Dise単o Experimental
EDITORIAL Los diseños de investigación son quizás uno de los métodos mas aplicados en la actualidad, debido a la cantidad de investigaciones que se realizan en diversas ciencias, así mismo, este tipo de investigación generalmente es mas aceptada por los lectores, debido a que es capaz de entregar a través de números los resultados. Este tipo de investigación tiene un auge interesante a principios del siglo XX debido a la cantidad de proyectos realizados en pro de mejorar diversas técnicas de producción. El máximo exponente, si se quiere del desarrollo de este diseño de investigación es Ronald Fisher, cuyas investigaciones aplicadas a la agronomía y a la colaboración del desarrollo del estadístico T-Student y la varianza. A pesar de las dificultades que tuvo Ronald, para responder sus teorías y argumentos nunca descanso en el desarrollo de herramientas que faciliten o mejoren la calidad con la que se presentan los resultados. La percepción que tenemos como alumnos acerca de los diferentes método de investigación siempre esta ligada a nuestro entorno laboral o al ambiente donde nos desenvolvemos, por ello es imprescindible tener un cambio de paradigma en cuanto a la investigación. El diseño de investigación constituye un aspecto fundamental y necesario de todo proceso científico. Cuando un investigador se plantea realizar un estudio, suele tratar de desarrollar algún tipo de comparación. El diseño de investigación supone, así, especificar la naturaleza de las comparaciones que habrían de efectuarse, constituyendo además el plan general del investigador para obtener respuestas a sus interrogantes o comprobar las hipótesis de investigación. El diseño de investigación desglosa las estrategias básicas que el investigador adopta para generar información exacta e interpretable. La importancia de utilizar un adecuado diseño experimental en la investigación científica ha sido señalada por numerosos investigadores. Sin embargo, estos investigadores aún no han logrado ponerse de acuerdo a la hora de elaborar una definición adecuada del diseño experimental. Atendiendo las primeras nociones que nos han impartido en la cátedra, podemos comenzar desarrollando empíricamente el concepto de investigación experimental, a través de los conceptos podemos entender y desarrollar un concepto muy vago el cual es: basado en observaciones, recolecciones de datos y procesamiento de los mismos a través de pruebas e instrumentos de medición para constatar alguna inquietud o problema que nos aqueje como profesionales. Diariamente llevamos a cabo investigaciones experimentales sin darnos cuenta, por ejemplo que ruta o camino tomar para llegar a un determinado lugar, nos basamos en variables como tipo de transporte a usar, recursos económicos, distancia, tiempo estimado de llegada y motivo de llegada. El diseño de investigación constituye un aspecto fundamental y necesario de todo proceso científico. Cuando un investigador se plantea realizar un estudio, suele tratar de desarrollar algún tipo de comparación. El diseño de investigación supone, así, especificar la naturaleza de las comparaciones que habrían de efectuarse, constituyendo además el plan general del investigador para obtener respuestas a sus interrogantes o comprobar las hipótesis de investigación. El diseño de investigación desglosa las estrategias básicas que el investigador adopta para generar información exacta e interpretable. La importancia de utilizar un adecuado diseño experimental en la investigación científica ha sido señalada por numerosos investigadores. Sin embargo, estos investigadores aún no han logrado ponerse de acuerdo a la hora de elaborar una definición adecuada del diseño experimental
Autores: María Alejandra Paz Víctor Román Pérez Mújica Tulio David Ugarte Noguera
Historia El desarrollo de los métodos de Diseño de Experimentos y análisis de varianza se debe a Ronald A. Fisher (1880– 1962); Quién en su trabajo en la estación de investigación agraria de Rothamsted ubicada en el Reino Unido desarrolló los principios de la experimentación científica plasmado en su libro Design of Experiments. Según Ronald Fisher en su obra titulada “Statistical methods for research workers”, afirma que la historia de la teoría estadística empleada en el diseño experimental se remonta al célebre ensayo de Thomas Bayes publicado en 1763 y conocido como el primer intento de utilizar la teoría de la probabilidad como instrumento de razonamiento inductivo, para deducir de lo particular a lo general o de la muestra a la población. Posteriormente el Sr Ronald A. Fisher influenciado por Pearson y Student (W.S. Gosset) realizo importantes aportes a la estadística, con investigaciones hacia el interior de las distribuciones de datos estadísticos con el coeficiente de correlación y concibió la idea de diseño de experimental con un método para obtener información más completa y más precisa en la realización de un experimento. Durante los años de 1930 la influencia de su trabajo estadístico se difundió a través del mundo de habla inglesa y luego de la segunda guerra mundial con la formación de la Sociedad Internacional Biométrica. Posterior en 1947. F. Yates, G. Box, R. Bose, O. Kempthorne, W. Cochran Y Douglas Montgomery contribuyeron de manera significativa en las publicaciones sobre el diseño de experimentos. Muchas de las primeras aplicaciones del diseño experimental se dieron en el área de la agricultura y ciencias biológicas; sin embargo las primeras aplicaciones industriales del diseño experimental se hicieron en la década de 1930, en la industria textil y de la lana británica. Después de la segunda guerra mundial, los métodos de diseños de experimentos se introdujeron en las industrias de los Estados Unidos y Europa. En años recientes ha habido un renovado interés por el diseño experimental en los Estados Unidos en virtud de que varias industrias han descubierto de que sus competidores han estado usando por muchos años experimentos diseñados y que esto ha sido un factor importante en su éxito competitivo.
