología.
Comenzaremos con el concepto de ciencia. El término ciencia se define como
conjunto organizado de conocimientos que versa sobre un objeto determinado,
tiene un método propio y se funda en relaciones objetivas comprobables (Seco,
1999). Atendiendo a esta definición, vemos que la Ciencia se caracteriza por su
objeto y por su método. Conviene, pues, conocer más detalles de uno y de otro.
El objetivo de la ciencia es explicar lo que acontece en el mundo que nos rodea
ofreciendo explicaciones sistemáticas de aquellas realidades que estudia (Pizarro,
1986). En otras palabras: se trata de establecer reglas, más o menos generales,
sobre el funcionamiento de la naturaleza. En el caso de la Psicología, lo que se
pretende es establecer leyes generales y ciertas que nos permitan alcanzar, en la
medida de lo posible, una mayor y mejor comprensión del comportamiento del ser
humano.
En el párrafo anterior decimos que el objetivo básico de la ciencia es elaborar
explicaciones de los fenómenos que acontecen. Esto quiere decir que la ciencia da
respuesta a preguntas acerca de qué es lo que está ocurriendo y por qué está
ocurriendo. Las respuestas a estas preguntas son las explicaciones del porqué de los
2 M. I. Núñez Peña
fenómenos, o, lo que es lo mismo, sus causas. ¿Para que nos sirve conocer las
causas? Si comprendemos por qué ocurren los fenómenos podremos llegar a
predecirlos, es decir, anticiparnos a ellos. En consecuencia, se podrá incluso
intervenir en el mundo para mejorar el futuro. Ya a principios de siglo XVII, Francis
Bacon propuso que la finalidad de la ciencia es la mejora de la suerte del hombre en

la tierra, y, según él, esa finalidad se lograría recogiendo hechos a través de la
observación organizada y derivando de ellos teorías.
Para alcanzar su objetivo, la Ciencia procede de una manera especial que es
utilizando el método científico. Si nos remontamos al origen etimológico de la
palabra método comprobaremos que viene de la fusión de las palabras griegas metá
y odós, que significan, respectivamente, hacia y camino. Así, literalmente, el
método es el camino que nos lleva hacia un fin. En el caso de la ciencia, se trata de
un camino que se caracteriza por la sistematicidad, la objetividad y la rigurosidad.
Este método, seguido en el razonamiento científico, se conoce como método
hipotético-deductivo.
Una vez se ha aclarado qué es la ciencia, cuál es su objeto y cuál es su método
vamos a proceder con la definición de la investigación científica. Se trata de un
proceso de indagación que persigue la elaboración de explicaciones sistemáticas,
objetivas y rigurosas de los fenómenos, y que para ello recurre al método científico.
Señala Kirk (1995) que no todos los fenómenos pueden abordarse desde un punto
de vista científico, puesto que los objetos de investigación científica deber ser
comprobables por la observación o producidos por medio de un experimento. Con
esto quiere decir que hay cuestiones que no son susceptibles de ser investigadas
científicamente, como, por ejemplo, la existencia de vida en otras galaxias. En este
caso la razón es muy clara: por el momento no disponemos de tecnologías para
observar otras galaxias distintas a la nuestra.
Hay otra característica que deben presentar los fenómenos para poderlos
investigar: sólo podrán ser objeto de la investigación científica aquellos fenómenos
para los cuales pueda repetirse su observación o puedan volver a producirse. Esto
quiere decir que un científico debe asegurarse de que sus resultados puedan ser
reproducidos por otros investigadores.
Para acabar, vamos a presentar los paradigmas metodológicos o tradiciones de la
investigación científica en Psicología. Cronbach (1957) en el discurso que realizó en
la 65ª convención anual de la Asociación Americana de Psicología en Nueva York

describió dos métodos de investigación propios de la Psicología: el método
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 3
experimental y el método correlacional. Por su parte, Arnau (1995a) nos dice que
en la ciencia psicológica están presentes dos paradigmas: el paradigma
experimental y el paradigma asociativo (puede verse un esquema de éstos en la
Figura 2.1). Según Arnau (1995a) cada paradigma se caracteriza por: (1) la
formulación de una clase específica de hipótesis, (2) el grado de intervención del
investigador en la situación estudiada, y (3) los procedimientos de recogida de
datos.
Por lo que se refiere al tipo de hipótesis, en el paradigma experimental se
formulan hipótesis causales, mientras que, en el paradigma asociativo se formulan
hipótesis de covariación. Una hipótesis causal puede definirse como un enunciado
que establece una relación inequívoca de causa-efecto. En términos de variables,
esta hipótesis establece una relación entre la variable independiente y la variable
dependiente, y presenta la forma lógica Si A entonces B. Una hipótesis de
covariación, por el contrario, es un enunciado en el que se establece una relación
asociativa (o no-causal) entre fenómenos. Esto quiere decir que este tipo de
hipótesis nos informa de que la variable A está asociada o relacionada con la
variable B. Obviamente, una hipótesis causal implicará relación entre las variables,
sin embargo, una hipótesis de covariación no necesariamente implicará causalidad.
Según Kenny (1979) una relación será causal si se dan tres condiciones:
1. Precedencia temporal de la causa.
2. Relación funcional entre las variables o covariación causa-efecto, de
manera que cuando se da la presunta causa aparece el presunto efecto y
cuando no se da la presunta causa no aparece el presunto efecto.
3. Ausencia de espuriedad, que implica el control previo de las variables
extrañas. Es decir, no debe haber otras explicaciones plausibles del
cambio.
El segundo elemento diferenciador de paradigmas es el grado de intervención del

