Download Resumen segundo parcial metodo

Investigaciones pre experimentales



El investigador aunque trata de aproximarse a una situación de investigación experimental, carece de los medios
de control necesarios para poder atribuir a sus resultados la validez interna necesaria.
Es incapaz de producir por lo menos una comparación formal o puede cumplir con este requisito pero poseer un
insuficiente control.
Poseen una relación de causalidad muy limitada. Conclusiones orientativas, exploratorias.
Nombre del diseño
Explicación
1) Tomar un grupo de sujetos formado sin seguir
ninguna técnica específica.
Investigaciones con 2) Medida pretatamiento
diseño de grupo
3) Tratamiento
único con medidas 4) Medida Postratamiento
pre y
5) Comparar medidas pre y postratamiento
postratamiento
Si se constata algún cambio entre las medidas pre
y post se atribuye al efecto del tratamiento.
Investigaciones con
diseño estático
utilizando dos
grupos
Variables contaminadoras

Historia

Maduración

Efecto de la medida pretratamiento

Instrumentación

Regresión estadística

Selección diferencial de sujetos

Interacción entre la selección, la
maduración y la regresión a la media.
1) Tomar dos grupos formados naturalmente, de
contextos distintos, sin seguir una técnica
especial. (No se puede comprobar la
equivalencia y homogeneidad inicial de los
grupos)
2) No se toma medida pretratamiento
3) A un grupo se le aplica el tratamiento y el otro
el tratamiento de control
4) Medida postratamiento
5) Comparación de medidas postratamiento.
 Historia
 Maduración
 Selección diferencial de sujetos
 Mortalidad experimental
 Interacción
maduración
entre
selección
y
Investigaciones experimentales




Al menos una comparación formal
El experimentados realiza la asignación de los sujetos/grupos de sujetos a los distintos tratamientos
Manipulación experimental
Control de las variables contaminadoras
Investigaciones cuasiexperimentales
Se pueden producir de dos maneras:
1) El factor a estudiar sólo admite manipulación por selección. La única solución en estos casos es la replicación
continuada de las investigaciones ya que se puede poseer un alto nivel de control pero nunca absoluto ya que
se utiliza manipulación por selección.
2) No hay un control absoluto de la situación de investigación (hay manipulación experimental). Se obtiene una
relación de cuasicausalidad.
Características:
 Escenarios naturales
 Carencia de un control experimental completo
 Uso de procedimientos como sustitutos del control experimental
 Disponibilidad: puede utilizarse cuando no sea posible realizar una investigación experimental.
Tipos de diseños cuasiexperimentales:
1) Investigaciones con diseños de series temporales interrumpidas



Se toma una serie de medidas del criterio (medidas pretratamiento)
Tratamiento
Se toma otra serie de medidas del criterio (medidas postratamiento).
1
Tipos de efecto que se pueden encontrar: (ellos se pueden combinar)

Cambio de nivel: las medidas presentan una discontinuidad en el punto de aplicación del tratamiento. Se
presenta un cambio en la magnitud de las respuestas post en relación con las respuestas pre.
 Cambio en la inclinación (tendencia) de la serie de medidas después de aplicar el tratamiento. (Siempre conlleva
un cambio de nivel).
 Efecto continuo/permanente: no decae con el paso del tiempo.
 Efecto discontinuo: no se mantiene a lo largo del tiempo.
 Efectos instantáneos: se produce el cambio en el momento del tratamiento.
 Efectos retardados: se producen como consecuencia del tratamiento pero en un momento posterior.
Problemas al emplear los diseños de series temporales interrumpidas:
 Algunos tratamientos no se pueden introducir rápidamente.
 Los efectos pueden no ser instantáneos.
 La serie de medidas debe ser lo suficientemente amplia (continuar hasta que se estabilice la conducta).
 Dificultades del investigador para consultar archivos sobre el tema.
Al realizarse múltiples observaciones se minimiza el efecto de algunas de las variables que pueden afectar la validez
interna (no sustituye el control experimental)
Técnicas de análisis de datos: Arima
Nombre
Diseño simple de
series temporales
interrumpidas
Explicación
Variables Contaminadoras
Un único grupo de sujetos:

1) Se le toman una serie de medidas
pretratamiento

2) Tratamiento
3) Se toman una serie de medidas 
postratamiento.