Definición Finney (1960) afirma que el diseño de un experimento esta constituido por: una serie de tratamientos seleccionados para hacer comparaciones. La especificación de las unidades a las cuales se aplicaran los tratamientos. Las reglas por las cuales se asignaran los tratamientos a las unidades experimentales. La especificación de las medidas que van a tomarse de cada unidad (variable dependiente). Para Kirk (1972) un diseño experimental es un plan de acuerdo con el cual se asigna a los sujetos a los diferentes grupos o condiciones experimentales. Hay cinco actividades interrelacionadas que lo caracterizan: 1) la formulación de hipótesis estadísticas, 2) el establecimiento de reglas de decisión para poner a prueba dichas hipótesis, 3) la recogida de los datos de acuerdo con un plan que permita evaluar las hipótesis, 4) el análisis de los datos, y 5) la toma de decisiones respecto a las hipótesis y a la formulación de inferencias inductivas respecto de las hipótesis científicas o de investigación. Para Arnau (1981), "en su sentido mas general el diseño experimental incluye a los procedimientos requeridos en una investigación experimental que van desde la formulación de la hipótesis hasta la obtención de las conclusiones". Tales procedimientos se refieren a la formulación de la hipótesis, selección de las variables independientes y de las variables dependientes, control de las variables experimentales, manipulación de las variables independientes y registro de la variable dependiente, análisis de la varianza producida en la variable dependiente e inferencia de las relaciones entre las variables en estudio. Como podemos ver entre los autores de diferentes épocas, mas que nada del pasado siglo, en su mayoría tienden a esbozar el diseño de investigación como un patrón determinista basado en la información que se recoge del ambiente, de los sujetos, de ellos tenemos que ubicar las variables dependientes e independientes las cuales nos permitirán medir y compara resultados. A partir de las definiciones de los distintos autores, Jiménez Fernández (2000) define el diseño como un esquema o estructura lógica de acción que permite mantener constante el influjo de las variables experimentales pertinentes y controlar así la influencia de la o las variables independientes sobre la o las variables dependientes. Básicamente los objetivos de un diseño experimental son dos:
Dar respuestas a las preguntas de la investigación
Controlar la varianza que no es mas que "las diferencias que, en promedio, tiene cada elemento del conjunto con respecto a su media (o promedio)"
Características
Reunión de sujetos en grupos equivalentes. Ninguna de las diferencias de los resultados se deberá a las diferencias que pueda haber entre los sujetos del grupo inicialmente. El método más habitual es la asignación al azar.
Necesidad de que haya dos grupos como mínimo para establecer comparaciones. Por lo tanto, esta característica nos dice que no se puede llevar a cabo con un sólo grupo de sujetos y una única condición experimental. Este método implica comparar el efecto de una condición entre dos grupos o más.
Manipulación de variables independientes. El investigador decide los niveles que corresponderán a cada grupo de sujetos. La variable se manipula con diferentes niveles que asigna el investigador. Es muy importante que las asigne éste.
La medición de variables dependientes. Los fenómenos que serán valores pueden ser consignados con variables numéricas. Es imprescindible que la variable sea en forma numérica.
Utilización de estadística inferencial. Se toman decisiones en términos de probabilidad, lo que da lugar a poder realizar generalizaciones a partir de las muestras que se recojan.
Control de variables extrañas. Se utilizan estas variables, pero no influirán en la variable dependiente, aunque en algunas ocasiones ocurrirá de manera homogénea en todos los grupos.
