Diseño de investigación

1. Diseño de investigación

2. Diseño de investigación • Plan o estrategia para recolectar y analizar información con el fin de llegar a conclusiones basadas en evidencia sólida y no en un razonamiento defectuoso o en meras opiniones

3. Diseño de investigación • Qué se va a hacer • Cómo se piensa hacerlo • Por qué se da cada paso • Por qué se da cada paso así y no de otra forma

4. Diseño de investigaciónElementos básicos • Pregunta de investigación • Teorías o hipótesis que van a ser sometidas a prueba • Unidad de análisis apropiada • Variables • Operacionalización y medición • Observación • Procedimientos analíticos

5. Diseño de investigaciónTipos básicos • Exploratorio: más flexibilidad que precisión • Descriptivo: • Medición precisa de fenómenos • Diseño debe evitar el sesgo en la observación

6. Diseño de investigaciónTipos básicos • Explicativo • Observación confiable, no sesgada • Diseño debe servir de base para inferir la influencia causal de una(s) variable(s) sobre otra(s) • Posibilidad de evaluar la hipótesis central vs. hipótesis alternativas

7. Diseño de investigaciónLimitaciones • Éticas • Presupuestales • De tiempo • De falta de datos

8. Diseño causal • Permite inferir relaciones causales entre las variables • Define el dominio de generalizabilidad • Un mal diseño puede llevar a conclusiones insignificantes o erróneas, aun si las ideas o las hipótesis son brillantes

9. Diseños causales • Buscan: • Establecer una relación entre dos o más variables • Demostrar que los resultados son generalmente ciertos en el mundo real • Revelar si un fenómeno precede a otro en el tiempo • Eliminar tantas explicaciones alternativas como sea posible

10. Diseños causales • Requisitos: • Covariación • Proceso lógico • Precedencia en el tiempo • Eliminar la posibilidad de relación espuria

11. Relación causal Y X Relación espuria Z Y X Relaciones causales y espurias

12. Ejemplo: publicidad negativa • Hipótesis: La publicidad negativa cansa y frustra a los posibles votantes y los hace pensar que ningún candidato merece su voto • Diseño: • Encuesta postelectoral con una muestra de ciudadanos • Pregunta: ¿Ha visto publicidad negativa? (X) • Pregunta: ¿Votó en la última elección? (Y)

13. Ejemplo: publicidad negativa • Resultados:

14. ¿Diseño causal? • Requisitos • Covariación • Proceso lógico • Precedencia en el tiempo • Eliminar la posibilidad de relación espuria    

15. Relación causal Y (Decisión de votar) X (Exposición a publicidad negativa) - Relación espuria Z (Educación) - + Y (Decisión de votar) X (Exposición a publicidad negativa) Relaciones causales y espurias

16. Diseño experimental • Controlar la exposición a una variable experimental (VI) • Asignar los sujetos a diferentes grupos • Observar y medir la respuesta o comportamiento (VD)

17. Diseño experimental • Dos grupos: • Grupo experimental (expuesto al estímulo) • Grupo de control (no expuesto al estímulo)

18. Diseño experimental • Asignación aleatoria de individuos a los grupos • Pertenencia al azar, no por autoselección • Los grupos son prácticamente idénticos en todos los aspectos • Esto es lo que hace tan poderosos los experimentos

19. Diseño experimental • Control de la administración del estímulo (dónde, cuándo, bajo qué circunstancias) • Medición de la VD antes y después del estímulo • Control del entorno • Exclusión de factores o influencias extraños que puedan afectar la VD • Misma hora del día, mismas condiciones, etc.

20. Ej. Publicidad negativa • División de la muestra en grupos aleatoriamente • Cuestionario sobre características demográficas, creencias y opiniones políticas (incluyendo la VD) • Los grupos deberían ser similares en todas las características. Si hay diferencias, son por azar (error de muestreo), no sistemáticas

21. Ej. Publicidad negativa • El propósito del estudio se oculta: “Proyecto sobre noticieros” • 15 minutos de noticieros • 30 segundos de publicidad • Negativa (grupo experimental) • Crema dental (grupo de control) • 15 minutos de noticiero • (Parte del) cuestionario de nuevo

22. Resultados • Covariación • Proceso lógico • Precedencia temporal

23. Resultados • Descarte de posibles explicaciones alternativas y de relaciones espurias • Selección aleatoria • Manipulación del experimento • Los grupos (en promedio) sólo difieren en la exposición al tratamiento  La diferencia en la intención de voto es atribuible a la publicidad negativa

24. Diseño experimental

25. Validez interna • En qué medida el diseño garantiza que la posible relación encontrada es causal, no espuria

26. Condiciones que afectan la validez interna • Historia: eventos que ocurren entre las mediciones pre- y post-test pueden afectar la VD

27. Condiciones que afectan la validez interna • Maduración: cambio de los sujetos en el tiempo • Cansancio • Confusión • Distracción • Aburrimiento

28. Condiciones que afectan la validez interna • “Efecto de la prueba” (testing): la medición pre- puede afectar la medición post- • Las preguntas políticas pueden alertar al individuo sobre el propósito del estudio y, por consiguiente, alterar su respuesta post.