Maduración (se puede controlar por la serie
de medidas la tendencia que la maduración
podría introducir)
Historia
Selección de sujetos
Cansancio de sujetos

Instrumentación

Habituación a la situación experimental.
Diseño de series
temporales
interrumpidas con
un grupo control
no equivalente
Dos grupos: control y experimental. No se
forman aleatoriamente. No se puede
asegurar su equivalencia.
1) Se le toman una serie de medidas
pretatamiento a ambos grupos.
2) Tratamiento (experimental y control)
3) Se toman una serie de medidas
postratamiento.
Con la introducción del grupo control se ha
controlado la maduración, la historia, el
cansancio de los sujetos y la habituación a la
situación de investigación. Las variables no
controladas son:
Diseño de series
temporales
interrumpidas con
retirada del
tratamiento
Un único grupo (natural):
Permite controlar indirectamente la historia y
el resto de las variables contaminadoras (se
1) Serie de medidas pretatamiento
dispone dos series de medidas en las que la
2) Tratamiento
historia si tiene influencia debería haber
3) Serie de medidas postratamiento
actuado en forma contraria para contaminar los
4) Retirada del tratamiento
resultados).
5) Serie de medidas post retirada del
tratamiento.
Cuando se encuentran efectos opuestos con la
introducción y la retirada del tratamiento ello
puede ser debido al efecto de la retirada del
tratamiento o a una posible desmoralización de
los sujetos por la desaparición del tratamiento.
 Selección de sujetos
 Instrumentación
2
2) Investigaciones con diseños de grupo control no equivalente
Explicación
Variables Contaminadoras
Dos grupos formados naturalmente (No
se puede asegurar su equivalencia)
1) UNA medida pretatamiento (se
puede comparar la equivalencia
inicial de los grupos)
2) Tratamiento
(experimental
y
control)
3) UNA medida postratamiento
Debido a la introducción del grupo control se puede controlar la
historia, la maduración, la instrumentación, etc.
Variables contaminadoras no controladas:

Interacción entre la maduración de los sujetos y la selección
diferencial

Interacción entre la historia y la selección diferencial.

Regresión a la media (sobre todo si uno de los grupos está formado
por sujetos que obtienen puntuaciones más extremas que los
sujetos del otro grupo). Se aconseja no utilizar el procedimiento de
apareo.
Técnica de análisis de dato: AVAR y ACOVAR.
Diseño Factorial

Experimentos con más de una variable independiente en donde todos los niveles de una variable se combinen
con los niveles del resto de las variables (hay diseños factoriales llamados incompletos donde no existen todas
las combinaciones).

Permite comprobar los efectos de dos o más factores sobre el fenómeno que se está estudiando así como saber
si dichos factores interactúan entre sí.
Ventajas del diseño factorial en comparación con los simples:

Mayor cantidad de información: Estudia los efectos combinados no aditivos (interacción) de dos o más factores
además de los efectos de cada uno de los factores. Podemos observar cómo se comporta una variable bajo
todas las condiciones de la otra.

Mayor posibilidad de generalización de las conclusiones (validez ecológica: la situación experimental es más
similar a la vida real)

Mayor economía de trabajo: se reduce el tiempo y el número de sujetos.