investigador. En el paradigma experimental el grado de intervención es máximo.
Esto se debe a que el objetivo de este tipo de investigaciones es establecer
relaciones causales inequívocas entre las variables y para ello el fenómeno se ha de
observar en un contexto muy controlado. El experimentador deberá actuar de la
siguiente manera: (1) provocará el fenómeno que quiere estudiar y (2) lo aislará
para que ningún elemento extraño afecte a la relación causal que está estudiando.
Dicho en términos más técnicos: el investigador manipulará la variable
independiente y controlará el efecto de las variables de confundido (también
denominadas, variables extrañas). Manipular una la variable independiente quiere
decir que se va a incidir directamente sobre el fenómeno objeto de la investigación
con la intencionalidad de producir un cambio sobre el mismo. Controlar el efecto de
variables de confundido quiere decir que debemos garantizar que los cambios
observados en el fenómeno se deban a la acción directa del experimentador y no a
la acción de otras variables. Este alto grado de intervención del investigador sobre
el fenómeno es lo que ha originado la principal crítica que recibe el paradigma
experimental; a saber: su artificialidad. Los fenómenos en la realidad no se
producen en situaciones tan controladas, por lo que se puede cuestionar que las
conclusiones elaboradas en este paradigma sean válidas en contextos naturales. Sin
embargo, algunos autores como Pereda (1987) nos recuerdan que siempre será
preferible saber algo, aunque no se pueda generalizar, que generalizar algo que no
se sabe.
El paradigma asociativo se caracteriza porque el grado de intervención del
investigador es mínimo. Esto quiere decir que el investigador ni provoca el
fenómeno que quiere estudiar ni lo aísla, sino que se limita a estudiarlo mientras
éste sigue su curso natural. En términos metodológicos esto se traduce en la
ausencia de manipulación de la variable independiente y en un mínimo o nulo
control de las fuentes de variación extrañas. En este sentido las investigaciones que
se realizan dentro del paradigma asociativo sortean la principal crítica que recibe el
paradigma experimental: su artificialidad. No obstante, presentan un inconveniente
que es la imposibilidad de establecer relaciones causales.
El tercer elemento que diferencia entre los dos paradigmas es el procedimiento
de recogida de datos. En otras palabras, los paradigmas se diferencian en cuanto al
tipo de diseños que utilizan. Arnau (1995a) señala que los diseños experimentales y
los cuasi-experimentales se utilizan dentro del paradigma experimental, mientras
que los diseños observacionales y los diseños de encuesta se utilizan dentro del
paradigma asociativo. Aunque ahora no pretendemos extendernos en exceso en la
descripción de los tipos diseños —tema que se abordaremos más adelante—,
creemos que es conveniente dar algunas pinceladas respecto a éstos.
De lo anterior se desprende que tanto los diseños experimentales como los
diseños cuasi-experimentales se utilizan en investigaciones que tienen como
objetivo el establecimiento de relaciones causales inequívocas. En consecuencia, en
ambos tipos de diseños se recurre a la manipulación de una o varias variables
independientes y al control de las variables extrañas. ¿Qué es, entonces, lo que los
diferencia? El grado de control de las variables extrañas. Estas diferencias en cuanto
al grado de control se producen porque los diseños cuasi-experimentales utilizan
grupos no equivalentes —también denominados, grupos intactos o naturales—,
mientras que los diseños experimentales utilizan grupos equivalentes —es decir,
grupos que se forman al azar—.
Por lo que se refiere a los diseños observacionales y al diseño de encuestas,
éstos se incluyen en el paradigma asociativo (Arnau, 1995a). Se trata de
metodologías mediante las que el investigador recaba sus datos sin intentar inducir
cambios o introducir tratamientos. La diferencia fundamental entre una y otra radica
en que la primera se ocupa de investigar fenómenos directamente observables —en
general, la conducta de los individuos—, mientras que la segunda se interesa por el
estudio de procesos que no pueden abordarse mediante la observación directa —por
ejemplo, opiniones o actitudes—. Esta diferencia repercute en el tipo de técnicas

