Diseños Experimentales Clásicos by Cynthia PMartinez https://padlet.com/samoritacp/Bookmarks Hecho con un toque de buena suerte en-us 2022-03-15 17:39:25 UTC 2025-10-18 03:32:54 UTC hello@padlet.com Diseños experimentales clásicos "Definición y características" concepciontoxqui https://padlet.com/samoritacp/Bookmarks/wish/2096558552
  • Kirk (1995)  Plan para asignar los sujetos a las condiciones experimentales y el análisis estadístico asociado con ese plan.
  •  Keppel (1991)  Plan cuidadosamente elaborado y ejecutado para recoger y analizar datos.
  •  Arnau (1990)  plan estructurado de acción tendente a la demostración de relaciones de carácter causal entre la variable independiente y la dependiente.
    • Concepción Toxqui Galindo
    ]]>     2022-03-15 18:20:27 UTC https://padlet.com/samoritacp/Bookmarks/wish/2096558552     https://padlet.com/samoritacp/Bookmarks/wish/2106801850
  •  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.  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.
  • Control de las variables de confundido: La  variabilidad en la variable dependiente se debería poder atribuir a la acción de la variable independiente, es decir, a la intervención del experimentador.  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.
  •  Equivalencia inicial de los grupos:  El objetivo de la formación aleatoria de los grupos es conseguir que éstos sean inicialmente equivalentes. La equivalencia inicial de los grupos garantiza que las diferencias que encontremos entre éstos después de la intervención, se puedan atribuir a la acción de la variable independiente.
    • "Estas características del diseño experimental son las que le conducen a presentar una alta validez interna"
    Concepción Toxqui Galindo
    ]]>     2022-03-22 05:27:26 UTC https://padlet.com/samoritacp/Bookmarks/wish/2106801850     2.3.1.3 Análisis de Datos https://padlet.com/samoritacp/Bookmarks/wish/2106818822 La técnica estadística más usada por los investigadores es el análisis de la varianza, conocida con el acrónimo AVAR o ANOVA.

    El AVAR es una técnica estadística que nos permite estudiar la relación entre una variable de agrupación y una variable cuantitativa —en términos experimentales, nos permitirá estudiar el efecto de la variable independiente sobre la variable dependiente.

    Los principios básicos de tres tipos de AVAR. 1. El AVAR para un diseño simple de grupos al azar. 2. El AVAR para un diseño factorial de grupos al azar. Y, 3. El AVAR para un diseño simple de medidas repetidas. Nos centraremos en estos tres tipos de AVAR, porque nos permitirán: (1) destacar las diferencias entre un AVAR simple y un AVAR factorial, lo que quiere decir que veremos cómo el AVAR nos permite estudiar el efecto entre un AVAR para datos independientes y un AVAR para datos relacionados. 

    AVAR UNIFACTORIAL PARA MUESTRAS INDEPENDIENTES
    Existen tres supuestos que han de cumplirse si queremos
    aplicar un AVAR 
    1. Independencia de las observaciones
    2. Normalidad de los datos
    3. Homocedasticidad   

    AVAR MULTIFACTORIAL PARA MUESTRAS INDEPENDIENTES
    Nos abre la posibilidad de analizar la interacción.