Favorece el control de las variables contaminadoras
Factor: variable que se manipula para comprobar sus efectos sobre la conducta (el criterio); sistema de clasificación de
condiciones experimentales. Las siguientes clasificaciones se pueden combinar entre sí.
En función de que
implique o no el
concepto de
magnitud
En función del nivel
de manipulación
En función del
procedimiento
seguido para elegir
los niveles de
Factores Cualitativos
Factores Ordinales
Permiten establecer categorías pero no ordenar estas categorías
en función de su magnitud. Nivel de medida nominal.
Permiten establecer una relación de orden entre sus categorías.
Factores Cuantitativos
Permiten establecer categorías según su magnitud. Nivel de
medida de intervalos o de razón.
Factores de
clasificación
No es posible la manipulación intencional. Integran características
de sujeto. Investigaciones cuasi experimentales.
Factores
experimentales
Permite una manipulación intencional. Permiten su asignación
libre y aleatoria a los sujetos. Investigaciones experimentales.
Factores al azar
Factores cuyos niveles fueron elegidos aleatoriamente por el
experimentador a partir del infinito número posible de niveles.
Factores Fijos
Factores cuyo niveles han sido elegido siguiendo criterios
específicos (arbitrarios) de los experimentadores o han sido
3
factores
utilizados todos los posibles niveles.
Nivel: son los valores elegidos por el experimentador para que adopten los factores en su experimento.
El número de niveles viene determinado por la naturaleza del problema y el interés del investigador (la minuciosidad
con que desea conocer los efectos de dicho factor y por el tipo de inferencias que desea hacer al terminar el
experimento).
Al aumentar el número de niveles aumenta rápidamente el número de tratamientos experimentales, el número de
grupos y la complejidad del trabajo experimental.
Tratamiento experimental: determinada combinación de niveles de los factores que se quieren estudiar. El número
de tratamientos experimentales se determina a partir de la fórmula del diseño factorial, es decir que viene determinado
por el número de factores y por el número de niveles que adopta cada factor.
Clasificación de los diseños factoriales:
Según el tipo de
situación
experimental
Según el criterio
de selección para
elegir los niveles
de los factores
Diseños factoriales
con medidas
independientes
Cada grupo pasa sólo por un tratamiento experimental. Los efectos de
cada tratamiento experimental son probados en un grupo diferente de
sujetos. Número de grupos experimentales = número de tratamientos.
Diseños factoriales
con medidas
repetidas
Un mismo grupo de sujetos es sometido a todos los tratamiento
experimentales. Un solo grupo experimental.
Diseños factoriales
con medidas
repetidas en
algunos factores
Uno o varios factores son probados en una situación de medidas
independientes, mientras que otro y otros factores son probados en
una situación de medidas repetidas. Habrá tantos grupos
experimentales como factores estudiados con medidas independientes.
Modelo Fijo
Sólo se utilizan factores fijos.
Modelo al azar
Sólo se utilizan factores al azar.
Modelo mixto
Se utilizan factores fijos y factores al azar.
Técnica de análisis de datos: Análisis de varianza o análisis de covarianza (cuando se tratan de eliminar los efectos de
alguna variable contaminadora no controlada experimentalmente).
Las fuentes de variación que se van a estudiar mediante el AVAR son:

Varianza intertratamiento
- Efecto de los factores
- Efecto de interacción
 Varianza de error
En ellas debe aparecer:

Un valor F por cada VI indicando el valor P. Si P es menor que el nivel de significación puede ser suficiente
indicarlo sin que aparezca el valor P.

Un valor F de la interacción entre las dos VI. Si fueran 3 VI tendremos tres valores de F, dos interacciones dobles
y una triple.
Interacción: efecto adicional a la suma de los efectos individuales de las variables independientes. Se dice que no hay
interacción cuando este efecto es nulo, no aparece. En estos casos una variable actúa independientemente de la otra.
Existe interacción cuando el comportamiento de una variable se modifica según los niveles de otra variable.
Representación gráfica:

Interacción nula: las dos líneas de cada gráfica son paralelas. Esto se da cuando los patrones de los efectos
simples son iguales.