que se utilizan en cada caso para recoger información. De una parte, la metodología
observacional se sirve de técnicas sistemáticas de observación de la conducta. De
otra parte, la metodología de encuestas emplea cuestionarios, a través de los cuales
se obtiene información sobre opiniones, actitudes o determinados constructos
psicológicos.
Tabla 2.1. Paradigmas de investigación en Psicología (Arnau, 1995a)
Paradigma experimental Paradigma asociativo
Hipótesis causal Hipótesis de covariación
Manipulación de la variable independiente No manipulación de la variable independiente
Elevado control de fuentes de variación extrañas Mínimo o nulo control de fuentes de variación
extrañas
Diseños experimentales y cuasi-experimentales Diseños observacionales y diseños de encuesta
2.2. PLANIFICACIÓN DE LA INVESTIGACIÓN CIENTÍFICA
Todo investigador seguirá una serie de etapas para realizar su investigación:
1º) planteará el problema de la investigación; 2º) formulará la hipótesis o
conjetura; 3º) seleccionará la estrategia para solventar el problema; 4º) recogerá
los datos; 5º) analizará los datos; 6º) interpretará los resultados estadísticos; y 7º)
elaborará las conclusiones. Dada la naturaleza cíclica de la ciencia, estas
conclusiones le llevarán a él o a otros investigadores a plantear nuevos problemas
de investigación. Como señalan Box, Hunter y Hunter (1978), el desarrollo de la
ciencia es siempre progresivo a través de un proceso cíclico de aprendizaje.
Las etapas anteriores se reparten en tres niveles de actuación que están
presentes en cualquier proceso de la investigación científica (Arnau, 1989, 1990): el
nivel teórico-conceptual, el nivel técnico-metodológico, y el nivel analíticoestadístico. Dentro del nivel

teórico-conceptual se incluyen el planteamiento del
problema, la formulación de la hipótesis y la elaboración de conclusiones. Dentro del
nivel técnico-metodológico se incluyen las fases correspondientes a la selección de
la estrategia para solventar el problema y la recogida de datos. Por último, dentro

del nivel analítico-estadístico se incluyen las fases de análisis e interpretación de los
resultados estadísticos.
A continuación vamos a profundizar en cada uno de estos niveles y en las etapas
de la investigación científica que incluyen.
2.2.1. Nivel teórico-conceptual
Los científicos invierten una buena parte de sus vidas intentando dar respuesta a
problemas de investigación, por lo que el punto de partida de sus investigaciones —
en definitiva, el origen de la investigación— siempre será una pregunta. En palabras
de Pedhazur y Pedhazur Schmelkin (1991) un problema es un enunciado,
usualmente interrogativo, acerca de la relación entre dos o más variables (p. 187).
¿Es eficaz este nuevo fármaco para el tratamiento del trastorno bipolar? ¿Existen
diferencias entre hombres y mujeres en cuanto a su aptitud numérica? ¿Podemos
situar el procesamiento de las emociones en alguna región concreta del cerebro?
¿Inciden los prejuicios en los veredictos de los jurados populares? Estos ejemplos
recogen problemas susceptibles de ser estudiados científicamente. En este
momento conviene recordar que la ciencia sólo se ocupa de aquellos fenómenos que
puedan observarse o puedan producirse por medio de un experimento. En
consecuencia, una de las características del problema científico es que éste deberá
poder solventarse; es decir, deberemos poder encontrar una solución al mismo en el
mundo empírico. Con esto quedan descartados otros problemas o preguntas que
puedan formularse pero que no se podrán plantear como problema de investigación
científica.
El problema de investigación, además de ser resoluble, deberá presentar otras
características. Primero, deberá tener relevancia teórica o práctica (puede
encontrarse una discusión de este tema en Pedhazur y Pedhazur Schmelkin, 1991);
segundo, deberemos disponer de los recursos necesarios para solventarlo; y,
tercero, se deberá solucionar respetando los derechos de los participantes en la
investigación (véase en Diener y Crandall, 1978, una amplia exposición sobre el

tratamiento ético en la investigación).
Una vez que el científico haya planteado su problema de investigación, el
siguiente paso que habrá de dar es formular su hipótesis. La hipótesis es la
respuesta al problema de investigación, es decir, recoge la predicción del
investigador —los resultados que espera obtener—. Si hemos definido el problema
de investigación como un enunciado, usualmente interrogativo, acerca de la relación
entre dos o más variables, la hipótesis será el enunciado conjetural en el que se
concreta el tipo de relación que esperamos encontrar entre éstas. Así pues, los
enunciados de las hipótesis contienen dos o más variables —que son medibles o
pueden serlo— y la relación entre éstas. Esta relación se entiende en un sentido
amplio, puesto que en las hipótesis se formularán tanto relaciones de causa-efecto
como relaciones de covariación. En este sentido, Keppel (1991) cuando se refiere a
las hipótesis de investigación nos dice:
These hypotheses may represent deductions or derivations from a more
or less formal theoretical explanation of the behavioural phenomenon
you wish to study, or they may represent simply hunches or speculations
that you tentatively hold concerning this phenomenon (p. 4).
A continuación presentaremos las principales características de las hipótesis
(Kerlinger y Lee, 2002):
1. Dirigen la investigación.
2. Se deducen de las teorías o de un conjunto de investigaciones previas.
3. Se pueden someter a prueba: es decir, se puede demostrar que son
probablemente verdaderas o probablemente falsas.
4. Son predicciones del tipo Si A entonces B, donde se establece la relación
entre las variables A y B.
5. Son independientes de los valores y opiniones de una persona.
2.2.2. Nivel técnico-metodológico
Una vez formulada la hipótesis, el investigador se adentrará en el nivel