Estas características se utilizan en muchas ocasiones en medicina y biología aparte de en la investigación experimental. En la investigación pedagógica no se puede seguir siempre pero eso no disminuye su importancia en la educación. En la idea de Campbell y Stanley, recogida en su capítulo " Experimentación y diseños cuasiexperimentales para la educación" se recoge que es preciso aplicar de modo diferente métodos de investigación del comportamiento que identifiquen las causas que permitan la interpretación de los fenómenos.
Fases de un Experimento Un experimento consiste en una situación simulada en la que se modifican voluntariamente las condiciones de una o diversas situaciones precedentes (variable independiente) para comprobar cómo afecta esta variable independiente otra situación consiguiente (variable dependiente) que se observa sistemáticamente. Esta situación se plantea en diversas etapas: 1. Planteamiento de un problema de conocimiento: se plantea cuando no hay una explicación para un fenómeno o tenemos una laguna de conocimiento. Esto está relacionado con la variable dependiente, es decir, con la situación consiguiente. Son preguntas que se hace el investigador y que pueden ser resueltas mediante un experimento. 2. Formulación de hipótesis: son anticipaciones a un resultado posible. Esta anticipación es la hipótesis. Es una relación entre la variable independiente (causa) y la variable dependiente (efecto). Esta hipótesis deberá comprobarse empíricamente. 3. Realización de un diseño adecuado de la hipótesis: esto es su organización formal, que incluye diversos procesos como, por ejemplo, la definición de las variables independientes. 4. Recogida y análisis de datos: para recoger datos se pueden usar diferentes instrumentos y técnicas que pueden ser impresas (tests, instrucciones escritas, etc.) o aparatos complejos (temporizador). Después para analizarlos se sigue un plan de análisis de datos, que deberá haber sido previsto con anterioridad. 5. Elaboración de conclusiones: se especifica hasta qué punto y con qué limitaciones queda confirmada la hipótesis experimental, y también el posible grado de generalización con relación al proceso que se ha seguido y con la muestra con la que se ha trabajado.
VENTAJAS
Se elimina el efecto de las variables perturbadoras o extrañas, mediante el efecto de la aleatorización. El control y manipulación de las variables predictorias clarifican la dirección y naturaleza de la causa. Se requiere una estrecha colaboración entre los estadísticos y el investigador o científicos con las consiguientes ventajas en el análisis e interpretación de las etapas del programa. Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-planeación sistemática, permitiendo aun la ejecución por etapas y la producción única de datos útiles para el análisis en combinaciones posteriores. Debe enfocarse la atención a las interrelaciones y a la estimación y cuantificación de fuentes de variabilidad en los resultados. El número de pruebas requerido puede determinarse con certeza y a menudo puede reducirse. La comparación de los efectos de los cambios es más precisa debido a la agrupación de resultados. La exactitud de las conclusiones se conoce con
DESVENTAJAS
Tales diseños y sus análisis, usualmente están acompañados de enunciados basados en el lenguaje técnico del estadístico. Sería significativos a la generalidad de la gente, además, el estadístico no debería subestimar el valor de presentarnos los resultados en forma gráfica. De hecho, siempre debería considerar a la representación gráfica como un paso preliminar de un procedimiento más analítico. Muchos diseños estadísticos, especialmente cuando fueron formulados por primera vez, se han criticado como demasiado caros, complicados y que requieren mucho tiempo. Tales críticas, cuando son válidas, deben aceptarse de buena fe y debe hacerse un intento honesto para mejorar la situación, siempre que no sea en detrimento de la solución del problema.