    AVAR UNIFACTORIAL PARA MUESTRAS RELACIONADAS
    Utilizaremos el AVAR para muestras relacionadas cuando tengamos medidas de los mismos individuos bajo los distintos niveles de la variable que pretendamos analizar.
    Mónica Toxqui
    ]]>     2022-03-22 05:41:43 UTC https://padlet.com/samoritacp/Bookmarks/wish/2106818822     Clasificación de los diseños experimentales clásicos https://padlet.com/samoritacp/Bookmarks/wish/2106820467  Viader (1995):
    • Diseños simples: una variable independiente
    • Diseños factoriales: dos o más variables independientes
    • Diseños univariables:  una variable dependiente
    • Diseños multivariables: dos o más variables dependientes.
    •  Diseño transversal (también denominado diseño cross-sectional o estático):  una sola medida u observación por sujeto y condición.
    • Diseño longitudinal:  más de una medida u observación.
    • Diseño de grupos al azar: la población se elije al azar.
    • Diseños de bloques al azar:  el investigador sabe que hay una variable extraña que puede incidir sobre su variable dependiente.
    • Diseño de medidas repetidas:  e cada sujeto o unidad de análisis se observa bajo cada condición de tratamiento y se utiliza la misma medida conductual como variable dependiente. 
    ]]>     2022-03-22 05:43:10 UTC https://padlet.com/samoritacp/Bookmarks/wish/2106820467     Diseños experimentales de N=1 "Definición y características" https://padlet.com/samoritacp/Bookmarks/wish/2106821551 Los diseños experimentales de  N=1 o diseño de caso único se caracterizan por el registro sucesivo a lo largo del tiempo de la conducta de un caso único o de un grupo pequeño(N>1), antes, durante, y en algunos casos, tras la retirada del tratamiento, en situaciones muy controladas, sin utilizar datos promediados, y utilizados en investigación básica como en la aplicada de carácter no terapéutico, de diagnóstico y evaluación, y terapéutico y de intervención (Kratochwill, 1992).

    Permiten el estudio intensivo de la conducta en situaciones controladas lo que posibilita investigar las causas que afectan a la variabilidad de la conducta y estudiar el efecto del tratamiento, adaptando el diseño  en función de la naturaleza de los datos.


    Son utilizados en:

    Investigación básica: la lógica dice que si un fenómeno es lo suficientemente básico, se producirá de forma similar en todas las personas.

    Investigación aplicada: en Psicología Clínica, ámbito educativo y evaluación de programas.
    (Barlow y Hersen, 1976)]]>     2022-03-22 05:44:13 UTC https://padlet.com/samoritacp/Bookmarks/wish/2106821551     2.3.2.2. Clasificación de los diseños de N=1 https://padlet.com/samoritacp/Bookmarks/wish/2106822176 Hayes (1981) y Arnau (1994, 1995b) Proponen dos criterios
        
    -1° En función de la reversibilidad de la respuesta  a los niveles de la linea base tras retirar o alterar el tratamiento. Diferencia entre: DISEÑOS DE REVERSIÓN Y LOS DISEÑOS DE NO REVERSIÓN

       -2° En función de la estrategia de comparación que se utiliza para estudiar la efectividad del tratamiento]]>     2022-03-22 05:44:45 UTC https://padlet.com/samoritacp/Bookmarks/wish/2106822176     PRESENTAN https://padlet.com/samoritacp/Bookmarks/wish/2108108074
  • Concepción Toxqui Galindo
  • Mónica Inés Toxqui Nieto
  • Cynthia Pérez Martinez
  • Juan José Diego Mejía
    • ]]>     2022-03-22 17:55:40 UTC https://padlet.com/samoritacp/Bookmarks/wish/2108108074     Análisis de datos para estudios N=1 2.3.2.3 https://padlet.com/samoritacp/Bookmarks/wish/2126790467


    El análisis de datos para los diseños de N=1 se suele realizar de dos maneras:
    1) Mediante la inspección visual de los datos
    Es el método que mas se utiliza en el ámbito aplicado debido a que el entrenamiento en análisis visual mejora la interpretación y confiabilidad.
    Consiste en elaborar un grafico que facilite la presentación de información, comúnmente se puede utilizar una grafica de barras.
    Para construir un gráfico con los resultados de un diseño de N=1 se suele recurrir
    a un diagrama o gráfico de curvas. El eje de abscisas se reserva para los periodos
    de observación (ocasiones, sesiones o tiempo) y el eje de ordenadas se reserva
    para la variable dependiente o conducta.
    Una vez que el investigador ha construido su gráfico deberá proceder con el
    análisis visual de sus datos. Para ello evaluará tanto el patrón que presentan sus
    datos.

    2) A través del análisis estadístico.
    Algunos autores propusieron el uso de pruebas estadísticas clásicas para el análisis
    de los datos de este tipo de diseño pero pronto se descartó su utilización por los problemas que esto suponía — básicamente el incumplimiento de la condición de independencia de los términos de error debido a la dependencia serial de los datos]]>     2022-04-02 23:13:53 UTC https://padlet.com/samoritacp/Bookmarks/wish/2126790467