técnico-metodológico. En este nivel lo que deberá hacer es seleccionar la estrategia
metodológica más adecuada para contrastar su hipótesis. Es decir: deberá decidir
cuál es la mejor manera de proceder para recoger datos que le permitan solucionar
el problema de la investigación. Tendrá que responder a las siguientes preguntas:
cómo se seleccionará la muestra, cómo se formarán los grupos, cómo se manipulará
la variable independiente, cómo se medirá la variable dependiente, cómo se
controlarán las variables de confundido, etc. En esta fase de la investigación, es
muy importante que el investigador tome las decisiones adecuadas, porque, en caso
contrario, puede poner en peligro la validez de su investigación. Las decisiones que
tome repercutirán en la validez interna, en la validez externa y en la validez de
constructo de su investigación (una amplia descripción de las amenazas a la validez
de las investigaciones se encuentra en Cook y Campbel, 1979).
Hay básicamente tres maneras de dar respuesta a los problemas de
investigación, o, dicho de otro modo, hay tres estrategias que podemos adoptar
para recoger los datos:
1. Podemos manipular algún aspecto del ambiente en una situación totalmente
controlada y esperar a ver qué ocurre. En este caso, utilizaremos un diseño
experimental —también denominado, experimento verdadero (Cook y
Campbell, 1979; Dwyer, 1983)—.
2. Podemos manipular algún aspecto del ambiente en una situación no
totalmente controlada y esperar a ver qué ocurre. En este caso, utilizaremos
un diseño cuasi-experimental.
3. Podemos observar el fenómeno que nos interesa de forma natural sin
interferir con el mismo. En este caso, deberemos recurrir a un diseño no
experimental.
Todos los diseños anteriores comparten las siguientes características (Field y
Hole, 2003):
1. Empirismo: los tres tipos de diseños intentan obtener evidencias a través de

la observación y la medida.
2. Medida: todos los métodos intentan medir de la forma más precisa posible
aquello que están estudiando.
3. Replicabilidad: todos buscan asegurarse de que sus resultados puedan ser
reproducidos por otros investigadores.
4. Objetividad: todos intentan dar respuesta al problema de investigación de
forma objetiva, es decir, independientemente de la interpretación del
investigador.
Vamos a ver ahora, a grandes rasgos, cuáles son los principales elementos que
diferencian estos tres tipos de diseños. Estos elementos son la existencia de
manipulación de la variable independiente, el uso de la aleatorización en la
formación de los grupos y el control de las variables de posible confundido. Un
experimento verdadero se caracteriza porque en él se manipula la variable
independiente, se recurre a la aleatorización para formar grupos equivalentes y se
ejerce un control máximo de las variables de posible confundido. Un
cuasi-experimento, por el contrario, presenta las mismas características que el
experimento verdadero, pero, a diferencia de éste, trabaja con grupos no
equivalentes —esto es: grupos naturales o intactos—. Por último, los diseños no
experimentales son aquellos en los que no se manipula la variable independiente,
hay un control escaso o nulo de las variables de posible confundido y no se recurre
a la aleatorización para formar los grupos. En la Tabla 2.2 se presenta un esquema
con las principales diferencias entre un experimento verdadero, un cuasiexperimento y un no

experimento. Este esquema amplía el esquema de la Tabla
2.1, donde se muestran las características diferenciales entre el paradigma
experimental y el paradigma asociativo.
Tabla 2.2. Tipos de diseños
Experimento verdadero Cuasi-experimento No experimento
Manipulación de la
variable independiente SÍ SÍ NO
Aleatorización en la
formación de grupos SÍ NO NO
Control de variables de
confundido SÍ SÍ NO
A la hora de decidir cómo procederá para recoger los datos, el investigador
también deberá atender a una dimensión temporal. Queremos decir con esto que le
puede interesar estudiar el fenómeno en un momento temporal concreto —por lo
que deberá recurrir a un diseño transversal o estático— o, por el contrario, puede
interesarle estudiar la evolución del fenómeno a lo largo del tiempo —por lo que
deberá recurrir a un diseño longitudinal—. Los diseños longitudinales se utilizan
cuando se estudian problemas de investigación que involucran tendencias, cambios
o desarrollos a través del tiempo.
Tal como hemos indicado anteriormente, éste es el momento en el que el
investigador deberá enfrentarse al tema de la validez de su investigación. La validez
significa esencialmente verdad o corrección (Maxwell y Delaney, 1990). En
concreto, el investigador se deberá preocupar de la validez interna, la validez
externa y la validez de constructo. Cook y Campbell (1979) nos dicen que la validez
interna está relacionada con la validez causal. Esto quiere decir que una
investigación tendrá validez interna si se demuestra que los cambios observados en
la variable dependiente se deben exclusivamente a la manipulación de la variable
independiente; es decir, debe quedar totalmente descartada cualquier explicación
alternativa para ese fenómeno. Por su parte, la validez externa en una investigación
garantiza que los resultados obtenidos pueden generalizarse a otros sujetos, a otras
situaciones y a otros momentos temporales. Por último, la validez de constructo se
ocupa de la cuestión de si realmente estamos midiendo el constructo teórico que
pretendemos medir. El término constructo se entiende como sinónimo de concepto
o de construcción teórica, por lo que se trata de fenómenos que no podemos