29. Condiciones que afectan la validez interna • Sesgos de selección • Regresión a la media • Mortalidad experimental (deserción que desequilibre los grupos) • Alteración del instrumento antes y después

30. Validez interna del diseño experimental • A pesar de todo esto, el diseño experimental es el más sólido en cuanto a su validez interna

31. Validez externa del diseño experimental En qué medida los resultados son generalizables a: • Poblaciones más amplias • Momentos diferentes • Condiciones diferentes Diseño experimental: • La muestra original no es representativa • Las condiciones son artificiales

32. Otros tipos de diseño experimental • Diseño post-test simple • Grupos virtualmente idénticos (selección aleatoria, grupos grandes) • Sólo se hace medición post • No hay efecto de prueba

33. Otros tipos de diseño experimental • Series de tiempo experimentales (cuando no se sabe cuánto tiempo tarda en aparecer el efecto) • Diseño multigrupo (cuando se miden varios niveles de la VI) • Experimentos de campo o cuasi-experimentos

34. Inferencia causal en diseños no experimentales • Un solo grupo • No hay control sobre la asignación de sujetos • No hay control sobre la aplicación del estímulo (VI)  Inferencias causales menos fuertes que en los diseños experimentales

35. Ejemplos de diseños no experimentales • Encuestas • Grupos focales • Datos agregados • ej. resultados electorales

36. Ejemplos de diseños no experimentales • Análisis documental o de contenido • ej. asignación de un puntaje en la escala ideológica de magistrados de la Corte Suprema a partir de editoriales de diarios que comentan su nominación • Estudios de caso

37. Series de tiempo • Varias mediciones de la VD tomadas antes y después de la “introducción” de la VI • Tendencias pre-test • Mediciones post • ¿Cambian las tendencias?

38. Series de tiempo

39. Series de tiempo • Funciona mejor cuando la VI ocurre en un momento dado • Ej.: Evaluación de la introducción de una política pública o un programa • Cambios en el instrumento amenazan la validez interna • Ej.: Medición del desempleo

40. Series de tiempo • Se pueden crear grupos cuasi-experimentales y grupos de cuasi-control • Ej.: Programas de paz y desarrollo (municipios con y municipios sin) • A veces se mide en el tiempo no sólo la VD sino también la VI • Ej.: Hipótesis: “las variaciones en la opinión pública afectan los cambios en las decisiones de las altas cortes”

41. Series de tiempo

42. Diseño transversal (cross-section) • Mediciones de las VI y VD tomadas (aprox.) al mismo tiempo • No hay control sobre • Aplicación del tratamiento • Asignación de sujetos a grupos • Condiciones de aplicación de la VI

43. Diseño transversal (cross-section) • Técnicas estadísticas para producir grupos cuasi-experimentales y de cuasi-control post-tratamiento • Más realista = mayor validez externa • Ej.: Hipótesis: “Quienes tienen mayores niveles de educación formal reciben mayores ingresos” • No es susceptible de diseño experimental • El control se logra midiendo factores alternativos y controlándolos estadísticamente

44. Relación causal Y (Decisión de votar) X (Exposición a publicidad negativa) - Relación espuria Z (Educación) - + Y (Decisión de votar) X (Exposición a publicidad negativa) Relaciones causales y espurias

45. Diseño transversal Ej. Publicidad negativa • Encuesta a muestra representativa • Preguntas • Exposición a publicidad • Decisión de voto • Nivel educativo • Se descarta la relación espuria entre exposición y abstención (vía educación) controlando este factor mediante técnica estadística (regresión)

46. Diseño transversal Problemas • No hay garantía de precedencia temporal • Especialmente cuando las variables son actitudes o creencias • Es difícil incluir medidas de todas las explicaciones alternativas posibles • Puede haber “sesgo de variable omitida” • Las diferencias entre los “grupos” pueden ser sistemáticas, no al azar

47. Diseño de panel • Diseño transversal + dimensión temporal • Hay un pre-test • Ej.: Estudio del impacto de las campañas en el comportamiento electoral (Brasil) • Problema: “mortalidad”

48. Estudio de caso • Examen a uno o unos pocos casos • Más detalle y profundidad • Combinación de varios métodos de recolección de datos • Entrevistas • Documentos • Observación • Considerado por algunos como un diseño inferior para hacer inferencias causales

49. Estudio de caso • Exploratorio • Cuando se conoce poco el fenómeno • Sugerir explicaciones generales posibles  hipótesis que pueden ser probadas más sistemáticamente observando más casos

50. Estudio de caso • Descriptivo • Averiguar y describir qué sucedió en una o unas cuantas situaciones • No se buscan explicaciones generales • Explicativo • Probar hipótesis deducidas de teorías existentes