Existencia de interacción: las líneas no son paralelas. Esto se da cuando los patrones de los efectos simples son
distintos.
4

Extensión a más niveles: las dos reglas anteriores se mantienen para cualquier número de niveles y para
cualquier número de variables. Las líneas de resultados pueden ser paralelas a pesar de no ser rectas. Esto
indica que no existe interacción.
Efectos Simples: Descomposición del diseño factorial en dos experimentos simples de una variable. (Estudio si al pasar
de B1 a B2 se producen cambios en la variable dependiente pero no sé nada de qué pasa al pasar de A1 a A2 )
Efecto principal: resultado de analizar un único experimento principal con una variable como independiente y las otras
como controladas (desaparecen las diferencias de las variables controladas) Una variable se comporta de forma similar
en presencia de los niveles de la otra.
Se estudian los efectos principales cuando se ha comprobado que no existe interacción. Dicho estudio consiste en la
influencia de las manipulaciones de una VI sobre la VD a través de los niveles de otra VI.
Ordinal
Las líneas están unas por encima de las otras sin juntarse. Se puede
interpretar el efecto principal.
No ordinal
La línea condicionada por A1 no mantiene un orden respecto a la línea
condicionada A2. Estas líneas se juntan al cruzarse. No se puede interpretar
el efecto principal.
Efecto
techo
Se producen unos resultados con unos resultados con apariencia de
interacción aunque no la hay. En uno de los niveles se alcanza el máximo y
no es posible registrar niveles superiores.
Efecto
suelo
Se producen unos resultados con unos resultados con apariencia de
interacción aunque no la hay. En uno de los niveles se alcanza el mínimo y no
es posible registrar niveles inferiores.
Interacción
Casos especiales
de interacción
Validez y confiabilidad
Confiabilidad: consistencia en un conjunto de medidas de un atributo; proporción de la variabilidad verdadera
respecto de la variabilidad obtenida.

El valor observado en la medición está conformado por el valor verdadero y por el error de medición.

Un instrumento será más confiable en la medida que maximice el valor verdadero (aproximándose lo más
posible al valor observado), minimizando el error de medición.

La confiabilidad se refiere específicamente a los errores aleatorios, no a los sistemáticos.

En el análisis de la confiabilidad se consideran 3 aspectos: congruencia interna, estabilidad del instrumento y
equivalencia.

Si un instrumento es poco confiable se podría ver afectada la validez del mismo.

Si un instrumento es poco confiable se está midiendo el atributo más diversas variables que son fuentes de
errores aleatorios.
1) Congruencia interna: verificar si las distintas partes que componen el instrumento están midiendo lo mismo
(correlaciones entre sí).
Procedimientos para calcular la congruencia interna:
Métodos 1. Se divide el instrumento en dos mitades
basados en 2. Se obtiene la puntuación para cada mitad en forma independiente
la división
3. Se usan estos puntajes para estimar el coeficiente de correlación entre ambas mitades. Este coeficiente
del
de correlación se ajusta mediante la fórmula de Spearman-Brown (Esto es necesario porque las escalas
instrument
de mayor longitud son más confiables que las escalas de menor longitud. El coeficiente obtenido tiende
o en
a subestimar el valor real de la confiabilidad ya que posee la mitad de ítems que el instrumento original)
mitades
Métodos 
basados en 
la
covarianza
de los
ítems
Tratar a cada ítem como si fuese un test de longitud unidad con una puntuación.
El coeficiente más utilizado es el alpha de Cronbach (se ve afectado por el número de ítems ya que al
aumentar la longitud del instrumento la varianza verdadera aumenta en mayor proporción que la
varianza de error. Cronbach propuso una fórmula adicional de consistencia inter-ítem, que consistía en
una estimación de la correlación media inter-ítem que no se vería afectada por la longitud del
instrumento)
5

2)
Es preferible al método de división por mitades.
Estabilidad: se observa en qué grado se obtienen las mismas medidas al aplicar dos veces el mismo instrumento.

Se aplica la misma prueba en dos momentos diferentes al mismo grupo de sujetos y luego se correlacionan los
puntajes obtenidos en cada toma. Esta correlación sirve para estableces la confiabilidad del instrumento.