observar directamente. Así, una investigación con validez de constructo nos
garantiza que las variables observadas son buenos indicadores del constructo o
fenómeno no observable que pretendemos medir.
2.2.3. Nivel analítico-estadístico
En el nivel analítico-estadístico el investigador cubrirá las etapas del análisis de los
datos y la interpretación de los resultados estadísticos. En este momento, deberá
organizar los datos en una tabla o matriz y deberá ser capaz de recurrir a las
técnicas estadísticas más adecuadas para obtener información de ésta. Se trata, en
definitiva, de ser capaz de extraer conocimiento de esos datos. Hemos afirmado en
otro lugar que todo buen investigador debe tener sólidos y precisos conocimientos
sobre estadística (Solanas, Salafranca, Fauquet y Núñez, 2005, p. 1). Esto es así
porque todas las decisiones que el investigador haya tomado en el nivel técnicometodológico —por
ejemplo, cómo se ha seleccionado la muestra, qué tipo de
diseño se ha utilizado, el número de variables independientes, el número de
variables dependientes, la escala de medida de las variables, etcétera— delimitarán
las opciones del análisis estadístico del que se habrá de valer para resolver el
problema de su investigación. De hecho, un científico que conozca bien la
estadística la utilizará para tomar decisiones no sólo en el nivel analítico-estadístico,
sino también en las etapas previas.
Cuando el investigador se enfrenta a la etapa del análisis de datos pondrá en
juego todos sus conocimientos de estadística. Las técnicas de análisis a las que
podrá recurrir dependerán básicamente de cuatro factores: (1) el objetivo de su
análisis, (2) el número de variables que pretenda analizar, (3) la escala en la que
haya medido sus variables y (4) la naturaleza de sus datos en cuanto a la
posibilidad de existencia de covariación en las medidas.
En primer lugar, dependiendo del objetivo del análisis, se recurrirá a las técnicas
de estadística inferencial o a las técnicas de estadística descriptiva. Se utilizarán las
primeras si el objetivo es elaborar conclusiones para toda la población a partir de los
datos de una muestra. Se trata, en definitiva de contrastar una hipótesis de partida

tomando una decisión estadística basada en el cálculo de probabilidades. En este
momento hay que aclarar que el investigador utiliza dos tipos de hipótesis: las
sustantivas y las estadísticas (Kerlinger, 1986). La hipótesis sustantiva es la
hipótesis de investigación que plantea el investigador, mientras que la hipótesis
estadística —o hipótesis de nulidad— es una afirmación que se realiza sobre uno o
más parámetros o sobre la forma de las distribuciones en la población de estudio.
Si por el contrario el objetivo del análisis es sintetizar los datos observados en la
realidad con el objeto de detectar estructuras subyacentes, y sin pretender realizar
inferencias a otras unidades de análisis distintas de las que se está analizando,
entonces recurriremos a la estadística descriptiva. Estas técnicas de análisis
descriptivo se utilizan en general como punto de partida en cualquier investigación,
para realizar una primera exploración que nos informe del comportamiento de los
datos. Este tipo de análisis nos permite, entre otras cosas, detectar la presencia de
valores anómalos.
En segundo lugar, el número de variables que se pretenda analizar también
repercutirá en la elección de la técnica estadística. En este sentido, el investigador
dispone de técnicas estadísticas univariables —si su interés se centra en el análisis
de una sola variable—, técnicas estadísticas bivariables —si se pretende estudiar la
relación entre dos variables—, y técnicas estadísticas multivariables —si se pretende
estudiar la relación entre más de dos variables—.
En tercer lugar, la escala en la que se hayan medido las variables también
incidirá en las técnicas estadísticas que se puedan utilizar. Siguiendo la clasificación
de Stevens (1946, 1951), las escalas de medida son cuatro: nominal, ordinal, de
intervalo y de razón. La escala de medida de una variable determina las
transformaciones matemáticas que se pueden realizar con sus valores, por lo que
condiciona los índices estadísticos que se pueden aplicar para describir su
distribución y las técnicas estadísticas que se pueden aplicar sobre ésta (Michell,
1986).
En cuarto y último lugar, la naturaleza de los datos también es un elemento
esencial que repercute en la elección de la técnica estadística. La cuestión es si los
datos se han obtenido de los mismos individuos o si, por el contrario, los datos
provienen de individuos diferentes. En el primer caso se dice que los datos están
relacionados y en el segundo se dice que los datos son independientes. Por lo que
se refiere a la estadística inferencial, existen algunas técnicas que se fundamentan
en el supuesto de que las observaciones sean independientes, por lo que no
deberán utilizarse en ningún caso si se viola este supuesto.
En resumen, el investigador que alcance la fase de análisis de datos deberá
contestar a las siguientes cuestiones para seleccionar las técnicas estadísticas que
habrá de utilizar:
1. ¿Debo utilizar técnicas de estadística descriptiva o técnicas de estadística
inferencial?
2. ¿Debo utilizar técnicas univariables, bivariables o multivariables?
3. ¿Cuál es la escala en que he medido mis variables?
4. Los datos que quiero analizar, ¿son independientes o están relacionados?
Una vez que el investigador haya seleccionado una o varias técnicas estadísticas,
procederá a analizar sus datos y deberá interpretar los resultados. Por lo que se
refiere a esta interpretación cabe diferenciar entre la interpretación puramente
estadística y a la interpretación sustantiva. Tal como indicábamos al iniciar este
epígrafe, la interpretación estadística de los resultados se sitúa, dentro del proceso
de una investigación, en el nivel analítico-estadístico, mientras que la interpretación
sustantiva de los resultados se sitúa en el nivel teórico-conceptual. En efecto, la
investigación concluye cuando el investigador regresa a su marco teórico para
recuperar su hipótesis sustantiva inicial y confrontarla con los resultados que ha
obtenido en el análisis de datos. Como consecuencia de esta confrontación, el
investigador confirmará o no su hipótesis original y elaborará sus conclusiones.
Keppel (1991) se refiere a esta última etapa de la investigación como fase