Técnicas de Recolección de Datos Un experimento se lleva a cabo generalmente mediante la manipulación de una variable, llamada variable independiente, afectando al grupo experimental. El efecto que le interesa al investigador, la(s) variable(s) dependiente(s), es lo que se mide. Es fundamental identificar y controlar los factores no experimentales que el investigador no quiere que influyan en los efectos para llegar a una conclusión válida. Esto generalmente es llevado a cabo por variables de control, si es posible, o por variables que aleatorizan para minimizar los efectos que pueden ser rastreados de nuevo en terceras variables. Los investigadores sólo quieren medir el efecto de la(s) variable(s) independiente(s) en la realización de un experimento, para que le permita llegar a la conclusión de que ésta era la razón para el efecto. En tal sentido aplican diferentes métodos de recolección de datos: DISEÑOS PREEXPERIMENTALES: Les faltan dos o más de las características propias de las investigaciones experimentales, por lo que algunas características de su validez interna son demasiado débiles y los resultados son difíciles de interpretar. Por esto, no pueden hacer inferencias causales y se usan para aportar ideas que sean probadas por otros diseños más sistemáticos. Diseños de solo posttest con un grupo: Se caracteriza por no haber aplicado ningún pretest, pero si el tratamiento y el posttest, por lo que no se puede decidir si la conducta que se está investigando ha cambiado en algo. Sin grupo de control es difícil conocer la influencia de otros factores dados en el mismo tiempo y que pueden influir en los valores de la variable dependiente. Diseños de pretest-posttest con un grupo: A un grupo de sujetos se le aplica en primer lugar el pretest, a continuación el tratamiento y por último, el posttest. Se debe valorar los cambios que se han dado desde la aplicación del pretest a la aplicación del posttest.
DISEÑOS PROPIAMENTE EXPERIMENTALES: Incluyen procedimientos para sacar las diferencias intersujeto por medio de la formación de grupos al azar y la manipulación de la variable de tratamiento (independiente). Diseño sólo de posttest con grupo de control: Ambos grupos (el de control y el experimental) se forman al azar. Al haberlos formado de este modo no hace falta aplicarles el pretest y se les aplica directamente el tratamiento sólo al grupo experimental y el posttest a los dos grupos. DISEÑOS CUASIEXPERIMENTALES: Se caracterizan porque aunque no sean verdaderos experimentos, nos garantizan un control razonable sobre la mayor parte de las fuentes de invalidez y son más sólidos que los diseños preexperimentales. Utiliza grupos de sujetos establecidos no aleatoriamente con anterioridad. Diseño de pretest-posttest con grupo de control no equivalente: Se aplica un pretest, un tratamiento sólo a un grupo y posteriormente aplica un posttest. Toda medición o instrumento de recolección de datos debe reunir tres requisitos: Confiabilidad: se refiere al grado en su aplicación repetida al mismo sujeto u objeto produce resultados consistentes y coherentes. Validez: se refiere al grado en que un instrumento realmente mide la variable que se desea medir. La cual debe evaluar la validez del contenido, del criterio y del constructo. Objetividad: refiere al grado en el que el instrumento es permeable a la influencia de los sesgos y tendencias de los investigadores que lo administran, califican e interpretan..
Análisis de Datos La información procesada tiene un valor inestimable, de ella dependerá que puedan o no resolverse las preguntas iniciales formuladas por el investigador. Pero, no obstante, la información no habla por sí misma, no es capaz de dar respuestas deseadas hasta tanto no se efectúe sobre ella un trabajo de análisis e interpretación. El análisis de los datos surge más del marco teórico trazado que de los datos concretos obtenidos; de ahí se define con suficiente antelación, qué datos serán capaces de rechazar o afirmar una hipótesis, qué resultados indicarán una u otra conclusión. Esta actividad, llamada por algunos autores análisis anticipado [Cf. Selltiz et al,Op. cit.] es fundamental para evitar sorpresas lamentables, como por ejemplo la de encontrar que no tenemos suficientes datos al final del procesamiento, o de que los que poseemos no nos sirven en realidad para mucho. El Procedimiento para analizar los datos se basa en las siguientes fases
Campo de Aplicación del Diseño El diseño de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a un gran numero de industrias, la optimización de recursos, la identificación de causas de variabilidad son algunos de los objetivos del diseño de experimentos aplicados en nivel industrial. necesito experimentos de un solo factor. A continuación se muestran algunos ejemplos de aplicaciones existentes según el tipo de industria. Industrias pesadas o de base Química pesada: Estudio de la composición para la elaboración de productos Industrias de bienes de equipo Maquinaria Medida de la variabilidad de los instrumentos de medida Diseño de motores eléctricos Diseño de electrodos Diseño de elementos de sujeción Materiales de construcción Estudios de corrosión Aplicaciones en el mecanizado Estudio de procesos de soldadura Optimización del proceso de anodizado y pintado Industrias ligeras o de uso y consumo Farmacia y química ligera Informática y telecomunicaciones Estudio del rendimiento de una red informática Mejora del rendimiento de un procesador. Reducción del tiempo del CPU Optimización de materiales en semiconductores Diseño de filtros pasivos Biotecnología Operaciones en un sistema de fangos activos