Problema: pueden llegar a confundir las fluctuaciones aleatorias con cambios que se producen realmente en el
atributo.
Cuestiones que podrían afectar la estabilidad:

Modificación en la actitud de los sujetos respecto a la prueba o cambio en la información que manejan

Efectos derivados de la primera aplicación del test

El lapso que medie entre ambas pruebas es fundamental. Un lapso demasiado breve podría incrementar el
efecto distorsivo de la fatiga y la práctica. Si el lapso de tiempo es extenso pueden aparecer variables
relacionadas a la maduración y a la historia.
 Factores que modifiquen el contexto de la medida
3) Equivalencia: se quiere determinar la confiabilidad de dos instrumentos que se consideran paralelos (suponen
medir el mismo constructo) o entre dos observadores/evaluadores
 Se aplican las dos formas del test en forma simultánea (variando el orden de presentación) y luego se
correlacionan los puntajes de ambas formas. De ser ambas formas equivalentes se debería obtener un
coeficiente de correlación elevado.
 A veces entre ambas formas media un período de tiempo. La correlación serviría tanto para la equivalencia
como para la estabilidad.
Validez: Determinar si el instrumento está midiendo realmente el atributo que dice medir.

Validez de contenido: evaluar si los ítems del test son relevantes y luego si ellos constituyen una muestra
representativa del universo de conductas que podrían haberse elegido como indicadores del atributo.

Validez de criterio: se trata de relacionar las puntuaciones del instrumento con otras variables (criterio).
- Validez concurrente: Relacionamos las puntuaciones del test con alguna medida del criterio tomada en
el mismo momento. Implica un diseño transeccional o transversal en los cuales se recolecta datos en un
solo momento, en un tiempo único.
- Validez predictiva: Las puntuaciones del test se utilizan para predecir alguna medida del criterio que se
va a realizar a futuro. Implica un diseño prospectivo.