reconstructiva, donde una serie de hechos que no se conocían antes de la
realización de la investigación se integran ahora dentro del marco teóricoconceptual.
2.3. TIPOS DE DISEÑOS
Arnau (1995a) define el diseño de investigación como un plan estructurado de
acción que, en función de unos objetivos básicos, está orientado a la obtención de
información o datos relevantes a los problemas planteados (p. 27). Así, el diseño de
una investigación se entiende como el plan de actuación que permitirá al
investigador recoger los datos para solucionar el problema de su investigación. Para
elaborar este plan, el investigador deberá tomar una serie de decisiones. Por
ejemplo: decidirá cómo seleccionará la muestra, el número de grupos con los que
va a trabajar, la manera en que formará los grupos, el número de observaciones
que se registrará de cada unidad, la forma en que se medirán las variables, los
controles que se aplicarán sobre el fenómeno que quiere estudiar, etcétera.
De acuerdo con Arnau (1995a) hay que diferenciar entre tres tipos de diseños:
diseños experimentales, diseños cuasi-experimentales y diseños no experimentales.
Esta misma terminología es la que proponen Pedhazur y Pedhazur-Schmelkin
(1991). No obstante, hay otros autores como Campbell y Stanley (1966) que
distinguen entre diseño experimental, cuasi-experimental y correlacional, y otros
que reducen las estrategias de investigación a dos: diseños experimentales y
diseños ex post facto (Dwyer, 1983; Kerlinger, 1986; Roscoe, 1975).
En nuestro caso, vamos a adoptar la clasificación propuesta por Arnau (1995a) y
Pedhazur y Pedhazur-Schmelkin (1991). Las diferencias esenciales entre los tres
tipos de diseños —experimentales, cuasi-experimentales y no experimentales— ya
se han comentado anteriormente y estriban en los principios de manipulación de la
variable independiente, el control de las variables de confundido y la aleatorización
en la formación de los grupos. Dentro de los diseños experimentales se distingue, a
su vez, entre diseños experimentales clásicos y diseños de N=1, cuya diferencia
esencial es que en los primeros se trabaja con grupos de individuos mientras que en
los segundos se trabaja con una sola unidad de observación.
2.3.1. Diseños experimentales clásicos
2.3.1.1. Definición y características
Comenzaremos este epígrafe ofreciendo algunas definiciones del concepto de diseño
experimental.
Kirk (1995) define el término diseño experimental como un plan para asignar los
sujetos a las condiciones experimentales y el análisis estadístico asociado con ese
plan (p. 1). Continúa indicando que el diseño de un experimento para investigar una
hipótesis científica o de investigación implica un número de actividades
interrelacionadas:
1) Formulación de la hipótesis estadística a partir de la hipótesis científica.
2) Determinación de las condiciones experimentales que van a utilizarse
(variable independiente), la medida que va a registrarse (variable
dependiente) y las variables de posible confundido.
3) Especificación del número de sujetos y de la población de la que se extraerá
la muestra.
4) Especificación del procedimiento para asignar los sujetos a las condiciones
experimentales.
5) Determinación del análisis estadístico que se llevará a cabo.
Keppel (1991) nos dice que un experimento consiste en un plan cuidadosamente
elaborado y ejecutado para recoger y analizar datos (p. 4). Continúa diciendo que
los requisitos de un experimento son: (1) distintos tratamientos se administran a
distintos grupos de sujetos (o los mismos sujetos en diferentes órdenes) y (2) se
observa y se registra la respuesta de los sujetos después de administrar los
tratamientos.
Arnau (1990a) define el diseño experimental como un plan estructurado de
acción tendente a la demostración de relaciones de carácter causal entre la variable
independiente y la dependiente. Con este objeto, el diseño experimental recoge los

tres supuestos implícitos en el enfoque experimental: (a) aleatorización, (b) control
y (c) manipulación.
De las definiciones anteriores se desprenden las principales características del
diseño experimental:
1. Manipulación de la variable independiente: El experimentador interviene de
forma directa sobre el fenómeno que quiere estudiar con el objeto de
provocar cambios sobre el mismo. Tales cambios se registrarán en la
variable dependiente de la investigación. En muchas ocasiones para
referirnos a la manipulación de la variable independiente decimos que hemos
introducido un tratamiento. Por esta razón algunos autores utilizan el
término variable de tratamiento y variable independiente como sinónimos. La
variable independiente o de tratamiento, por definición, tendrá como mínimo
dos valores, niveles o tratamientos, y su manipulación implica que el
investigador asignará aleatoriamente estos valores a los distintos grupos.
2. Control de las variables de confundido: El experimentador controlará todas
las variables que puedan incidir sobre el fenómeno que está estudiando. En
un caso ideal, el experimentador debería asegurarse de que la variable
dependiente varía exclusivamente por su intervención, de manera que
debería controlar toda variable que incida sobre ésta. Dicho de otro modo, la
variabilidad en la variable dependiente se debería poder atribuir a la acción
de la variable independiente. Como acabamos de decir, éste sería el caso
ideal. En la realidad es imposible controlar absolutamente todas las variables
de confundido, por lo que el investigador deberá poner todo su empeño en
controlar todas las que pueda y minimizar el efecto de aquellas que no pueda
controlar completamente.
3. Equivalencia inicial de los grupos: El investigador, cuando opta por un diseño
experimental de grupos, asignará aleatoriamente los sujetos o unidades a los
grupos experimentales. El objetivo de la formación aleatoria de los grupos es

conseguir que éstos sean inicialmente equivalentes. ¿Para qué nos sirve
esto? La respuesta es muy clara: si los grupos son equivalentes antes de
aplicarles sus respectivos tratamientos, entonces, cualquier diferencia entre
ellos después de la intervención se podrá atribuir a la acción del
experimentador. Dicho de otro modo: la equivalencia inicial de los grupos
garantiza que las diferencias que encontremos entre éstos después de la
intervención —y supuesto que se hayan controlando el resto de variables
extrañas— se puedan atribuir a la acción de la variable independiente.
Obviamente la aleatorización garantizará la equivalencia de los grupos sólo si
se forman grupos con un tamaño grande. La lógica subyacente a la
aleatorización en la formación de los grupos es que cualquier variable
extraña de sujeto quedará repartida aleatoriamente en los distintos grupos,
por lo que se neutralizará su efecto.
Estas características del diseño experimental son las que le conducen a presentar
una alta validez interna —puesto que es un diseño que nos permitirá establecer
relaciones causales inequívocas entre variables—, y una baja validez ecológica —
puesto que aborda el fenómeno en una situación tan artificial que hace que se
cuestione la posibilidad de generalizar los resultados a una situación natural
(recordemos que en un experimento no sólo se provoca el fenómeno sino que,
además, se aísla)—. También son estas características las que determinan el ámbito
de aplicación más frecuente del diseño experimental. Aunque podemos encontrar
algunas excepciones, se trata de un tipo de diseños que se utilizan principalmente
en investigaciones de carácter básico que se llevan a cabo en laboratorios. Este es
el tipo de contexto que facilita al investigador el máximo control del fenómeno que
estudia.
Kerlinger (1986) afirma que el propósito del diseño experimental respecto a la
variancia de la variable dependiente es triple y se resume en lo que él mismo
denominó el principio del MAX-MIN-CON. Primero: el investigador debe maximizar la

variancia sistemática primaria de la variable dependiente. Segundo: debe minimizar
la variancia del error de la variable dependiente. Y, tercero: debe controlar la
variancia sistemática secundaria de la variable dependiente.
La variancia sistemática se produce cuando los datos (esto es, la variable
dependiente) varían en un sentido determinado. Se trata de variabilidad entregrupos o entre-