Validez de constructo: tratar de probar que las conductas que registra el test pueden ser consideradas
indicadores válidos del constructo al cual refieren.
Procedimientos para evaluar la validez de constructo:
- Análisis factorial: se utiliza cuando el test está dividido en factores. Analiza las intercorrelaciones de un
conjunto de datos para establecer determinadas agrupaciones de ítems correlaciones entre sí, las cuales
remiten a factores subyacentes, que no son observables, o sea que constituyen distintos constructos. Se
utiliza para estudiar tanto la validez como la construcción del instrumento.
- Diferenciación entre grupos: se aplica el instrumento a dos o más grupos los cuales deben diferir en el
atributo que se mide.
- Correlaciones con otras medidas del constructo: Cuando ya existe otro test ya validado que mide el
mismo constructo se puede correlacionar el nuevo con aquel.
- Las matrices mutimétodo-multirasgo: deben existir como mínimo dos métodos diferentes para medir
el constructo que se va a validar y otros constructos que puedan ser medidos por los mismo métodos.
Se miden en los sujetos de la muestra los distintos constructos con métodos diferentes. Se calculan las
correlaciones entre todas las medidas y se forma con ellas una matriz que contendría los coeficientes
de fiabilidad (correlaciones medidas del mismo constructo y mismo método), validez convergente
(correlaciones medidas del mismo constructo obtenidas con distintos métodos) y validez divergente
(correlaciones de constructos diferentes medidos con igual método y correlaciones de diferentes
constructos medidos con distintos métodos).
6
Diseños de un solo sujeto
Doble ventaja:
- Producen principios conductuales apropiados a los individuos así como para grupos de individuos.(Cuando los
resultados aplicables a un número de sujetos son legítimos constituyen un principio general)
- Reducen los efectos de confusión de las variables ajenas al programa (reduce las diferencias del cliente
individual. Permite hacer comparaciones entre la conducta de un individuo bajo una condición y bajo otras
condiciones)
Es necesario que durante todo el programa se mantengan constantes todas las condiciones, a excepción de los cambios
sistemáticos en la VI.
El análisis experimental es un componente esencial del método de análisis conductual.
Deberá transcurrir un período de adaptación al nuevo ambiente antes de que se inicie formalmente la fase de línea de
base.
La fase de línea de base consiste en mediciones repetidas de las variables dependientes en el transcurso de varios días o
incluso semanas. Esto continúa hasta que se hayan identificado los límites externos dentro de los que fluctúa la
conducta. Esta línea de base funciona como estándar con el cual se puede comparar el procedimiento de tratamiento.
1) Diseños de reversión => ABAB
-
Se mide el rendimiento en la línea de base => FASE A
Se introduce la VI (tratamiento)
Se mide el rendimiento => FASE B
Se elimina la VI (tratamiento)
Se mide el rendimiento => FASE A (El retorno a la línea de base es la reversión o sondeo. Las condiciones
son idénticas a las de la línea de base.)
- Se introduce la VI (tratamiento)
- Se mide el rendimiento => FASE B
Variaciones del diseño de reversión:
a) El reforzador se presenta en todas las fases del estudio, pero no contingente a la respuesta meta durante las
condiciones repetidas de línea de base.
b) Sólo una fase muy breve de línea de base. Esta variación se usa cuando muchas mediciones repetidas de línea
de bese resultarían absurdas.
c) Adición de una fase RDO o de R-alt. Cuando la conducta no es reversible la VI puede aplicarse a todas las
conducta a excepción de la dependiente o solamente a conductas alternativas específicas durante el segundo
período de línea de base.
Ventajas de los diseños de reversión:
- Demuestra una relación funcional entre la conducta dependiente y la intervención
- El diseño puede usarse como un instrumento de enseñanza
- Les proporciona una base para contrastar los efectos de sus enfoques típicos
Desventajas de los diseños de reversión:
- El establecimiento y la medición de las condiciones de línea de base lleva tiempo y las condiciones mismas no
contribuyen al cambio conductual real.
- La conducta puede no recobrarse después del regreso a las condiciones de línea de base.
- Los padres / maestros /etc. pueden no querer instituir la reversión
2) Diseños de línea de base múltiple
a) A través de conductas:
- Se miden e identifican varias conductas para proporcionar la línea de base.
- Se aplica el tratamiento en una de las conductas
- Se produce un cambio en esta conducta (no en las otras)
- Se aplica el tratamiento a otra de las conductas
7
- Se produce el cambio en esa conducta => aumenta la evidencia de que la variable experimental es efectiva
y que el cambio anterior no fue una coincidencia.
Las conductas meta (VD) no deben ser interdependientes ni estar muy relacionadas. Si son dependientes un
cambio en una conducta podría generar un cambio en las otras.
b) A través de los individuos:
- Se miden las líneas de base de la misma conducta con varias personas
- Se aplica el tratamiento a uno de los clientes y se comprueba sus efectos mientras las condiciones de línea
de base continúan en los otros sujetos.
- Se aplica el tratamiento a otro de los clientes y se comprueba sus efectos (si hay más sujetos estos
continúan en línea de base)
Se busca demostrar que la conducta de cada sujeto cambia de modo sustancial sólo cuando se introduce la
intervención. Es mejor utilizar sujetos que no interactúen entre sí para evitar que las alteraciones en la conducta de un
sujeto influencien las conductas de los otros sujetos previo a la intervención
Este diseño debe utilizarse para conductas que no requieran de acción inmediata ya que el diseño demanda que algunos
sujetos reciban el tratamiento más tarde que otros.
c) A través de situaciones:
- Se recopilan datos de una conducta meta para uno o más sujetos a través de diferentes circunstancias o
situaciones
- Se aplica el tratamiento en una situación y se comprueban sus efectos mientras que en las otras situaciones
se continúa en línea de base
- Se aplica el tratamiento en otra situación y se comprueban sus efectos (si se intervienen en más de dos
situaciones las restantes continuarían en línea de base)
Se intenta demostrar que la conducta cambió sustancialmente sólo cuando se le aplicaba el tratamiento. En las
situaciones donde el tratamiento se aplicó, la conducta cambiaría muy poco o nada.
Se debe intentar que no haya generalización de las conducta meta seleccionadas a través de las situaciones porque sino
el diseño no funcionará como debe.
Selección de sistemas de observación
La medición exacta del comportamiento se usa para determinar con claridad y objetividad la efectividad de los
programas de análisis conductual aplicado y para generar predicciones científicas para el futuro.
La medición exacta del comportamiento requiere de la selección e implementación de mediciones:
- Objetivas: los observadores que registran los datos conductuales no se dejarán influenciar por sus propios
sentimientos o interpretaciones.
- Válidas: miden en efecto de forma directa a la conducta que se supone que miden. (Una medición válida
necesariamente es objetiva pero una medición objetiva no necesariamente es válida).
- Confiables: el instrumento será estándar con independencia de la persona que lo use y de las ocasiones en que
se aplique.
VD: conducta meta cuya medida del suceso se traduce en términos cuantificables. Es la medida de la conducta meta es
la variable dependiente clave.
Parámetros: otras variables importantes de medir cuyas medidas pueden alterarse en función del programa.
Un sistema de medición válida debe ser apropiado a la variable que se intenta medir. La meta puede alcanzarse mejor al
operacionalizar la conducta meta con precisión y al adiestrar y supervisar a los encargados de registrar los
comportamientos.
Los analistas conductuales deben demostrar que sus sistemas de registro son confiables. Una forma de hacer esto es al
hacer registros simultáneos con dos observadores independientes (Acuerdo inter observadores. Debe existir un gran
acuerdo entre ambos)
Los observadores confiables no deberán estar informados de la manipulación experimental, sólo deberán informárseles
de la conducta a observadores.
Las verificaciones de confiabilidad deberán hacerse antes de recogen los datos de línea de base así como durante cada
fase del programa. (Los observadores deberán estar enterados de ello).
8
Reactividad: efectos ocasionados por los mismos procedimientos experimentales que pueden distorsionar la validez de
los datos.
Productos permanentes: evidencia física que dejan ciertos comportamientos en forma de producto duradero. (Se
utiliza el registro de producto permanente). Pueden medirse después de un lapso de tiempo. Es fácil evaluar la
confiabilidad de la medición. Para ello:
Productos transitorios: La medición es más difícil que con productos permanentes. Se debe registrar la conducta en el
momento que ocurre.
Métodos para el registro de los productos transitorios:
Tipo de
medición
Registro de
sucesos
Definición
Contar las veces que ocurre una conducta determinada en un
intervalos específico.
- Es apropiado para medir respuestas discretas (tienen un inicio y un
final claramente definidos)
Fórmula para estimar la
confiabilidad / porcentaje de
acuerdo
Este cálculo puede ser inexacto.
Cuando la observación informal sugiere que los observadores han
perdido algunas respuestas meta los períodos de observación
deberán dividirse en intervalos (para asegurar la confiabilidad)
Registro de
duración
Registrar el lapso en el que ocurre una conducta.
Registro de
muestreo
temporal de
intervalo
Registra la presencia o ausencia de una conducta (no claramente
discreta) dada dentro de un intervalo de tiempo.
Es útil para conductas que ocurren al menos una vez cada quince
minutos.
Para determinar cuál de los tres utilizar se debe tomar el más
conservador de los tres.
La confiabilidad se sacrifica cuando los intervalos son inferiores a 10
segundos.
- Muestreo
temporal de
intervalos
COMPLETO
Registra la respuesta cuando ésta se emite en todo el intervalo
completo.
Tiende a subestimar las presentaciones de la conducta (No es
apropiado cuando se busca una reducción de la conducta)
Es útil cuando es importante saber que la conducta no es
interrumpida
Puede utilizarse para estimar la duración de la respuesta.
- Muestreo
temporal de
intervalo
PARCIAL
Registra la respuesta cuando un solo caso de la misma ocurre en el
intervalo.
Útil para registrar conductas que pueden ocurrir en momentos
fugaces.
Tiende a sobreestimar la conducta. (Útil cuando se busca una
reducción de la conducta)
- Muestreo
temporal de
intervalo
MOMENTA
Registra la respuesta si ésta se emite en el momento que termina el
intervalo.
Es útil para registrar conductas que son propensas a persistir por
cierto tiempo.
Esta fórmula deberá alterarse cuando se
califica una proporción o muy grande o
muy pequeña de intervalos incluyendo
únicamente los intervalos en los cuales
se presente la respuesta. Cuando la
conducta es infrecuente la fórmula
inalterada produce un coeficiente
exagerado falsamente.
9
NEO
10