tratamientos. Esta variabilidad la puede provocar el efecto de la
variable independiente —y en ese caso se habla de variancia sistemática primaria—
o la puede provocar variables extrañas que actúan de forma sistemática sobre la
variable dependiente —en cuyo caso, se habla de variancia sistemática
secundaria—. Dado que la variancia sistemática primaria recoge el principal efecto
que se quiere estudiar —recordemos que la intención del investigador es que la
variable dependiente varíe por el efecto de la variable independiente—, deberemos
maximizarla. De este modo, el efecto de la variable independiente será tan amplio y
claro como sea posible. Por el contrario, puesto que la variancia sistemática
secundaria recoge el efecto de variables extrañas que provocan variabilidad entregrupos o entre-
tratamientos, deberemos controlarla. La ausencia de control de la
variancia sistemática secundaria pone en peligro la relación causal que se pretende
establecer.
La variancia de error, por su parte, es variabilidad que presenta la variable
dependiente debida a factores aleatorios. Ésta es la razón por la que esta variancia
también recibe el nombre de variancia aleatoria. Este tipo de variabilidad suele
deberse a errores de medida provocados por la utilización de instrumentos mal
calibrados o a otros factores relacionados con los propios sujetos, la situación
experimental o las condiciones ambientales. Se trata de variabilidad intra-grupo o
intra-tratamiento. Dada su naturaleza aleatoria, la variancia de error no se podrá
controlar y lo único que estará al alcance del investigador es reducirla o minimizarla.
Este objetivo se consigue, en parte, a través de la estructura del diseño.

Diseños de Investigación en

Cargado por

Copyright:

Formatos disponibles

Diseños de Investigación en

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseños de Investigación en

Cargado por

Copyright:

Formatos disponibles

.

2.1. LA INVESTIGACIÓN CIENTÍFICA

Dado que la materia que nos ocupa es el diseño de investigaciones científicas en

reflexión inicial acerca de qué es la Ciencia, qué es la investigación científica y

cuáles son los paradigmas de investigación científica en Psicología.

Comenzaremos con el concepto de ciencia. El término ciencia se define como

conjunto organizado de conocimientos que versa sobre un objeto determinado,

tiene un método propio y se funda en relaciones objetivas comprobables (Seco,

1999). Atendiendo a esta definición, vemos que la Ciencia se caracteriza por su

El objetivo de la ciencia es explicar lo que acontece en el mundo que nos rodea

ofreciendo explicaciones sistemáticas de aquellas realidades que estudia (Pizarro,

1986). En otras palabras: se trata de establecer reglas, más o menos generales,

sobre el funcionamiento de la naturaleza. En el caso de la Psicología, lo que se

pretende es establecer leyes generales y ciertas que nos permitan alcanzar, en la

En el párrafo anterior decimos que el objetivo básico de la ciencia es elaborar

causas? Si comprendemos por qué ocurren los fenómenos podremos llegar a

predecirlos, es decir, anticiparnos a ellos. En consecuencia, se podrá incluso

intervenir en el mundo para mejorar el futuro. Ya a principios de siglo XVII, Francis

Bacon propuso que la finalidad de la ciencia es la mejora de la suerte del hombre en

observación organizada y derivando de ellos teorías.

Para alcanzar su objetivo, la Ciencia procede de una manera especial que es

utilizando el método científico. Si nos remontamos al origen etimológico de la

y odós, que significan, respectivamente, hacia y camino. Así, literalmente, el

un camino que se caracteriza por la sistematicidad, la objetividad y la rigurosidad.

Este método, seguido en el razonamiento científico, se conoce como método

Una vez se ha aclarado qué es la ciencia, cuál es su objeto y cuál es su método

vamos a proceder con la definición de la investigación científica. Se trata de un

proceso de indagación que persigue la elaboración de explicaciones sistemáticas,

comprobables por la observación o producidos por medio de un experimento. Con

científicamente, como, por ejemplo, la existencia de vida en otras galaxias. En este

caso la razón es muy clara: por el momento no disponemos de tecnologías para

observar otras galaxias distintas a la nuestra.

investigar: sólo podrán ser objeto de la investigación científica aquellos fenómenos

reproducidos por otros investigadores.

Para acabar, vamos a presentar los paradigmas metodológicos o tradiciones de la

investigación científica en Psicología. Cronbach (1957) en el discurso que realizó en

la 65ª convención anual de la Asociación Americana de Psicología en Nueva York

DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 3

en la ciencia psicológica están presentes dos paradigmas: el paradigma

experimental y el paradigma asociativo (puede verse un esquema de éstos en la

formulación de una clase específica de hipótesis, (2) el grado de intervención del

investigador en la situación estudiada, y (3) los procedimientos de recogida de

Por lo que se refiere al tipo de hipótesis, en el paradigma experimental se

formulan hipótesis causales, mientras que, en el paradigma asociativo se formulan

hipótesis de covariación. Una hipótesis causal puede definirse como un enunciado

que establece una relación inequívoca de causa-efecto. En términos de variables,

esta hipótesis establece una relación entre la variable independiente y la variable

dependiente, y presenta la forma lógica Si A entonces B. Una hipótesis de

covariación, por el contrario, es un enunciado en el que se establece una relación

hipótesis nos informa de que la variable A está asociada o relacionada con la

sin embargo, una hipótesis de covariación no necesariamente implicará causalidad.

1. Precedencia temporal de la causa.

2. Relación funcional entre las variables o covariación causa-efecto, de

manera que cuando se da la presunta causa aparece el presunto efecto y

cuando no se da la presunta causa no aparece el presunto efecto.

3. Ausencia de espuriedad, que implica el control previo de las variables

extrañas. Es decir, no debe haber otras explicaciones plausibles del

El segundo elemento diferenciador de paradigmas es el grado de intervención del